Resumen

Las técnicas de Variación Total y Sensado Compresivo (TV-CS) representan un enfoque muy atractivo para problemas de dispersión inversa. De hecho, si se desconoce una función que es constante por partes y por lo tanto tiene un gradiente disperso, los enfoques TV-CS nos permiten lograr reconstrucciones óptimas, reduciendo considerablemente el número de medidas y aplicando la dispersión en el gradiente de las incógnitas buscadas. En este artículo, presentamos dos técnicas diferentes basadas en TV-CS que explotan de manera diferente el concepto de gradiente para mejorar la solución de los problemas de dispersión inversa obtenidos mediante el enfoque TV-CS. Se abordan ejemplos numéricos para mostrar la efectividad del método.

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Variación total; Compresión de señales; Problemas de inversión de dispersión; Gradiente disperso; Reconstrucciones óptimas; Ejemplos numéricos
• Keywords:Total variation; Compressive sensing; Inverse scattering problems; Sparse gradient; Optimal reconstructions; Numerical examples