Low Complexity Regularized Phase Retrieval
Normandie Univ(诺曼底大学);ENSICAEN(卡昂高等工程师学院);CNRS(法国国家科学研究中心);GREYC(卡昂计算机科学、研究与成像实验室)
本文研究具有先验结构的低复杂度正则化相位恢复问题,提出统一分析框架,证明了无噪声精确恢复与有噪声稳定恢复的充分条件及样本复杂度界限。
2024-07-23 cs.CV cs.IT math.IT
Fixed Point Analysis of Douglas-Rachford Splitting for Ptychography and Phase Retrieval
提出了基于泊松和高斯对数似然函数的邻近点法的Douglas-Rachford分裂(DRS)方法,用于重叠关联和相位恢复。不动点分析表明,DRS迭代序列总是按步长显式有界的,且不动点吸引当且仅当不动点是正则解.这说明了经典Douglas-Rachford算法的两个主要缺点:当可行性问题是一致的时,收敛速度慢;当可行性问题是不一致的时,收敛速度慢。不动点分析也导致了一个简单的,明确的表达的最佳步长的频谱间隙的基础矩阵。当应用于盲重叠关联成像的挑战性问题时,其寻求同时恢复对象和探针,交替最小化与DRS内循环,即使具有远离最佳步长,也在唯一性理论中建立的接近最小值的条件下几何收敛。
2020-04-09 cs.NA math.NA math.OC
Solving Phase Retrieval via Graph Projection Splitting
利用先验信息进行相位恢复可以归结为一个非光滑、非凸的最优化问题。我们解决问题的图投影分裂(GPS),其中的两个邻近子问题和图投影步骤可以有效地解决。稍加修改,我们还提出了一个强大的图形投影分裂(RGPS)方法来稳定的迭代噪声测量。与直觉相反,RGPS优于GPS,即使在无噪声的情况下也能以更少的迭代找到满意的解。基于GPS与Douglas-Rachford迭代的联系,在对采样向量较弱的条件下,分析了GPS和RGPS用于无先验信息无噪声相位恢复的不动点集,给出了GPS和RGPS的局部收敛。对于有噪声的情况,我们给出了重建的误差界。与现有的其他方法相比,由于分裂的方法,GPS和RGPS可以有效地解决相位恢复与先验信息正则化的一般采样向量,不一定是等距的。对于高斯相位反演,数值结果表明,与现有的梯度流方法相比,GPS和RGPS对初始化的敏感性要小得多。因此,它们分别显著改善了无噪声情况下的相变和存在噪声时的重构。在包括RGPS在内的现有方法中,GPS的相位变化最剧烈,但当测量次数足够大时,GPS需要比RGPS更多的迭代次数。RGPS在噪声测量的稳定性方面优于GPS。当将RGPS应用于具有先验信息(例如支持度、稀疏度和TV最小化)的更一般的非高斯测量时,RGPS的性能优于最先进的求解器,或者可以与最先进的求解器相结合以提高其重建质量。
2019-10-19 math.OC
Convex Augmentation for Total Variation Based Phase Retrieval
the Chinese University of Hong Kong(香港中文大学)
相位恢复是一个重要的物理和工业应用问题。在本文中,我们考虑的情况下,一个潜在的信号的测量的幅度被破坏的高斯噪声。提出了一种基于全变差正则化的凸增强相位恢复方法。与流行的凸松弛模型如PhaseLift相比,我们的模型可以通过修改的半邻近交替方向法的乘法器(sPADMM)有效地解决。改进的sPADMM比标准的sPADMM更通用、更灵活,并证明了其收敛性。大量的数值实验进行了展示所提出的方法的有效性。
2022-04-21 cs.CV math.OC
Phase retrieval and matrix sensing via benign and overparametrized nonconvex optimization
CERMICS, CNRS, ENPC, Institut Polytechnique de Paris(CERMICS,法国国家科学研究中心,国立巴黎高等电信学校,巴黎理工学院)
本文研究了非凸优化算法在相位恢复及更一般的半定低秩矩阵感知问题中的应用,通过分析四次幂Burer-Monteiro因子最小二乘优化问题的非凸景观,证明适度过参数化可实现最优统计样本复杂度和误差。
2026-04-17 math.OC math.ST stat.TH
Provable Phase Retrieval with Mirror Descent
Normandie Univ(诺曼底大学);ENSICAEN(卡昂高等师范学院);CNRS(法国国家科学研究中心);GREYC(格雷西研究所);Aix-Marseille Univ(艾克斯-马赛大学);Centrale Marseille(马赛中央理工学院);Institut Fresnel(弗雷内尔研究所)
本文针对相位恢复问题提出基于特定Bregman散度的镜像下降算法,免去目标梯度全局利普希茨要求,证明高斯测量下高概率恢复且两种随机测量均有维度无关的局部线性收敛率,并通过实验验证。
2023-03-08 cs.CV cs.IT math.IT
Scalable Incremental Nonconvex Optimization Approach for Phase Retrieval
我们的目标是找到形式为$b_i=\lvert\bm{a}_i^*\bm{x}\rvert^2$,$i=1,2,\ldots,m$的二次方程组的解$\bm{x}\in\mathbb{C}^n$,例如,著名的NP难相位恢复问题。相对于最近提出的国家的最先进的非凸方法,我们恢复到半定松弛(SDR)的PhaseLift凸配方,并提出了一个连续的和增量的非凸优化算法,称为\texttt{IncrePR},间接减少所产生的凸问题的锥上的正半定矩阵。我们提出的方法克服了典型的SDP求解器的计算成本过高,以及需要一个良好的初始化典型的非凸方法。对于高斯测量,这通常是需要证明收敛的非凸方法,\texttt{IncrePR}与重新启动策略优于国家的最先进的非凸求解器与一个尖锐的相变的完美恢复和典型的凸求解器的计算成本和存储。对于实际应用中经常出现的更具挑战性的结构化(非高斯)测量,如传输矩阵和过采样傅里叶变换,可以使用具有多次重启的\texttt{IncrePR}来找到一个好的初始猜测。通过局部非凸解算器的进一步细化,当测量次数相对较少时,可以实现比直接应用非凸解算器获得的更好的解。大量的数值试验证明了所提出的方法的有效性。
2019-05-26 math.OC
Solving phase retrieval with random initial guess is nearly as good as by spectral initialization
从一组幅度测量值$y_i=|\langle \mathbf{a}_i, \mathbf{x} \rangle |, \; i=1,\ldots,m$恢复信号$\mathbf{x}\in \mathbb{R}^n$的问题被称为相位恢复,其在物理科学和工程领域中具有许多应用。本文证明了在最佳采样复杂度下,用于相位恢复的平滑振幅流模型具有良好的几何结构。特别地,我们证明了当测量值$\mathbf{a}_i\in \mathbb{R}^n$是高斯随机向量并且测量值的数目为$m\ge Cn$时,我们的平滑振幅流模型没有具有高概率的伪局部极小值,即,目标解$\mathbf{x}$是唯一的全局最小值(直到全局阶段),并且损失函数在每个鞍点周围具有负方向曲率。由于这种良好的几何景观,相位恢复问题可以通过梯度下降算法来解决,而无需频谱初始化。数值实验表明,随机初始化的梯度下降算法在经验成功率和收敛速度上与谱初始化算法相比,具有更好的性能.
2021-01-10 cs.IT cs.NA math.IT
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
Gaussian splatting holography
Tsinghua University(清华大学)
提出高斯溅射全息术(GSH),通过高斯溅射表示光场并将未知参数压缩至多15倍,将病态相位恢复转为良态,实现同轴全息无约束重建,精度媲美最先进方法,峰值信噪比达26 dB,结合全变分可提升至31 dB。
2025-09-25 math.OC physics.comp-ph physics.optics
Phase Retrieval for Partially Coherent Observations
相位恢复通常是一个非凸和非线性的任务,相应的算法与局部最小值的问题作斗争。我们考虑的情况下,测量样本内通常非常小的和断开的子集相干地相互连接-这是一个合理的假设,我们的天线测量的目标。两类测量设置进行了讨论,可以提供这种额外的信息:多探头系统和全息测量与多个参考信号。我们提出了相应的相位恢复问题的几个配方。这些公式中最简单的一个构成一个线性系统的方程类似的特征值问题,其中一个独特的非平凡零空间vectors. Accurate相位重建的部分相关的意见是,因此,有可能通过一个可靠的解决方案的过程和判断的解决方案的质量。在理想的无噪声条件下,所需的采样密度小于未知数的两倍。噪声和其他观测误差会略微增加此值。高斯随机矩阵和天线测量的情况下的仿真表明,可靠的相位重建是可能的方法。
2022-06-24 cs.IT cs.NA eess.SP
Phase Retrieval Using Feasible Point Pursuit: Algorithms and Cramér-Rao Bound
Harbin Institute of Technology(哈尔滨工业大学);University of Minnesota(明尼苏达大学);Shenzhen University(深圳大学);City University of Hong Kong(香港城市大学)
本文提出两种基于非凸二次约束二次规划的相位恢复算法,并推导了Cramér-Rao界,通过仿真显示LS-FPP在性能上优于现有算法并接近Cramér-Rao界。
2016-03-28 cs.IT cs.NA math.IT
Adaptive Algorithms for Robust Phase Retrieval
University of Notre Dame(圣母大学);The Pennsylvania State University(宾夕法尼亚州立大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出自适应步长的鲁棒相位恢复算法,通过分位数设计提升收敛性,实验验证其在图像恢复中的有效性。
2026-10-07 math.OC
A Fast and Provable Algorithm for Sparse Phase Retrieval
针对稀疏相位恢复问题,提出一种带硬阈值的牛顿型二阶算法,在保持每迭代计算效率的同时实现二次收敛,理论保证和实验均验证其优于一阶方法。
2024-03-19 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
Convergence Analysis of Reshaped Wirtinger Flow with Random Initialization for Phase Retrieval
本文分析了随机初始化下重塑Wirtinger流算法在相位恢复中的收敛性,证明在高斯测量且样本量满足近最优条件时,算法可在对数级迭代内达到ε精度,并通过实验验证其对初始化随机性和较大步长的鲁棒性。
2025-07-21 math.OC
Phase retrieval using alternating minimization in a batch setting
本文考虑相位恢复的问题,其目标是从观测$y_i=|a_i^* z|$,$i=1,2,\cdots,m$恢复信号$z\in C^n$。虽然已经提出了许多算法,交替最小化算法一直是最常用的方法之一,它是非常简单的实现。目前的工作已经证明,当观测向量$\{a_i\}_{i=1}^m$从复高斯分布$N(0, I)$中采样时,它恢复了潜在的信号,当$m=O(n)$时具有良好的初始化,或者当$m=O(n^2)$时具有随机初始化,并且它证明了随机初始化成功与$m=O(n)$。本文提出了一种改进的交替最小化方法,在批量设置,并证明了当$m=O(n\log^{3}n)$,所提出的算法与随机初始化恢复潜在的信号具有高概率。该证明是基于这样的观察,即在交替最小化的每次迭代之后,以高概率,估计信号和基础信号之间的角度减小。
2018-09-13 math.OC math.ST stat.TH
Robust Phase Retrieval by Alternating Minimization
针对稀疏噪声下的鲁棒相位恢复问题,提出基于无约束Gauss-Newton的鲁棒交替最小化(Robust-AM)算法,在标准高斯测量下证明了其非渐近线性收敛性及阶数最优样本复杂度,并在实验中优于现有方法。
2024-03-28 eess.SP math.OC math.ST