基于已知部分支撑信息的相位恢复
2022-03-21曹满霞
曹满霞, 黄 尉
(合肥工业大学 数学学院,合肥230601)
1 引 言
压缩感知的目的是通过欠定线性测量恢复未知信号,可以应用在图像压缩[1]和信号降噪[2]等方面,当没有相位信息时则称为相位恢复问题.相位恢复问题的应用遍布于工程物理及生物信息学的各个方面,主要有光学[3]、天文成像[4]、盲解卷积[5]等.一般情况下,相位恢复问题是通过观测
y=|Ax|+e
来恢复未知信号,其中x∈n,观测矩阵A=[a1,…,am]*∈m×n,|Ax|=[|〈a1,x〉|,…,|〈am,x〉|]*,观测误差e∈m.当x∈n为稀疏信号,测量矩阵A满足强约束等距性时,可以通过解以下1最小化问题来保证信号稳定恢复[6],即
min‖z‖1使得 ‖|Az|-y‖2≤ε,
(1)
文章主要考虑的是在已知部分支撑信息的情况下的相位恢复问题.为了结合先验支撑信息,参考文献[7]采用单一权重加权1最小化模型,并表明在无误差情况下,得到k稀疏信号恢复的充要条件,即当测量矩阵满足加权零空间性质.然而Needell等人在参考文献[8]中表明,在压缩感知问题中,用单一权重的加权1最小化模型来恢复信号没有达到预期效果,继而提出非一致权重的加权1最小化模型,因此在文章中将采用以下非一致权重的加权1最小化模型来求解相位恢复问题
min‖z‖1,w使得 ‖|Az|-y‖2≤ε
(2)
2 预备知识
为了方便起见,这一部分主要介绍与文章有关的概念和引理.对于任意的信号x∈n,假设xk表示信号x的最佳k项逼近误差.假设T0为xk的支撑集,即:T0=supp(xk),且|T0|≤k.同时设为x的支撑估计,其中对于每个i都有
定义1[9]若存在常数δk∈[0,1),使得对任意的k稀疏信号x∈n,都有
成立,则称矩阵A满足k阶约束等距性质(RIP),其中常数δk称为约束等距常数.
定义2[10]设[m]={1,2,…,m},若对任意的k稀疏信号x∈n,都有
成立,则称矩阵A满足k阶强约束等距性质(SRIP),其中θ-,θ+∈(0,2)是常数.
3 主要结果
首先介绍本文中非常有用的引理,该引理是[7]的引理1的扩展.
引理设x∈n,y=Ax+e∈m,其中‖e‖2≤ξ且η≥0.当t>d时,假设矩阵A满足tk阶的RIP条件,且其中
并且
其中
该引理的证明与[11]中定理3.1的证明类似,即在[11]中取d1=d2=…=dM=1时的特殊情形.
定理设x∈n,y=|Ax|+e∈m,其中‖e‖2≤ξ.假设矩阵A满足参数为θ-,θ+∈(0,2)的tk阶的SRIP条件,且
如果将索引集[m]={1,2,…,m}分成两个子集
则可以得到
这里|T|≥m/2或者|Tc|≥m/2.如果|T|≥m/2,由于
那么有
因为矩阵A满足参数为θ-,θ+的tk阶的SRIP条件并且
因此,SRIP条件的定义表明AT满足参数为
的tk阶RIP条件.
因此,令引理中的η=0,有
相似地,如果|Tc|≥m/2,可以得到另一个相似的结果
4 结 论
致谢非常感谢相关文献对本文的启发以及审稿专家提出的宝贵意见.