Ваше запитання стосується "точної" проблеми відновлення (ми хочемо відновити k-розріджений x точно з заданим Ax ). У наступному, хоча я зупинюсь на "надійній" версії, де x є довільним вектором, а мета алгоритму відновлення - знайти k -розрізне наближення x′ до x (це відмінність насправді має значення для деяких обговорень нижче ). Формально ви хочете виконати наступну проблему (назвіть це P1 ):
Конструкція A , що для будь-якого x можна відновити x′ де
∥x−x′∥L≤
minx"C∥x−x"∥R , де знаходиться в межах всіх -розмірних векторів.кx"k
Тут, і позначають ліву і праву норму, а - коефіцієнт наближення ". Можливі різні варіанти і . Для конкретності можна подумати, що обидва рівні або ; він може стати більш безладним, хоча ‖ ⋅ ‖ R C ‖ ⋅ ‖ L ‖ ⋅ ‖ R ℓ 2 ℓ 1∥⋅∥L∥⋅∥RC∥⋅∥L∥⋅∥Rℓ2ℓ1
Тепер до деяких аналогів та узагальнень.
Довільна основа. По-перше, зауважте, що будь-яка схема, що задовольняє наведеному вище визначенню, може використовуватись для вирішення більш загальної задачі, де відновлений сигнал є розрідженим у довільній основі (скажімо, вейвлет Фур'є), а не лише стандартній. Нехай - матриця базису. Формально вектор є -розрідженим в основі якщо де - -розмірний. Тепер ми можемо розглянути узагальнену задачу (назвати її ): B u k B u = B v v k P Bx′BukBu=BvvkPB
Створіть таким чином, що при заданому можна відновити деA B x x ′ ‖ x - x ′ ‖ L ≤ABABxx′∥x−x′∥L≤
x " k Bminx"C∥x−x"∥R , де пробігає всі вектори, які -sparse в .x"kB
Можна зменшити цю проблему до попередньої задачі , змінивши основу, тобто, використовуючи вимірювальну матрицю . Якщо у нас є рішення у нормі (тобто ліва і права норми дорівнює ), ми також отримаємо рішення у нормі . Якщо використовує інші норми, ми розв'язуємо в тих нормах, що змінюються зміною основи.A B = A B - 1 P 1 ℓ 2 ℓ 2 P B ℓ 2 P 1 P BP1AB=AB−1P1ℓ2ℓ2PBℓ2P1PB
Одне застереження у вищезазначеному полягає в тому, що у наведеному вище підході нам потрібно знати матрицю , щоб визначити . Можливо , що дивно, якщо допустити рандомізацію ( не є фіксованим , але замість цього вибирається випадковим чином ), можна вибрати з фіксованого розподілу , яка не залежить від . Це властивість так званої універсальності .A B A B A B BBABABABB
Словники. Наступне узагальнення можна отримати, відкинувши вимогу, що є основою. Натомість, ми можемо дозволити мати більше рядків, ніж стовпці. Такі матриці називаються (переповненими) словниками. Один популярний приклад - матриця ідентичності на вершині матриці Фур'є. Інший приклад - матриця, де рядки є характерними векторами всіх інтервалів у {1 ... n}; у цьому випадку множина { } містить усі "B B u : u є k-розрідженим kBBBu:u is k-sparsek -гістограми", тобто кусочно постійні функції понад {1 ... n} з максимум відрізками.k
Наскільки я знаю, немає загальної теорії для таких довільних словників, хоча над цією темою було досить багато роботи. Див., Наприклад,
Candes-Eldar-Needell'10 або
Donoho-Elad-Temlyakov, IEEE Transaction on Theory Information, 2004 .
Ескізи гістограм були широко досліджені в потоковій та літературній літературі, наприклад,
Gilbert-Guha-Indyk-Kotidis-Muthukrishnan-Strauss, STOC 2002 або
Thaper-Guha-Indyk-Koudas, SIGMOD 2002 .
Моделі. (згадується також Арнабом). Інше узагальнення полягає в запровадженні обмежень щодо моделей рідкості. Нехай - підмножина k -підгрупп {1 ... n}. Ми говоримо , що у є М -sparse , якщо носій функції і входить в елемент М . Тепер ми можемо поставити проблему (назвіть це P M ):MkuMuMPM
Конструкція , що для будь-якого x можна відновити x ′ де ‖ x - x ′ ‖ L ≤Axx′∥x−x′∥L≤
, де x " знаходиться в межах всіх М- розріджених векторів.minx"C∥x−x"∥Rx"M
Наприклад, елементи можуть мати вигляд I 1 ∪ ... ∪ I k , де кожному I i відповідає один "підблок" {1 ... n} деякої довжини b , тобто I i є форми {jb + 1 ... (j + 1) b} для деякого j . Це так звана модель "блокованості блоків". MI1∪…∪IkIibIij
Переваги моделей полягають у тому, що можна заощадити на кількості вимірювань порівняно з загальним підходом помірності. Це пояснюється тим, що простір M -розмірних сигналів менший за простір усіх k -розмірних сигналів, тому матриці A потрібно зберігати менше інформації. Докладніше див. У
Баранюк-Цевхер-Дуарте-Хегде, транзакції IEEE з інформаційної теорії, 2010 р. Або
Ельдар-Мішалі, IEEE Transaction on the Information Theory, 2009 .kMkA
Сподіваюся, це допомагає.