[论文解读] Spectral Method for Phase Retrieval: an Expectation Propagation Perspective

Junjie Ma, Rishabh Dudeja+3 more|arXiv (Cornell University)|Mar 6, 2019

Advanced X-ray Imaging Techniques参考文献 40被引用 4

一句话总结

本文提出一种期望传播（EP）框架，用于分析正交测量矩阵下相位检索的谱初始化，揭示在 δ=2 处存在有意义恢复的相变阈值。结果表明，最优谱方法设计与 i.i.d. 高斯模型一致，且 EP 预测在哈爾（Haar）和基于傅里叶的模型中均准确捕捉了性能表现。

ABSTRACT

Phase retrieval refers to the problem of recovering a signal $\mathbf{x}_{\star}\in\mathbb{C}^n$ from its phaseless measurements $y_i=|\mathbf{a}_i^{\mathrm{H}}\mathbf{x}_{\star}|$, where $\{\mathbf{a}_i\}_{i=1}^m$ are the measurement vectors. Many popular phase retrieval algorithms are based on the following two-step procedure: (i) initialize the algorithm based on a spectral method, (ii) refine the initial estimate by a local search algorithm (e.g., gradient descent). The quality of the spectral initialization step can have a major impact on the performance of the overall algorithm. In this paper, we focus on the model where the measurement matrix $\mathbf{A}=[\mathbf{a}_1,\ldots,\mathbf{a}_m]^{\mathrm{H}}$ has orthonormal columns, and study the spectral initialization under the asymptotic setting $m,n o\infty$ with $m/n oδ\in(1,\infty)$. We use the expectation propagation framework to characterize the performance of spectral initialization for Haar distributed matrices. Our numerical results confirm that the predictions of the EP method are accurate for not-only Haar distributed matrices, but also for realistic Fourier based models (e.g. the coded diffraction model). The main findings of this paper are the following: (1) There exists a threshold on $δ$ (denoted as $δ_{\mathrm{weak}}$) below which the spectral method cannot produce a meaningful estimate. We show that $δ_{\mathrm{weak}}=2$ for the column-orthonormal model. In contrast, previous results by Mondelli and Montanari show that $δ_{\mathrm{weak}}=1$ for the i.i.d. Gaussian model. (2) The optimal design for the spectral method coincides with that for the i.i.d. Gaussian model, where the latter was recently introduced by Luo, Alghamdi and Lu.

研究动机与目标

• 表征在 m,n→∞ 且 m/n→δ 的渐近条件下，正交测量矩阵下谱初始化在相位检索中的性能。
• 确定谱初始化无法产生有意义估计的临界阈值 δ_weak。
• 验证期望传播（EP）框架在哈爾分布和实际基于傅里叶的测量模型中对谱初始化性能预测的准确性。
• 确定在正交模型下使初始化质量最大化的最优谱处理函数 T(y)。
• 将谱方法的性能阈值与 i.i.d. 高斯模型下的先前结果进行比较，其中 δ_weak=1。

提出的方法

• 使用期望传播（EP）框架，推导相位检索中谱初始化的渐近性能预测。
• 将测量矩阵 A 建模为列正交，并在渐近极限下假设其元素服从哈爾分布。
• 通过 EP 近似推导真实信号与谱估计之间余弦相似度的状态演化方程。
• 在数据矩阵 D = A^H diag{T(y_i)} A 中引入非线性处理函数 T(y)，以提升初始化质量。
• 应用切比雪夫关联不等式与单调性分析，证明基于 EP 的性能边界具有收敛性与最优性。
• 在哈爾分布和编码衍射图（基于傅里叶）模型上对 EP 预测进行数值验证。

实验结果

研究问题

• RQ1 对于正交测量矩阵，谱初始化无法产生有意义估计的临界阈值 δ_weak 是多少？
• RQ2 谱初始化的性能如何依赖于数据矩阵中非线性处理函数 T(y) 的选择？
• RQ3 期望传播（EP）框架能否准确预测如编码衍射图等非高斯测量模型中谱初始化的性能？
• RQ4 正交矩阵下谱方法的最优设计是否与 i.i.d. 高斯矩阵下的设计一致？
• RQ5 处理函数 T(y) 的单调性与基于 EP 的状态演化收敛性之间存在何种关系？

主要发现

• 对于正交测量矩阵，δ=2 处发生相变，低于该值时谱初始化无法产生有意义估计，即 δ_weak=2。
• 正交模型下最优处理函数 T(y) 与卢、阿尔加米和卢近期为 i.i.d. 高斯模型提出的函数一致。
• EP 框架不仅准确预测了哈爾分布矩阵的谱初始化性能，也准确预测了如编码衍射图等实际基于傅里叶的模型性能。
• 当处理函数 T(y) 为递增且满足通过 EP 推导出的特定单调性条件时，真实信号与谱估计之间的余弦相似度达到最大。
• 理论分析证实，当 T(y)=T⋆(y)=1−1/(δy²) 时，对所有 μ∈(0,1) 都有 ψ1(μ) > ψ2(μ)，表明在最优设计下性能得到提升。
• 数值结果验证了预测的阈值 δ=2 是精确的，且基于 EP 的预测与各类测量模型下的实际性能高度吻合。