[论文解读] Deterministic Construction of Partial Fourier Compressed Sensing Matrices Via Cyclic Difference Sets

Nam Yul Yu|arXiv (Cornell University)|Aug 4, 2010

Sparse and Compressive Sensing Techniques参考文献 24被引用 14

一句话总结

本文提出了一种基于循环差集（CDS）的确定性部分傅里叶压缩感知矩阵，通过从N×N的逆DFT矩阵中选择K行构建，选择依据为(N, K, λ)循环差集。该方法确保了强受限等距性质（RIP）保证，并实现了计算高效的重建算法，在低复杂度下表现出具有竞争力的恢复性能。

ABSTRACT

Compressed sensing is a novel technique where one can recover sparse signals from the undersampled measurements. This paper studies a $K imes N$ partial Fourier measurement matrix for compressed sensing which is deterministically constructed via cyclic difference sets (CDS). Precisely, the matrix is constructed by $K$ rows of the $N imes N$ inverse discrete Fourier transform (IDFT) matrix, where each row index is from a $(N, K, λ)$ cyclic difference set. The restricted isometry property (RIP) is statistically studied for the deterministic matrix to guarantee the recovery of sparse signals. A computationally efficient reconstruction algorithm is then proposed from the structure of the matrix. Numerical results show that the reconstruction algorithm presents competitive recovery performance with allowable computational complexity.

研究动机与目标

• 开发一种用于压缩感知的确定性部分傅里叶测量矩阵构造方法，以确保稀疏信号的稳定恢复。
• 利用循环差集（CDS）系统地从逆DFT矩阵中选择行，以实现有利的相干性和RIP特性。
• 设计一种计算高效的重建算法，利用CDS基矩阵的代数结构以降低计算复杂度。
• 通过实验验证所提矩阵与算法的恢复性能和计算效率。

提出的方法

• 测量矩阵通过基于(N, K, λ)循环差集导出的索引，从N×N的逆离散傅里叶变换（IDFT）矩阵中选择K行构建。
• 该构造通过CDS的组合结构确保低相干性与有利的受限等距性质（RIP）。
• 基于CDS基矩阵的代数与谱特性设计重建算法，以降低计算复杂度。
• 理论分析聚焦于受限等距常数（RIC）的统计行为，以支持信号恢复保证。
• 数值实验在不同稀疏度水平和信号类型下评估重建精度与计算负载。

实验结果

研究问题

• RQ1 通过循环差集构造的确定性部分傅里叶矩阵能否在稀疏信号恢复中实现强受限等距性质（RIP）？
• RQ2 CDS基矩阵的相干性与RIP特性相较于随机或其它确定性构造如何？
• RQ3 所提重建算法的计算复杂度是多少？其随信号维度与稀疏度如何变化？
• RQ4 在精度与速度方面，所提方法的重建性能相较于现有压缩感知技术如何？

主要发现

• 基于CDS的部分傅里叶矩阵实现了强受限等距性质（RIP）保证，确保稀疏信号的稳定恢复。
• 所提重建算法在保持低计算复杂度的同时，表现出具有竞争力的恢复性能，得益于结构化矩阵设计。
• 数值结果证实，该方法在各种稀疏度水平和信号类型下均实现了高重建精度。
• 通过循环差集的确定性构造实现了可预测且可复现的性能，无需依赖随机采样。