[논문 리뷰] Corruption Robust Phase Retrieval via Linear Programming

Paul Hand, Vladislav Voroninski|arXiv (Cornell University)|2016. 12. 12.

Advanced X-ray Imaging Techniques참고 문헌 8인용 수 16

한 줄 요약

이 논문은 O(n)개의 손상된 가우시안 크기 측정값에서 실수 벡터를 정확히 복원하는 선형 프로그래밍 방법인 RobustPhaseMax를 소개한다. 이는 최대 Ω(n)개의 측정값이 임의로 손상된 경우에도 성립한다. PhaseMax에 페널티가 부과된 슬랙 변수를 추가함으로써, 최적성 조건과 체중 불등식을 직접 분석함으로써 높은 확률로 정확한 복원을 달성한다.

ABSTRACT

We consider the problem of phase retrieval from corrupted magnitude observations. In particular we show that a fixed $x_0 \in \mathbb{R}^n$ can be recovered exactly from corrupted magnitude measurements $|\langle a_i, x_0 angle | + η_i, \quad i =1,2\ldots m$ with high probability for $m = O(n)$, where $a_i \in \mathbb{R}^n$ are i.i.d standard Gaussian and $η\in \mathbb{R}^m$ has fixed sparse support and is otherwise arbitrary, by using a version of the PhaseMax algorithm augmented with slack variables subject to a penalty. This linear programming formulation, which we call RobustPhaseMax, operates in the natural parameter space, and our proofs rely on a direct analysis of the optimality conditions using concentration inequalities.

연구 동기 및 목표

• 이미징 및 신호 복원에서 흔한 문제인 크기 측정값의 임의의 손상 상황에서의 단일 복원 문제를 다루는 것.
• 기존의 PhaseLift와 같은 선형 프로그래밍 방법에서 사용하는 고차원 릿지 변환을 피하는 자연스러운 매개변수 공간에서 직접 작동하는 계산적으로 타당한 방법을 개발하는 것.
• 측정값이 희박하고 임의의 노이즈에 의해 손상된 경우에도 최적의 샘플 복잡도 m = O(n)로 정확한 복원을 달성하는 것.
• 최적성 조건과 체중 불등식의 직접 분석을 통해 이상치에 대한 이론적 보장을 제공하는 것.
• 기존의 유한 노름 범위 노이즈를 넘어서, 희박한 손상과 같은 현실적인 노이즈 모델을 다룰 수 있도록 PhaseMax 프레임워크를 확장하는 것.

제안 방법

• 손상된 측정값을 모델링하기 위해 PhaseMax 선형 프로그래밍에 음이 아닌 슬랙 변수를 추가한다.
• 손상 모델의 희박성을 유도하기 위해 슬랙 변수의 합에 페널티를 도입한다.
• 행렬 릿지 없이 자연스러운 매개변수 공간에서의 볼록 최적화 문제로 RobustPhaseMax를 공식화한다.
• 체중 불등식을 사용하여 최적성 조건을 분석하고, 높은 확률의 복원 보장을 유도한다.
• 스펙트럼 초기화 방법(예: 중앙값 제거 위르팅어 플로우에서 유도된)을 활용해 초기화를 위한 상관관계가 있는 앵커 벡터를 제공한다.
• 편미분과 이웃 영역에서의 측정 연산자의 1노름을 유계화하여 손상 상황에서의 가용 영역 행동을 분석한다.

실험 결과

연구 질문

• RQ1 크기 측정값에서 임의의 희박한 손상이 발생하는 상황에서도 최적의 샘플 복잡도 유지를 유지하면서 단일 복원을 가능하게 할 수 있는가?
• RQ2 매개변수 공간에서의 볼록 프로그래밍을 통해 고차원 행렬 공간으로의 릿지 없이 정확한 복원을 달성할 수 있는가?
• RQ3 PhaseMax 프레임워크는 유한한 노름 범위를 넘어서, 예를 들어 희박한 손상과 같은 현실적인 노이즈 모델을 다룰 수 있는가?
• RQ4 희박한 손상 상황에서 정확한 복원을 위해 필요한 이론적 샘플 복잡도는 무엇이며, 이는 높은 확률로 달성 가능한가?
• RQ5 체중 불등식과 최적성 조건 분석은 적대적인 손상 상황에서 어떻게 강건성 보장을 가능하게 하는가?

주요 결과

• RobustPhaseMax는 O(n)개의 i.i.d. 표준 가우시안 크기 측정값에서 고정된 실수 벡터 x₀ ∈ ℝⁿ을 정확히 복원한다. 이는 최대 Ω(n)개의 측정값이 임의로 손상된 경우에도 성립한다.
• 측정값 수 m ≥ 2c₀n 이고 c₀가 충분히 클 경우, 높은 확률로 정확한 복원을 달성하며, 확률은 최소 1 - 5me^(-γm/4) 이상이 된다. 여기서 γ > 0이다.
• 분석은 편미분에서 측정 연산자의 1노름을 유계화하는 데 기반하며, 적절한 조건 하에서 가용 영역이 손상에 대해 강건함을 보여준다.
• 손상된 측정값을 포함하는 내적 항의 기대값은 0.597‖x₀‖₂‖x₁‖₂ 이하로 유계화되어, 복원을 위한 충분한 신호 강도를 확보한다.
• PhaseMax의 가용 영역이 이러한 조건에서 급격히 수축할 수 있는 것과는 달리, 이 방법은 희박한 손상 상황에서 기존 PhaseMax보다 뛰어난 성능을 보인다.
• 이론적 보장은 ε-넷에 대한 유니언 바운드와 체중 불등식을 통해 도출되었으며, 이는 손상과 초기화 오차에 대한 강건성을 입증한다.