Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Marinho, Eberton da Silva"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Resultados por página
  • Opções de Ordenação
  • Carregando...
    Imagem de Miniatura
    Tese
    Análise estatística do método compressive sensing aplicado a dados sísmicos
    (2016-08-22) Marinho, Eberton da Silva; Lucena, Liacir dos Santos; Corso, Gilberto; ; http://lattes.cnpq.br/0274040885278760; ; http://lattes.cnpq.br/7151949476055522; ; http://lattes.cnpq.br/4697680575712492; Araújo, João Medeiros de; ; http://lattes.cnpq.br/3061734732654188; Nascimento, Hugo Alexandre Dantas do; ; http://lattes.cnpq.br/2920005922426876; Henriques, Marcos Vinicius Cândido; ; http://lattes.cnpq.br/7414109374510547
    O Compressive Sensing (CS) é uma técnica de processamento de dados eficiente na recuperação e construção de sinais a partir de uma taxa de amostragem menor que a requerida pelo teorema de Shannon-Nyquist. Esta técnica permite uma grande redução de dados para sinais que podem ser esparsamente representados. A Transformada Wavelet tem sido utilizada para comprimir e representar muitos sinais naturais, incluindo sísmicos, de uma forma esparsa. Há diversos algoritmos de reconstrução de sinais que utilizam a técnica de CS, como por exemplo: o $\ell_1$-MAGIC, o Fast Bayesian Compressive Sensing (Fast BCS) e o Stagewise Orthogonal Matching Pursuit (StOMP). Esta tese compara a recuperação de traços sísmicos sob uma perspectiva estatística usando diferentes métodos do CS, transformadas wavelets e taxas de amostragens. Mediu-se a correlação entre o Erro Relativo (ER) de recuperação pelo CS e as medições: coeficiente de variação, assimetria, curtose e entropia do sinal original. Parece haver uma correlação entre a curtose e entropia do sinal com o ER de reconstrução pelo CS. Ademais, foi analizado a distribuição do ER no CS. O $\ell_1$-MAGIC teve melhores resultados para taxas de amostragens até 40%. Além disso, a distribuição do ER no $\ell_1$-MAGIC teve mais histogramas normais, simétricos e mesocúrticos que no Fast BCS. Entretanto, para taxas de amostragem acima de 50%, o Fast BCS mostrou um melhor desempenho em relação à média do ER.
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM