Dynamic Time Warping (DTW) é uma técnica do tipo pattern matching para reconhecimento de padrões de voz, sendo baseada no alinhamento temporal de um sinal com os diversos modelos de referência. Uma desvantagem da DTW é o seu alto custo computacional. Este trabalho apresenta uma versão da DTW que, utilizando a Transformada Wavelet Discreta (DWT), reduz a sua complexidade. O desempenho obtido com a proposta foi muito promissor, ganhando em termos de velocidade de reconhecimento e recursos de memória consumidos, enquanto a precisão da DTW não é afetada. Os testes foram realizados com alguns fonemas extraídos da base de dados TIMIT do Linguistic Data Consortium (LDC) / Dynamic TimeWarping (DTW) is a pattern matching technique for speech recognition, that is based on a temporal alignment of the input signal with the template models. One drawback of this technique is its high computational cost. This work presents a modified version of the DTW, based on the DiscreteWavelet Transform (DWT), that reduces the complexity of the original algorithm. The performance obtained with the proposed algorithm is very promising, improving the recognition in terms of time and memory allocation, while the precision is not affected. Tests were performed with speech data collected from TIMIT corpus provided by Linguistic Data Consortium (LDC).

A área de monitoração e diagnóstico vem apresentando um acentuado desenvolvimento nos últimos anos com a introdução de novas técnicas de diagnóstico bem como vem contando com a contribuição dos computadores no processamento das informações e das técnicas de diagnósticos. A contribuição da inteligência artificial na automatização do diagnóstico de defeito vem se desenvolvendo continuamente e a crescente automação na indústria vêm de encontro a estas novas técnicas. Na área nuclear, é crescente a preocupação com a segurança nas instalações, e têm sido procuradas técnicas mais eficazes para aumentar o nível de segurança [59]. Algumas usinas nucleares já possuem instaladas, em algumas máquinas, sensores que permitem a verificação de suas condições operacionais. Desta forma, este trabalho também pode colaborar nesta área, ajudando no diagnóstico das condições de operação das máquinas, mais especificamente, no diagnóstico das condições dos rolamentos. O principal objetivo deste trabalho é detectar e classificar os tipos de defeitos apresentados pelos rolamentos analisados e para tal desenvolveu-se uma nova técnica de extração de característica dos sinais de aceleração, baseando-se no Zero Crossing da Transformada de Wavelet contribuindo com o desenvolvimento desta dinâmica área. Como técnica de inteligência artificial foi utilizada a Lógica Paraconsistente Anotada com dois valores (LPA2v), oferecendo a sua contribuição na automação do diagnóstico de defeitos, pois esta lógica pode tratar inclusive de resultados contraditórios que as técnicas de extração de características possam apresentar. Foi desenvolvido um programa de computador onde varias técnicas de extração de características foram utilizadas para realização de diagnóstico das condições de operação dos rolamentos. Este programa foi testado através de dados experimentais obtidas em uma bancada de ensaios para rolamentos onde defeitos previamente conhecidos foram utilizados para avaliar o desempenho das novas técnicas utilizadas. Este trabalho também se concentrou na identificação de defeitos em sua fase inicial procurando utilizar acelerômetros, pois são sensores robustos, de baixo custo e facilmente encontrados na indústria em geral. Os resultados deste trabalho foram obtidos através da utilização de um banco de dados experimental e verificou-se que os resultados de diagnósticos de defeitos mostraramse bons para defeitos em fase inicial. / The monitoring and diagnosis area is presenting an impressive development in recent years with the introduction of new diagnosis techniques as well as with the use the computers in the processing of the information and of the diagnosis techniques. The contribution of the artificial intelligence in the automation of the defect diagnosis is developing continually and the growing automation in the industry meets this new techniques. In the nuclear area, the growing concern with the safety in the facilities requires more effective techniques that have been sought to increase the safety level. Some nuclear power stations have already installed in some machines, sensors that allow the verification of their operational conditions. In this way, the present work can also collaborate in this area, helping in the diagnosis of the operational condition of the machines. This work presents a new technique for characteristic extraction based on the Zero Crossing of Wavelet Transform, contributing with the development of this dynamic area. The technique of artificial intelligence was used in this work the Paraconsistente Logic of Annotation with Two values (LPA2v), contributing with the automation of the diagnosis of defects, because this logic can deal with contradictory results that the techniques of feature extraction can present. This work also concentrated on the identification of defects in its initial phase trying to use accelerometers, because they are robust sensors, of low cost and can be easily found the industry in general. The results obtained in this work were accomplished through the use of an experimental database, and it was observed that the results of diagnoses of defects shown good results for defects in their initial phase.

O presente trabalho visa a utilização da transformada Wavelet no monitoramento do sistema elétrico no que diz respeito a problemas de qualidade da energia com o intuito de detectar, localizar e classificar os mesmos. A transformada Wavelet tem surgido na literatura como uma nova ferramenta para análise de sinais, utilizando funções chamadas Wavelet mãe para mapear sinais em seu domínio, fornecendo informações simultâneas nos domínios tempo e freqüência. A transformada Wavelet é realizada através de filtros decompondo-se um dado sinal em análise multiresolução. Por esta, obtém-se a detecção e a localização de distúrbios relacionados com a qualidade da energia decompondo-se o sinal em dois outros que representam uma versão de detalhes (correspondente as altas freqüências do sinal) e uma versão de aproximação (correspondente as baixas freqüências do sinal). A versão de aproximação é novamente decomposta obtendo-se novos sinais de detalhes e aproximações e assim sucessivamente. Sendo assim, os distúrbios podem ser detectados e localizados no tempo em função do seu conteúdo de freqüência. Estas informações fornecem também características únicas pertinentes a cada distúrbio, permitindo classificá-los. Desta forma, propõe-se neste trabalho o desenvolvimento de um algoritmo classificador automático de distúrbios relacionados com a qualidade da energia baseado unicamente nas decomposições obtidas da análise multiresolução. / The aim of the present dissertation is to apply the Wavelet transform to analyze power quality problems, detecting, localizing and classifying them. The topic Wavelet transform, has appeared in the literature as a new tool for the analysis of signals, using functions called mother Wavelet to map signals in its domain, supplying information in the time and frequency domain, simultaneously. Wavelet transform is accomplished through filters decomposing a provided signal in multiresolution analysis. The detection and localization of disturbances are obtained by decomposing a signal into two other signals that represent, a detailed version (high frequency signals) and a smoothed version (low frequency signals). The smoothed version is decomposed again, and new detailed and smoothed signals are obtained. This process is repeated as many times as necessary and the disturbances can be detected and localized in the time as a function of its level frequency. This information also supplies characteristics to each disturbance, allowing classifying them. Thus, this research presents a way to develop an automatic classifying algorithm of power quality disturbances, based only on multiresolution analysis.

A área de monitoração e diagnóstico vem apresentando um acentuado desenvolvimento nos últimos anos com a introdução de novas técnicas de diagnóstico bem como vem contando com a contribuição dos computadores no processamento das informações e das técnicas de diagnósticos. A contribuição da inteligência artificial na automatização do diagnóstico de defeito vem se desenvolvendo continuamente e a crescente automação na indústria vêm de encontro a estas novas técnicas. Na área nuclear, é crescente a preocupação com a segurança nas instalações, e têm sido procuradas técnicas mais eficazes para aumentar o nível de segurança [59]. Algumas usinas nucleares já possuem instaladas, em algumas máquinas, sensores que permitem a verificação de suas condições operacionais. Desta forma, este trabalho também pode colaborar nesta área, ajudando no diagnóstico das condições de operação das máquinas, mais especificamente, no diagnóstico das condições dos rolamentos. O principal objetivo deste trabalho é detectar e classificar os tipos de defeitos apresentados pelos rolamentos analisados e para tal desenvolveu-se uma nova técnica de extração de característica dos sinais de aceleração, baseando-se no Zero Crossing da Transformada de Wavelet contribuindo com o desenvolvimento desta dinâmica área. Como técnica de inteligência artificial foi utilizada a Lógica Paraconsistente Anotada com dois valores (LPA2v), oferecendo a sua contribuição na automação do diagnóstico de defeitos, pois esta lógica pode tratar inclusive de resultados contraditórios que as técnicas de extração de características possam apresentar. Foi desenvolvido um programa de computador onde varias técnicas de extração de características foram utilizadas para realização de diagnóstico das condições de operação dos rolamentos. Este programa foi testado através de dados experimentais obtidas em uma bancada de ensaios para rolamentos onde defeitos previamente conhecidos foram utilizados para avaliar o desempenho das novas técnicas utilizadas. Este trabalho também se concentrou na identificação de defeitos em sua fase inicial procurando utilizar acelerômetros, pois são sensores robustos, de baixo custo e facilmente encontrados na indústria em geral. Os resultados deste trabalho foram obtidos através da utilização de um banco de dados experimental e verificou-se que os resultados de diagnósticos de defeitos mostraramse bons para defeitos em fase inicial. / The monitoring and diagnosis area is presenting an impressive development in recent years with the introduction of new diagnosis techniques as well as with the use the computers in the processing of the information and of the diagnosis techniques. The contribution of the artificial intelligence in the automation of the defect diagnosis is developing continually and the growing automation in the industry meets this new techniques. In the nuclear area, the growing concern with the safety in the facilities requires more effective techniques that have been sought to increase the safety level. Some nuclear power stations have already installed in some machines, sensors that allow the verification of their operational conditions. In this way, the present work can also collaborate in this area, helping in the diagnosis of the operational condition of the machines. This work presents a new technique for characteristic extraction based on the Zero Crossing of Wavelet Transform, contributing with the development of this dynamic area. The technique of artificial intelligence was used in this work the Paraconsistente Logic of Annotation with Two values (LPA2v), contributing with the automation of the diagnosis of defects, because this logic can deal with contradictory results that the techniques of feature extraction can present. This work also concentrated on the identification of defects in its initial phase trying to use accelerometers, because they are robust sensors, of low cost and can be easily found the industry in general. The results obtained in this work were accomplished through the use of an experimental database, and it was observed that the results of diagnoses of defects shown good results for defects in their initial phase.

Neste trabalho, buscou-se compreender a morfologia e os componentes do sinal da deglutição. Na busca desse entendimento diversas técnicas foram empregadas. No intuito de fazer marcações fidedignas em trechos específicos do sinal, o qual foi analisado simultaneamente com a imagem da videofluoroscopia da deglutição, considerado o melhor método atual na avaliação da dinâmica da deglutição. Os parâmetros numéricos utilizados para análise também foram abrangentes e com base em técnicas atuais de processamento de sinais, como emprego de transformada Wavelet. Quanto à classificação dos sinais, foram utilizados classificadores modernos como floresta de caminhos ótimos, máquinas de vetores de suporte, redes neurais artificiais e classificador Bayesiano, dando maior ênfase ao primeiro, por possuir um custo computacional bem menor quando comparado aos outros 3, e consequentemente convergindo mais rapidamente ao resultado. Foram avaliados 84 sinais, divididos em 2 grupos separados pela consistência do bolo alimentar oferecido (líquido e pastoso). Na distinção e/ou caracterização desses tipos foi definido um subconjunto com 4 variáveis que proporcionou uma boa acurácia na separação das classes representantes de cada tipo de bolo alimentar. / This work proposes to understand the morphology and the components of the swallowing signal. In pursuit of this understanding, a variety of techniques were employed. In order to make reliable markings on specific portions of the signal, the signal was examined simultaneously with videofluoroscopic swallowing, which is considered the best method in the evaluation of swallowing dynamics. The parameters used for numerical analysis were based on current signal processing techniques, such as: Wavelet transform, Optimum path forest, Support vector machines, Artificial neural networks and Bayesian classifier, emphasizing the first technique, due to a much lower computational cost when compared to the previous, and, consequently, the results converged much faster. Eighty four signals, divided into 2 groups separated by the consistency of food bolus offered (liquid and thickened), were evaluated. For distinction and/or characterization of such types, a subset with 4 variables was defined, providing a good accuracy in the separation of these classes representing each type of consistency of the food bolus.

Submitted by Irvana Coutinho (irvana@ufpa.br) on 2012-06-08T16:17:12Z No. of bitstreams: 2 Dissertacao_MELLINAValoresNormativosEletro.pdf: 4797106 bytes, checksum: b86a051a620a524491d2f888ddfea0be (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Approved for entry into archive by Irvana Coutinho(irvana@ufpa.br) on 2012-06-08T16:17:53Z (GMT) No. of bitstreams: 2 Dissertacao_MELLINAValoresNormativosEletro.pdf: 4797106 bytes, checksum: b86a051a620a524491d2f888ddfea0be (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Made available in DSpace on 2012-06-08T16:17:53Z (GMT). No. of bitstreams: 2 Dissertacao_MELLINAValoresNormativosEletro.pdf: 4797106 bytes, checksum: b86a051a620a524491d2f888ddfea0be (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Previous issue date: 2012 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / FINEP - Financiadora de Estudos e Projetos / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Muitos laboratórios de eletrofisiologia visual não possuem seus próprios valores de normalidade para o eletrorretinograma de campo total. Isto prejudica a confiabilidade dos diagnósticos de diversas doenças que afetam as vias visuais. Desta forma, o objetivo deste trabalho foi estabelecer os valores normativos para o teste Eletrorretinograma de Campo Total para o Laboratório de Neurologia Tropical (LNT) da Universidade Federal do Pará (UFPA). Realizaram o eletrorretinograma 68 indivíduos saudáveis e sem queixas visuais divididos em três grupos de acordo com a faixa etária: 36 indivíduos pertenceram ao grupo 1 (entre 17 e 30 anos), 21 indivíduos ao grupo 2 (entre 31 e 45 anos) e 11 indivíduos ao grupo 3 (entre 46 e 60 anos). O protocolo de realização do teste seguiu as recomendações da ISCEV, com a utilização de seis tipos de estimulação. Quatro após adaptação escotópica e estimulação com intensidades de: 0,01 cd.s/m2 (resposta de bastonetes), 3,0 cd.s/m2 (resposta mista de cones e bastonetes e potenciais oscilatórios) e 10,0 cd.s/m2 (resposta mista adicional). Dois após adaptação fotópica em fundo de 30 cd/m2: 3,0 cd.s/m2 (resposta de cones e Flicker 30Hz). Para a análise dos resultados foram calculados os valores de amplitude e tempo implícito das ondas a e b obtidas em resposta a cada um dos seis tipos de estimulação utilizados. Estes valores foram descritos estatisticamente através da mediana, intervalos de confiança, 1º e 3º quartis, coeficiente de variação, média, desvio padrão e valores mínimos e máximos. Os grupos de maior faixa etária apresentaram menores valores de amplitude e atraso no tempo implícito. A utilização da transformada wavelet permitiu a melhor visualização das ondas sem alteração de amplitude e tempo implícito. Portanto, os valores normativos obtidos podem servir como parâmetros de normalidade confiáveis para auxiliar o diagnóstico de doenças retinianas. / Many visual electrophysiology laboratories don’t have their own normal values for full-field electroretinogram. This impairs the reliability of the diagnosis of various diseases affecting the visual pathways. Thus, the purpose of this study was to establish normative values for the full-field electroretinogram to the Laboratory of Tropical Neurology (LNT) of the Federal University of Pará (UFPA). Were tested using the electroretinogram 68 healthy subjects without visual complaints, divided into three groups according to age group: 36 subjects belonged to group 1 (17 to 30 years), 21 subjects in group 2 (31 to 45 years) and 11 individuals in group 3 (46 to 60 years). Six types of stimulus that follow ISCEV standards were presented. Four dark-adapted: 0.01 cd.s/m2 (rod response), 3.0 cd.s/m2 (mixed response and oscillatory potentials) and 10.0 cd.s/m2 (mixed additional response). Two light-adapted, 3.0 cd.s/m2 (Cone response and Flicker 30Hz), with 30 cd/m2 background adaptation. For analysis, a-wave and b-wave amplitude and implicit times values were calculated. These values were statistically described using the following values: median, confidence interval, 1st and 3rd quartiles, coefficient of variation, mean, standard deviation and minimum and maximum values. The older age groups had lower amplitude and delayed implicit time. Wavelet transform allowed better visualization of waves without change of amplitude and implicit time. Therefore, the normative values obtained can serve as reliable parameters of normality to assist the diagnosis of retinal diseases.

Orientador: Yuzo Iano / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-09-11T21:25:51Z (GMT). No. of bitstreams: 1 Armiato_DanielAngelotti_M.pdf: 5330178 bytes, checksum: 79e61a5abcacd171b5d1b92be5e9afff (MD5) Previous issue date: 2015 / Resumo: A verificação de assinaturas utilizando algoritmos de imagem, já é uma realidade à algum tempo. Visando preencher as lacunas deixadas por esse tipo de sistema, um novo fator biométrico é alvo de estudos. Pensando em inserir dados referentes ao momento em que se dá a assinatura, uma nova abordagem vem sendo utilizada. Ao invés de analisar uma imagem, toma-se como base o som que é produzido no ato da assinatura, gerado pelo atrito entre a caneta e a superfície de suporte. O processo de falsificação é dificultado, uma vez que o falsário precisará de informações da grafia da assinatura original e também dos aspectos referentes à dinâmica (velocidade, força e ordem de escrita dos caracteres que compõem a assinatura) que o assinante legítimo desempenha ao assinar. Nesse trabalho, adotou-se tal abordagem biométrica. Foi desenvolvido um dispositivo e um software, que juntos, são capazes de realizar a captura do som emitido durante a assinatura dos usuários. De posse disso, foi gerada uma base de assinantes legítimos e outra com as referentes falsificações, e então, colocou-se o sistema à prova. Afim de tornar as comparações possíveis, gerou-se vetores de características, extraídas com base na transformada Wavelet-Packet discreta. As comparações foram feitas por dois métodos distintos, ambos Pattern-Matching, sendo que o primeiro está embasado no cálculo de distâncias Euclidianas, e o segundo, em uma fórmula de pontuação baseada em correlação, originalmente desenvolvida / Abstract: The signature verification by imaging algorithms is already a reality. Aiming to fill the gaps left by this type of system, a new biometric factor is the subject of this study. In order to include data to be analysed at the time the signs occur, a new approach has been used. Instead of analyzing an image, the sound that is produced in the act of sign is used, and it is generated by the friction between the pen and the supporting surface. The falsification process is difficult, since the forger needs the graphic form of the original signature and also the aspects relating to its dynamic (speed, strength and written order of the characters of the signature) In this paper, we adopted this biometric approach. We developed a device and a software, which, combined, are able to capture the sound made during the moment of the signing. We generated a legitimate and a fake subscriber base, and then they were placed in the system to the test. In order to make comparisons, feature vectors were generated based on the discrete Wavelet-Packet transform. Comparisons were made by two different methods, both Pattern-Matching, the first of which is grounded in Euclidean calculation, and the second one based on a correlation formula of score, originally developed / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica

Orientador: Marcelo Zanchetta do Nascimento / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Programa de Pós-Graduação em Engenharia da Informação, 2012

O presente trabalho apresenta uma comparação de duas técnicas para a análise tempo - frequência em análise de qualidade de energia elétrica para sinais de tensão que contenham distúrbios individuais ou simultâneos. Dessa forma, o objetivo, desta dissertação, é encontrar uma ferramenta que forneça as características e parâmetros para a localização, identificação e classificação de tais distúrbios. O estudo consiste na análise do desempenho da Transformada Wavelet Discreta e da Transformada-S, principalmente, quando os sinais são analisados na presença de múltiplos distúrbios. Ambas as transformadas fornecem informação importante nos domínios do tempo e da frequência. No entanto, essas ferramentas não tem sido amplamente exploradas para análise de múltiplos distúrbios. Neste contexto, ambas as transformadas são testadas para conhecer seus desempenhos e suas capacidades de identificação e localização de eventos de qualidade de energia elétrica. Para finalizar, é projetado um sistema classificador baseado em arvore de decisão capaz de reconhecer quinze tipos de distúrbios diferentes. / This work presents a comparison of two methods for time-frequency analysis applied in Power Quality signals containing single or multiple disturbances. In this way, the aim of this work is to apply tools that supply the parameters and characteristics to identify, locate and classify Power Quality disturbances. For that, the proposed method analyzes the performance of the Wavelet and S transforms, mainly when the signals are with more than one disturbance type. Both mathematical tools supply important information on the time and frequency domain. However, these tools have not been thoroughly used to analyze multiple events locate Power Quality events. In this contest, both transforms are tested in order to assess their performance to identify and locate electrical power quality events. According to a decision tree classifier, fifteen types of single and combined power disturbances are well recognized.

O choque hipovolêmico foi induzido em 14 ratos machos através de sucessivos sangramentos de 3,1 ml de sangue para cada 100 g de peso. Após o período de sangrias, foi iniciado o tratamento com solução salina isotônica (7,5 % NaCl por 0,4 ml/g de peso) ou hipertônica (0,9 % NaCl por 0,4 ml/g de peso). Iniciando com o sinal basal, a aquisição de dados da pressão arterial foi feita durante todo o experimento que durou aproximadamente 30 minutos. O objetivo deste trabalho é analisar a variabilidade do débito cardíaco durante a indução do choque e identificar se o mecanismo de compensação de perda de volume está funcionando. A análise está focada no débito cardíaco porque ele depende linearmente do volume sistólico e da freqüência cardíaca. Um método não invasivo foi implementado para calcular o volume sistólico diretamente do sinal da pressão arterial. A análise wavelet foi usada para encontrar as freqüências principais do sinal da pressão arterial e também suas variabilidades durante cada estágio. Durante o experimento, a estabilidade do débito cardíaco era esperada, pois a freqüência cardíaca deve aumentar para compensar a perda de volume. Na maioria dos casos foi observado que a freqüência aumenta nos dois primeiros estágios, seguida de uma queda significativa. Como conseqüência o débito cardíaco diminuiu durante os estágios intermediários, mostrando que o mecanismo de compensação não estava funcionando apropriadamente. Em três casos, as freqüências aumentaram somente no estágio final. Esta anomalia sugere uma investigação mais profunda incluindo resposta ao tratamento e acompanhamento da evolução do choque / Hypovolemic shock was induced in fourteen male rats by successive bleeding. During 30 minutes, after base signal acquisition, 3.1ml of blood for each 100g of weight was collected. After this period, a treatment was initiated with isotonic saline solution (7.5 % NaCl each 0.4 ml/g of weight) or hypertonic (0.9 % NaCl each 0.4 ml/g of weight). The arterial pressure signal was captured during all the experiment. The goal of this work is to analise the variability of the cardiac debit during the induction of shock and identify whether the physiological mechanism to compensate the loss of volume is working. The analysis is focused on the cardiac debit because it depends linearly on systolic volume and cardiac frequency. A non-invasive method was implemented to calculate the systolic volume directly from the arterial pressure signal. Wavelet analysis was used to find the main frequencies and also their variability during each stage. The cardiac debit stability was expected, during experiment because the cardiac frequency must increase to compensate the lost of volume. In most cases was observed that the frequency increases in the first two stages followed by a significant decrease. As a consequence the cardiac debit decreases during the intermediate stages, showing that the compensation mechanism was not working properly. In three cases the frequencies increased only in the final stage. This anomalie suggests a deeper investigation including response to treatment and shock evolution