[논문 리뷰] Gauss-Newton Method for Phase Retrieval.

Bing Gao, Zhiqiang Xu|arXiv (Cornell University)|2016. 06. 27.

Advanced X-ray Imaging Techniques참고 문헌 13인용 수 4

한 줄 요약

이 논문은 초기화에 수정된 스펙트럴 방법을 결합한 가우스-뉴턴 알고리즘을 제안하며, 가우스-뉴턴 반복을 통한 이차 수렴을 실현한다. 거의 최소한의 무작위 측정값을 사용하여 실수 값의 경우에 대해 전역적인 이차 수렴을 증명하였으며, 수치 실험에서 기존 방법들을 능가한다.

ABSTRACT

In this paper, we develop a concrete algorithm for phase retrieval, which we refer to as Gauss-Newton algorithm. In short, this algorithm starts with a good initial estimation, which is obtained by a modified spectral method, and then update the iteration point by a Gauss-Newton iteration step. We prove that a re-sampled version of this algorithm quadratically converges to the solution for the real case with the number of random measurements being nearly minimal. Numerical experiments also show that Gauss-Newton method has better performance over the other algorithms.

연구 동기 및 목표

• 신호 복원 문제에서 강력하고 효율적인 위상 복원 알고리즘을 개발하기 위해.
• 영상 및 광학 분야에서 흔한 크기만의 측정값에서 위상 정보를 복원하는 과제를 해결하기 위해.
• 수정된 스펙트럴 초기화와 가우스-뉴턴 업데이트를 활용하여 최소한의 샘플링으로 빠른 수렴을 달성하기 위해.
• 실수 신호에 대해 거의 최소 측정 조건 하에서 이론적 수렴 보장을 확립하기 위해.

제안 방법

• 알고리즘은 신호의 고품질 초기 추정치를 생성하기 위해 수정된 스펙트럴 방법으로 시작한다.
• 관측된 크기와 예측된 크기 사이의 잔차를 최소화하기 위해 가우스-뉴턴 반복 단계를 적용한다.
• 안정성과 수렴성을 보장하기 위해 가우스-뉴턴 업데이트의 재샘플링 버전을 사용한다.
• 알고리즘은 실수 값의 신호를 대상으로 하며, 이론적 분석은 실수 경우에 집중한다.
• 업데이트 단계는 크기 측정 모델의 야코비안에서 유도된 선형 시스템을 푸는 것으로 구성된다.
• 거의 최소한의 무작위 측정 조건 하에서 이론적 수렴이 확립된다.

실험 결과

연구 질문

• RQ1 거의 최소 샘플링 조건 하에서 가우스-뉴턴 기반 알고리즘이 위상 복원 문제에서 이차 수렴을 달성할 수 있는가?
• RQ2 실제로 제안된 알고리즘의 성능은 기존 위상 복원 방법과 비교하여 어떻게 되는가?
• RQ3 수정된 스펙트럴 초기화가 수렴 속도와 정확도에 미치는 영향은 무엇인가?
• RQ4 이 방법을 사용하여 실수 값 위상 복원 문제에 대해 이론적 수렴 보장을 확립할 수 있는가?

주요 결과

• 재샘플링을 적용한 가우스-뉴턴 알고리즘은 실수 위상 복원 문제에서 이차 수렴을 달성한다.
• 이 방법은 신호를 정확히 복원하기 위해 거의 최소한의 무작위 측정값만 필요로 한다.
• 수치 실험 결과 다른 기존 위상 복원 알고리즘보다 뛰어난 성능을 보였다.
• 수정된 스펙트럴 초기화가 시작점의 품질을 크게 향상시켜 더 빠른 수렴을 가능하게 하였다.
• 이론적 분석을 통해 지정된 조건 하에서 전역 수렴이 확인되어 알고리즘의 강건성을 검증하였다.