Orientador: Carlos Roberto Minussi / Banca: Francisco Villarreal Alvarado / Banca: Mário Oleskovicz / Resumo: Esta pesquisa tem por objetivo o desenvolvimento de um sistema inteligente que realize o controle preventivo em sistemas de distribuição de energia elétrica. Trata-se de um procedimento para diagnosticar distúrbios possam provocar danos em componentes do sistema e, principalmente, a interrupção do fornecimento de energia aos consumidores. Este sistema inteligente será desenvolvido baseando-se no emprego da transformada wavelet, lógica fuzzy e redes neurais artificiais, em especial uma arquitetura da família ART (Adaptive Resonance Theory), a rede neural Fuzzy ARTMAP. Por ser uma arquitetura estável e plástica, esta permite a inclusão do módulo do treinamento continuado, o qual possibilita a extração do conhecimento sem a necessidade de reiniciar o processo de treinamento com a inclusão de novos padrões, diferentemente do que ocorre com a maioria das redes neurais. Este recurso possibilita usar um conjunto reduzido de padrões na fase de treinamento e, na medida em que forem realizadas as análises (aplicação), a extração do conhecimento é continuada, ou seja, trata-se de um sistema que busca o aperfeiçoamento com o passar o tempo. O sistema irá contemplar as principais anormalidades caracterizadas por distúrbios de tensão, curtos- circuitos e faltas de alta impedância. Por conseguinte, o objetivo refere-se ao desenvolvimento de um modelo embrionário capaz de incorporar permanentemente inovações com o propósito de torná-lo um sistema de inferência mais eficiente / Abstract: This project aims to develop an intelligent system that performs the preventive control in electric power distribution systems. It is a procedure to disturbances diagnosis that can potentially cause damage to system's components and, particularly, the interruption of electric power supply to consumers. This intelligent system is based on wavelet transform, fuzzy logic and artificial neural networks, in special the ART (Adaptive resonance Theory) family architecture, i.e., the Fuzzy ARTMAP. Due to the stability and plasticity characteristics, this architecture enables the introduction of the continuous training module, which allows the knowledge extraction without the need to restart the training process when a new training pattern is included, unlike what happens in most neural networks. Thus, it is possible to use a reduced set of patterns on the training phase and, as the analyses are performed, the extraction of the knowledge is continuous, i.e., a system that seeks to improve over time. The system will introduce the main disorders characterized by voltage disturbances, short-circuit faults and high impedance faults. Therefore, it deals with a methodology that can permanently incorporate new information to become an efficient inference system / Mestre

Orientador: Aledir Silveira Pereira / Banca: Aparecido Nilceu Marana / Banca: Evandro Luís Linhari Rodrigues / Resumo: Nos últimos anos, a segurança tornou-se uma preocupação constante da grande maioria das pessoas. Os sistemas biométricos vem ganhando destaque em soluções ligadas à segurança, uma vez que tratam de características físicas e comportamentais para reconhecimento dos indivíduos e permissões de acesso. Este trabalho objetivou a proposição e implementação de um método para reconhecimento de indivíduos por meio de características contidas na região interna da íris com um alto percentual de exatidão no reconhecimento e uma grande diminuição no tempo de processamento, se comparado aos demais métodos encontrados na literatura. No método proposto foram utilizados operadores de morfologia matemática para localização da íris, wavelet de log-Gabor para extração das características e a distância de Hamming para o reconhecimento. Os resultados experimentais obtidos utilizando a base de dados CASIA mostraram que o método é confiável e seguro, além de se destacar com relação ao baixo custo computacional / Abstract: In the recent years, the security became a constant concern of most people. Biometric systems have been highlighted in solutions related to security, since they deal with physical and behavioral characteristics for individuals recognition and access permissions. This work aims at the implementation of a method for individuals recognition based on the characteristics of the inner region of the iris, seeking a high percentage of accuracy in the recognition and a great reduction in the processing time, as compared to other methods published so far. We use mathematical morphology to search the iris in the image, the log-Gabor wavelet for feature extraction and the Hamming distance for recognition. The experimental results obtained from CASIA database show that the method is safe and reliable, and stand out with regard to the low computational cost / Mestre

Made available in DSpace on 2014-12-17T14:54:49Z (GMT). No. of bitstreams: 1 CrisluciKSS.pdf: 1753956 bytes, checksum: 06fc893387f3832c2cc344c281169f6d (MD5) Previous issue date: 2008-10-13 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Post dispatch analysis of signals obtained from digital disturbances registers provide important information to identify and classify disturbances in systems, looking for a more efficient management of the supply. In order to enhance the task of identifying and classifying the disturbances - providing an automatic assessment - techniques of digital signal processing can be helpful. The Wavelet Transform has become a very efficient tool for the analysis of voltage or current signals, obtained immediately after disturbance s occurrences in the network. This work presents a methodology based on the Discrete Wavelet Transform to implement this process. It uses a comparison between distribution curves of signals energy, with and without disturbance. This is done for different resolution levels of its decomposition in order to obtain descriptors that permit its classification, using artificial neural networks / An?lises p?s-despacho de sinais oriundos de registradores de perturba??es fornecem muitas vezes informa??es importantes para identifica??o e classifica??o de dist?rbios nos sistemas, visando a uma gest?o mais eficiente do fornecimento de energia el?trica. Para auxiliar nessa tarefa, faz-se necess?rio recorrer a t?cnicas de processamento de sinais, a fim de automatizar o diagn?stico sobre os tipos de dist?rbio presentes nos sinais registrados. A transformada wavelet constitui-se em uma ferramenta matem?tica bastante eficaz na an?lise de sinais de tens?o ou corrente, obtidos imediatamente ap?s a ocorr?ncia de dist?rbios na rede. Este trabalho apresenta uma metodologia baseada na transformada wavelet discreta e na compara??o de curvas de distribui??o da energia de sinais, com e sem dist?rbio, para diferentes n?veis de resolu??o de sua decomposi??o, com o objetivo de obter descritores que permitam a sua classifica??o atrav?s do uso de redes neurais artificiais

Made available in DSpace on 2014-12-17T14:55:45Z (GMT). No. of bitstreams: 1 MelindaCSC_DISSERT.pdf: 967257 bytes, checksum: 22530a2989a1b62dc6a9df7bffa70ed3 (MD5) Previous issue date: 2010-08-06 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The electric energy is essential to the development of modern society and its increasing demand in recent years, effect from population and economic growth, becomes the companies more interested in the quality and continuity of supply, factors regulated by ANEEL (Ag?ncia Nacional de Energia El?trica). These factors must be attended when a permanent fault occurs in the system, where the defect location that caused the power interruption should be identified quickly, which is not a simple assignment because the current systems complexity. An example of this occurs in multiple terminals transmission lines, which interconnect existing circuits to feed the demand. These transmission lines have been adopted as a feasible solution to suply loads of magnitudes that do not justify economically the construction of new substations. This paper presents a fault location algorithm for multiple terminals transmission lines - two and three terminals. The location method is based on the use of voltage and current fundamental phasors, as well as the representation of the line through its series impedance. The wavelet transform is an effective mathematical tool in signals analysis with discontinuities and, therefore, is used to synchronize voltage and current data. The Fourier transform is another tool used in this work for extract voltage and current fundamental phasors. Tests to validate the location algorithm applicability used data from faulty signals simulated in ATP (Alternative Transients Program) as well as real data obtained from oscillographic recorders installed on CHESF s lines. / A energia el?trica ? indispens?vel para o desenvolvimento da sociedade moderna e sua crescente demanda nos ?ltimos anos, fruto dos crescimentos populacional e econ?mico, fez com que as concession?rias se tornassem mais comprometidas com a qualidade e a continuidade do fornecimento, fatores que s?o regulamentados pela ANEEL (Ag?ncia Nacional de Energia El?trica). Para que esses fatores sejam atendidos quando ocorre uma falta permanente no sistema, faz-se necess?ria, primeiramente, uma r?pida localiza??o do defeito causador da interrup??o da energia, o que n?o ? uma tarefa t?o simples devido ? complexidade dos sistemas atuais. Um exemplo disso ocorre nas linhas de transmiss?o com m?ltiplos terminais, que interligam circuitos existentes com objetivo de atender ? demanda. Nestas linhas, deriva??es para atender a cargas de porte que n?o justificam economicamente a constru??o de novas subesta??es s?o adotadas como medidas vi?veis para aliviar outros circuitos. Este trabalho prop?e um algoritmo de localiza??o de faltas que ? aplicado em linhas de transmiss?o com m?ltiplos terminais dois e tr?s terminais. O m?todo de localiza??o baseia-se no uso de fasores fundamentais de tens?o e corrente, bem como na representa??o da linha atrav?s de sua imped?ncia s?rie. A Transformada Wavelet ? uma ferramenta matem?tica eficaz na an?lise de descontinuidades de sinais e, por este motivo, ? utilizada na sincroniza??o dos dados de tens?o e corrente oriundos de faltas. A transformada de Fourier ? outra ferramenta utilizada neste trabalho para extra??o dos fasores fundamentais de tens?o e corrente. Para testar e validar a aplicabilidade do algoritmo de localiza??o, utilizaram-se dados de sinais faltosos simulados no ATP (Alternative Transients Program) e tamb?m dados reais obtidos de registradores oscilogr?ficos instalados em linhas da CHESF.

The Auditory Brainstem Respose signals are characteristic of the combination of neural activity responses in presence of sound stimuli, detected by the cortex and characterized by peaks and valleys. They are named by roman numerals (I, II, III, IV, V, VI and VII). The identification of these peaks is made by the classic manual process of analysis, which is based on the visualization of the signal generated by the sum of each sample. In the sum the morphological characteristics of the signal and the temporal aspects relevant waves made by Jewett are identified. However, in this visual process some difficulties may occur, regarding the recognition of patterns present, which may vary according to local, individual equipment and settings in the selected protocol. Making the analysis of ABR subject to the influence of many variables and a constant source of doubt about the reliability and agreement between examiners. In order to create a system to automatic detection of these peaks and self-learning, that takes into account the profile for evaluate from examiners this work was developed. The continuous wavelet transforms an innovative technique for the detection of peaks was used associate with a probabilistic model for classification based on the histograms with information provide by examiners. In evaluating of the system, based on the swat rate between the system and a manual technique an accuracy ranging for 74.3% to 99.7%, according to each waves. Thus the proposed technique is proved to be accurate especially in ABR that is a sign of low amplitude. / Os PEATE são sinais resultantes da combinação de respostas de atividades neurais a estímulos sonoros, detectados sobre o córtex, que se caracterizam por vales e picos, sendo nomeados por algarismos romanos (I, II, III, IV, V, VI e VII). O processo clássico de identificação desses picos é baseado na visualização do sinal gerado pela somatória de cada uma de suas componentes. Nele são identificadas as características morfológicas do sinal e os aspectos temporais relevantes constituídos pelas ondas de Jewett. No entanto, neste processo de identificação visual surgem dificuldades que tornam a análise visual dos PEATE uma fonte constante de dúvidas em relação à fidedignidade e concordância entre os examinadores. Com o objetivo de melhorar o processo de avaliação dos PEATE, foi desenvolvido um sistema de detecção automática para os picos, com capacidade de aprendizado que leva em consideração o perfil de marcação realizado por examinadores. Para a detecção de picos foi utilizada a Transformada Wavelet Contínua associado a mesma foi desenvolvido um classificador probabilístico baseado nos histogramas gerados a partir de marcações realizadas pelos profissionais. Na avaliação do sistema proposto, com base na taxa de acerto entre o sistema e a marcação manual, o mesmo apresentou uma acurácia variando de 74,3% a 99,7%, dependendo do tipo de onda analisada. Assim a técnica proposta se revela precisa, principalmente na presença de ruído característico de sinais biológicos, especialmente no PEATE, que é um sinal de amplitude baixa. / Doutor em Ciências

The epilepsy is not a recent phenomenon, even its has being approached and Inves- tigated, this area still demands several researches and it is far away from being totally explained. The obtaining of the primordial features to di®erentiate the epileptic events of the others, in coming signs EEG of scalp, it represents a great challenge, since exist to many artifacts, and these are confused with epileptic events. In this sense, this study presents the development of architectures destined to detect events of epilepsy in coming signs EEG of scalp, capable to aid the professionals of the health in the study of this pathology To accomplish the objectives, ¯rstly was developed an application capable to visualize EEG and to segment the electroencephalogram plan to form the base of data Concerning to the detection of the pathological signs, four architectures were proposed. The architecture with analysis multi-resolution used the \ wavelet " (WT) for extraction of features, as well as neural networks and specialist system for recognition. For that architecture the best gotten results obtained a rate of 71,6 % of success, with 28,3 % of error. The sensibility was around 83,3 %, the speci¯city 70,5 % and the precision 76,9 %. The statistical architecture is directly composed of tools for features extraction of the sign. The best success rate was around 85,3 %, the obtained error was of 14,3 % and the inde¯nite ones around 1 %. The sensibility was of 97,4 %, the speci¯city 82,1 % and the precision 89,75 %. The architecture of analysis multi-resolution and AR possesses two stages for extraction of feature: the \ wavelet ", following by the AR models. For that architecture they used two AR models . The best success rate for the \ Yule-Walker"model was around 87,9 %, with order 10. Already in the results of the \ Burg"model, the best success rate was of 88,5 % with order 7. For the last architecture is a hybrid model with several tools of extraction of features in the domain of the time, frequency (FFT) and time-frequency (WT). In that architecture the success rate was in 95,1 %, the error 4,1 % the inde¯nite ones 5,5 %. The speci¯city was of 91,5 %, the obtained sensibility was of 90,5 % and the precision around 91,1 %. Therefore all of the developed systems presented quite coherent results among the phenomena demarcated by the professionals of the medical area and those revealed by the architectures, mainly for the case of the hybrid architecture that presented the best rates. / A identificação de fenômenos epileptogênicos por meio de registros eletroencefalográficos (EEG) não invasivos se constitui numa área de pesquisa que apresenta grandes desafios devido µa presença de diversos distúrbios (artefatos) que dificultam a análise destes registros. Tal tarefa é de extrema importância uma vez que o diagnóstico e o tratamento da epilepsia requer uma avaliação clínica baseada no EEG do paciente. Neste contexto, este trabalho apresenta alguns sistemas para melhorar a identificação dos sinais de crise epilépticas baseados em técnicas de processamento de sinais e de inteligência artificial. Estas propostas são baseadas em uma plataforma que permite a visualização e análise dos arquivos de EEG. Para a detecção de eventos patológicos, são propostas quatro arquiteturas. Na arquitetura com análise multi-resolução foram utilizadas duas famílias wavelet (WT) para a extração de características, redes neurais artificiais e sistema especialista para o reconhecimento dos sinais de crise. Com essa arquitetura, o melhor resultado conseguido foi uma taxa de acerto de 71,6% no reconhecimento dos sinais patológicos. A sensibilidade ficou em torno de 83,3%, a especificidade 70,5% e a precisão 76,9%. Já a arquitetura estatística é composta de ferramentas para extração de características diretamente do sinal. A melhor taxa de acerto ficou em torno de 85,3%, o erro obtido foi de 14,3% e os indefinidos em torno de 1%. A sensibilidade foi de 97,4%, a especificidade 82,1% e a precisão 89,75%. A arquitetura de análise multi-resolução com modelo auto-regressivo (AR) possui duas etapas para extração de características: a \wavelet" (WT), seguida do modelo AR. Para essa arquitetura foram utilizados dois modelos AR. A melhor taxa de acerto para o modelo \Yule-Walker" ficou em torno de 87,9%, com ordem 10. Já para os resultados do modelo\Burg", a melhor taxa de acerto foi de 88,5% com ordem 7. A última arquitetura é um modelo híbrido com várias ferramentas de extração de características no domínio do tempo, freqüência (FFT) e tempo-freqüência (WT). Nessa arquitetura a taxa de acerto ficou em 95,1%, o erro em 4,1% e os indefinidos em 5,5%. A especificidade foi de 91,5%, a sensibilidade obtida foi de 90,5% e a precisão em torno de 91,1%. Todos os sistemas desenvolvidos apresentaram resultados coerentes com os fenômenos demarcados pelos eletroencefalografistas e aqueles revelados pelas arquiteturas. Dentre as propostas, a arquitetura híbrida apresentou o melhor desempenho. / Doutor em Ciências

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.

As faltas podem ocorrer em diversos componentes de um sistema elétrico de potência, dentre os quais as linhas de transmissão se destacam como elementos susceptíveis. Devido a suas dimensões físicas, ambiente de operação e interconexão com outros sistemas, a localização exata de uma falta em uma linha de transmissão não é trivial dificultando a tarefa das equipes de manutenção para recomposição do fornecimento de energia. Neste contexto, este trabalho apresenta uma metodologia computacional desenvolvida em ambiente MATLAB® para diagnóstico de faltas em linhas de transmissão baseada na análise de transitórios de alta freqüência nas tensões do sistema. A abordagem desenvolvida neste trabalho inicialmente utiliza a equação de Park para achar a tensão zero, direta e em quadratura e posteriormente detectar a ocorrência da falta através do coeficiente de diferenças. Posteriormente, a teoria de ondas viajantes associada à transformada wavelet contínua são utilizadas objetivando determinar a frequência característica do sinal transitório, a qual é relacionada com o local da falta. Para validar o algoritmo de localização proposto foram realizadas diversas simulações de faltas com o programa ATP (Alternative Transient Program) utilizando dados de uma linha aérea real. A efetividade da abordagem proposta foi avaliada considerando a resistência de falta, o ângulo de incidência da falta e a impedância de curto-circuito do sistema. Os resultados promissores demonstraram a aplicabilidade da formulação proposta para localização faltas em linhas de transmissão aéreas utilizando medições oscilográficas digitais de apenas um terminal. / Faults can occur in several components of an electric power system, among which the transmission line stands out. Due to its physical dimensions, operating environment and interconnection systems, the exact transmission line fault location is non-trivial hindering maintenance crew system restoration. In this context, this work presents a computational methodology developed in MATLAB® environment for fault diagnosis on transmission lines based on voltage high frequency transient analysis. Thus, the approach adopted in this work use firstly the Park equations to find the zero, direct and quadrature voltage and then detect the fault occurrence through the difference coefficient. After, the traveling wave theory associated with continuous wavelet transform application is used for determining the characteristic frequency of the transient signal, which is correlated with the fault location. To validate the proposed fault location algorithm, several fault simulations were executed using ATP software using real overhead line data. The proposed fault location scheme performance was evaluated considering the fault resistance, inception fault angle and short-circuit impedance of the system. The promising results demonstrate the applicability of the proposed formulation for fault location in overhead transmission lines, using one terminal digital oscillographic measurement.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / A quantidade de mÃtodos nÃo invasivos de diagnÃstico tem aumentado devido à necessidade de exames simples, rÃpidos e indolores. Por conta do crescimento da tecnologia que fornece os meios necessÃrios para a extraÃÃo e processamento de sinais, novos mÃtodos de anÃlise tÃm sido desenvolvidos para compreender a complexidade dos sinais de voz. Este trabalho de dissertaÃÃo apresenta uma nova ideia para caracterizar os sinais de voz saudÃvel e patolÃgicos baseado em uma ferramenta matemÃtica amplamente conhecida na literatura, a Transformada Wavelet (WT). O conjunto de dados utilizado neste trabalho consiste de 60 amostras de vozes divididas em quatro classes de amostras, uma de indivÃduos saudÃveis e as outras trÃs de pessoas com nÃdulo vocal, edema de Reinke e disfonia neurolÃgica. Todas as amostras foram gravadas usando a vogal sustentada /a/ do PortuguÃs Brasileiro. Os resultados obtidos por todos os classificadores de padrÃes estudados mostram que a abordagem proposta usando WT à uma tÃcnica adequada para discriminaÃÃo entre vozes saudÃvel e patolÃgica, e apresentaram resultados similares ou superiores a da tÃcnica clÃssica quanto à taxa de reconhecimento. / The amount of non-invasive methods of diagnosis has increased due to the need for simple, quick and painless tests. Due to the growth of technology that provides the means for extraction and signal processing, new analytical methods have been developed to help the understanding of analysis of the complexity of the voice signals. This dissertation presents a new idea to characterize signals of healthy and pathological voice based on one mathematical tools widely known in the literature, Wavelet Transform (WT). The speech data were used in this work consists of 60 voice samples divided into four classes of samples: one from healthy individuals and three from people with vocal fold nodules, Reinkeâs edema and neurological dysphonia. All the samples were recorded using the vowel /a/ in Brazilian Portuguese. The obtained results by all the pattern classifiers studied indicate that the proposed approach using WT is a suitable technique to discriminate between healthy and pathological voices, since they perform similarly to or even better than classical technique, concerning recognition rates.

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.