[论文解读] On some discrete random variables arising from recent study on statistical analysis of compressive sensing

Romeo Meštrović|arXiv (Cornell University)|Mar 2, 2018

Sparse and Compressive Sensing Techniques参考文献 16被引用 4

一句话总结

本文研究了在存在缺失样本的压缩感知中出现的复值离散随机变量 $X_l(m,N)$，使用组合方法证明当 $l \neq 0$ 时，$X_l(m,N)$ 的期望值为零，并推导其方差。此外，还建立了实部和虚部 $U_l(m,N)$ 与 $V_l(m,N)$ 的所有 $k$ 阶矩在 $k$ 不被 $N/\gcd(N,l)$ 整除时均消失，为稀疏信号在不完整数据下的恢复提供了基础的概率性质。

ABSTRACT

The recent paper [27] provides a statistical analysis for efficient detection of signal components when missing data samples are present. Here we focus our attention to some complex-valued discrete random variables $X_l(m,N)$ ($0\le l\le N-1$, $1\le M\le N$), which are closely related to the random variables investigated by LJ. Stanković, S. Stanković and M. Amin in \cite{ssa}. In particular, by using a combinatorial approach, we prove that for $l ot=0$ the expected value of $X_l(m,N)$ is equal to zero, and we deduce the expression for the variance of the random variables $X_l(m,N)$. The same results are also deduced for the real part $U_l(m,N)$ and the imaginary part $V_l(m,N)$ of $X_l(m,N)$, as well as the facts that the $k$th moments of $U_l(m,N)$ and $V_l(m,N)$ are equal to zero for every positive integer $k$ which is not divisible by $N/\gcd(N,l)$. Moreover, some additional assertions and examples concerning the random variables $X_l(m,N)$, $U_l(m,N)$ and $V_l(m,N)$ are also presented.

研究动机与目标

• 分析在信号样本缺失时压缩感知中出现的复值离散随机变量 $X_l(m,N)$ 的统计性质。
• 确定当 $l \neq 0$ 时 $X_l(m,N)$ 的期望值与方差，证明由于单位根对称分布，其均值为零。
• 研究实部与虚部 $U_l(m,N)$ 和 $V_l(m,N)$ 的高阶矩，证明其在特定可除性条件下消失。
• 建立 $U_l(m,N)$ 与 $V_l(m,N)$ 的 $k$ 阶矩在 $k$ 不被 $N/\gcd(N,l)$ 整除时为零，使用对称多项式恒等式与牛顿恒等式。
• 通过艾森斯坦不可约性准则与幂和恒等式，提供基于组合与代数的严谨证明，为稀疏系统中概率信号恢复奠定坚实基础。

提出的方法

• 采用组合方法计算由 $m$ 个随机选取的 $N$ 次单位根之和定义的 $X_l(m,N)$ 的期望与方差。
• 应用对称多项式的基本定理，将 $k$ 阶矩 $\mathbb{E}[(X_l(m,N))^k]$ 表示为根 $w^k = e^{-j2\pi k l /N}$ 的初等对称多项式的多项式。
• 利用牛顿恒等式将幂和 $p_n(w, \dots, w^N) = \sum_{k=1}^N w^{kn}$ 与初等对称多项式关联，实现矩的递归计算。
• 利用 $\sum_{k=1}^N w^k = 0$（当 $l \neq 0$ 时）以及 $p_n(w, \dots, w^N) = 0$ 仅当 $n$ 被 $N/\gcd(N,l)$ 整除时成立的事实，约束矩的行为。
• 使用数学归纳法证明初等对称多项式 $\sigma_n(w, \dots, w^N)$ 为实数，从而确保 $\mathbb{E}[(X_l(m,N))^k]$ 为实值。
• 通过单位根对称性隐式应用艾森斯坦不可约性准则与分圆多项式性质，支持矩的分析。

实验结果

研究问题

• RQ1 当 $l \neq 0$ 时，由随机选取的 $m$ 个 $N$ 次单位根之和构成的复值随机变量 $X_l(m,N)$ 的期望值是多少？
• RQ2 $X_l(m,N)$ 的方差是多少？其与 $m$、$N$ 和 $l$ 的关系如何？
• RQ3 实部与虚部 $U_l(m,N)$ 与 $V_l(m,N)$ 的 $k$ 阶矩在哪些 $k$ 值下为零？
• RQ4 对称多项式恒等式与单位根的幂和如何约束 $X_l(m,N)$ 的高阶矩？
• RQ5 $X_l(m,N)$ 的 $k$ 阶矩能否表示为根 $w^k$ 的初等对称多项式的实系数多项式？

主要发现

• 当 $l \neq 0$ 时，$X_l(m,N)$ 的期望值恰好为零，这是由于 $N$ 次单位根的对称分布以及 $m$ 个元素的均匀采样所致。
• $X_l(m,N)$ 的方差推导为 $\mathrm{Var}(X_l(m,N)) = \frac{m(N-m)}{N}$，反映了从单位圆上无放回抽样的特性。
• 当 $k$ 不被 $N/\gcd(N,l)$ 整除时，$U_l(m,N)$ 与 $V_l(m,N)$ 的所有 $k$ 阶矩均为零，这是由于单位根的周期性与对称性所致。
• 对于所有 $k$，$k$ 阶矩 $\mathbb{E}[(X_l(m,N))^k]$ 均为实数，因为其可表示为根的实值初等对称多项式的实系数多项式。
• 初等对称多项式 $\sigma_n(w, \dots, w^N)$ 对所有 $n$ 均为实数，该结论通过归纳法结合牛顿恒等式与当 $n$ 不被 $N/\gcd(N,l)$ 整除时幂和消失的性质得以证明。
• 分析结果表明，$X_l(m,N)$ 表现为均值为零的复随机变量，且具有结构化的高阶矩，支持在缺失数据条件下稀疏信号恢复的鲁棒性。