Um estudo sobre separação cega de fontes e contribuições ao caso de misturas não-lineares

• Main Author: Duarte, Leonardo Tomazeli, 1982-
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2006
• Subjects: Processamento de sinais; Entropia (Teoria da informação); Teoria da informação; Algoritmos genéticos; Sistemas não-lineares; Blind source separation; Independent component analysis; Nonlinear models; Evolutionary computation; Signal processing; Information theory
• Online Access: DUARTE, Leonardo Tomazeli. Um estudo sobre separação cega de fontes e contribuições ao caso de misturas não-lineares. 2006. 140p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/261781>. Acesso em: 6 ago. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/261781

Orientadores: João Marcos Travassos Romano, Romis Ribeiro de Faissol Attux === Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação === Made available in DSpace on 2018-08-06T23:03:11Z (GMT). No. of bitstreams: 1 Duarte_LeonardoTomazeli_M.pdf: 2778720 bytes, checksum: ff42018b4aa2d824cd1f001655a42ddf (MD5) Previous issue date: 2006 === Resumo: O presente trabalho tem como objetivo a realização de um estudo sobre o problema de separação cega de fontes. Em uma primeira parte, considera-se o caso clássico em que o sistema misturador é de natureza linear. Na seqüência, a extensão ao caso não-linear é tratada. Em particular, enfatizamos uma importante classe de modelos não-lineares, os modelos com não-linearidade posterior (PNL). Com o intuito de contornar uma dificuldade relacionada à convergência para mínimos locais no treinamento de sistemas separadores PNL, uma nova técnica é proposta. Tal solução se baseia no uso de um algoritmo evolutivo na etapa de treinamento e de um estimador de entropia baseado em estatísticas de ordem. A eficácia do algoritmo proposto é verificada através de simulações em diferentes cenários === Abstract: The aim of this work is to study the problem of blind source separation (BSS). In a first part, the classical case in which the mixture system is of linear nature is considered. Afterwards, the nonlinear extension of the BSS problem is addressed. In special, an important class of nonlinear models, the post-nonlinear (PNL) models, is emphasized. In order to overcome a problem related to the convergence to local minima in the training of a PNL separating system, a novel technique is proposed. The bases of such solution are the application of an evolutionary algorithm in the training stage and the use of an entropy estimator based on order statistics. The efficacy of the proposal is attested by simulations conducted in different scenarios === Mestrado === Telecomunicações e Telemática === Mestre em Engenharia Elétrica