Свойство пустого пространства
При сжатом зондировании свойство нулевого пространства дает необходимые и достаточные условия для восстановления разреженных сигналов с использованием методов -релаксация . Термин «свойство нулевого пространства» принадлежит Коэну, Дамену и ДеВору. [1] Свойство нулевого пространства часто трудно проверить на практике, а свойство ограниченной изометрии является более современным условием в области измерения сжатых данных.
Техника -релаксация
[ редактировать ]Невыпуклый - задача минимизации,
при условии ,
это стандартная проблема в сжатом измерении. Однако, -минимизация, как известно, NP-трудна . вообще [2] Таким образом, техника -релаксация иногда используется, чтобы обойти трудности реконструкции сигнала с использованием -норм. В -расслабление, проблема,
при условии ,
решается вместо проблема. Обратите внимание, что это расслабление является выпуклым и, следовательно, поддается стандартным методам линейного программирования - желательная функция с вычислительной точки зрения. Естественно, мы хотим знать, когда -расслабление даст тот же ответ, что и проблема. Свойство nullspace — это один из способов гарантировать соглашение.
Определение
[ редактировать ]Ан комплексная матрица имеет свойство порядка nullspace , если для всех наборов индексов с у нас есть это: для всех .
Условия восстановления
[ редактировать ]Следующая теорема дает необходимое и достаточное условие восстановимости заданного -разреженный вектор в . Доказательство теоремы является стандартным, и представленное здесь доказательство обобщено у Хольгера Раухута. [3]
Позволять быть сложная матрица. Затем каждый -разреженный сигнал это уникальное решение проблемы -проблемы с расслаблением тогда и только тогда, когда удовлетворяет свойству нулевого пространства с порядком .
Для прямого направления обратите внимание, что и являются различными векторами с по линейности , и, следовательно, в силу единственности мы должны иметь по желанию. Для обратного направления пусть быть -редкий и другой (не обязательно -разреженный) вектор такой, что и . Определите (ненулевой) вектор и заметьте, что оно лежит в нулевом пространстве . Вызов поддержка , и тогда результат следует из элементарного применения неравенства треугольника : , устанавливая минимальность .
Ссылки
[ редактировать ]- ^ Коэн, Альберт; Дамен, Вольфганг; ДеВор, Рональд (1 января 2009 г.). «Сжатое зондирование и наилучшее 𝑘-членное приближение» . Журнал Американского математического общества . 22 (1): 211–231. дои : 10.1090/S0894-0347-08-00610-3 . ISSN 0894-0347 .
- ^ Натараджан, Б.К. (1 апреля 1995 г.). «Разреженные приближенные решения линейных систем». СИАМ Дж. Компьютер . 24 (2): 227–234. дои : 10.1137/S0097539792240406 . ISSN 0097-5397 . S2CID 2072045 .
- ^ Раухут, Хольгер (2011). Компрессионное зондирование и структурированные случайные матрицы . CiteSeerX 10.1.1.185.3754 .