[论文解读] Incoherence of Partial-Component Sampling in multidimensional NMR

Hatef Monajemi, David L. Donoho+2 more|arXiv (Cornell University)|Feb 7, 2017

NMR spectroscopy and applications参考文献 12被引用 8

一句话总结

本文提出了一种针对多维核磁共振（NMR）中部分分量采样（PCS）的超复数感知相干性度量，实现了对非均匀采样方案（如随机相位检测，RPD）中重构伪影的精确量化。结果表明，相干性按 $ N^{-(d-k)/2} $ 衰减，当在最多数量的间接维上进行随机化时，相干性值最低，证实了在稀疏恢复中增加随机化可减小伪影尺寸。

ABSTRACT

In NMR spectroscopy, undersampling in the indirect dimensions causes reconstruction artifacts whose size can be bounded using the so-called {\it coherence}. In experiments with multiple indirect dimensions, new undersampling approaches were recently proposed: random phase detection (RPD) \cite{Maciejewski11} and its generalization, partial component sampling (PCS) \cite{Schuyler13}. The new approaches are fully aware of the fact that high-dimensional experiments generate hypercomplex-valued free induction decays; they randomly acquire only certain low-dimensional components of each high-dimensional hypercomplex entry. We provide a classification of various hypercomplex-aware undersampling schemes, and define a hypercomplex-aware coherence appropriate for such undersampling schemes; we then use it to quantify undersampling artifacts of RPD and various PCS schemes.

研究动机与目标

• 解决在部分分量采样（PCS）方案中，针对超复数值NMR数据缺乏恰当相干性度量的问题。
• 通过定义一种超复数感知的相干性，量化RPD和PCS中的欠采样伪影，确保在凸优化下实现精确重构。
• 建立相干性的有限-N标度律，反映在间接维上随机化的影响。
• 将RPD和PCS的相干性行为与传统非均匀采样（NUS）进行比较，确定PCS是否具有协同优势。

提出的方法

• 提出一种专用于多维NMR中自由感应衰减（FID）的超复数值的相干性新定义，考虑了FID分量的 $ 2^{d-1} $-维结构。
• 将该相干性度量应用于评估RPD和PCS中的伪影边界，确保其满足压缩感知中的核心精确重构条件。
• 采用有限-N标度模型 $ \mu(N) = \beta_1 N^{-(d-k)/2} $，其中 $ k $ 为完全采样维数，以表征相干性随问题规模的衰减。
• 通过3D NMR实验的蒙特卡洛模拟，比较不同随机化策略和欠采样率下RPD与PCS的相干性。
• 分析不同指数 $ \gamma $ 的标度模型的拟合优度，通过 $ R^2 $ 和 $ p $-值分析确定 $ \gamma = (d-k)/2 $ 为最优值。
• 使用随机PCS的实测数据验证相干性模型，并与确定性和指数偏置采样方案进行比较。

实验结果

研究问题

• RQ1 如何重新定义相干性，以准确反映在部分分量采样下超复数值NMR数据中的伪影大小？
• RQ2 当采样分量数量固定时，部分分量采样（PCS）是否在相干性方面优于传统非均匀采样（NUS）？
• RQ3 RPD和PCS中的相干性在有限-N下的标度行为如何？其依赖于随机化维数的数量吗？
• RQ4 在间接维上对分量选择进行更多随机化，是否会导致更低的相干性和更小的重构伪影？
• RQ5 是否存在一个标度律，能捕捉随机PCS在间接维数增加时的相干性衰减？

主要发现

• 所提出的超复数感知相干性度量能正确限制重构伪影，并通过凸优化实现稀疏谱的精确恢复。
• 相干性按 $ N^{-(d-k)/2} $ 衰减，其中 $ d $ 为总维数，$ k $ 为完全采样维数，证实了与问题规模相关的幂律标度。
• 对于3D NMR，最佳拟合指数 $ \gamma = 1 $ 对应 $ (d-k)/2 = 1 $，验证了 $ k=2 $ 时的模型，且在RPD和PCS方案中均一致。
• 在间接维上对分量子集进行随机化，其相干性显著低于确定性或指数偏置采样，尤其在 $ N $ 较大时。
• 随机PCS的相干性与全分量随机采样的相干性相当，表明在自由度固定时，PCS相对于NUS并无协同优势。
• 对 $ p $-值和 $ R^2 $ 值的统计分析确认 $ \gamma = (d-k)/2 $ 为最优标度指数，且模型中无显著截距项。