[论文解读] Minimax Goodness-of-Fit Testing in Ill-Posed Inverse Problems with Partially Unknown Operators

Clément Marteau, Theofanis Sapatinas|arXiv (Cornell University)|Mar 30, 2015

Numerical methods in inverse problems参考文献 28被引用 5

一句话总结

本文在算子奇异函数已知但奇异值以高斯噪声观测的病态逆问题中，建立了拟合优度检验的极小极大分离速率。通过使用部分未知算子的高斯序列模型，推导出四类病态问题（轻度与严重病态，对应普通光滑与超光滑函数）在非渐近情形下的极小极大分离半径上下界，提供了依赖于噪声水平 ε 和 σ 的精确速率。

ABSTRACT

We consider a Gaussian sequence model that contains ill-posed inverse problems as special cases. We assume that the associated operator is partially unknown in the sense that its singular functions are known and the corresponding singular values are unknown but observed with Gaussian noise. For the considered model, we study the minimax goodness-of-fit testing problem. Working with certain ellipsoids in the space of squared-summable sequences of real numbers, with a ball of positive radius removed, we obtain lower and upper bounds for the minimax separation radius in the non-asymptotic framework, i.e., for fixed values of the involved noise levels. Examples of mildly and severely ill-posed inverse problems with ellipsoids of ordinary-smooth and super-smooth sequences are examined in detail and minimax rates of goodness-of-fit testing are obtained for illustrative purposes.

研究动机与目标

• 填补病态逆问题中部分未知算子的极小极大拟合优度检验研究空白，其中奇异函数已知但奇异值以噪声观测。
• 在奇异值不完全已知但以高斯噪声估计的高斯序列模型中，建立非渐近极小极大分离速率。
• 分析测量噪声（ε）与算子噪声（σ）对病态逆问题中信号可检测性的影响。
• 推导四类典型情形下的极小极大下界与上界：轻度与严重病态问题，对应普通光滑与超光滑函数。
• 为算子知识存在噪声的逆问题中信号检测与拟合优度检验提供理论基础，将现有结果扩展至部分观测算子的情形。

提出的方法

• 构建一个高斯序列模型（GSM），其中信号 θj 通过具有未知奇异值 bj 的线性算子观测，而 bj 本身通过 Xj = bj + σηj 以高斯噪声观测。
• 利用奇异值分解（SVD）建模逆问题，假设奇异函数（ϕj, ψj）已知，但奇异值 {bj}j∈N 未知，且从含噪声的观测中估计。
• 分析在检验 H0: θ = θ0 与 H1: θ ∈ Θa(ρ) 时的极小极大分离半径 rε,σ，其中 θ 属于一个球心半径为 ρ 的椭球体。
• 结合涉及 ε（信号噪声）的二阶项与涉及 σ（算子噪声）的一阶项，利用 SVD 结构与集中不等式，推导极小极大分离半径的上下界。
• 将极小极大检验框架应用于四类具体情形：(i) 轻度病态与普通光滑函数，(ii) 轻度病态与超光滑函数，(iii) 严重病态与普通光滑函数，(iv) 严重病态与超光滑函数。
• 利用高斯白噪声模型与高斯序列模型的渐近等价性，推导精确速率，依赖于 [14] 和 [11] 中关于 ε 依赖项的已知结果。

实验结果

研究问题

• RQ1 当病态逆问题中紧算子的奇异值仅以高斯噪声观测时，拟合优度检验的极小极大分离速率是什么？
• RQ2 噪声水平 ε（信号噪声）与 σ（算子噪声）如何共同影响逆问题中对原假设偏离的可检测性？
• RQ3 在非渐近情形下，轻度与严重病态逆问题中普通光滑与超光滑函数的极小极大分离速率是什么？
• RQ4 当算子仅部分已知时，奇异值衰减结构（多项式 vs. 指数）如何影响极小极大检验速率？
• RQ5 极小极大分离半径是否可由信号噪声 ε 与算子噪声 σ 之间的权衡表征？在何种情形下一种噪声主导另一种？

主要发现

• 对于轻度病态问题中的普通光滑函数，极小极大分离半径满足 ˜r²ε,σ ≳ ε^(4s/(2s+2t+1/2)) ∨ σ²(min(s/t, 1))，表明信号噪声与算子噪声之间存在权衡。
• 在轻度病态问题中的超光滑函数情形，极小极大速率为 ˜r²ε,σ ≳ ε²[ln(1/ε)]^(2t+1/2) ∨ σ²，其中对数项源于奇异值的超光滑衰减。
• 对于严重病态问题中的普通光滑函数，极小极大速率为 ˜r²ε,σ ≳ [ln(1/ε)]^(-2s) ∨ [ln(1/σ)]^(-2s)，表明 ε 与 σ 均以对数形式影响分离速率。
• 在严重病态问题中的超光滑函数情形，速率为 ˜r²ε,σ ≳ ε^(2s/(s+t)) ∨ σ²(min(s/t, 1))，对 s/t 比值有关键依赖。
• 极小极大分离半径由信号噪声（ε）与算子噪声（σ）中衰减较慢的项主导，速率由更具挑战性的分量决定。
• 所推导的界在 ε, σ ∈ (0,1) 的非渐近情形下是精确的，且结果可推广至所有病态程度与光滑性类别，完整刻画了极小极大检验速率。