As doenÃas cardÃacas constituem a principal causa de mortalidade em paÃses desenvolvidos e ocupam uma posiÃÃo de destaque em paÃses em desenvolvimento, sendo no Brasil a segunda causa de morte. Na busca por sua identificaÃÃo, diversos exames podem ser feitos, dentre eles o ECG (eletrocardiograma), medicina nuclear e o ecocardiograma de esforÃo (ECE). Este Ãltimo à preferÃvel por ser um mÃtodo de baixo custo, comparando-se com medicina nuclear, alÃm de ser um mÃtodo nÃo evasivo. Por estas razÃes à muito utilizado no diagnÃstico preciso de isquemia (perda de elasticidade muscular), inclusive na sua intensidade. Entretanto, o diagnÃstico por ECE à realizado por uma anÃlise visual de um vÃdeo por um especialista, portanto subjetivo. Esta dissertaÃÃo descreve um mÃtodo de segmentaÃÃo do ventrÃculo esquerdo em ecocardiogramas, utilizando-se de contornos ativos (snakes) na tentativa de tornar o ECE o mais objetivo possÃvel, permitindo uma medida automÃtica do volume do ventrÃculo esquerdo atravÃs da anÃlise do ECE a fim de detectar a isquemia. TÃcnicas de eliminaÃÃo de ruÃdo speckle sÃo implementadas e confrontadas, pois o ECE à sempre contaminado por este tipo de ruÃdo, resultando em uma anÃlise visual de difÃcil percepÃÃo. Tais tÃcnicas utilizam a transformada wavelets na construÃÃo dos filtros, sendo entÃo, implementados e avaliados quatro diferentes algoritmos, tomando-se como parÃmetro o tempo de processamento e a relaÃÃo sinal/ruÃdo. Desenvolvesse tambÃm uma tÃcnica de detecÃÃo do ventrÃculo esquerdo, usando o mÃtodo dos contornos ativos (snakes). Resultados parciais sÃo obtidos, permitindo uma detecÃÃo de bordas do miocÃrdio interno representando as paredes do ventrÃculo esquerdo. / The cardiac illnesses represent the most of death cause in developed countries and one of the commonest in developing countries, which is the case of Brazil. In order to detect them, different existing methods can be applied. Among them, the ECG (electrocardiogram), methods developed from nuclear medicine and echocardiogram of effort (ECE). This last one is preferred due to its low cost, in comparison with the nuclear medicine and its non-invasive ability. For these reasons, ECE is used to diagnostic the isquemia (muscular elasticity loss). But the diagnostic is done by a specialist through the visualization of a video, and is consequently subjective. This master degree dissertation describes a segmentation method of the left ventricle in ecocardiograms, using the active contours model (snake), in order to the ECE becomes more objective, allowing an automatic measure of left ventricle and consequently the detection of isquemia. Denoising techniques are implemented because this kind of image is corrupted by the speckle noise, what is harmful for analises. Wavelet-based technics are developed and four algorithms are compared in measuring the time of execution and the resulting signal to noise ratio. From the resulting denoised images, a technique for left ventricle border detection is developed using the snake methods. Partial results show an effective result for the detection of intern myocardium borders which represent the left ventricle.

There are several methods to measure surface evenness for car roads, but almost none for bike paths. Accordingly, VTI (the Swedish National Road and Transport Research Institute) have created a smartphone application which uses the accelerometers in the phone to measure the vibration from the road. This report’s aim is to analyze the data collected using this application, investigate if the data is repeatable, to find factors that are important for evenness and perform classification of bike paths as even or wiggly. Two main methods were used, Gaussian process and wavelets. Gaussian process was used to classify bike paths and wavelets to investigate the repeatability and see how many trips are needed to get a consistent result. The results show that the two different smartphones gave quite different results; one smartphone indicated almost twice as high RMS values (measure of vibration) than the other. The GPS positions of smartphones were quite good, except under a tunnel and close to high buildings. Some short section of the road gave very high or very low RMS values, but the general standard of all investigated bike paths were too even to detect any significant differences between the paths. The results show that there’s some unexplained variance in the turns, but the effect of the turns hasn’t been tested. The wavelets analysis show that around 15 trips were needed to get a consistent result. The report contains a description of a designed experiment that will continue this project. This new data will be collected in a more carefully to make a better separation between good and bad cycle routes by the RMS value. / <p>Uppdragsgivare: VTI (Anna Niska och Leif Sjögren)</p>

This thesis explores new approaches to the analysis of functions by combining tools from the fields of complex bases, number systems, iterated function systems (IFS) and wavelet multiresolution analyses (MRA). The foundation of this work is grounded in the identification of a link between two-dimensional non-separable Haar wavelets and complex bases. The theory of complex bases and this link are generalized to higher dimensional number systems. Tilings generated by number systems are typically fractal in nature. This often yields asymmetry in the wavelet trees of functions during wavelet decomposition. To acknowledge this situation, a class of extensions of functions is developed. These are shown to be consistent with the Mallat algorithm. A formal definition of local IFS on wavelet trees (LIFSW) is constructed for MRA associated with number systems, along with an application to the inverse problem. From these investigations, a series of algorithms emerge, namely the Mallat algorithm using addressing in number systems, an algorithm for extending functions and a method for constructing LIFSW operators in higher dimensions. Applications to image coding are given and ideas for further study are also proposed. Background material is included to assist readers less familiar with the varied topics considered. In addition, an appendix provides a more detailed exposition of the fundamentals of IFS theory.

In this dissertation, we address the statistical analysis under the multiscale framework for the self-similar process. Motivated by the problems arising from geophysics and health informatics, we develop a set of statistical measures as discriminative summaries of the self-similar process. These measures include Multiscale Schur Monotone (MSM) measures, Geometric Attributes of Multifractal Spectrum (GAMFS), Quasi-Hurst exponents, Mallat Model and Tsallis Maxent Model. These measures are used as methods to quantify the difference (or similarities) or as input (feature) vectors in the classification model. As the cornstone of GAMFS, we study the estimation of multifractal spectrum and adopt a Weighted Least Squares (WLS) schemes in the wavelet domain to minimize the heteroskedastic effects , which is inherent because the sample variances of the wavelet coefficients depend on the scale. We also propose a Combined K-Nearest-Neighbor classifier (Comb-K-NN) to address the inhomogeneity of the class attributes, which is indicated by the large variations between subsets of input vectors. The Comb-K-NN classifier stabilizes the variations in the sense of reducing the misclassification rates. Bayesian justifications of Comb-K-NN classifier are provided. GAMFS, Quasi-Hurst exponents, Mallat Model and Tsallis Maxent Model are used in the study of assessing the effects of atmospheric stability on the turbulence measurements in the inertial subrange. We also formulate the criteria for success in evaluating how atmospheric stability alters the MFS of a single flow variable time series as a statistical classification model. We use the multifractal discriminate model as the solution of this problem. Also, high frequency pupil-diameter dynamic measurements, which are well documented as measures of mental workload, are summarized using both GAMFS and MSM. These summaries are further used as the feature vector in the Comb-K-NN classifier. The serious inhomogeneity among subjects in the same user group makes classification difficult. These difficulties are overcome by using Comb-K-NN classifier.

The mammalian visual system has a remarkable capacity of processing a large amount of information within milliseconds under widely varying conditions into invariant representations. Recently a model of the primary visual system exploited the unique feature of dense local excitatory connectivity of the neo-cortex to match these criteria. The model rapidly generates invariant representations integrating the activity of spatially distributed modeled neurons into a so-called Temporal Population Code (TPC). In this thesis, we first investigate an issue that has persisted TPC since its introduction: to extend the concept to a biologically compatible readout stage. We propose a novel neural readout circuit based on wavelet transform that decodes the TPC over different frequency bands. We show that, in comparison with pure linear readouts used previously, the proposed system provides a robust, fast and highly compact representation of visual input. We then generalized this optimized encoding-decoding paradigm to deal with a number of robotics application in real-world tasks to investigate its robustness. Our results show that complex stimuli such as human faces, hand gestures and environmental cues can be reliably encoded by TPC which provides a powerful biologically plausible framework for real-time object recognition. In addition, our results suggest that the representation of sensory input can be built into a spatial-temporal code interpreted and parsed in series of wavelet like components by higher visual areas. / El sistema visual dels mamífers té una remarcable capacitat per processar informació en intervals de temps de mili-segons sota condicions molt variables i adquirir representacions invariants d'aquesta informació. Recentment un model del còrtex primari visual explota les característiques d'alta connectivitat excitatriu local del neocortex per modelar aquestes capacitats. El model integra ràpidament l'activitat repartida espaialment de les neurones i genera codificacions invariants que s'anomenen Temporal Population Codes (TPC). Aquí investiguem una qüestió que ha persistit des de la introducció del TPC: estudiar un procés biològicament possible capaç de fer la lectura d'aquestes codificacions. Nosaltres proposem un nou circuit neuronal de lectura basat en la Wavelet Transform que decodifica la senyal TPC en diferents intervals de freqüència. Monstrem que, comparat amb lectures purament lineals utilitzades previament, el sistema proposat proporciona una representació robusta, ràpida i compacta de l'entrada visual. També presentem una generalització d'aquest paradigma de codificació-decodificació optimitzat que apliquem a diferents tasques de visió per computador i a la visió dins del context de la robòtica. Els resultats del nostre estudi suggereixen que la representació d'escenes visuals complexes, com cares humanes, gestos amb les mans i senyals del medi ambient podrien ser codificades pel TPC el qual es pot considerar un poderós marc biològic per reconeixement d'objectes en temps real. A més a més, els nostres resultats suggereixen que la representació de l'entrada sensorial pot ser integrada en un codi espai-temporal interpretat i analitzat en una serie de components Wavelet per àrees visuals superiors.

Made available in DSpace on 2014-06-11T19:30:50Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-05-29Bitstream added on 2014-06-13T20:21:16Z : No. of bitstreams: 1 soares_wc_dr_ilha.pdf: 2948445 bytes, checksum: cf47c579c7e9a4f2d231373d9ed5f704 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Neste trabalho é feito um estudo dos métodos de redução de ruído aditivo em sinais de voz baseados em wavelets e, através deste estudo, propõe-se um novo método não-limiar para redução de ruído em sinais de voz no domínio wavelet. Em geral os sinais de voz podem estar contaminados com ruídos artificiais ou reais. O problema consiste que dado um sinal limpo adiciona-se o ruído branco ou colorido, obtendo assim o sinal ruidoso, ambos no domínio do tempo. O que se propõe neste trabalho, é aplicar a transformada wavelet, obtendo assim o sinal transformado no domínio wavelet, reduzindo ou atenuando o ruído sem o uso de limiar. Os métodos mais usados no domínio wavelet são os métodos de redução por limiar, pois permitem bons resultados para sinais contaminados por ruído branco, mas não são eficientes no processamento de sinais contaminados por ruído colorido, que é o tipo de ruído mais comum em situações reais. Nesses métodos, o limiar, geralmente, é calculado nos intervalos de silêncio e aplicado em todo o sinal. Os coeficientes no domínio wavelet são comparados com este limiar e aqueles que estão abaixo deste valor são eliminados ou reduzidos, fazendo assim uma aplicação linear deste limiar. Esta eliminação, na maioria das vezes, causa descontinuidades no tempo e na frequência no sinal processado. Além disso, a forma com que o limiar é calculado pode degradar os trechos de voz do sinal processado, principalmente nos casos em que o limiar depende fortemente da última janela do último trecho de silêncio. O método proposto nesta pesquisa consiste na execução de três processamentos, agindo de acordo com as suas características nas regiões de voz e silêncio, sem o uso de limiar. A execução dos três processamentos é sintetizada numa única função, denominada de função de transferência, que atua como um filtro no processamento do sinal... / In this work a study of the methods for speech noise reduction based on wavelets is done and, through this study, a new non-thresholding method for speech noise reduction in the wavelet domain is proposed. Generally, a speech signal may be corrupted by artificial or real noise. Let a clean signal be corrupted by white or colored noise, rising a noisy signal in time domain. This work proposes the wavelet application to which gives rise to in the wavelet domain. In this domain, noise is reduced or attenuated without a threshold use. After, the signal is recomposed using the inverse discrete wavelet transform. The most used methods in the wavelet domain wavelet are the thresholding reduction methods, because they allow good results for signals corrupted by white noise, but they do not have the same efficiency when processing signals corrupted by colored noise, this is the most common noise in real situations. In those methods, the threshold is usually calculated in the silence intervals and applied to the whole signal. The coefficients in the wavelet domain are compared with this threshold and those that have absolute value below this value are eliminated or reduced, making a linear application of this threshold. This elimination causes discontinuities in time and in the frequency of the processed signal. Besides, the form with that the threshold is applied can degrade the voice segments of the processed signal, principally in cases that the threshold depends strongly on the last window of the last silence segment. The method proposed in this research consists in the execution of three processing, acting according to their characteristics in the voice and silence segments, without the threshold use. The three processing execution is synthesized in an unique function, called transfer function, acting as a filter in the signal processing. This method has as main objective the overcoming... (Complete abstract click electronic access below)

Made available in DSpace on 2014-06-11T19:27:14Z (GMT). No. of bitstreams: 0 Previous issue date: 2004-05-28Bitstream added on 2014-06-13T20:16:17Z : No. of bitstreams: 1 grassi_lfm_me_ilha.pdf: 1030941 bytes, checksum: 1b6f71060acf49c7dfe0879c783856af (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A necessidade de controle no tratamento de sistemas dinâmicos, com complexidade crescente e diante de fatores de incerteza, tem levado à reavaliação dos métodos convencionais e à proposição de métodos conceitualmente mais elaborados de controle. Estas novas propostas incluem, por exemplo, níveis hierárquicos de decisão, planejamento e aprendizagem, que são necessários quando um alto grau de autonomia do sistema é desejável. Assim as metodologias baseadas em redes neurais, que utilizam modelos matemáticos e técnicas numéricas inspiradas no cérebro humano e/ou sistema nervoso, representam um passo natural na evolução da teoria de controle, principalmente junto àqueles que envolvem não-linearidades. Este trabalho apresenta um estudo da técnica denominada wavenet, que combina redes neurais e transformada wavelet, como um direcionamento alternativo para a solução de problemas de identificação e controle de plantas não lineares. A transformada wavelet utiliza janelas com escala variável que possibilitam analisar faixas de altas e baixas freqüências em um mesmo sinal, e é exatamente essa capacidade de manipulação da janela de observação que a torna uma boa alternativa como função de ativação, realizando um mapeamento local do sinal. Isso proporciona uma identificação mais eficiente, principalmente em sinais não lineares e variantes no tempo. Vários testes simulados envolvendo não linearidade foram analisados visando estudar o comportamento do algoritmo wavenet e definir quais os tipos de funções de ativação, Morlet, Rasp ou Polywog, poderiam fornecer melhores resultados. Utilizou-se o método de otimização de Levenberg-Marquadt, o qual apresentou um desempenho melhor quando comparado com o método do gradiente descendente utilizado por outros autores, no processo de minimização do erro entre a saída da rede e a... . / The necessity of dynamic systems treatment control, with upper complexity and uncertain factors, has lead to reevaluation of conventional methods and the proposition of conceptly methods more elaborate of control. These new proposals include, for instance, hierarchic levels of decision, planning and learning, which are needed when a high degree of system autonomy is desirable. Thus the methodologies based in neural nets, which use mathematical models and numerical techniques inspired in human brain and/or nervous system, represent a natural step in evolution of control theory, mainly join to those which involve no-linearity. This work shows a technique study called wavenet, it combine neural nets and wavelet transformed, as an alternative leading for the solution of identification problems and non linear plants control. The transformed wavelet uses windows with variable scale and it makes possible analyze strips high and low frequencies in a same signal, and it is exactly this capacity of manipulation of observation window and it becomes a good alternative as activation function, achieving a local map of the signal. A identification more efficient is provided, mainly in non-linear signals and time variants. Several simulate tests involving non linear was analyzed, seeking to study the behavior of the algorithm wavenet and to define which the types of activation functions, Morlet, Rasp or Polywog, could give better results. The optimization method of Levenberg-Marquadt was used, and that one show a better performance when compared with the descendent gradient method used by other authors, in minimization of error process between the net and plant exit. The tests looked for to define improvements in algorithm wavenet, in relation to identification process, because it is primordial stage in the project of neurocontrolers. The... (Complete abstract, click electronic address below).

CAPES / Estertores são sons respiratórios adventícios e descontínuos que ocorrem em patologias pulmonares. Parâmetros no domínio do tempo classificam os estertores como finos, médios e grossos, e podem ter polaridade positiva ou negativa. Este trabalho investiga métodos e ferramentas para caracterizar e classificar estertores. Amostras de sons respiratórios contendo estertores foram normalizadas e reamostradas em 8 kHz. Foram realizados diversos ensaios utilizando a transformada wavelet discreta (DWT) e a análise de discriminante linear (LDA), e avaliados com análise ROC. Um sistema de reconhecimento de padrões foi implementado com DWT, LDA e k-NN para classificar estertores finos, grossos e sons respiratórios normais. O ensaio com diferentes métodos de extensão de borda do sinal durante a decomposição DWT mostrou a influência nos resultados da caracterização. Os resultados indicam que os métodos ZPD, SP0, SYMH, SYMW, ASYMH, PPD e PER são recomendados, enquanto que os métodos SP1 e ASYMW não são recomendados para a decomposição e caracterização de estertores, pois geram características diferentes nas sub-bandas mais altas. Outro ensaio mostrou que a caracterização dos estertores utilizando DWT pode ser feita utilizando-se algumas sub-bandas de decomposição (D3, D4 e D5, no caso de sinais amostrados em 8 kHz), reduzindo-se desta forma o esforço computacional. Outro sistema de classificação implementado utilizando DWT e LDA mostrou que os estertores podem ser classificados indicando a polaridade com elevado grau de acerto (AUC de até 0,9943 para Symlet 19). Dois ensaios foram realizados para seleção da wavelet-mãe que melhor caracterize estertores. O primeiro ensaio avaliou quantitativamente a semelhança entre o estertor e diversas wavelets-mães através do índice de correlação de Pearson. As wavelets-mães que resultaram uma forte correlação com o estertores, se mostrando mais indicadas para serem utilizadas, foram: Reverse Biorthogonal 3.7, Reverse Biorthogonal 5.5, Reverse Biorthogonal 3.5, Daubechies 5, Symlet 5, Daubechies 6, Symlet 7 e Daubechies 7. O segundo ensaio selecionou a wavelet-mãe pela concentração de energia nas sub-bandas. Ensaios anteriores já mostravam que a energia dos estertores decompostos pela DWT se concentra em poucas sub-bandas, então foram selecionadas wavelets-mães que concentrassem maior porcentagem da energia em uma sub-banda específica, que foram: Daubechies 7, Symlet 7, Coiflet 3 e Symlet 12. O último ensaio realizado foi uma combinação de wavelets-mães para melhorar a separabilidade de estertores e sons respiratórios normais. O ensaio mostrou que um sistema de classificação utilizando DWT, LDA e um classificador linear pode separar totalmente as duas classes (índice AUC = 1) quando é utilizada a combinação de wavelets-mães para gerar o vetor de características dos sinais. / Crackles are adventitious and discontinuous breath sounds that occur in lung diseases. Time domain parameters classify the crackles as fine, medium, and coarse, and may have positive or negative polarity. This work investigates methods and tools to characterize and classify crackles. Samples of breath sounds containing crackles were normalized and resampled at 8 kHz. Several experiments using the discrete wavelet transform (DWT), linear discriminant analysis (LDA), and k-NN have been performed, and evaluated with ROC analysis. A pattern recognition system was implemented with DWT, LDA and k-NN to classify fine and coarse crackles, and normal breath sounds. The experiment with different signal border extension methods during DWT decomposition showed the influence on the results of the characterization. The results indicate that the methods ZPD, SP0, SYMH, SYMW, ASYMH, PPD and PER are recommended, while SP1 and ASYMW methods are not recommended for the decomposition and characterization of crackles because they generate different characteristics in the higher subbands. Another experiment showed that the characterization of crackles using DWT can be made using certain decomposition subbands (D3, D4, and D5 with signal sampled at 8 kHz), thus reducing the computational effort. Another classification system implemented using LDA and DWT showed that crackles can be classified by their polarity indicating a high degree of accuracy (AUC rate up to 0.9943 for Symlet 19). Two experiments were conducted for mother-wavelet selection that best characterizes crackles. The first one quantitatively evaluated the similarity between the crackle and several mother-wavelets using Pearson's correlation coefficient. The mother-wavelet that resulted a strong correlation with the crackles, being most indicated for use were: Reverse Biorthogonal 3.7, 5.5 Biorthogonal Reverse, Reverse Biorthogonal 3.5, Daubechies 5, Symlet 5, Daubechies 6, 7, and Symlet Daubechies 7. The second experiment selected mother-wavelets by the power concentration in subbands. Previous trials already shown that the energy of the crackles decomposed by DWT are concentrated in a few subbands, so mothers-wavelet that concentrate larger percentage of the energy in a specific subband were selected, which were Daubechies 7, Symlet 7, Coiflet 3 and Symlet 12. The final experiment performed was a combination of mother-wavelets to improve the separability of crackles and normal breath sounds. The experiment showed that a classification system using DWT, LDA, and a linear classifier may totally separate the two classes (AUC ratio = 1) when the combination of mother-wavelets to generate the feature vector of the signals is used.

CAPES / Estertores são sons respiratórios adventícios e descontínuos que ocorrem em patologias pulmonares. Parâmetros no domínio do tempo classificam os estertores como finos, médios e grossos, e podem ter polaridade positiva ou negativa. Este trabalho investiga métodos e ferramentas para caracterizar e classificar estertores. Amostras de sons respiratórios contendo estertores foram normalizadas e reamostradas em 8 kHz. Foram realizados diversos ensaios utilizando a transformada wavelet discreta (DWT) e a análise de discriminante linear (LDA), e avaliados com análise ROC. Um sistema de reconhecimento de padrões foi implementado com DWT, LDA e k-NN para classificar estertores finos, grossos e sons respiratórios normais. O ensaio com diferentes métodos de extensão de borda do sinal durante a decomposição DWT mostrou a influência nos resultados da caracterização. Os resultados indicam que os métodos ZPD, SP0, SYMH, SYMW, ASYMH, PPD e PER são recomendados, enquanto que os métodos SP1 e ASYMW não são recomendados para a decomposição e caracterização de estertores, pois geram características diferentes nas sub-bandas mais altas. Outro ensaio mostrou que a caracterização dos estertores utilizando DWT pode ser feita utilizando-se algumas sub-bandas de decomposição (D3, D4 e D5, no caso de sinais amostrados em 8 kHz), reduzindo-se desta forma o esforço computacional. Outro sistema de classificação implementado utilizando DWT e LDA mostrou que os estertores podem ser classificados indicando a polaridade com elevado grau de acerto (AUC de até 0,9943 para Symlet 19). Dois ensaios foram realizados para seleção da wavelet-mãe que melhor caracterize estertores. O primeiro ensaio avaliou quantitativamente a semelhança entre o estertor e diversas wavelets-mães através do índice de correlação de Pearson. As wavelets-mães que resultaram uma forte correlação com o estertores, se mostrando mais indicadas para serem utilizadas, foram: Reverse Biorthogonal 3.7, Reverse Biorthogonal 5.5, Reverse Biorthogonal 3.5, Daubechies 5, Symlet 5, Daubechies 6, Symlet 7 e Daubechies 7. O segundo ensaio selecionou a wavelet-mãe pela concentração de energia nas sub-bandas. Ensaios anteriores já mostravam que a energia dos estertores decompostos pela DWT se concentra em poucas sub-bandas, então foram selecionadas wavelets-mães que concentrassem maior porcentagem da energia em uma sub-banda específica, que foram: Daubechies 7, Symlet 7, Coiflet 3 e Symlet 12. O último ensaio realizado foi uma combinação de wavelets-mães para melhorar a separabilidade de estertores e sons respiratórios normais. O ensaio mostrou que um sistema de classificação utilizando DWT, LDA e um classificador linear pode separar totalmente as duas classes (índice AUC = 1) quando é utilizada a combinação de wavelets-mães para gerar o vetor de características dos sinais. / Crackles are adventitious and discontinuous breath sounds that occur in lung diseases. Time domain parameters classify the crackles as fine, medium, and coarse, and may have positive or negative polarity. This work investigates methods and tools to characterize and classify crackles. Samples of breath sounds containing crackles were normalized and resampled at 8 kHz. Several experiments using the discrete wavelet transform (DWT), linear discriminant analysis (LDA), and k-NN have been performed, and evaluated with ROC analysis. A pattern recognition system was implemented with DWT, LDA and k-NN to classify fine and coarse crackles, and normal breath sounds. The experiment with different signal border extension methods during DWT decomposition showed the influence on the results of the characterization. The results indicate that the methods ZPD, SP0, SYMH, SYMW, ASYMH, PPD and PER are recommended, while SP1 and ASYMW methods are not recommended for the decomposition and characterization of crackles because they generate different characteristics in the higher subbands. Another experiment showed that the characterization of crackles using DWT can be made using certain decomposition subbands (D3, D4, and D5 with signal sampled at 8 kHz), thus reducing the computational effort. Another classification system implemented using LDA and DWT showed that crackles can be classified by their polarity indicating a high degree of accuracy (AUC rate up to 0.9943 for Symlet 19). Two experiments were conducted for mother-wavelet selection that best characterizes crackles. The first one quantitatively evaluated the similarity between the crackle and several mother-wavelets using Pearson's correlation coefficient. The mother-wavelet that resulted a strong correlation with the crackles, being most indicated for use were: Reverse Biorthogonal 3.7, 5.5 Biorthogonal Reverse, Reverse Biorthogonal 3.5, Daubechies 5, Symlet 5, Daubechies 6, 7, and Symlet Daubechies 7. The second experiment selected mother-wavelets by the power concentration in subbands. Previous trials already shown that the energy of the crackles decomposed by DWT are concentrated in a few subbands, so mothers-wavelet that concentrate larger percentage of the energy in a specific subband were selected, which were Daubechies 7, Symlet 7, Coiflet 3 and Symlet 12. The final experiment performed was a combination of mother-wavelets to improve the separability of crackles and normal breath sounds. The experiment showed that a classification system using DWT, LDA, and a linear classifier may totally separate the two classes (AUC ratio = 1) when the combination of mother-wavelets to generate the feature vector of the signals is used.

O presente trabalho de doutorado teve por objetivo a criaçãao de uma nova família de transformadas wavelet, chamadas Morphlets, que é específica para o processo de conversão de voz. Antes de explicar a criação da Morphlet, foi apresentada uma breve revisão bibliográfica sobre o funcionamento da Transformada Discreta Wavelet, sobre os processos de conversão de voz, algoritmos para criação de novas wavelets, entre outros tópicos. Em seguida é feita uma descrição detalhada da técnica utilizada para criação das Morphlets e, posteriormente, foi apresentado um novo algoritmo para conversão de voz baseado nas Morphlets. A criação das Morphlet, assim como o algoritmo proposto para conversão de voz baseado nela, inexistem na literatura, até o presente momento. Para testar à eficiência da técnica proposta de conversão de voz usando as Morphlets foram realizados testes diversos, principalmente baseados em critérios perceptuais, sendo os resultados obtidos motivadores, o que indicou um avanço na área. / The objective of this PhD work is the creation of a new family of wavelet transforms, called Morphlets, particularly designed for voice conversion. Before explaining the creation of this new family of transforms, a brief literature review on the Discrete Wavelet Transform, voice morphing procedures, algorithms to create specific wavelets, among other topics, was presented. This is followed by a detailed description of the technique used to create the new family of wavelets and, then, the algorithm for voice conversion based on this new transform. To date, the creation of Morphlets and the algorithm for voice conversion do not exist in the literature. In order to test the effectiveness of the proposed approach, many tests, mainly based on perceptual criteria, were performed. The results indicate an improvement in the area.