Separação cega de sinais: análise comparativa entre algoritmos

• Autor(a) principal: LEITE, Valéria Cristina Maria Nascimento
• Data de Publicação: 2004
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
• Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/3771
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA; Separação cega de sinais; Análise de componentes independentes; Processamento cego de sinais; Filtragem adaptativa

A separação cega ou o problema da separação de sinais (fontes) consiste na recuperação de um conjunto de sinais ou fontes desconhecidos a partir de observações feitas por sensores das misturas destes sinais. Este é, sem dúvida, um problema de grande interesse dentro da área de processamento de sinais, uma vez que para ser solucionado é necessário que se cumpram um conjunto de hipóteses pouco restritivas. Assim sendo, as técnicas de separação cega de fontes encontram inúmeras aplicações: processamento de conjunto de dados; comunicações multiusuários; reconhecimento de voz e imagem; processamento de sinais biomédicos. Através das técnicas de separação, pode-se, portanto, recuperar uma ou todas as fontes com base apenas nas informações nas observações ou medidas feitas por um conjunto de sensores. O adjetivo cego foi incorporado para caracterizar a falta de informação inerente ao processo de separação. Para suprir esta falta de informação são levadas em consideração no processo de separação algumas propriedades sobre a natureza das fontes, da mistura e sobre o ruído adicionado ao processo. Assim, os algoritmos para separação cega procuram restaurar na saída do sistema de separação uma propriedade conhecida das fontes. Uma das principais ferramentas utilizadas para solucionar o problema da separação cega tem sido a Análise de Componentes Independentes. É importante mencionar que os termos separação cega e Análise de Componente Independentes são freqüentemente confundidos ou trocados, embora eles se refiram a um modelo similar ou igual e sejam resolvidos com algoritmos similares ou iguais, sob a restrição de que as fontes originais são estatisticamente independentes. Entretanto, principalmente em problemas reais, os objetivos da Análise de Componentes Independentes e da separação cega são um pouco diferentes: o objetivo da separação cega é estimar os sinais originais mesmo se eles não forem completamente independentes; por sua vez, o objetivo da análise de componentes independentes é determinar uma transformação que assegure que os sinais estimados sejam tão independentes quanto possível. Deve-se notar ainda que os métodos para análise de componentes independentes utilizam, na maioria dos casos, estatísticas de ordem superior, enquanto que os métodos para separação cega são aptos a utilizar somente estatísticas de segunda ordem. Com base nas considerações supracitadas, esta dissertação apresenta uma revisão do estado da arte e das principais técnicas que tratam o problema da separação cega, através da análise comparativa entre três algoritmos: AMUSE, JADE e FLEXICA. Para realizar as referida comparação, os algoritmos são aplicados a sinais de teste, sinais de comunicações e sinais biomédicos reais.