[论文解读] Well-Posedness of Sparse Frequency Estimation

Benedikt Diederichs|arXiv (Cornell University)|May 20, 2019

Seismic Imaging and Inversion Techniques参考文献 20被引用 17

一句话总结

本文通过推导受限等距性（RIP）的连续类比，建立了稀疏频谱估计的适定性，证明了当频率充分分离时，相近的采样点意味着相近的频率。关键贡献在于推导出一个精确的稳定性界，确保了条件适定性，并为范德蒙德矩阵提供了改进的条件数估计。

ABSTRACT

The problem of estimating the frequencies of an exponential sum has been studied extensively over the last years. It can be understood as a sparse estimation problem, as it strives to identify the sparse representation of a signal using exponentials. In this paper, we are interested in its intrinsic stability properties. We derive a bound very similar to the restricted isometry property. Conditional well-posedness follows: Any exponential sum with samples close to the unknown ground truth has close frequencies as well, provided that it satisfies our model assumptions. The most important assumption is that the frequencies are well-separated. Furthermore, we show that the presented bound is sharp and gives rise to improved estimates of condition numbers of certain Vandermonde matrices.

研究动机与目标

• 研究不经过离散化的连续稀疏频谱估计的内在稳定性特性。
• 为使用指数和进行谱估计中的超分辨率提供理论基础。
• 推导出类似于压缩感知中受限等距性（RIP）的稳定性界，但适用于连续设置。
• 证明所提出的界是精确的，并能改进范德蒙德矩阵的条件数估计。
• 在高斯噪声下，构建仅依赖于观测样本和噪声水平的后验误差界。

提出的方法

• 推导出指数和的连续稳定性界，其形式与压缩感知中的受限等距性（RIP）相似。
• 将频率的充分分离作为关键模型假设，以确保稳定性。
• 利用指数和的结构及在离散网格上的采样，将采样接近性与频率接近性关联起来。
• 应用高斯和卡方随机变量的浓度不等式，推导出概率误差界。
• 通过有界真实频率与估计频率之间、真实振幅与估计振幅之间的差异，建立后验误差估计。
• 通过使用ESPRIT的数值示例验证该界，并在不同噪声水平下将误差估计器与实际误差进行比较。

实验结果

研究问题

• RQ1 在连续设置下，稀疏频谱估计在何种条件下是适定的？
• RQ2 频率之间的分离度如何影响从噪声样本中恢复频率的稳定性？
• RQ3 能否为指数和估计推导出受限等距性的连续类比？
• RQ4 该稳定性界对范德蒙德矩阵的条件数有何影响？
• RQ5 如何构建仅依赖于观测样本和噪声水平的后验误差界？

主要发现

• 本文建立了条件适定性：若两个指数和的采样点接近，则在频率充分分离的条件下，其频率也彼此接近。
• 推导出的稳定性界是精确的，可作为受限等距性（RIP）的连续类比，且不依赖于求解方法。
• 该界可导出某些范德蒙德矩阵最小奇异值的改进下界。
• 对于方差为σ²的高斯噪声，在高概率下（δ=0.9时超过94%），推论5.3中的误差估计器有效且较为精确。
• 公式（10）中的误差估计器以观测样本差和噪声水平为条件，界定了振幅和频率误差平方和的上界。
• 数值结果表明，所提出的误差估计器在不同噪声水平下均能紧密跟踪实际误差，验证了理论边界的正确性。