[论文解读] Stability of partial Fourier matrices with clustered nodes.

Dmitry Batenkov, Laurent Demanet+2 more|arXiv (Cornell University)|Sep 3, 2018

Sparse and Compressive Sensing Techniques参考文献 21被引用 9

一句话总结

本文建立了具有聚类非均匀节点的局部傅里叶矩阵最小奇异值的精确多项式下界，推广了以往仅针对完全分离或单个聚类节点的结果。该下界依赖于聚类因子的倒数，其指数由任意聚类中节点的最大数量决定，为稀疏约束下的超分辨率提供了新的理论支持。

ABSTRACT

We prove sharp lower bounds for the smallest singular value of a partial Fourier matrix with arbitrary off the grid nodes (equivalently, a rectangular Vandermonde matrix with the nodes on the unit circle), in the case when some of the nodes are separated by less than the inverse bandwidth. The bound is polynomial in the reciprocal of the so-called factor, while the exponent is controlled by the maximal number of nodes which are clustered together. This generalizes previously known results for the extreme cases when all of the nodes either form a single cluster, or are completely separated. We briefly discuss possible implications for the theory and practice of super-resolution under sparsity constraints.

研究动机与目标

• 推导当节点非均匀分布且部分节点位于小于倒带宽的范围内时，局部傅里叶矩阵最小奇异值的精确下界。
• 推广仅覆盖极端情况（所有节点完全分离或形成单一聚类）的现有结果。
• 通过分析采样矩阵的条件数，量化稀疏约束下超分辨率恢复的稳定性。
• 表征节点聚类如何影响单位圆上相应矩形范德蒙德矩阵的可逆性与条件数。

提出的方法

• 分析单位圆上节点的矩形范德蒙德矩阵的最小奇异值，其表示为局部傅里叶矩阵。
• 引入一个‘聚类因子’，用于衡量密集组内节点之间的最小间距相对于倒带宽的大小。
• 推导出最小奇异值的下界，其为该聚类因子倒数的多项式形式。
• 运用调和分析与矩阵扰动理论的技术，控制其对任意聚类中最大节点数的依赖性。
• 将先前关于极端情况（完全分离或单个聚类）的结果推广至多聚类且密度各异的一般情况。
• 将该下界应用于评估稀疏约束下超分辨率算法的稳定性。

实验结果

研究问题

• RQ1 当节点聚类在小于倒带宽的范围内时，局部傅里叶矩阵的最小奇异值如何变化？
• RQ2 最小奇异值对聚类程度的依赖性如何，以最密集聚类中的节点数量衡量？
• RQ3 最小奇异值的下界能否表示为聚类因子倒数的多项式形式？其指数由什么决定？
• RQ4 该下界如何推广已知的完全分离节点或单个聚类情况的结果？
• RQ5 该下界对稀疏约束下超分辨率算法的稳定性与鲁棒性有何影响？

主要发现

• 具有聚类节点的局部傅里叶矩阵的最小奇异值，其下界为聚类因子倒数的多项式形式。
• 该多项式的指数由聚类在一起的最多节点数决定。
• 该下界推广了所有节点完全分离或形成单一聚类情况下的先前结果。
• 该结果为节点不在均匀网格上时，稀疏约束下超分辨率的稳定性提供了理论基础。
• 分析结果确认，聚类会降低采样矩阵的条件数，但其退化程度由聚块大小定量控制。
• 该框架可精确刻画压缩感知与超分辨率中节点聚类与恢复稳定性之间的权衡关系。