A New Analysis for Support Recovery with Block Orthogonal Matching Pursuit
压缩感知(Compressed Sensing,CS)是一种能够从线性测量中精确恢复稀疏信号的信号处理技术,其测量次数远少于经典Shannon-Nyquist定理所要求的测量次数。阻塞稀疏信号,即,其非零系数出现在几个块中的稀疏信号产生于许多场。块正交匹配追踪(BOMP)算法是一种高效的块稀疏信号恢复贪心算法。BOMP算法充分利用了块稀疏信号的块稀疏性,可以获得很好的恢复性能。本文提出了一个充分条件,以确保BOMP可以准确地恢复块$K$稀疏信号的支持在噪声的情况下。这个条件比现有的条件好。
2018-11-06 cs.IT math.IT
Compressed Sensing of Block-Sparse Signals: Uncertainty Relations and Efficient Recovery
我们考虑块稀疏信号的压缩感知,即,具有非零系数的稀疏信号出现在簇中。块稀疏信号的不确定性关系,推导出基于块相干性措施,我们介绍。然后,我们表明,块版本的正交匹配追踪算法恢复块$k$稀疏信号在不超过$k$步骤,如果块的相干性是足够小的。块一致性的相同条件下,通过混合$\ell_2/\ell_1$优化方法,以保证成功恢复。这补充了以前的恢复结果的块稀疏的情况下,依赖于小块限制等距常数。本文提出的结果的意义在于,明确使用块稀疏性可以证明产生更好的重建性能比处理信号稀疏在传统意义上,从而忽略了问题中的附加结构。
2009-06-18 cs.IT math.IT
Stopping Condition for Greedy Block Sparse Signal Recovery
对于稀疏度未知的贪婪块稀疏恢复,我们推导出一个停止条件来停止迭代过程。针对块正交匹配追踪(BOMP)算法,从概率的角度对每次迭代的残差信号能量进行建模。在迭代中,当检测到最后一个支持块时,所得到的残余信号的能量应该遭受明显的下降。在此基础上,当剩余信号的能量低于给定阈值时,我们停止迭代过程。与其他方法相比,我们推导的条件适用于BOMP恢复。此外,我们推广了文献[1]中提出的基于干扰抵消的BOMP(ICBOMP)恢复方法。仿真结果表明,我们推导的条件可以节省许多不必要的迭代,同时保证了良好的恢复精度,无论是BOMP和ICBOMP恢复。
2016-12-22 cs.IT math.IT
Distribution-aware Block-sparse Recovery via Convex Optimization
我们研究了从压缩采样测量重构块稀疏信号的问题。在某些应用中,除了信号的固有块稀疏结构之外,关于块支持(即,包含非零元素的块)的一些先验信息可能是可用的。虽然在贝叶斯框架下已经研究了许多块稀疏恢复算法,但是如何将关于发生概率的信息以最优的意义并入基于正则化的块稀疏恢复中仍然是不清楚的。在这项工作中,我们在这些领域之间的桥梁的一个新的概念,圆锥积分几何的援助。具体地说,我们解决了加权优化问题时的先验分布的块支持。此外,我们得到的唯一的权重,最大限度地减少预期所需的测量数量。我们对合成数据和真实数据的模拟证实,这些权重大大降低了所需的样本复杂性。
2019-02-22 cs.IT math.IT
Bayesian Hypothesis Testing for Block Sparse Signal Recovery
提出了一种新的块贝叶斯假设检验算法(Block-BHTA),用于重构具有未知块结构的块稀疏信号。Block-BHTA算法包括支撑点的检测和恢复,以及块稀疏信号幅度的估计。使用贝叶斯假设检验执行支持检测和恢复。然后,基于检测和重建的支持,非零幅度估计的线性MMSE。数值实验证明了Block-BHTA的有效性。
2015-08-22 cs.IT math.IT stat.ML
Recovery of signals by a weighted $\ell_2/\ell_1$ minimization under arbitrary prior support information
在本文中,我们引入了一个加权的$\ell_2/\ell_1$最小化恢复块稀疏信号与任意先验支持信息。在部分先验信息可用的情况下,基于高阶块RIP,给出了一个保证加权$\ell_2/\ell_1$最小化算法稳定鲁棒恢复块稀疏信号的充分条件.然后,我们表明,如果任意先验块支持估计的准确性至少是$50\%$,充分恢复条件的加权$\ell_2/\ell_{1}$最小化是弱于由$\ell_2/\ell_{1}$最小化,和加权$\ell_2/\ell_{1}$最小化提供更好的上界的测量噪声和信号的可压缩性方面的恢复误差。此外,我们通过大量的数值实验说明了加权$\ell_2/\ell_1$最小化方法在均匀和非均匀先验信息下块稀疏信号恢复性能方面的优势。结果的意义在于,明确利用块稀疏信号的块稀疏性和部分支持信息,可以获得更好的恢复性能比处理的信号是在传统意义上,从而忽略了额外的结构和先验支持信息的问题。
2017-06-29 cs.IT math.IT
Block sparse signal recovery via minimizing the block $q$-ratio sparsity
在本文中,我们提出了一种方法,块稀疏信号恢复,最大限度地减少块$q$比稀疏$\left(\lVert z\rVert_{2,1}/\lVert z\rVert_{2,q}\right)^{\frac{q}{q-1}}$与$q\in[0,\infty]$。对于$1<q\leq\infty$的情形,给出了$\ell_2$有界噪声和$\ell_{2,\infty}$有界噪声两种情形的理论分析和计算算法。相应的无约束模型也进行了研究。数值实验证明了该算法在块稀疏信号重构中的优越性能。
2021-03-12 cs.IT math.IT math.OC
Characterization of Blind Code Rate Recovery in Linear Block Codes
Indian Institute of Technology Madras(印度马德拉斯理工学院)
本文提出了一种用于线性分组码盲码率恢复的指标,推导了其闭式表达式,并通过仿真验证了在高噪声条件下改进的码率估计方法。
2026-03-02 cs.IT math.IT
Block- and Rank-Sparse Recovery for Direction Finding in Partly Calibrated Arrays
提出了一种由位移未知的子阵组成的部分校准阵列的稀疏恢复测向方法。该方法基于混合核范数和1范数最小化,利用信号模型的块稀疏性和低秩结构。为了有效地实现一个紧凑的等价问题重新制定。新技术适用于任意拓扑结构的子阵列和子阵列流形的基于网格的采样。在一个共同的基线子阵列的特殊情况下,我们的新技术承认扩展到一个无网格的实现。如模拟所示,我们的新的块和秩稀疏的部分校准阵列的测向技术优于最先进的方法RARE在困难的情况下,低样本数,低信噪比或相关信号。
2017-02-17 cs.IT math.IT
Efficient Recovery of Block Sparse Signals via Zero-point Attracting Projection
在本文中,我们考虑块稀疏信号的压缩感知(CS),即,具有非零系数的稀疏信号出现在簇中。一个有效的算法,称为零点吸引投影(ZAP)算法,扩展到块CS的情况下。ZAP算法的块版本采用近似的$l_{2,0}$范数作为代价函数,并通过迭代在解空间中找到其最小值。对于块稀疏信号,该成本函数的局部最小值的稳定性分析下的噪声的扰动揭示了该算法的优势,其原始的非块版本的重建误差。最后,数值实验表明,所提出的算法优于其他国家的最先进的块稀疏问题的方法在各个方面,特别是在噪声下的稳定性。
2012-03-08 cs.IT math.IT
Sharp Sufficient Conditions for Stable Recovery of Block Sparse Signals by Block Orthogonal Matching Pursuit
在本文中,我们使用块正交匹配追踪(BOMP)算法从测量值$\y=\A\x+\v$恢复块稀疏信号$\x$,其中$\v$是$\ell_2$有界噪声向量(即,$\|\v\|_2\leq ε$(对于某个常数$ε$)。基于块约束等距性质(block-RIP),研究了块稀疏信号$\x$的精确(当$\v=\0$时)和稳定(当$\v\neq\0$时)恢复的充分条件.首先,一方面,我们表明,如果$\A$满足块RIP与$δ_{K+1}<1/\sqrt{K+1}$,那么每个块$K$稀疏信号$\x$可以在$K$迭代BOMP准确或稳定地恢复。另一方面,我们表明,对于任何$K\geq 1$和$1/\sqrt{K+1}\leq δ<1$,存在一个矩阵$\A$满足块RIP与$δ_{K+1}=δ$和块$K$ -稀疏信号$\x$,使BOMP可能无法恢复$\x$在$K$迭代。然后,我们研究了恢复块$α$ -强衰减$K$ -稀疏信号的一些充分条件。我们证明了如果$\A$满足块RIP与$δ_{K+1}<\sqrt{2}/2$,那么每个$α$ -强衰减块$K$ -稀疏信号可以在$α$上的某些条件下在$K$迭代中被BOMP精确或稳定地恢复。我们新发现的充分条件块RIP的$\A$的限制比$\ell_1$最小化这一类特殊的稀疏信号。此外,对于任何$K\geq 1$、$α>1$和$\sqrt{2}/2\leq δ<1$,$\x$的恢…
2018-05-14 cs.IT math.IT
Block-sparse Recovery of Semidefinite Systems and Generalized Null Space Conditions
考虑了低秩矩阵通过凸核范数极小化问题的恢复问题,给出了块对角矩阵和块对角半正定矩阵的一致恢复的零空间性质(NSP).这些零空间条件被证明是新的一般设置的特殊情况,其允许从文献中导出所提到的NSP和众所周知的NSP。我们讨论了这些条件的相对强度,也提出了一个确定性的一类矩阵,满足块对角半定NSP。
2020-06-26 cs.IT math.IT math.OC
Fast Blind Recovery of Linear Block Codes over Noisy Channels
本文针对噪声信道下线性分组码奇偶校验矩阵的盲恢复问题,提出含三部分的快速恢复方案,可组合适配不同噪声场景,在恢复性能和计算复杂度上均优于现有基于Canteaut-Chabaud的算法。
2023-05-07 cs.IT math.IT
A Rate-Optimal Construction of Codes with Sequential Recovery with Low Block Length
如果对于任何$s \leq t$被擦除的代码符号,存在$s$ -步骤恢复过程,其中在每个步骤中,我们通过接触至多$r$其它代码符号来精确地恢复一个被擦除的代码符号,则擦除代码被称为具有参数$r$和$t$的顺序恢复的代码。在同一作者在ISIT 2017上发表的早期工作中,我们给出了一种从$t$擦除中顺序恢复的二进制码的构造,具有局部参数$r$,对于给定的$r,t$,这在码率方面是最佳的,但是对于某些常数$c >1$,块长度很大,大约为$r^{c^t}$。在本文中,我们提出了一种替代的构造率最优码的任何值的$t$和任何$r\geq3$,其中的块长度是显着更小的顺序为$r^{\frac{5t}{4}+\frac{7}{4}}$(在某些情况下,顺序为$r^{\frac{3t}{2}+2}$)。我们的构造是基于围长为$t+1$的树型图的构造。我们递归地构造这些图和代码。
2018-01-21 cs.IT math.IT
Block Iterative Reweighted Algorithms for Super-Resolution of Spectrally Sparse Signals
我们提出了新的算法,提高了从欠采样信号中恢复未知连续值频率的性能。我们的迭代重新加权频率恢复算法采用从我们算法的早期步骤中获得的支持知识作为块先验信息来增强频率恢复。我们的方法提高了原子范数最小化的性能,这是一个有用的启发式恢复连续值的频率内容。数值结果表明,我们的块迭代重加权方法提供了更好的恢复性能和更快的速度比其他已知的方法。
2015-09-11 cs.IT math.IT
The high-order block RIP for non-convex block-sparse compressed sensing
本文主要研究从线性测量中恢复块稀疏信号,块稀疏信号不仅是稀疏的,而且非零元素被排列成一些块(簇),而不是任意分布在整个向量上。本文建立了基于块RIP的高阶充分条件,保证了在无噪声情况下,通过混合$l_2/l_p$最小化方法精确恢复每个块$s$ -稀疏信号,以及在存在噪声的信号不精确块稀疏的情况下,稳定和鲁棒的恢复。此外,获得了条件以压倒性的概率为真所需的随机高斯测量数的下限。最后,通过数值实验验证了算法的有效性.
2020-06-11 cs.IT math.IT
The block mutual coherence property condition for signal recovery
本文研究了含噪环境下块稀疏信号的稳定恢复问题,提出了基于块互干性的充分条件与误差上界估计,首次证明了 $\ell_2/\ell_1-\alpha\ell_2$ 最小化方法稳定重建块稀疏信号的有效性,并通过数值实验验证了其性能。
2023-11-28 cs.IT math.IT
Enhanced block sparse signal recovery based on $q$-ratio block constrained minimal singular values
本文提出了块稀疏/压缩信号的压缩感知中测量矩阵的一种新的度量--$q$ -比块约束最小奇异值(BCMSV),并给出了计算这种新度量的算法。研究了基于$q$比BCMSV的块基追踪(BBP)、块Dantzig选择器(BDS)和群套索重建误差的混合$\ell_2/\ell_q$和混合$\ell_2/\ell_1$范数的稳定和鲁棒恢复。基于$q$ -比率块稀疏性建立了无噪声BBP精确恢复的充分条件,并提出了一个凸-凹过程来解决相应的非凸问题.此外,我们证明了次高斯随机矩阵,$q$比BCMSV是有界远离零的高概率时,测量的数量是合理的大。数值实验验证了理论结果。此外,我们证明了$q$比BCMSV为基础的误差界比块限制各向同性常数为基础的界限更紧。
2019-08-29 cs.IT eess.SP math.IT
Recovery under Side Constraints
本文讨论了稀疏信号重构下的各种类型的结构侧约束的应用在多天线系统。边约束可以由关于测量系统和稀疏信号结构的先验信息产生。它们可能涉及传感矩阵的结构,非零支持值的结构,稀疏表示向量的时间结构,以及非线性测量结构。首先,我们演示了如何先验信息的形式结构侧约束的影响恢复保证(零空间属性)使用L1最小化。此外,对于恒模信号,信号的行,块和秩稀疏,以及非圆形信号,我们说明了如何结构先验信息可以用来设计有效的算法,提高恢复性能和降低计算复杂性。最后,我们解决了测量系统的设计,线性和非线性测量稀疏信号。此外,我们讨论了基于相干最小化的线性混合矩阵设计。然后,我们将我们的重点扩展到非线性测量系统,我们设计并行优化算法,有效地计算稳定点的稀疏相位恢复问题,字典学习和没有。
2021-06-17 cs.IR cs.IT math.IT
The Restricted Isometry Property of Block Diagonal Matrices for Group-Sparse Signal Recovery
群稀疏性是一种常见的低复杂度信号模型,在科学和工程的各个领域有着广泛的应用。从压缩测量中恢复这样的信号集合已经在文献中被广泛研究,假设测量算子被建模为密集填充的随机矩阵。在本文中,我们把我们的注意力转向采集模型,旨在减轻传感设备的能量消耗,通过分裂成不同的信号块的测量。更确切地说,我们提出了统一的保证组稀疏信号恢复的情况下,一些传感器获得独立的部分信号观测块对角测量矩阵建模。我们建立了一个组稀疏变形的经典限制等距性质的块对角传感矩阵作用于组稀疏向量,并提供了条件下,亚高斯块对角随机矩阵满足此组RIP的高概率。特别考虑了两种不同的情况。在第一种情况下,我们假设每个传感器都配备了一个独立绘制的测量矩阵。稍后我们通过考虑具有恒定块对角项的测量矩阵来解除这一要求。换句话说,每个传感器都配备了相同原型矩阵的副本。建立群RIP的问题被转化为一种形式,其中需要建立混沌过程的上确界的集中行为,这涉及到估计Talagrand的$γ_2$泛函。作为一个副作用的证明,我们提出了一个扩展到Maurey的经验方法,提供新的界限的覆盖数量的集合组成的有限凸组合的可能无限集。
2022-03-23 cs.IT math.IT
Recovering a Single Community with Side Information
我们研究了边信息的质量和数量对大小为$n$的图中大小为$K=o(n)$的隐藏社区的恢复的影响。图中每个节点的边信息由具有以下特征的随机向量建模:允许向量的维度随$n$而变化,而每个分量相对于节点标签的对数似然比(LLR)是固定的,或者允许LLR变化并且向量维度是固定的。这两个模型代表了边信息的质量和数量的变化。根据最大似然检测,我们计算严格的必要和充分条件,准确恢复的标签。我们演示了如何边信息需要演变与$n$在其数量,或质量方面,以提高准确的恢复阈值。一组类似的结果得到弱恢复。在置信传播下,当LLR为常数时,得到了弱恢复的充分必要条件,当LLR随$n$变化时,得到了弱恢复的充分必要条件.此外,我们设计和分析了一个本地投票过程中使用的边信息,可以实现准确的恢复后,信念传播。通过有限合成数据集上的仿真验证了置信传播的结果,表明本文的渐近结果也可以揭示有限$n$上的性能。
2018-09-05 cs.IT math.IT stat.ML
Sparse Recovery of Fusion Frame Structured Signals
融合帧是提供信号空间的冗余表示的子空间的集合。他们通过用框架子空间代替框架向量来推广经典框架。本文考虑了从融合帧中稀疏恢复信号的问题。我们使用块稀疏模型的融合帧,然后表明,稀疏信号在此模型下可以压缩采样和重建的方式类似于标准的压缩感知(CS)。特别是,我们调用混合l1/l2范数最小化,以重建稀疏信号。在我们的工作中,我们表明,假设一定的不相干属性的子空间和先验知识,它允许我们提高恢复时,通常的块稀疏的情况下相比。
2018-04-05 cs.IT math.IT
Smoothness-Constrained Image Recovery from Block-Based Random Projections
Politecnico di Torino(都灵理工大学)
在本文中,我们解决的问题的视觉质量的图像重建逐块随机投影。块的独立重建会通过沿块边界显示伪影而严重影响视觉质量。我们提出了一种方法,通过修改传感和重建过程,以便采用部分重叠的块,以加强块边界的平滑度。所提出的算法通过从块计算快速预览来实现这一点,其目的是双重的。一方面,它允许强制执行一组约束,以驱动重建算法朝向平滑的解决方案,施加块边界的相似性。另一方面,预览被用作整个块的预测器,仅允许恢复预测误差。相对于独立重建结果的质量改善可以很容易地在视觉上以及在PSNR和SSIM指数方面进行评估。
2013-10-08 cs.CV cs.IT math.IT
Simultaneous Block-Sparse Signal Recovery Using Pattern-Coupled Sparse Bayesian Learning
University of Electronic Science and Technology of China(电子科技大学);China Academy of Engineering Physics(中国工程物理研究院)
在本文中,我们考虑块稀疏信号恢复问题的背景下,多个测量向量(MMV)与共同的行稀疏模式。我们开发了一种新的方法来恢复常见的行稀疏MMV信号,其中模式耦合的分层高斯先验模型被引入到共同的行稀疏MMV信号的系数的块稀疏性和相邻系数之间的统计依赖性的特征。与许多其他方法不同,该方法能够自动捕获未知信号的块稀疏结构。我们的方法是使用期望最大化(EM)的框架。仿真结果表明,该方法在恢复块稀疏共行稀疏模式MMV信号时具有较好的性能。
2017-11-06 cs.IT cs.LG eess.SP
Capacity of Block-Memoryless Channels with Causal Channel Side Information
获得了时变块无记忆信道的容量,其中发射机和接收机可以访问(可能不同的)有噪声的因果信道边信息(CSI)。它示出,在此对应关系中获得的容量公式减少到容量公式中报告的\cite{Gold07}的特殊情况下,发射机CSI是接收机CSI的确定性函数。
2008-06-05 cs.IT math.IT
Block-Sparse Recovery via Convex Optimization
The Johns Hopkins University(约翰斯·霍普金斯大学)
给定一个由多个块组成的字典和一个只存在于几个块的范围空间中的信号,我们研究了找到信号的块稀疏表示的问题,即,使用最小块数的表示法。受信号/图像处理和计算机视觉应用(如人脸识别)的启发,我们考虑了块稀疏恢复问题,在这种情况下,每个块中的原子数是任意的,可能远远大于底层子空间的维数。为了找到信号的块稀疏表示,我们提出了两类非凸优化程序,其目标分别是最小化非零系数块的数量和非零重构向量的数量。由于这两类问题是NP-困难的,我们提出凸松弛和推导条件下,每一类的凸计划是相当于原来的非凸制定。我们的条件依赖于字典的相互和累积子空间相干性的概念,这是现有的相互和累积相干性的概念的自然概括。我们通过模拟和真实的人脸识别实验来评估所提出的凸方案的性能。我们表明,将人脸识别问题视为块稀疏恢复问题,只需25%的训练数据,就可以将最先进的结果提高10%。
2012-04-13 cs.CV cs.IT math.IT
Exploiting Prior Information in Block Sparse Signals
研究了从欠采样观测值中恢复块稀疏信号的问题。这种信号的非零值出现在几个块中,并且它们的恢复通常使用$\ell_{1,2}$优化问题来完成。在诸如DNA微阵列的应用中,关于块支持物的一些先验信息,即,包含非零元素的块是可用的。在恢复过程中考虑额外信息的典型方式是求解加权$\ell_{1,2}$问题。在本文中,我们考虑一个块稀疏模型,其中块支持度与一些具有已知概率的给定块子集有交集。我们在这项工作中的目标是通过调整加权$\ell_{1,2}$问题的权重来最小化所需的线性高斯测量的数量,以完美地恢复信号。为了这个目标,我们应用工具,从圆锥积分几何和推导出封闭形式的表达式的最佳权重。我们通过精确的分析和模拟表明,加权$\ell_{1,2}$问题的最佳权重显着优于常规的$\ell_{1,2}$问题。我们进一步研究了最优权重对块概率失配的敏感性,并得出了小概率偏差下的稳定性结论。
2019-07-27 cs.IT math.IT
Source Coding with in-Block Memory and Causally Controllable Side Information
最近提出的具有辅助信息“自动售货机”的信源编码的设置允许解码器选择动作以便控制辅助信息的质量。动作可以取决于从编码器接收的消息和先前测量的边信息的样本,并且是成本受限的。此外,解码器对源的最终估计是编码器消息的函数,并且因果地取决于边信息序列。Permuter和Weissman先前的工作已经描述了在信源和“自动售货机”是无记忆的特殊情况下的速率失真成本函数的特征。在这项工作中,受Kramer提出的相关信道编码模型的启发,将率失真代价函数的表征扩展到具有块内存储的模型。各种特殊情况下,包括块前馈和边信息重复请求模型进行了研究。
2013-01-05 cs.IT math.IT
Partial Recovery Bounds for the Sparse Stochastic Block Model
本文研究了对称两社区随机块模型中社区发现的信息论极限,社区内和社区间的边缘概率分别为$\frac{a}{n}$和$\frac{b}{n}$.我们考虑稀疏设置,其中$a$和$b$不随$n$扩展,并提供平均恢复的社区标签比例的上限和下限。我们提供了一个数值例子,其中的界限是接近匹配的适度值的$a - b$,并在极限匹配的$a-b$增长大。
2016-04-04 cs.IT cs.SI math.IT
Many Access for Small Packets Based on Precoding and Sparsity-aware Recovery
现代移动终端产生大量小数据分组。对于这些短长度分组,由于繁重的信令开销,遵循当前的多址方案来分配传输资源是低效的。我们提出了一种非正交多址方案,非常适合于未来的通信系统配备了许多接收天线。该系统被建模为具有未知稀疏水平的块稀疏模式(即,发送的消息数量未知)。在每个单天线发射机处采用块预编码,以实现多个用户的同时传输。允许同时服务的活动用户的数量甚至大于接收天线的数量。在接收端设计了稀疏感知恢复算法,用于联合用户检测和符号解调。为了减小信道衰落对信号恢复的影响,引入了归一化块正交匹配追踪(BOMP)算法,并在对其近似性能分析的基础上,提出了基于干扰消除的BOMP(ICBOMP)算法。ICBOMP在归一化BOMP的每次迭代中执行错误校正和检测。仿真结果验证了该方案在小分组业务中的有效性,以及ICBOMP在提高信号恢复精度和降低计算代价方面的优势。
2016-04-11 cs.IT math.IT
Permutation Recovery Problem against Deletion Errors for DNA Data Storage
针对DNA数据存储的无序性和删除错误导致的含噪读取问题,提出一种排列恢复方法,通过重建地址识别含噪读取以确定数据块正确顺序,有效解决聚类问题,并证明了其在温和假设下的高识别率及分析了复杂度。
2024-03-23 cs.IT math.IT
Exact Community Recovery in Correlated Stochastic Block Models
Northwestern University(西北大学);Princeton University(普林斯顿大学)
我们考虑从多个相关网络中学习潜在社区结构的问题。研究了具有两个平衡社区的边相关随机块模型,重点研究了平均度与顶点数成对数关系的情形。我们的主要结果得出了精确的信息理论的阈值,使用多个相关图的确切社区恢复。该阈值捕获社区恢复和图匹配任务之间的相互作用。特别是,我们发现和表征的参数空间,其中精确的社区恢复是可能的,使用多个相关的图形,即使(1)这是信息理论上不可能使用一个单一的图形和(2)精确的图形匹配也是信息理论上不可能的。在这个制度中,我们开发了一种新的算法,仔细综合算法从社区恢复和图匹配文献。
2022-03-29 cs.IT cs.LG cs.SI
High-dimensional Clustering and Signal Recovery under Block Signals
本文针对块信号结构下的高维聚类与信号恢复问题,提出CFA-PCA和MA-PCA两种自适应方法,分别处理稀疏与稠密块信号,并证明其达到计算极小化极大下界,在更弱信号条件下实现一致聚类与恢复。
2025-04-11 cs.IT math.IT math.ST
Fixed point theory and semidefinite programming for computable performance analysis of block-sparsity recovery
Washington University in St. Louis(华盛顿大学圣路易斯分校)
本文利用固定点理论和半定规划计算凸块稀疏恢复算法的性能界,通过将优度度量与半定规划定义的函数的固定点关联,实现了可计算的性能界。
2011-10-05 cs.IT cs.NA math.IT
Interplay of Probabilistic Shaping and Carrier Phase Recovery for Nonlinearity Mitigation
研究了非线性系统中载波相位恢复与概率幅度整形的相互作用。我们发现,对于足够高的信噪比,第一个提供了相同的通道间的非线性缓解短块长度PAS实现。
2020-09-02 cs.IT math.IT
An Approximate Message Passing Framework for Side Information
近似消息传递(AMP)方法最近在稀疏信号恢复中获得了牵引力。关于信号的附加信息或\emph{side information}(SI)通常是可用的,并且可以帮助有效的信号恢复。这项工作提出了一个基于AMP的框架,利用SI,可以很容易地实现在各种设置中的SI结果在可分离的分布。为了说明我们的方法的简单性和适用性,这个框架被应用到一个Bernoulli-Gaussian(BG)模型和一个随时间变化的出生-死亡-漂移(BDD)信号模型,在信道估计的应用程序的动机。我们开发了一套算法,称为AMP-SI,并推导出去噪BDD和BG模型。数值证据表明,我们的方法的优势,提出了一个建议的状态演变的准确性的经验证据。
2019-05-02 cs.IT math.IT
Exact Recovery in the Data Block Model
Statistical Laboratory, Centre for Mathematical Sciences, University of Cambridge, Cambridge, United Kingdom(剑桥大学统计实验室,数学科学中心);Department of Mathematical Sciences, Isfahan University of Technology, Isfahan, Iran(伊斯法罕技术大学数学科学系);Department of Electrical Engineering, Faculty of Engineering, University of Isfahan, Isfahan, Iran(伊斯法罕大学工程学院电气工程系)
本文研究了数据块模型中的精确恢复问题,引入了Chernoff-TV分歧来刻画精确恢复阈值,并提出高效算法和反向结果,验证了节点数据在社区检测中的辅助作用。
2026-02-05 cs.IT cs.LG math.IT
Communication-Efficient LDPC Code Design for Data Availability Oracle in Side Blockchains
提高区块链系统吞吐量的一种流行方法是运行较小的侧链,将其区块的哈希值推送到可信的区块链上。侧区块链很容易受到拖延攻击,其中侧区块链节点将区块的哈希推送到受信任的区块链,但使该区块对其他侧区块链节点不可用。最近,Sheng等人提出了一种基于LDPC码的数据可用性预言机和一种数据分散协议作为上述问题的解决方案。虽然显示出改进,但代码和分散协议是分开设计的,这在与预言机相关联的通信成本方面可能不是最优的。在本文中,我们提供了一个定制的分散协议和专门的LDPC码建设的基础上的渐进边缘增长(PEG)算法,称为分散效率的PEG(DE-PEG)算法,旨在减少与新的分散协议的通信成本。我们的新代码结构降低了通信成本,此外,在系统设计方面限制较少。
2021-08-26 cs.CR cs.IT math.IT
Graph Community Detection from Coarse Measurements: Recovery Conditions for the Coarsened Weighted Stochastic Block Model
University of Toronto(多伦多大学);Vector Institute(向量研究院);Arizona State University(亚利桑那州立大学)
我们研究的问题,社区恢复从粗测量的图。与完全观察到的图的社区恢复问题相反,人们经常遇到在低分辨率下进行图的测量时的情况,每个测量跨多个图节点集成。这种低分辨率的测量有效地诱导了一个粗糙的图,它有自己的社区。我们的目标是开发条件图的结构,数量和测量的属性,在此条件下,我们可以恢复社区组织在这个粗糙的图。在本文中,我们建立在随机块模型的数学形式化的粗化过程,并表征其对社区成员和连接的影响。通过这种新的设置和建模,我们表征了社区恢复的误差界。的误差界产生简单和封闭形式的渐近条件,以实现完美的粗图社区的恢复。
2021-02-25 cs.IT cs.LG eess.SP
An Algebraic Framework for Concatenated Linear Block Codes in Side Information Based Problems
本文给出了带解码器边信息的信源编码及其对偶问题(带编码器边信息的信道编码)的代数框架,表明嵌套级联码可以达到相应的率失真和容量噪声界限。我们表明,代码级联保留了嵌套的代码的属性,只有一个级联码需要嵌套,这开辟了广泛的可能的新的代码组合,这些边信息为基础的问题。特别是,这些问题的实际上重要的二进制版本可以通过级联二进制内部和非二进制外部线性码来解决。通过观察折叠Reed-Solomon码的列表译码对于编码IID q进制源是渐近最优的,并且在与内部二进制码的级联中,它可以渐近地实现Bernoulli对称源的率失真界,我们用一个新的代数构造来说明我们的发现,该代数构造包括级联嵌套循环码和二进制线性分组码。
2012-04-24 cs.IT math.IT
Conditioning of Random Block Subdictionaries with Applications to Block-Sparse Recovery and Regression
线性模型是统计学和信号处理文献的主要内容,在线性模型中,一组观测值被假定为由矩阵的列的线性组合给出。在线性模型下进行推理的一个特殊挑战是理解字典上的条件,在这些条件下可靠的推理是可能的。近年来,由于许多现代推理问题涉及“欠定”设置,其中观察的数量比字典中的列数要小于得多,因此这一挑战重新引起了人们的关注。本文作出了几个贡献,这种设置时,一组的意见是由一个线性组合的一小部分列的字典,被称为“块稀疏”的情况下。首先,它指定字典上的条件,在该条件下,大多数块子字典是良态的。这个结果从根本上不同于先前关于块稀疏推理的工作,因为(i)它提供了可以在多项式时间内显式计算的条件,(ii)给定的条件转化为块子字典的列数的接近最优的缩放,作为大类字典的观察数的函数,以及(iii)它表明字典的谱范数和二次平均块相干性(而不是最坏情况的相干性)从根本上限制了条件良好的块子字典的维度的缩放。其次,本文研究了欠定背景下的块稀疏恢复和块稀疏回归问题。只要字典满足容易计算的条件,并且描述列组的线性组合的系数可以通过温和的统计先验来建模,则对于某些字典,接近最优的块稀疏恢复和回归是可能的。
2016-08-28 cs.IT math.IT math.ST
Pattern-Coupled Sparse Bayesian Learning for Recovery of Block-Sparse Signals
University of Electronic Science and Technology of China(电子科技大学);Stevens Institute of Technology(史蒂文斯理工学院);Schlumberger-Doll Research Center(斯伦贝谢多尔研究中心)
我们考虑的问题,恢复块稀疏信号的结构是未知的\emph{a priori}。块稀疏信号与非零系数发生在集群自然出现在许多实际情况。然而,在实践中,对块结构的知识通常是不可用的。在本文中,我们开发了一个新的稀疏贝叶斯学习方法恢复块稀疏信号与未知的聚类模式。具体地说,模式耦合的分层高斯先验模型被引入来表征系数之间的统计依赖性,其中一组超参数被用来控制信号系数的稀疏性。与传统的稀疏贝叶斯学习框架中每个单独的超参数独立地与每个系数相关联不同,在本文中,每个系数的先验不仅涉及其自身的超参数,而且还涉及其近邻的超参数。通过这种方式,相邻系数的稀疏模式彼此相关,并且分层模型具有鼓励结构化稀疏解决方案的潜力。超参数以及稀疏信号通过期望最大化(EM)算法最大化其后验概率来学习。数值实验结果表明,该算法与现有方法相比具有一致的优越性。
2013-11-09 cs.IT cs.LG math.IT
On the Price of Differential Privacy for Spectral Clustering over Stochastic Block Models
Nokia Bell Labs(诺基亚贝尔实验室);Princeton University(普林斯顿大学)
本文研究随机块模型下社区检测的边差分隐私谱聚类方法,提出隐私算法并刻画隐私预算与恢复准确性之间的权衡,同时给出信息论保证。
2025-05-09 cs.CR cs.IT cs.LG
On unified view of nullspace-type conditions for recoveries associated with general sparsity structures
我们讨论了一个一般的概念,“稀疏结构”和相关的恢复稀疏信号从其线性图像的降维可能与噪声损坏。我们的方法允许统一处理(a)“通常的稀疏性”和“通常的$\ell_1$恢复”,(b)块稀疏性与可能重叠的块和相关的块- $\ell_1$恢复,和(c)低秩定向恢复核范数最小化。所提出的恢复例程是压缩感知中使用的通常的$\ell_1$最小化的自然扩张。具体来说,我们提出了零空间类型的充分条件的恢复是精确的稀疏信号在无噪声的情况下。然后,我们推导出不完美的误差界(近稀疏信号,存在观测噪声等)。在这种条件下恢复。在所有这些情况下,我们提出了有效地验证相关的零空间属性的有效性的充分条件。
2012-07-04 cs.IT math.IT math.OC
Weak recovery, hypothesis testing, and mutual information in stochastic block models and planted factor graphs
本研究证明稀疏随机块模型中弱恢复与检测任务除临界点外等价,给出检测不可行时的高效低次最优检验,还证明渐近互信息在弱恢复阈值处存在相变,且结果可推广至超图块模型与植入因子图。
2025-02-21 cs.IT cs.SI math.CO
Weak Recovery Threshold for the Hypergraph Stochastic Block Model
研究 $r$-均匀超图随机块模型的弱恢复问题,引入多终端强数据处理不等式证明在特定参数下低于 KS 阈值时弱恢复不可能,并揭示了参数 $r$ 引发的相变与潜在信息-计算鸿沟。
2023-06-27 cs.IT math.IT math.PR
Hierarchical sparse recovery from hierarchically structured measurements with application to massive random access
一个新的家庭的运营商,创造分层测量运营商,介绍和讨论内著名的分层稀疏恢复框架。这种算子是块运算和混合运算的组合,特别是包含克罗内克积作为特例。他们的层次限制等距属性(HiRIP)的结果,推导出,推广以前的工作恢复的层次稀疏信号克罗内克结构的线性测量。具体而言,这些结果表明,非常令人惊讶的是,块和混合部分的稀疏性可以相互交换。测量结构是很好的动机,在通信工程中的大规模随机接入信道设计。用户检测率的数值评估证明了理论框架的巨大好处。
2021-05-07 cs.IT eess.SP math.IT
Community detection in general stochastic block models: fundamental limits and efficient recovery algorithms
随机块模型是两个非重叠对称社区的特殊情况,最近发现了新的相变现象。这特别提出了由阈值驱动的新算法挑战。本文探讨了是否有一个普遍的现象发生在多个社区,而不强加对称性。在一般的随机块模型$\text{SBM}(n,p,Q)$中,$n$顶点被分成大小为$\{p_i\}_{i \in [k]}$的$k$社区,社区中的顶点$i$和$j$以概率$\{Q_{i,j}\}_{i,j \in [k]}$独立连接.本文研究了一般SBM(在常数和对数度制度)的社区的部分和精确恢复,并使用结果的一般性来解决重叠社区。该论文的贡献包括:(i)根据新的发散函数$D_+$的一般SBM中的恢复阈值的明确表征,该新的发散函数推广了Hellinger发散和Bauffff发散,并且向类似于信道编码定理中的KL发散的发散函数提供了操作意义,(ii)开发一种算法,该算法将社区一直恢复到最佳阈值,并在准线性时间内运行,表明精确恢复对于多个社区没有信息理论到计算差距,与4个以上群落的检测结果相反;注意该算法在达到阈值和具有准线性复杂度方面都是最优的,(iii)发展一种有效的算法,在常数度范围内检测社区,并具有明确的准确性界限,当指定信号-信噪比(根据$\diag(p)Q$的光谱定义)趋于无穷大。
2015-04-04 cs.IT cs.SI math.IT
Recovery Theory for Projected Power Iterations in Permutation Synchronization
Saint Louis University(圣路易斯大学);University of Minnesota(明尼苏达大学)
本文研究排列同步中投影幂方法的恢复理论,在稀疏均匀损坏模型下证明了一步和轨迹的精确恢复保证,并扩展到偏排列场景。
2026-11-05 cs.IT math.IT math.OC
Learned-SBL: A Deep Learning Architecture for Sparse Signal Recovery
在本文中,我们提出了一个计算效率的稀疏信号恢复方案,使用深度神经网络(DNN)。引入的神经网络的架构灵感来自稀疏贝叶斯学习(SBL),并命名为学习SBL(L-SBL)。根据训练数据的性质,我们设计了一个通用的架构来从单个测量向量(SMV)或多个测量向量(MMV)中恢复稀疏向量以及块稀疏向量。在MMV模型中,可以训练L-SBL网络来学习向量之间的任何潜在稀疏模式,包括联合稀疏、块稀疏等。特别是,对于块稀疏恢复,学习SBL不需要块边界的任何先验知识。在L-SBL的每一层中,获得信号协方差矩阵的估计作为神经网络的输出。然后,最大后验概率(MAP)估计的未知稀疏向量的实现与不可训练的参数。在许多应用中,测量矩阵可以是时变的。现有的基于DNN的稀疏信号恢复方案需要使用当前测量矩阵对神经网络进行再训练。L-SBL的架构允许它接受测量矩阵作为网络的输入,从而避免了重新训练的需要。我们还评估了学习SBL在使用多输入多输出(MIMO)雷达检测扩展目标的性能。仿真结果表明,该方法提供了优越的稀疏恢复性能相比,国家的最先进的方法。
2019-09-17 cs.IT cs.LG eess.SP
Query-Limited Community Recovery in Stochastic Block Models
Microsoft Research(微软研究院);Indraprastha Institute of Information Technology(英德拉普拉斯塔信息技术学院);University of Liverpool(利物浦大学);Aalto University(阿尔托大学)
研究在有限且带噪的网络数据访问下,通过自适应查询策略实现两社区随机块模型的精确社区恢复,并证明自适应查询可突破非自适应基准的信息论极限。
2026-06-01 cs.IT cs.LG cs.SI
Exact Recovery in the General Hypergraph Stochastic Block Model
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);National University of Singapore(新加坡国立大学)
本文研究了一般d-一致超图随机块模型(d-HSBM)的精确恢复的基本极限,其中n个节点被划分为k个相对大小为(p1,.,pk)。基数为d的每个节点子集都独立地生成为d阶超边,其概率取决于d个节点所属的地面实况社区。目标是根据观察到的超图准确地恢复k个隐藏社区。我们表明,存在一个尖锐的阈值,使确切的恢复是可以实现的阈值以上,不可能低于阈值(除了一个小政权的参数,将被精确指定)。这一阈值表示在一个数量,我们称之为社区之间的广义B-H分歧。我们的结果,这个一般模型恢复先前的结果为标准的SBM和d-HSBM两个对称社区作为特殊情况。在证明我们的可实现性结果的过程中,我们开发了一个满足阈值的多项式时间两阶段算法。第一阶段采用一定的超图谱聚类方法来获得社区的粗略估计,第二阶段通过局部细化步骤单独细化每个节点,以确保准确的恢复。
2022-09-09 cs.IT cs.LG eess.SP
Community Detection and Stochastic Block Models
本专著综述了随机块模型(SBM)中社区检测的基本极限,涵盖信息论与计算权衡及精确、部分、弱恢复要求,并系统推导了图分割、半定规划、置信传播及谱方法等主要算法。
2023-10-25 cs.CC cs.IT cs.SI
Robust Recovery of Signals From a Structured Union of Subspaces
传统的采样理论考虑从一系列采样重构未知信号$x$的问题。通常保证从给定测量恢复的普遍假设是$x$位于已知子空间中。近年来,人们对非线性但结构化的信号模型越来越感兴趣,其中$x$位于子空间的并集中。在本文中,我们开发了一个通用的框架,从一组给定的样本强大和有效的恢复这样的信号。更具体地说,我们对待的情况下,其中$x$在于从一个更大的集合的$m$的可能性选择的$k$子空间的总和。样本被建模为具有任意一组采样函数的内积。为了得到一个有效的和强大的恢复算法,我们表明,我们的问题可以制定为恢复块稀疏向量的非零元素出现在固定的块。然后,我们提出了一个混合的$\ell_2/\ell_1$程序块稀疏恢复。我们的主要结果是一个等价的条件下,建议的凸算法是保证恢复原始信号。这个结果依赖于块限制等距属性(RIP)的概念,这是在压缩感知的上下文中广泛使用的标准RIP的推广。基于RIP,我们还证明了我们的方法在噪声和建模误差的存在下的稳定性。我们的框架的一个特殊情况是,恢复多个测量向量(MMV),共享一个联合稀疏模式。适应我们的结果,在这种情况下,导致新的MMV恢复方法以及等价条件下,整个集合可以有效地确定。
2009-03-30 cs.IT math.IT nlin.CG