Esta Tese explora o Processo de Cox quando sua intensidade pertence a uma família de difusões afim. A forma da funçâo densidade de Probabilidade do Processo de Cox é obtida quando a intensidade é descrita por uma difusão fim d-dimensional arbitrária. Analisa-se também o acoplamento e convergência para o Processo de Cox com intensidade afim. Para ilustrar assume-se que a intensidade do Processo é governada por uma difusão de Feller e resultados mais detalhados são obtidos. Adicionalmente, os parâmetros da intensidade do Processo são estimados por meio do Filtro de Kalman conjugado com o estimador de Quase-Máxima Verossimilhança. / This Thesis deals with the Cox Process when its intensity belongs to a family of affine diffusions. The form of the probability density function of the Cox process is obtained when the density is described by an arbitrary d-dimensional affine diffusion. Coupling and convergence results are also addressed for a general Cox process with affine intensity. We adopted the Feller diffusion for driving the underlying intensity of the Cox Process to illustrate our results. Additionally the parameters of the underlying intensity processes are estimated by means of the Kalman Filter in conjunction with Quasi-Maximum Likelihood estimation.

A Tomografia por Impedância Elétrica (TIE) aplica-se no monitoramento contínuo e detecção de alterações pulmonares sérias. Principalmente no ambiente das unidades de terapia intensiva (UTI) para a avaliação das condições do paciente em estado crítico submetido à ventilação artificial sem que seja necessário retirar o paciente da UTI e dos diferentes instrumentos de assistência à vida. A técnica permite estimar alterações de impedância nos pulmões. O objetivo deste trabalho é diminuir o erro numérico num algoritmo desenvolvido para TIE, utilizando o Filtro Estendido de Kalman. Especificamente, esse algoritmo aplica-se na a obtenção de imagens dos pulmões do corpo humano. Para realizar tal objetivo foram projetados phantoms compostos por um recipiente circular com solução salina, dentro do qual é colado um objeto cilíndrico de vidro e 32 eletrodos localizados no contorno do recipiente. Foi desenvolvido um algoritmo em linguagem C, utilizando a técnica de Filtro Estendido de Kalman para estimação de parâmetros de um modelo de elementos finitos. Foram implementados o procedimento de renumeração da malha de elementos finitos, com o objetivo de obter uma matriz de condutividade de banda, e o procedimento de melhoramento iterativo da solução para diminuir o erro numérico de soluções de sistemas lineares. Foram comparados dois algoritmos, um utilizando matriz de condutividade esparsa Alg Esparsa e outro com matriz de condutividade de banda limitada, obtida por renumeração da malha, e aplicando refinamento iterativo na solução de sistemas lineares, Alg RRI. Obtiveram-se melhores estimativas de impedância e uma melhor estabilidade do algoritmo do Filtro de Kalman com o algoritmo Alg RRI. O erro numérico na inversa da matriz de condutividade e o erro numérico na matriz de sensibilidade são significativamente menores quando se utiliza renumeração da malha e refinamento iterativo da solução de sistemas lineares. A redução de erro numérico nestas matrizes leva a melhores imagens. / The Electrical Impedance Tomography (EIT) is applied for the continuing monitoring and detection of serious pulmonar change. It may be used in intensive care units for the evaluation of patient condition in critical state submitted to artificial ventilation. It is not necessary to leave the intensive care unit and disconnect life assist devices. This technique allow estimation of impedance distribution on a cross section of the thorax. The main of this work is the reduction of numerical error in the Kalman Filter for EIT image estimation. Specifically, this algorithm may be applied for estimating lunge impedance distribution. To obtain this objective a phantom was developed. It is constituted by a cilindrical container with saline solution, a glass object is glued to the container, and 32 electrodes attached to the container wall. An algorithm in C language, using the Extended Kalman Filter technique was developed, it is a parameter estimation procedure. Mesh renumbering, to obtain a band limited conductivity matrix and the iterative improvement of the solution of linear systems were implemented. The estimation of impedance distribution was performed. Two different algorithms were considered. One algorithm uses a sparse conductivity matrix, Alg sparse. Another algorithm uses a band limited conductivity matrix and iterative refinement of the solution of linear systems, Alg RRI. Better impedance estimation and better stability of Kalman Filter algorithm was obtained using Alg RRI. The numerical error on the inverse of the conductivity matrix and the numerical error on the sensitivity matrix were smaller on algorithm Alg RRI. The numerical error reduction on the conductivity matrix and on the sensitivity matrix produced better images.

Rastreamento visual em sequências de imagens tem sido muito estudado nos últimos 30 anos devido às inúmeras aplicações que possui em sistemas de visão computacional em tempo real; entretanto, poucos são os algoritmos disponíveis para que tal tarefa seja realizada com sucesso. Esta dissertação apresenta um método e uma arquitetura eficazes e eficientes para rastrear jogadores em jogos de futebol. A entrada do sistema consiste de vídeos capturados por câmeras estáticas instaladas em estádios de futebol. A saída é a trajetória descrita pelo jogador durante uma partida de futebol, dada no plano de imagem. O sistema possui dois estágios de processamento: inicialização e rastreamento. A inicialização do sistema é crítica no desempenho do rastreador e seu objetivo consiste em produzir uma estimativa aproximada da configuração e características de cada alvo, a qual é usada como uma estimativa inicial do estado pelo rastreador. O sistema de rastreamento utiliza Filtros de Kalman para modelar o contorno, posição e velocidade dos jogadores. Resultados são apresentados usando dados reais. Avaliações quantitativas são fornecidas e o sistema proposto é comparado com outro sistema correlato. Os experimentos mostram que o sistema proposto apresenta resultados bastante promissores. / Visual tracking in image sequences has been extensively studied in the last 30 years because of the many applications it has in real-time computer vision systems; however, there are few algorithms available for this task so that it is performed successfully. This work presents an effective and efficient system architecture and method to track players in soccer games. The system input consists of videos captured by static cameras installed in soccer stadiums. The output is the trajectory described by the player during a soccer match, given in the image plane. The system comprises two processing stages: initialization and tracking. The system startup is critical in the tracking performance and its goal is to produce a rough estimate of the configuration and characteristics of each target, which is used as an initial estimate of the state by the visual tracker. The tracking system uses Kalman filters to model the shape, position and speed of the players. Results are presented using real data. Quantitative assessments are provided and the proposed system is compared with related systems. The experiments show that our system can achieve very promising results.

Este trabalho tem a finalidade de apresentar e comparar técnicas de redução de ruído utilizando como critérios de avaliação a mínima distorção espectral e a redução de ruído, na reconstrução dos sinais de voz degradados por ruído. Para tanto, utilizou-se os filtros de Kalman de tempo discreto e de freqüência discreta em conjunto com a técnica de subtração espectral de potência. Os sinais utilizados foram contaminados por ruídos branco e colorido, e a avaliação do desempenho dos algoritmos foi realizada tendo-se como parâmetros a relação sinal/ruído segmentada (SNRseg) e a distância de Itakura-Saito (d(a,b)). Após o processamento, verificou-se que a técnica, proposta neste trabalho, de filtragem de Kalman no tempo em conjunto com a subtração espectral de potência, apresentou resultados um pouco melhores em relação à filtragem de Kalman na freqüência em conjunto com a subtração espectral de potência. / This work has as main objective to present and to compare techniques of noise reduction using as evaluation criterion the low spectral distortion and the noise reduction in the reconstruction of corrupted speech signals. For so much, it was used the Kalman\'s filters in the time and frequency domain together with the technique of power spectral subtraction. The used signals were corrupted by white and colored noises and the evaluation of effectiveness of the algorithms was accomplished using the segmental signal-to-noise ratio (SNRseg) and the Itakura-Saito distance (d(a,b)). After the processing, it was noticed that the Kalman filtering in the time together with power spectral subtraction presented better results than the Kalman filtering in the frequency together with power spectral subtraction.

O presente trabalho trata do desenvolvimento de um sistema de sensoriamento de orientação utilizando sensores inerciais de baixo custo, de tecnologia MicroElectroMechanical Systems, MEMS, que apresentam altas taxas de ruído. Assim, é realizada a filtragem e fusão dos dados dos sensores para obtenção de uma estimativa confiável, com a aplicação do filtro de Kalman estendido. O sistema é utilizado para a navegação e controle em um veículo aquático de superfície autônomo. No desenvolvimento do trabalho são investigados os princípios da navegação inercial, da representação da orientação e os sistemas de coordenadas envolvidos, apresentando o método por ângulos de Euler, quatérnios e DCM e o procedimento de atualização conforme a variação da orientação. O sistema desenvolvido foi testado em bancada e em um barco com formato de trimarã construído no Laboratório de Controle e Eletrônica de Potência, na Escola de Engenharia de São Carlos, mostrando os resultados dos testes realizados navegando em uma represa, obtendo resultados satisfatórios para essa aplicação. É mostrado também o comportamento dinâmico dos veículos aquáticos de superfície através do estudo da dinâmica de corpos rígidos. / This work describes the development of an orientation sensing system composed of low cost inertial sensors with MicroElectroMechanical Systems (MEMS) technology, which presents high noise levels. Thus, filtering and sensor\'s measurements fusion is done in order to achieve a reliable estimation, trough an extended Kalman filter. The system is used for navigation and control of an autonomous aquatic surface vehicle. In this work, the principles of inertial navigation, orientation representation as well as the coordinate frames involved are investigated, presenting the methods trough Euler angles, quaternions and DCM, and the update proceeding according to the orientation changes. The developed system was tested in the lab and on a trimaran shaped vessel navigating on a dam, wich was developed in the Control and Power Electronics Laboratory at the São Carlos School of Engineering, achieving satisfactory results for this application. It is also shown the dynamic behavior of the surface aquatic vehicles, using rigid-body dynamics.

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores (Major Automação). Faculdade de Engenharia. Universidade do Porto. 2010

As principais causas da redução da produtividade agrícola são os eventos climáticos, e a variável meteorológica de grande importância para a produção agrícola é a precipitação. Alguns dos problemas das bases de dados meteorológicos são a descontinuidade e dados faltantes. Nesse sentido, os dados de precipitação em ponto de grade (Gridpoint), são uma excelente fonte de informações em pesquisas climatológicas. Para superar os problemas de dados faltantes e construir um banco de dados completos é necessário um processo de imputação. Portanto, o objetivo do trabalho foi comparar metodologias de imputação, utilizou abordagens univariada e múltipla, e comparou o desempenho em termos de imputação em diferentes cenários de dados faltantes e utilizou a raiz do erro quadrático médio (RMSE) como métrica. Para séries de precipitação diária que tinham dados faltantes foi realizado a imputação pelo método imputação múltipla por equações encadeadas (MICE), utilizando a informação de mês, ano e precipitação em ponto de grade. Foram utilizados quatro modelos, nos quais a precipitação diária dependia de: mês; mês e ano; precipitação em ponto de grade; mês, ano e precipitação diária em ponto de grade. Utilizou-se a raiz do erro quadrático médio (RMSE) como métrica e para verificar as imputações, analisou-se a semelhança entre os dados observados e os dados imputados pelo Teste de Kolmogorov-Smirnov e pelos gráficos da média e variância das imputações. O modelo com o maior número de variáveis foi escolhido para imputar os dados faltantes das séries de precipitação diária. Nesse trabalho, o uso de dados de precipitação em ponto de grade mostrou ser na imputação de dados de séries de precipitação diária. Para uma série de precipitação diária completa, concentra-se na comparação e avaliação de métodos de imputação nas abordagens univariada e múltipla, para dados de precipitação diária. Na abordagem univariada, utilizou-se diferentes configurações filtro de Kalman, Média Móvel Ponderada e Decomposição Sazonal. Na abordagem múltipla, utilizou-se o método MICE, com diferentes modelos. Os dados faltantes foram estimados em uma série de precipitação diária, em que os dados faltantes foram gerados de maneira aleatória e em trechos e utilizou-se a raiz do erro quadrático médio (RMSE) como métrica. Os resultados identificaram que o método de Filtro de Kalman forneceu os menores valores de RMSE, para todos os cenários de dados faltantes. A aplicação do algoritmo Filtro de Kalman produziu melhores estimativas para os valores diários de precipitação. O Filtro de Kalman pode ser uma importante metodologia para imputação de dados de precipitação diária, garantido uma série temporal completa para análises de vários setores, dentre eles a agricultura. / The main causes of the reduction of agricultural productivity are the climatic events, and the meteorological variable of great importance for the agricultural production is precipitation. Some of the problems of meteorological databases are discontinuity and missing data. In this sense, grid point precipitation (Gridpoint) data is an excellent source of information in climatological research. To overcome missing data problems and build a continuous database, an imputation process is required. Therefore, this work has the objective of comparing two imputation methodologies, using the MICE method and the Kalman filter, and comparing the performance in terms of imputation in different scenarios of missing data, using root mean square error (RMSE) as metric. For series of daily precipitation that had missing data, imputation was carried out by the multiple imputation method by chain equations (MICE), using the information of month, year and precipitation in grid point. Four models were used, in which the daily precipitation depended on: month; month and year; precipitation in grid point; month, year and daily precipitation in grid point. The root mean squared error (RMSE) was used as a metric and to verify imputations, the similarity between the observed data and the data imputed by the Kolmogorov-Smirnov test and the mean and variance imputation graphs were analyzed. The model with the largest number of variables was chosen to impute missing data from the daily precipitation series. In this work, precipitation data in grid point showed the importance and advantages of their use as information in imputation of daily precipitation series data. For a complete daily precipitation series, it focuses on the comparison and evaluation of imputation methods in the univariate and multiple approaches for daily precipitation data. In the univariate approach, we used different Kalman filter configurations, Weighted Moving Average, and Seasonal Decomposition. In the multiple approach, the MICE method was used, with different models. The missing data were estimated in a series of daily precipitation, in which the missing data were generated randomly and in sections, and the root mean square error (RMSE) was used as a metric. The results identified that the Kalman Filter method provided the lowest RMSE values for all missing data scenarios. The application of the Kalman filter algorithm produced better estimates for the daily values of precipitation. The Kalman Filter can be an important methodology for imputation of daily precipitation data, ensuring a complete time series for analysis of several sectors, among them agriculture.

Made available in DSpace on 2014-06-11T19:26:55Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-06-29Bitstream added on 2014-06-13T20:27:33Z : No. of bitstreams: 1 bedutti_ad_me_sjrp.pdf: 1999751 bytes, checksum: 437383410c3f4cc28c116c28e9f7054a (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / O controle de plantas daninhas constitui um dos principais desafios no cultivo de área agrícolas. Quando presentes em quantidades descontroladas, estas plantas geram a diminuição na produtividade e ocasionam perdas significativas e indesejáveis. As perdas, aliadas ao alto custo de controle, motivam o desenvolvimento de ferramentas no auxílio a tomada de decisão, como mapas da distribuição de daninhas, visando o manejo localizado de herbicidas. Neste trabalho, considera-se a aplicação de um modelo espaço-temporal para a construção de mapas da distribuição de sementes de plantas daninhas em uma área agrícola de plantação de milho (Zea mays). Foram analisados dados reais, para as espécies Digitaria ciliaris, Euphorbia heterophilla L., Cenchrus echinatus L. e Bidens Pilosa L. e tamb´em dados simulados. O modelo envolve a combinação de estimação por krigagem e o filtro de Kalman. / The control of weeds is a major challenge in cultivation of agricultural areas. When present in uncontrolled quantities, these plants generate a decrease in productivity and cause significant and undesirable losses. The losses, combined with the high cost of control, motivate the development of tools to aid in taking decision, as maps of distribution of weed, to located handling of herbicides. In this work, was considered the application of a spatial-temporal model for construction of distribution maps of seed weeds in an agricultural area of corn plantation (Zea mays). Were analyzed real data, for the species Digitaria ciliaris, Euphorbia heterophilla L., Cenchrus echinatus L. and Bidens Pilosa L., and also simulated data. The model involves a combination of kriging estimation and Kalman filter.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2015. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-04-25T18:11:05Z No. of bitstreams: 1 2015_PedroEliasWeberdeDeusAmaral.pdf: 7076659 bytes, checksum: 6de9dfe0cdfa56358ad5169613be97c6 (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-04-28T17:29:03Z (GMT) No. of bitstreams: 1 2015_PedroEliasWeberdeDeusAmaral.pdf: 7076659 bytes, checksum: 6de9dfe0cdfa56358ad5169613be97c6 (MD5) / Made available in DSpace on 2016-04-28T17:29:03Z (GMT). No. of bitstreams: 1 2015_PedroEliasWeberdeDeusAmaral.pdf: 7076659 bytes, checksum: 6de9dfe0cdfa56358ad5169613be97c6 (MD5) / A estabilidade de um sistema elétrico de potência é um dos requisitos para que as cargas do sistema sejam atendidas com qualidade e sem interrupções. O adequado monitoramento e o amortecimento dos modos de oscilação eletromecânica são fundamentais para o controle da estabilidade de um sistema elétrico. Esta dissertação apresenta um método para identificação de modos de oscilação eletromecânica cujo fundamento é baseado no princípio do Filtro de Kalman Estendido. Os modos são calculados a partir de parâmetros que também são estados do filtro. A metodologia é voltada para identificação de parâmetros característicos de sinais obtidos de PMU (PhasorMeasurementUnits). Todos os sinais obtidos e utilizados para testes são de baixa amplitude, conhecidos como dados de ambiente. A técnica proposta foi avaliada por meio de dois tipos de dados. Em um primeiro tipo, os sinais foram simulados. Com esta finalidade, utilizou-se o software Power System Toolbox (PST). Em outros testes, foram considerados dados de campo, obtidos de PMUs instaladas em baixa tensão localizados em universidades brasileiras em diversos estados. Considerando a natureza estocástica dos sinais, o método proposto identificou adequadamente os modos dominantes presentes nos dados de ambiente simulados do sistema teste, tanto em situações em que a frequência e amortecimento do modo eram fixos, quanto em situações em que os parâmetros do modo variavam ao longo do período de simulação. No caso dos resultados determinados para os dados de campo, foi identificada a presença de modo de oscilação dominante, na faixa entre 0,2 Hz e 0,4 Hz. Este é um modo interárea, característico do Sistema Interligado Nacional (SIN). Portanto, em ambos os testes a metodologia proposta mostrou-se adequada para identificação de modos dominantes a partir de dados de ambiente. / Power Systems must be stable for the system loads to be supplied continiously and with good quality. The proper monitoring and damping of electromechanical oscillation modes are fundamental for the power system stability control. This thesis presents a method for identification of electromechanical oscillation modes based on the Extended Kalman Filter. The modes are calculated from parameters which are also state variables of the filter. The methodology aims to identify characteristic parameters of signals obtained from PMU (Phasor Measurement Units). All the signals obtained and used in tests are low amplitude signals, also known as ambient data. The proposed methodology was evaluated by two kinds of data. In a first kind, the signals were simulated. For this purpose, it was used the Power System Toolbox software (PST). In the second kind, it was considered field data obtained from PMUs installed at low voltage in Brazilian universities in several states. Considering the stochastic nature of the data, the proposed method identified the dominant modes present in the simulated ambient data of the test system accordingly, both in situations in which the frequency and damping of the mode were fixed, as in situations in which the mode parameters varied throughout the period of simulation. In the case of the field data, the results identified the presence of dominant oscillation mode in the frequency range between 0,2 Hz and 0,4 Hz. This is an inter-area mode, characteristic of the Brazilian National Grid. Therefore, in both kinds of data, the proposed methodology was appropriate to identify dominant modes from ambient data.

[pt] Este trabalho versa sobre previsão de reservas do tipo IBNR levando-se em conta uma ordenação diferente do triângulo de runoff incremental. Esta se dá por linhas empilhadas, originando, assim, uma série temporal univariada repleta de valores faltantes, cuja soma desses valores constitui o IBNR a ser estimado. Duas abordagens de estimação, inteiramente baseadas na teoria dos modelos em Espaço de Estado e do filtro de Kalman, são desenvolvidas, implementadas com dados reais de empresas seguradoras, e comparadas entre si e a outros métodos de estimação já consagrados na literatura atuarial. A primeira abordagem pauta-se no cálculo da matriz de covariâncias condicionais das componentes do IBNR, e a segunda é um processo de obtenção do IBNR por acumulação. Os resultados obtidos revelam, para as abordagens propostas, os seguintes pontos sumários: (i) plena eficiência e viabilidade computacional; (ii) sistemático ganho em termos de acurácia do IBNR estimado; e (iii) abrangência no que diz respeito às possibilidades de modelagem estatística dos dados de IBNR. / [en] This work deals with prediction of IBNR reserves under a different ordering of the non-cumulative runoff triangle. This is accomplished by stacking the rows, which results in a univariate time series with several missing values, whose corresponding sum is in fact the IBNR. Two estimation approaches, entirely based on state space methods and Kalman filtering, are developed, implemented with real data, and compared with some well established estimation methods for IBNR. The first approach consists in obtaining the conditional covariance matrix of the IBNR components, and the second tackles the IBNR estimation under an accumulation process. Three remarks emerge from the empirical results: (i)computational feasibility and efficiency; (ii)precision improvement for IBNR estimation; and (iii)flexibility in which concerns the IBNR modelling framework.