Show simple item record

dc.date.accessioned 2016-09-22T16:07:45Z
dc.date.available 2016-09-22T16:07:45Z
dc.identifier.uri http://digital.cic.gba.gob.ar/handle/11746/4284
dc.title Algoritmo con compresión óptima para modelos mixtos lineales ralos es
dc.type Documento de conferencia es
dcterms.abstract En varios problemas de procesamiento de señales los datos observados pueden ser representados mediante la contribución de tres fenómenos: la señal de interés, la interferencia, y el ruido. Atendiendo a su naturaleza frecuentemente aleatoria se requiere el empleo de técnicas estadísticas para obtener información de los datos. Dependiendo de la aplicación, cada uno de los citados fenómenos recibe distintos nombres; por ejemplo, la interferencia se denomina clutter en radar, reverberación en sonar y multicamino en comunicaciones inalámbricas. Estos problemas pueden ser descriptos mediante los denominados modelos lineales mixtos. En la sección 2 se presenta el modelado y el problema a resolver.\nEn varias aplicaciones, como radar, la señal de interés posee una cualidad adicional denominada raleza. Esto quiere decir que la mayor parte de esta señal es nula y sólo posee valores diferentes de cero en unos pocos componentes.\nBuscar una solución rala de un modelo lineal es un problema de optimización no convexo ya que está restringido a minimizar el número de componentes no-nulos de la señal, llamado norma l<sub>c</sub>. Este planteo suele ser muy complicado de resolver por lo que una alternativa es usar una técnica de relajación, creando un problema convexo, buscando una solución con la menor norma l<sub>1</sub>.\nEn la sección 3 de este trabajo se presenta un nuevo algoritmo para la resolución del problema inverso de modelos lineales mixtos ralos subdeterminados, basado en optimizar la función de verosimilitud. Como este problema es mal condicionado y no posee solución analítica cerrada, se utiliza el algoritmo de esperanza-maximización (EM) para su resolución numérica (obtención de los parámetros del modelo). Sin embargo, como esta solución no es rala, en la sección 4 se describe un test de decisión que, aplicado en forma iterativa, garantiza la raleza eliminando gradualmente los componentes estadísticamente no significativos de la solución. Adicionalmente, en la sección 5, se propone una modificación al algoritmo que reduce la cantidad mínima de datos observados necesarios para obtener una reconstrucción eficiente y precisa de la solución rala. Esta modificación consiste en realizar una compresión óptima de los datos observados antes de aplicar el algoritmo EM.\nEn la sección 6, mediante simulaciones, se ilustra el desempeño del algoritmo, obteniéndose mejorías sobre el método de óptima norma l<sub>1</sub>.\nFinalmente, en la sección 7, se analiza el comportamiento del algoritmo con señales reales de radar demostrando sus potenciales aplicaciones. es
dcterms.extent 8 p. es
dcterms.issued 2011-04
dcterms.language Español es
dcterms.license Attribution 4.0 International (BY 4.0) es
cic.version info:eu-repo/semantics/publishedVersion es
dcterms.creator.author Pazos, Sebastián es
dcterms.creator.author Muravchik, Carlos Horacio es
dcterms.creator.author Hurtado, Martín A. es
cic.lugarDesarrollo Universidad Nacional de La Plata es
dcterms.subject.materia Ingeniería Eléctrica y Electrónica es
dcterms.identifier.url Documento completo es
dcterms.isPartOf.issue I Jornadas es
dcterms.isPartOf.series Jornadas de Investigación y Transferencia es
cic.isPeerReviewed true es
cic.isFulltext true es


Files

  • Icon

    Documento completo 

    PDF file (368.7Kb)

  • This item appears in the following Collection(s)

    Show simple item record