Phaseless Sampling and Reconstruction of Real-Valued Signals in Shift-Invariant Spaces
University of Central Florida(中佛罗里达大学);Guilin University of Electronic Technology(桂林电子科技大学)
本文研究了在位移不变空间中通过全欧几里得空间上的幅度测量和有限采样密度的离散集上的无相位样本进行实值信号的无相位采样与重构,提出了一种基于图的重构算法,并通过数值模拟验证了其鲁棒性。
2017-02-21 cs.IT cs.NA math.IT
An Invitation to Hypercomplex Phase Retrieval: Theory and Applications
本文综述了超复数相位恢复(HPR)的理论与应用,探讨其通过 Clifford 代数处理多维信号,在光学成像等场景中估计四元数和八元数信号,并为开发新型超复数信号处理工具与算法提供机遇。
2024-04-23 cs.IT eess.IV eess.SP
OFDM Channel Estimation via Phase Retrieval
导频辅助的信道估计如今是每个无线接收器中的标准组件,使得能够实现仅受噪声和干扰影响的复值星座的相干传输。只要这些干扰足够小并且使用长数据帧,就可以实现高数据率,并且由于导频引起的资源开销渐近地消失。另一方面,预计下一代移动网络不仅要关注数据率,而且要关注低延迟、短消息和零星消息、大规模连接、分布式和自组织处理以及相对于移动性的鲁棒性。因此,已经开始审查若干既定的通信原则。当使用复值导频时的特定含义是这些值必须在接收机处已知,因此这些资源不能同时用于用户数据。对于类似OFDM的多载波方案,这意味着导频音(通常根据奈奎斯特定理等距放置)被分配有全局已知的幅度和相位以重构信道脉冲响应。阶段是在全球范围内设计和分配的,这与分布式基础设施相反。因此,在这项工作中,我们提出了一种新的无相位导频方案,其中仅需要在接收机处知道导频幅度,即,相位再次可用并且可以用于各种其它目的。这个想法是基于相位检索结果的对称化和零填充幅度傅立叶测量的两个作者。导频音上的相位现在可以用于携带附加的用户特定数据或补偿其他信号特性,如PAPR。
2015-12-14 cs.IT math.IT
PhaseMax: Convex Phase Retrieval via Basis Pursuit
我们认为恢复(实值或复值)信号的幅度只有测量,称为相位恢复。我们制定相位恢复作为一个凸优化问题,我们称之为PhaseMax。与使用半定松弛并将相位恢复问题提升到更高维度的其他凸方法不同,PhaseMax是在原始信号维度中操作的“非提升”松弛。我们发现,PhaseMax的对偶问题是基追踪,这意味着相位恢复可以使用最初设计用于稀疏信号恢复的算法进行。我们开发了一个广泛的随机测量合奏的成功概率的PhaseMax的急剧下界,我们分析了测量噪声对解决方案的精度的影响。我们使用数值结果来证明我们的恢复保证的准确性,并展示了PhaseMax在实践中的有效性和局限性。
2018-01-30 cs.IT math.IT math.OC
Asymptotic quadratic convergence of the Gauss-Newton method for complex phase retrieval
针对复相位恢复中Gauss-Newton矩阵秩亏问题,提出沿平凡方向正交移动的修正步,证明其为最小二乘最小范数闭式解,并在$m\ge O(n\log^3 n)$个复高斯测量下无需样本拆分即建立渐近二次收敛性。
2024-06-14 cs.IT cs.NA math.IT
Off-the-grid Recovery of Time and Frequency Shifts with Multiple Measurement Vectors
我们解决的问题,估计的时间和频率偏移的一个已知的波形中存在的多个测量矢量(MMVs)。这个问题自然出现在雷达成像和无线通信中。具体地,观察信号系综,其中系综的每个信号由共享相同的连续值时间和频率分量的已知波形的少量缩放的、时间延迟的和频移的版本的叠加形成。目标是从少量的观测值中恢复连续值的时频对。在这项工作中,我们提出了一个半定规划,准确地恢复$s$对时频偏移从$L$定期间隔样本的测量向量之间的最小分离条件下的时频偏移。此外,我们证明了时频偏移的数量$s$与样本的数量$L$成线性比例,直到对数因子。大量的数值结果也被提供来验证所提出的方法的有效性在单一的测量向量(SMVs)的问题。特别是,我们发现,我们的方法导致一个宽松的最小分离条件和减少所需的样本数量。
2021-02-26 cs.IT math.IT
PhaseLin: Linear Phase Retrieval
相位恢复处理从幅度测量恢复复值或实值信号。如最近所示,PhaseMax方法通过凸优化实现相位恢复,而不会将问题提升到更高的维度。为了成功,PhaseMax需要对解进行初始猜测,这可以通过频谱初始化器来计算。在本文中,我们表明,与初始猜测的可用性,相位恢复可以进行一个更简单的,线性的过程。我们的算法,称为PhaseLin,是线性估计,最小化均方误差(MSE)时,适用于幅度测量。PhaseLin的线性性质使得能够对任意测量矩阵进行精确和非渐近的MSE分析。我们还证明,通过迭代使用相位林,一个到达一个有效的相位恢复算法,执行与现有的凸和非凸方法的合成和真实世界的数据。
2018-02-01 cs.IT eess.SP math.IT
Robust Compressive Phase Retrieval via L1 Minimization With Application to Image Reconstruction
相位恢复是指从信号的傅里叶幅度测量恢复信号的经典非凸问题。受压缩感知技术的启发,信号稀疏性被利用在相位恢复的最新研究中,以减少所需的测量次数,称为压缩相位恢复(CPR)。在本文中,l1最小化问题的CPR制定利用信号的稀疏性和交替方向算法的问题求解。对于实值,非负的图像重建,感兴趣的图像被证明是一个最佳的解决方案,制定的L1最小化在无噪声的情况下。仿真结果表明,该方法具有快速、准确和对测量噪声鲁棒性强的特点。
2013-02-01 cs.IT math.IT math.OC
Stable Phase Retrieval from Locally Stable and Conditionally Connected Measurements
本文研究了一类相位恢复模型的稳定相位恢复,我们称之为“局部稳定和条件连接”(LSCC)测量方案。对于每一个信号$f$,我们关联一个相应的加权图$G_f$,定义的LSCC测量方案,并表明,相位恢复的信号$f$是由$G_f$的连接性。然后,我们表征的相位恢复稳定性的信号$f$的两个措施,通常用于在图论中量化图形连接:Cheeger常数的$G_f$为实值信号,和代数连接的$G_f$为复值信号。我们使用我们的研究结果来研究两个阶段的恢复模型,可以铸造LSCC测量方案的稳定性,并专注于了解哪些信号的“维数灾难”可以避免。我们讨论的第一个模型是一个有限维模型,局部支持的测量,如窗口傅立叶变换。对于信号“没有大的孔”,我们显示的稳定常数只表现出温和的多项式增长的尺寸,在指数增长的均匀稳定常数往往遭受形成鲜明对比,更准确地说,在$R^d$常数增长成比例的$d^{1/2}$,而在$C^d$它成比例地增长到$d$。我们还表明,在复杂的情况下,常数的增长不能减少,这表明,复杂的相位检索比真正的相位检索困难得多。我们考虑的第二个模型是一个无限维的相位恢复问题的主要移位不变空间。我们发现,尽管这个模型的无穷维,单调指数衰减的信号将有一个有限的稳定常数。相反,如果信号的衰减是多项式的,我们的结果提供的稳定性界限将是无限的。
2020-06-21 cs.IT cs.NA math.IT
PhasePack: A Phase Retrieval Library
相位恢复处理仅从线性测量的幅度估计复值信号。虽然有最近的爆炸在相位恢复算法的发展,缺乏一个共同的接口,使其难以比较新的方法对国家的最先进的。PhasePack的目的是创建一个共同的软件接口,广泛的相位恢复算法,并提供一个共同的测试平台,使用合成数据和经验成像数据集。PhasePack能够对大量最近的相位检索方法进行基准测试,以使用一系列不同的性能指标进行比较。该软件包可处理单一方法测试以及多种方法比较。PhasePack中的算法实现与文献中的原始描述略有不同,以实现更快的速度和更好的鲁棒性。特别是,PhasePack使用自适应步长、线搜索法和快速特征值求解器来加速和自动收敛。
2017-11-30 cs.IT math.IT math.OC
Linear Spectral Estimators and an Application to Phase Retrieval
相位恢复是指从幅度测量恢复实值或复值向量的问题。这个问题的最著名的算法是迭代的性质,并依赖于所谓的谱初始化,提供准确的初始化向量。我们提出了一类新的估计器适用于一般的非线性测量系统,称为线性谱估计器(LSPE),它可以用来计算精确的初始化向量相位恢复问题。所提出的LSPE不仅为具有结构化或随机测量矩阵的噪声相位恢复系统提供精确的初始化向量,而且还能够导出尖锐的和非渐近的均方误差界。我们证明了LSPE的合成和现实世界的相位恢复问题的功效,并表明我们的估计显着优于现有的方法,在实践中出现的结构化测量系统。
2018-06-09 cs.IT eess.SP math.IT
Complex phase retrieval from subgaussian measurements
相位恢复是指从形式为$y_i = \big\vert \langle ξ^{\left(i\right)}, x_0 \rangle \big\vert^2 $的$m$测量重构未知矢量$x_0 \in \mathbb{C}^n$或$x_0 \in \mathbb{R}^n $的问题,其中$ \left\{ ξ^{\left(i\right)} \right\}^m_{i=1} \subset \mathbb{C}^m $是已知测量矢量。虽然高斯测量允许恢复任意信号,只要测量的数量在维度的数量上至少线性地缩放,但是已经表明,对于某些其他类别的测量$ \left\{ ξ^{\left(i\right)} \right\}^{m}_{i=1}$,例如伯努利测量或傅立叶测量,可能出现模糊性。在本文中,我们将证明,即使当一个亚高斯向量$ ξ^{\left(i\right)} \in \mathbb{C}^m $不满足小球概率假设,相位提升方法仍然能够重建一个大类的信号$x_0 \in \mathbb{R}^n$的测量。这将Krahmer和Liu最近的工作从实值扩展到复值。然而,我们的证明策略是完全不同的,我们希望一些新的证明思想在其他几个测量场景中也是有用的。然后,我们扩展我们的结果$x_0 \in \mathbb{C}^n $到一个额外的假设,正如我们所示,是必要的。
2020-07-17 cs.IT math.IT math.ST
An Elementary Proof of Convex Phase Retrieval in the Natural Parameter Space via the Linear Program PhaseMax
相位恢复问题已经获得了显着的关注,因为相位提升算法的发展,这是一个凸的程序,在提升空间的矩阵。由于大量的计算成本,由于提升,相位恢复的许多方法已被开发,包括非凸优化算法,在自然参数空间中操作,如Wirtinger流。最近,一种称为PhaseMax的凸公式已经被发现,并且已经被证明可以在最佳样本复杂度下通过自然参数空间中的线性规划来实现相位恢复。目前PhaseMax的证明依赖于统计学习理论或几何概率理论。在这里,我们提出了一个简短而基本的证明,PhaseMax完全恢复实值向量从随机测量下的最佳样本复杂度。我们的证明只依赖于标准的概率集中和覆盖参数,比那些需要统计学习理论,几何概率或类似Wirtinger Flow方法的高度技术参数的证明更简单,更直接。
2016-11-12 cs.IT math.IT math.OC
Solving (most) of a set of quadratic equalities: Composite optimization for robust phase retrieval
我们开发的程序,基于最小化的组合$f(x) = h(c(x))$的凸函数$h$和光滑函数$c$,用于解决随机集合的二次等式,应用我们的方法,相位恢复问题。我们表明,我们开发的非线性算法可以解决相位恢复问题-即使与adversarially错误的测量-与高概率的测量数$m$是一个常数因子大于尺寸$n$的信号要恢复。该算法基本上不需要调整-它包括解决一系列凸问题-它是可实现的,没有任何特定的假设所采取的测量。我们提供了大量的实验调查我们的方法,表明程序的实际有效性,并表明他们成功的概率很高,只要$m / n \ge 2$时,信号是实值。
2018-04-22 cs.IT math.IT math.OC
DOLPHIn - Dictionary Learning for Phase Retrieval
TU Darmstadt(达姆施塔特工业大学);Technion – Israel Institute of Technology(以色列理工学院);Inria(法国国家信息与自动化研究所);CNRS(法国国家科学研究中心);Université Grenoble Alpes(格勒诺布尔阿尔卑斯大学)
我们提出了一种新的算法来学习字典重建和稀疏编码信号的测量没有相位。具体而言,我们认为,估计一个二维图像的任务,从平方幅度测量的复值线性变换的原始图像。几个最近的相位恢复算法利用潜在的稀疏性的未知信号,以提高恢复性能。在这项工作中,我们认为这样一个稀疏的信号相位恢复的背景下,事先不知道的稀疏字典。我们的算法联合重建未知信号-可能被噪声破坏-并学习字典,使得估计图像的每个补丁可以稀疏表示。数值实验表明,我们的方法可以获得显着更好的重建相位恢复问题的噪声比方法,不能利用这种“隐藏”稀疏。此外,在理论方面,我们提供了我们的方法的收敛结果。
2016-08-03 cs.IT cs.LG math.IT
Prony-Based Super-Resolution Phase Retrieval of Sparse, Multivariate Signals
相位恢复包括从其通常复值傅里叶变换的无相测量中恢复未知信号。在没有进一步假设的情况下,该问题是众所周知的严重病态,使得真实信号的恢复几乎是不可能的。在某些应用中,如晶体学、天文学中的散斑成像或通信中的盲信道估计,未知信号具有特定的稀疏结构。在本文中,我们利用这些稀疏结构来恢复未知信号唯一的不可避免的模糊性,如全球相移,过渡,共轭反射。虽然使用一个建设性的证明基本上是基于Prony的方法,我们的重点在于使用自适应采样方案的多变量信号的恢复保证的推导。代替对整个多变量傅立叶强度进行采样,我们仅采用沿着某些自适应选择的线的傅立叶样本。对于双变量信号,可以为通用方向上的样本建立类似的结果。这里的样本数量与未知信号的稀疏程度成二次方。
2023-01-18 cs.IT cs.NA math.IT
Subspace Phase Retrieval
提出子空间相位恢复 SPR 算法,利用仅幅度高斯样本恢复 k 稀疏复信号,并在特定能量条件下达到 Ω(k log n) 的信息论采样复杂度。
2024-04-08 cs.IT math.IT math.ST