Algoritmo de tomografia por impedância elétrica utilizando programação linear como método de busca da imagem.

• Ano de defesa: 2007
• Autor(a) principal: Montoya Vallejo, Miguel Fernando
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Electrical impedance tomography; Gauss-Newton; Linear programming; Método dos elementos finitos; Otimização não-linear; Programação linear; Sensitivity matrix; Tomografia
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-14012008-093717/

A Tomografia por Impedância elétrica (TIE) tem como objetivo gerar imagens da distribuição de resistividade dentro de um domínio. A TIE injeta correntes em eletrodos alocados na fronteira do domínio e mede potenciais elétricos através dos mesmos eletrodos. A TIE é considerada um problema inverso, não-linear e mal posto. Atualmente, para gerar uma solução do problema inverso, existem duas classes de algoritmos para estimar a distribuição de resistividade no interior do domínio, os que estimam variações da distribuição de resistividade do domínio e os absolutos, que estimam a distribuição de resistividade. Variações da distribuição de resistividade são o resultado da solução de um sistema linear do tipo Ax = b. O objetivo do presente trabalho é avaliar o desempenho da Programação Linear (PL) na solução do sistema linear, avaliar o algoritmo quanto a propaga- ção de erros numéricos e avaliar os efeitos de restringir o espaço solução através de restrições de PL. Os efeitos do uso de Programação Linear é avaliado tanto em métodos que geram imagens de diferenças, como o Matriz de Sensibilidade, como em métodos absolutos, como o Gauss-Newton. Mostra-se neste trabalho que o uso da PL diminui o erro numérico propagado quando comparado ao uso do algoritmo LU Decomposition. Resulta também que reduzir o espaço solução, diretamente através de restrições de PL, melhora a resolução em resistividade e a resolução espacial da imagem quando comparado com o uso de LU Decomposition.