Made available in DSpace on 2014-12-17T14:55:50Z (GMT). No. of bitstreams: 1 NielsenCD_DISSERT.pdf: 3425927 bytes, checksum: 2a460ebc6b49fe832a4f35b40786bc47 (MD5) Previous issue date: 2010-12-20 / Conventional methods to solve the problem of blind source separation nonlinear, in general, using series of restrictions to obtain the solution, often leading to an imperfect separation of the original sources and high computational cost. In this paper, we propose an alternative measure of independence based on information theory and uses the tools of artificial intelligence to solve problems of blind source separation linear and nonlinear later. In the linear model applies genetic algorithms and R?nyi of negentropy as a measure of independence to find a separation matrix from linear mixtures of signals using linear form of waves, audio and images. A comparison with two types of algorithms for Independent Component Analysis widespread in the literature. Subsequently, we use the same measure of independence, as the cost function in the genetic algorithm to recover source signals were mixed by nonlinear functions from an artificial neural network of radial base type. Genetic algorithms are powerful tools for global search, and therefore well suited for use in problems of blind source separation. Tests and analysis are through computer simulations / Os m?todos convencionais para resolver o problema de separa??o cega de fontes n?o lineares em geral utilizam uma s?rie de restri??es ? obten??o da solu??o, levando muitas vezes a uma n?o perfeita separa??o das fontes originais e alto custo computacional. Neste trabalho, prop?e-se uma alternativa de medida de independ?ncia com base na teoria da informa??o e utilizam-se ferramentas da intelig?ncia artificial para resolver problemas de separa??o cega de fontes lineares e posteriormente n?o lineares. No modelo linear aplica-se algoritmos gen?ticos e a Negentropia de R?nyi como medida de independ?ncia para encontrar uma matriz de separa??o linear a partir de misturas lineares usando sinais de forma de ondas, ?udios e imagens. Faz-se uma compara??o com dois tipos de algoritmos de An?lise de Componentes Independentes bastante difundidos na literatura. Posteriormente, utiliza-se a mesma medida de independ?ncia como fun??o custo no algoritmo gen?tico para recuperar sinais de fontes que foram misturadas por fun??es n?o lineares a partir de uma rede neural artificial do tipo base radial. Algoritmos gen?ticos s?o poderosas ferramentas de pesquisa global e, portanto, bem adaptados para utiliza??o em problemas de separa??o cega de fontes. Os testes e as an?lises se d?o atrav?s de simula??es computacionais

Made available in DSpace on 2014-12-17T14:56:21Z (GMT). No. of bitstreams: 1 IsabelleMC.pdf: 1004057 bytes, checksum: b47eb9a45b0341f4dca9a97680f4953d (MD5) Previous issue date: 2006-07-31 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / This work considers the development of a filtering system composed of an intelligent algorithm, that separates information and noise coming from sensors interconnected by Foundation Fieldbus (FF) network. The algorithm implementation will be made through FF standard function blocks, with on-line training through OPC (OLE for Process Control), and embedded technology in a DSP (Digital Signal Processor) that interacts with the fieldbus devices. The technique ICA (Independent Component Analysis), that explores the possibility of separating mixed signals based on the fact that they are statistically independent, was chosen to this Blind Source Separation (BSS) process. The algorithm and its implementations will be Presented, as well as the results / Este trabalho prop?e o desenvolvimento de um sistema de filtragem composto por um algoritmo inteligente, capaz de separar informa??o e ru?dos provenientes de sensores de campo interligados por uma rede Foundation Fieldbus (FF). A implementa??o do algoritmo ser? feita tanto em blocos funcionais padr?o da pr?pria rede FF, com treinamento on-line via OPC (OLE for Process Control), como em tecnologia embarcada em um DSP (Digital Signal Processor) que interage com os dispositivos fieldbus. A t?cnica ICA (Independent Component Analysis), que explora a possibilidade de separar uma mistura de sinais baseando-se no fato de que eles s?o estatisticamente independentes, foi escolhida para realizar este processo de separa??o cega de fontes (Blind Source Separation - BSS). O algoritmo e suas implementa??es ser?o apresentados, bem como os resultados obtidos