Sparse Affine Sampling: Ambiguity-Free and Efficient Sparse Phase Retrieval
传统的稀疏相位恢复方案只能从线性测量的幅度恢复稀疏信号,直到全局相位模糊度。这项工作提出了一种新的方法,而不是利用仿射测量的幅度,以实现无歧义信号重建。所提出的方法依赖于两个阶段的方法,包括支持识别,然后精确恢复非零信号条目。在无噪声的情况下,完美的支持识别使用一个简单的计数规则是保证受到一个温和的条件下的信号稀疏性,和随后的精确恢复的非零信号条目可以得到封闭形式。该方法扩展到两个嘈杂的场景,即稀疏噪声(或离群值)和非稀疏有界噪声。对于这两种情况下,完美的支持识别仍然确保在温和的条件下的噪声模型,即,稀疏离群值的支持大小和有界噪声的功率。在完全支持识别下,稀疏噪声情况下使用简单多数规则可以实现精确的信号恢复,而非稀疏有界噪声情况下使用线性最小二乘(LS)估计可以实现有界误差的重建。后一种情况下获得的分析性能保证也揭示了感测矩阵和偏置向量的建设。事实上,我们表明,一个接近最佳的性能可以实现高概率的随机生成的非零条目的稀疏感测矩阵和偏置向量根据均匀分布在一个圆。使用合成和真实世界的数据集的计算机模拟提供证明所提出的方案的有效性。
2021-05-24 cs.IT math.IT
Sparse Phase Retrieval from Short-Time Fourier Measurements
我们考虑经典的一维相位恢复问题。为了克服从傅立叶幅度的测量与相位恢复相关联的困难,我们对待从短时傅立叶变换(STFT)的幅度的恢复。我们首先表明,由STFT提供的冗余,使唯一的恢复任意非零输入,在温和的条件下。一个有效的算法从STFT幅度的稀疏输入的恢复,然后建议,最近提出的GESPAR算法的适应的基础上。我们通过模拟证明,使用STFT导致从过采样傅立叶幅度恢复相同数量的测量的性能提高。
2014-11-05 cs.IT math.IT
Phase retrieval from multiple-window short-time Fourier measurements
在本文中,我们介绍了两个对称的有向图依赖于支持的信号和窗口,我们表明,这些图的连通性提供了必要和充分条件,相位恢复的信号从其多窗口短时傅里叶变换的幅度测量。我们还提出了一个代数重建算法,并提供了一个错误估计,我们的算法时,幅度测量损坏的确定性/随机噪声。
2016-05-23 cs.IT math.IT
Phase Retrieval via Structured Modulations in Paley-Wiener Spaces
本文研究了从连续时间信号的采样幅度恢复连续时间信号的问题。它使用结构化调制和过采样的组合,并为信号和采样系统提供足够的条件,以便信号恢复成为可能。特别是,它示出的平均采样率的四倍的奈奎斯特速率是足够的,以重建从其幅度测量的信号。
2013-02-18 cs.IT math.IT
Fourier Phase Retrieval: Uniqueness and Algorithms
从无相位傅里叶变换测量中恢复信号的问题,称为傅里叶相位恢复,在工程和科学的许多应用中出现。傅立叶相位恢复提出了基本的理论和算法的挑战。一般来说,一维信号和其傅立叶幅度之间没有唯一的映射,因此该问题是不适定的。此外,虽然几乎所有的多维信号都被唯一地映射到它们的傅立叶幅度,但现有算法的性能通常不是很好理解。在这一章中,我们调查的方法,以保证傅立叶相位恢复的唯一性。然后,我们提出了不同的算法方法来检索信号在实践中。最后,我们概述了在这一领域的一些主要开放的问题。
2017-11-06 cs.IT math.IT
A Least Squares Approach for Stable Phase Retrieval from Short-Time Fourier Transform Magnitude
我们解决的问题,恢复信号(全球相位)从其短时傅立叶变换(STFT)幅度测量。这个问题出现在几个应用中,包括光学成像和语音处理。在本文中,我们提出了三个相互关联的算法。第一种算法通过解决一个简单的最小二乘(LS)问题来有效地从噪声测量中估计信号。与以前提出的算法相比,LS方法具有稳定性保证,并且不需要关于所寻求的信号的任何先验知识。然而,在对STFT窗口的相对强的限制下,恢复是有保证的。第二种方法保证在STFT窗口上非常温和的条件下,从无噪声测量中有效地恢复非消失信号。最后,第三种方法通过求解半定规划(SDP)从噪声测量中鲁棒地估计信号。所提出的SDP算法包含其鲁棒性和可以使用的STFT窗口上的限制之间的固有权衡。
2015-10-04 cs.IT math.IT
Phase retrieval of complex and vector-valued functions
在经典设置中的相位恢复问题是从它们的傅立叶/帧测量的幅度重建实/复函数。在本文中,我们考虑了一个新的相位恢复范例中的复杂/四元数/矢量值设置,我们提供了几个特征,以确定复杂/四元数/矢量值函数$f$在一个线性空间$S$(在)有限维,直到一个平凡的模糊性,从幅度$\|ϕ(f)\|$的线性测量$ϕ(f), ϕ\in Φ$。在标量设置我们的表征意味着众所周知的线性测量$Φ$和相位检索的线性空间$S$的互补属性之间的等价性。本文还讨论了线性空间中向量值函数的仿射相位恢复和图上向量场的重构,直到正交矩阵,由向量场在顶点的绝对值和相邻顶点之间的相对值。
2019-09-04 cs.IT math.FA math.IT
Ambiguities in one-dimensional phase retrieval from magnitudes of a linear canonical transform
Institut für Numerische und Angewandte Mathematik Georg-August-Universität Göttingen(哥廷根大学应用数值数学研究所)
本文研究了一维相位恢复问题,通过线性规范变换的幅度来恢复未知信号,并探讨了该问题中的歧义现象,将经典傅里叶相位恢复问题的解集特征转移到新设定中。
2016-06-15 cs.IT cs.NA math.IT
Toward a mathematical theory of the crystallographic phase retrieval problem
受X射线晶体学技术确定生物分子原子结构的启发,我们研究了晶体学相位恢复问题,可以说是领先的和最困难的相位恢复设置。这个问题需要从其傅立叶幅度或等效地从其周期性自相关中恢复长度为N的K稀疏信号。具体来说,这项工作的重点是唯一性的基本问题:什么是最大的稀疏水平K/N,允许信号和它的傅立叶幅度之间的唯一映射,直到内在的对称性。我们设计了一个系统的计算技术来确认任何特定对(K,N)的唯一性,并建立以下猜想:傅立叶幅度确定一个通用的信号唯一,直到内在对称性,只要K<=N/2。基于群论的考虑和额外的计算技术,我们提出了第二个猜想:如果K<N/2,那么对于任何信号,晶体学相位恢复问题的解集在具有给定傅立叶幅度的所有信号的集合中测量为零。总之,这些成果构成了第一次尝试建立一个数学理论的结晶相恢复问题。
2020-07-02 cs.IT math.AG math.IT
Capacity-Approaching PhaseCode for Low-Complexity Compressive Phase Retrieval
在本文中,我们解决了一般的压缩相位恢复问题。问题是从m个线性测量的幅度$y=|Ax|$中恢复长度为n的K稀疏复矢量$x\in \mathbb{C}^n$,其中可以设计$A \in \mathbb{C}^{m \times n}$,并且对于矢量$Ax\in \mathbb{C}^m$分量地取幅度。我们提出了一个变种的PhaseCode算法,并表明,使用不规则的左度稀疏图码的建设,该算法可以恢复几乎所有的K个非零信号分量,仅使用略多于4K的测量在一些温和的假设下,与最佳的时间和内存复杂度为${\cal O}(K)$。已知压缩相位恢复问题中测量次数的基本极限是$4K - o(K)$。据我们所知,这是第一个建设性的容量接近压缩相位恢复算法。作为第二个贡献,我们提出了另一种变体的相位编码算法,是基于压缩感知框架,涉及稀疏图代码。我们提出的算法是一个更强大的“分离”架构,可用于解决一般的压缩相位检索问题的一个实例。这种模块化设计具有压缩感测外层和基于三角的相位恢复内层。压缩感测层作为线性相位感知压缩测量子系统进行操作,而基于三角波的相位恢复层提供实际目标非线性相位恢复问题与诱导线性压缩感测问题之间的期望抽象。基于对压缩感知层使用稀疏图码来验证这种架构,我们证明了我们可以仅使用略多于6K的测量值从其线性测量值的幅度中准确地恢复信号。
2015-02-17 cs.IT math.IT
Two-step PR-scheme for recovering signals in detectable union of cones by magnitude measurements
受子空间并采样问题研究的启发,本文研究了$\mathbb{R}^{n}$中驻留在锥空间并(UoC)中的信号的相位恢复问题.我们提出了一个两步PR方案:$\hbox{PR}=\hbox{detection}+\hbox{recovery}$。我们首先建立一个充分和必要的条件,为UoC的可检测性,然后设计一个检测算法,使我们能够确定锥目标信号所在。然后将在检测到的锥内执行相位恢复,这可以通过使用最多$Γ$ -测量次数并且以非常低的复杂度来实现,其中$Γ(\leq n)$是UoC的生成器的等级的最大值。数值实验证明了我们的方法的效率,并展示与现有的一些相位检索方法的比较。
2018-09-29 cs.IT math.IT
Uniqueness of phase retrieval from offset linear canonical transform
本文研究偏移线性正则变换框架下相位恢复的唯一性问题,刻画了连续与离散情形的非平凡模糊,并证明在紧支撑、不可分离及带限等条件下信号可由OLCT或STOLCT幅值测量在全局相位意义下唯一恢复。
2025-06-04 cs.IT eess.SP math.IT
STFT Phase Retrieval: Uniqueness Guarantees and Recovery Algorithms
从信号的傅立叶幅度恢复信号的问题在工程和应用物理的各个领域中是至关重要的。由于缺乏傅立叶相位信息,需要某种形式的附加信息,以便能够唯一地、有效地和鲁棒地识别潜在信号。受光学成像实用方法的启发,我们考虑了从短时傅里叶变换(STFT)幅度重建信号的问题。我们首先开发的条件下,STFT幅度几乎肯定是一个独特的信号表示。然后,我们考虑一个半定松弛算法(STliFT),并提供恢复保证。数值模拟补充了我们的理论分析,并为今后的工作提供了方向。
2016-04-01 cs.IT math.IT math.OC
On Conditions for Uniqueness in Sparse Phase Retrieval
相位恢复问题有着悠久的历史,并且是光学许多领域中的重要问题。相位恢复的理论认识仍然是有限的,基本问题,如恢复的解决方案的唯一性和稳定性尚未完全理解。本文提供了几个补充稀疏相位恢复的理论理解。特别是,我们表明,如果测量合奏可以自由选择,少至4k-1无相测量足以保证一个k-稀疏的M维实数解的唯一性。我们还证明了在相当一般的条件下,2(k^2-k+1)个傅立叶星等测量是充分的。
2013-10-09 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
One-Dimensional Phase Retrieval: Regularization, Box Relaxation and Uniqueness
从其傅立叶幅度恢复信号被称为相位恢复,这发生在工程和应用物理的不同领域。本文给出了相位恢复问题的一个新的刻画。特别有用的是,分析揭示了常见的基于梯度的正则化不会将解的集合限制为较小的集合。特别关注二进制信号,我们表明,一个盒子松弛是等效的傅立叶型相位恢复的二进制约束。我们进一步证明,二进制信号可以恢复唯一的平凡的模糊度在一定条件下。最后,我们使用的特征定理,开发一个有效的去噪算法。
2020-07-15 cs.IT math.IT
Low Rank Phase Retrieval
本文提出了两种求解低秩相位恢复(LRPR)问题的迭代算法。LRPR是指从其列的随机线性投影的仅幅度(无相)测量恢复低秩矩阵$\X$。这两种方法包括一个频谱初始化步骤,然后通过迭代算法,以最大限度地提高观测数据的可能性。我们获得样本的复杂性界限,我们提出的初始化方法,以提供一个很好的近似真实的$\X$。当秩足够低时,这些界限明显低于现有的单矢量相位恢复算法所需的界限。通过大量的实验,我们表明,同样是真实的建议完整的算法。
2017-01-31 cs.IT math.IT
Compressive Phase Retrieval via Generalized Approximate Message Passing
在相位恢复中,目标是从线性测量值$\mathbf{Ax}\in\mathbb{C}^M$的幅度恢复信号$\mathbf{x}\in\mathbb{C}^N$。虽然最近的理论已经确立了$M\approx 4N$强度测量对于恢复通用$\mathbf{x}$是必要的并且是足够的,但是对于通过利用稀疏$\mathbf{x}$来减少测量的数量存在很大的兴趣,这被称为压缩相位恢复。在这项工作中,我们详细介绍了一种新的,概率方法压缩相位恢复的基础上广义近似消息传递(GAMP)算法。然后,我们提出了一个数值研究所提出的PR-GAMP算法,证明其优良的相变行为,鲁棒性噪声,和运行时间。我们的实验表明,大约$M\geq 2K\log_2(N/K)$强度测量足以恢复$K$稀疏Bernoulli-Gaussian信号的$\mathbf{A}$与i.i.d高斯条目和$K\ll N$。同时,当从32 k个随机掩蔽和模糊的傅立叶强度测量中恢复6 k稀疏的65 k像素灰度图像时,在30 dB测量SNR下,PR-GAMP在所有100次随机试验中均实现了不低于28 dB的输出SNR,中值运行时间仅为7.3 s。最近提出的CPRL,稀疏Fienup,和GESPAR算法相比,我们的实验表明,PR-GAMP具有优越的相变和数量级更快的运行时间的稀疏性和问题的维度增加。
2014-10-17 cs.IT math.IT
GESPAR: Efficient Phase Retrieval of Sparse Signals
本文针对稀疏信号相位恢复问题,提出无需矩阵提升的快速贪婪局部搜索算法 GESPAR,在多种设置下比现有方法更快、更准确,并可扩展到图像等大规模场景。
2013-09-21 cs.IT math.IT
Fast Compressive Phase Retrieval from Fourier Measurements
本文考虑从傅立叶幅度测量中恢复$k$稀疏、$N$维复信号的问题。它提出了一种傅立叶光学设置,使得只要$M \gtrsim 4k\log_2(N/k)$随机傅立叶强度测量可用,就可以以非常高的概率恢复到全局相位因子。该算法由两个阶段组成:代数相位恢复阶段和压缩感知步骤。仿真结果表明,该算法适用于无噪声和噪声的情况。
2014-10-27 cs.IT math.IT
No existence of linear algorithm for Fourier phase retrieval
傅里叶相位恢复是从信号的傅里叶幅值重建信号的一种方法,在工程和科学领域具有重要意义。在本文中,我们给出了一个理论上的理解算法的傅里叶相位恢复。特别地,我们证明了如果存在一种算法,它可以重建一个任意的信号${\mathbf x}\in {\mathbb C}^N$在$ \mbox{Poly}(N) \log(1/ε)$时间达到$ε$ -精度从它的离散傅里叶变换的幅度和它的初始值$x(0)$,然后$\mathcal{ P}=\mathcal{NP}$。这揭示了这样一种现象,即尽管几乎所有的信号都是由它们的傅立叶幅度唯一地确定的,并且具有先验条件,但是在过去的几十年中没有提出具有理论保证的算法。我们的证明利用了计算复杂性理论中的结果,即乘积划分问题在强意义下是NP完全的。
2022-09-13 cs.IR cs.IT cs.NA
PRIME: Phase Retrieval via Majorization-Minimization
本文考虑了相位恢复问题,其中测量值仅由未知量的几个线性测量值的幅度组成,例如,时间序列的频谱分量。我们开发的优化最小化(MM)框架的基础上具有优越的性能的低复杂度算法。所提出的算法被称为PRIME:相位恢复vIa优化最小化技术。他们是首选现有的基准方法,因为在每次迭代一个简单的代理问题是解决了一个封闭形式的解决方案,单调减少原始的目标函数。总之,四个算法提出了使用不同的优化最小化技术。实验结果验证了我们的算法优于现有的方法在成功的恢复和均方误差在各种设置。
2015-11-13 cs.IT math.IT
Fast phase retrieval for high dimensions: A block-based approach
本文讨论了基本的缩放问题,阻碍相位恢复(PR)在高维。我们表明,如果测量矩阵可以被放入一个广义的块对角的形式,一个大的PR问题可以解决单独的块,在成本的一些额外的全球测量合并的部分结果。我们用两种不同的PR方法来说明这一原则,并讨论不同的设计权衡。实验结果表明,这种基于块的PR框架可以减少计算成本和内存需求的几个数量级。
2016-06-14 cs.IT math.IT
Phase Retrieval for Sparse Signals: Uniqueness Conditions
在各种领域,特别是涉及成像和光学的领域,我们经常测量相位丢失或已不可挽回地失真的信号。相位恢复试图从信号的傅里叶变换的幅度恢复信号的相位信息,以使得能够重构原始信号。一个基本的问题是:“在什么条件下,我们可以唯一地恢复从其测量的幅度感兴趣的信号?“在本文中,我们假设测量信号是稀疏的。这在许多应用中是一个自然的假设,例如X射线晶体学、散斑成像和盲信道估计。在这项工作中,我们推导出一个充分条件的相位恢复(PR)问题的离散和连续域的解决方案的唯一性,并为一维和多维域。更确切地说,我们表明,PR和收费公路问题,一个经典的组合问题之间有很强的联系。我们还证明了存在的冲突的信号的自相关函数可能会排除PR的解决方案的唯一性。然后,假设没有冲突,我们证明了解决方案几乎肯定是唯一的1维域。最后,我们通过解决一组一维问题将这一结果推广到多维信号。我们表明,多维问题的解决方案是唯一的自相关函数时,没有冲突,显着改善先前已知的结果。
2013-09-26 cs.IT math.IT
Phase Retrieval: An Overview of Recent Developments
相位恢复问题是光学中的一个经典问题,并且当人们对从其傅里叶变换的幅度(强度)恢复未知信号感兴趣时出现。虽然存在相当多的相位恢复方法,但压缩感知和基于凸优化的信号恢复的最新发展激发了许多新的方法。这项工作提出了这些方法的概述。由于相位恢复就其本质而言是不适定的,因此为了使问题有意义,需要假设信号上的先验结构(例如,稀疏性)或获得附加测量(例如,面具,结构照明)。对于这两种情况下,我们审查的信号的可识别性的条件,以及信号恢复的实用算法。特别是,我们证明,它是可能的鲁棒性和有效地识别一个未知的信号,仅仅从无相位傅立叶测量,一个潜在的深远影响的事实。
2015-10-26 cs.IT math.IT
Finite alphabet phase retrieval
研究有限字母表相位恢复问题,证明信号Fourier幅度相同等价于划分差集相同,将其转化为组合问题,并适用于含零字母的稀疏信号情形。
2023-04-07 cs.IT eess.SP math.AG
Corruption Robust Phase Retrieval via Linear Programming
我们考虑从损坏的幅度观测相位恢复的问题。特别是,我们表明,一个固定的$x_0 \in \mathbb{R}^n$可以完全恢复损坏的幅度测量$|\langle a_i, x_0 \rangle | + η_i, \quad i =1,2\ldots m$与高概率$m = O(n)$,其中$a_i \in \mathbb{R}^n$是i.i.d标准高斯和$η\in \mathbb{R}^m$有固定的稀疏支持,否则是任意的,通过使用一个版本的PhaseMax算法增加松弛变量受到惩罚。这种线性规划公式,我们称之为RobustPhaseMax,在自然参数空间中运行,我们的证明依赖于使用浓度不等式的最优性条件的直接分析。
2016-12-12 cs.IT math.IT math.OC
Robust phase retrieval with the swept approximate message passing (prSAMP) algorithm
在相位恢复中,目标是从其线性测量的幅度恢复复信号。虽然许多众所周知的算法保证使用i.i.d.的未知信号的确定性恢复。随机测量矩阵,他们遭受严重的收敛问题,一些病态矩阵。作为示例,这发生在使用二元仅强度空间光调制器来成形输入波前的光学成像器中。在过去的十年中,病态测量矩阵的问题也一直是压缩感知研究人员感兴趣的话题。在本文中,利用最新的进展,在通用压缩传感,我们提出了一种新的相位恢复算法,以及采用高斯i.i.d.以及使用稀疏和密集输入信号的二进制矩阵。该算法对某些成像应用中的强噪声水平也具有鲁棒性。
2016-05-24 cs.IT math.IT
Stable Recovery from the Magnitude of Symmetrized Fourier Measurements
在这份说明中,我们表明,稳定的恢复复值信号$x\in\mathbb{C}^n$的全球标志可以实现从$4n-1$傅立叶测量的幅度时,一定的“对称化和零填充”进行测量前($4n-3$是可能的,在某些情况下)。对于真实信号,对称化本身是线性的,因此我们的结果在这种情况下是关于均匀相位恢复的陈述。由于涉及复共轭,所以这种测量过程不是复线性的,但是从例如$(\Re(x),\Im(x))$上的线性测量的幅度恢复仍然是可能的。
2013-10-22 cs.IT math.IT
On Signal Reconstruction from FROG Measurements
相位恢复是指从信号的傅立叶幅度恢复信号。这个问题在许多科学应用中自然出现,例如超短激光脉冲表征和衍射成像。不幸的是,相位恢复是不适定的,几乎所有的一维信号。为了表征激光脉冲并克服不适定性,通常使用称为频率分辨光学选通(FROG)的技术。在FROG中,测量的数据,称为FROG轨迹,是基础信号与其自身的几个平移版本的乘积的傅立叶幅度。FROG迹线导致无相位四次傅立叶测量系统。在本文中,我们证明,它足以考虑只有三个翻译的信号,以确定几乎所有的带限信号,平凡的模糊性。在实践中,人们通常还可以访问信号的傅立叶幅度。我们证明,在这种情况下,只有两个翻译就足够了。我们的结果显着改善早期的工作。
2018-04-03 cs.IT math.IT
WiFi-Based Indoor Localization via Multi-Band Splicing and Phase Retrieval
我们研究的问题,室内定位使用商品WiFi信道状态信息(CSI)测量。为解决这个问题而开发的方法的准确性受到WiFi设备使用的总带宽以及底层硬件施加的各种类型的信号失真的限制。在本文中,我们提出了一种定位方法,通过拼接测量CSI在多个WiFi频段进行信道脉冲响应(CIR)估计。为了克服硬件引起的相位失真,我们提出了一个相位恢复(PR)计划,只使用CSI幅度值来估计CIR。为了实现高定位精度,PR方案涉及稀疏恢复步骤,其利用CIR在延迟域上稀疏的事实,这是由于室内环境中的贡献信号路径的数量少。仿真结果表明,我们的方法优于现有技术的数量级(厘米级定位精度)超过90%的试验和各种SNR制度。
2019-03-06 cs.IT cs.NI math.IT
The Fusion Frame Phase Retrieval
Huazhong University of Science and Technology(华中科技大学);Nankai University(南开大学);The University of Hong Kong(香港大学)
本文研究融合框架相位恢复问题,利用秩r正交投影的集中不等式,证明梯度下降结合两阶段初始化以O(d log^2 d)测量复杂度实现线性收敛,并通过数值验证。
2026-09-09 cs.IT math.IT
Max-affine regression via first-order methods
本文研究最大仿射回归,分析随机次高斯观测下 GD 与小批量 SGD 的非渐近线性收敛,并用实验证明 SGD 在无噪声和低样本噪声情形下更优。
2023-08-15 cs.IT cs.LG math.IT
Conjugate Phase Retrieval in Paley-Wiener Space
本文研究Paley-Wiener空间$PW_π$中的共轭相位恢复问题。共轭相位恢复的目标是从线性测量的幅度恢复信号$f$直到未知相位因子和未知共轭,这意味着$f(t)$和$\overline{f(t)}$不一定与可用数据区分开。我们表明,共轭相位恢复可以在$PW_π$通过使用结构卷积仅在实数线上采样来完成。我们还表明,共轭相位恢复可以完成在$PW_π$通过采样$f$和$f^{\prime}$只有在真正的线。此外,我们通过实验证明,交替投影的Gerchberg-Saxton方法可以实现从有限维空间中进行共轭相位恢复的矢量的重建。最后,我们表明,一般来说,共轭相位恢复可以通过采样在三倍的奈奎斯特速率,而相位恢复需要采样在四倍的奈奎斯特速率。
2019-10-28 cs.IT math.CV math.IT
PhasePack User Guide
“相位恢复”是指从线性测量的幅度(而不是相位)恢复信号。虽然最近相位恢复方法的发展出现了爆炸式增长,但缺乏通用接口使得难以将新方法与当前最先进的方法进行比较。PhasePack是一个软件库,它为各种相位恢复方案创建了通用接口。PhasePack还提供了使用合成数据和公开可用的经验数据集的相位恢复方法的测试床。
2017-11-29 cs.IT cs.MS 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
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
An Algorithm for Exact Super-resolution and Phase Retrieval
Stanford University(斯坦福大学);Technion, Israel Institute of Technology(以色列理工学院)
本文提出一种两阶段算法,能从少量低通幅度测量中实现精确超分辨率,适用于连续盘内任意信号位置,且不增加采样量。
2014-03-07 cs.IT cs.NA math.IT
Phase retrieval with semi-algebraic and ReLU neural network priors
本文研究信号位于半代数集合先验下的相位恢复问题,证明维数为N/2或N/4的半代数集合中的信号可由傅里叶幅值确定,并将结果推广至多参考对齐及球面带限函数恢复,给出了改进的样本复杂度界限。
2025-04-29 cs.IT eess.SP math.IT
Sparse Phase Retrieval: Uniqueness Guarantees and Recovery Algorithms
从其傅立叶变换幅度恢复信号的问题在工程的各个领域中是至关重要的,并且已经存在了100多年。由于缺乏相位信息,需要某种形式的附加信息,以便能够唯一地识别感兴趣的信号。在这项工作中,我们专注于离散时间稀疏信号(长度$n$)。我们首先表明,如果DFT维数大于或等于$2n$,几乎所有的信号与{ \em非周期}的支持可以唯一地确定其傅立叶变换幅度(时移,共轭翻转和全球相位)。然后,我们开发了一种有效的两阶段稀疏相位恢复算法(TSPR),该算法包括:(i)识别支持,即,使用组合算法确定信号的非零分量的位置(ii)使用凸算法识别支持中的信号值。我们表明,TSPR可以{ \em probably}恢复大多数$O(n^{1/2-\eps})$稀疏信号(直到时移,共轭翻转和全局相位)。我们还表明,对于大多数$O(n^{1/4-\eps})$稀疏信号,恢复是{ \em鲁棒}的测量噪声的存在下。数值实验补充了我们的理论分析,并验证了TSPR的有效性。
2015-07-01 cs.IT math.IT math.OC
On the Global Minimizers of Real Robust Phase Retrieval with Sparse Noise
本文研究了一类在高斯编码矩阵下,当接收信号被噪声稀疏破坏时的实鲁棒相位恢复问题。我们的目标是建立条件的稀疏性下,输入向量可以准确地恢复。恢复问题被公式化为残差的$\ell_1$范数的最小化。主要贡献是一个强大的相位恢复对应的开创性论文坎迪斯和陶压缩传感($\ell_1$回归)[解码线性规划。IEEE Transactions on信息论,51(12):4203-4215,2005]。我们的分析依赖于编码矩阵上的一个关键的新属性,我们称之为绝对范围属性(ARP)。该属性类似于压缩感知中的空间属性(NSP)。当使用平方幅度计算残差,我们表明,ARP遵循标准的限制等距属性(RIP)。然而,当使用绝对幅度计算残差时,需要一种新的和非常不同的RIP或增长属性。我们的结论是,鲁棒的相位恢复目标相对于其最小值具有很高的可能性。
2019-05-24 cs.IT math.IT math.OC
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
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
On The 2D Phase Retrieval Problem
从傅里叶变换的幅度恢复信号,也称为相位恢复,在许多科学领域中具有根本的重要性。众所周知,由于傅里叶相位的损失,一维问题是不适定的。如果没有进一步的限制,就没有解决这个问题的唯一办法。相比之下,在高维空间中,只有轻微的输入约束,才经常存在不确定性。在本文中,我们专注于2D相位恢复问题,并通过探索2D和1D配方之间的连接,提供洞察这种独特性。特别是,我们表明,2D相位恢复可以作为一个1D的问题,额外的约束,限制了解决方案的空间。然后,我们证明,只有一个额外的约束是足以减少许多可行的解决方案,在1D设置为一个独特的解决方案,几乎所有的信号。这些结果允许获得一个分析方法(与组合的复杂性)来解决二维相位恢复问题时,它是唯一的。
2016-05-27 cs.IT math.IT math.OC
Compressive Phase Retrieval via Reweighted Amplitude Flow
从仅幅度测量(也称为,压缩相位恢复),自然出现在各种应用中,但它通常是NP-困难的。基于非凸优化的最新进展,本文提出了一种新的压缩相位恢复算法,称为压缩加权振幅流,简称CRAF。具体而言,CRAF分两个阶段运作。第一阶段寻求一个稀疏的初始猜测通过一个新的频谱过程。在第二阶段,CRAF实现了一些硬阈值的迭代使用重新加权梯度。当有足够的测量,CRAF可证明恢复的基础信号向量,在适当的条件下,具有高概率。此外,其样本的复杂性与最先进的程序相一致。最后,大量的模拟测试展示了显着的性能,新的频谱初始化,以及改进的精确恢复相对于竞争的替代品。
2017-12-15 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
Phase Retrieval using Lipschitz Continuous Maps
本文证明了利用Lipschitz连续映射可以从帧系数的幅值进行重构(即所谓的“相位恢复问题”)。具体地说,我们表明,当非线性分析映射$α:{\mathcal H}\rightarrow\mathbb{R}^m$是内射,$(α(x))_k=|<x,f_k>|^2$,其中$\{f_1,\ldots,f_m\}$是一个框架的希尔伯特空间${\mathcal H}$,那么存在一个左逆映射$ω:\mathbb{R}^m\rightarrow {\mathcal H}$是Lipschitz连续的。此外,我们还利用$α$的下Lipschitz常数得到了该逆映射的Lipschitz常数.令人惊讶的是,Lipschitz常数的增加与空间维度或帧冗余无关。
2014-03-10 cs.IT math.FA math.IT
The Algebraic Approach to Phase Retrieval and Explicit Inversion at the Identifiability Threshold
University College London(伦敦大学学院);University of Vienna(维也纳大学)
我们研究相位恢复从一个未知信号的幅度测量作为一个代数估计问题。实际上,从秩一和更一般的线性测量的相位恢复可以以代数方式处理。验证了一定数量的通用秩一或通用线性测量足以实现通用信号的信号重构,并且稍微更通用的测量产生所有信号的可重构性。我们的研究结果解决了一些开放的问题,在最近的文献中。此外,我们展示了如何代数估计问题可以解决的封闭形式的代数估计技术,称为理想回归,提供非渐近的成功保证。
2014-02-17 cs.CV cs.IT math.AG
Phase Retrieval from 1D Fourier Measurements: Convexity, Uniqueness, and Algorithms
本文认为相位恢复从一维过采样傅立叶测量的幅度,一个经典的问题,在科学和工程的各个领域的研究人员提出了挑战。我们表明,在最小二乘意义上的最优向量可以通过解决凸问题,从而建立一个隐藏的凸傅立叶相位恢复。我们还表明,在这种情况下,标准的半定松弛方法产生的最佳费用函数值(虽然不一定是一个最优解)。然后,推导出一种方法来检索多项式时间内的最佳最小相位解。利用这些结果,提出了一种新的测量技术,保证解决方案的唯一性,以及一个有效的算法,可以解决大规模的傅立叶相位恢复问题的唯一性和最优性保证。
2016-07-07 cs.IR cs.IT math.IT
The global landscape of phase retrieval II: quotient intensity models
相位恢复中的一个基本问题是从一组仅测量幅度的测量值中重建未知信号。在这项工作中,我们介绍了三个新的商强度为基础的模型(QIMs)的基础上深入修改传统的强度为基础的模型。新的损失函数的一个显著特点是在最优采样复杂度下对应的几何景观是良性的。当测量值$ a_i\in \Rn$是高斯随机向量并且测量值的数目为$m\ge Cn$时,QIM不允许具有高概率的伪局部最小值,即,目标解$ x$是唯一的全局最小值(直到全局相位),并且损失函数具有围绕每个鞍点的负方向曲率。这种良性的几何景观允许梯度下降法找到全局解$x$(直到全局相位),而无需谱初始化。
2021-12-15 cs.IT cs.NA math.IT
Phase Retrieval for Sparse Signals
Michigan State University(密歇根州立大学);Academy of Mathematics and System Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
本文构建了从测量幅度恢复稀疏信号的理论框架,确定了无相位信息时的最小测量数,并研究了ℓ1最小化在稀疏相位可恢复中的性能。
2013-10-04 cs.IT cs.NA math.IT
Enforcing uniqueness in one-dimensional phase retrieval by additional signal information in time domain
Institut für Numerische und Angewandte Mathematik Georg-August-Universität Göttingen(哥廷根大学数值与应用数学研究所)
本文研究了一维相位检索中如何通过时域额外信号信息减少歧义并获得唯一解,证明了有限支持信号可被唯一恢复,并通过相位信息获得类似结果。
2016-04-15 cs.IT cs.NA math.IT
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