Malgré la multiplicité des méthodes d'estimation de la VaR, elles souffrent d'une faiblesse fondamentale. En effet, elles ne font aucune distinction entre l'information captée à basse fréquence et celle captée à haute fréquence. Ce qui revient à  supposer de façon implicite que l'information contenue dans les données historiques a la même importance quel que soit l'horizon temporel de l'investisseur c'est-à-dire sa fréquence de trading (intra-journalière, journalière, hebdomadaire, mensuelle,..). Mais, accepter une telle hypothèse revient à supposer que les marchés financiers sont homogènes. Ce qui est contraire à la réalité empirique. En effet, les marchés financiers sont caractérisés par une grande hétérogénéité d'acteurs. L'objet de notre thèse est d'apporter une contribution à l'estimation de la VaR basée sur la décomposition de la volatilité dans le domaine des fréquences. Ce qui nous permet de mette en évidence l'influence de l'hétérogénéité des horizons temporels des acteurs des marchés financiers sur l'estimation de la Value at Risk. Pour cela,nous faisons appel à un outil statistique susceptible de nous procurer de l'information temporelle sur la volatilité et de l'information fréquentielle sur la fréquence de trading des différents acteurs des marchés financiers: l'approche temps-fréquence de la transformée en ondelettes. / Although multiplicity of VaR estimate approaches,they suffer from a fundamental weakness.They don't make any distiction between informations captured in a high frequency and in a low frequency manner.It is an implicit assumption of homogeneity of fiancial markets in contrast to empirical facts. In our thesis, we try to construct a VaR model based on volatility decomposition in the frequency domain.It enables us to show how the time horizons heterogeneity of financial markets participants could influence value at risk estimates.We use a statistical tool able to give us temporal information about volatility and frequencial information about trading frequencies of market participants:the time frequency approach of wavelet transform.

Dans ce manuscrit, nous développons des méthodologies de détection et caractérisation de sources géomagnétiques et atmosphériques en se basant sur la transformée en ondelettes continues. Les techniques introduites se basent sur les caractéristiques temps-fréquence des ondes observées dans les séries temporelles magnétotelluriques (MT). A partir de ces procédures de détection, nous détaillons l'implémentation d'une stratégie de détermination des fonctions de réponse MT basée sur les statistiques robustes, et du bootstrap hiérarchique pour le calcul des incertitudes. Deux études MT sont également détaillées. La première étude MT concerne la caractérisation de la structure géoélectrique situé sous l'observatoire magnétique de Chambon-La-Forêt, France. La seconde étude concerne des mesures effectuées dans la vallée de Trisuli au Népal en mars 2016. L'objectif de cette campagne est la comparaison avec une étude effectuée en 1996. Nous discutons des effets topographiques sur les sondages MT. Nous présentons également une nouvelle interprétation de la distribution de conductivité dans le sous-sol de vallée de Trisuli. / In this manuscript, we detail the application of continuous wavelet transform to processing schemes for the detection and the characterisation of geomagnetic and atmospheric sources. Presented techniques are based on time-frequency properties of electromagnetic (EM) waves observed in magnetotellurics (MT) time series. We detail the application of these detection procedures in a MT processing scheme. To recover MT response functions, we use robust statistics and a hierarchical bootstrap approach for uncertainties determination. Interpretation of two datasets are also presented. The first MT study deals with the caracterisation of the resistivity distribution below the French National magnetic observatory of Chambon-la-Forêt. The second study details the interpretation of new MT soundings acquired in March 2016 in the Trisuli valley, Nepal. The main objective of this campaign was to compare the new soundings with an old campaign in 1996. We discuss topography effects on MT soundings and their implication on the resistivity distribution. We also introduce a new interpretation of the resistivity distribution in Trisuli valley.

Le projet Européen « GENIUS » ambitionne de développer les méthodologies génériques pour le diagnostic de systèmes piles à combustible à haute température de type oxyde solide (SOFC). Le travail de cette thèse s’intègre dans ce projet ; il a pour objectif la mise en oeuvre d’un outil de diagnostic en utilisant le stack comme capteur spécial pour détecter et identifierles défaillances dans les sous-systèmes du stack SOFC.Trois algorithmes de diagnostic ont été développés, se basant respectivement sur la méthode de classification k-means, la technique de décomposition du signal en ondelettes ainsi que la modélisation par réseau Bayésien. Le premier algorithme sert au diagnostic ex-situ et est appliqué pour traiter les donnés issues des essais de polarisation. Il permet de déterminer les variables de réponse significatives qui indiquent l’état de santé du stack. L’indice Silhouette a été calculé comme mesure de qualité de classification afin de trouver le nombre optimal de classes dans la base de données.La détection de défaut en temps réel peut se réaliser par le deuxième algorithme. Puisque le stack est employé en tant que capteur, son état de santé doit être vérifié préalablement. La transformée des ondelettes a été utilisée pour décomposer les signaux de tension de la pile SOFC dans le but de chercher les variables caractéristiques permettant d’indiquer l’état desanté de la pile et également assez discriminatives pour différentier les conditions d’opération normales et anormales.Afin d’identifier le défaut du système lorsqu’une condition d’opération anormale s’est détectée, les paramètres opérationnelles réelles du stack doivent être estimés. Un réseau Bayésien a donc été développé pour accomplir ce travail.Enfin, tous les algorithmes ont été validés avec les bases de données expérimentales provenant de systèmes SOFC variés, afin de tester leur généricité. / The EU-project “GENIUS” is targeted at the investigation of generic diagnosis methodologies for different Solid Oxide Fuel Cell (SOFC) systems. The Ph.D study presented in this thesis was integrated into this project; it aims to develop a diagnostic tool for SOFC system fault detection and identification based on validated diagnostic algorithms, through applying theSOFC stack as a sensor.In this context, three algorithms, based on the k-means clustering technique, the wavelet transform and the Bayesian method, respectively, have been developed. The first algorithm serves for ex-situ diagnosis. It works on the classification of the polarization measurements of the stack, aiming to figure out the significant response variables that are able to indicate the state of health of the stack. The parameter “Silhouette” has been used to evaluate the classification solutions in order to determine the optimal number of classes/patterns to retain from the studied database.The second algorithm allows the on-line fault detection. The wavelet transform has been used to decompose the SOFC’s voltage signals for the purpose of finding out the effective feature variables that are discriminative for distinguishing the normal and abnormal operating conditions of the system. Considering the SOFC as a sensor, its reliability must be verifiedbeforehand. Thus, the feature variables are also required to be indicative to the state of health of the stack.When the stack is found being operated improperly, the actual operating parameters should be estimated so as to identify the system fault. To achieve this goal, a Bayesian network has been proposed serving as a meta-model of the stack to accomplish the estimation. At the end, the databases originated from different SOFC systems have been used to validate these three algorithms and assess their generalizability.

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.

O diagnóstico de eventos que afetam a qualidade da energia elétrica tem se tornado preocupação de magnitude mundial, em especial em dois temas importantes que são: a localização relativa da origem do evento (LROE) e a classificação automática da causa fundamental de eventos (CACFE). O primeiro está relacionado com a identificação da fonte do evento, isto é, a montante ou a jusante do medidor de qualidade de energia (MQE). O segundo pode ser dividido em dois grupos: a classificação das causas internas e das causas externas. As causas internas estão relacionadas a eventos produzidos pela operação do sistema elétrico (energização ou desenergização do sistema, energização de transformador, chaveamento de capacitores dentre outros), e as causas externas estão vinculadas a eventos produzidos por faltas externas ao sistema elétrico (contato com galhos de árvore, animais, descargas atmosféricas, dentre outros). Ambos os temas, LROE e CACFE, são abordados nesta tese de doutorado. Para classificar eventos por causas internas ou externas é necessário antes definir se realmente trata-se ou não de um evento, para o qual é imprescindível conhecer a LROE. Este último necessita de um processo de segmentação das formas de onda de tensão e corrente para funcionar de forma correta. A segmentação identifica segmentos transitórios e não transitórios nas formas de onda e contribui também na extração de características para os diferentes algoritmos de classificação. Neste sentido, neste trabalho de pesquisa é proposta uma metodologia de diagnóstico da qualidade de eventos, focada em LROE e CACFE. Para isto foram desenvolvidos diferentes algoritmos de segmentação, extração de características e classificação, sendo criada uma ferramenta computacional em MatLab® que inclui pré-processamento de sinais de tensão e corrente de um banco de dados real fornecido por uma concessionária do Estado de São Paulo. Além disto, foram propostos novos algoritmos de LROE com resultados satisfatórios quando comparados com outros dois disponíveis na literatura científica. Para as causas internas, dois novos índices são propostos para separar eventos produzidos por faltas e energização de transformadores. Finalmente, são propostos novos algoritmos de extração de características baseados na energia dos coeficientes de decomposição da transformada wavelet bem como o algoritmo à trous modificado. São propostos dois novos vetores de descritores de energia (VDE) baseados no primeiro segmento transitório do evento. Para a classificação destes eventos foi utilizado um algoritmo de indução de regras de decisão (CN2), que gera regras de simples implementação. Todos os métodos de classificação utilizados nesta tese estão baseados em regras, sendo seu desempenho avaliado por meio da matriz de confusão. / Diagnosing events that affect power quality have become a worldwide concern, especially with respect to two important issues related to the relative location of the event origin (RLEO) and automatic cause classification of events (ACCE). The first one is related to the identification of the event source, i.e. either upstream or downstream in relation to the power quality meter (PQM). The second one can be subdivided into two groups, namely the classification of internal causes and of external causes. Internal causes are related to events produced by power system operation (connection or disconnection of feeders, power transformer inrush, capacitor switching, amongst others) and external causes that are related to events produced by external faults to the power system (network contacts to tree branches, animals contact, atmospheric discharges, amongst others). Both topics, RLEO and ACCE, are herein considered. In order to classify events due to internal or external causes, one should first define whether it is an actual event, what demands the RLEO. This makes use of a segmentation process applied to the voltage and current waveforms. The segmentation identifies the transient and stationary segments within the waveforms, contributing also to the feature extraction for different classification algorithms. Based on the aforementioned, this research proposes a methodology to diagnose power quality events, focusing on RLEO and ACCE. Different algorithms of segmentation, feature extraction and classification were then developed by the use of a computational tool implemented in MatLab®, that considers also the preprocessing of voltage and current signals in a real data base which was made available by a distribution company in Sao Paulo State. Besides that, new RLEO algorithms have shown satisfactory results when compared to algorithms published in the scientific literature. As for the internal causes, two new indices were proposed in order to separate events produced by faults or by the connection of power transformers. New algorithms for feature extraction are proposed, which are based on the energy of decomposition coefficients of the wavelet transform as well as the modified à trous algorithm. Two vectors of energy descriptors are proposed, which are based on the first transient segment of the event. The classification of such events was carried out by an induction algorithm of decision rules (CN2), that generates easily implementable rules. All classification methods utilized in this thesis are based on rules and their performances are assessed by the confusion matrix.

Estudos mostraram que o tráfego nas redes de dados tanto locais quanto de grande área, possui propriedades fractais como dependência de longa duração - Long-Range Dependence (LRD) e auto-similaridade. Devido à heterogeneidade de aplicações nessas redes, os traces de tráfego podem apresentar dependência de longa duração - Long Range Dependence (LRD), dependência de curta duração - Short Range Dependence (SRD) ou uma mistura de LRD com SRD. Sendo assim, este trabalho tem como objetivo sintetizar séries temporais gaussianas com flexibilidade de processamento no plano tempo-frequência a serem inseridas num gerador de tráfego com as características estatísticas específicas do tráfego encontrado em redes por comutação de pacotes reais, como autossimilaridade, LRD e SRD. Para isto foram desenvolvidos dois métodos para síntese de séries temporais gaussianas com LRD e simultânea introdução de SRD em diferentes faixas de frequência: Discrete Wavelet Tansform (DWT) com mapa de variâncias e Discrete Wavelet Packet Tansform (DWPT). Estes métodos utilizaram o mapa de variâncias cujo conceito foi desenvolvido neste trabalho. A validação dos métodos foi feita através de análise estatística e comparação com resultados de séries geradas pelo método Discrete Wavelet Transfom (DWT) de Backar utilizado em [1]. Além disso, também foi validada a ideia de que a DWPT é mais interessante que a DWT por ser mais flexível e prover uma maior flexibilidade de processamento no plano tempo-frequência. / Studies demonstrated that the data network traffic of Local Area Network (LAN) and Wide Area Network has fractal properties as long range dependence (LRD) and self-similarity. The traffic traces can show long range dependence, short range dependence or the both behaviors because of applications heterogeneity in these networks. This work objective is to synthetisize gaussian time series with processor flexibility in the time-frequency plan to be inserted in a traffic generator with the specific statistical traffic characteristics of real packet networks such as selfsimilarity, long range dependence (LRD) and short range dependence (SRD). Two methods were developed for the gaussian time series with LRD and SRD synthesis: Discrete Wavelet Tansform (DWT) with variance map and Discrete Wavelet Packet Tansform (DWPT). These methods used the variance map which concept was developed in this work. The methods validation was done by statistic analysis and comparison with the time series generated by the B¨ackar Discrete Wavelet Transfom (DWT) used by [1]. Besides of this, the idea that the DWPT is more because of its processing flexibility in the time-frequency plan was validated.

Este trabalho traz a aplicação da transformada wavelet (TW) para analisar os transitórios de alta freqüência em um sistema de transmissão causados por uma falta sustentada, com o objetivo de se determinar a precisa localização da mesma. A TW, ferramenta matemática empregada neste trabalho, é uma transformação linear muito parecida com a transformada de Fourier, com uma importante diferença: ela permite a localização no tempo de diferentes componentes de freqüência de um dado sinal. Esta localização permite a detecção no tempo da ocorrência de distúrbios abruptos, tais como os transitórios ocasionados por situações de faltas. Os sinais de ondas viajantes geradas pela ocorrência da falta aparecem como distúrbios superpostos aos sinais de freqüência fundamental que são registrados pelos relés. Processando-se estes sinais pelo emprego da TW, esta pode revelar o tempo de propagação dos sinais analisados entre o ponto de ocorrência do distúrbio e a localização física do relé. Conseqüentemente, dispondo-se do intervalo de tempo entre as ondas sobre uma dada linha de transmissão, a distância do ponto de falta pode então ser facilmente determinada, sendo esta a filosofia adotada neste trabalho. O problema delineado é abordado através da implementação prática de um algoritmo computacional. Nesta implementação, o usuário pode escolher a técnica de localização a ser empregada, utilizando-se de dados registrados em um ou em ambos os terminais da linha, conforme a sua necessidade e/ou disponibilidade dos recursos necessários. Com o objetivo de testar e validar a aplicabilidade do algoritmo de localização de faltas, utilizou-se de dados de sinais faltosos obtidos através de simulações do software ATP (Altenative Transients Program), levando-se em conta vários tipos de falta em diferentes localizações ao longo da linha, com diferentes ângulos de incidência, resistências de falta, freqüência de amostragem do sinal, etc. Também foi verificada a influência do acoplamento mútuo em caso de circuitos duplos de transmissão. Os resultados alcançados pelo algoritmo são promissores e demonstram uma ótima precisão e aplicabilidade do método proposto. / This work presents a wavelet transform (WT) application to analyze the high frequency transients in a transmission line caused by a fault, with the purpose of determining its accurate location. The WT is very similar to Fourier Transform (FT), with an important difference: it allows the time determination of different frequency components of a signal. This skill allows the detection of the time of the disturbance occurrence, such as fault transients. The traveling waves generated by the fault occurrence appear as superimposed disturbances on the power frequency signals recorded by the relay. By processing these signals using the WT, the propagation time between the fault point and the relay location can be determined. Consequently, the distance of the fault point can be easily calculated. The delineated problem is boarded through the practical implementation of a computational algorithm. In this implementation, the user can choose the location technique to be employee, using data registered in one or both the terminals of the line, according to the necessity and/or availability of the data. In order to evaluate the applicability of the proposed scheme, the simulation of the transmission line in a faulty condition was utilized. This work makes use of a digital simulator of a faulted EHV (Extra High Voltage) transmission lines known as Alternative Transients Program (ATP). A typical transmission line from CESP (Companhia Energética de São Paulo) were utilized. The simulated data obtained was very close to that found in practice. This study takes into account single phase to ground faults, phase-to-phase faults, phase-phase to ground and three phase faults. The data set was composed of various fault situations considering different fault locations, fault resistances and fault inception angles. The influence of the sampled rate used was also verified as well as the mutual coupling in case of double transmission circuits. The test results reached for the algorithm are promising and demonstrate a highly satisfactory degree of accuracy and applicability of the proposed method.

Este trabalho apresenta um estudo sobre transformada Wavelet aplicada à qualidade da energia elétrica com o intuito de detectar, localizar e classificar eventuais distúrbios que ocorrem no sistema elétrico. Inicialmente é apresentada uma introdução sobre qualidade da energia, mostrando fatos, evoluções e explicando o conceito dos principais fenômenos que interferem na qualidade da energia do sistema elétrico brasileiro, devido, principalmente, à grande demanda de aparelhos eletrônicos produzidos atualmente. Em seguida é mostrada uma revisão dos principais métodos e modelos aplicados atualmente no mundo a respeito do assunto. A transformada Wavelet vem como uma grande ajuda nesta área de análise de sinais, já que é capaz de extrair simultaneamente informações de tempo e freqüência, diferentemente da transformada de Fourier. A simulação dos diversos distúrbios ocorridos no sistema foi realizada através do software ATP (Alternative Transients Program), cujas características seguem corretamente um sistema de distribuição real da concessionária CPFL. Os distúrbios de tensão gerados e analisados foram detectados e localizados através da técnica de Análise Multiresolução e, posteriormente, classificados, utilizando para isto o método da Curva de Desvio Padrão / This dissertation presents a study of Wavelet transform applied to power quality in order to detect, locate and classify disturbances that may occur in the power system. Initially an introduction of power quality is presented, showing facts, evolutions and explaining the concept of the main phenomena that interfere the on power quality of the brazilian power system, due to, mainly, a great demand for electronic devices produced nowadays. A revision of the main methods and models currently applied in the world regarding this subject is also show. The Wavelet transform comes as a great support in the area of signal assessment, as it can extract information about time and frequency simultaneously, differently from the Fourier transform. The simulation of the diverse disturbances occurred in the system was accomplished through ATP software (Alternative Transients Program), whose characteristics correctly follow a system of real distribution of CPFL eletric utility. The generated and analyzed voltage disturbances were detected and located by Multiresolution Analysis technique and later classified by the method of the Standard Deviation

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.

Neste trabalho é desenvolvida uma metodologia baseada na aplicação do método dos momentos conjugado à aproximação por diferenças finitas, para análise no domínio do tempo da distribuição de correntes transitórias em meios condutores. O procedimento computacional permite que sejam considerados sistemas de condutores longos, com seção transversal genérica, discretizados em elementos filiformes. Assim, a equação integral que descreve o problema é substituída por uma representação matricial. No caso de meios não homogêneos, o método dos elementos finitos é usado para a obtenção da matriz que permite a solução do problema. Como o método proposto baseia-se na solução passo a passo no tempo, é interessante, para maior eficiência computacional, que as matrizes tenham sua dimensão reduzida, o que pode ser realizado por meio da Transformada Discreta Wavelet, como investigado no trabalho. Também é feita uma análise da estabilidade do procedimento computacional, para verificação das condições de aplicabilidade do mesmo. A validação do procedimento desenvolvido é feita a partir da comparação dos resultados obtidos para problemas com solução já conhecida por meio de medições ou por outros métodos de resolução. São apresentados resultados da aplicação do método proposto a alguns casos de interesse prático, na área de Compatibilidade Eletromagnética, destacando-se a análise do efeito de blindagem e o estudo de crosstalk em um sistema multicondutor. O procedimento desenvolvido ainda pode ser aprimorado com a utilização de elementos com formas mais gerais do que a filiforme proposta, permitindo sua extensão a problemas tridimensionais. Também pode ser estudado o pré-condicionamento da matriz a ser reduzida pela aplicação da Transformada Wavelet, a fim de permitir um melhor desempenho do processo computacional. / In this work, a methodology is developed, based on the application of the moment method associated to a finite difference approximation, for time domain analysis of transient current distribution in conducting media. The computational procedure allows that long conductors with any cross section can be considered, approximated by filamentary elements. Thus, the integral equation that describes the problem is substituted by a matrix representation. In the case of non homogeneous regions, the finite element method is used to obtain the matrix that allows the solution of the problem. As the proposed method works in a time step by step scheme, it is interesting, for increased computational efficiency, to reduce the size of the involved matrices. This can be done by application of the Discrete Wavelet Transform, as investigated in this work. An analysis of the numerical stability of the computational procedure is also done, aiming to establish its applicability conditions. Validation of the numerical procedure developed is done by comparing the results obtained for problems whose solution is known by measurement or by another method. Some problems of practical interest in Electromagnetic Compatibility were solved and the results are presented, concerning particularly shielding effects and multi conductor crosstalk. The developed procedure can be improved employing elements with more general shapes, besides the filamentary ones, allowing the consideration of three dimensional systems. Also, pre conditioning of the matrices before application of the Wavelet Transform can be studied, for a better performance of the method.