Documente Academic
Documente Profesional
Documente Cultură
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
1 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Contenido
1
Motivacion
Metodologa
Resultados
Trabajo futuro
Referencias
2 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Que es Interferometra?
Tecnica que consiste en la superposici
on de ondas
electromagneticas para obtener informaci
on acerca de estas.
Cuando las ondas poseen la misma frecuencia, la onda
resultante es determinada por el desfase de las ondas
individuales.
Figura 1: Interfer
ometro basico
3 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Interferometra en Astronoma
Arreglo de antenas que realizan mediciones de a pares, todas
apuntando en la misma direcci
on.
Obtener intensidad de la fuente en dicha porcion de cielo.
Resolucion depende de apertura efectiva, no del diametro de
la antena.
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
s s0
D
Correlator
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Figura 4: Relaci
on entre sistemas de coordenadas.
6 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Obtencion de datos
La ecuacion (2) muestra la salida del correlador.
Z
h
i
~
~ (~s0 + ~ ) d (2)
r(D , ~s0 ) =
A(~ )I(~ ) cos 2 D
4
7 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Plano de Fourier
8 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Plano de Fourier
Trayectorias elpticas si se considera rotaci
on terrestre.
Problema: Cubrir el plano de Fourier en la practica requiere
un proceso de medici
on exhaustivo.
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Compressed Sensing
Reconstruccion de se
nal con una tasa de datos menor a la
tasa de Nyquist.
Las mediciones se realizan en el dominio de Fourier.
Grado de libertad en dominio que promueve sparsidad y
disposicion de antenas.
= argmin||||1 s.t. y = A
(4)
10 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Metodologa
Obtencion de baselines continuos por medio de
transformaciones matriciales.
Discretizacion basada en Teorema del muestreo.
Disposicin de
antenas
Obtencin de
baselines (u,v)
continuos
Discretizacin
frecuencias (u,v)
Compressed
Sensing
Eleccin base de
sparsidad
11 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Metodologa
Se considera mediciones sin ruido (Basis Pursuit clasico).
No se considera rotaci
on terrestre (Snapshot).
En Figura 7 se aprecia imagen de prueba utilizada.
Original image
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Etapa 1
Validacion algoritmo/c
odigo utilizado para implementar CS.
Codigo basado en algoritmo Douglas Rachford (Combettes,
2007).
Phase Transition, threshold=1e10
0.95
0.85
0.75
K
M
0.55
0.65
0.45
0.35
0.25
0.15
0.05
0.05
0.15
0.25
0.35
0.45
0.55
0.65
0.75
0.85
0.95
M
N
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Etapa 2
Figura de merito: Probabilidad de reconstruccion exitosa
(Fannjiang, 2013).
Imagen puntual de 60 60 pixeles.
Porcentaje reconstrucciones exitosas (%)
90
80
70
60
50
40
30
20
10
0
0
100
200
300
400
500
600
700
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Etapa 3
PRE versus razon de submuestreo (tambien llamado uv
coverage) para NRA, URA y selecci
on aleatoria uniforme de
frecuencias, considerando 4 bases de sparsidad distintas:
Daubechies 4, Daubechies 8, Coiflet 3 y DCT. 100
realizaciones por punto de la curva.
Porcentaje reconstrucciones exitosas (%)
Db8
Db4
Coif3
DCT
40
30
20
10
0
0
10
20
30
40
50
60
70
80
90
uv coverage (%)
15 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Etapa 3
Para NRA, sobre 30% de submuestreo se tiene PRE igual a 1
para todas las bases consideradas.
Porcentaje reconstrucciones exitosas (%)
90
80
70
60
50
40
10
15
20
25
30
35
40
45
uv coverage (%)
16 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Etapa 3
Resultado similar a NRA, pero las curvas se levantan antes.
Porcentaje reconstrucciones exitosas (%)
90
80
70
60
50
40
30
20
10
0
0
10
15
20
25
30
35
40
45
uv coverage (%)
17 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Etapa 3
M
N
= 0.1
M
N
= 0.2
M
N
= 0.3
M
N
= 0.4
Original
18 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Etapa 4
Analisis de compresibilidad.
Comparar con decaimiento en potencia (power law ).
|ck | C1 iq ,
C1 , q > 0
(5)
10
0
0
100
200
300
400
500
600
700
800
900
1000
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Etapa 4
Compresible con k << n coeficientes si existen constantes
C2 , r > 0 (dependen solo de C1 , q) tal que:
k (x)2 C2 k r
(6)
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0
10
20
30
40
50
60
70
80
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Trabajo futuro
Analizar influencia de angulo horario h en la mascara de
medicion.
Analizar artefactos en reconstrucciones debido a disposicion
de antenas.
Incorporar al problema informaci
on a priori sobre la se
nal.
Model-Based CS (Misra,Parilo, 2015).
Estudiar muestreo estructurado o pseudoaleatorio en CS
(Nam Yul Yu, 2013) (Haupt, Applebaum, 2010).
RIPless CS (Candes, 2010).
StRIP o Statistical RIP (Barg, Mazumdar, 2015).
Considerar rotacion terrestre.
21 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Referencias I
[1] Barg, A., Mazumdar, A., and Wang, R.
Restricted isometry property of random subdictionaries.
Information Theory, IEEE Transactions on 61, 8 (2015), 44404449.
[2] Candes, E. J., and Plan, Y.
A probabilistic and ripless theory of compressed sensing.
Information Theory, IEEE Transactions on 57, 11 (2011), 72357254.
[3] Combettes, P. L., and Pesquet, J.-C.
A douglasrachford splitting approach to nonsmooth convex variational
signal recovery.
Selected Topics in Signal Processing, IEEE Journal of 1, 4 (2007), 564574.
[4] Eldar, Y. C., and Kutyniok, G.
Compressed sensing: theory and applications.
Cambridge University Press, 2012.
22 / 22
Motivaci
on
Descripci
on del problema
Metodologa
Resultados
Trabajo futuro
Referencias
Referencias II
[5] Haupt, J., Applebaum, L., and Nowak, R.
On the restricted isometry of deterministically subsampled fourier matrices.
In Information Sciences and Systems (CISS), 2010 44th Annual Conference
on (2010), IEEE, pp. 16.
[6] Misra, S., and Parrilo, P. A.
Weighted l1 -minimization for generalized non-uniform sparse model.
Information Theory, IEEE Transactions on 61, 8 (2015), 44244439.
[7] Thompson, A. R., Moran, J. M., and Swenson Jr, G. W.
Interferometry and synthesis in radio astronomy.
John Wiley & Sons, 2008.
[8] Yu, N. Y., and Li, Y.
Deterministic construction of fourier-based compressed sensing matrices
using an almost difference set.
EURASIP Journal on Advances in Signal Processing 2013, 1 (2013), 114.
23 / 22