| Summary: | Submitted by Renata Lopes (renatasil82@gmail.com) on 2015-12-16T13:33:15Z
No. of bitstreams: 1
bernardosottomaiorperalva.pdf: 8631621 bytes, checksum: e4e7f3d592c91e719474b259727bab6c (MD5) === Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2015-12-16T15:15:06Z (GMT) No. of bitstreams: 1
bernardosottomaiorperalva.pdf: 8631621 bytes, checksum: e4e7f3d592c91e719474b259727bab6c (MD5) === Made available in DSpace on 2015-12-16T15:15:06Z (GMT). No. of bitstreams: 1
bernardosottomaiorperalva.pdf: 8631621 bytes, checksum: e4e7f3d592c91e719474b259727bab6c (MD5)
Previous issue date: 2015-09-11 === CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior === Esta tese apresenta técnicas de processamento de dados para a detecção de sinais
e estimação de energia usando calorimetria de altas energias. Os calorímetros
modernos possuem milhares de canais de leitura e operam sob alta taxa de eventos.
Tipicamente, a reconstrução da energia envolve etapas de detecção e estimação, e é
baseada na medida da amplitude do sinal (digitalizado) recebido. Os métodos empregados,
atualmente, em experimentos de altas energias são baseados em técnicas
de minimização da variância e selecionam os sinais de interesse a partir da estimação
da energia. Este trabalho explora o uso de filtros casados para a detecção de sinais
e faz uso de uma calibração para a estimação da energia dos sinais. Na abordagem
proposta, os parâmetros aleatórios do pulso processado (fase e deformação) e a estatística
do ruído de fundo são considerados no projeto do filtro digital, aumentando
seu desempenho. No caso particular de experimentos onde a probabilidade de empilhamento
de sinais é alta, uma outra solução, baseada na desconvolução linear de
sinais para estimação de energia, é discutida. As técnicas propostas nesta tese foram
implementadas offline e aplicadas no calorímetro de telhas (TileCal) do ATLAS no
LHC. Foram utilizados sinais simulados, assim como dados reais adquiridos durante
a operação nominal do LHC. Os estimadores propostos apresentaram menor erro
quando comparados aos métodos empregados em calorímetros modernos e estão,
atualmente, sendo validados para serem utilizados no TileCal. === This thesis presents data processing techniques of signal detection and energy
estimation for high energy calorimetry. Modern calorimeters have thousands of
readout channels and operate at high event rate conditions. Typically, the energy
reconstruction involves both detection and estimation tasks, and it is based on the
amplitude estimation of the received digitized signal. The current methods employed
by high energy experiments are based on variance minimization techniques, and the
valid signals are selected based on the energy estimation. This work explores the
use of a technique based on Matched Filter for signal detection, and it makes use of
a calibration factor to estimate the energy. In the proposed approach, the stochastic
parameters of the pulse (phase and deformation) and the statistics from the
background are considered for the filter design in order to increase performance. In
particular cases, where the signal pile-up is likely to occur, another promising technique,
based on linear signal deconvolution is discussed. The techniques proposed
in this thesis were implemented offline and applied on the ATLAS Tile Calorimeter
(TileCal) at LHC. Both simulated signals and real data acquired during nominal
LHC operation were used. The proposed estimators presented smaller error with
respect to the methods currently used in modern calorimeter systems, and they have
been extensively tested to be used in TileCal.
|
|---|
