Submitted by Franciele Moreira (francielemoreyra@gmail.com) on 2018-03-27T12:32:47Z No. of bitstreams: 2 Dissertação - Thaissa de Melo Cesar - 2018.pdf: 17977918 bytes, checksum: aef850db04513a76a546a025583e8e42 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-03-27T14:27:07Z (GMT) No. of bitstreams: 2 Dissertação - Thaissa de Melo Cesar - 2018.pdf: 17977918 bytes, checksum: aef850db04513a76a546a025583e8e42 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-03-27T14:27:07Z (GMT). No. of bitstreams: 2 Dissertação - Thaissa de Melo Cesar - 2018.pdf: 17977918 bytes, checksum: aef850db04513a76a546a025583e8e42 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-03-09 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This work presents a study on the application of the wavelet transform in the monitoring and analysis of the power quality and in the detection of islanding conditions in distributed generation systems, addressing a grid connected photovoltaic system as a case study. Initially, an introduction about distributed generation systems, standards and requirements for operation was made. Next, the concepts and parameters related to electric power quality and islanding conditions are presented. Then a review of the wavelet transform is presented, showing the concept of multiresolution analysis and the main applications in the topic addressed. The wavelet transform is an important contribution to time-frequency localization methods for the analysis of transient signals. A multiresolution analysis was proposed through the discrete wavelet transform for voltage analysis at the common coupling point between the generation system and the electric grid. The standard deviation and the variation of the details coefficients of the wavelet transform were used for the detection and classification of disturbances. In the application of the method, pure sine-wave voltages with different types of disturbances were considered: voltage sag, voltage sweel, interruption, oscillatory transients and noise. And three cases of dynamic island detection were simulated with a grid connected photovoltaic system. The results obtained are presented and discussed for validation of the wavelet transform application in the analysis of grid connected photovoltaic systems. / Este trabalho apresenta um estudo sobre a aplicação da transformada wavelet no monitoramento e análise da qualidade da energia elétrica e na detecção de ilhamento em sistemas de geração distribuída, abordando como estudo de caso um sistema fotovoltaico conectado à rede elétrica. Inicialmente é feita uma introdução sobre os sistemas de geração distribuída, as normas e requisitos para operação. Em seguida são apresentados os conceitos e parâmetros relativos à qualidade de energia elétrica e condições de ilhamento. Depois é mostrada uma revisão da transformada wavelet, apresentando o conceito de análise multirresolução e as principais aplicações no tema abordado. A transformada wavelet é uma importante contribuição para métodos de localização tempo-frequência na análise de sinais transitórios. Foi proposta uma análise multirresolução através da transformada wavelet discreta para análise da tensão no ponto de acoplamento comum entre o sistema de geração e a rede. O desvio padrão e a variação dos coeficientes de detalhes da transformada foram utilizados para a detecção e a classificação dos distúrbios. Na aplicação do método, foram consideradas tensões senoidais puras e com diferentes tipos de distúrbios: afundamento, elevação, interrupção, transitórios oscilatórios e ruídos. E foram simulados três casos de detecção de ilhamento dinâmica em um sistema fotovoltaico conectado à rede. Os resultados obtidos validam a proposta de aplicação da transformada wavelet na análise de sistemas fotovoltaicos conectados à rede.

A Qualidade da energia elétrica é caracterizada pela disponibilidade da energia através de uma forma de onda senoidal pura, sem alterações na amplitude e freqüência. No entanto situações transitórias em sistemas de potência são comuns e estas podem provocar inúmeras interferências indesejáveis. Neste contexto, este trabalho tem como objetivo desenvolver um algoritmo para detectar, localizar no tempo e classificar diversos distúrbios que ocorrem no sistema elétrico através da aplicação da transformada wavelet (TW). Foi realizado um estudo teórico desde a origem até os recentes avanços sobre a TW. Para a detecção e localização no tempo foi utilizada apenas a TW. Com relação à classificação foram comparadas três ferramentas matemáticas: TW, TRF (Transformada Rápida de Fourier) e RNA (Redes Neurais Artificiais). Através do software ATP (Alternative Transients Program) foi modelado um sistema de distribuição, cujas características seguem um sistema real. Todos os distúrbios de tensão gerados e analisados puderam ser detectados e localizados no tempo através da técnica de análise multiresolução. Em relação à classificação, foi realizada uma comparação entre a TW, a TRF e RNA com resultados satisfatórios, destacando dentre elas a TRF e a RNA. Pode-se concluir que os resultados obtidos através do algoritmo mostraram-se eficientes tanto no aspecto da detecção, localização e classificação, assim como na estimação da amplitude do distúrbio e da duração do distúrbio. / A perfect power supply would be one that is always available, maintaining the supply voltage and frequency within certain limits, and supplying pure noise free sinusoidal waveform. Nevertheless, transient events are usual in power systems, resulting in several interferences. The purpose of this study is for detecting, locating in time and to classifying with wavelet transform (WT) several disturbances that occur on power systems. A WT theoretical revision, referring to the first mention in wavelet up to the recent research advances is presented. Only WT was used in order to detect and locate in time the power system disturbances. For classification, three mathematical tools were compared: WT, FFT (Fast Fourier Transform) and ANN (Artificial Neural Networks). A distribution System, with identical characteristics as the real distribution system, was performed with ATP software (Alternative Transients Program). The results showed that multiresolution analysis technique is able to detect and locate all the generated and analyzed voltage disturbances. For classification the results were similar for the WT, FFT and ANN, however FFT and ANN results presented a better performance. The results conclude that the WT algorithm is efficient at detecting, localizing and classifying power system disturbances, as well as, at estimating the amplitude and duration of the voltage disturbance.

Esta pesquisa teve como objetivo o desenvolvimento de um algoritmo computacional capaz de diagnosticar as condições operativas de transformadores de potência. As variáveis tomadas como base para classificar as condições apresentadas se referem às usualmente empregadas pela lógica de proteção diferencial, ou seja, a corrente diferencial e o conteúdo harmônico presente nos sinais em análise. Além disto, foi também verificada a relação entre alguns dos fenômenos associados à falta de qualidade da energia elétrica originados pelos consumidores conectados no secundário e refletidos ao primário do transformador. O algoritmo desenvolvido utilizou-se da Transformada Wavelet e de técnicas de inteligência artificial (Lógica Fuzzy e Redes Neurais Artificiais), com o objetivo de inferir sobre os relacionamentos supracitados. Todos os testes para validação da metodologia proposta foram realizados dispondo de um sistema elétrico simulado no software ATP (Alternative Transients Program). Os resultados encontrados denotam que, frente às condições analisadas, correntes diferenciais e conteúdo harmônico indesejado podem vir a surgir, fazendo com que a lógica implementada venha a diagnosticar erroneamente a condição de operação enfrentada. Os resultados avaliam ainda a propagação destas condições do secundário para o primário do transformador em análise. / This research aimed to develop an algorithm able to diagnose the operating conditions of power transformers. The variables considered to classify the presented conditions were the normally used by differential protection logic, i.e., the differential current and the harmonic content in the signals in analysis. Moreover, the relationship between some phenomena associated to a poor power quality originated from consumers connected to the secondary and reflect to the primary side of the transformer was also verified. In order to infer the relationships above mentioned, the developed algorithm used the Wavelet Transform and artificial intelligence techniques (Fuzzy Logic and Artificial Neural Networks). All the tests applied to validate the proposed methodology were performed making use of the ATP (Alternative Transients Program). In face of the analyzed conditions, the results show that differential currents and undesired harmonic content can arise and the implemented logic will erroneously diagnose the operation condition addressed. The results also illustrate the propagation of these conditions from secondary to primary side of the analyzed transformer.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / A anÃlise de formas representa um papel importante em aplicaÃÃes de visÃo computacional e processamento de imagens, e a representaÃÃo da forma à o primeiro passo para esta anÃlise. Esta presente dissertaÃÃo discute e aborda um conjunto de tÃcnicas disponÃveis na literatura para a geraÃÃo de uma representaÃÃo adequada de formas baseada em cantos. A abordagem proposta provà uma decomposiÃÃo wavelet nÃo-decimada do contorno representado pelo sinal de angulaÃÃo e curvatura afim de representar uma forma por seus pontos mais relevantes sem requerer intervenÃÃo do usuÃrio. A metodologia adotada apresenta resultados promissores, faz uso de ferramentas disponÃveis na literatura e elimina caracterÃsticas redundantes da forma com o intuito de alcanÃar uma representaÃÃo que mantenha uma reconstruÃÃo adequada da forma original. Uma nova medida de avaliaÃÃo, sob o aspecto do erro obtido na reconstruÃÃo, tambÃm à apresentada de modo a confirmar que o algoritmo proposto realiza com sucesso a sua meta e supera os detectores de cantos utilizados para testes e comparaÃÃes. / Shape analysis plays an important role in computer vision and image processing applications and shape representation is the first step towards it. The current dissertation discusses a set of techniques available in the literature in order to generate an adequate shape representation based on corners. The proposed approach provides an non-decimated wavelet decomposition of the represented contour by curvature and angulation signals in order to represent the shape using the most relevant contour points without requiring any user intervention. The adopted methodology presents promising results and it uses a set of tools, with little highlight in the literature, and it eliminates the redundant shape features in order to accomplish the suitable representation of the original shape. A novel evaluation measure, concerning the reconstruction error, is also presented to confirm that the proposed algorithm achieves its goal and outperforms other corner detectors used for tests and comparison.

O objetivo deste trabalho é apresentar um novo método para a remoção do ruído Poisson em imagens de mamografia digital adquiridas com baixa dosagem de radiação. Sabe-se que a mamografia por raios X é o exame mais eficiente para a detecção precoce do câncer de mama, aumentando consideravelmente as chances de cura da doença. No entanto, a radiação absorvida pela paciente durante o exame ainda é um problema a ser tratado. Estudos indicam que a exposição à radiação pode induzir a formação do câncer em algumas mulheres radiografadas. Apesar desse número ser significativamente baixo em relação ao número de mulheres que são salvas pelo exame, existe a necessidade do desenvolvimento de meios que viabilizem a diminuição da dose de radiação empregada. No entanto, uma redução na dose de radiação piora a qualidade da imagem pela diminuição da relação sinal-ruído, prejudicando o diagnóstico médico e a detecção precoce da doença. Nesse sentido, a proposta deste trabalho é apresentar um método para a filtragem do ruído Poisson que é adicionado às das imagens mamográficas quando adquiridas com baixa dosagem de radiação, fazendo com que ela apresente qualidade equivalente àquela adquirida com a dose padrão de radiação. O algoritmo proposto foi desenvolvido baseado em adaptações de algoritmos bem estabelecidos na literatura, como a filtragem no domínio Wavelet, aqui usando o Shrink-thresholding (WTST), e o Block-matching and 3D Filtering (BM3D). Os resultados obtidos com imagens mamográficas adquiridas com phantom e também imagens clínicas, mostraram que o método proposto é capaz de filtrar o ruído adicional incorporado nas imagens sem perda aparente de informação. / The aim of this work is to present a novel method for removing the Poisson noise in digital mammography images acquired with reduced radiation dose. It is known that the X-ray mammography is the most effective exam for early detection of breast cancer, greatly increasing the chances of healing the disease. However, the radiation absorbed by the patient during the exam is still a problem to be treated. Some studies showed that mammography can induce breast cancer in a few women. Although this number is significantly low compared to the number of women who are saved by the exam, it is important to develop methods to enable the reduction of the radiation dose used in the exam. However, dose reduction led to a decrease in image quality by means of the signal to noise ratio, impairing medical diagnosis and the early detection of the disease. In this sense, the purpose of this study is to propose a new method to reduce Poisson noise in mammographic images acquired with low radiation dose, in order to achive the same quality as those acquired with the standard dose. The method is based on well established algorithms in the literature as the filtering in Wavelet domain, here using Shrink-thresholding (WTST) and the Block-matching and 3D Filtering (BM3D). Results using phantom and clinical images showed that the proposed algorithm is capable of filtering the additional noise in images without apparent loss of information.

Este trabalho tem a finalidade de analisar algumas técnicas de processamento do sinal mioelétrico, de forma a possibilitar uma posterior implementação de um circuito, que reconheça este sinal e apresente como saída um sinal de controle a ser utilizado em sistemas de reabilitação. Foram simuladas e avaliadas três técnicas de filtragem para o sinal mioelétrico, a fim de atenuar a interferência dos principais ruídos que corrompem este sinal. As técnicas avaliadas foram: filtragem digital clássica; cancelamento de ruído adaptativo e reconstrução do sinal por meio das componentes obtidas pela transformada wavelet. Também foi implementado e analisado um sistema simplificado de reconhecimento dos padrões para este sinal, realizado por meio de uma rede neural artificial, em que foi aplicado em sua entrada o próprio sinal mioelétrico e não suas características obtidas por processamentos matemáticos. Diante dos resultados obtidos os canceladores de ruído adaptativos apresentaram melhores resultados com relação às outras técnicas de filtragem. Apesar de não ter sido adequada para a filtragem, a transformada wavelet mostrou-se uma poderosa ferramenta de análise de sinais, em virtude da sua característica multiresolução. A técnica utilizada para reconhecer os padrões do sinal mostrou bons resultados com os sinais analisados. / This work has the purpose to analyze some techniques for myoelectric signal processing, towards a subsequent implementation of a circuit which can recognize this signal and present as output a control signal to be used in rehabilitation systems. Simulation and evaluation of three filtering techniques for the myoelectric signal were done in order to attenuate the main interferences of noises which corrupt this signal. The evaluated techniques were: classic digital filtering; adaptive noise cancelling and the signal reconstruction through the obtained components by the wavelet transform. A simplified system of pattern recognition for this signal also was implemented and analyzed, accomplished through an artificial neural network. The myoelectric signal itself was applied to the input instead of its characteristics obtained by mathematical processing. According to the results obtained the adaptive noise cancelling presented better results in comparison to the other filtering techniques. Despite not being adequate for filtering, the wavelet transform proved to be a powerful tool for signal analysis, by virtue of its multiresolution characteristics. The technique used to recognize the signal patterns has shown good results with the analyzed signals.

El análisis de Fourier es el método fundamental para la medida de armónicos e interarmónicos en señales eléctricas y es el principio de análisis que establece la International Electrotechnical Commission para los instrumentos de medida. Con el objetivo de superar las limitaciones que lo hacen poco efectivo en determinadas condiciones se han propuesto otras técnicas de análisis como las wavelets. En esta tesis doctoral se explora esta alternativa en el campo de la calidad del suministro de energía eléctrica.Como aportación principal se presenta un nuevo método de medida de armónicos e interarmónicos basado en la Transformada Wavelet Packet compatible con el estándar de medida IEC 61000-4-7 de 2002. El método propuesto utiliza un árbol de descomposición wavelet, que en sus distintos niveles suministra la medida de armónicos e interarmónicos de la señal, así como su contenido subarmónico e información de sus variaciones en el dominio temporal.Se exponen las características principales del método en cuanto a la elección de la función wavelet madre, el banco de filtros que implementa el árbol de descomposición wavelet y el postprocesado que posibilita la compatibilidad con el estándar de medida. Se analizan las prestaciones del método en la medida de armónicos e interarmónicos, tanto en condiciones estacionarias como en el caso de pérdida de sincronía por variación de la frecuencia fundamental o variación de la ventana de muestreo de la señal, presencia de componentes no síncronas con la frecuencia de la red o presencia de componentes de amplitud variable. Por último, se expone la información que aporta el método para la estimación temporal de las componentes frecuenciales medidas.El método desarrollado junto con el método de IEC, se ha implementado sobre un equipo electrónico para adquisición y procesado de señal utilizando técnicas de instrumentación virtual. Se expone la estructura y características del hardware utilizado y del software desarrollado así como los resultados obtenidos en la medida del espectro frecuencial de señales de diferente naturaleza.Por último se resumen las conclusiones obtenidas y se proponen futuras líneas de investigación motivadas por la realización de esta tesis doctoral. / Fourier analysis is the fundamental method for the measurement of harmonics and interharmonics in electrical power systems and is the method proposed by the International Electrotechnical Commission (IEC) for standard measurement instruments. With the objective of overcoming the limitations in certain conditions, other techniques of analysis such as wavelets have been proposed. This doctoral thesis investigates alternatives in the field of the quality of the provision of electrical energy. The main contribution of this thesis is the proposal of a new method of measurement of harmonics and interharmonics based on the Wavelet Packet Transform compatible with the standard IEC 61000-4-7 of 2002. The method proposed simultaneously uses different levels of the same wavelet decomposition tree for the measurement of harmonic, interharmonic and subharmonic components in the input signal as well as their time evolution.The basic characteristics of the method in terms of the choice of the mother wavelet function, the bank of filters that implements the wavelet decomposition tree and the postprocessing to make the method compatible with the measurement standard are explained. The benefits of the method in the measurement of harmonics and interharmonics are analyzed, both in stationary conditions and in the case of loss of synchrony due to variation of the base frequency or variation of the sampling window of the signal, presence of nonsynchronous components with the frequency of the network or presence of components of variable amplitude. Finally, the information that the method provides about the temporal estimation of the measured frequencial components is described.The method developed and the IEC method have been implemented on a virtual instrument. The hardware used and the software developed are explained studying the performance of the instrument under different measurement conditions.Finally the conclusions obtained are summarized and future lines of investigation motivated by this doctoral thesis are proposed.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This work presents a different method for power quality signal classification using the principal components analysis (PCA) associated to the wavelet transform (WT). The standard deviation of the detail coefficients and the average of the approximation coefficients from WT are combined to extract discriminated characteristics from the disturbances. The PCA was used to condense the information of those characteristics, than a smaller group of characteristics uncorrelated were generated. These were processed by a probabilistic neural network (PNN) to accomplish the classifications. In the application of the algorithm, in the first case, seven classes of signals which represent different types of disturbances were classified, they are as follows: voltage sag and interruption, flicker, oscillatory transients, harmonic distortions, notching and normal sine waveform. In the second case were increased four more situations that usually happen in distributed generation systems connected to distribution grids through converters, they are as follows: connection of the distributed generation, connection of local load, normal operation and islanding occurrence. In this case, the voltage on the point of common coupling between GD and grid were measured by simulations and were analyzed by the proposed algorithm. In both cases, the signals were decomposed in nine resolution levels by the wavelet transformed, being represented by detail and approximation coefficients. The application of the WT generated a lot of variations in the coefficients. Therefore, the application of the standard deviation in different resolution levels can quantify the magnitude of the variations. In order to take into account those features originated from low frequency components contained in the signals, was proposed to calculate the average of the approximation coefficients. The standard deviations of the detail coefficients and the average of the approximation coefficients composed the feature vector containing 10 variables for each signal. Before accomplishing the classification these vectors were processed by the principal component analysis algorithm in order to reduce the dimension of the feature vectors that contained correlated variables. Consequently, the processing time of the neural network were reduced to. The principal components, which are uncorrelated, were ordered so that the first few components account for the most variation that all the original variables acted previously. The first three components were chosen. Like this, a new group of variables was generated through the principal components. Thus, the number of variables on the feature vector was reduced to 3 variables. These 3 variables were inserted in a neural network for the classification of the disturbances. The output of the neural network indicates the type of disturbance. / Este trabalho apresenta um diferente método para a classificação de distúrbios em sinais elétricos visando analisar a qualidade da energia elétrica (QEE). Para isso, a análise de componentes principais (ACP) e a transformada wavelet (TW) são associadas. O desvio padrão dos coeficientes de detalhes e a média dos coeficientes de aproximação da TW são combinados para extrair características discriminantes dos distúrbios. A ACP é utilizada para condensar a informação dessas características, originando um conjunto menor de características descorrelacionadas. Estas são processadas por uma rede neural probabilística (RNP) para realizar as classificações. Na aplicação do algoritmo, inicialmente, foram utilizadas senóides puras e seis classes de sinais que representam os diferentes tipos de distúrbios: afundamentos e interrupções de tensão, flicker, transitórios oscilatórios, distorções harmônicas e notching. Em seguida, são acrescentadas mais quatro situações ocorridas em sistemas de geração distribuída (GD) conectados em redes de distribuição através de conversores. São elas: conexão da geração distribuída, conexão de carga local, operação normal e ocorrência de ilhamento. Neste caso, os sinais de tensão no ponto de acoplamento comum (PAC) entre a GD e a rede são medidos e analisados pelo algoritmo. Em ambos os casos, os sinais são decompostos em nove níveis de resolução pela transformada wavelet, ficando representados por coeficientes de detalhes e aproximações. A aplicação da transformada wavelet discreta gera muitas variações nos coeficientes. Por isso a aplicação do desvio padrão, nos diferentes níveis de resolução, é capaz de quantificar a magnitude destas variações. Para considerar as características originadas pelas componentes de baixa freqüência contidas nos sinais, propõe-se o uso da média dos coeficientes de aproximação do sinal. Os desvios padrões dos coeficientes de detalhes e a média da aproximação compõem um vetor de características contendo 10 variáveis para cada sinal analisado. Antes de realizar a classificação estes vetores passam por um algoritmo de análise das componentes principais, visando reduzir a dimensão dos vetores de características que continham variáveis correlacionadas e conseqüentemente, reduzir o tempo de processamento da rede neural. As componentes principais, descorrelacionadas, são ordenadas de forma que as primeiras componentes contenham a maior parte das informações das variáveis originais. Dessa forma, as três primeiras componentes são escolhidas, pois elas representam cerca de 90% das informações relacionadas com o sinal em estudo. Assim, um novo conjunto de variáveis é gerado através das componentes principais, reduzindo o número de variáveis contidas no vetor de características de 10 (dez) para 3 (três). Finalmente, estas 3 variáveis são inseridas em uma rede neural para a classificação dos distúrbios de forma que o resultado da rede neural indica o tipo de distúrbio presente no sinal analisado.

Orientador: Diana Rodrigues de Pina / Resumo: A enterocolite necrosante (NEC – do inglês necrotizing enterocolitis) é caracterizada pela necrose isquêmica da mucosa intestinal de recém-nascidos prematuros. Uma vez que existe a suspeita de NEC, é instituída uma rotina de radiografias abdominais de acordo com a gravidade da doença. Os principais achados radiológicos de pacientes com NEC são: distensão abdominal generalizada, pneumatose intestinal, pneumoperitônio. Entretanto, a interpretação dessas radiografias é um processo difícil devido à falta de especificidade da maioria dos achados radiológicos. O objetivo desse estudo foi desenvolver uma ferramenta computacional que auxilie o corpo clínico na análise de radiografias abdominais para a diferenciação de alças normais e alças inflamadas em recém-nascidos prematuros. Para o desenvolvimento desta pesquisa foi utilizado um banco de dados composto por 45 radiografias abdominais e algoritmos computacionais desenvolvidos em ambiente MatLab. As espessuras das alças intestinais foram quantificadas através da ferramenta computacional Largura a Meia Altura (FWHM – do inglês Full Width at Half Maximum), e classificadas como alças edemaciadas ou alças normais. Para a análise de textura e extração de características, a fim de diferenciar regiões de pneumatose, aplicamos a técnica de Transformada Wavelet. Com a utilização do algoritmo, as alças intestinais normais apresentaram mediana igual a 10,30 pixels, enquanto as alças edemaciadas, foram estatisticamente maiores (Mann Whitney, p... (Resumo completo, clicar acesso eletrônico abaixo) / Mestre

Submitted by RAFAEL RUBIATI SCALVENZI (rafaelrubiati@yahoo.com) on 2018-08-23T14:58:47Z No. of bitstreams: 1 Dissertacao Rafael Rubiati.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2018-08-23T19:34:48Z (GMT) No. of bitstreams: 1 scalvenzi_rr_me_sjrp_.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) / Made available in DSpace on 2018-08-23T19:34:48Z (GMT). No. of bitstreams: 1 scalvenzi_rr_me_sjrp_.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) Previous issue date: 2018-07-20 / A área na qual a música está inserida requer, para sua compreensão, considerável abstração. Neste âmbito, a análise matemático-computacional possui papel importante, principalmente para planejar a interatividade entre aluno e computador, potencializando o aprendizado musical. Embora um número considerável de estudos em diferentes contextos sejam dedicados à classificação das estruturas sonoras, os procedimentos de análise em um grande conjunto de sinais podem tornar-se uma tarefa difícil e exaustiva. Diante do exposto, este trabalho tem como objetivo a proposição e a implementação de um método capaz de reconhecer e classificar sinais musicais em tempo real, visando auxiliar os aprendizes. No método proposto, um conjunto relevante de eventos musicais é inspecionado por meio da análise de multirresolução baseada na Transformada Wavelet-Packet, escolhida em função da característica multidimensional encontrada na música, a qual permite isolar diferentes eventos musicais em níveis de decomposição wavelet distintos. Apoiado por um processo de autocorrelação e uma rede neural artificial, cada padrão sônico é associado ao seu respectivo evento musical. Testes envolvendo centenas de sinais permitiram obter uma acurácia quase plena com um tempo relativamente bastante pequeno de análise em função da baixa ordem de complexidade computacional do algoritmo implementado, reafirmando a sua aplicabilidade / Music belongs to an area which requires a considerable piece of abstraction for its understanding. In this domain, computational and mathematical analyses play an important role, particularly for planning human-machine interaction and enhancing learning. Although a considerable number of studies in different musical contexts are dedicated to the classification of the structures present in sound signals, the inspection of long clips is a challenge. Thus, this work proposes and implements a method capable of identifying and classifying musical signals in real-time, helping music students. Specifically, multiresolution analysis using the Wavelet-Packet Transform is adopted, allowing for different musical events to be isolated in distinct wavelet levels of decomposition. Based on an autocorrelation and an artificial neural network, each sonic pattern is associated with a respective musical event. Tests using hundreds of music clips exhibit almost full accuracy with relatively very short time consumption as a function of the algorithm low level of computational complexity, reassuring its applicability.