2
views
0
recommends
+1 Recommend
1 collections
    0
    shares
      • Record: found
      • Abstract: found
      • Article: found
      Is Open Access

      Análisis de la eficiencia del algoritmo de reconstrucción de señales basado en la mediana ponderada a través de la regresión de Cox Translated title: Analysis of the efficiency of weighted median-based signal reconstruction algorithm through Cox regression

      research-article

      Read this article at

      Bookmark
          There is no author summary for this article yet. Authors can add summaries to their articles on ScienceOpen to make them more accessible to a non-specialist audience.

          Abstract

          En el presente artículo se analiza, a través del modelo de regresión de Cox, la eficiencia del algoritmo de reconstrucción de señales basado en la regresión de Mediana Ponderada, en el contexto del Sensado Comprimido. Se realizaron 1620 reconstrucciones de señales de diferente tamaño, con diferente tamaño de soporte (K), y variando además, el número de medidas (M) y el parámetro de regularización (α), que forma parte esencial del algoritmo bajo estudio. Entre los resultados más importantes obtenidos se encuentra que la eficiencia del algoritmo tiene un comportamiento parabólico invertido con respecto a α, alcanzando su máximo en α=0.8. Además, se encontró que este algoritmo tiende a ser sensible a variaciones de α y M, de manera que con ligeros cambios en estos parámetros el algoritmo puede cambiar radicalmente su velocidad de convergencia. Así, ajustando adecuadamente el valor de M se logra controlar el comportamiento inestable antes descrito, pues si la relación M/K pasa de 7 a 9, la probabilidad de que el algoritmo presente un buen desempeño aumenta del 40% al 70%. De igual manera, si el valor de α cambia de 0.5 a 0.9, la probabilidad de que el algoritmo presente un buen desempeño aumenta de 0.14 a 0.96.

          Translated abstract

          In this paper, the efficiency of the algorithm for compressive sensing (CS) signal reconstruction based on weighted median regression (WMR) is analyzed through a Cox-regression model. We perform 1620 reconstructions for signals with different dimension (N), sparsity (K), number of measurements (M) and regularization parameter (α) that induces sparsity in the solution. Among the most relevant results, we find that the algorithm efficiency, as a function of the regularization parameter, follows an inverted parabolic function reaching its maximum at α = 0.8. Furthermore, we show that the reconstruction algorithm is quite sensible to α and M. Thus, a slight change on those parameters leads to a notable variation on the algorithm’s convergence speed. Therefore, by suitably tunning the number of measurements, we can control the volatile described above. Thus, if the ratio N/M goes from 7 to 9, the probability of having a good performance increases from 0.4 to 0.7. Furthermore, if α changes from 0.5 to 0.9 this probability increases from 0.14 to 0.96.

          Related collections

          Most cited references14

          • Record: found
          • Abstract: not found
          • Article: not found

          Compressed sensing

            Bookmark
            • Record: found
            • Abstract: not found
            • Article: not found

            Signal Recovery From Random Measurements Via Orthogonal Matching Pursuit

              Bookmark
              • Record: found
              • Abstract: not found
              • Article: not found

              Ultra-Wideband Compressed Sensing: Channel Estimation

                Bookmark

                Author and article information

                Journal
                uct
                Universidad, Ciencia y Tecnología
                uct
                Universidad Nacional Experimental Politécnica " Antonio José de Sucre", UNEXPO, Vicerrectorado Puerto Ordaz. (Puerto Ordaz, Bolívar, Venezuela )
                1316-4821
                September 2012
                : 16
                : 64
                : 173-180
                Affiliations
                [01] Merida orgnameUniversidad de los Andes Venezuela
                Article
                S1316-48212012000300003 S1316-4821(12)01606403
                43ba279f-5ef3-49f7-a2e5-59392ba35c0c

                http://creativecommons.org/licenses/by/4.0/

                History
                : February 2012
                : May 2012
                Page count
                Figures: 0, Tables: 0, Equations: 0, References: 13, Pages: 8
                Product

                SciELO Venezuela

                Self URI: Texto completo solamente en formato PDF (ES)
                Categories
                Electrónica

                Survival Analysis,Reconstrucción de señales,Sensado comprimido,Mediana ponderada,Regresión de Cox,Análisis de supervivencia,Signal Reconstruction,Compressive Sensing,Weighted Median,Cox Regression

                Comments

                Comment on this article