Este trabalho desenvolve um método adaptativo estocástico aplicado ao treinamento de uma arquitetura neural conhecida como Functional Link Network - FLN para a determinação dos coeficientes aerodinâmicos e de controle de uma aeronave de alto desempenho. Esta arquitetura neural possui dois aspectos importantes: permite o uso de uma infinidade de alternativas de tipos de funções (exponenciais, polinomiais, etc) como funções de base e o uso de regras de treinamento lineares. Quando o treinamento é feito usando um algoritmo de estimação linear ótimo, ou seja, um algoritmo como o filtro de Kalman, tem-se um comportamento numérico ruim, causando assim problemas de divergência quando conjuntos grandes de dados de treinamento são processados. Este problema ocorre devido ao fato de que o algoritmo perde a capacidade de treinamento quando novos conjuntos de dados são processados. Para evitar este mau comportamento e tentar manter uma capacidade de aprendizado distribuída e uniforme, se propõe o uso de um procedimento adaptativo baseado em um critério de consistência estatística, para contrabalançar a prioridade das informações a priori com as novas informações de treinamento. A arquitetura neural Functional Link Network - FLN e o procedimento adaptativo formam a Adaptive Functional Link Network - AFLN que permite a identificação dos parâmetros aerodinâmicos e de controle, mesmo quando os valores iniciais dos parâmetros estiverem distantes dos valores reais. Para se obter uma arquitetura que tenha boa capacidade de modelagem e de generalização, utiliza-se também uma heurística de poda (Optimal Brain Surgeon - OBS), para eliminar os parâmetros (funções) menos significativos. Para testar e validar o método desenvolvido, utilizam-se dados fornecidos por um simulador em FORTRAN da aeronave F16 e se compara com os dados obtidos via a aplicação da AFLN, tanto para os coeficientes do movimento longitudinal quanto para os do movimento látero-direcional. Os resultados são promissores e indicam a possibilidade do uso da ferramenta na identificação, em tempo quase real, dos coeficientes dentro do envelope de vôo da aeronave.

Sistemas manipuladores flexíveis apresentam muitas vantagens sobre os sistemas tradicionais (manipuladores com braço rígido). No entanto, sua utilização em diversas áreas industriais não tem sido favorecida devido às dificuldades no controle destes manipuladores flexíveis. Esta tese apresenta um estudo teórico da modelagem e caracterização de um sistema manipulador com dois elos flexíveis. O produto desta modelagem, obtida através do Maple é usado para simular o sistema manipulador com dois elos flexíveis no software do MATLAB. Os resultados práticos são obtidos a partir da montagem experimental em conjunto com o software do dSPACE e do MATLAB, estes programas são utilizados para tratamento dos sinais coletados da planta. Após a obtenção dos resultados teóricos e experimentais é feita uma análise comparativa não paramétrica com o objetivo de verificar a precisão associada ao modelo não paramétrico obtido na teoria. A modelagem do sistema é baseada no método dos modos assumidos, obtendo-se os dois primeiros modos de vibração para os dois elos flexíveis utilizados no experimento.

Video Object Tracking plays a crucial role on several Computer Vision applications, such as Video Surveillance, Intelligent Transportation System (ITS), Human Machine Interface (HMI), Video Indexing and Shopping Behavior Analysis. Nevertheless, the processing power demanded by object tracking techniques still consists in a bottleneck to their wider adoption. To reduce this computational power demand, some techniques that extract object motion information from compressed video domain, instead of the raw video, have been developed. This work addresses the problem of efficiently tracking objects from compressed video. The focus is on algorithms that track objects using motion estimation informationfrom MPEG-2 and MPEG-4 family of video compressors. Two complementary solutions are presented. At first, a novel Spatiotemporal Motion-Vector Consistency Filter is proposed and evaluated. The filter is applied on the initial stage of tracking algorithm and significantly reduces the noisy motion vectors which do not represent a real object movement. Then, a Kalman Filter is used to provide improved estimations of objects position and size. A novel model for Kalman Filter application on the context of motion-vector based object tracking is proposed and evaluated, with determination of measures and noise patterns. Qualitative and quantitative experiments, with standard metrics, are performed displaying that the proposed Spatiotemporal Filter outperforms the currently widely used Vector Median Filter. The results obtained with the Spatiotemporal Filter make it suitable as a first step of any system that aims to detect and track objects from compressed video using its motion vectors. Both filters are jointly used in a complete object tracker system denominated moveTRAKS - motion-vector based object Tracker with Kalman filter and Spatiotemporal filter. The moveTRAKS is also qualitative and quantitative tested, demonstrating its efficiency and limitations for compressed video object tracking.

Sistemas de posicionamento por satélite, GNSS (Global Navigation Satellite System), são amplamente utilizados por navios, automóveis, aeronaves, tropas militares, medições geológicas, fornecendo basicamente posição, velocidade e referência de tempo. O uso, entretanto, é condicionado à disponibilidade do sinal eletromagnético proveniente dos satélites, que pode ser obstruído por montanhas, edifícios, florestas e túneis, por exemplo, sendo também suscetível às condições climáticas. Outra característica dos sistemas de posicionamento por satélite é que os dados são atualizados tipicamente com uma taxa entre 1Hz e 10Hz. Assim, estes sistemas representam uma fonte de informações que, apesar de possuir erros limitados e eventualmente pequenos, apresentam baixa taxa de atualização em relação à dinâmica de navegação e pode não estar disponível em todos os instantes. As unidades de medidas inerciais, IMU (Inertial Measurement Unit), são formadas por sensores que fornecem informações de força específica e velocidade angular. A partir daí, a computação dos cálculos das equações de navegação é feita para fornecer posição, velocidade e atitude do veículo. Uma vez que depende apenas dos dados da IMU e do conhecimento da condição inicial, estes sistemas são autônomos e independentes de qualquer fonte externa de sinais. Além disso, possuem taxas de atualização bem mais elevadas, variando entre cerca de 100Hz e 400Hz, e são menos suscetíveis a condições do ambiente do que o GNSS. Entretanto, os erros dos sensores inerciais, mesmo que pequenos, causam desvios crescentes na solução de navegação, tornando o sistema inercial pouco confiável para navegação de longa duração. Uma forma de aliar o melhor de cada sistema -- Inercial e GNSS -- é através da integração dos dados se seus sensores, de forma a se obter resultados que estejam disponíveis a uma taxa mais elevada e promover a redução e a limitação de erro através das atualizações do GNSS. Para tanto, um algoritmo bastante utilizado que consegue cumprir esta tarefa é o Filtro de Kalman (KF). Este trabalho apresenta um estudo de um sistema de integração de dados de navegação inercial, de uma IMU, com informações de sistemas de posicionamento por satélite. Aqui, o sistema GNSS escolhido é o GPS (Global Positioning System). A implementação do Filtro de Kalman é feita em ambiente MATLAB/Simulink, em que o movimento simulado de uma aeronave é utilizado como referência e o algoritmo é analisado, comparando-se dados de navegação estimados da aeronave, com a trajetória originalmente simulada. Os resultados aqui apresentados mostram o comportamento do erro do sistema integrado pelo Filtro de Kalman em relação aos dados de referência obtidos a partir do movimento simulado da aeronave, inclusive com a interrupção do sinal GNSS por um determinado período.

Satélites artificiais, em sua grande maioria, requerem algum tipo de sistema de controle de atitude (SCA) embarcado. A utilização de simuladores para avaliar este tipo de sistema é uma técnica bastante difundida na _área de engenharia, pois viabiliza a realização de testes de maneira rápida e a um custo menor do que utilizando ambientes com componentes reais. Contudo, de ciências no desenvolvimento de softwares embarcados podem ser difíceis de detectar quando o ambiente de teste não leva em consideração restrições comuns aos ambientes de tempo real. Partindo deste preâmbulo, este trabalho apresenta e analisa a modelagem em UML (Unified Modeling Language) de um sistema de controle de atitude autônomo para satélites estabilizados por rotação, bem como implementação de um ambiente de teste, com base na técnica de simulação hardware-in-the-loop, utilizando um sistema operacional de tempo real para escalonamento das tarefas, e um típico computador de bordo com processador ERC32. Na simulação hardware-in-the-loop o SCA é realimentado por estimativas da atitude em 3 eixos e da velocidade angular do satélite fornecidas pelo sistema de determinação de atitude (SDA). O SDA consiste de um filtro de Kalman estendido (FKE) que processa as medidas vetoriais da direção do Sol e campo geomagnético para gerar as estimativas. Resultados experimentais mostram que o sistema de controle de atitude foi bem-sucedido em regime após uma fase inicial de manobras para aquisição da atitude desejada.

Este trabalho tem como objetivo a aplicação de técnicas recentes de estimação de parâmetros aerodinâmicos de uma aeronave não-tripulada utilizando dados reais obtidos com ensaios em voo. O modelo aerodinâmico completo da aeronave foi identificado pelo método dos dois passos. Inicialmente, foram empregadas técnicas de reconstrução de trajetórias para calibração dos sensores da aeronave, utilizando-se o método de erro na saída e o estimador de máxima verossimilhança. Na segunda etapa do método, as derivadas de estabilidade e controle foram estimadas pelo método dos mínimos quadrados ortogonais parciais, em que os regressores candidatos são ordenados com base em sua capacidade de reduzir a variância do resíduo. Por ser do tipo "equation error", este método tem a vantagem de ser não-iterativo, quando aplicado a um modelo linear nos parâmetros. Entretanto, é sensível a erros nas variáveis independentes, o que torna essencial a etapa anterior de reconstrução dos estados da aeronave. Esta metodologia foi inicialmente aplicada a um modelo de simulação de uma aeronave, para então ser utilizada com dados reais obtidos em ensaios em voo. A capacidade preditiva do modelo aerodinâmico identificado foi confirmada pela validação com um segundo conjunto de dados.

Neste trabalho são avaliados os desempenhos de três receptores, verificando sua aplicabilidade ao sistema de comunicação móvel IS-54. Os receptores empregam as seguintes técnicas de estimação: Estimação de seqüência de máxima verossimilhança (MLSE), estimação de seqüência em blocos (BSE) e estimação com processamento por sobrevivente (PSP).Todos os receptores empregam um filtro fixo, casado apenas com o filtro transmissor e que não correlaciona as amostras do ruído adicionado pelo sistema. No receptor MLSE, são incorporadas modificações no estimador do canal, aprimorando sua característica de rastreamento. No receptor BSE, a seqüência recebida é processada em blocos de símbolos. O receptor PSP tem como característica principal, o emprego de estimativas dos coeficientes do canal específicas para cada ramo da treliça. Devido a este fato, a quantidade de processamento requerida pelo PSP é superior aos demais receptores. Os desempenhos dos três receptores são avaliados considerando as exigências mínimas de desempenho, especificadas pela norma IS-55, para transmissões através de canais com desvanecimento plano e com desvanecimento seletivo em freqüência. Verifica-se que os três receptores atendem parcialmente as exigências da norma, sendo que o receptor PSP é aquele que apresenta melhor desempenho. Com este trabalho desenvolveu-se um conjunto de ferramentas para análise do comportamento dos sistemas rádio móveis, padrão IS-54, para várias estruturas de detecção/estimação.

É apresentado nesse trabalho o desenvolvimento, implementação e teste de uma técnica envolvendo a rede neural de Hopfield modificada, para detectar e estimar o vetor movimento utilizado na codificação da diferença entre dois quadros consecutivos de um sinal de vídeo digitalizado, como o utilizado no padrão MPEG (Moving Picture Expert Group). A detecção e estimação do vetor movimento em um sinal de vídeo digital é um problema muito importante a ser resolvido, uma vez que é uma etapa crucial para a técnica de compressão de sinais de vídeo. Apresentam-se inicialmente duas topologias de redes neurais de Hopfield modificadas, a uni e a bi-dimensional, e como os seus parâmetros são obtidos a partir da luminância dos pixels de dois quadros consecutivos. Em seguida é mostrado que a detecção e estimação do vetor movimento pode ser obtida dinamicamente, quando as redes neurais iterativamente minimizam um certo problema de otimização. A técnica proposta nesse trabalho foi testada em duas seqüências de quadros não coloridos, onde a primeira seqüência é a sintética e a segunda é uma seqüência real. Os pixels que compõem os quadros de ambas as seqüências são representados por 256 níveis de cinza.Simulações da técnica proposta e da técnica da busca exaustiva mostram que os vetores movimento detectados e estimados para ambas as seqüências testadas foram corretos.

We introduce in this Thesis several particle filter (PF) solutions to the problem of collaborative emitter tracking. In the studied scenario, multiple agents with sensing, processing and communication capabilities passively collect received-signal-strength (RSS) measurements of the same signal originating from a non-cooperative emitter and collaborate to estimate its hidden state. Assuming unknown sensor noise variances, we derive an exact decentralized implementation of the optimal centralized PF solution for this problem in a fully connected network. Next, assuming local internode communication only, we derive two fully distributed consensus-based solutions to the problem using respectively average consensus iterations and a novel ordered minimum consensus approach which allow us to reproduce the exact centralized solution in a finite number of consensus iterations. In the sequel, to reduce the communication cost, we derive a suboptimal tracker which employs suitable parametric approximations to summarize messages that are broadcast over the network. Moreover, to further reduce communication and processing requirements, we introduce a non-iterative tracker based on random information dissemination which is suited for online applications. We derive the proposed random exchange diffusion PF (ReDif-PF) assuming both that observation model parameters are perfectly known and that the emitter is always present. We extend then the ReDif-PF tracker to operate in scenarios with unknown sensor noise variances and propose the Rao-Blackwellized (RB) ReDif-PF. Finally, we introduce the random exchange diffusion Bernoulli filter (RndEx-BF) which enables the network of collaborative RSS sensors to jointly detect and track the emitter within the surveillance space.

O sistema global de navegação por satélite (GNSS - Global Navigation Satellite System) tem potencial de se tornar um sistema primário de navegação em aeronaves civis, entretanto, necessita de melhoria no seu desempenho (acurácia, integridade, continuidade e disponibilidade). Ele apresenta a falta de uma característica fundamental para sistemas críticos de segurança, ele não provê limites de acurácia no cálculo da posição do usuário. Mesmo que na maioria do tempo a sua acurácia é excelente, mesmo assim o erro na posição pode ser muito grande sem que qualquer aviso seja dado ao seu usuário. Entre as várias fontes de erros no sistema GPS, a ionosfera é uma das maiores em sistemas com única portadora. Para corrigir tais deficiências, o sistema Satellite Based Augmentation System (SBAS) foi desenvolvido para auxiliar o sistema GPS na correção e limitação rígida dos seus erros. No sistema SBAS desenvolvido nos Estados Unidos da América, Wide Area Augmentation System (WAAS) existe, entre várias informações, o envio de mensagem para correção específica do atraso ionosférico sobre o sinal L1 do sistema GPS (Global Positioning System). Este efeito é estimado através de estações de referência espalhadas pelo continente norte-americano. Os dados das várias estações de referência são então enviados para estações principais, também chamados de WMS (WAAS Master Station), onde uma grade, com dados do atraso na vertical do sinal do sistema GPS devido ao efeito da ionosfera, será formada. Mostra-se neste trabalho como este sistema de auxílio aos usuários GPS trabalha e principalmente como pode ajudar na estimação do erro devido ao atraso de grupo no sinal do sistema GPS por conseqüência dos fenômenos que ocorrem na camada ionosférica. Neste trabalho o objetivo principal é a simulação através de um dos possíveis algoritmos em desenvolvimento para esta estimação do atraso ionosférico no sinal L1 do sistema GPS, o método LMMSE (Linear Minimum Mean Squared Error), que é gerado pelo segmento de controle. Através deste algoritmo serão gerados os valores dos atrasos ionosféricos para alguns pontos próximos a região sul e sudeste do Brasil e estes são então plotados juntamente com o atraso ionosférico estimado através do modelo IRI-2001 para um dado dia. Também serão estimados os valores dos erros pós-processamento do algoritmo. Os dados GPS utilizados neste trabalho são provenientes principalmente das estações que compõem a rede RBMC (Rede Brasileira de Monitoramento Contínuo) e controlada pelo IBGE (Instituto Brasileiro de Geografia e Estatística).