[论文解读] Stability results for random sampling of sparse trigonometric polynomials

Holger Rauhut|ArXiv.org|Sep 22, 2006

Sparse and Compressive Sensing Techniques参考文献 31被引用 5

一句话总结

本文建立了在使用基追踪（BP）和正交匹配追踪（OMP）从随机采样中重建稀疏三角多项式时的理论稳定性结果。证明了带有噪声感知变体的BP在测量噪声下是稳定的，并为OMP提供了部分稳定性保证，数值实验验证了尽管OMP缺乏统一恢复保证，但在实践中通常优于BP。

ABSTRACT

Recently, it has been observed that a sparse trigonometric polynomial, i.e. having only a small number of non-zero coefficients, can be reconstructed exactly from a small number of random samples using Basis Pursuit (BP) or Orthogonal Matching Pursuit (OMP). In the present article it is shown that recovery by a BP variant is stable under perturbation of the samples values by noise. A similar partial result for OMP is provided. For BP in addition, the stability result is extended to (non-sparse) trigonometric polynomials that can be well-approximated by sparse ones. The theoretical findings are illustrated by numerical experiments.

研究动机与目标

• 建立在测量值受加性噪声扰动时，基于基追踪（BP）重建稀疏三角多项式的理论稳定性，采样来自$[0,2\pi]^d$上的连续均匀分布。
• 在测量噪声存在下，为正交匹配追踪（OMP）提供部分理论稳定性结果。
• 将BP的稳定性结果扩展至能被稀疏多项式良好逼近的非稀疏三角多项式。
• 通过数值实验验证理论发现，比较BP与OMP之间的重构误差和支撑集恢复性能。

提出的方法

• 使用一种基追踪的变体，通过$σ$-参数化的$β$-约束引入噪声水平估计，以在噪声采样下稳定重构。
• 对在$[0,2\pi]^d$上随机采样点构成的傅里叶型测量矩阵应用限制等距性（RIP）估计。
• 采用概率分析证明：在连续立方体上随机采样点可高概率实现稳定恢复。
• 将OMP实现为一种贪心算法，通过$M$次迭代逐次选择与残差相关性最高的原子，用于$M$-稀疏信号。
• 在相干性和RIP型条件下，推导出BP和OMP在噪声下的重构误差理论界。
• 通过合成信号和噪声的数值实验，比较BP与OMP的平均重构误差和正确支撑集恢复性能。

实验结果

研究问题

• RQ1 当从$[0,2\pi]^d$上的连续均匀分布中采样时，基追踪在采样值受加性噪声扰动下是否稳定？
• RQ2 即使缺乏统一恢复保证，能否在理论上证明正交匹配追踪在噪声测量下是稳定的？
• RQ3 在信号并非严格稀疏但能被稀疏多项式良好逼近时，BP与OMP的重构误差在噪声存在下如何比较？
• RQ4 能否通过逼近误差界将BP的理论稳定性结果扩展至非稀疏三角多项式？
• RQ5 尽管缺乏统一恢复保证，OMP是否在实践中优于BP？如果是，在何种条件下表现更优？

主要发现

• 所提出的基追踪变体在噪声下是稳定的，其重构误差被有界于噪声水平与最佳$M$-项逼近误差的倍数之内。
• 数值实验确认，当存在噪声时，OMP的平均重构误差通常低于BP。
• 即使噪声水平与信号样本的$Â뀭$-范数相当，OMP仍能成功恢复正确的支撑集，表明其具有强鲁棒性。
• 尽管BP在理论上具有优势，但在实践中并不总是优于OMP；OMP通常能更频繁且以更低误差恢复正确支撑。
• BP与OMP的稳定性结果可扩展至能被$M$-稀疏多项式良好逼近的非稀疏信号，误差界取决于逼近质量。
• 对$[0,2\pi]^d$上随机采样的受限等距常数的理论估计支持了稳定性分析，使该结果可推广至类似算法（如CoSaMP和ROMP）。