PPGINF PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Telefone/Ramal: Não informado http://propg.ufabc.edu.br/ppginfo

Banca de QUALIFICAÇÃO: CAROLINE PIRES ALAVEZ MORAES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : CAROLINE PIRES ALAVEZ MORAES
DATA : 02/08/2019
HORA: 10:00
LOCAL: sala 301, 3º andar, Bloco B, Campus SA da Fundação Universidade Federal do ABC
TÍTULO:

Novas Abordagens Para Separação Cega de Fontes no Contexto Post-Nonlinear


PÁGINAS: 60
RESUMO:

Na área de processamento de sinais, o problema de separação cega de fontes
(BSS, do inglês
Blind Source Separation) ocupa uma posição de notoriedade em
vista de sua versatilidade e de possíveis aplicações práticas. Apesar de contar
com um sólido arcabouço teórico em sua vertente linear, a abordagem não linear
genérica ainda carece de metodologias que possam garantir a separação das fontes,
tornando este tópico de pesquisa bastante atual e desafiador. Este trabalho propõe
duas abordagens empregando o modelo
Post-Nonlinear (PNL), uma baseada na
minimização da informação mútua e a outra baseada em estatísticas de segunda ordem.
Na primeira abordagem, é necessária a estimação da distribuição das fontes, que
podem ser estimadas usando funções de kernel. Frequentemente, a função de kernel
Gaussiana é utilizada. No entanto, outras funções de kernel com propriedades
interessantes podem ser aplicadas, como o kernel Epanechnikov. Com base nisso,
aplicamos o kernel Epanechnikov para estimar a pdf, a fim de
recuperar as fontes. Além disso, comparamos um kernel Gaussiano clássico com o
kernel Epanechnikov, mostrando que este último tem um desempenho melhor que o
anterior. Ainda dentro do contexto de misturas não lineares, o conhecimento prévio
de algumas informações adicionais como estrutura temporal e conhecimento a priori
de certas características das fontes, podem auxiliar no desenvolvimento de novos
métodos de separação que sejam mais robustos. A maioria das técnicas de separação
envolvem estatísticas de ordem superior e algoritmos que utilizam redes neurais ou
metaheurísticas. Com o intuito de facilitar o processo de recuperação, também neste
trabalho, desenvolvemos um algoritmo simples de separação chamado A-SOBIPNL,
que baseado no gradiente descendente, utiliza apenas estatísticas de segunda ordem
para explorar a estrutura temporal dos sinais das fontes. Para isso, combinamos dois
algoritmos clássicos, o AMUSE e o SOBI, para atuarem na parte linear e não linear,
respectivamente, obtendo um bom desempenho.


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1544392 - ALINE DE OLIVEIRA NEVES PANAZIO
Membro Titular - Examinador(a) Interno ao Programa - 1761107 - RICARDO SUYAMA
Membro Titular - Examinador(a) Externo ao Programa - 2356637 - KENJI NOSE FILHO
Membro Suplente - Examinador(a) Interno ao Programa - 1761105 - MURILO BELLEZONI LOIOLA
Membro Suplente - Examinador(a) Interno ao Programa - 2334927 - ANDRE KAZUO TAKAHATA
Notícia cadastrada em: 25/06/2019 15:54
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2020 - UFRN - sigaa-1.ufabc.int.br.sigaa-1