Made available in DSpace on 2014-12-17T14:08:40Z (GMT). No. of bitstreams: 1 PedroHCF_DISSERT.pdf: 3177377 bytes, checksum: aee262ba866eb8f7862d4fdf2b03cfdf (MD5) Previous issue date: 2010-08-07 / In geophysics there are several steps in the study of the Earth, one of them is the processing of seismic records. These records are obtained through observations made on the earth surface and are useful for information about the structure and composition of the inaccessible parts in great depths. Most of the tools and techniques developed for such studies has been applied in academic projects. The big problem is that the seismic processing power unwanted, recorded by receivers that do not bring any kind of information related to the reflectors can mask the information and/or generate erroneous information from the subsurface. This energy is known as unwanted seismic noise. To reduce the noise and improve a signal indicating a reflection, without losing desirable signals is sometimes a problem of difficult solution. The project aims to get rid of the ground roll noise, which shows a pattern characterized by low frequency, low rate of decay, low velocity and high amplituds. The Karhunen-Lo?ve Transform is a great tool for identification of patterns based on the eigenvalues and eigenvectors. Together with the Karhunen-Lo?ve Transform we will be using the Singular Value Decomposition, since it is a great mathematical technique for manipulating data / Na geof?sica existem diversas etapas no estudo da Terra, uma delas ? o processamento de registros s?smicos. Esses registros s?o obtidos atrav?s de observa??es realizadas na superf?cie, sendo ?teis para informa??es sobre a estrutura e a composi??o das zonas inacess?veis em grandes profundidades. Grande parte das ferramentas e t?cnicas desenvolvidas para tais estudos tem sido aplicada em pesquisas acad?micas. O grande problema do processamento s?smico ? a energia indesejada, registrada pelos receptores que n?o trazem nenhum tipo de informa??o em rela??o aos refletores podendo mascarar as informa??es e/ou gerar informa??es erradas da subsuperf?cie. Essa energia indesejada ? conhecida como ru?do s?smico. Atenuar esse ru?do para melhorar um sinal que indica uma reflex?o, sem perder sinal desej?vel ? algumas vezes um problema de dif?cil solu??o. O projeto tem como objetivo a atenua??o do ru?do ground roll , o qual apresenta um padr?o caracterizado pela baixa freq??ncia, baixa velocidade de propaga??o e forte amplitude. A Transformada de Karhunen-Lo?ve ? uma ?tima ferramenta para identifica??o de padr?es baseada nos autovalores e autovetores. Em conjunto com a Transformada de Karhunen-Lo?ve ser? utilizado a Decomposi??o em Valores Singulares, j? que a mesma ? uma ?tima t?cnica matem?tica para manipula??o dos dados

Analisar fenômenos aeroelásticos não-lineares através de dados experimentais é uma poderosa ferramenta para a identificação e controle de comportamentos aeroelásticos adversos. A modelagem matemática de sistemas aeroelásticos não-lineares não é trivial, fato que muitas vezes leva a admissão de simplificações, afastando o modelo da realidade. Desta forma, a análise de sistemas dinâmicos sem a necessidade de um modelo, feita através da análise de séries temporais obtidas de experimentos, pode fornecer melhores resultados. Alguns métodos de análise de séries temporais, como o método da defasagem, para reconstrução do espaço de estados, são sensíveis ao ruído, inevitavelmente presente em qualquer série temporal experimental. Este trabalho apresenta a técnica da decomposição em valores singulares (SVD), que reconstrói o espaço de estados eliminando o ruído presente na série temporal em um único processo. O método SVD é aplicado em séries temporais aeroelásticas, obtidas experimentalmente de um modelo de asa ensaiado em túnel de vento. Com os espaços de estados reconstruídos, é feita uma análise qualitativa do sistema aeroelástico, a evolução dos atratores obtidos com a variação de alguns parâmetros é apresentada. Comparações com o método da defasagem são realizadas com a aplicação dos métodos a uma série temporal aeroelástica do experimento. Os resultados mostram que a técnica (SVD) é mais confiável que o método da defasagem, os atratores obtidos revelam a ocorrência de bifurcações e comportamentos complexos, possivelmente caóticos. / Nonlinear aeroelastic phenomena analysis by using experimental data is a powerful tool for identification and control of adverse aeroelastic behaviors. Mathematical models for nonlinear aeroelastic systems are not trivial, by this, simplifications are assumed, thereby deviating from reality. Then, the analysis of dynamic systems without the need of a mathematical model, done by the analysis of experimental time series, may provide better results. However, methods of time series analysis, like the method of delays, for state space reconstruction are sensitive to noise, unavoidably present in experimental data. This work presents the application of singular value decomposition (SVD) that reconstructs the state space, eliminating noise present in the time series. The SVD method is applied in experimental aeroelastic time series, obtained from a wind tunnel wing model. With the reconstructed state spaces, qualitative analyses are done and the evolutions of the obtained attractors with parametric variation are presented. Comparisons with the method of delays are realized by applying MOD and SVD in a same experimental aeroelastic time series. The results show that the SVD method is more reliable than MOD and the obtained attractors reveal the occurrence of bifurcations and complex behavior, possibly chaotic.

Submitted by Cláudia Bueno (claudiamoura18@gmail.com) on 2015-11-12T20:02:55Z No. of bitstreams: 2 Dissertação - Jonas Augusto Kunzler - 2015.pdf: 5934373 bytes, checksum: a736817202816bba60673f1a39184580 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2015-11-13T10:40:49Z (GMT) No. of bitstreams: 2 Dissertação - Jonas Augusto Kunzler - 2015.pdf: 5934373 bytes, checksum: a736817202816bba60673f1a39184580 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-11-13T10:40:49Z (GMT). No. of bitstreams: 2 Dissertação - Jonas Augusto Kunzler - 2015.pdf: 5934373 bytes, checksum: a736817202816bba60673f1a39184580 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2015-04-14 / New technologies that have emerged from the transistor advent enabled digital signal processing techniques were aggregated to systems operated or partially in analog improving performance of these systems. Added to this the use of sensor arrangements which made it possible to identify the directions of signals of interest and are used in critical areas of knowledge, such as in tracking radar systems; in astronomy; in sonar systems; mobile communications; the estimation of direction of arrival; in seismology and medical diagnosis and treatment. This work aims to study specific features of an estimation method of direction of arrival based on a linear array of sensors with special attention to mobile communications. Some methods have been proposed in order to get the position of a source of electromagnetic waves and can cite the MUSIC, the MODEX and SEAD, the latter of fundamental importance to this work because it is the basis of conducted research and because it is a new method, lacked further clarification with regard to the differential spectrum, their origin, meaning and importance, as well as obtaining an analytical expression to describe their conduct on the variables that compose the system. Based on eigenvalue decomposition of the correlation matrix has been observed that the differential spectrum is basically a matrix norm calculation, with the largest eigenvalue of the matrix is ​​also standard 2-induced vector. It was proposed to use the Frobenius norm which is simpler to be computed, and consequently requires less computational effort. Moreover, the behavior of the angular spectrum calculated using the Frobenius norm is fully described by the sum of cosines with the formulation described for each part which composes the calculation of the standard. Through this outcome was possible to analyze aspects related to angular resolution, the number of signal sources, the number of sensors, the influence of noise and the correlation between sources. / Novas tecnologias que surgiram a partir do advento transistor permitiram técnicas de processamento digital de sinais fossem agregadas a sistemas que operavam ou parcialmente de forma analógica aprimorando o desempenho desses sistemas. Soma-se a isto a utilização de arranjos de sensores que possibilitaram a identificação das direções dos sinais de interesse e são empregados em importantes áreas do conhecimento, como por exemplo, em sistemas de rastreamento por radar; na Astronomia; em Sistemas sonares; nas comunicações móveis; na estimação de direção de chegada; na sismologia e no diagnóstico e tratamento médico. Este trabalho tem como objetivo estudar características específicas de um método de estimação de direção de chegada baseado em um arranjo linear de sensores com atenção especial em comunicações móveis. Alguns métodos foram propostos com o fim de obter a posição de uma fonte de ondas eletromagnéticas, podendo-se citar o MUSIC, o MODEX e o SEAD, este último de fundamental importância para este trabalho, pois, ele é a base da investigação conduzida e por se tratar de um método novo, carecia de mais esclarecimentos no que diz respeito ao espectro diferencial, sua origem, significado e importância, como também a obtenção de uma expressão analítica que descrevesse seu comportamento em função das variáveis que compões o sistema. Baseado na decomposição em autovalores da matriz de correlação observou-se que o espectro diferencial é basicamente um cálculo de norma matricial, sendo que o maior autovalor da matriz é também a norma 2 induzida por vetor. Propôs-se a utilização da norma de Frobenius que é mais simples de ser calculada e, consequentemente, exige menos esforço computacional. Além disso, o comportamento do espectro angular calculado com a norma de Frobenius é totalmente descrito através da soma de cossenos com a formulação descrita para cada parcela que compõe o cálculo da norma. Através deste resultado foi possível analisar aspectos referentes à resolução angular, ao número de fontes de sinal, ao número de sensores, à influência do ruído e à correlação entre as fontes.

A tomografia por sensoriamento térmico é muito utilizada em diferentes aplicações industriais, tais como a determinação de propriedades térmicas de novos materiais, o controle da produção de calor e a temperatura no processo de manufatura. Entretanto, o emprego de técnicas tomográficas em processos industriais envolvendo transferência de calor ainda carece de métodos robustos e computacionalmente eficientes. Nesse contexto, o principal objetivo deste trabalho é contribuir para o desenvolvimento de uma técnica não intrusiva de medição do coeficiente de convecção a partir de medidas externas de temperatura e fluxo de calor baseada na solução do problema térmico inverso. Para tanto é necessário resolver um problema de condução acoplado a um problema de convecção de calor. Este acoplamento ocorre através do coeficiente de convecção no interior do domínio do problema, cuja determinação pode ser feita através da aplicação de um fluxo de calor e medição das temperaturas resultantes na superfície externa. A tomografia térmica é tratada como um problema de minimização global, cuja função objetivo é um funcional de erro que quantifica a diferença entre as medidas externas não intrusivas (temperatura real) e as medidas calculadas no modelo numérico (temperatura aproximada). A natureza mal condicionada do problema assim formulado se manifesta na superfície de minimização por produzir topologias problemáticas tais como múltiplos mínimos locais, pontos de sela, vales ao redor da solução, platôs, etc. Desse modo, uma técnica bastante sofisticada, capaz de convergir para a solução correta mesmo na presença dessas patologias é necessária para obtenção da solução. Neste trabalho optou-se pelo método de Newton para a minimização deste funcional em que a inversa da matriz Hessiana é substituída por uma pseudo-inversa construída a partir da técnica de Decomposição em Valores Singulares Truncados. Os resultados mostram que a técnica proposta foi capaz de superar os problemas de convergência associados à natureza intrínseca mal condicionada do problema inverso e o coeficiente de convecção foi reconstruído com precisão razoável. / Tomography by thermal sensing is widely used in different industrial applications, such as the determination of thermal properties of new materials, the control of heat production and the temperature in manufacturing processes. However, the application of tomographic techniques in industrial processes involving heat transfer still lacks robust and computationally efficient methods. In this context, the main objective of this thesis is to contribute to the development of a non-intrusive technique for measuring of the convection coefficient from external temperature and heat flow measurements based on the solution of the inverse thermal problem. This requires solving a conduction problem coupled with a heat convection problem, which is coupled through an internal convection coefficient, determined by applying a heat flux and measuring the resulting temperatures on the external boundary. The thermal tomography is treated as a global minimization problem in which the fitness function is an error functional that quantifies the difference between non-intrusive external measurements (actual temperature) and measurements calculated in a numerical model (approximate temperature). The ill-conditioned nature of the problem manifests itself in the minimization problem for producing problematic topologies, such as multiple local minima, saddle points, valleys around the solution, plateaus, etc. Thus, a very sophisticated technique that can converge to the correct solution even in the presence of these pathologies is necessary to obtain the solution. In this thesis the Newton\'s method was used for the minimization of this functional in which the inverse Hessian matrix was replaced by a pseudo-inverse built from the truncated singular value decomposition technique. Results show that the proposed technique was capable of overcoming the convergence problems associated with the intrinsic ill-conditioned nature of the inverse problem and the convection coefficient was reconstructed within reasonable precision.

As análises biplot que utilizam os modelos de efeitos principais aditivos com inter- ação multiplicativa (AMMI) requerem matrizes de dados completas, mas, frequentemente os ensaios multiambientais apresentam dados faltantes. Nesta tese são propostas novas metodologias de imputação simples e múltipla que podem ser usadas para analisar da- dos desbalanceados em experimentos com interação genótipo por ambiente (G×E). A primeira, é uma nova extensão do método de validação cruzada por autovetor (Bro et al, 2008). A segunda, corresponde a um novo algoritmo não-paramétrico obtido por meio de modificações no método de imputação simples desenvolvido por Yan (2013). Também é incluído um estudo que considera sistemas de imputação recentemente relatados na literatura e os compara com o procedimento clássico recomendado para imputação em ensaios (G×E), ou seja, a combinação do algoritmo de Esperança-Maximização com os modelos AMMI ou EM-AMMI. Por último, são fornecidas generalizações da imputação simples descrita por Arciniegas-Alarcón et al. (2010) que mistura regressão com aproximação de posto inferior de uma matriz. Todas as metodologias têm como base a decomposição por valores singulares (DVS), portanto, são livres de pressuposições distribucionais ou estruturais. Para determinar o desempenho dos novos esquemas de imputação foram realizadas simulações baseadas em conjuntos de dados reais de diferentes espécies, com valores re- tirados aleatoriamente em diferentes porcentagens e a qualidade das imputações avaliada com distintas estatísticas. Concluiu-se que a DVS constitui uma ferramenta útil e flexível na construção de técnicas eficientes que contornem o problema de perda de informação em matrizes experimentais. / The biplot analysis using the additive main effects and multiplicative interaction models (AMMI) require complete data matrix, but often multi-environments trials have missing values. This thesis proposed new methods of single and multiple imputation that can be used to analyze unbalanced data in experiments with genotype by environment interaction (G×E). The first is a new extension of the cross-validation method by eigenvector (Bro et al., 2008). The second, corresponds to a new non-parametric algorithm obtained through modifications of the simple imputation method developed by Yan (2013). Also is included a study that considers imputation systems recently reported in the literature and compares them with the classic procedure recommended for imputation in trials (G×E), it means, the combination of the Expectation-Maximization (EM) algorithm with the additive main effects and multiplicative interaction (AMMI) model or EM-AMMI. Finally, are supplied generalizations of simple imputation described by Arciniegas-Alarcón et al. (2010) that combines regression with lower-rank approximation of a matrix. All methodologies are based on singular value decomposition (SVD), so, are free of any distributional or structural assumptions. In order to determine the performance of the new imputation schemes were performed simulations based on real data set of different species, with values deleted randomly at different percentages and the quality of the imputations was evaluated using different statistics. It was concluded that SVD provides a useful and flexible tool for the construction of efficient techniques that circumvent the problem of missing data in experimental matrices.

O presente trabalho tem como objetivo desenvolver novas alternativas de identificação modal para estruturas sob excitações em condição de operação baseadas em funções de transmissibilidade. Recentes metodologias formuladas sobre conceitos de transmissibilidade têm surgido como alternativa para a identificação de parâmetros modais de estruturas. A identificação nestas metodologias é independente do espectro da excitação, sendo uma vantagem importante com respeito a metodologias anteriores no domínio da frequência que supõem a excitação como ruído branco. Dessa forma, aproveitando os diferentes trabalhos dirigidos a avaliar parâmetros modais com uso da transmissibilidade, são propostas três novas alternativas. A primeira delas propõe a decomposição de valores singulares sobre matrizes de funções de transmissibilidade escalar com densidade espectral para estimar frequências naturais e modos de vibração. A segunda alternativa propõe o conceito de funções de transmissibilidade multivariável com diferente referência para a identificação modal. E a terceira introduz uma melhora na primeira alternativa incluindo a possibilidade da estimação de taxas de amortecimento. Uma ferramenta computacional para a análise modal é desenvolvida como apoio para as simulações numéricas de verificação das metodologias de identificação modal propostas. Diferentes exemplos numéricos com uma viga submetida a excitações de ruído colorido mostram que os métodos propostos são capazes de identificar parâmetros modais sem a introdução das frequências adicionais devido às excitações de ruído colorida utilizadas. Além disso, os dados de um teste de vibrações sobre uma ponte em operação foram utilizados para verificar os métodos. / This research aims to develop new alternatives of modal identification for structures under excitation in operation condition based on transmissibility functions. Latest methodologies based on transmissibility concepts have been arising as alternatives for modal parameter identification of structures. Modal parameter identification in this type methodology is input spectrum independent being an important advantage with respect previous frequency domain methods that assumes white noise excitation. Different alternatives of modal identification based on transmissibility functions are proposed in this work. The first of them proposes singular value decomposition on scalar transmissibility functions matrices with spectral density to estimate natural frequencies and vibration modes (PSDTM-SVD method). A second alternative proposes the concept of multivariable transmissibility functions with different transferring outputs for modal parameter identification. And the third alternative proposes an enhanced PSDTM-SVD method, which permits to identify modal damping. Computational tool for modal analysis is developed as a support for the numerical simulations of verification of modal identification methodologies proposed. Different numerical examples of a beam model subjected to colored noise excitations show that the proposed methods are capable of identifying modal parameters without the introduction of the additional frequencies due to the excitations used. Furthermore, data from an operational vibration bridge test were used to verify the methods.

Neste trabalho obtemos taxas de decaimento para autovalores e valores singulares de operadores integrais gerados por núcleos de quadrado integrável sobre a esfera unitária em \'R POT. m+1\', m 2, sob hipóteses sobre ambos, certas derivadas do núcleo e o operador integral gerado por tais derivadas. Este tipo de problema é comum na literatura, mas as hipóteses geralmente são definidas via diferenciação usual em \'R POT m+1\'. Aqui, as hipóteses são todas definidas via derivada de Laplace-Beltrami, um conceito genuinamente esférico investigado primeiramente por W. Rudin no começo dos anos 50. As taxas de decaimento apresentadas são ótimas e dependem da dimensão m e da ordem de diferenciabilidade usada para definir as condições de suavidade / In this work we obtain decay rates for singular values and eigenvalues of integral operators generated by square integrable kernels on the unit sphere in \'R m+1\', m 2, under assumptions on both, certain derivatives of the kernel and the integral operators generated by such derivatives. This type of problem is common in the literature but the assumptions are usually defined via standard differentiation in \'R POT. m+1\'. Here, the assumptions are all defined via the Laplace-Beltrami derivative, a concept first investigated by W. Rudin in the early fifties and genuinely spherical in nature. The rates we present are optimal and depend on both, the differentiability order used to define the smoothness conditions and the dimension m

[pt] A técnica de análise de sinais corrompidos por ruído baseada no comportamento de subespaços vetoriais foi tema de alguns trabalhos publicados desde o início da década de 80. Esta nova técnica passou a ter grande importância no processamento de sinais digitais devido a fatores como robustez e precisão.Porém, o maior problema associado a este novo método é o seu elevado custo computacional. Esta característica limitou o emprego da técnica em sistemas - offline - . A preocupação então passou a ser rastrear a variação do comportamento dos subespaços vetoriais de modo eficiente. O objetivo deste rastreamento seria o emprego da técnica em alguns sistemas que operam em tempo real. Este trabalho de tese propõe um novo algoritmo de rastreamento de subespaços vetoriais. O objetivo é apresentar um algoritmo que demonstre um bom desempenho, com relação aos demais já existentes, permitindo eventual aplicação em sistemas que atuem em tempo real. Como contribuição adicional, são apresentadas uma nova análise e caracterização de sistemas que se assemelham aos circulantes, sendo para isto reinterpretada a decomposição de matrizes circulantes. O conjunto de contribuições é aplicado a um novo sistema automático de classificação de sinais comunicação, quanto ao tipo de modulação. / [en] The signal subspace analysis technique, usually applied to signals corrupted by noise, is theme of some papers since the beginning of the 80s decade. This new technique has presented important features, as robustness and precision, and became widely employed in digital signal processing. However, the main problem associated to this new method is the high computational cost. This characteristic has restricted the use of signal subspace analysis to some off-line systems. A possible way to overcome this burden was to track the signal and noise subspace behavior in the time-domain. The main objective of these methods is to allow the signal subspace analysis technique application to real time systems, sometimes at the expense of limiting analysis precision or scope. This work proposes a new subspace tracking procedure. The goal is to describe a new algorithm with good performance (precision-speed), allowing some real time systems applications. A new analysis and characterization of almost circulant systems is introduced by reinterpreting the circulating matrix decomposition scheme. The set of contributions is applied to a new analogue modulation communication signals automatic recognition structure.

[pt] Motivado por problemas no campo da recuperação de sinais por programação convexa, o objetivo deste trabalho é fornecer uma análise precisa do método das bola pequena e suas conexões com a teoria não assintótica das matrizes aleatórias. Em particular, o estudo dos valores singulares cônicos de matrizes aleatórias desempenhará um papel fundamental na análise de tais problemas. / [en] Motivated by problems in the field of signal recovery by convex programming, the aim of this work is to provide a careful analysis of the celebrated small ball method and its connections with the non-asymptotic theory of random matrices. In particular, the study of the conic singular values of random matrices will play a key role to analyze such problems.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Métodos estocásticos oferecem uma poderosa ferramenta para a execução da compressão de dados e decomposições de matrizes. O método estocástico para decomposição de matrizes estudado utiliza amostragem aleatória para identificar um subespaço que captura a imagem de uma matriz de forma aproximada, preservando uma parte de sua informação essencial. Estas aproximações compactam a informação possibilitando a resolução de problemas práticos de maneira eficiente. Nesta dissertação é calculada uma decomposição em valores singulares (SVD) utilizando técnicas estocásticas. Esta SVD aleatória é empregada na tarefa de reconhecimento de faces. O reconhecimento de faces funciona de forma a projetar imagens de faces sobre um espaço de características que melhor descreve a variação de imagens de faces conhecidas. Estas características significantes são conhecidas como autofaces, pois são os autovetores de uma matriz associada a um conjunto de faces. Essa projeção caracteriza aproximadamente a face de um indivíduo por uma soma ponderada das autofaces características. Assim, a tarefa de reconhecimento de uma nova face consiste em comparar os pesos de sua projeção com os pesos da projeção de indivíduos conhecidos. A análise de componentes principais (PCA) é um método muito utilizado para determinar as autofaces características, este fornece as autofaces que representam maior variabilidade de informação de um conjunto de faces. Nesta dissertação verificamos a qualidade das autofaces obtidas pela SVD aleatória (que são os vetores singulares à esquerda de uma matriz contendo as imagens) por comparação de similaridade com as autofaces obtidas pela PCA. Para tanto, foram utilizados dois bancos de imagens, com tamanhos diferentes, e aplicadas diversas amostragens aleatórias sobre a matriz contendo as imagens. / Stochastic methods offer a powerful tool for performing data compression and decomposition of matrices. These methods use random sampling to identify a subspace that captures the range of a matrix in an approximate way, preserving a part of its essential information. These approaches compress the information enabling the resolution of practical problems efficiently. This work computes a singular value decomposition (SVD) of a matrix using stochastic techniques. This random SVD is employed in the task of face recognition. The face recognition is based on the projection of images of faces on a feature space that best describes the variation of known image faces. These features are known as eigenfaces because they are the eigenvectors of a matrix constructed from a set of faces. This projection characterizes an individual face by a weighted sum of eigenfaces. The task of recognizing a new face is to compare the weights of its projection with the projection of the weights of known individuals. The principal components analysis (PCA) is a widely used method for determining the eigenfaces. This provides the greatest variability eigenfaces representing information from a set of faces. In this dissertation we discuss the quality of eigenfaces obtained by a random SVD (which are the left singular vectors of a matrix containing the images) by comparing the similarity with eigenfaces obtained by PCA. We use two databases of images, with different sizes and various random sampling applied on the matrix containing the images.