Novas abordagens para separação cega de fontes no contexto post-nonlinear

Detalhes bibliográficos
Autor(a) principal: Moraes, Caroline Pires Alavez
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122041
Resumo: Orientadora: Profa. Dra. Aline de Oliveira Neves Panazio
id UFBC_74fac2faeb6c131fae0ec999f3f71f08
oai_identifier_str oai:BDTD:122041
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Novas abordagens para separação cega de fontes no contexto post-nonlinearSEPARAÇÃO CEGA DE FONTESPOST-NONLINEARKERNEL EPANECHNIKOVESTATÍSTICAS DE SEGUNDA ORDEMBLIND SOURCE SEPARATIONPOST-NONLINEAR MIXTURESEPANECHNIKOV KERNELSECOND-ORDER STATISTICSPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCOrientadora: Profa. Dra. Aline de Oliveira Neves PanazioCoorientador: Prof. Dr. Denis Gustavo FantinatoDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, Santo André, 2020.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 recuperadas, sendo as funções kernel muito promissoras para tal fim. Frequentemente, o kernel Gaussiano é adotado, porém, 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, uma análise comparativa entre o kernel Gaussiano e o kernel Epanechnikov é realizada, 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 métodos de separação 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, 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.In signal processing, the Blind Source Separation (BSS) problem occupies an important position in view of its versatility and practical applications. Even though the theoretical framework is well established in the linear context, the generic nonlinear approach still lacks for methodologies capable of ensuring source separation, which makes this research field very actual and challenging. This work proposes two approaches using the Post-Nonlinear model (PNL), one based on the minimization of mutual information and the second one using second-order statistics. In the first approach, it is necessary to estimate the distribution of the sources, which can be done using kernel functions. Usually, the Gaussian kernel is used. However, other kernel functions with interesting properties can be applied, such as the Epanechnikov kernel. We use both functions to estimate the probability density function, showing that the method developed with the Epanechnikov kernel performs better than with the Gaussian kernel. In addition, the prior knowledge of some additional information such as temporal structure and a priori knowledge of certain features of the sources can aid in the development of new separation methods that are more robust. Most of separation techniques involve higher-order statistics and algorithms that use neural networks or metaheuristics. In this work, we also developed a simple separation algorithm called A-SOBIPNL, which, only uses second-order statistics to explore the temporal structure of the source signals. For this, we combine two classical algorithms, AMUSE and SOBI, to be applied on the linear and nonlinear stages, respectively, obtaining a high performance of the algorithmPanazio, Aline de Oliveira NevesFantinato, Denis GustavoDuarte, Leonardo TomazeliSuyama, RicardoMoraes, Caroline Pires Alavez2020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf107 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122041http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122041&midiaext=79038http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122041&midiaext=79039Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=122041porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2022-03-21T13:49:40Zoai:BDTD:122041Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2022-03-21T13:49:40Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Novas abordagens para separação cega de fontes no contexto post-nonlinear
title Novas abordagens para separação cega de fontes no contexto post-nonlinear
spellingShingle Novas abordagens para separação cega de fontes no contexto post-nonlinear
Moraes, Caroline Pires Alavez
SEPARAÇÃO CEGA DE FONTES
POST-NONLINEAR
KERNEL EPANECHNIKOV
ESTATÍSTICAS DE SEGUNDA ORDEM
BLIND SOURCE SEPARATION
POST-NONLINEAR MIXTURES
EPANECHNIKOV KERNEL
SECOND-ORDER STATISTICS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
title_short Novas abordagens para separação cega de fontes no contexto post-nonlinear
title_full Novas abordagens para separação cega de fontes no contexto post-nonlinear
title_fullStr Novas abordagens para separação cega de fontes no contexto post-nonlinear
title_full_unstemmed Novas abordagens para separação cega de fontes no contexto post-nonlinear
title_sort Novas abordagens para separação cega de fontes no contexto post-nonlinear
author Moraes, Caroline Pires Alavez
author_facet Moraes, Caroline Pires Alavez
author_role author
dc.contributor.none.fl_str_mv Panazio, Aline de Oliveira Neves
Fantinato, Denis Gustavo
Duarte, Leonardo Tomazeli
Suyama, Ricardo
dc.contributor.author.fl_str_mv Moraes, Caroline Pires Alavez
dc.subject.por.fl_str_mv SEPARAÇÃO CEGA DE FONTES
POST-NONLINEAR
KERNEL EPANECHNIKOV
ESTATÍSTICAS DE SEGUNDA ORDEM
BLIND SOURCE SEPARATION
POST-NONLINEAR MIXTURES
EPANECHNIKOV KERNEL
SECOND-ORDER STATISTICS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
topic SEPARAÇÃO CEGA DE FONTES
POST-NONLINEAR
KERNEL EPANECHNIKOV
ESTATÍSTICAS DE SEGUNDA ORDEM
BLIND SOURCE SEPARATION
POST-NONLINEAR MIXTURES
EPANECHNIKOV KERNEL
SECOND-ORDER STATISTICS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
description Orientadora: Profa. Dra. Aline de Oliveira Neves Panazio
publishDate 2020
dc.date.none.fl_str_mv 2020
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122041
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122041
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122041&midiaext=79038
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122041&midiaext=79039
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=122041
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
107 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1813263955512000512

Registros relacionados