[论文解读] Stable optimizationless recovery from phaseless linear measurements

Laurent Demanet, Paul Hand|arXiv (Cornell University)|Aug 9, 2012

Electrical and Bioimpedance Tomography参考文献 3被引用 10

一句话总结

本文证明，通过在提升的矩阵空间中求解可行性问题，无需迹最小化即可实现从相位无关线性测量中稳定恢复向量。在 $ m = O(n\log n) $ 个随机测量下，解唯一且可通过凸可行性问题恢复，利用 Douglas-Rachford 分裂法可实现快速、无需参数调节的收敛。

ABSTRACT

We address the problem of recovering an n-vector from m linear measurements lacking sign or phase information. We show that lifting and semidefinite relaxation suffice by themselves for stable recovery in the setting of m = O(n log n) random sensing vectors, with high probability. The recovery method is optimizationless in the sense that trace minimization in the PhaseLift procedure is unnecessary. That is, PhaseLift reduces to a feasibility problem. The optimizationless perspective allows for a Douglas-Rachford numerical algorithm that is unavailable for PhaseLift. This method exhibits linear convergence with a favorable convergence rate and without any parameter tuning.

研究动机与目标

• 解决从仅幅度的线性测量中恢复信号的挑战，这是 X 射线晶体学、光学和显微镜学中的关键问题。
• 通过将问题提升至秩-1 矩阵空间，克服相位检索问题的非凸性。
• 证明在 $ O(n\log n) $ 个随机测量下，PhaseLift 中的迹最小化对稳定恢复并非必要。
• 通过将 PhaseLift 简化为半正定矩阵上的可行性问题，实现高效、无需参数调节的恢复。
• 提供理论和实证证据，表明在高概率下解是唯一的且对噪声具有鲁棒性。

提出的方法

• 通过构造外积 $ \mathbf{X} = \mathbf{x}\mathbf{x}^* $，将相位检索问题提升至 $ n \times n $ 矩阵空间，将相位无关测量转化为线性约束。
• 将恢复问题表述为可行性问题：寻找满足 $ \mathrm{Tr}(\mathbf{X} \mathbf{z}_i \mathbf{z}_i^*) = |\langle \mathbf{x}_0, \mathbf{z}_i \rangle|^2 $ 对所有 $ i $ 成立的半正定矩阵 $ \mathbf{X} \succeq 0 $。
• 使用 Douglas-Rachford 分裂算法求解可行性问题，该算法无需参数调节即可线性收敛。
• 证明在高概率下，唯一满足测量条件的半正定矩阵是秩-1 矩阵 $ \mathbf{x}_0 \mathbf{x}_0^* $，从而确保唯一恢复。
• 利用半正定锥在秩-1 矩阵附近的几何稀疏性，确保随机超平面与锥仅在一点相交。
• 将基于可行性的方法与带有迹最小化的 PhaseLift 进行比较，表明两者具有相近的相变阈值，且本方法无需调参即可实现更快收敛。

实验结果

研究问题

• RQ1 在 PhaseLift 框架下，能否在不使用迹最小化的情况下实现从相位无关测量中的稳定恢复？
• RQ2 在可行性公式下，唯一且稳定恢复所需的最少随机测量数是多少？
• RQ3 在无优化设置下，Douglas-Rachford 算法是否能无需参数调节线性收敛至解？
• RQ4 在测量需求和收敛速度方面，基于可行性的方法与 PhaseLift 相比如何？
• RQ5 为何半正定锥在秩-1 矩阵附近的几何结构能实现测量数少于自由度数的唯一恢复？

主要发现

• 在 $ m = O(n\log n) $ 个随机传感向量下，可行性问题在高概率下具有唯一解，即 $ \mathbf{x}_0 \mathbf{x}_0^* $。
• Douglas-Rachford 算法无需任何参数调节即可线性收敛至解，在实际中实现指数收敛。
• 当 $ m \geq 4n - 2 $ 时，可行性问题的恢复误差为零，表明在复数情况下解具有确定性。
• 数值实验表明，在可行性公式下，恢复所需的测量数随 $ n $ 线性增长，而非二次增长。
• Douglas-Rachford 方法的收敛速度表现良好，且在简洁性和鲁棒性方面优于调参后的 Nesterov 方法。
• 可行性问题中的恢复相变点与 PhaseLift 中的测量数量大致相同，证实迹最小化对最优采样复杂度并非必要。