[论文解读] Sharp Conditions for Exact Support Recovery of Sparse Signals with Noise via OMP.

Jinming Wen, Zhengchun Zhou+3 more|arXiv (Cornell University)|Dec 22, 2015

Sparse and Compressive Sensing Techniques参考文献 24被引用 3

一句话总结

本文建立了使用正交匹配追踪（OMP）在噪声下对稀疏信号进行精确支持恢复的严格充分必要条件。结果表明，当受限等距常数 $\delta_{K+1}(\mathbf{A}) < \frac{1}{\sqrt{K+1}}$ 且非零信号分量的最小幅值满足较弱约束时，OMP 在 $l_2$ 和 $l_\infty$ 有界噪声下可精确恢复真实支持，且该界在受限等距常数（RIC）意义上为最优。

ABSTRACT

Sufficient conditions for exact support recovery of a sparse signal from noisy measurements with orthogonal matching pursuit (OMP) have been extensively studied in the literature. In this paper, we first show that if the restricted isometry constant (RIC) $\delta_{k+1}(\A)$ of the sensing matrix $\A$ satisfies $\delta_{K+1}(\A) < \frac{1}{\sqrt {K+1} }$, then under some constraints on the minimum magnitude of the nonzero elements of the $K-$sparse signal $\x$, the support of $\x$ can be exactly recovered from the measurements $\y=\A\x+\v$ by OMP under the $l_2$ and $l_{\infty}$ bounded noises. These two conditions are sharp in terms of the RIC since for any given positive integer $K\geq 2$ and for any $\frac{1}{\sqrt{K+1}}\leq t<1$, there always exist a $K-$sparse $\x$ and a matrix $\A$ satisfying $\delta_{K+1}(\A)=t$ for which OMP may fail to recover the signal $\x$. Our constraints on the minimum magnitude of nonzero elements of $\x$ are also much weaker than existing ones. Moreover, we propose some necessary conditions for the exact support recovery of $\x$ on the minimum magnitude of the nonzero elements of $\x$.

研究动机与目标

• 建立在噪声测量下使用 OMP 对 $K$-稀疏信号进行精确支持恢复的紧致充分条件。
• 确定成功恢复所需非零分量最小幅值的最弱可能约束。
• 推导非零分量幅值的必要条件，以完成理论表征。
• 通过构造反例证明受限等距常数阈值 $\delta_{K+1} < \frac{1}{\sqrt{K+1}}$ 的紧致性。

提出的方法

• 基于感知矩阵 $\mathbf{A}$ 的受限等距常数 $\delta_{K+1}(\mathbf{A})$ 推导精确支持恢复的充分条件。
• 分析 OMP 在 $l_2$ 和 $l_\infty$ 有界噪声模型下的性能。
• 提出一种比以往工作更弱的非零分量最小幅值的新下界。
• 对任意 $\delta_{K+1} = t \geq \frac{1}{\sqrt{K+1}}$ 构造显式反例，证明 RIC 条件的紧致性。
• 推导非零分量最小幅值的必要条件以实现精确恢复。

实验结果

研究问题

• RQ1 在噪声条件下，通过 OMP 实现 $K$-稀疏信号精确支持恢复的受限等距常数 $\delta_{K+1}(\mathbf{A})$ 的最紧可能上界是什么？
• RQ2 稀疏信号中非零分量的最小幅值弱到何种程度时，仍可由 OMP 实现精确支持恢复？
• RQ3 能否证明充分条件 $\delta_{K+1}(\mathbf{A}) < \frac{1}{\sqrt{K+1}}$ 是紧致的，即当该界被超过时是否可能发生失败？
• RQ4 非零信号分量的最小幅值需要满足何种必要条件，才能使 OMP 成功实现支持恢复？
• RQ5 与现有结果相比，所提出的条件在信号幅值约束方面有何更强的优越性？

主要发现

• 在非零分量最小幅值满足较弱约束的前提下，条件 $\delta_{K+1}(\mathbf{A}) < \frac{1}{\sqrt{K+1}}$ 对于在 $l_2$ 和 $l_\infty$ 有界噪声下实现 $K$-稀疏信号的精确支持恢复是充分的。
• 所提出的非零分量最小幅值约束显著弱于现有文献中的约束。
• 对于任意 $K \geq 2$ 及任意 $t \in \left[\frac{1}{\sqrt{K+1}}, 1\right)$，均存在一个 $K$-稀疏信号 $\mathbf{x}$ 和一个感知矩阵 $\mathbf{A}$，使得 $\delta_{K+1}(\mathbf{A}) = t$，但 OMP 无法恢复其支持，从而证明了 RIC 阈值的紧致性。
• 本文推导了实现精确恢复所必需的非零分量最小幅值条件，完整补全了理论图景。
• 结果表明，RIC 阈值 $\frac{1}{\sqrt{K+1}}$ 是最优的，无法在不增加支持恢复失败风险的前提下进一步放宽。