A filtragem, na sua forma mais geral, tem estado presente na vida do homem há muito tempo. Com o surgimento de novas tecnologias (surgimento da eletricidade e a sua evolução) e o desenvolvimento da computação, as técnicas de filtragem (separação) de sinais elétricos. Normalmente, os sistemas de comunicação (telefonia móvel e fixa, sinais recebidos de satélites e outros sistemas) contém sinais indesejáveis responsáveis pela degradação do sinal original. Dentro desse contexto, este projeto de pesquisa apresenta um estudo do algoritmo Filtro Duplo de Kalman Estendido, onde um filtro e Kalman e duas redes neurais são empregadas para a redução de ruídos em sinais de voz. O algoritmo estudado foi aplicado ao processamento de um sinal corrompido por dois tipos de ruídos diferentes: ruído branco e ruído gaussiano e ruído branco não estacionário, conseguindo-se bons resultados. Uma melhora sensível do sinal filtrado pode ser conseguida com técnicas de pré-filtragem do sinal. Neste trabalho foi utilizado o filtro de médias para a pré-filtragem, obtendo um sinal filtrado com ruído musical de baixa intensidade. / Filtering in it\'s most general kind has been present in men\'s life for a long time. With the appearance of new technologies (appearance of electricity and it\'s evolution) and the deyelopment of the computer science, the filtering techniques started to be widely used in engineering to the filtering (separation) of electric signals. Normally the communication systems (fixed and mobile telephony, signals sent from satellites and other systems) bring undesired results responsible for the degradation of the original signal. Within this context, this research project shows a study of the algorithm Dual Extended Kalman Filtering, in which a Kalman filter and two neural networks are used for the reduction of noise in speech signals. The algorithm studied was applied to the processing of a signal corrupted by two types of different noises: gaussian white noise and non stationary white noise obtaining good results. A significant improvement of the filtered noise can be obtained with techniques of pre-filtering of the signal. In this research the average filter for a pre-filtering was used, obtaining a filtered signal with musical noise oflow intensity.

Nos últimos tempos, observa-se um grande crescimento na utilização de computadores como ferramenta de auxílio nas mais diversas áreas, sendo a Medicina uma das principais áreas dessa utilização. Inúmeras aplicações da Informática podem ser encontradas na área médica, citando-se os sistemas de apoio ao diagnóstico como uma das mais marcantes. Esses sistemas têm como principal objetivo auxiliar o profissional da área no processo de tomada de decisões, o qual pode ocorrer em diferentes etapas de sua atividade. Esse processo normalmente envolve uma grande quantidade de dados e informações, que podem ser armazenadas e processadas muito mais rapidamente por computador. O objetivo principal desse trabalho é o desenvolvimento de um sistema computacional baseado na técnica de redes neurais artificiais, para auxílio ao médico radiologista na confirmação de diagnóstico das chamadas lesões intersticiais pulmonares. O exame radiológico para esse grupo é de difícil interpretação mesmo para profissionais bem treinados, visto o grande número de patologias assim classificadas e a semelhança entre elas. Os dados para treinamento da rede neural são obtidos por protocolo gerado por especialistas, através da revisão de casos com diagnóstico confirmado para determinadas patologias. O sistema desenvolvido é baseado em uma rede neural do tipo perceptron multicamadas, que funciona como um classificador de padrões – dado um conjunto de dados de entrada, a saída é classificada entre determinadas patologias. Nessa pesquisa, são levantados elementos para justificar a utilização de redes neurais artificiais em sistemas de apoio ao diagnóstico, objetivando uma ferramenta confiável para o auxílio ao profissional no seu dia-a-dia, e também uma ferramenta educacional de auxílio ao treinamento e qualificação para os estudantes da área médica. / It is observed that a big growing in the use of computers as a tool to help in several areas, specially in medicine, happened in the past years. A big number of applications of these computers can be found in Medicine, such as the Diagnosis Support System, which is one of the most remarkable. These systems have as its main objective to help in the phases its activity. This process usually involves a lot of data and information, which can be stored by a computer very quickly. The most important objective of this project is the development of a computer system based in artificial neural network to help the Radiologist in the confirmation of the diagnosis of the so-called Interstitial Lung Disease. The radiological examination for this group has a difficult interpretation even to well-trained professionals, due to the big number of classified as well as similar pathologies in this area. The data for the neural net are obtained through a protocol generated by specialists, through the review of cases with confirmed diagnosis for certain pathologies. The developed system is based in a kind of multilayer perceptron neural net, which run as a classifier of patterns. A number of data is given as entry data, afterwards the exit is classified among certain pathologies. In this research, elements to justify the use of the artificial neural net in diagnosis support systems are raised, objectifying a reliable tool to help professionals who use it day by day and also as an educational tool to help in the training and qualification of medical school students.

O NAVSTAR-GPS, com uma grande variedade de conjuntos receptores e sua aplicabilidade prática em diversas áreas, transformou-se no mais difundido dos sistemas de posicionamento. Porém, necessidades cada vez maiores em termos de precisão trouxeram consigo o ônus de um custo elevado com a aquisição de equipamentos de dupla freqüência. Este trabalho consiste no desenvolvimento de um método que possibilite a modelagem das observáveis GPS, através de Redes Neurais Artificiais, bem como a agregação destes dados a um arquivo gerado por um receptor de uma freqüência, conferindo-lhe características específicas de arquivos gerados por receptores de dupla freqüência e código P. Isto possibilita que dados gerados por receptores de uma freqüência, a imensa maioria dos receptores utilizados no Brasil, possam ser processados como vetores de bases longas. Os resultados obtidos indicam que o uso de modelos neurais, treinados por algoritmos de aprendizado supervisionado, são uma alternativa promissora para estimar dados GPS. / The NAVSTAR-GPS, with a great variety of receivers and its practical aplicabillity in several areas, transformed itself in the most known positioning system. But the necessity of improving the results precision brings with it a cost increasing caused by the use of equipments of dual frequency equipments. This work consist on the development of a method that makes possible the GPS data modelling using Neural Networks, as well as the aggregation of these data into a file generated by single frequency receiver, providing to the system specific characteristics of files generated by double frequency an P code receiver. This makes possible that data generated by receivers of single frequency, the majority of receivers in Brazil, can be processed as vectors of long bases. The results obtained indicate that the use of Neural Network models, with algorithms of supervised learning are a promissing alternative to estimate GPS data.

Este trabalho apresenta uma estratégia para a estimativa de velocidade do motor de indução trifásico baseada em redes neurais artificiais utilizando medidas de variáveis primárias como tensão e corrente. O uso de motores de indução trifásicos é uma constante em diversos setores industriais e de grande importância no cenário energético nacional. A maioria das metodologias de controle, acionamento e dimensionamento destes motores é fundamentada nas medidas de velocidade no eixo. Entretanto, a medida direta da velocidade compromete o sistema de controle e acionamento diminuindo sua robustez e aumentando o custo de implementação. Resultados de simulação e de ensaios experimentais para validação da proposta são também apresentados. / This work presents an approach to estimate speed in induction motors based on artificial neural networks and using measurement of primary variables like voltage and current. The use of induction motors is very common in many industrial sectors and plays an important role in the national energetic scene. The methodologies used in control, start up and dimensioning of these motors are based on measure of the speed variable. However, the direct measure of this variable compromises the system control and start up of the machine, reducing its robustness and increasing the implementation costs. Simulation results and experimental data are presented to validate the proposed approach.

Erros de alinhamento em sistemas ópticos não criam novas aberrações, mas alteram a dependência com o campo das aberrações já conhecidas. Neste trabalho, a sensibilidade teórica ao alinhamento, de sistemas ópticos reflexivos compostos por dois elementos, foi avaliada em função das constantes cônicas dos espelhos. Dentre as diferentes configurações consideradas nesta análise, uma específica apresenta menor sensibilidade à descentralização do espelho secundário. A utilização da teoria de aberração de onda aplicável a sistemas plano-simétricos revelou que a escolha apropriada da constante cônica do espelho secundário faz com que coma uniforme de terceira ordem seja compensado quando esse elemento encontra-se descentralizado, fazendo com que esse sistema seja livre da aberração mais importante causada a ele por desalinhamentos, tornando-o menos sensível. Este trabalho apresenta uma metodologia de alinhamento baseada na análise da frente de onda transmitida por sistemas ópticos, que utiliza redes neurais artificiais para a estimativa dos erros de alinhamento. A frente de onda transmitida por um sistema óptico carrega informações das aberrações desse sistema, que podem ser descritas em termos dos polinômios de Zernike. Esses polinômios podem ser usados para a análise dos efeitos de erros de alinhamento nas aberrações do sistema. Redes neurais artificiais são empregadas na análise dos coeficientes dos polinômios de Zernike visando avaliar o tipo de desalinhamento e a sua magnitude. As estimativas teóricas dos desalinhamentos tanto em sistemas reflexivos como em sistemas refrativos são satisfatórias quando o sistema é considerado perfeito, ou seja, as superfícies ópticas de seus elementos não apresentam erros de forma e não há ruído nos dados avaliados. Na presença de defeitos de fabricação ocorre degradação no desempenho do estimador. Além de descentralização e inclinação, redes neurais artificiais são capazes de fornecer uma estimativa de erros de posicionamento axial dos elementos do sistema. Com base nos estudos realizados, acredita-se que redes neurais artificiais constituem uma alternativa promissora no alinhamento de sistemas ópticos complexos. / Although misalignments in optical systems do not generate new aberration forms, they change the field-dependence of the known ones. In this research, the sensitivity of two-mirror optical systems due to misalignments is evaluated in function of the conic constants of the mirrors. Among the different configurations considered in this study, a specific one has shown low sensitivity due to decenter misalignments. The application of the wave aberration theory for plane-symmetric optical systems has revealed that the proper choice of the secondary mirror conic constant allows third-order uniform coma to be compensated, leading to a less sensitive system, free from the most important misalignment-induced aberration. This thesis also presents an alignment methodology based on the analysis of the transmitted wavefront utilizing artificial neural networks to estimate alignment errors in the components of the system. The transmitted wavefront carries information about the aberrations in the optical system, which can be described in terms of Zernike polynomials. Such polynomials are used for the analysis of the effects of misalignments on the aberrations of the system. Artificial neural networks are employed in the analysis of the coefficients of Zernike polynomials and used to evaluate both type and magnitude of the misalignments. Theoretical misalignments estimated in reflexive and refractive optical systems are satisfactory for perfect systems, i.e., systems with no surface errors, and noiseless data. When surface imperfections are considered, the performance of the estimator is reduced. Besides decenter and tilt misalignments, artificial neural networks can estimate axial positioning errors of the elements in the system, therefore they are believed to be a promising alternative for the alignment of complex optical systems.

Nos últimos anos, tem havido um crescente interesse na detecção precoce das doenças que afetam as culturas agrícolas a fim de evitar grandes perdas econômicas devido à contaminação de novas plantas. As principais doenças cítricas, cancro cítrico e greening, são uma séria ameaça à produção de citros em todo o mundo, incluindo regiões do Brasil e dos Estados Unidos. A disseminação rápida das doenças leva à redução do número de pomares cultivados, resultando em danos econômicos aos produtores e às indústrias relacionadas. O desenvolvimento de métodos para o diagnóstico precoce pode resultar em uma importante ferramenta para o controle e gestão dos citros. Algumas deficiências nutricionais como a de ferro e zinco apresentam sintomas visuais semelhantes com o greening, enquanto que o cancro cítrico pode ser confundido com a verrugose ou leprose dos citros, podendo levar ao diagnóstico incorreto. Atualmente, somente testes bioquímicos são capazes de detectar especificamente o cancro cítrico e o greening, e consequentemente diferenciá-los das demais doenças e deficiências de nutrientes. No presente trabalho, a técnica de espectroscopia por imagens de fluorescência em conjunto com os métodos de aprendizado e classificação, SVM (do inglês, Support Vector Machine) e ANN (do inglês, Artificial Neural Network), foram utilizadas a fim de identificar e discriminar as principais doenças que afetam a citricultura nos estados de São Paulo/Brasil e da Flórida/EUA. As amostras em estudo são cancro cítrico, verrugose, greening e deficiência de zinco. O objetivo principal é discriminar as doenças com sintomas visuais semelhantes, no caso, cancro cítrico de verrugose e greening de deficiência de zinco para as amostras do Brasil, e greening de deficiência de zinco para as amostras dos Estados Unidos. Os resultados mostram que é possível utilizar a técnica de espectroscopia por imagens de fluorescência em conjunto com os métodos de classificação na discriminação das doenças que apresentam sintomas visuais semelhantes. Ambos os classificadores apresentaram uma elevada precisão na classificação tanto das amostras do Brasil como dos Estados Unidos, destacando assim eficácia da técnica sob condições diferentes. / In recent years, there has been an increasing interest in early detection of diseases that affect agricultural crops to avoid great economic losses due to contamination of new plants. The main citrus diseases, citrus canker and HLB, are a serious threat to citrus production worldwide, including regions in Brazil and the United States. The rapid spread of the diseases leads to the reduction of cultivated orchards resulting in economic losses to producers and industries. The development of methods for early diagnosis can result in an important tool for the control and management of citrus. Some nutritional deficiencies such as iron and zinc have similar visual symptoms to HLB, while the citrus canker can be confused with citrus scab and citrus leprosies, which may lead to incorrect diagnosis. Currently, only biochemical tests are able to detect, specifically, citrus canker and HLB, and thus distinguish them from other diseases and nutrient deficiencies. In this work, the fluorescence imaging spectroscopy technique with the learning and classification methods, SVM (Support Vector Machine) and ANN (Artificial Neural Network), were used to identify and discriminate the main diseases that affect citrus production in the states of São Paulo/Brazil and Florida/USA. The samples studied are citrus canker, citrus scab, HLB and zinc deficiency. The objective is to discriminate the diseases with similar visual symptoms, such as citrus canker from citrus scab and HLB from zinc deficiency for samples from Brazil and HLB from zinc deficiency for samples from the United States. The results show that it is possible to use the fluorescence imaging spectroscopy technique together with the classification methods for the discrimination of the diseases that have similar visual symptoms. Both classifiers showed high accuracy in the classification of the samples from Brazil and the United States, highlighting the efficiency of the technique under different conditions.

O crescente aumento na demanda de energia elétrica nacional, associada às alterações regulamentares do setor, em que o tempo que um equipamento permanece indisponível para o sistema, aguardando manutenção significa perda de receita para as companhias de energia, motivou a busca por diagnósticos precisos e utilização de técnicas não invasivas que possam ser aplicadas em transformadores em serviço. Assim, o foco desta pesquisa foi o desenvolvimento de uma arquitetura de sistema inteligente baseado em Redes Neurais Artificiais, que a partir de características extraídas de sinais de emissão acústicas provenientes de sensores distribuídos espacialmente no tanque de transformadores de potência, possa identificar internamente o local de ocorrência das descargas parciais e fornecer as distâncias estimadas entre os sensores e o ponto dessa descarga, e com essas distâncias, utilizando técnicas numéricas de triangulação, o sistema fornece também a coordenada espacial da falha auxiliando no diagnostico de defeito do transformador e no processo de tomada de decisões. / The increasing in the demand for national electrical energy coupled with alterations in the regulation of the sector, where the time which a piece of the electrical system equipment stays out of service means loss of income for the electrical companies, has motivated the search for correct diagnostics and usage of non-invasive technics that can be used in tranformers which are in operation. Therefore, the aim of this research was to develop the design of an intelligent system based on Artificial Neural Nets, which through the characteristics extracted from the acoustic emission signals coming from the sensors spatially distributed in the power transformer tank can identify internally the place of the occourrence of the partial discharges and provide the estimate distances between the sensors and the discharges point, so with these distances using triangle technical analysis the system will also provide the spatial coordinate of the flaw for diagnosing the problem with the transformer and help the process of decision making.

Nesse trabalho é apresentado o estudo de redes neurais artificiais (RNAs) como sistemas de aprendizado, simulação e otimização de processos de deposição de filmes finos poliméricos. Duas técnicas de deposição comumente utilizadas para a fabricação de dispositivos eletrônicos e sensores poliméricos foram escolhidas: i) spin coating ou centrifugação e ii) automontagem. Na primeira técnica, a espessura final dos filmes finos obtidos foi a característica avaliada em função da velocidade de rotação, do tempo de rotação e da concentração da solução polimérica. Como material de deposição, utilizou-se a poli(o-metoxianilina) (POMA). Com a segunda técnica analisou-se a influência sobre a espessura, sobre a condutância elétrica e sobre o espectro de absorção, do número de bicamadas, do tempo de exposição dos filmes a uma solução dopante de ácido clorídrico (HCl) e do pH das mesmas. Os poliíons utilizados nessa técnica foram a polianilina (PAni) e o poli(vinil sulfato de sódio) (PVS). Os filmes obtidos pela segunda técnica de deposição constituem uma classe de sensores capazes de detectar e quantificar concentrações baixas de HCl diluído em água. Os treinamentos e simulações com redes neurais artificiais foram realizados apenas para a espessura dos filmes de POMA e a absorção dos filmes de PAni/PVS. Foram construídas redes neurais artificiais do tipo multilayer perceptron (MLP) utilizando o software MATLAB e o componente Neural Networks Toolbox. A reprodutibilidade e o número de neurônios contidos na camada intermediária foram avaliados. Os resultados mostram que as redes neurais artificiais treinadas fornecem boas respostas simuladas interpolando e extrapolando os valores experimentais utilizados. Como conclusão mostra-se que é possível a utilização dessa ferramenta para auxiliar a engenharia de processos, as técnicas e análises de deposições de filmes finos poliméricos. / In this work it is shown a study of artificial neural networks used as learning and simulating systems to optimize polymeric thin films deposition processes. Two common layer deposition techniques to fabricate polymeric electronic devices and polymeric sensors were chosen: i) spin coating and ii) self-assembly. In the first technique the final thickness of obtained thin films was the analyzed characteristic as a function of spin speed, spin time and solution concentration. For the deposited layers we used poly(o-methoxyaniline) (POMA). In the second technique we analyzed the influence of the number of bilayers, the pH of deposition solutions and the dipping time in the final thickness, electrical resistance and UV-Vis absorption spectra. As polyions, we used polyaniline (PAni) and poly(vinyl sodium sulfate) (PVS). These films could be used as a sensor to detect low concentrations of HCl diluted in water. After obtaining the experimental data we constructed artificial neural networks using multilayer perceptrons (MLP) architecture with MATLAB and its component called Neural Networks Toolbox. The number of neurons in the hidden layer and the reproducibility were analyzed. The results show that the trained artificial neural networks used in this work provide good simulation responses interpolating and extrapolating the experimental data. As a conclusion we show that it is possible to utilize this tool to aid the process engineering and the polymeric thin film deposition techniques and analysis

Nos últimos tempos, observa-se um grande crescimento na utilização de computadores como ferramenta de auxílio nas mais diversas áreas, sendo a Medicina uma das principais áreas dessa utilização. Inúmeras aplicações da Informática podem ser encontradas na área médica, citando-se os sistemas de apoio ao diagnóstico como uma das mais marcantes. Esses sistemas têm como principal objetivo auxiliar o profissional da área no processo de tomada de decisões, o qual pode ocorrer em diferentes etapas de sua atividade. Esse processo normalmente envolve uma grande quantidade de dados e informações, que podem ser armazenadas e processadas muito mais rapidamente por computador. O objetivo principal desse trabalho é o desenvolvimento de um sistema computacional baseado na técnica de redes neurais artificiais, para auxílio ao médico radiologista na confirmação de diagnóstico das chamadas lesões intersticiais pulmonares. O exame radiológico para esse grupo é de difícil interpretação mesmo para profissionais bem treinados, visto o grande número de patologias assim classificadas e a semelhança entre elas. Os dados para treinamento da rede neural são obtidos por protocolo gerado por especialistas, através da revisão de casos com diagnóstico confirmado para determinadas patologias. O sistema desenvolvido é baseado em uma rede neural do tipo perceptron multicamadas, que funciona como um classificador de padrões – dado um conjunto de dados de entrada, a saída é classificada entre determinadas patologias. Nessa pesquisa, são levantados elementos para justificar a utilização de redes neurais artificiais em sistemas de apoio ao diagnóstico, objetivando uma ferramenta confiável para o auxílio ao profissional no seu dia-a-dia, e também uma ferramenta educacional de auxílio ao treinamento e qualificação para os estudantes da área médica. / It is observed that a big growing in the use of computers as a tool to help in several areas, specially in medicine, happened in the past years. A big number of applications of these computers can be found in Medicine, such as the Diagnosis Support System, which is one of the most remarkable. These systems have as its main objective to help in the phases its activity. This process usually involves a lot of data and information, which can be stored by a computer very quickly. The most important objective of this project is the development of a computer system based in artificial neural network to help the Radiologist in the confirmation of the diagnosis of the so-called Interstitial Lung Disease. The radiological examination for this group has a difficult interpretation even to well-trained professionals, due to the big number of classified as well as similar pathologies in this area. The data for the neural net are obtained through a protocol generated by specialists, through the review of cases with confirmed diagnosis for certain pathologies. The developed system is based in a kind of multilayer perceptron neural net, which run as a classifier of patterns. A number of data is given as entry data, afterwards the exit is classified among certain pathologies. In this research, elements to justify the use of the artificial neural net in diagnosis support systems are raised, objectifying a reliable tool to help professionals who use it day by day and also as an educational tool to help in the training and qualification of medical school students.

Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Nesse âmbito, a ultrassonografia tornou-se uma ferramenta indispensável na distinção entre lesões benignas e malignas. Devido a subjetividade na interpretação de imagens, os esquemas CAD têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia para a detecção e caracterização automática de achados ultrassonográficos da mama. Os ensaios tiveram por base a utilização de imagens obtidas por simuladores e, a partir de resultados consideráveis, foram aplicados sobre exames clínicos. O processo teve início com o emprego de um pré-processamento (filtro de wiener, equalização e filtro da mediana) para a minimização do ruído. Em seguida, cinco técnicas de segmentação foram averiguadas a fim de determinar a representação mais concisa. Dentre elas, a rede neural SOM mostrou-se como a mais relevante. Após a delimitação do objeto, foram definidas as características mais expressivas para a descrição morfológica do achado. Esses dados serviram de entrada para o classificador neural MLP. A acurácia alcançada durante o treinamento em imagens simuladas foi de 94,2%, produzindo um Az de 0,92. Para avaliar a generalização dos dados, foi efetuada a classificação com imagens desconhecidas ao sistema, tanto em simuladores quanto em exames clínicos, nesses casos a acurácia foi de 90% e 81%, respectivamente. O classificador proposto apresentou-se como uma importante ferramenta de auxílio ao diagnóstico em ultrassonografias de mama. / Many procedures have been developed to assist in the early diagnosis of breast cancer. In this context, ultrasound has become an indispensable tool to distinguish benign and malignant lesions. Due to the subjectivity on interpreting images, CAD schemes have provided to the specialist a second opinion more accurate and reliable. Thus, this research presents a methodology for the automatic detection and characterization of breast sonographic findings. The tests were based the use of images obtained by simulators and, as considerable results, were applied to clinical examinations. The process was started employing of a preprocessing (wiener filter, equalization and median filter) to minimize noise. Then, five segmentation techniques were investigated to determine the most concise representation of the lesion contour, enabling to consider the neural network SOM the most relevant. After the delimitation of the object, the most expressive features were defined to the morphological description of the finding, generating the input data to the neural classifier MLP. The accuracy achieved during training with simulated images was 94.2%, producing an Az of 0.92. To evaluating the data generalization, the classification was performed with a group of unknown images to the system, both to simulators as to clinical trials, resulting in an accuracy of 90% and 81%, respectively. The proposed classifier proved to be an important tool for the diagnosis in ultrasonography breast.