Sensado Compresivo
El Sensado Compresivo (CS) es una técnica de adquisición y reconstrucción de señales que explota la escasez (sparsity) de la señal para recuperar señales de alta resolución a partir de muchas menos muestras de las requeridas por el teorema de muestreo de Nyquist. Desarrollado por Emmanuel Candès, Justin Romberg y Terence Tao en 2006, el sensado compresivo desafía el paradigma tradicional de muestreo al demostrar que las señales con representaciones dispersas pueden ser reconstruidas a partir de mediciones aleatorias sub-Nyquist utilizando optimización no lineal.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- Candes, E. J., Romberg, J., & Tao, T. (2006). Robust Uncertainty Principles: Exact Signal Reconstruction from Highly Incomplete and Inaccurate Measurements. IEEE Transactions on Information Theory, 52(2), 489–509. DOI: 10.1109/TIT.2005.862083 ↗
- Eldar, Y. C., & Kutyniok, G. (2012). Compressed Sensing: Theory and Applications. Cambridge University Press. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/es/signal-processing/compressive-sensing
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Filtro Adaptativo LMSProcesamiento de señales↔ comparar
- Diseño de filtros FIRProcesamiento de señales↔ comparar
- Estimación de la Densidad Espectral de PotenciaProcesamiento de señales↔ comparar
- Transformada de Fourier de Tiempo CortoProcesamiento de señales↔ comparar
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →