[论文解读] Deconvolution in white noise with a random blurring function

Thomas Willer|arXiv (Cornell University)|May 9, 2005

Image and Signal Denoising Methods参考文献 28被引用 8

一句话总结

本文研究在模糊函数为随机时的白噪声中去卷积问题，建立了周期性 Besov 球上 $L^p$ 风险的极小极大率。提出了一种自适应小波估计器，可在对数因子范围内达到这些速率，理论保证与模拟结果表明了病态性与滤波器分布对估计效率的影响。

ABSTRACT

We consider the problem of denoising a function observed after a convolution with a random filter independent of the noise and satisfying some mean smoothness condition depending on an ill posedness coefficient. We establish the minimax rates for the Lp risk over balls of periodic Besov spaces with respect to the level of noise, and we provide an adaptive estimator achieving these rates up to log factors. Simulations were performed to highlight the effects of the ill posedness and of the distribution of the filter on the efficiency of the estimator.

研究动机与目标

• 解决模糊算子为随机而非确定性的问题，反映测量系统中的现实世界不确定性。
• 在随机卷积与白噪声下，推导周期性 Besov 函数类上 $L^p$ 风险的极小极大收敛速率。
• 构建一种自适应小波基估计器，可在对数因子范围内达到这些极小极大速率。
• 分析病态性系数与随机模糊函数分布对估计性能的影响。

提出的方法

• 使用小波-模糊值分解与伽辽金投影方法，从带噪卷积观测中估计潜在函数。
• 基于小波系数 $\hat{\beta}_{j,k}$ 定义一个硬阈值估计器 $\hat{f}_n$，其阈值依赖于噪声水平 $\sigma_j$ 与样本大小 $n$。
• 建立 $L^\rho$ 风险与最大集空间 $l_{r,\infty}(\mu) \cap A(c_n^{\rho-r})$ 中的隶属关系，将风险行为与函数正则性联系起来。
• 推导出分辨率层级 $j_1$ 与阈值参数 $\eta$ 的最优选择，以平衡偏差与方差，确保自适应性。
• 应用 Johnstone 等人 (2004) 与 Kerkyacharian 等人 (2004) 的结果，验证小波系数与模糊函数的条件。
• 在 Besov 空间中使用插值与嵌入论证，处理光滑性与可积性参数的稀疏、正则与临界情形。

实验结果

研究问题

• RQ1 当模糊函数为与噪声独立的随机变量时，去卷积问题的极小极大 $L^p$ 风险速率是什么？
• RQ2 病态性系数 $\nu$ 如何影响估计过程的收敛速率？
• RQ3 在随机模糊存在的情况下，自适应小波基估计器能否在对数因子范围内达到极小极大速率？
• RQ4 随机模糊函数的分布在此估计效率中起什么作用？
• RQ5 不同光滑性与可积性参数（$s, p, q$）如何影响可实现的收敛速率？

主要发现

• 在周期性 Besov 空间中估计 $f$ 的极小极大 $L^\rho$ 风险阶为 $c_n^{\rho - r}$，其中 $c_n = \sqrt{\log(n)^{(\alpha+1)/\alpha}/n}$，$r$ 依赖于光滑性 $s$、可积性 $p$ 与模糊参数 $\nu$。
• 所提出的小波基估计器 $\hat{f}_n^D$ 在对数因子范围内达到极小极大速率，其速率由光滑性 $s$、可积性 $p$ 与病态性 $\nu$ 的相互作用决定。
• 在适当条件下，有 $M(s,p,q,R) \subset l_{r,\infty}(\mu) \cap A(c_n^{\rho - r})$，证实最大集捕捉了最坏情况下的风险行为。
• 在稀疏情形下，估计器达到速率 $\lambda^{-r}$，其中 $r = \rho - 2\rho(s - 1/p + 1/\rho)/(2s + 2\nu + 1 - 2/p)$，反映了稀疏性的影响。
• 在临界情形 $\frac{2s + 2\nu + 1}{\rho} = \frac{2\nu + 1}{p}$ 下，速率为 $\lambda^{-p}$，且 $r = p$，表明边界的紧致性。
• 模拟结果表明，病态性系数 $\nu$ 与随机滤波器的分布均显著影响估计性能，$\nu$ 越高，收敛越慢。