Separação Cega de Fontes: Análise por Componentes Esparsas em Misturas Convolutivas e em Misturas Não Lineares

Resumo

A análise por componentes esparsas tem se tornado, ao longo dos últimos anos, uma ferramenta chave no problema de separação cega de fontes, sob a hipótese fundamental de que os sinais envolvidos são esparsos em algum domínio. A característica multidisciplinar desse problema e sua formulação abrangente permitem que estas técnicas sejam utilizadas em aplicações relevantes em diversas áreas do conhecimento, tais como no processamento de imagens hiperespectrais, no processamento de voz e áudio, no processamento de sinais geofísicos, no processamento de sinais provenientes de sensores químicos, no processamento de sinais biomédicos e em telecomunicações.Em sua tese de doutorado, o candidato vem realizando contribuições relevantes em processamento de sinais que possuem um certo grau de esparsidade, com ênfase na aplicação em processamento sísmico. Nesse sentido, foram desenvolvidos novos métodos para os problemas de desconvolução e separação cega de fontes. No entanto, os métodos desenvolvidos e os resultados obtidos se restringem a modelos estruturalmente mais simples, como é o caso da convolução monocanal e do modelo de misturas lineares sem memória.Dessa forma, este plano de pós-doutorado visa dar continuidade à tese de doutorado do candidato que, atualmente, encontra-se em fase de conclusão. Como uma evolução natural do trabalho realizado até então, tem-se o interesse pelo desenvolvimento de novos métodos baseados na análise por componentes esparsas para o caso de modelos mais complexos como, por exemplo, o modelo de misturas convolutivas e o modelo de misturas não lineares. No caso do modelo de misturas convolutivas, dar-se-á ênfase a um caso particular do problema de separação: o problema de desconvolução multicanal. No caso de misturas não lineares, dar-se-á ênfase a dois modelos específicos, o modelo de misturas linear quadrático e o modelo de misturas pós-não linear.