93f. / Submitted by Suelen Reis (suziy.ellen@gmail.com) on 2013-04-10T19:28:26Z No. of bitstreams: 1 Dissertacao-Andrade2009.pdf: 2855290 bytes, checksum: 594e02d722d8945462d506683b9443b0 (MD5) / Approved for entry into archive by Rodrigo Meirelles(rodrigomei@ufba.br) on 2013-06-06T18:56:16Z (GMT) No. of bitstreams: 1 Dissertacao-Andrade2009.pdf: 2855290 bytes, checksum: 594e02d722d8945462d506683b9443b0 (MD5) / Made available in DSpace on 2013-06-06T18:56:16Z (GMT). No. of bitstreams: 1 Dissertacao-Andrade2009.pdf: 2855290 bytes, checksum: 594e02d722d8945462d506683b9443b0 (MD5) Previous issue date: 2009 / Wavelets são poderosas ferramentas matemáticas que, entre outras aplicações, visam melhorar a decomposição tempo-freqüência de sinais, avaliando-os em diferentes escalas, em uma abordagem multi-resolução que permite a analise dos diferentes aspectos da informação contida no respectivo sinal. Apesar de ser uma ferramenta relativamente nova, ela vem sendo aplicada em várias áreas do conhecimento humano, e é muito popular no processamento de sinais, particularmente na área compressão de sinais, tais como imagens, vídeo e áudio em computadores. A compressão de sinais está associada com a perda de informação, mas que pode ser aceitável para o usuário final. Com base em aplicações anteriores bem sucedidas e o compromisso com a qualidade dos resultados, este trabalho avalia a utilização da Transformada Wavelet Discreta (DWT), como uma técnica de compressão para reduzir a quantidade de dados coletados em sinais de carregamentos de pista (load history), que são utilizados por equipes de engenharia de durabilidade na indústria automotiva. Resultados preliminares mostram que com a utilização da DWT na compressão desses sinais, é possível reduzir o esforço computacional, tempo de processamento, espaço de armazenamento e tráfego de dados entre os computadores, melhorando o processo numérico computacional (CAE) de determinação de tensões, deformações e conseqüentemente da vida em relação a fadiga, ainda mantendo os parâmetros desejados de qualidade. / Salvador

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-26T11:21:06Z No. of bitstreams: 1 leandrorodriguesmansosilva.pdf: 2486503 bytes, checksum: f7db682d8ff4382dc706f061419d2a67 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-26T12:26:11Z (GMT) No. of bitstreams: 1 leandrorodriguesmansosilva.pdf: 2486503 bytes, checksum: f7db682d8ff4382dc706f061419d2a67 (MD5) / Made available in DSpace on 2017-04-26T12:26:11Z (GMT). No. of bitstreams: 1 leandrorodriguesmansosilva.pdf: 2486503 bytes, checksum: f7db682d8ff4382dc706f061419d2a67 (MD5) Previous issue date: 2016-02-24 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O presente trabalho apresenta o desenvolvimento de métodos de compressão e descompressão de sinais elétricos advindos de sistemas de potência. O método de compressão é baseada em três estágios: a Detecção de Novidades; um estágio de Compressão com Perdas, baseado na Transformada Wavelet Discreta; e finalmente, um estágio de Compressão sem Perdas, baseado no algoritmo Lempel-Ziv-Welch. Foi desenvolvido também, um método para a reconstrução dos sinais comprimidos, que é baseado na Transformada Wavelet Inversa, núcleos de Transformada Discreta de Fourier e na frequência estimada do sinal. A parte de compressão utiliza técnicas de processamento digital de sinais em tempo real, e foi desenvolvida de modo a ser implementada em plataforma FPGA, e a parte de descompressão é executada em um software offline. O trabalho apresenta também um estudo de técnicas de representação esparsa de sinais em dicionários redundantes, com o objetivo de avaliar seu desempenho quando aplicadas à compressão de sinais elétricos, e também, a viabilidade de implementá-las em tempo real, substituindo a Transformada Wavelet Discreta, no estágio de Compressão com Perdas no sistema mencionado anteriormente. / The present work presents the development of a method for power systems signal compression and decompression. The compression method is based in three stages: the novelty detection; the Lossy Compression based on the Discrete Wavelet Transform; and a Lossless Compression stage based on Lempel-Ziv-Welch algorithm. A decompression method was also developed to reconstruct the compressed signals, it is based on Inverse Wavelet Transform, Discrete Fourier Transform cores and the estimated frequency of the signal. The compression part uses digital signal processing techniques in real time, and it was developed to be implemented in FPGA platform. The decompression part runs offline in a PC software. This work also presents a study of sparse representation over redundant dictionaries techniques, in order to evaluate its performance when applied to electrical signal compression, and also the feasibility of implementing them in real time, replacing the Wavelet Transform compression stage in the system mentioned above.