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

Banca de DEFESA: CAROLINE PIRES ALAVEZ MORAES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : CAROLINE PIRES ALAVEZ MORAES
DATA : 03/02/2020
HORA: 14:00
LOCAL: sala 301, 3º andar, Bloco B, Campus SA da Fundação Universidade Federal do ABC, localizada na Avenida dos Estados, 5001, Santa Terezinha, Santo André, SP
TÍTULO:

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


PÁGINAS: 84
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 kernel. Frequentemente, a função kernel Gaussiana é
utilizada. No entanto, outras funções kernel com propriedades interessantes podem
ser aplicadas, como o kernel Epanechnikov. Com base nisso, aplicamos o kernel
Epanechnikov para estimar as distribuições, 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 a estrutura temporal e o 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, na segunda abordagem tratada neste
trabalho, desenvolvemos um algoritmo de separação chamado A-SOBIPNL, baseado
no gradiente descendente, que 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 à Instituição - LEONARDO TOMAZELI DUARTE
Membro Suplente - Examinador(a) Interno ao Programa - 1761105 - MURILO BELLEZONI LOIOLA
Membro Suplente - Examinador(a) Externo ao Programa - 1932365 - FABRICIO OLIVETTI DE FRANCA
Notícia cadastrada em: 04/01/2020 17:10
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2020 - UFRN - sigaa-1.ufabc.int.br.sigaa-1