[论文解读] A Novel Sufficient Condition for Generalized Orthogonal Matching Pursuit

Jinming Wen, Zhengchun Zhou+2 more|arXiv (Cornell University)|Mar 4, 2016

Quantum optics and atomic interactions被引用 3

一句话总结

本文提出了一种广义正交匹配追踪（gOMP）的新充分条件，该条件在有噪和无噪环境下均可确保对K稀疏信号的精确支持恢复。该条件基于限制等距常数 δ_{NK+1} < 1/√(K/N + 1)，无需 N ≤ K 的限制，从而在选择 N 时具有更大的灵活性，并优于以往对 gOMP 和 OMP 的界，包括当 N=1 时 Mo（2015）的最优条件。

ABSTRACT

Generalized orthogonal matching pursuit (gOMP), also called orthogonal multi-matching pursuit, is an extension of OMP in the sense that $N\geq1$ indices are identified per iteration. In this paper, we show that if the restricted isometry constant (RIC) $δ_{NK+1}$ of a sensing matrix $\A$ satisfies $δ_{NK+1} &lt; 1/\sqrt {K/N+1}$, then under a condition on the signal-to-noise ratio, gOMP identifies at least one index in the support of any $K$-sparse signal $\x$ from $\y=\A\x+\v$ at each iteration, where $\v$ is a noise vector. Surprisingly, this condition does not require $N\leq K$ which is needed in Wang, extit{et al} 2012 and Liu, extit{et al} 2012. Thus, $N$ can have more choices. When $N=1$, it reduces to be a sufficient condition for OMP, which is less restrictive than that proposed in Wang 2015. Moreover, in the noise-free case, it is a sufficient condition for accurately recovering $\x$ in $K$ iterations which is less restrictive than the best known one. In particular, it reduces to the sharp condition proposed in Mo 2015 when $N=1$.

研究动机与目标

• 建立一个更紧致、更通用的充分条件，以在存在噪声的情况下通过广义正交匹配追踪（gOMP）实现精确支持恢复。
• 放宽先前 gOMP 研究中所需的严格假设 N ≤ K，从而扩展可行参数选择的范围。
• 通过引入信噪比（SNR）和最小-平均比（MAR）框架，统一并改进现有的基于 RIP 的 gOMP 恢复条件。
• 证明所提出的条件在 N=1 时退化为 Mo（2015）的最优 OMP 条件，从而验证其紧致性。

提出的方法

• 作者基于限制等距常数（RIC）δ_{NK+1} < 1/√(K/N + 1) 推导出一个充分条件，该条件可保证 gOMP 在每次迭代中至少识别出一个正确索引。
• 他们采用一种新颖的归纳论证方法，对残差与原子之间的相关性进行界约束，将真实支持索引的相关性最大值与非支持索引的相关性最大值进行比较。
• 分析中引入 SNR 和 MAR 作为信号和噪声度量，以表征在有噪条件下的信号恢复性能。
• 证明过程利用投影算子，并通过 RIP 对残差投影的 ℓ2-范数进行界约束，同时对真实相关性的下界和噪声引起的相关性的上界进行精确估计。
• 通过在相关性差值中对类似互相关性的项采用更紧的界，避免了对 N ≤ K 约束的需求。
• 该方法通过证明即使当 N > K 时该条件依然有效，从而推广了先前的结果，而此前文献中该情况被排除。

实验结果

研究问题

• RQ1 能否为 gOMP 推导出一个更宽松的 RIP 条件，使其无需 N ≤ K 的限制，从而提高每次迭代中选择多个索引的灵活性？
• RQ2 所提出的条件是否在所需 RIC 阈值方面优于现有的 gOMP 和 OMP 的界？
• RQ3 将 SNR 和 MAR 作为性能度量引入后，如何影响充分条件的推导及其紧致性？
• RQ4 当 N=1 时，该条件是否可退化为 Mo（2015）的最优 OMP 条件，从而确认其在单索引情况下的最优性？
• RQ5 该条件是否在相同的 RIC 阈值下，对有噪和无噪环境均足以实现精确支持恢复？

主要发现

• 所提出的条件 δ_{NK+1} < 1/√(K/N + 1) 在 SNR 和 MAR 足够高的前提下，足以保证 gOMP 在有噪环境下每次迭代至少识别出一个正确索引。
• 该条件无需先前研究中所需的严格假设 N ≤ K（如 Wang 等人（2012）和 Liu 等人（2012）的工作），从而允许更自由地选择 N。
• 在无噪情况下，该条件可确保在恰好 K 次迭代内精确恢复 K 稀疏信号，且该条件比现有最佳已知界更宽松。
• 当 N=1 时，该条件退化为 δ_{K+1} < 1/√(K + 1)，与 Mo（2015）对 OMP 的最优条件一致，从而证实其紧致性。
• 该条件优于先前的 gOMP 界，如 δ_{NK} < 1/(√(K/N) + 1.27) 和 δ_{NK+1} < 1/(√(K/N) + 1)，提供了更紧致且更通用的阈值。
• 分析表明，通过引入 SNR 和 MAR 作为性能度量，该条件在 ℓ2 和 ℓ∞ 噪声模型下均表现出鲁棒性。