[pt] Em um sistema de comunicações, procura-se representar a informação gerada de forma eficiente, de modo que a redundância da informação seja reduzida ou idealmente eliminada, com o propósito de armazenamento e/ou transmissão da mesma. Este interesse justifica portanto, o estudo e desenvolvimento de técnicas de compressão que vem sendo realizado ao longo dos anos. Este trabalho de pesquisa investiga o uso de códigos de permutação para codificação de fontes segundo um critério de fidelidade, mais especificamente de fontes sem memória, caracterizadas por uma distribuição uniforme e critério de distorção de erro médio quadrático. Examina-se os códigos de permutação sob a ótica de fontes compostas e a partir desta perspectiva, apresenta-se um esquema de compressão com duplo estágio. Realiza-se então uma análise desse esquema de codificação. Faz-se também uma extensão L- dimensional (L > 1) do esquema de permutação apresentado na literatura. Os resultados obtidos comprovam um melhor desempenho da versão em duas dimensões, quando comparada ao caso unidimensional, sendo esta a principal contribuição do presente trabalho. A partir desses resultados, busca-se a aplicação de um esquema que utiliza códigos de permutação para a compressão de imagens. / [en] In communications systems the information must be represented in an efficient form, in such a way that the redundancy of the information is either reduced or ideally eliminated, with the intention of storage or transmission of the same one. This interest justifies the study and development of compression techniques that have been realized through the years. This research investigates the use of permutation codes for source encoding with a fidelity criterion, more specifically of memoryless uniform sources with mean square error fidelity criterion. We examine the permutation codes under the view of composed sources and from this perspective, a project of double stage source encoder is presented. An analysis of this project of codification is realized then. A L-dimensional extension (L > 1) of permutation codes from previous research is also introduced. The results prove a better performance of the version in two dimensions, when compared with the unidimensional case and this is the main contribution of the present study. From these results, we investigate an application for permutation codes in image compression.

[pt] Neste trabalho são examinados métodos de codificação de imagens em sub-bandas utilizando quantização vetorial inter-bandas para faixas abaixo de 1 bit/pixel. O espectro de freqüências da imagem é decomposto em 16 sub-bandas uniformes através de um banco de filtros espelhados em quadratura bi-dimensionais. As amostras dos sinais das 16 sub-bandas são usadas para compor um vetor de 16 componentes que, posteriormente, é codificado por um esquema de quantização vetorial (QV). Com o objetivo de reduzir a complexidade e o espaço de memória, são investigadas duas estruturas de quantização vetorial. Uma delas utiliza QV particionada, com o objetivo não só de reduzir a complexidade, como também de explorar as propriedades espectrais. A outra realiza a quantização vetorial direta, enquanto a complexidade é reduzida significativamente. Resultados de simulações são apresentados para as taxas de 0,50 bit/pixel, 0,63 bit/pixel e 0,75 bit/pixel. Uma análise comparativa mostra que o desempenho dos dois esquemas é comparável ao que utiliza quantização vetorial direta, enquanto a complexidade é reduzida significativamente. Resultados de simulações mostram ainda que, a taxas abaixo de 1 bit/pixel, não é recomendável o uso de QV inter-bandas particionada com alocação de bits adaptativa, nem de QV inter-bandas multi-estágios com busca em árvore. A técnica QV inter-bandas quando a sub-banda dominante é codificada separadamente através de um quantizador vetorial intra-banda. Considera-se a decomposição do espectro de freqüências em 16 sub-bandas uniformes e em 13 sub-bandas. Para a decomposição em 16 sub-bandas, esse esquema apresenta desempenho comparável à QV inter-bandas direta e complexidade equivalente à QV inter-bandas multi- estágios. / [en] In this thesis sub-band coding of images using inter-band vector quantization is examined at rates below 1 bit/pixel. The image spectrum is decomposed into 16 uniform bands using 2-D separable quadrature mirror filters. These 16 bands are used to create 16-dimension vectores, which are coded using vector quantization (VQ). In order to reduce the computational complexity and the storage requirements, two vector quantization structures are considered. One approach is to split the vectors not only to reduce complexity but also to exploit spectral properties of the data image. In the order approach the vector quantization is done in multiple stages. Simulation results are presented at rates of 0,50 bit/pixel, 0,63 bit/pixel and 0,75 bit/pixel. A comparative analysis shows that the performance of the two systems is comparable to the basic coding structure, while the complexity is significantly reduced. Simulation results also show that split VQ with adaptive bit allocation and multi-stage VQ with tree search are not recommended at these rates. The best trade-off between complexity and performance is achieved with the inter-band multi-stage VQ scheme using the sequential search procedure. At last, the use of inter- band VQ is examined when the dominant sub-band is separately coded using intra-band VQ. When the image spectrum is decomposed into 16 bands, this scheme has a performance comparable to the basic coding structure while the complexity and storage reduction is equivalent to the inter-band multi-stage VQ technique.

[pt] A classificação e segmentação não-supervisionadas de imagens de sensoriamento remoto são examinadas neste trabalho. A classificação é realizada tomando-se como base o critério de Bayes, que busca minimizar o valor esperado do erro de classificação. Os algoritmos desenvolvidos foram propostos pressupondo-se que a estrutura das classes presentes na imagem podem ser bem modeladas por vetores aleatórios guassianos. Os classificadores convencionais, que só levam em conta a informação dos pixels de forma isolada, forma tratados sob a ótica da quantização vetorial. Em particular, foi proposto um algoritmo de classificação com base na quantização vetorial com restrição de entropia. O desempenho das técnicas de classificação é analisado obsevando-se a discrepância entre classificações, comparando-se as imagens classificadas com imagens referencia e classificando-se imagens sintéticas. A taxa de acerto, entre 80% e 95%. Este bom desempenho dos classificadores é limitado pelo fato de, em suas estruturas, levarem em conta a informação dos pixels de forma isolada. Buscamos, através da classificação de segmentos, incorporar informações de contexto em nossos classificadores. A classificação de segmentos levou a taxas de erros inferiores àquelas alcançadas por classificadores baseados em pixels isolados. Um algoritmo de segmentação, que incorpora ao modelo de classificação por pixels a influencia de sua vizinhança através de uma abordagem markoviana, é apresentado. / [en] Unsupervised classification and segmentation of satellite images are examined in this work. The classification is based on Bayes` criterion, which tries to minimize the expected value of the classification error. The algorthms developed were proposed postulating that the classes in the image are well modeled by gaussian random vectors. Conventional classifiers, which take into account only pixelwise information, were treated as vector quantizers. Specifically, it was proposed a classification algorithm based on entropy constrained vector. The behaviour of the classifiers is examined observing the discrepancy between classifications, comparing classified images with reference-images and classifyng sinthetic images. The percentage of pixels whitch are assigned to the same class as in the reference-images ranged from 80,0% to 95,0%. This good behaviour of the classidiers is limited by the fact that, in theirs structures, are taken into account only isolated pixel information. We have sought, by classifying segments, to introduce contextual information into the classifiers structure. The segments classidiers. A segmentation algorithm, which introduces contextual information into pixelwise classifier by a markovian approach, is presented.

[pt] Neste trabalho é proposta uma técnica para transmissão progressiva de imagens. Esta técnica está baseada no modelo piramidal de Burt e Adelson [2], fazendo uso da codificação por quantização vetorial nas imagens representadas por uma estrutura piramidal, denominada pirâmide de imagens diferença. Esta estrutura é obtida da subtração de uma pirâmide de imagens médias de uma pirâmide de imagens embaralhadas. A pirâmide de imagens de médias é construída formando uma seqüência de imagens, cada vez com menor dimensão, pelo cálculo da média em blocos de 2x2 pixels vizinhos. A pirâmide de imagens embaralhadas é formada por uma decimação, por quatro em cada nível da pirâmide de imagens de médias. A transmissão progressiva da imagem é efetuada pela transmissão da pirâmide de imagens diferença do nível mais alto para o nível mais baixo. A técnica é comparada a outros métodos conhecidos na literatura em termos de relação sinal-ruído de pico, por sua qualidade subjetiva e pelo esforço computacional associado. / [en] This work concerns with a technique for progressive image transmission. The method bases on the Burt and Adelson Pyramid Model. The method applies vector quantization to a pyramid of difference images. These, result from the subtraction of parts of the shuffled image. The decimated image pixel represents the mean value of four neighboring pixels ot the original image, partitioned in 2x2 blocs of pixels. This decimated image is a mean image and their set also constitutes itself a pyramid. At each new pyramided level, the considered original image is the mean image of the previous level. The progressive image transmission is by sending first the highest level difference image (with the minimum number of pixels) up to the lowest difference image level. The work also includes results comparison to other literature know methods in terms of peak signal to noise ratio, subjective quality and computational effort.

[pt] O foco desta tese está direcionado a problemas de Classificação de Padrões. A proposta central é desenvolver e testar alguns novos algoritmos para ambientes supervisionados, utilizando um enfoque local- global. As principais contribuições são: (i) Desenvolvimento de método baseado em quantização vetorial com posterior classificação supervisionada local. O objetivo é resolver o problema de classificação estimando as probabilidades posteriores em regiões próximas à fronteira de decisão; (ii) Proposta do que denominamos Zona de Risco Generalizada, um método independente de modelo, para encontrar as observações vizinhas à fronteira de decisão; (iii) Proposta de método que denominamos Quantizador Vetorial das Fronteiras de Decisão, um método de classificação que utiliza protótipos, cujo objetivo é construir uma aproximação quantizada das regiões vizinhas à fronteira de decisão. Todos os métodos propostos foram testados em bancos de dados, alguns sintéticos e outros publicamente disponíveis. / [en] This thesis is focused on Pattern Classification problems. The objective is to develop and test new supervised algorithms with a local-global approach. The main contributions are: (i) A method based on vector quantization with posterior supervised local classification. The classification problem is solved by the estimation of the posterior probabilities near the decision boundary; (ii) Propose of what we call Zona de Risco Generalizada, an independent model method to find observations near the decision boundary; (iii) Propose of what we call Quantizador Vetorial das Fronteiras de Decisão, a classification method based on prototypes that build a quantized approximation of the decision boundary. All methods were tested in synthetics or real datasets.

[pt] Este trabalho apresenta um estudo sobre compressão de imagens de sensoriamento remoto para serem transmitidas através de um canal com ruído. As imagens são capturadas por um satélite de sensoriamento remoto e transmitidas a uma estação terrestre. A compreensão das imagens é necessária para se economizar banda e potência de transmissão. Algumas técnicas muito boas de compressão de imagens apresentam sérios problemas quando na presença de ruído. Assim, a técnica de quantização vetorial foi escolhida para ser utilizada neste trabalho. Utilizando-se a idéia de quantização vetorial multi-estágios, propões-se um esquema de compressão com remoção de médias, onde separa-se a informação contida na imagem para tratá-la de forma diferenciada, de acordo com a sua importância. É feita então uma análise sobre o projeto do enlace do satélite do sensoriamento remoto comparando-se o esquema utilizado atualmente com o esquema proposto. / [en] This thesis presents a study of remote sensing image compression to be transmitted over a noisy channel. The images are obtained by a remote sensing satellite and transmitting to an earth station. The compression is due to savings in bandwidth and transmitting power. Some of the most efficient image codecs presents serious problems in the presence of noise. So, the vector quantization technique was chosen to be used. Using the multi-stage vector quantization idea, a compression scheme with mean remove is proposed as a manner to separate and treat unequally the image information as its importance. An analysis on the design of the remote sensing satellite link is done with a comparison between the current scheme used the proposed one.

[pt] Este trabalho estuda o problema de compressão de imagens de sensoriamento remoto segundo a ótica da codificação conjunta fonte-canal. É analisado o desempenho de métodos baseados em quantização vetorial segundo o algoritmo LBG, principalmente o COVQ (Channel Optimized Vector Quantizer) bem como a quantização vetorial estruturada em árvore. Dentro desse contexto, são propostos 2 novos métodos para a resolução do problema: (1)Uma quantização vetorial estruturada em árvores que leva em conta a transmissão através de canais ruidosos, solução denominada COTSVQ (Channel-Design Tree Strutured Vecotr Quantizer), bem como (2) uma classe de métodos que se utiliza de códigos corretores de erro sobre a estrutura progressiva do TSVQ, de forma a proteger os dados de forma ativa durante a transmissão. Os dois métodos propostos podem ser combinados no mesmo compressor, de forma a originar uma classe ampla de compressores adaptados à transmissão por canais com ruído. São apresentados resultados que comparam os desempenhos dos métodos propostos com aqueles já existentes para uma análise de desempenho, na situação de transmissão via satélite de imagens captadas e comprimidas para uma taxa de 1,5bpp. Os resultados mostram que os métodos propostos são muito menos complexos que os já existentes, porém conseguindo atingir uma qualidade de imagem equivalente, ou, em alguns casos, superior. / [en] This work studies the problem of remote sensorng image compression by joint source-channel coding. The vector quantizer methods evaluated are those designed with the LBG algorithm, the COVQ (channel-optimized vector quantizer) algorithm as well as tree-structured vector quantizer. The noisy channel is modelled as a BSC. In this context, two news methods are proposed: (1) A tree- structures vector quantizer that considers the transmission through noisy channels (denominated CD-TSVQ), and (2) a new class of compressors that uses forward error- correcting codes over the TSVQ structure, as a way to actively protect data during the transmission. The twoproposed methods can be combined on the same compressor architecture, resulting in a vast class of compressors well-adapted to the transmission through noisy channels. Results allowing the comparision of the proposed methods with existing ones are presented. Performance evaluated in a scenery where images are compressed to be transmited at a rate of 1.5bpp. Results yield to the conclusion that the porposed methods are much less complex than the existing methods, yet achieve equivalent or, in some situations, improved performance.

[pt] Este trabalho examina o impacto da quantização vetorial das LSFs sobre a qualidade de voz em codecs a baixas taxas operando em redes IP e em diversos ambientes ruidosos. São considerados diferentes esquemas de quantização vetorial (QV) multiestágio com busca em árvore envolvendo QV sem memória e QV preditiva chaveada com 2 e 4 classes. A distribuição de perda de quadros em redes IP foi modelada de acordo com o Modelo de Gilbert e a avaliação de desempenho foi realizada tanto em termos das distorções espectrais como da qualidade de voz resultante de codecs a baixas taxas. Ainda neste trabalho, foi avaliada a qualidade da voz codificada após a utilização de uma técnica de supressão de ruído baseada em transformadas wavelets (Wavelet Denoising). / [en] This work investigates the impact of LSF vector quantisation over the voice quality in low rate codecs operating in IP networks. Tree-structured multistage vector quantisation (VQ) schemes involving memoryless VQ and switched-predictive VQ with 2 and 4 classes are considered. The packet loss frame distribution in IP networks was modelled according to the Gilbert Model and the performance was carried out both in terms of spectral distortions and the speech quality at the out put of low rate codecs. In this work, we also evaluated the quality of the coded speech after employing Wavelet Denoising.

[pt] Nesta dissertação, propomos uma metodologia para seleção de dados em modelos de Aprendizado por Quantização Vetorial, referenciado amplamente na literatura pela sigla em inglês LVQ. Treinar um modelo (ajuste dentro-daamostra) com um subconjunto selecionado a partir do conjunto de dados disponíveis para o aprendizado pode trazer grandes benefícios no resultado de generalização (fora-da-amostra). Neste sentido, é muito importante realizar uma busca para selecionar dados que, além de serem representativos de suas distribuições originais, não sejam ruído (no sentido definido ao longo desta dissertação). O método proposto procura encontrar os pontos relevantes do conjunto de entrada, tendo como base a correlação do erro de cada ponto com o erro do restante da distribuição. Procura-se, em geral, eliminar considerável parte do ruído mantendo os pontos que são relevantes para o ajuste do modelo (aprendizado). Assim, especificamente em LVQ, a atualização dos protótipos durante o aprendizado é realizada com um subconjunto do conjunto de treinamento originalmente disponível. Experimentos numéricos foram realizados com dados simulados e reais, e os resultados obtidos foram muito interessantes, mostrando claramente a potencialidade do método proposto. / [en] In this dissertation, we consider a methodology for selection of data in models of Learning Vector Quantization (LVQ). The generalization can be improved by using a subgroup selected from the available data set. We search the original distribution to select relevant data that aren't noise. The search aims at relevant points in the training set based on the correlation between the error of each point and the average of error of the remaining data. In general, it is desired to eliminate a considerable part of the noise, keeping the points that are relevant for the learning model. Thus, specifically in LVQ, the method updates the prototypes with a subgroup of the originally available training set. Numerical experiments have been done with simulated and real data. The results were very interesting and clearly indicated the potential of the method.

[pt] O emprego conjunto de Redes de Acesso por Rádio em Nuvem (CRANs) e sistemas de múltiplas entradas e múltiplas saídas (MIMO) de larga escala é uma solução chave para atender aos requisitos da quinta geração (5G) de redes sem fio. No entanto, alguns desafios ainda precisam ser superados como a redução do consumo de energia do sistema, a capacidade limitada dos links fronthaul e a redução dos custos de implantação e operação. Embora seja prejudicial para o desempenho do sistema, a quantização em baixa resolução é proposta como uma solução para estes desafios. Portanto, técnicas que melhoram o desempenho de sistemas quantizados grosseiramente são necessárias. Em sistemas móveis, os ADCs geralmente são precedidos por um controle de ganho automático (AGC). O AGC trabalha moldando a amplitude do sinal recebido dentro do intervalo do quantizador para usar eficientemente a resolução. A fim de solucionar esses problemas, esta dissertação apresenta uma otimização conjunta do AGC, que funciona nas cabeças de rádio remotas (RRHs), e um filtro de recepção linear de baixa resolução consciente (LRA) baseado no mínimo erro quadrático médio (MMSE), que funciona na unidade de nuvem (CU), para sistemas quantizados grosseiramente. Desenvolvemos receptores de cancelamento de interferência lineares e sucessivos (SIC) com base na proposta conjunta de AGC e LRA MMSE (AGC-LRA-MMSE). Uma análise da soma das taxas alcançáveis juntamente com um estudo de complexidade computacional também são realizadas. As simulações mostram que o projeto proposto fornece taxas de erro reduzidas e taxas alcançáveis mais altas do que as técnicas existentes. / [en] The joint employment of Cloud Radio Access Networks (C-RANs) and large-scale multiple-input multiple-output (MIMO) systems is a key solution to fulfill the requirements of the fifth generation (5G) of wireless networks. However, some challenges are still open to be overcome such as the high power consumption of large-scale MIMO systems, which employ a large number of analog-to-digital converters (ADCs), the capacity bottleneck of the fronthaul links and the system cost reduction. Although it often affects the system performance, the low-resolution quantization is a possible solution for these problems. Therefore, techniques that improve the performance of coarsely quantized systems are needed. In mobile applications, the ADCs are usually preceded by an automatic gain control (AGC). The AGC works shaping the received signal amplitude within the quantizer range to efficiently use the ADC resolution. Then, the optimization of an AGC is especially important. In order to present possible solutions for these issues, this thesis presents a joint optimization of the AGC, which works in the remote radio heads (RRHs), and a low-resolution aware (LRA) linear receive filter based on the minimum mean square error (MMSE), which works in the cloud unit (CU), for coarsely quantized large-scale MIMO with CRAN systems. We develop linear and successive interference cancellation (SIC) receivers based on the proposed joint AGC and LRA MMSE (AGCLRAMMSE) approach. An analysis of the achievable sum rates along with a computational complexity study is also carried out. Simulations show that the proposed design provides improved error rates and higher achievable rates than existing techniques.