[论文解读] Technical Report: Observability with Random Observations

Borhan M. Sanandaji, Michael B. Wakin+1 more|arXiv (Cornell University)|Nov 17, 2012

Sparse and Compressive Sensing Techniques参考文献 34被引用 4

一句话总结

该论文表明，当使用随机观测算子时，高维线性动力系统中的稀疏初始状态可通过压缩测量实现稳定恢复。通过利用大数集中不等式，并证明在酉矩阵或缩放酉矩阵的状态转移下，可观测性矩阵满足限制等距性质（RIP），作者证明了测量总数在稀疏度上线性、在状态维数上对数增长时，恢复是可能的。

ABSTRACT

Recovery of the initial state of a high-dimensional system can require a large number of measurements. In this paper, we explain how this burden can be significantly reduced when randomized measurement operators are employed. Our work builds upon recent results from Compressive Sensing (CS). In particular, we make the connection to CS analysis for random block diagonal matrices. By deriving Concentration of Measure (CoM) inequalities, we show that the observability matrix satisfies the Restricted Isometry Property (RIP) (a sufficient condition for stable recovery of sparse vectors) under certain conditions on the state transition matrix. For example, we show that if the state transition matrix is unitary, and if independent, randomly-populated measurement matrices are employed, then it is possible to uniquely recover a sparse high-dimensional initial state when the total number of measurements scales linearly in the sparsity level (the number of non-zero entries) of the initial state and logarithmically in the state dimension. We further extend our RIP analysis for scaled unitary and symmetric state transition matrices. We support our analysis with a case study of a two-dimensional diffusion process.

研究动机与目标

• 通过利用稀疏性和随机化，降低高维系统可观测性中的测量负担。
• 建立可观测性矩阵在稀疏初始状态下满足限制等距性质（RIP）的条件。
• 将压缩感知理论扩展至由线性动力系统产生的时变、分块对角可观测性结构。
• 为使用少于系统维数的测量数实现稀疏初始状态的稳定恢复提供概率保证。
• 通过二维扩散过程的案例研究验证理论框架。

提出的方法

• 推导由时间推进的系统状态构成的随机分块对角测量矩阵的大数集中不等式。
• 将可观测性矩阵建模为状态转移算子与测量算子的复合，将其视为具有独立同分布条目的随机矩阵。
• 应用概率界证明：在状态转移矩阵满足特定条件下，该矩阵以高概率满足限制等距性质（RIP）。
• 通过对所有S-稀疏子空间使用并集界，推导出与初始状态无关的通用失败概率界。
• 建立对函数Γ(𝒜Ωx₀)的下界，以量化变换后测量矩阵的最小奇异值行为。
• 对∥Aᵏᵢx₀∥₂²应用确定性界，推导出与信号相关的集中参数，从而获得RIP保证。

实验结果

研究问题

• RQ1 在高维系统中，初始状态恢复所需的测量数能否低于系统维数？
• RQ2 在何种状态转移矩阵条件下，可观测性矩阵以高概率满足限制等距性质（RIP）？
• RQ3 测量算子的随机化如何影响稀疏初始状态恢复的稳定性和准确性？
• RQ4 在线性动力系统中，确保S-稀疏初始状态稳定恢复所需的最少测量数是多少？
• RQ5 该理论框架能否扩展至非酉但缩放或对称的状态转移矩阵？

主要发现

• 当状态转移矩阵为酉矩阵且测量矩阵为独立随机填充时，S-稀疏初始状态的稳定恢复可通过总测量数O(S log N)实现。
• 对于酉系统，当总测量数MK满足MK ≥ O(S log N)时，可观测性矩阵以高概率满足RIP，从而实现鲁棒的稀疏恢复。
• 论文证明，即使测量数MK小于系统维数N，只要初始状态是稀疏的，RIP仍以高概率成立。
• 对于缩放酉矩阵（λ < 1 或 λ > 1），RIP界依赖于状态转移的增益/衰减率，且Γ(𝒜Ωx₀)的下界分别按λ⁻⁴⁽ᵏ⁻¹⁻ᵏ⁰⁾或λ⁴⁽ᵏ⁻¹⁻ᵏ⁰⁾缩放。
• 通过二维扩散过程的案例研究验证了理论分析，展示了在真实物理系统中的可行性。
• RIP违反的失败概率被限制在2 exp(−Mρε²/256)，随测量数M指数衰减，确保高概率恢复。