Resumen

En muchas aplicaciones, las señales observadas están contaminadas tanto por ruido aleatorio como por desenfoque. Este trabajo propone un procedimiento de deconvolución ciega para estimar una función de regresión con posibles saltos preservados, eliminando tanto el ruido como el desenfoque al recuperar las señales. Nuestro procedimiento se basa en tres estimaciones locales de núcleo lineal de la función de regresión, construidas a partir de observaciones en una vecindad izquierda, derecha y bilateral de un punto dado, respectivamente. La función estimada en el punto dado se define entonces por una de las tres estimaciones con la menor suma de cuadrados residuales ponderados. Para eliminar mejor el ruido y el desenfoque, esta estimación también puede actualizarse de forma iterativa. El rendimiento de este procedimiento se investiga tanto mediante simulación como con ejemplos de datos reales, de los que se desprende que nuestro procedimiento funciona bien en varios casos.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:desenfoque, procedimiento, función de regresión, estimaciones de núcleo lineal local, suma residual ponderada más pequeña, procedimiento de deconvolución ciega, ejemplos de datos reales, ruido, punto, muchas aplicaciones
• Keywords:blur, procedure, regression function, local linear kernel estimates, smallest weighted residual sum, blind deconvolution procedure, real data examples, noise, point, many applications