[论文解读] Recovering Block-structured Activations Using Compressive Measurements

Sivaraman Balakrishnan, Mladen Kolar+2 more|arXiv (Cornell University)|Sep 15, 2012

Sparse and Compressive Sensing Techniques参考文献 26被引用 9

一句话总结

本文提出了一种自适应与非自适应的压缩测量方案，用于通过少量线性测量检测并定位大矩阵中的连续块状激活。结果表明，与稀疏向量恢复不同，自适应性和块结构可显著降低定位所需的信噪比（SNR）——自适应方法相比被动方法可将弱信号的定位能力提升√(n₁n₂)倍，实现检测极限。

ABSTRACT

We consider the problems of detection and localization of a contiguous block of weak activation in a large matrix, from a small number of noisy, possibly adaptive, compressive (linear) measurements. This is closely related to the problem of compressed sensing, where the task is to estimate a sparse vector using a small number of linear measurements. Contrary to results in compressed sensing, where it has been shown that neither adaptivity nor contiguous structure help much, we show that for reliable localization the magnitude of the weakest signals is strongly influenced by both structure and the ability to choose measurements adaptively while for detection neither adaptivity nor structure reduce the requirement on the magnitude of the signal. We characterize the precise tradeoffs between the various problem parameters, the signal strength and the number of measurements required to reliably detect and localize the block of activation. The sufficient conditions are complemented with information theoretic lower bounds.

研究动机与目标

• 解决通过压缩测量检测并定位大矩阵中弱激活连续块的问题。
• 研究结构约束（连续块）与自适应测量选择对检测与定位性能的影响。
• 建立信息论下限，并为被动与自适应测量方案设计极小化最大误差最优算法。
• 证明与非结构化稀疏向量恢复相比，结构与自适应性可显著提升定位效率。

提出的方法

• 提出两阶段算法：算法1通过递归将矩阵划分为块，并对压缩测量使用符号检验来粗略定位激活块。
• 使用算法2进行精细定位：通过重复采样和二分查找测量列以隔离激活列，再对行重复此过程以精确定位完整块。
• 设计动态聚焦于先前观测中前景区域的自适应感知矩阵，提升信噪比效率。
• 在压缩测量（tr(A Xs) + z）上使用统计检验，基于信号幅度与噪声方差设定阈值以判断块成员资格。
• 利用信息论工具推导理论保证，包括极小化最大误差下限与所需信噪比及测量数的上界。
• 分析在矩阵尺寸（n₁×n₂）、块尺寸（k₁×k₂）与测量预算（m）变化下的检测与定位尺度律。

实验结果

研究问题

• RQ1 块结构与自适应测量的结合如何影响可靠检测矩阵块所需的最小信噪比？
• RQ2 与非自适应方案相比，自适应压缩测量能否显著减少定位所需的测量数？
• RQ3 与非结构化稀疏性相比，结构约束（连续块）在矩阵恢复中能多大程度上提升定位性能？
• RQ4 在具有结构化信号的压缩矩阵设置中，检测与定位的信息论极限是什么？
• RQ5 当信号为块状结构而非稀疏但无结构时，自适应性是否在定位中提供根本性优势？

主要发现

• 对于定位，当块较小时，自适应压缩测量相比非自适应方法可将所需信噪比降低√(n₁n₂)倍，实现检测极限。
• 所提出的主动定位程序达到了小块情况下的信息论检测阈值，意味着任何其他方法都无法更优。
• 非自适应方法在可靠检测中需要信噪比按√(n₁n₂/(m k₁²k₂²))缩放，该结果与下界一致且紧致。
• 自适应方法将大块的定位信噪比需求降低至√(1/(m min(k₁,k₂)))，显著优于被动方法。
• 所提算法的理论上限与信息论下界仅相差对数因子，证实了极小化最大误差最优性。
• 仿真结果验证了理论缩放关系：被动与主动方法的成功概率曲线在不同n与k下一致，证实了推导的信噪比阈值的精确性。