[论文解读] Support Recovery for Sparse Deconvolution of Positive Measures

Quentin Denoyelle, Vincent Duval+1 more|arXiv (Cornell University)|Jun 27, 2015

Sparse and Compressive Sensing Techniques参考文献 20被引用 9

一句话总结

本文研究了在正Radon测度的稀疏反卷积中，使用BLASSO凸优化框架进行支撑恢复的问题。研究证明，当噪声和正则化参数的衰减速率快于 $ t^{2N-1} $ 时，解能唯一地恢复原始的尖峰位置和振幅，并且在噪声趋于零时，解收敛于真实参数。

ABSTRACT

We study sparse spikes deconvolution over the space of Radon measures on $\mathbb{R}$ or $\mathbb{T}$ when the input measure is a finite sum of positive Dirac masses using the BLASSO convex program. We focus on the recovery properties of the support and the amplitudes of the initial measure in the presence of noise as a function of the minimum separation $t$ of the input measure (the minimum distance between two spikes). We show that when ${w}/λ$, ${w}/t^{2N-1}$ and $λ/t^{2N-1}$ are small enough (where $λ$ is the regularization parameter, $w$ the noise and $N$ the number of spikes), which corresponds roughly to a sufficient signal-to-noise ratio and a noise level small enough with respect to the minimum separation, there exists a unique solution to the BLASSO program with exactly the same number of spikes as the original measure. We show that the amplitudes and positions of the spikes of the solution both converge toward those of the input measure when the noise and the regularization parameter drops to zero faster than $t^{2N-1}$.

研究动机与目标

• 分析BLASSO程序在何种条件下能够精确恢复由Dirac脉冲组成的稀疏正测度的支撑（尖峰位置与振幅）。
• 确定在存在噪声的情况下，实现稳定且精确恢复所需的最小尖峰间距 $ t $。
• 建立当噪声和正则化参数趋于零时，恢复的振幅与位置向真实值收敛的速率。
• 刻画信噪比与最小间距在确保解的唯一性与准确性方面的作用。

提出的方法

• 将稀疏反卷积问题表述为在Radon测度空间上的凸优化问题，使用总变差范数，等价于连续设置下的 $ \ell^1 $ 正则化。
• 应用BLASSO（基于L1意义的测度基追踪）程序：在约束 $ \Phi m = y_t + w $ 下最小化 $ |m|(X) $，其中 $ y_t $ 是稀疏测度的带噪观测。
• 通过核 $ \varphi $ 和测量算子 $ \Phi $ 构造对偶证书 $ \eta_{\lambda,t} $，确保解与原始尖峰结构一致。
• 采用对偶证书 $ \eta_W $ 的递归构造方法，证明其为 $ (2N-1) $-非退化，并满足 $ \|\eta_W\|_{L^\infty} \leq 1 $，从而保证精确支撑恢复。
• 通过一阶最优性条件分析解的渐近行为，证明当 $ \lambda, w \to 0 $ 时，解以快于 $ t^{2N-1} $ 的速率收敛于真实测度。
• 证明当 $ w/\lambda $、$ w/t^{2N-1} $ 和 $ \lambda/t^{2N-1} $ 足够小时，解恰好包含 $ N $ 个尖峰，确保稳定恢复。

实验结果

研究问题

• RQ1 在噪声水平 $ w $、正则化参数 $ \lambda $ 和最小尖峰间距 $ t $ 满足何种条件时，BLASSO程序能够恢复稀疏正测度的精确支撑？
• RQ2 噪声和正则化参数相对于 $ t^{2N-1} $ 的衰减速率需多快，才能确保尖峰位置与振幅的精确恢复？
• RQ3 当 $ w \to 0 $ 且 $ \lambda \to 0 $ 时，恢复的振幅与位置的渐近行为如何？在何种条件下它们会收敛于真实值？
• RQ4 通过Hermite多项式构造的对偶证书 $ \eta_W $ 如何确保解具有正确的尖峰数量并匹配原始测度？
• RQ5 对偶证书的 $ (2N-1) $-非退化性在保证唯一性与精确恢复中起到什么作用？

主要发现

• 当 $ w/\lambda $、$ w/t^{2N-1} $ 和 $ \lambda/t^{2N-1} $ 足够小时，BLASSO解恰好包含 $ N $ 个尖峰，与原始测度的支撑一致。
• 当 $ \lambda \to 0 $ 且 $ w \to 0 $ 时，恢复尖峰的振幅与位置收敛于真实值，前提是衰减速率快于 $ t^{2N-1} $。
• 通过截断Hermite级数构造的对偶证书 $ \eta_W $ 满足 $ \|\eta_W\|_{L^\infty} \leq 1 $ 且 $ \eta_W^{(2N)}(0) < 0 $，通过对偶条件确保精确恢复。
• 当信噪比较高且最小间距 $ t $ 相对于噪声与正则化参数足够大时，解唯一且能精确恢复原始测度。
• 对偶证书 $ \eta_{\lambda_n,t_n} $ 在 $ C^{2N} $ 范数下收敛于 $ \eta_W $，意味着在极限下满足最优性条件。
• 该分析对 $ X = \mathbb{R} $ 和 $ X = \mathbb{T} $ 均成立，表明该恢复框架在实轴与环面上均具有鲁棒性。