[论文解读] Fast Phase Retrieval for High-Dimensions.

Mark Iwen, Aditya Viswanathan+1 more|arXiv (Cornell University)|Jan 10, 2015

Advanced X-ray Imaging Techniques参考文献 37被引用 6

一句话总结

本文提出了一种近线性时间的相位恢复方法，实现了对 $\mathbb{C}^d$ 中 $s$-稀疏向量的首个已知子线性时间压缩相位恢复算法，通过仅使用 $\mathcal{O}(s \log^4 s \cdot \log d)$ 个幅值测量，在 $\mathcal{O}(s \log^5 s \cdot \log d)$ 时间内完成恢复，理论与实验验证了其在速度、精度和鲁棒性方面的优势。

ABSTRACT

We develop a fast phase retrieval method which is near-linear time, making it computationally feasible for large dimensional signals. Both theoretical and experimental results demonstrate the method's speed, accuracy, and robustness. We then use this new phase retrieval method to help establish the first known sublinear-time compressive phase retrieval algorithm capable of recovering a given $s$-sparse vector $\mathbf x \in \mathbb{C}^d$ (up to an unknown phase factor) in just $\mathcal{O}(s \log^5 s \cdot \log d)$-time using only $\mathcal{O}(s \log^4 s \cdot \log d)$ magnitude measurements.

研究动机与目标

• 开发一种适用于高维信号的快速、可扩展的相位恢复方法。
• 降低在 $\mathbb{C}^d$ 中稀疏信号相位恢复的计算复杂度。
• 构建一种具有最小测量需求的子线性时间压缩相位恢复算法。
• 确保在恢复信号时对未知相位因子具有鲁棒性和高精度。

提出的方法

• 该方法采用一种新颖的算法框架，专为高维相位恢复设计，实现近线性时间复杂度。
• 利用结构化测量设计，最小化仅需幅值的测量数量。
• 该方法整合了针对 $\mathbb{C}^d$ 中 $s$-稀疏向量量身定制的先进信号恢复技术。
• 采用分层或迭代细化策略，加速收敛同时保持精度。
• 算法设计具备在噪声环境和数据有限条件下的鲁棒性，确保实际可行性。
• 理论分析支持时间与测量复杂度的边界，经实证结果验证。

实验结果

研究问题

• RQ1 高维信号的相位恢复能否在近线性时间内完成？
• RQ2 准确恢复稀疏信号所需的最少幅值测量数量是多少？
• RQ3 能否构建一种具有可证明保证的子线性时间压缩相位恢复算法？
• RQ4 与现有方法相比，所提出方法在速度、精度和鲁棒性方面表现如何？

主要发现

• 所提出的相位恢复方法实现了近线性时间复杂度，使其在大规模问题上具备计算可行性。
• 该算法在 $\mathcal{O}(s \log^5 s \cdot \log d)$ 时间内恢复 $s$-稀疏向量，相比先前方法有显著提速。
• 仅需 $\mathcal{O}(s \log^4 s \cdot \log d)$ 个幅值测量，显著降低了数据采集成本。
• 该方法对噪声具有鲁棒性，并在多种实验设置下保持高精度。
• 理论分析与实证结果共同证实了该方法的高效性与可扩展性。