Orientador: Osvaldir Pereira Taranto / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-27T00:40:14Z (GMT). No. of bitstreams: 1 Silva_CarlosAlexandreMoreirada_D.pdf: 33350422 bytes, checksum: 046e0a2c090474593621166c81042136 (MD5) Previous issue date: 2015 / Resumo: As indústrias química, alimentícia e farmacêutica têm empregado extensivamente a operação de fluidização em inúmeros processos, devido às suas características bastante atrativas, que possibilitam um contato efetivo entre a fase sólida e fluida, o que reflete na geração de altas taxas de transferência de calor e de massa. No entanto, o regime de fluidização borbulhante, o qual é condição de partida dos processos que envolvem esta operação, frequentemente é afetado pelas condições operacionais. As temperaturas elevadas, o conteúdo de umidade excessivo das partículas e a introdução de líquidos no leito fluidizado podem conduzir a instabilidades no regime fluidodinâmico e provocar o colapso parcial ou total do leito, reduzindo a eficiência do processo. A manutenção de condições estáveis do regime de fluidização durante processos de recobrimento de partículas em leitos fluidizados é de fundamental importância para garantir uma eficiência de recobrimento favorável e evitar a formação de zonas sem movimentação e aglomeração das partículas no leito, pois estes fatores indesejáveis comprometem a mistura entre as fases e conseqüentemente a qualidade do produto final. Dentro deste contexto, a utilização de um sistema de monitoramento e controle em tempo real de processos de recobrimento de partículas é extremamente desejável para permitir a operação de regimes de fluidização estáveis e garantir um filme de recobrimento uniforme e boas condições de escoabilidade dos sólidos. A presente proposta de tese de doutorado tem por objetivo aplicar a metodologia de análise espectral Gaussiana dos sinais de flutuação de pressão (Parise et al. (2008)), para o desenvolvimento de sistemas de controle baseados em inteligência artificial (Lógica Fuzzy), visando monitorar a estabilidade do regime de fluidização em processo de recobrimento de partículas. Comparações entre as condições fluidodinâmicas dos processos com e sem controle foram analisadas para operações em leito fluidizado em escala de laboratorio. Para avaliar a qualidade das partículas foi utilizada uma sonda de monitoramento in-line (Parsum IPP70), onde se pôde verificar os instantes iniciais da aglomeração indesejada. Com a aplicação desde sistema automatizado foi possível associar a estabilidade da fluidização em função do elevado grau de aglomeração. O ponto de parada do processo pôde ser definido em 420 µm (inicial em 360 µm) e a partir deste o mecanismo de recobrimento acontece simultaneamente com o de aglomeração. Os parâmetros de monitoramento do regime conseguiram não somente identificar a fase inicial da defluidização, como também foi possível a partir deles, controlar o processo por Lógica Fuzzy-PI e estabilizar a operação para altas taxas de suspensão atomizadas / Abstract: The chemical, food and pharmaceutical industries have extensively used fluidization operation in many cases, due to its very attractive features that enable effective contact between the solid and fluid phase, which reflects the generation of high heat and mass transfer rates. However, the bubbling fluidization regime, which is the starting condition of the processes involved in this operation is often affected by operating conditions. Elevated temperatures, excessive moisture content of the particles and introduction of liquid into the fluidized bed may lead to instabilities in the fluid-dynamic regime and cause partial or total collapse of the bed, reducing the process efficiency. The maintenance of stable conditions of the fluidization regime for particle coating processes in fluidized beds is of fundamental importance to ensure a favorable coating efficiency and to avoid zones without movement and agglomeration of particles in the bed, because these undesirable factors compromise the mixing between the phases and therefore the quality of the final product. Within this context, the use of a monitoring system and real-time control of particle coating processes is highly desirable to allow operation in stable fluidization regimes and to ensure a uniform coating film and good condition of flowability of the solids. This doctoral thesis aims to apply the Gaussian spectral analysis methodology of the pressure fluctuation signals (Parise et al. (2008)) , for the development of control systems based on artificial intelligence (Fuzzy Logic), to monitor the stability of fluidization regime particle coating process. Comparisons between the fluid dynamic conditions of the processes with and without control were analyzed for operations in fluidized bed laboratory scale. To assess early stages of unwanted agglomeration, a monitoring in-line probe (Parsum IPP70) was used. With the application of this automated system, it was possible to associate the stability of fluidization with a high degree of agglomeration. The process stopping point could be set at 420 µm (initial in 360 µm) and after, the coating mechanism takes place simultaneously with the agglomeration one. The monitoring parameters of the system were able to identify the initial phase of defluidization, as well as it was possible to control the process by using Fuzzy Logic and to stabilize the operation for high rates of the coating suspension atomized onto the bed / Doutorado / Engenharia de Processos / Doutor em Engenharia Química

This thesis aims to provide new insights into the importance of decomposing aggregate time series data using the Maximum Overlap Discrete Wavelet Transform. In particular, the analysis throughout this thesis involves decomposing aggregate financial time series data at hand into approximation (low-frequency) and detail (high-frequency) components. Following this, information and hidden relations can be extracted for different investment horizons, as matched with the detail components. The first study examines the ability of different GARCH models to forecast stock return volatility in eight international stock markets. The results demonstrate that de-noising the returns improves the accuracy of volatility forecasts regardless of the statistical test employed. After de-noising, the asymmetric GARCH approach tends to be preferred, although that result is not universal. Furthermore, wavelet de-noising is found to be more important at the key 99% Value-at-Risk level compared to the 95% level. The second study examines the impact of fourteen macroeconomic news announcements on the stock and bond return dynamic correlation in the U.S. from the day of the announcement up to sixteen days afterwards. Results conducted over the full sample offer very little evidence that macroeconomic news announcements affect the stock-bond return dynamic correlation. However, after controlling for the financial crisis of 2007-2008 several announcements become significant both on the announcement day and afterwards. Furthermore, the study observes that news released early in the day, i.e. before 12 pm, and in the first half of the month, exhibit a slower effect on the dynamic correlation than those released later in the month or later in the day. While several announcements exhibit significance in the 2008 crisis period, only CPI and Housing Starts show significant and consistent effects on the correlation outside the 2001, 2008 and 2011 crises periods. The final study investigates whether recent returns and the time-scaled return can predict the subsequent trading in ten stock markets. The study finds little evidence that recent returns do predict the subsequent trading, though this predictability is observed more over the long-run horizon. The study also finds a statistical relation between trading and return over the long-time investment horizons of [8-16] and [16-32] day periods. Yet, this relation is mostly a negative one, only being positive for developing countries. It also tends to be economically stronger during bull-periods.

Efficient, accurate numerical simulation of coupled heat transfer and fluid dynamics systems continues to be a challenge. Direct numerical simulation (DNS) packages like FLU- ENT exist and are sufficient for design and predicting flow in a static system, but in larger systems where input parameters can change rapidly, the cost of DNS increases prohibitively. Major obstacles include handling the scales of the system accurately - some applications span multiple orders of magnitude in both the spatial and temporal dimensions, making an accurate simulation very costly. There is a need for a simulation method that returns accurate results of multi-scale systems in real time. To address these challenges, the Multi- Resolution Discontinuous Galerkin (MRDG) method has been shown to have advantages over other reduced order methods. Using multi-wavelets as the local approximation space provides an inherently efficient method of data compression, while the unique features of the Discontinuous Galerkin method make it well suited to composition with wavelet theory. This research further exhibits the viability of the MRDG as a new approach to efficient, accurate thermal system simulations. The development and execution of the algorithm will be detailed, and several examples of the utility of the MRDG will be included. Comparison between the MRDG and the "vanilla" DG method will also be featured as justification of the advantages of the MRDG method.

[Truncated abstract] Transrectal ultrasound (TRUS) has become the urologist’s primary tool for diagnosing and staging prostate cancer due to its real-time and non-invasive nature, low cost, and minimal discomfort. However, the interpretation of a prostate ultrasound image depends critically on the experience and expertise of a urologist and is still difficult and subjective. To overcome the subjective interpretation and facilitate objective diagnosis, computer aided analysis of ultrasound images of the prostate would be very helpful. Computer aided analysis of images may improve diagnostic accuracy by providing a more reproducible interpretation of the images. This thesis is an attempt to address several key elements of computer aided analysis of ultrasound images of the prostate. Specifically, it addresses the following tasks: 1. modelling B-mode ultrasound image formation and statistical properties; 2. reducing ultrasound speckle; and 3. extracting prostate contour. Speckle refers to the granular appearance that compromises the image quality and resolution in optics, synthetic aperture radar (SAR), and ultrasound. Due to the existence of speckle the appearance of a B-mode ultrasound image does not necessarily relate to the internal structure of the object being scanned. A computer simulation of B-mode ultrasound imaging is presented, which not only provides an insight into the nature of speckle, but also a viable test-bed for any ultrasound speckle reduction methods. Motivated by analysis of the statistical properties of the simulated images, the generalised Fisher-Tippett distribution is empirically proposed to analyse statistical properties of ultrasound images of the prostate. A speckle reduction scheme is then presented, which is based on Mallat and Zhong’s dyadic wavelet transform (MZDWT) and modelling statistical properties of the wavelet coefficients and exploiting their inter-scale correlation. Specifically, the squared modulus of the component wavelet coefficients are modelled as a two-state Gamma mixture. Interscale correlation is exploited by taking the harmonic mean of the posterior probability functions, which are derived from the Gamma mixture. This noise reduction scheme is applied to both simulated and real ultrasound images, and its performance is quite satisfactory in that the important features of the original noise corrupted image are preserved while most of the speckle noise is removed successfully. It is also evaluated both qualitatively and quantitatively by comparing it with median, Wiener, and Lee filters, and the results revealed that it surpasses all these filters. A novel contour extraction scheme (CES), which fuses MZDWT and snakes, is proposed on the basis of multiresolution analysis (MRA). Extraction of the prostate contour is placed in a multi-scale framework provided by MZDWT. Specifically, the external potential functions of the snake are designated as the modulus of the wavelet coefficients at different scales, and thus are “switchable”. Such a multi-scale snake, which deforms and migrates from coarse to fine scales, eventually extracts the contour of the prostate

CAPES / Este trabalho apresenta novas abordagens para duas das etapas fundamentais relacionadas com análise automática de oscilografias de redes de distribuição: a detecção dos instantes transitórios e a sua classificação. Para comparação e validação dos métodos são utilizadas duas bases de dados, sendo uma delas formada por dados simulados no aplicativo Alternative Transient Program e outra contendo dados reais de oscilógrafos instalados em uma rede de distribuição de energia elétrica. Os dados reais apresentam um conjunto de eventos relevante para as análises aqui propostas, principalmente por conter uma gama variada de eventos, incluindo transitórios decorrentes de descargas atmosféricas. Com relação à detecção de transitórios (segmentação de oscilografias), foram testados os métodos atualmente propostos na literatura, os quais contemplam Filtro de Kalman, Transformada Wavelet Discreta e Modelos Autorregressivos, além de serem propostas duas novas técnicas baseadas no Operador de Energia de Teager e Representação de Dados Utilizando Vetores Suporte. Demonstra-se que, tanto para dados simulados quanto para dados reais, o método de detecção baseado na Representação de Dados utilizando Vetores Suporte aponta para um melhor desempenho global no processo de detecção. Com relação à classificação automática de oscilografias, propõe-se uma nova abordagem incluindo um estágio dedicado à detecção de padrões não inseridos no aprendizado prévio do classificador, denominados de novidades, além da própria classificação multiclasse normalmente empregada para diferenciar múltiplas classes conhecidas a priori. São testadas abordagens utilizando a detecção de novidades e classificação multiclasse em estágios simultâneos e subsequentes, com base nos classificadores X-Médias, K-Vizinhos-Mais-Próximos e Representação de Dados Utilizando Vetores Suporte com diferentes formulações, além do próprio classificador multiclasse baseado em Máquinas de Vetor Suporte. Adicionalmente, é proposto um tratamento aos padrões considerados como novidades, com o intuito de fornecer informações ao especialista sobre as similaridades existentes entre os padrões desse conjunto. Para realizar esse processo, optou-se por utilizar modelos de agrupamento automático. Os resultados finais, principalmente para a base de dados incluindo eventos reais, mostram que é possível obter um desempenho de classificação relevante (acima de 80%) para cada um dos estágios do processo de classificação proposto, o qual inclui a detecção de novidades, a classificação multiclasse e o processamento de padrões classificados como novidades (agrupamento automático). / This work presents new approaches for two of the fundamental steps in automatic waveform analysis in electrical distribution systems: transient time detection and its classification. Two datasets were used to compare and validate the proposed methods. The first is composed by simulated waveforms, by using the Alternative Transient Program, while the second is formed by real data from a monitoring system developed for overhead distribution power lines. The real data present a set of relevant events for the analysis proposed here, mainly due to the variety of events, including lightning-related transients. Regarding transient detection (waveform segmentation), the experiments involve usual segmentation methods, such as Kalman filtering, standard Discrete Wavelet Transform, and autoregressive models, besides two new techniques based on the Teager Energy Operator and Support Vector Data Description. The results obtained on both simulated and real world data demonstrate that the method based on Support Vector Data Description outperforms other methods in the transient identification task. Regarding the automatic waveform classification, a new approach including the detection of classes not defined in the training stage (called novelties) is presented. Also, the classifier is able to discriminate among multiple known classes, normally defined as multi-class classification. Two different approaches are compared, by using multi-class classification and novelty detection in two subsequent stages and in a simultaneous way. The following classifiers were assessed: X-Means, K-Nearest-Neighbors, and Support Vector Data Description with different formulations, besides the Support Vector Machine for multi-class classification. Furthermore, a technique for the post-processing of the novelties is presented, in order to provide some useful information for the experts, regarding possible similarities in the novelty set. To accomplish this task, automatic clustering methods were used. The final results, especially for the dataset with real examples, show that it is possible to obtain a relevant classification performance (above 80%) in each one of the three stages of the classification process: multi-class classification, novelty detection, and the post-processing applied to the novelties (automatic clustering).

CAPES / Este trabalho apresenta novas abordagens para duas das etapas fundamentais relacionadas com análise automática de oscilografias de redes de distribuição: a detecção dos instantes transitórios e a sua classificação. Para comparação e validação dos métodos são utilizadas duas bases de dados, sendo uma delas formada por dados simulados no aplicativo Alternative Transient Program e outra contendo dados reais de oscilógrafos instalados em uma rede de distribuição de energia elétrica. Os dados reais apresentam um conjunto de eventos relevante para as análises aqui propostas, principalmente por conter uma gama variada de eventos, incluindo transitórios decorrentes de descargas atmosféricas. Com relação à detecção de transitórios (segmentação de oscilografias), foram testados os métodos atualmente propostos na literatura, os quais contemplam Filtro de Kalman, Transformada Wavelet Discreta e Modelos Autorregressivos, além de serem propostas duas novas técnicas baseadas no Operador de Energia de Teager e Representação de Dados Utilizando Vetores Suporte. Demonstra-se que, tanto para dados simulados quanto para dados reais, o método de detecção baseado na Representação de Dados utilizando Vetores Suporte aponta para um melhor desempenho global no processo de detecção. Com relação à classificação automática de oscilografias, propõe-se uma nova abordagem incluindo um estágio dedicado à detecção de padrões não inseridos no aprendizado prévio do classificador, denominados de novidades, além da própria classificação multiclasse normalmente empregada para diferenciar múltiplas classes conhecidas a priori. São testadas abordagens utilizando a detecção de novidades e classificação multiclasse em estágios simultâneos e subsequentes, com base nos classificadores X-Médias, K-Vizinhos-Mais-Próximos e Representação de Dados Utilizando Vetores Suporte com diferentes formulações, além do próprio classificador multiclasse baseado em Máquinas de Vetor Suporte. Adicionalmente, é proposto um tratamento aos padrões considerados como novidades, com o intuito de fornecer informações ao especialista sobre as similaridades existentes entre os padrões desse conjunto. Para realizar esse processo, optou-se por utilizar modelos de agrupamento automático. Os resultados finais, principalmente para a base de dados incluindo eventos reais, mostram que é possível obter um desempenho de classificação relevante (acima de 80%) para cada um dos estágios do processo de classificação proposto, o qual inclui a detecção de novidades, a classificação multiclasse e o processamento de padrões classificados como novidades (agrupamento automático). / This work presents new approaches for two of the fundamental steps in automatic waveform analysis in electrical distribution systems: transient time detection and its classification. Two datasets were used to compare and validate the proposed methods. The first is composed by simulated waveforms, by using the Alternative Transient Program, while the second is formed by real data from a monitoring system developed for overhead distribution power lines. The real data present a set of relevant events for the analysis proposed here, mainly due to the variety of events, including lightning-related transients. Regarding transient detection (waveform segmentation), the experiments involve usual segmentation methods, such as Kalman filtering, standard Discrete Wavelet Transform, and autoregressive models, besides two new techniques based on the Teager Energy Operator and Support Vector Data Description. The results obtained on both simulated and real world data demonstrate that the method based on Support Vector Data Description outperforms other methods in the transient identification task. Regarding the automatic waveform classification, a new approach including the detection of classes not defined in the training stage (called novelties) is presented. Also, the classifier is able to discriminate among multiple known classes, normally defined as multi-class classification. Two different approaches are compared, by using multi-class classification and novelty detection in two subsequent stages and in a simultaneous way. The following classifiers were assessed: X-Means, K-Nearest-Neighbors, and Support Vector Data Description with different formulations, besides the Support Vector Machine for multi-class classification. Furthermore, a technique for the post-processing of the novelties is presented, in order to provide some useful information for the experts, regarding possible similarities in the novelty set. To accomplish this task, automatic clustering methods were used. The final results, especially for the dataset with real examples, show that it is possible to obtain a relevant classification performance (above 80%) in each one of the three stages of the classification process: multi-class classification, novelty detection, and the post-processing applied to the novelties (automatic clustering).

Orientador: Sônia Maria Gomes, Jorge Stolfi / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-19T12:39:30Z (GMT). No. of bitstreams: 1 Castro_DouglasAzevedo_D.pdf: 8872633 bytes, checksum: a17b2761789c6a831631ac143fdf5ca7 (MD5) Previous issue date: 2011 / Resumo: O objetivo desta tese é desenvolver algoritmos baseados em malhas e bases funcionais inovadoras usando técnicas de multiescala para aproximação de funções e resolução de problemas de equações diferenciais. Para certas classes de problemas, é possível incrementar a eficiência dos algoritmos de multiescala usando bases adaptativas, associadas a malhas construídas de forma a se ajustarem com o fenômeno a ser modelado. Nesta abordagem, em cada nível da hierarquia, os detalhes entre a aproximação desse nível e a aproximação definida no próximo nível menos refinado pode ser usada como indicador de regiões que necessitam de mais ou menos refinamento. Desta forma, em regiões onde a solução é suave, basta utilizar os elementos dos níveis menos refinados da hierarquia, enquanto que o maior refinamento é feito apenas onde a solução tiver variações bruscas. Consideramos dois tipos de formulações para representações multiescala, dependendo das bases adotadas: splines diádicos e wavelets. A primeira abordagem considera espaços aproximantes por funções splines sobre uma hierarquia de malhas cuja resolução depende do nível. A outra abordagem considera ferramentas da analise wavelet para representações em multirresolução de médias celulares. O enfoque está no desenvolvimento de algoritmos baseados em dados amostrais d-dimensionais em malhas diádicas que são armazenados em uma estrutura de árvore binária. A adaptatividade ocorre quando o refinamento é interrompido em algumas regiões do domínio, onde os detalhes entre dois níveis consecutivos são suficientemente pequenos. Um importante aspecto deste tipo de representação é que a mesma estrutura de dados é usada em qualquer dimensão, além de facilitar o acesso aos dados nela armezenados. Utilizamos as técnicas desenvolvidas na construção de um método adaptativo de volumes finitos em malhas diádicas para a solução de problemas diferenciais. Analisamos o desempenho do método adaptativo em termos da compressão de memória e tempo de CPU em comparação com os resultados do esquema de referência em malha uniforme no nível mais refinado. Neste sentido, comprovamos a eficiência do método adaptativo, que foi avaliada levando-se em consideração os efeitos da escolha de diferentes tipos de fluxo numérico e dos parâmetros de truncamento / Abstract: The goal of this thesis is to develop algorithms based on innovative meshes and functional bases using multiscale techniques for function approximation and solution of differential equation problems. For certain classes of problems, one can increase the efficiency of multiscale algorithms using hierarchical adaptive bases, associated to meshes whose resolution varies according to the local features of the phenomenon to be modeled. In this approach, at each level of the hierarchy the details-differences between the approximation for that level and that of the next coarser level-can be used as indicators of regions that need more or less refinement. In this way, in regions where the solution is smooth, it suffices to use elements of the less refined levels of the hierarchy, while the maximum refinement is used only where the solution has sharp variations. We consider two classes of formulations for multiscale representations, depending on the bases used: dyadic splines and wavelets. The first approach uses approximation spaces consisting of spline functions defined over a mesh hierarchy whose resolution depends on the level. The other approach uses tools from wavelet analysis for multiresolu-tion representations of cell averages. The focus is on the development of algorithms based on sampled d-dimensional data on dyadic meshes which are stored in a binary tree structures. The adaptivity happens when the refinement is interrupted in certain regions of the domain, where the details between two consecutive levels are sufficiently small. This representation greatly simplifies the access to the data and it can be used in any dimension. We use these techniques to build an adaptive finite volume method on dyadic grids for the solution of differential problems. We analyze the performance of the method in terms of memory compression and CPU time, comparing it with the reference scheme (which uses a uniform mesh at the maximum refinement level). In these tests, we confirmed the efficiency of the adaptive method for various numeric flow formulas and various choices of the thresholding parameters / Doutorado / Matematica Aplicada / Doutor em Matemática Aplicada

Indiana University-Purdue University Indianapolis (IUPUI) / Multiresolution image fusion is an emerging area of research for use in military and commercial applications. While many methods for image fusion have been developed, improvements can still be made. In many cases, image fusion methods are tailored to specific applications and are limited as a result. In order to make improvements to general image fusion, novel methods have been developed based on the wavelet transform and empirical variance. One particular novelty is the use of directional filtering in conjunction with wavelet transforms. Instead of treating the vertical, horizontal, and diagonal sub-bands of a wavelet transform the same, each sub-band is handled independently by applying custom filter windows. Results of the new methods exhibit better performance across a wide range of images highlighting different situations.

CAPES / Pesquisadores têm concentrado esforços, nos últimos 20 anos, aplicando a transformada wavelet no processamento, filtragem, reconhecimento de padrões e na classificação de sinais biomédicos, especificamente em sinais de eletroencefalografia (EEG) contendo eventos característicos da epilepsia, as espículas. Várias famílias de wavelets-mães foram utilizadas, mas sem um consenso sobre qual wavelet-mãe é a mais adequada para essa finalidade. Os sinais utilizados apresentam uma gama muito grande de eventos e não possuem características padronizadas. A literatura relata sinais de EEG amostrados entre 100 a 600 Hz, com espículas variando de 20 a 200 ms. Nesse estudo foram utilizadas 98 wavelets. Os sinais de EEG foram amostrados de 200 a 1 kHz. Um neurologista marcou um conjunto de 494 espículas e um conjunto de 1500 eventos não-espícula. Esse estudo inicia avaliando a quantidade de decomposições wavelets necessárias para a detecção de espículas, seguido pela análise detalhada do uso combinado de wavelets-mães de uma mesma família e entre famílias. Na sequência é analisada a influência de descritores e o uso combinado na detecção de espículas. A análise dos resultados desses estudos indica que é mais adequado utilizar um conjunto de wavelets-mães, com vários níveis de decomposição e com vários descritores, ao invés de utilizar uma única wavelet-mãe ou um descritor específico para a detecção de espículas. A seleção desse conjunto de wavelets, de níveis de decomposição e de descritores permite obter níveis de detecção elevados conforme a carga computacional que se deseje ou a plataforma computacional disponível para a implementação. Como resultado, esse estudo atingiu níveis de desempenho entre 0,9936 a 0,9999, dependendo da carga computacional. Outras contribuições desse estudo referem-se à análise dos métodos de extensão de borda na detecção de espículas; e a análise da taxa de amostragem de sinais de EEG no desempenho do classificador de espículas, ambos com resultados significativos. São também apresentadas como contribuições: uma nova arquitetura de detecção de espículas, fazendo uso da análise de discriminante linear; e a apresentação de um novo descritor, energia centrada, baseado na resposta dos coeficientes das sub-bandas de decomposição da transformada wavelet, capaz de melhorar a discriminação de eventos espícula e não-espícula. / Researchers have concentrated efforts in the past 20 years, by applying the wavelet transform in processing, filtering, pattern recognition and classification of biomedical signals, in particular signals of electroencephalogram (EEG) containing events characteristic of epilepsy, the spike. Several families of mother-wavelets were used, but there are no consensus about which mother-wavelet is the most adequate for this purpose. The signals used have a wide range of events. The literature reports EEG signals sampled from 100 to 600 Hz with spikes ranging from 20 to 200 ms. In this study we used 98 wavelets. The EEG signals were sampled from 200 Hz up to 1 kHz. A neurologist has scored a set of 494 spikes and a set 1500 non-spike events. This study starts evaluating the amount of wavelet decompositions required for the detection of spikes, followed by detailed analysis of the combined use of mother-wavelets of the same family and among families. Following is analyzed the influence of descriptors and the combined use of them in spike detection. The results of these studies indicate that it is more appropriate to use a set of mother-wavelets, with many levels of decomposition and with various descriptors, instead of using a single mother-wavelet or a specific descriptor for the detection of spikes. The selection of this set of wavelets, decomposition level and descriptors allows to obtain high levels of detection according to the computational load desired or computing platform available for implementation. This study reached performance levels between 0.9936 to 0.9999, depending on the computational load. Other contributions of this study refer to the analysis of the border extension methods for spike detection; and the influences of the EEG signal sampling rate in the classifier performance, each one with significant results. Also shown are: a new spike detection architecture by making use of linear discriminant analysis; and the presentation of a new descriptor, the centred energy, based on the response of the coefficients of decomposition levels of the wavelet transform, able to improve the discrimination of spike and non-spike events.

CNPq / Introdução: As pessoas com lesão medular (LM) podem ter seus músculos paralisados ativados por meio da estimulação elétrica funcional (FES) sobre vias neurais presentes próximas à pele. Estas estimulações elétricas são importantes para a recuperação do trofismo neuromuscular ou durante o controle de movimento por próteses neurais. No entanto, ao longo da aplicação da FES, a fadiga ocorre, diminuindo a eficiência da contração, principalmente devido à hipotrofia neuromuscular presente nessa população. A aquisição da vibração das fibras musculares como indicador de fadiga é registrada por meio da técnica de mecanomiografia (MMG), que não sofre interferências elétricas decorrentes da aplicação da FES. Objetivo: Caracterizar a vibração do músculo reto femoral durante protocolo de fadiga neuromuscular eletricamente evocada em pessoas com lesão medular completa. Método: 24 membros (direito e esquerdo) de 15 participantes (idade: 27±5 anos) do sexo masculino (A e B na American Spinal Injury Impairment Scale) foram selecionados. Um estimulador elétrico operando como fonte de tensão, desenvolvido especialmente para pesquisa, foi configurado com: freqüência de pulso em 1 kHz (20% de ciclo de trabalho) e trem de pulsos (modulação) em 70 Hz (20% período ativo). O sinal triaxial [X (transversal), Y (longitudinal) e Z (perpendicular)] da MMG foi processado com filtro Butterworth de terceira ordem e banda passante entre 5 e 50 Hz. Previamente ao protocolo, a tensão de saída do estimulador foi incrementada (~3 V/s evitando-se a adaptação/habituação dos motoneurônios) até alcançar a extensão máxima eletricamente estimulada (EMEE) da articulação do joelho. Uma célula de carga foi usada para registrar a resposta de força, onde após a sua colocação, a intensidade da FES necessária para alcançar a EMEE foi aplicada e registrada pela célula de carga como 100% da força (F100%). Durante o protocolo de fadiga neuromuscular, a intensidade do estímulo foi incrementada durante o controle para manter a força em F100%. Quatro instantes (I - IV) foram selecionados entre F100% e a incapacidade da FES manter a resposta de força acima de 30% (F30%). O sinal foi processado nos domínios temporal (energia), espectral (frequência mediana) e wavelet (temporal-espectral com doze bandas de frequência entre 5 e 53 Hz). Os dados extraídos foram normalizados pelo instante inicial (I) gerando unidades arbitrárias (u.a.), e testados com estatística não paramétrica. Resultados: A frequência mediana não apresentou significância estatística. Em relação aos eixos de deslocamento da MMG, o eixo transversal mostrou o maior número de resultados estatisticamente significantivos. A energia da vibração das fibras musculares (domínio temporal) indicou diminuição entre os instantes I (músculo fresco) e II (pré-fadiga), como também entre os instantes I e IV (fadigado) com redução significativa. O domínio wavelet teve como foco o eixo transversal, especialmente as bandas de frequência de 13, 16, 20, 25 e 35 Hz, por terem indicado redução significativa durante a fadiga neuromuscular; principalmente, a banda de 25 Hz, que indicou redução significativa entre o instante I (valor da mediana dos dados de 0,53 u.a.) e os demais instantes [II (0,30 u.a), III (0,28 u.a.) e IV (0,24 u.a.)]. Conclusão: A fadiga neuromuscular é caracterizada pela redução da energia do sinal no eixo de deslocamento transversal (X) da vibração do músculo reto femoral, em pessoas com lesão medular completa, tanto no domínio temporal quanto principalmente no domínio wavelet, sendo a banda de frequência de 25 Hz a mais relevante, porque sua energia diminui com a ocorrência da fadiga neuromuscular. Estes achados abrem a possibilidade de aplicação em sistemas de malha fechada durante procedimentos de reabilitação física utilizando FES ou no controle de próteses neurais. / Introduction: People with spinal cord injury (SCI) may have the paralyzed muscles activated through functional electrical stimulation (FES) on neural pathways present below the skin. These electrical stimulations are important to restore the neuromuscular trophism or during the movement control using neural prostheses. However, prolonged FES application causes fatigue, which decreases the contraction strength, mainly due the neuromuscular hypotrophy in this population. The acquisition of myofibers’ vibration is recognized by mechanomyography (MMG) system and does not suffer electrical interference from the FES system. Objective: To characterize the rectus femoris muscle vibration during electrically evoked neuromuscular fatigue protocol in complete spinal cord injury subjects. Methods: As sample, 24 limbs (right and left) from 15 male participants (age: 27±5 y.o.) and ranked as A and B according to American Spinal Injury Impairment Scale) were selected. An electrical stimulator operating as voltage source, specially developed for research, was configured as: pulse frequency set to 1 kHz (20% duty cycle) and burst (modulating) frequency set to 70 Hz (20% active period). The triaxial [X (transverse), Y (longitudinal) and Z (perpendicular)] MMG signal of rectus femoris muscle was processed with a third-order 5-50 Hz bandpass Butterworth filter. A load cell was used to register the force. The stimulator output voltage was increased (~3 V/s to avoid motoneuron adaptation/habituation) until the maximal electrically-evoked extension (MEEE) of the knee joint. After the load cell placement, the stimuli magnitude required to reach MEEE was applied and registered by the load cell as muscular F100% response. Stimuli intensity was increased during the control to keep the force in F100%. Four instants (I - IV) were selected from F100% up to the inability to keep the FES response force above 30% (F30%). The signal was processed in temporal (energy), spectral (median frequency) and wavelet (temporal-spectral with twelve band frequencies between 5 and 53 Hz) domains. All data were normalized by initial instant, creating arbitrary units (a.u.), and non-parametric tests were applied. Results: The median frequency did not show statistical significance. Regarding the MMG axes, the transverse axis showed most statistical differences. The MMG energy (temporal domain) indicates the decrease between the instants I (unfatigued) and II (pre-fatigue), as well as instants I and IV (fatigued). The wavelet domain focused on the transverse axis, especially on 13, 16, 20, 25 and 35 Hz frequency bands, for having shown significant reduction proven during neuromuscular fatigue. In focus on 25 Hz band frequency that showed a constant decrease between instants I (median value from data de 0.53 a.u.) with subsequent instants [II (0.30 a.u.), III (0.28 a.u.) and IV (0.24 a.u.). Conclusion: Neuromuscular fatigue is characterized by energy decrease in MMG X-axis (transverse) signal of vibration on the rectus femoris muscle for complete spinal cord injured subjects, in the temporal domain but mainly in the wavelet domain. The 25 Hz is the most important band frequency because its energy decreases with neuromuscular fatigue. These findings open the possibility of application in closed-loop systems during physical rehabilitation procedures using FES or in the control of neural prostheses.