Este trabalho apresenta um método de predição não linear de séries temporais econômicas. O método baseia-se na análise técnica e fundamentalista de cotação de ações, filtragem wavelet, seleção de padrões e redes neurais artificiais. No modelo técnico emprega-se a transformada wavelet para filtrar a série temporal econômica de comportamentos aleatórios ou não econômicos. Após a filtragem dos dados o algoritmo de projeções sucessivas é utilizado para a seleção de padrões de treinamento para a rede neural artificial, com o objetivo de selecionar os padrões de comportamento mais importantes na série. No modelo fundamentalista utiliza-se variáveis econômicas que podem estar correlacionadas com a série, com o objetivo de aprimorar a predição da série na rede neural artificial. Para avaliação do método são utilizados dados de séries temporais econômicas referentes à cotação de preços de ações negociadas na bolsa de valores de São Paulo, onde os resultados da predição do comportamento futuro são comparados com modelos matemáticos clássicos e com o modelo convencional, que se baseia somente na análise técnica. Apresenta-se uma comparação dos resultados entre modelos técnicos, modelos matemáticos e o método proposto. O modelo matemático utilizado (ARIMA) apresentou seu melhor desempenho em séries com pouca variância, porém com desempenho inferior quando comparado com o modelo técnico e com o método proposto. A avaliação do erro de predição em termos de RMSEP evidenciou que o método proposto apresenta os melhores resultados em relação aos demais métodos. / This work presents a method for predicting nonlinear economic time series. The method is based on fundamental and technical analysis of script quotation, a multiscale wavelet filtering, pattern selection and artificial neural networks. In the technical model is used the wavelet transform in order to filter the economic time series from random or not economic behaviors. After the data filtering, the successive projections algorithm was used for the training pattern selection to the artificial neural network. In the fundamentalist model is used financial and macroeconomics variables that is correlated with the time serie in order to improve the network forecasting. For the evaluation of the proposed method are used temporal series data related to scrips prices quotation of São Paulo stock market. It presents a comparison of the results between technical model, mathematical model and proposed method. The mathematical model (ARIMA) presented better results in series with few variance, however have low performance when compared with the technical model and with the proposed method. The prediction error evaluation shows that the proposed method has better results than the other methods.

O processamento de sinais EEG permite interpretar, analisar, estudar, pesquisar e experimentar a atividade elétrica do cérebro como resposta para diferentes processos cognitivos, efeitos de drogas ou fármacos, estudo de doenças psiquiátricas ou neurológicas, entre outras. Esta dissertação é orientada ao reconhecimento de padrões cerebrais que permitam classificar estados cognitivos mediante os sinais de EEG registrados em sujeitos realizando tarefas programadas. Ademais espera-se obter a maior quantidade de padrões para cada estado cognitivo e procurar os parâmetros que oferecem maior informação, analisando as principais bandas cerebrais e todos os eletrodos disponíveis na base de dados. A metodologia usada compreende o registro de cinco tarefas cognitivas analisadas com três abordagens diferentes: análises de longe-range tenporal correlations com o algoritmo de Detrended Fluctuations Analysis (DFA), análise da potência dos sinais cerebrais utilizando a Transformada Ondeleta e finalmente o estudo da sincronia cerebral usando a Transformada de Hilbert. Conclui-se que as abordagens utilizadas nesta dissertação reportam alentadores resultados para diferenciar as tarefas cognitivas estudadas, demonstrando que a utilização da informação de todos os eletrodos e de suas principais bandas cerebrais contribuem de forma positiva. Também se consegue reconhecer e identificar quais parâmetros produzem maior informação para esta análise. / EEG signal processing allows interpreting, analyzing, studying, researching and experiencing the brain electrical activity in response to different cognitive processes, effects of drugs or drugs, the study of neurological or psychiatric diseases, among others. This thesis is oriented to the recognition of brain patterns to classify cognitive states using the EEG signals recorded from subjects performing mental tasks. Also, we expect to collect as many patterns as possible for each cognitive status and to seek parameters that provide more information, examine the major bands and all brain electrodes available in the database. The methodology used includes the registration of five cognitive tasks analyzed with three different approaches: analysis of long-range temporal-correlations with the Detrended Fluctuations Analysis (DFA) algorithm, the power analysis of brain signals using the Wavelet Transform and finally the study of phased looked brain using the Hilbert transform. The approaches used for this research report excellent results for differentiating the cognitive tasks studied, showing that the use of information from all the electrodes and their main brain bands contribute positively. Also, one can recognize and identify which parameters produce more information for this analysis.

"This dissertation proposes a vibration-based approach to detect and monitor structural damage by tracking the instantaneous modal parameters. A change in the instantaneous modal parameters indicates change in the structural health condition. In contrast to many existing structural health monitoring schemes, the proposed approach is less model dependent and works well for both sudden and evolving damage, general loading conditions and complex structures. The instantaneous modal parameters, including modal frequency, mode shape vector and modal damping ratio, are introduced as a bridge between the system properties and time varying vibration modes. The theoretical background of the time-varying vibration modes is developed. It has been shown that for slowly time-varying systems such modes exist and the instantaneous modal parameters have a clear physical interpretation and can be identified from free and forced vibration responses. A set of known techniques are used in an innovative way to identify the instantaneous modal parameters. Applicability of the identification techniques depends on the nature and availability of measurement data. Wavelet ridge method is used to identify the instantaneous modal frequencies and normalized instantaneous mode shape vectors from free vibration data. Wavelet packet sifting technique in conjunction with Hilbert transform and confidence index is proposed to identify the normalized instantaneous mode shape vector from both free and forced vibration data. Time-varying Kalman filter is integrated with the wavelet packet sifting technique to identify the instantaneous modal frequencies and the instantaneous modal damping ratios from free and forced vibration data. The proposed approach has been validated using both simulation and experimental data. The simulation data is obtained from a multi-degree-of-freedom system with time varying stiffness under different loading conditions. Experimental data include both impact testing data from the ASCE benchmark study and shaking-table test data of a full-size two-story wooden building structure, conducted at DPRI, Kyoto University, Japan. It has been shown that the proposed approach can successfully detect and monitor damage and, therefore, has great potential for real applications."

In recent years, response analysis of complex structures under impact loads has attracted a great deal of attention. For example, a collision or an accident that produces impact loads that exceed the design load can cause severe damage on the structural components. Although the AASHTO specification is used for impact-resistant bridge design, it has many limitations. The AASHTO specification does not incorporate complex and uncertain factors. Thus, a well-designed structure that can survive a collision under specific conditions in one region may be severely damaged if it were impacted by a different vessel, or if it were located elsewhere with different in-situ conditions. With these limitations in mind, we propose different solutions that use smart control technology to mitigate impact hazard on structures. However, it is challenging to develop an accurate mathematical model of the integrated structure-smart control systems. The reason is due to the complicated nonlinear behavior of the integrated nonlinear systems and uncertainties of high impact forces. In this context, novel algorithms are developed for identification, control and monitoring of nonlinear responses of smart structures under high impact forces. To evaluate the proposed approaches, a smart aluminum and two smart reinforced concrete beam structures were designed, manufactured, and tested in the High Impact Engineering Laboratory of Civil and Environmental Engineering at WPI. High-speed impact force and structural responses such as strain, deflection and acceleration were measured in the experimental tests. It has been demonstrated from the analytical and experimental study that: 1) the proposed system identification model predicts nonlinear behavior of smart structures under a variety of high impact forces, 2) the developed structural health monitoring algorithm is effective in identifying damage in time-varying nonlinear dynamic systems under ambient excitations, and 3) the proposed controller is effective in mitigating high impact responses of the smart structures.

Made available in DSpace on 2015-03-05T13:58:27Z (GMT). No. of bitstreams: 0 Previous issue date: 26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Inpainting Digital é uma técnica recente que permite completar a falta de informação em imagens, seja por falha ou por remoção intencional de alguma área ou objeto. Uma das atribuições importantes do inpainting digital é de que deve ser capaz de alterar uma imagem, de forma que não seja simples perceber que esta alteração foi feita; caracteriza uma modificação indetectável. Os métodos para determinar como esta falta de informação será preenchida variam desde a criação do primeiro modelo de inpainting digital. Contudo, sempre deve ser mantida uma coerência no preenchimento, que fará com que a região preenchida automaticamente aparente como parte da imagem verdadeira. As técnicas atuais tratam este preenchimento como uma propagação da estrutura da área que está ao redor da região a ser preenchida, trabalhando diretamente no domímio das cores, utilizando abordagens como Variação Total e Equações Diferenciais Parciais. Neste trabalho, é feito o uso de transformada Wavelet para a aplicação de inpainting digita / Digital Inpainting is a recent techinique that allows the filling of missing information in images. One important attribute of a digital inpainting technique is the ability of altering an image in such a way that it is not simple for the human observer to detect the modification, characterizing an undetectable modification. The strategies for filling missing parts vary since the first inpainting model, but one thing that remains is the fact that the filled area must be coherent with the original part of the image. Current techniques handle the filling as a structure propagation problem, working directly in the image color domain, and based on concepts like Total Variation or Partial Diferential Equations. In this work, we present a digital inpainting model that works exclusively in Wavelet domain,filling the target area with a texture synthesis mechanism using the properties of the Wavelet Transform

Este trabalho apresenta um método de predição não linear de séries temporais econômicas. O método baseia-se na análise técnica e fundamentalista de cotação de ações, filtragem wavelet, seleção de padrões e redes neurais artificiais. No modelo técnico emprega-se a transformada wavelet para filtrar a série temporal econômica de comportamentos aleatórios ou não econômicos. Após a filtragem dos dados o algoritmo de projeções sucessivas é utilizado para a seleção de padrões de treinamento para a rede neural artificial, com o objetivo de selecionar os padrões de comportamento mais importantes na série. No modelo fundamentalista utiliza-se variáveis econômicas que podem estar correlacionadas com a série, com o objetivo de aprimorar a predição da série na rede neural artificial. Para avaliação do método são utilizados dados de séries temporais econômicas referentes à cotação de preços de ações negociadas na bolsa de valores de São Paulo, onde os resultados da predição do comportamento futuro são comparados com modelos matemáticos clássicos e com o modelo convencional, que se baseia somente na análise técnica. Apresenta-se uma comparação dos resultados entre modelos técnicos, modelos matemáticos e o método proposto. O modelo matemático utilizado (ARIMA) apresentou seu melhor desempenho em séries com pouca variância, porém com desempenho inferior quando comparado com o modelo técnico e com o método proposto. A avaliação do erro de predição em termos de RMSEP evidenciou que o método proposto apresenta os melhores resultados em relação aos demais métodos. / This work presents a method for predicting nonlinear economic time series. The method is based on fundamental and technical analysis of script quotation, a multiscale wavelet filtering, pattern selection and artificial neural networks. In the technical model is used the wavelet transform in order to filter the economic time series from random or not economic behaviors. After the data filtering, the successive projections algorithm was used for the training pattern selection to the artificial neural network. In the fundamentalist model is used financial and macroeconomics variables that is correlated with the time serie in order to improve the network forecasting. For the evaluation of the proposed method are used temporal series data related to scrips prices quotation of São Paulo stock market. It presents a comparison of the results between technical model, mathematical model and proposed method. The mathematical model (ARIMA) presented better results in series with few variance, however have low performance when compared with the technical model and with the proposed method. The prediction error evaluation shows that the proposed method has better results than the other methods.

O fresamento do aço inoxidável austenítico é um processo importante para a produção de peças em que se deseja alta resistência mecânica e à corrosão. No entanto, a usinagem desse material representa um desafio por suas características adversas ao corte. A alta taxa de encruamento e a alta dureza relativa fazem-no resistente ao corte, podendo gerar vibrações em diferentes faixas de frequência. Uma técnica importante ao processamento de sinais de vibração é a Transformada de Wavelet que permite analisar diferentes frequências do sinal através da subdivisão em aproximações e detalhamentos. Neste trabalho analisaram-se vibrações em alta e baixa frequência geradas no fresamento frontal do aço inoxidável austenítico AISI 316 a partir de sinais de força, coletados por meio de um dinamômetro piezelétrico e processados via Transformada de Wavelet Discreta. Também se fez a investigação dos perfis de rugosidade, dos parâmetros de rugosidade média (Ra) e média parcial (Rz) e das ondulações gerados na superfície fresada. Nos ensaios, foram utilizados insertos com três raios de ponta distintos, hastes da fresa com três diferentes comprimentos em balanço e foram variadas a rotação do eixo-árvore e a profundidade de corte axial em três níveis cada, totalizando 81 combinações de parâmetros. Constatou-se que a profundidade de corte representou a maior influência na vibração. Na usinagem com rotações abaixo do valor mínimo recomendado pelo fabricante (1600 rpm), houve dificuldades na formação e remoção do cavaco. A modificação do raio de ponta influenciou mais a vibração em pequenas profundidades de corte ou em zonas próximas às condições de instabilidade. O comprimento da haste mostrou comportamentos diferentes para a vibração, podendo estar relacionado com a mudança das frequências naturais do sistema e também pode definir entrada em regime instável. Verificou-se correlação do detalhamento (D1) da força resultante (vibração em altas frequências) com o parâmetro Ra para condições de vibrações intensas (maiores amplitudes), mas em regime estável. Assim, o parâmetro D1 pode ser utilizado na detecção de vibrações chatter no processo de fresamento frontal do aço inoxidável AISI 316. / The milling of austenitic stainless steel is important process for the production of part that require mechanical and corrosion resistance. However, the machining of this steel represents a challenge by its adverse features. The high hardening rate and the high relative hardness make it resistant to cutting and can generate vibrations in different frequency ranges. An important technique for the processing of vibration signals is the Wavelet Transform that allows the analysis of different signal frequencies through the subdivisions into approximations and details. In this work, high and low frequency vibration generated in end milling of AISI 316 stainless steel were analyzed from force signals collected through a piezoelectric dynamometer and processed via Wavelet Discrete Transform. Besides, the roughness profiles were investigated, as well as average (Ra) and partial mean (Rz) roughness parameters, and waviness generated on the milled surface. Three different insert nose radius, end mill tool lengths, depths of cut and spindle speeds were used in the experiments, totaling 81 combinations of parameters. It was found that depth of cut represented the greatest influence on vibration. In end milling with spindle speed below the minimum recommended by the tool manufacturer (1600 rpm) it occurred difficulties in the chip formation and removal. The modification of tool nose radius greater influenced the vibration at small depths of cut or in regions close to the stability limit. The end mill tool length showed different behaviors for the vibration, which may be related to the change of natural frequencies of the mechanical system and may also define an unstable state. The correlation of detail (D1) of the resulting force (vibration at high frequencies) with the parameter Ra for intense vibration conditions (larger amplitudes) was verified, but in stable state. Thus, D1 can be used for detecting chatter in end milling process of AISI 316 stainless steel.

Este trabalho apresenta um estudo comparativo entre diferentes famílias de transformada Wavelet aplicadas à análise cepstral de sinais digitais de fala humana, com o objetivo específico de determinar o período de pitch dos mesmos e, ao final, propõe um algoritmo diferencial para realizar tal operação, levando-se em consideração aspectos importantes do ponto de vista computacional, tais como: desempenho, complexidade do algoritmo, plataforma utilizada, dentre outros. São apresentados também, os resultados obtidos através da implementação da nova técnica (baseada na transformada wavelet) em comparação com a abordagem tradicional (baseada na transformada de Fourier). A implementação da técnica foi testada em linguagem C++ padrão ANSI sob as plataformas Windows XP Professional SP3, Windows Vista Business SP1, Mac OSX Leopard e Linux Mandriva 10. / This work presents a comparative study between different family of wavelets applied on cepstral analysis of the digital speech human signal with specific objective for determining of pitch period of the same and in the end, proposes an differential algorithm to make such a difference operation take into consideration important aspects of computational point of view, such as: performance, algorithm complexity, used platform, among others. They are also present, the results obtained through of the technique implementation compared with the traditional approach. The technique implementation was tested in C++ language standard ANSI under the platform Windows XP Professional SP3 Edition, Windows Vista Business SP1, MacOSX Leopard and Linux Mandriva 10.

Neste trabalho, foram utilizadas as vantagens da ferramenta matemática de análise temporal e espectral, a transformada wavelet discreta (DWT), além dos coeficientes de predição linear (LPC) e do algoritmo de inteligência artificial, Least Squares Support Vector Machines (LS-SVM), para aplicações em análise de sinais de voz e classificação de vozes patológicas. Inúmeros trabalhos na literatura têm demonstrado o grande interesse existente por ferramentas auxiliares ao diagnóstico de patologias da laringe. Os componentes da DWT forneceram parâmetros de medida para a análise e classificação das vozes patológicas, principalmente aquelas provenientes de pacientes com edema de Reinke e nódulo nas pregas vocais. O banco de dados com as vozes patológicas foi obtido do Departamento de Otorrinolaringologia e Cirurgia de Cabeça e Pescoço do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto (FMRP-USP). Utilizando-se o algoritmo de reconhecimento de padrões, LS-SVM, mostrou-se que a combinação dos componentes da DWT de Daubechies com o filtro LP inverso levou a um classificador de bom desempenho alcançando mais de 90% de acerto na classificação das vozes patológicas. / The main objective of this work was to use the advantages of the time-frequency analysis mathematical tool, discrete wavelet transform (DWT), besides the linear prediction coefficients (LPC) and the artificial intelligence algorithm, Least Squares Support Vector Machines (LS-SVM), for applications in voice signal analysis and classification of pathological voices. A large number of works in the literature has been shown that there is a great interest for auxiliary tools to the diagnosis of laryngeal pathologies. DWT components gave measure parameters for the analysis and classification of pathological voices, mainly that ones from patients with Reinke\'s edema and nodule in the vocal folds. It was used a data bank with pathological voices from the Otolaryngology and the Head and Neck Surgery sector of the Clinical Hospital of the Faculty of Medicine at Ribeirão Preto, University of Sao Paulo (FMRP-USP), Brazil. Using the automatic learning algorithm applied in pattern recognition problems, LS-SVM, results have showed that the combination of Daubechies\' DWT components and inverse LP filter leads to a classifier with good performance reaching more than 90% of accuracy in the classification of the pathological voices.

Statistical parametric speech synthesis (SPSS) has seen improvements over recent years, especially in terms of intelligibility. Synthetic speech is often clear and understandable, but it can also be bland and monotonous. Proper generation of natural speech prosody is still a largely unsolved problem. This is relevant especially in the context of expressive audiobook speech synthesis, where speech is expected to be fluid and captivating. In general, prosody can be seen as a layer that is superimposed on the segmental (phone) sequence. Listeners can perceive the same melody or rhythm in different utterances, and the same segmental sequence can be uttered with a different prosodic layer to convey a different message. For this reason, prosody is commonly accepted to be inherently suprasegmental. It is governed by longer units within the utterance (e.g. syllables, words, phrases) and beyond the utterance (e.g. discourse). However, common techniques for the modeling of speech prosody - and speech in general - operate mainly on very short intervals, either at the state or frame level, in both hidden Markov model (HMM) and deep neural network (DNN) based speech synthesis. This thesis presents contributions supporting the claim that stronger representations of suprasegmental variation are essential for the natural generation of fundamental frequency for statistical parametric speech synthesis. We conceptualize the problem by dividing it into three sub-problems: (1) representations of acoustic signals, (2) representations of linguistic contexts, and (3) the mapping of one representation to another. The contributions of this thesis provide novel methods and insights relating to these three sub-problems. In terms of sub-problem 1, we propose a multi-level representation of f0 using the continuous wavelet transform and the discrete cosine transform, as well as a wavelet-based decomposition strategy that is linguistically and perceptually motivated. In terms of sub-problem 2, we investigate additional linguistic features such as text-derived word embeddings and syllable bag-of-phones and we propose a novel method for learning word vector representations based on acoustic counts. Finally, considering sub-problem 3, insights are given regarding hierarchical models such as parallel and cascaded deep neural networks.