Recuperação de sinais esparsos, RIP e transformada de Radón parcial
Sinais esparsos, Compresssed Sensing, Problemas Inversos, Tomografia geofísica, Transformada de Radón
Um dos temas mais populares em recuperação de dados nos últimos dez anos gira em torno da descoberta que a recuperação de sinais esparsos em sistemas lineares, pode ser feita com um número de equações bem menor que o número de variáveis. Em linhas gerais, se A = Amxn , queremos resolver Ax = b e procuramos soluções com s << n entradas não-nulas em algum sistema de coordenadas, isto pode ser feito com um número de equações m << n, minimizando a norma 1 de x , sujeito à restrição Ax = b, desde que estejam atendidas condições de “quase ortogonalidade” nas colunas das submatrizes de A formadas por s colunas (RIP – Restricted Isometry property + s << n) ( Vide [1]).
O objetivo desta dissertação é situar o problema, discutir e trabalhar uma técnica de visualização do sucesso na recuperação de imagens em função de s, m e n, apontada em [2], bem como usá-la para comparar a recuperação obtida em casos onde a hipótese RIP é satisfeita para a matriz A, com o que acontece num caso da tomografia linear poço a poço da geofísica (transformada de Radón parcial), onde naturalmente se dispõe de bem menos equações independentes do que incógnitas, a hipótese RIP não é verificada, mas no qual, ainda assim, se obtém resultados promissores na recuperação de algumas classes importantes de sinais esparsos.
[1] – Emmanuel J. Candès e Michael B. Waking - “People hearing without listening: An Introduction to compressive sensing” - IEEE Signal Processing Magazine (2008) Volume: 25, Issue: 2, Publisher: Citeseer, Pages: 21-30.
Cópia PDF disponível em http://www-stat.stanford.edu/~candes/papers/spm-robustcs-v05.pdf
[2] – Jeffrey D Blanchard, Coralia Cartis e Jared Tanner - Compressed Sensing: How Sharp Is the Restricted Isometry Property? - SIAM Rev. 53 (2011), pp. 105-125 (21 pages)
Cópia PDF disponível em http://arxiv.org/pdf/1004.5026v1.pdf