[论文解读] Stable super-resolution limit and smallest singular value of restricted Fourier matrices

Weilin Li, Wenjing Liao|arXiv (Cornell University)|Sep 10, 2017

Sparse and Compressive Sensing Techniques参考文献 60被引用 31

一句话总结

本文在点源聚集成簇的簇模型下，为受限傅里叶矩阵的最小奇异值建立了非渐近下界。该下界精确依赖于超分辨率因子（SRF）= (MΔ)⁻¹，揭示了MUSIC算法中的噪声敏感性随SRF呈幂律下降，其指数由最大簇的大小决定。这为存在簇状源时的稳定超分辨率提供了理论基础。

ABSTRACT

We consider the inverse problem of recovering the locations and amplitudes of a collection of point sources represented as a discrete measure, given $M+1$ of its noisy low-frequency Fourier coefficients. Super-resolution refers to a stable recovery when the distance $Δ$ between the two closest point sources is less than $1/M$. We introduce a clumps model where the point sources are closely spaced within several clumps. Under this assumption, we derive a non-asymptotic lower bound for the minimum singular value of a Vandermonde matrix whose nodes are determined by the point sources. Our estimate is given as a weighted $\ell^2$ sum, where each term only depends on the configuration of each individual clump. The main novelty is that our lower bound obtains an exact dependence on the {\it Super-Resolution Factor} $SRF=(MΔ)^{-1}$. As noise level increases, the {\it sensitivity of the noise-space correlation function in the MUSIC algorithm} degrades according to a power law in $SRF$ where the exponent depends on the cardinality of the largest clump. Numerical experiments validate our theoretical bounds for the minimum singular value and the sensitivity of MUSIC. We also provide lower and upper bounds for a min-max error of super-resolution for the grid model, which in turn is closely related to the minimum singular value of Vandermonde matrices.

研究动机与目标

• 分析当点源聚集成簇而非均匀分离时，超分辨率的稳定性。
• 在簇模型下，推导受限傅里叶矩阵最小奇异值的非渐近下界。
• 量化在簇状配置下，MUSIC算法中的噪声敏感性如何随超分辨率因子（SRF）变化。
• 为基于网格的超分辨率模型建立紧致的最小-最大误差界，并将其与范德蒙德矩阵的最小奇异值联系起来。

提出的方法

• 引入一种簇模型，其中点源被分组为簇，每个簇内部间距小于瑞利极限。
• 将受限傅里叶矩阵的最小奇异值下界表示为加权ℓ²和，其中每一项仅依赖于单个簇的配置。
• 采用变分法在配置上最大化函数F(w)，并证明最坏情况配置出现在源连续排列时。
• 通过控制索引间倒数平方差积的界，来控制奇异值下界。
• 证明奇异值函数的最大值出现在边界配置下，特别是当源连续排列时。
• 通过对偶性和不确定性原理，将网格模型中的最小-最大误差与最小奇异值联系起来。

实验结果

研究问题

• RQ1 当点源聚集成簇而非均匀分离时，受限傅里叶矩阵的最小奇异值如何表现？
• RQ2 在存在簇状源的情况下，最小奇异值对超分辨率因子（SRF）的精确依赖关系是什么？
• RQ3 当源处于簇中时，MUSIC算法的噪声敏感性如何随SRF变化？
• RQ4 基于网格的超分辨率模型中，最紧致的最小-最大误差界是什么？它与范德蒙德矩阵的最小奇异值有何关联？
• RQ5 稳定超分辨率的最坏情况配置是否可表征为连续源排列？

主要发现

• 受限傅里叶矩阵的最小奇异值被一个加权ℓ²和下界所控制，其中每一项仅依赖于单个簇的内部配置。
• 该下界对超分辨率因子（SRF）= (MΔ)⁻¹具有精确依赖关系，且MUSIC算法中噪声敏感性的SRF指数由最大簇的大小决定。
• 最小奇异值的最坏情况配置出现在所有源连续排列时，此时奇异值下界达到最大。
• 网格模型的最小-最大误差在上下文中均以范德蒙德矩阵的最小奇异值表示。
• 最小奇异值的理论界通过数值实验得到验证，与经验结果高度一致。
• 分析表明，MUSIC算法的噪声空间相关函数随SRF呈幂律退化，其指数等于最大簇的基数。