Sensoriamento Compressivo
O Sensoriamento Compressivo (CS) é uma técnica de aquisição e reconstrução de sinais que explora a esparsidade do sinal para recuperar sinais de alta resolução a partir de muito menos amostras do que as exigidas pelo teorema de amostragem de Nyquist. Desenvolvido por Emmanuel Candès, Justin Romberg e Terence Tao em 2006, o sensoriamento compressivo desafia o paradigma tradicional de amostragem, mostrando que sinais com representações esparsas podem ser reconstruídos a partir de medições aleatórias sub-Nyquist usando otimização não linear.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/pt/signal-processing/compressive-sensing
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Filtro LMS AdaptativoProcessamento de sinais↔ comparar
- Projeto de Filtro FIRProcessamento de sinais↔ comparar
- Estimativa de Densidade Espectral de PotênciaProcessamento de sinais↔ comparar
- Transformada de Fourier de Curto PrazoProcessamento de sinais↔ comparar
Encontrou um problema nesta página? Relate ou sugira uma correção →