[论文解读] Spectral Compressed Sensing via Projected Gradient Descent

Jian‐Feng Cai, Tianming Wang+1 more|arXiv (Cornell University)|Jul 31, 2017

Sparse and Compressive Sensing Techniques参考文献 38被引用 3

一句话总结

该论文提出了一种用于谱压缩感知的非凸投影梯度下降算法，利用了从谱稀疏信号构造的汉克尔矩阵的低秩结构。在替换抽样模型下，该方法以 O(r² log n) 个随机样本实现了精确恢复，相較於最先进方法，在相变性能和計算效率方面表現出競爭力。

ABSTRACT

Let $x\in\mathbb{C}^n$ be a spectrally sparse signal consisting of $r$ complex sinusoids with or without damping. We consider the spectral compressed sensing problem, which is about reconstructing $x$ from its partial revealed entries. By utilizing the low rank structure of the Hankel matrix corresponding to $x$, we develop a computationally efficient algorithm for this problem. The algorithm starts from an initial guess computed via one-step hard thresholding followed by projection, and then proceeds by applying projected gradient descent iterations to a non-convex functional. Based on the sampling with replacement model, we prove that $O(r^2\log(n))$ observed entries are sufficient for our algorithm to achieve the successful recovery of a spectrally sparse signal. Moreover, extensive empirical performance comparisons show that our algorithm is competitive with other state-of-the-art spectral compressed sensing algorithms in terms of phase transitions and overall computational time.

研究动机与目标

• 開發一種計算高效的算法，用於從部分、非均勻的時域樣本中重建譜稀疏信號。
• 利用與譜稀疏信號相關的低秩漢克爾矩陣結構，以實現從少量觀測中穩健恢復。
• 在替換抽樣模型下，為非凸優化方法建立理論恢復保證。
• 與現有的譜壓縮感知算法相比，展示出在相變和計算時間方面的優異實驗性能。

提出的方法

• 該算法從通過一步硬閾值化獲得的初始猜測值出發，隨後投影到低秩漢克爾矩陣流形上。
• 對一個促進信號重構中低秩漢克爾結構的非凸泛函，應用投影梯度下降迭代。
• 該方法利用了范德蒙德分解，確保了秩為 r 的譜稀疏信號會產生一個低秩漢克爾矩陣。
• 理論分析依賴於非相干性假設以及對抽樣算子的概率界，以控制梯度和海塞矩陣的行為。
• 關鍵技術組成包括使用核範數和結構化矩陣擾動分析，以界定目標函數的梯度。
• 該算法設計用於處理譜模型中的無阻尼和有阻尼複指數信號。

实验结果

研究问题

• RQ1 非凸投影梯度下降方法能否在次優樣本數下實現譜稀疏信號的精確恢復？
• RQ2 在替換抽樣模型下，O(r² log n) 個樣本是否足夠實現成功恢復？
• RQ3 與最先进方法相比，所提出的算法在相變和計算效率方面表現如何？
• RQ4 非凸目標函數的幾何結構是否支持從隨機初始化出發的穩定收斂？

主要发现

• 所提出的算法在替換抽樣模型下，以 O(r² log n) 個隨機採樣條目，實現了譜稀疏信號的精確恢復。
• 理論分析表明，在非相干性和抽樣假設下，目標函數的梯度受到良好控制，從而實現收斂保證。
• 實驗結果顯示，當觀測數量較小時，該算法在相變方面優於 FIHT。
• 該算法在恢復精度和計算運行時間方面，與其他最先进譜壓縮感知方法表現相當。
• 初步數值結果表明，目標函數可能具有有利的幾何結構，不存在偽劣局部極小值，支持從隨機初始化出發的穩健收斂。