[论文解读] Gauss-Newton Method for Phase Retrieval.

Bing Gao, Zhiqiang Xu|arXiv (Cornell University)|Jun 27, 2016

Advanced X-ray Imaging Techniques参考文献 13被引用 4

一句话总结

本文提出了一种用于相位恢复的高斯-牛顿算法，结合了改进的谱方法进行初始化，并通过高斯-牛顿迭代实现二次收敛。该方法在近似最小随机测量条件下，证明了实数情况下的全局二次收敛性，在数值实验中表现优于现有方法。

ABSTRACT

In this paper, we develop a concrete algorithm for phase retrieval, which we refer to as Gauss-Newton algorithm. In short, this algorithm starts with a good initial estimation, which is obtained by a modified spectral method, and then update the iteration point by a Gauss-Newton iteration step. We prove that a re-sampled version of this algorithm quadratically converges to the solution for the real case with the number of random measurements being nearly minimal. Numerical experiments also show that Gauss-Newton method has better performance over the other algorithms.

研究动机与目标

• 开发一种在信号恢复问题中稳健且高效的相位恢复算法。
• 解决从仅幅度测量中恢复相位信息的挑战，这是成像和光学中的常见问题。
• 通过利用改进的谱初始化和高斯-牛顿更新，实现在最小采样下的快速收敛。
• 在接近最小测量条件下，为实值信号建立理论收敛保证。

提出的方法

• 算法首先使用改进的谱方法生成信号的高质量初始估计。
• 通过高斯-牛顿迭代步骤优化估计，最小化观测幅度与预测幅度之间的残差。
• 采用重采样版本的高斯-牛顿更新，以确保稳定性和收敛性。
• 该算法专为实值信号设计，理论分析聚焦于实数情况。
• 更新步骤涉及求解由幅度测量模型的雅可比矩阵导出的线性系统。
• 在近乎最小随机测量条件下，建立了理论收敛性。

实验结果

研究问题

• RQ1 基于高斯-牛顿的算法是否能在近乎最小采样下实现相位恢复的二次收敛？
• RQ2 该算法在实际应用中与现有相位恢复方法相比表现如何？
• RQ3 改进的谱初始化对收敛速度和精度有何影响？
• RQ4 能否为该方法在实值相位恢复问题中建立理论收敛保证？

主要发现

• 采用重采样的高斯-牛顿算法在实数相位恢复问题中实现了二次收敛。
• 该方法仅需近乎最小数量的随机测量即可准确恢复信号。
• 数值实验表明其性能优于其他现有相位恢复算法。
• 改进的谱初始化显著提升了初始点的质量，从而实现了更快的收敛。
• 理论分析在指定条件下确认了全局收敛性，验证了该算法的鲁棒性。