Este trabalho propõe uma nova metodologia para a seleção de estrutura de modelos polinomiais NARMAX (modelo não-linear autorregressivo com média móvel e saídas exógenas) para sistemas não-lineares. Ela baseia-se em uma análise compartimentada, possibilitando assim uma melhor avaliação da contribuição de cada grupo de regressores na explicação dos fenômenos dinâmicos do sistema. Inicialmente, aplica-se um sinal multissenoidal ímpar-ímpar que permite a classificação das não-linearidades do sistema. Com a utilização do conceito de ortogonalidade na freqüência proposto neste trabalho, os regressores são ainda classificados e agrupados conforme suas características e cada grupo é analisado separadamente. Isso reduz a influência entre regressores de grupos distintos, favorecendo a seleção dos regressores não-lineares. Ademais, a técnica permite ainda que cada grupo seja analisado em apenas algumas raias de frequência, resultando em um procedimento numérico mais atraente, pois foca a análise apenas na região do espectro onde há de fato informação útil. A técnica se mostrou bastante eficiente para o tratamento dos exemplos de aplicação apresentados ao longo do texto.

Esta dissertação descreve estudo sobre quantificação de erros na identificação de sistemas advindos de uma baixa freqüência de amostragem e um sinal de excitação ruim, que não consiga excitar o sistema com a largura de banda desejada. Esses erros comprometem a precisão de uma boa identificação, ainda mais quando se trata da dinâmica dos sensores inerciais. Para conhecer as características desses sensores são usados simuladores de movimento, que na situação tinha a banda passante menor que a do sensor sob teste, ou seja, não se conseguia excitar toda a freqüência de largura de banda sensor. Diante desse erro, este trabalho teve seu estudo em identificação de sistema usando modelos como: ARX, ARMAX, BJ, OE e INVFREQ, no sentido de quantificar os erros nos resultados obtidos através de ensaios, utilizando duas funções de transferência muito próxima das funções reais utilizadas.

Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2018-02-08T13:10:32Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Ronaldo Mendes Evaristo.pdf: 2297085 bytes, checksum: 293f7e08aca7690caa0d317480f9e18e (MD5) / Made available in DSpace on 2018-02-08T13:10:32Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Ronaldo Mendes Evaristo.pdf: 2297085 bytes, checksum: 293f7e08aca7690caa0d317480f9e18e (MD5) Previous issue date: 2017-12-08 / Nos ultimos anos, o aumento da incidência de doenças cardiovasculares na população mundial vem motivando a comunidade científica a buscar novas técnicas ou inovações tecnológicas para complementar os métodos existentes para avaliação do desempenho do coração. Dentre elas, destaca-se a análise da Variabilidade da Frequência Cardíarca (VFC) via eletrocardiograma (ECG), método não invasivo importante na detecção de patologias leves e moderadas cada vez mais frequentes nos seres humanos como doenças coronarianas, arritmias, bradicardias e taquicardias, além de distúrbios na relação entre os sistemas nervosos simpático e parassimpático. Neste trabalho é introduzida uma inovação em um modelo matemático baseado em modulações de exponenciais gaussianas utilizado para reproduzir a morfologia do ECG de seres humanos. Trata-se da introdução de tacogramas gerados por um processo estocástico autorregressivo (AR), previamente à integração das equações diferenciais do modelo, capaz de reproduzir com maior fidelidade a VFC quando comparados com dados experimentais de adultos saudaveis e de adultos com doença arterial coronariana (DAC). Para validar o modelo, os resultados simulados são comparados com dados experimentais via espectro de potencia da transformada wavelet discreta (TWD), gráficos de Poincare e pela analise de flutuação sem tendência. Verificamos que a DAC não altera a morfologia do ECG em situação de repouso, mas influencia significativamente na VFC, sendo que o modelo matemático proposto absorve e reproduz esse comportamento. / In recent years, the increase in the incidence of cardiovascular diseases in the world population has motivated the scientific community to seek new techniques or technological innovations to complement existing methods for assessing heart performance. Among them, stands out the analysis of the Heart Rate Variability (HRV) by electrocardiogram (ECG), an important non-invasive method for the detection of mild and moderate pathologies that are increasingly frequent in humans such as coronary diseases, arrhythmias, bradycardia and tachycardias, besides disturbances in the relationship between the sympathetic and parasympathetic nervous systems. This work introduces an innovation in a mathematical model based on Gaussian exponential modulations used to reproduce the ECG morphology of humans. This is the introduction of tachograms generated by an autoregressive stochastic process (AR), prior to the integration of the diferential equations of the model, capable of reproducing with better delity the HRV when compared with experimental data of healthy adults and adults with coronary artery disease (CAD). In order to validate the model, the simulated results are compared with experimental data using the discrete wavelet transform (DWT) power spectrum, Poincare plots and the detrended uctuation analysis (DFA). We verified that CAD does not change the morphology of ECG in resting state, but it has a significant in uence on HRV, and the proposed mathematical model absorbs and reproduces this behavior.