Esta dissertação apresenta o desenvolvimento, a validação e a aplicação de algoritmos para inferência de conectividade neural em registros de EEG contendo potenciais evento-relacionados (ERP). Os sinais foram caracterizados via modelos auto-regressivos multivariados (MVAR) e empregou-se a coerência parcial direcionada (PDC) no estudo das relações de causalidade entre eles. Certas características dos ERPs, como sua transitoriedade intrínseca e as múltiplas repetições em experimentos, levaram ao desenvolvimento de novos algoritmos, como a estimação de modelos conjuntos a partir de vários segmentos de sinal e um procedimento em janela deslizante capaz de descrever a evolução temporal da estatística dos sinais de interesse. Ademais, mostrou-se a possibilidade de estender os resultados da análise assintótica da estatística da PDC ao caso multi-trecho, tornando possível o estudo de sua significância estatística sem recorrer a procedimentos de reamostragem. Os algoritmos foram validados em exemplos com neural mass models, modelos não-lineares capazes de gerar sinais com características muito semelhantes a sinais de EEG reais, e aplicados a uma base de dados pública contendo resultados de experimentos com ratos. / This dissertation presents the development, validation, and application of algorithms for inferring neural connectivity in EEG signals containing event-related potentials (ERP). The time series were described via multivariate auto-regressive models (MVAR) and partial directed coherence (PDC) was used to study causal relations between them. Certain features of the ERPs, such as their transitory behavior and the existence of multiple trials in an experiment, lead to the development of a new algorithm capable of estimating a joint model from multiple segments and a sliding-window procedure for describing the nonstationarity behavior of the signals of interest. Furthermore, the possibility of extending the asymptotic results for PDC\'s statistics to the multi-trial case was demonstrated, allowing, therefore, the study of its statistical significance without recurring to resampling methods. The algorithms were validated in examples with neural mass models, non-linear models capable of generating signals with features very similar to real EEG recordings, and then applied to a publicly available dataset of experiments in rats.

A expressividade é um elemento chave para o transporte de emoções em música, e seu modelamento, vital para a concepção de sistemas de síntese mais realistas. Gestos musicais executados durante a interpretação usualmente portam a informação responsável pela expressividade percebida, e podem ser rastreados por meio de padrões sônicos a eles associados em diversas escalas de resolução. Um conjunto relevante de gestos musicais expressivos foi estudado através de uma análise em multiresolução utilizando-se a transformada wavelet. A escolha deve-se principalmente à capacidade natural desta ferramenta em realizar análises de tempo-escala/frequência, e suas semelhanças com o processamento dos estágios primários do sistema auditivo. Vinte e sete eventos musicais foram capturados em interpretações de violino e flauta, e analisados com o objetivo de avaliar a aplicabilidade desta ferramenta na identificação e segregação de padrões sônicos associados a gestos musicais expressivos. Os algoritmos wavelet foram implementados na plataforma MATLAB utilizando-se bancos de filtros organizados em esquema piramidal. Rotinas para análises gráfica e sônica e uma interface ao usuário foram também implementadas. Verificou-se que as wavelets permitem a identificação de padrões sônicos associados a gestos expressivos exibindo diferentes propriedades em níveis diferentes da análise. A técnica mostrou-se útil para isolar ruídos oriundos de fontes diversas, extrair transientes associados a gestos súbitos e/ou intensos, e para segregar a estrutura harmônica de tons musicais, entre outras potencialidades não menos importantes. Particularidades da técnica e efeitos secundários observados são discutidos, e os padrões sônicos observados nos níveis wavelets são correlacionados com os gestos musicais que lhes deram origem. São propostos trabalhos futuros objetivando a investigação de certos eventos musicais e fenômenos verificados, bem como o estudo de implementações alternativas. / Expressiveness is a key element for emotion transportation in music, and its modeling necessary to conceive more realistic synthesis systems. Musical gestures executed during a performance carry the information answering for expressiveness, and may be tracked by means of sonic patterns associated to them within several resolution scales. A relevant set of musical gestures was studied through a multiresolution analysis using the wavelet transform. The choice for this tool is mainly due to its natural ability to perform time-scale/frequency analysis, and for its similarities with early auditory processing stages. Twenty seven musical events were captured from violin and flute performances, and analyzed in order to evaluate the applicability of this tool for identification and segregation of sonic patterns associated with expressive musical gestures. The wavelet algorithms were implemented on the MATLAB platform, employing filter banks organized in a pyramidal scheme. Graphical and sonic analysis routines and a user interface were carried out over the same platform. It was verified that wavelets enable the identification of sonic patterns associated to musical gestures revealing different properties on different levels of the analysis. The technique showed up useful to isolate noise from different sources, extract transients associated to sudden and/or intense gestures, and segregate the tonal harmonic structure, among other important features. Particularities of the technique and secondary effects observed are discussed, and sonic patterns on wavelet levels are correlated with the musical gestures which produced them. Future works are proposed addressing further investigation of certain musical events and phenomena observed, as well as the study of alternative implementations.

Este trabalho apresenta a pesquisa sobre a extração de parâmetros característicos de sinais acústicos para fins de detecção automática de vazamento de água em tubulações enterradas. Os sinais acústicos foram adquiridos com o auxílio de um geofone eletrônico e também catalogados por técnicos especialistas em detecção acústica. De todos os sinais foram extraídos os modelos de predição linear perceptual de várias ordens, determinando-se como melhor a ordem 2. A partir de um conjunto de modelos de referência de sinais de vazamento, a distância média de Itakura dos outros modelos em relação a estas referências foram calculadas. Em conjunto com estas distâncias, quatro características espectrais são também extraídas do sinal a fim de compor o vetor de parâmetros característicos do sinal. Parte destes vetores de parâmetros característicos são utilizados para treinar o classificador de máquina de vetores de suporte. O restante dos dados são, então, submetidos a este classificador que obteve a taxa de acerto de classificação em torno de 93%. Experimentos anteriores, utilizando modelos de predição linear, de ordem 10, obtiveram uma taxa de acerto em torno de 82%. Isso demonstra que estes novos parâmetros característicos propostos alcançam os objetivos deste trabalho, que são algoritmos com melhor taxa de acerto na detecção de vazamentos. / This work presents a research about feature extraction of acoustic signals for detection of water leak in buried pipes. Acoustic signals were acquired by means of an electronic geophone and also labeled by technicians specialized in acoustic water leak detection. For every signals, its linear predictive model was estimated for a range of prediction orders, concluding for the best order 2. Out of this group of models, some leaky ones are used as reference for calculating the Itakura mean distance with respect to the other models. Completing this measure, four spectral features are extracted to compose the signal feature vector. Some of these vectors were used to train a support vector machine to be used as a classifier. The remaining ones were used to evaluate the classification. The resulting accuracy rate achieved is around 93%. Earlier experiments, which use linear prediction of order 10 had an accuracy rate around 82%. This shows that this novel proposal of feature vector achieves the main goal of this research, which is the increase in the leak detection accuracy rate.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-06-23T20:59:51Z No. of bitstreams: 1 CharlesSilvaNahuz.pdf: 2149704 bytes, checksum: 650e374d99de26e3390d88bf0e7ac78a (MD5) / Made available in DSpace on 2017-06-23T20:59:51Z (GMT). No. of bitstreams: 1 CharlesSilvaNahuz.pdf: 2149704 bytes, checksum: 650e374d99de26e3390d88bf0e7ac78a (MD5) Previous issue date: 2016-03-11 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / In this paper, implemented a new lter similar to the LMS, but, with a coast function based in the sum of the error. As a result, we obtain a very simple function, producing a rapid convergence and a small mismatch when compared with the LMS algorithm and other algorithms. The adaptive lter is based on non-linear functions such as estimation of the gradient of a surface performance. We use the gradient algorithm to update the weights. this update is based on high-order statistics to obtain information about the signs involved in the process, in order to improve the performace of the adaptive lter. Derive the equations based on Taylor series of non-linear functions, to achieve the criteria that ensures their convergence. We also do a weight vector covariance study in steady state and determine the equations that calculate the time constants in an adaptive process. Here the algorithm proposed, which uses a cost function and were made simulacoes Monte Carlo with real signals to validate the theory presented. In this role the α coefficients have been optimized to provide increased stability and better performance in its convergence speed. / Neste trabalho, implementamos um novo filtro semelhante ao LMS, porém, com uma função de custo baseada na soma do erro. Como resultado, obtemos uma função bastante simples, produzindo uma rápida convergência e um pequeno desajuste quando comparado com o algoritmo LMS e com outros algoritmos. O filtro adaptativo é baseado em funções não lineares como estimativa do gradiente de uma superfície de desempenho. Utilizamos o gradiente do algoritmo para atualização dos pesos. Essa atualização baseia-se nas estatísticas de alta ordem para obtenção de informações sobre os sinais envolvidos no processo, com o objetivo de melhorar a performance do filtro adaptativo. As equações foram derivadas e baseadas em séries de Taylor das funções não lineares, para obtenção dos critérios que garante a sua convergência. Também fazemos um estudo da covariância do vetor peso em regime estacionário e determinamos as equações que calculam as constantes de tempo em um processo adaptativo. Apresentamos o algoritmo proposto, que utiliza uma função de custo onde foram feitas simulações de Monte Carlo com sinais reais para validar a teoria apresentada. Nessa função os coe cientes αk foram otimizados para dar maior estabilidade e melhor desempenho na sua velocidade de convergência.

Com base em exames como a videolaringoscopia, que é considerado um procedimento médico invasivo e desconfortável, diagnósticos têmsido realizados visando detectar patologias na laringe. Geralmente, esse tipo de exame é realizado somente com solicitação médica e quando alterações na fala já são marcantes, ou há sensação de dor. Nessa fase, muitas vezes a doença está em grau avançado, dificultando o seu tratamento. Com o objetivo de realizar um pré-diagnóstico computacional de tais patologias, este trabalho apresenta uma técnica não invasiva na qual são testados e comparados três classificadores: a Distância Euclidiana, a Rede Neural RBF com o kernel Gaussiano e a Rede Neural RBF com o kernel Gaussiano modificado. Testes realizados com uma base de dados de vozes normais e aquelas afetadas por diversas patologias demonstram a eficácia da técnica proposta, que pode, inclusive, ser implementada em tempo-real. / Based on examinations such as laryngoscopy, which is considered an invasive and uncomfortable procedure, diagnosis have been performed aiming at the detection of larynx pathologies. Usually, this type of test is carried out upon medical request and when the speech changes are notable or are causing pain. At this point, the disease is possibly at an advanced degree, complicating its treatment. In order to perform a computational pre-diagnosis of such conditions, this work proposes a noninvasive technique in which three classifiers are tested and compared: the Euclidean distance, the RBF Neural Network with the Gaussian kernel and RBF Neural Network with a modified Gaussian kernel. Tests carried out with a database of normal voices and those affected by various pathologies demonstrate the effectiveness of the technique that may even be implemented to work in real time.

A localização de objetos em uma imagem e acompanhamento de seu deslocamento numa sequência de imagens são tarefas de interesse teórico e prático. Aplicações de reconhecimento e rastreamento de padrões e objetos tem se difundido ultimamente, principalmente no ramo de controle, automação e vigilância. Esta dissertação apresenta um método eficaz para localizar e rastrear automaticamente objetos em vídeos. Para tanto, foi utilizado o caso do rastreamento da bola em vídeos esportivos, especificamente o jogo de futebol. O algoritmo primeiramente localiza a bola utilizando segmentação, eliminação e ponderação de candidatos, seguido do algoritmo de Viterbi, que decide qual desses candidatos representa efetivamente a bola. Depois de encontrada, a bola é rastreada utilizando o Filtro de Partículas auxiliado pelo método de semelhança de histogramas. Não é necessária inicialização da bola ou intervenção humana durante o algoritmo. Por fim, é feita uma comparação do Filtro de Kalman com o Filtro de Partículas no escopo do rastreamento da bola em vídeos de futebol. E, adicionalmente, é feita a comparação entre as funções de semelhança para serem utilizadas no Filtro de Partículas para o rastreamento da bola. Dificuldades, como a presença de ruído e de oclusão, tanto parcial como total, tiveram de ser contornadas. / The location of objects in an image and tracking its movement in a sequence of images is a task of theoretical and practical interest. Applications for recognition and tracking of patterns and objects have been spread lately, especially in the field of control, automation and vigilance. This dissertation presents an effective method to automatically locate and track objects in videos. Thereto, we used the case of tracking the ball in sports videos, specifically the game of football. The algorithm first locates the ball using segmentation, elimination and the weighting of candidates, followed by a Viterbi algorithm, which decides which of these candidates is actually the ball. Once found, the ball is tracked using the Particle Filter aided by the method of similarity of histograms. It is not necessary to initialize the ball or any human intervention during the algorithm. Next, a comparison of the Kalman Filter to Particle Filter in the scope of tracking the ball in soccer videos is made. And in addition, a comparison is made between the functions of similarity to be used in the Particle Filter for tracking the ball. Difficulties, such as the presence of noise and occlusion, in part or in total, had to be circumvented.

Este trabalho apresenta um sistema para o processamento do sinal mioelétrico baseado em Redes Neurais e Wavelets. Com a aquisição dos sinais mioelétricos dos músculos do segmento mão-braço, é possível determinar diversos parâmetros para a caracterização dos movimentos executados. A Transformada Wavelets foi utilizada na etapa de segmentação do sinal e a rede neural artificial na caracterização do movimento executado. O sistema é constituído de um eletromiógrafo (EMG de 8 canais), placa de aquisição de dados e um computador responsável pelo processamento dos dados. Foram utilizado eletrodos de superfície posicionados em lugares estratégicos no segmento mão-braço. O experimento consiste em repetir movimentos do segmento mão-braço executados por um modelo virtual. Os movimentos avaliados, neste trabalho, são: contração da mão, extensão do punho, flexão do antebraço, flexão do punho, rotação do braço, rotação e flexão do antebraço, rotação do braço e contração da mão, extensão e flexão do punho, contração da mão e elevação do braço. Esses movimentos são apresentados ao sujeito em determinadas sequências através dos modelos virtuais desenvolvidos, permitindo assim, a padronização do movimento a ser executado pelo voluntário O sinal é adquirido através de uma placa de aquisição e processado. As etapas principais de processamento são: segmentação do sinal de interesse através da Wavelet Discreta, extração de características (r.m.s, variância, desvio padrão, sesgo, curtose ) e uso da Rede Neural para determinar o movimento executado final dos testes, foi verificado que o movimento contração da mão e elevação do braço apresentou uma taxa de acerto média de 75%; o movimento flexão do antebraço obteve 81% de acerto médio; a contração da mão obteve 33% de acerto médio, o movimento contração da mão 76% de acerto médio; o movimento de flexão do punho 100 % de acerto médio, rotação e flexão do antebraço 66% de acerto médio, extensão e flexão do punho um 16% de acerto médio, extensão do punho 83,3% de acerto médio, rotação do braço 16,7% de acerto médio. Rotação do braço e contração da mão 83,3% de acerto médio. / This work presents a neural-network myoelectric processing-based system. With the acquisition of myoelectric signals from the muscles of the hand-arm segment, it is possible to determine the parameters that characterize the executed movements. Therefore, in this work Artificial Neural Networks are implemented to recognize patterns in order to determine the executed movement. The system is constituted by an electromyography (8-channel EMG), a data acquisition board and a computer responsible for data processing. In this research an experimental system is developed to capture the myoelectric signals by means of an EMG and a data acquisition board. Surface electrodes located in strategic places in the hand-arm segment are used. The experiment consists of repeated movements of the hand-arm segment executed by a virtual model. The movements examined in this work are: hand contraction, fist extension, forearm flexion, fist flexion, arm rotation, forearm rotation and flexion, fist contraction and extension and arm elevation. Those movements are presented to a volunteer in a random way by means of the virtual models developed, permitting a standardization of the movements that are to be executed by the volunteer. In the last part it is verified that the hand-contraction movement and the arm-elevation movement present an accuracy rate average of 75%; the forearm-flexion movement reaches 81% of accuracy rate average, the hand-contraction movement with 33% of accuracy rate average, the hand-contraction movement with 76% of accuracy rate average, the fist-flexion movement reached a 100% in the accuracy rate average, the forearm rotation flexion movement with a 66% in the accuracy rate average, the fist extension and flexion movement reaches the 16% in the accuracy rate average and the fist-extension movement with a 83.3% of accuracy rate average.

A rede PROFIBUS DP é o barramento de campo mais utilizado na indústria mundial atualmente. Com o uso cada vez maior desta rede de \"chão de fábrica\" nas plantas industriais, o diagnóstico rápido de falhas tornou-se extremamente necessário e importante, o que permite minimizar os tempos de parada da instalação e consequentes prejuízos no processo produtivo. Este trabalho apresenta o estudo de técnicas baseadas em Redes Neurais Artificiais (RNA) que serão utilizadas em um trabalho futuro para se fazer um diagnóstico rápido de uma rede PROFIBUS em caso de falha, permitindo através dos conceitos básicos apresentados, uma análise criteriosa do seu desempenho. Inicialmente são apresentados conceitos básicos sobre as redes PROFIBUS DP, tais como arquitetura e versões do protocolo, a descrição da Camada Física, dentre outros assuntos relevantes. Nas etapas seguintes, serão apresentados outros tópicos importantes para entendimento do projeto como, conceitos sobre RNA e métodos de pré-processamento do sinal colhido no osciloscópio. / The PROFIBUS (Process Field Bus) DP is the most popular fieldbus communication used in the worldwide industry. With the increasing use of this network fieldbus in industrial plants, the rapid faults diagnosis has become extremely necessary and important, which minimizes the lodgments time and consequent losses in the production process. This work is based into a Artificial Neural Networks (ANN) tool that will be used to make a rapidly diagnosis of a PROFIBUS network in case of failure, allowing through basic concepts, a careful review of their performance. First the basics of PROFIBUS DP networks are presented, such as architecture and protocol versions, a description of the Physical Layer, among other relevant issues. In the following steps, others important topics to understand the project will be shown, such as, concepts of ANN and pre-processing methods from collected signal.

Presently doctors and medical professionals are having the aid of support systems for diagnosis which include in their data base expertise knowledge, acquired mainly through empirical observation of heuristics applied to their diagnosis which translate partially, to the technical application used. In the systems which aid diagnosis, more specifically in electrocardiograms, the methods of pattern recognition simulate the skills of the cardiologist, when, from a set of characteristics extracted from the signal, it is possible to infer a determined heart condition, indicated by some cardiopathy. The electrocardiogram signal constitutes the measurement of the electrical activity associated with the heart and this process uses the algorithm which presents some difficulties: the variation of wave morphology, physiological conditions and the presence of noise. The utilization of wavelet transforms may represent a valuable tool for analyzing ECG, once they allow by means of the function mother wavelet, to enhance of the wave forms which integrate the electrocardiogram register. This research proposes the utilization of continuous wavelet transforms to detect the occurrence of waves which are part of an electrocardiogram, more specifically the QRS and waves P and T. / Atualmente, os profissionais médicos estão sendo auxiliados por sistemas de apoio de diagnósticos que incluem em suas bases de dados o conhecimento especialista, adquirido principalmente através da observação empírica das heurísticas aplicadas de seus diagnósticos, que traduzem, em parte, a aplicação da técnica utilizada. Nos sistemas de auxílio a diagnósticos, especificamente em eletrocardiogramas, os métodos de reconhecimento de padrão simulam as habilidades do médico cardiologista, quando, a partir de um conjunto de características extraídas do sinal, possibilitam a inferência de uma determinada condição do coração, indicada por meio de alguma cardiopatia. O sinal do eletrocardiograma constitui a mensuração da atividade elétrica associada com o coração e o seu processamento utiliza-se de algoritmos cuja elaboração apresenta algumas dificuldades: variação da morfologia de suas ondas, condições fisiológicas e a presença de ruídos. A utilização das transformadas wavelets, constituem uma eficiente ferramenta para a tarefa de análise do ECG, já que permitem, por meio de uma função wavelet mãe o realce das formas de onda que integram o registro do eletrocardiograma. Este trabalho propõe a utilização da transformada wavelet contínua, para detectar a ocorrência das ondas que compõe o sinal de um eletrocardiograma, especificamente o complexo QRS e as ondas P e T. / Mestre em Ciência da Computação

A rede PROFIBUS DP é o barramento de campo mais utilizado na indústria mundial atualmente. Com o uso cada vez maior desta rede de \"chão de fábrica\" nas plantas industriais, o diagnóstico rápido de falhas tornou-se extremamente necessário e importante, o que permite minimizar os tempos de parada da instalação e consequentes prejuízos no processo produtivo. Este trabalho apresenta o estudo de técnicas baseadas em Redes Neurais Artificiais (RNA) que serão utilizadas em um trabalho futuro para se fazer um diagnóstico rápido de uma rede PROFIBUS em caso de falha, permitindo através dos conceitos básicos apresentados, uma análise criteriosa do seu desempenho. Inicialmente são apresentados conceitos básicos sobre as redes PROFIBUS DP, tais como arquitetura e versões do protocolo, a descrição da Camada Física, dentre outros assuntos relevantes. Nas etapas seguintes, serão apresentados outros tópicos importantes para entendimento do projeto como, conceitos sobre RNA e métodos de pré-processamento do sinal colhido no osciloscópio. / The PROFIBUS (Process Field Bus) DP is the most popular fieldbus communication used in the worldwide industry. With the increasing use of this network fieldbus in industrial plants, the rapid faults diagnosis has become extremely necessary and important, which minimizes the lodgments time and consequent losses in the production process. This work is based into a Artificial Neural Networks (ANN) tool that will be used to make a rapidly diagnosis of a PROFIBUS network in case of failure, allowing through basic concepts, a careful review of their performance. First the basics of PROFIBUS DP networks are presented, such as architecture and protocol versions, a description of the Physical Layer, among other relevant issues. In the following steps, others important topics to understand the project will be shown, such as, concepts of ANN and pre-processing methods from collected signal.