ALMEIDA, A. L. F. Modelagem tensorial e processamento de sinais por sistemas de comunicações de redes. 2007. 241 f. Tese (Doutorado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2007. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2016-04-01T17:49:08Z No. of bitstreams: 1 2007_tese_alfalmeida.pdf: 1785785 bytes, checksum: 552f0aa3c9fa8f36f91fef9c1fe5e883 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2016-04-01T18:44:44Z (GMT) No. of bitstreams: 1 2007_tese_alfalmeida.pdf: 1785785 bytes, checksum: 552f0aa3c9fa8f36f91fef9c1fe5e883 (MD5) / Made available in DSpace on 2016-04-01T18:44:44Z (GMT). No. of bitstreams: 1 2007_tese_alfalmeida.pdf: 1785785 bytes, checksum: 552f0aa3c9fa8f36f91fef9c1fe5e883 (MD5) Previous issue date: 2007-11-02 / In several signal processing applications for wireless communications, the received signal is multidimensional in nature and may exhibit a multilinear algebraic structure. In this context, the PARAFAC tensor decomposition has been the subject of several works in the past six years. However, generalized tensor decompositions are necessary for covering a wider class of wireless communication systems with more complex transmission structures, more realistic channel models and more efficient receiver signal processing. This thesis investigates tensor modeling approaches for multiple-antenna systems, channel equalization, signal separation and parametric channel estimation. New tensor decompositions, namely, the block-constrained PARAFAC and CONFAC decompositions, are developed and studied in terms of identifiability. First, the block-constrained PARAFAC decomposition is applied for a uni¯ed tensor modeling of oversampled, DS-CDMA and OFDM systems with application to blind multiuser equalization. This decomposition is also used for modeling multiple-antenna (MIMO) transmission systems with block space-time spreading and blind detection, which generalizes previous tensor-based MIMO transmission models. The CONFAC decomposition is then exploited for designing new MIMO-CDMA transmission schemes combining spatial diversity and multiplexing. Blind symbol/code/channel recovery is discussed from the uniqueness properties of this decomposition. This thesis also studies new applications of third-order PARAFAC decomposition. A new space-time-frequency spreading system is proposed for multicarrier multiple-access systems, where this decomposition is used as a joint spreading and multiplexing tool at the transmitter using tridimensional spreading code with trilinear structure. Finally, we present a PARAFAC modeling approach for the parametric estimation of SIMO and MIMO multipath wireless channels with time-varying structure. / Em diversas aplicações do processamento de sinais em sistemas de comunicação sem-fio, o sinal recebido é de natureza multidimensional, possuindo uma estrutura algébrica multilinear. Neste contexto, a decomposição tensorial PARAFAC tem sido utilizada em vários trabalhos ao longo dos últimos seis anos. Observa-se, entretanto, que decomposições tensoriais generalizadas são necessárias para modelar uma classe mais ampla de sistemas de comunicação, caracterizada pela presença de estruturas de transmissão mais complexas, por modelos de canal mais realistas, e por técnicas de processamento de sinais mais eficientes no receptor. Esta tese investiga novas abordagens tensorias e suas aplicações em modelagem de sistemas MIMO, equalização, separação de sinais e estimação paramétrica de canal. Inicialmente, duas novas decomposições tensoriais (PARAFAC em blocos com restrições e CONFAC) são desenvolvidas e estudadas em termos de identificabilidade. Em uma segunda parte do trabalho, novas aplicações destas decomposições tensoriais são propostas. A decomposição PARAFAC em blocos com restrições é aplicada, primeiramente, µa modelagem unificada de sistemassuperamostrados, DS-CDMA e OFDM, com aplicação em equalização multiusuária. Em seguida, esta decomposição é utilizada na modelagem de sistemas de transmissão MIMO com espalhamento espaço-temporal e detecção conjunta. Em seguida, a decomposição CONFAC é explorada na concepção de uma nova arquitetura generalizada de transmissão MIMO/CDMA que combina diversidade e multiplexagem. As propriedades de unicidade desta decomposição permitem o uso do processamento não-supervisionado no receptor, visando a reconstrução dos sinais transmitidos e a estimação do canal. Na terceira e última parte deste trabalho, explora-se a decomposição PARAFAC no contexto de duas aplicações diferentes. Na primeira, uma nova estrutura de transmissão espaço-temporal-freqüencial é proposta para sistemas MIMO multiportadora. A segunda aplicação consiste em um novo estimador paramétrico para canais multipercursos.

Orientador: Prof. Dr. Ricardo Suyama / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2016. / O presente trabalho analisa o problema de desconvolução não-supervisionada de sinais abordando a característica esparsa dos sinais envolvidos. O problema de desconvolução não-supervisionada de sinais se assemelha, em muitos aspectos, ao problema de separação cega de fontes, que consiste basicamente de se estimar sinais a partir de versões que correspondem a misturas desses sinais originais, denominados simplesmente de fontes. Ao aplicar a desconvolução não-supervisionada é necessario explorar características dos sinais e/ou do sistema para auxiliar na resolução do problema. Uma dessas características, a qual foi utilizada neste trabalho, é o conceito de esparsidade. O conceito de esparsidade está relacionado a sinais e/ou sistemas em que toda a informação está concentrada em uma quantidade pequena de valores, os quais representam a informação real do que se queira analisar sobre o sinal ou sobre o sistema. Nesse contexto, há critérios que estabelecem condições suficientes, sobre os sinais e/ou sistemas envolvidos, capazes de garantir a desconvolução dos mesmos. Com isso, os algoritmos para recuperação dos sinais e/ou sistemas utilizarão os critérios estabelecidos baseado na característica esparsa dos mesmos. Desta forma, neste trabalho será feito a comparação de convergência dos algoritmos aplicados em alguns cenários específicos, os quais definem o sinal e o sistema utilizados. Por fim, os resultados obtidos nas simulações permitem obter uma boa ideia do comportamento dos diferentes algoritmos analisados e a viabilidade de uso no problema de desconvolução de sinais esparsos. / The present work analyzes the deconvolution problem unsupervised signs approaching the sparse characteristic of the signals involved. The deconvolution problem unsupervised signals resembles in many aspects to the problem of blind source separation, which consists primarily of estimating signals from versions which are mixtures of these original signals, simply referred to as sources. By applying unsupervised deconvolution it is necessary to explore characteristics of signals and/or system to assistant in problem resolution. One of these features, which was used in this work is the concept of sparsity. The concept of sparseness associated signs and/or systems in which all the information is concentrated in a small number of values, which represent the actual information that one wants to analyze on the signal or on the system. In this context, there are criteria that establish sufficient conditions on the signs and/or systems involved, able to ensure the deconvolution of them. Thus, the algorithms for signal recovery and/or systems will use the criteria based on sparse characteristic of them. Thus, the present work will be doing the convergence of algorithms comparison applied in some specific scenarios, which define the signal and the system used. Finally, the results obtained from simulations allow getting a good idea of the behavior of different algorithms and analyzed for viability using the deconvolution problem of sparse signals.

Submitted by Jesiel Ferreira Gomes (jesielgomes@ufcg.edu.br) on 2018-04-20T20:53:07Z No. of bitstreams: 1 SHIRLENE KELLY SANTOS CARMO – TESE (PPGEQ) 2015.pdf: 3441674 bytes, checksum: 2a66c0c04d01e56f10189d8b206ebc1c (MD5) / Made available in DSpace on 2018-04-20T20:53:07Z (GMT). No. of bitstreams: 1 SHIRLENE KELLY SANTOS CARMO – TESE (PPGEQ) 2015.pdf: 3441674 bytes, checksum: 2a66c0c04d01e56f10189d8b206ebc1c (MD5) Previous issue date: 2015-02-06 / Capes / Grande parte das indústrias apresenta complexidade no que diz respeito ao seu modo de operação. A fim de reduzir os problemas relacionados ao forte acoplamento existente nesses processos, a busca pela incorporação de dispositivos de inteligência artificial vem apresentando uma tendência crescente nos últimos anos. Devido à complexidade de operação e controle em processos multivariáveis, o diagnóstico e monitoramento de falhas nos processos tornaram-se cada vez mais difícil, com isso a aplicação destes dispositivos tem alcançado resultados satisfatórios em relação aos procedimentos executados com operadores humanos. A análise de componentes independentes (ICA) é uma técnica de separação de sinais que se baseia no uso de estatísticas de ordem superior para estimar cada uma das fontes desconhecidas por meio da observação de diversas misturas geradas a partir destas fontes. Embora sejam encontrados trabalhos recentes sobre a utilização do ICA em processos industriais, apenas dois trabalhos até o presente momento, foram aplicados em processos envolvendo colunas de destilação. O presente trabalho tem como objetivo propor uma estratégia de controle a uma coluna de destilação de alta pureza. A estratégia é baseada na técnica de separação de sinais ICA, tornando as malhas de controle desacopladas e facilitando assim o desempenho do controle. O desempenho do sistema de controle utilizando a técnica apresentou excelentes resultados em relação a uma estrutura convencional sem desacoplamento. As estruturas de controle foram implementadas em ambiente Aspen Plus DynamicsTM e Simulink/ Matlab®. O processo foi estruturado em ambiente Aspen Plus Dynamics™ e os controladores foram implementados no Simulink. / Much of the industry presents complexity with regard to its mode of operation. In order to reduce the problems related to existing strong engagement in these processes, the search for the incorporation of artificial intelligence devices has shown an increasing trend in recent years. Due to the complexity of operation and control in multivariate processes, the diagnosis and fault monitoring in the processes have become increasingly difficult, thus the application of these devices has achieved satisfactory results in relation to procedures performed with human operators. The independent component analysis (ICA) is a signal separation technique that is based on the use of higher order statistics to estimate each of the unknown source by observing various mixtures generated from these sources. Although found recent work on the use of the ICA in industrial processes, only two studies to date, have been applied in cases involving distillation columns. This paper aims to propose a control strategy to a high purity distillation column. The strategy is based on the ICA signal separation technique, making decoupled control loops, thus facilitating control performance. The performance of the control system using the technique showed excellent results compared to a conventional structure without decoupling. The control structures have been implemented in Aspen Plus Dynamics™ and Simulink / Matlab® environment. The process was structured environment Aspen Plus Dynamics™ and the controls were implemented in Simulink.