Use este identificador para citar ou linkar para este item:
https://ri.unir.br/jspui/handle/123456789/4393
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | Rodrigues, Matheus da Costa | - |
dc.date.accessioned | 2023-07-10T13:51:21Z | - |
dc.date.available | 2023-07-10T13:51:21Z | - |
dc.date.issued | 2022 | - |
dc.identifier.citation | RODRIGUES. Matheus da Costa. Amostragem de sinais e processamento digital: estudo comparativo entre a teoria clássica de amostragem e a nova técnica de compressed sensing. 2022. 46 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Fundação Universidade Federal de Rondônia, Porto Velho, 2022. | pt_BR |
dc.identifier.uri | https://ri.unir.br/jspui/handle/123456789/4393 | - |
dc.description.abstract | A amostragem é uma área do processamento digital nascida da necessidade de transformar um sinal de tempo contínuo em sua forma de tempo discreto, sendo ela, portanto, a porta de entrada do mundo contínuo para o mundo digital. O Teorema da Amostragem de Shannon-Nyquist ´e um importante resultado dentro desta área do conhecimento, sendo ele responsável por informar as condições que devem ser atendidas para que um sinal possa ser amostrado e reconstruído de forma correta. Porém, com as mais recentes inovações tecnológicas (como radares de alta frequência ou aplicações médicas, como tomografias) surge a necessidade de executar esta tarefa em condições que não estão de acordo com o teorema da amostragem. Por esta razão, novas áreas dentro do processamento digital nascem para preencher esta lacuna, e ´e neste cenário que surge a técnica de Compressed Sensing, uma nova abordagem baseada em modelos matemáticos de otimização que permite a reconstrução de sinais com quantidade de amostras muito menores que as exigidas pelo teorema da amostragem e com grande eficiência. Este artigo tem por finalidade apresentar os arcabouços teóricos de ambas as teorias (clássica e Compressed Sensing) de forma intuitiva, bem como mostrar as diferenças entre elas. Além disso, objetiva-se demonstrar as potencialidades da nova técnica por meio de simulações em Python, usando algoritmos de busca por correspondência (COSAMP) e otimização convexa (CVXPY ). | pt_BR |
dc.description.provenance | Submitted by Marcelo Cardoso (marcelo.garcia@unir.br) on 2023-07-10T13:51:08Z No. of bitstreams: 1 TCC.pdf: 4216406 bytes, checksum: 3434a9bc1c23c4b3d00b7a33a03955bf (MD5) | en |
dc.description.provenance | Approved for entry into archive by Marcelo Cardoso (marcelo.garcia@unir.br) on 2023-07-10T13:51:21Z (GMT) No. of bitstreams: 1 TCC.pdf: 4216406 bytes, checksum: 3434a9bc1c23c4b3d00b7a33a03955bf (MD5) | en |
dc.description.provenance | Made available in DSpace on 2023-07-10T13:51:21Z (GMT). No. of bitstreams: 1 TCC.pdf: 4216406 bytes, checksum: 3434a9bc1c23c4b3d00b7a33a03955bf (MD5) Previous issue date: 2022 | en |
dc.language.iso | other | pt_BR |
dc.subject | Teorema da amostragem | pt_BR |
dc.subject | Compressed sensing | pt_BR |
dc.subject | CVXPY | pt_BR |
dc.title | Amostragem de sinais e processamento digital: estudo comparativo entre a teoria clássica de amostragem e a nova técnica de compressed sensing | pt_BR |
dc.type | Other | pt_BR |
Aparece nas coleções: | Engenharia Elétrica (Monografias) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC.pdf | 4,12 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.