[论文解读] Compressed Sensing off the Grid

Gongguo Tang, Badri Narayan Bhaskar+2 more|arXiv (Cornell University)|Jul 25, 2012

Sparse and Compressive Sensing Techniques参考文献 36被引用 30

一句话总结

该论文提出原子范数最小化方法，以从不完整的时域采样中恢复具有连续频率的稀疏线谱，避免了网格离散化。当分量之间充分分离时，证明了O(s log s log n)个随机采样足以实现精确的频率定位，采用半定规划形式化，即使在噪声环境下也能实现稳定恢复。

ABSTRACT

We consider the problem of estimating the frequency components of a mixture of s complex sinusoids from a random subset of n regularly spaced samples. Unlike previous work in compressed sensing, the frequencies are not assumed to lie on a grid, but can assume any values in the normalized frequency domain [0,1]. We propose an atomic norm minimization approach to exactly recover the unobserved samples. We reformulate this atomic norm minimization as an exact semidefinite program. Even with this continuous dictionary, we show that most sampling sets of size O(s log s log n) are sufficient to guarantee the exact frequency estimation with high probability, provided the frequencies are well separated. Numerical experiments are performed to illustrate the effectiveness of the proposed method.

研究动机与目标

• 解决压缩感知中真实信号分量与离散网格不匹配的问题。
• 实现从不完整、随机采样的时域测量中精确恢复连续频率正弦信号。
• 克服传统压缩感知依赖离散字典的局限性，后者在精细离散化时会因相干性和数值不稳定性而失效。
• 提供一种直接作用于频率连续参数空间的凸优化框架。
• 在最小分离条件下和随机采样下，建立精确恢复的理论保证。

提出的方法

• 使用复指数原子所诱导的原子范数，将线谱估计问题形式化为原子范数最小化问题。
• 将原子范数最小化重新表述为半定规划（SDP），通过凸优化实现高效计算。
• 利用时频对偶性，将信号建模为具有未知频率和振幅的复正弦分量之和。
• 借助原子范数与秩最小化之间的对偶性，推导出一种凸松弛方法，推广了ℓ₁和核范数框架。
• 应用半定松弛以恢复缺失的时域采样，并通过对偶解识别真实频率。
• 在原子范数最小化之后，对恢复的信号应用普罗尼方法或矩阵束技术，进一步精炼频率估计。

实验结果

研究问题

• RQ1 在压缩感知中，是否可以在不假设频率位于预定义网格上的前提下实现精确频率恢复？
• RQ2 保证精确恢复s个稀疏正弦信号（具有连续频率）所需的最少随机采样数是多少？
• RQ3 分辨率要求（最小频率间隔）如何影响在连续字典设置下的恢复成功率？
• RQ4 尽管字典具有连续性，原子范数最小化是否仍能提供稳定的恢复？
• RQ5 与传统的基于离散化的方法相比，该方法在精度和数值稳定性方面能有多大程度的性能提升？

主要发现

• 在最小频率间隔Δf ≥ 1/⌊(n−1)/4⌋的条件下，从O(s log s log n)个随机时域采样中可实现s个复正弦信号的精确恢复。
• 当采样数超过C max{log²(n/δ), s log(s/δ) log(n/δ)}时，该方法以至少1−δ的概率保证高概率恢复，其中C为某个数值常数。
• 原子范数最小化方法实现了近乎最优的恢复界，并避免了基于网格的压缩感知中固有的基失配问题。
• 数值实验表明，恢复性能表现出成功的相变现象，且当频率间隔超过1/n时，成功率随之提高。
• 在噪声环境下，所提出的鲁棒优化方法（在ℓ₂残差约束下最小化原子范数）表现出稳定的频率定位，模拟结果表明即使在有界噪声下也能实现精确恢复。
• 即使在精细离散化会导致病态系统的情况下，该方法仍保持数值稳定且有效，表明其相对于基于网格的替代方法具有实际优势。