Filtros adaptativos e aprendizagem de máquina: aplicações em imagens, comunicações e voz

• Processo: 17/20378-9
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2018
• Data de Término da vigência: 31 de janeiro de 2020
• Área do conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Pesquisador responsável: Magno Teófilo Madeira da Silva
• Beneficiário: Magno Teófilo Madeira da Silva
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Renato Candido
• Assunto(s): Processamento de sinais Aprendizado computacional Filtragem adaptativa
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | Detecção de Atividade Vocal | Equalização de canais de comunicação | filtragem adaptativa | Processamento de Sinais | Restauração de Imagens | Processamento de Sinais

Resumo

A equalização de canais de comunicação é um assunto muito explorado na literatura. No entanto, quando se trata de sistemas de comunicação baseados em caos, há várias questões em aberto. Pretende-se neste projeto, buscar formas de tornar o desempenho desses sistemas mais próximo do de sistemas de comunicação convencionais. Um esquema que permite o chaveamento entre esses dois sistemas será estudado com o objetivo de torná-lo automático.Pretende-se também abordar outras aplicações que usam filtros adaptativos como restauraçãocega de imagens por meio de algoritmos e estruturas de equalização, como a combinação convexa entre um algoritmo cego e um algoritmo no modo de decisão direta.A combinação também será usada para buscar melhorias de desempenho de algoritmos adaptativos baseados em núcleo.Por fim, pretende-se estudar técnicas de aprendizagem de máquina e aplicá-las a problemas não lineares como a detecção de atividade vocal. (AU)

Publicações científicas

(6)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

TIGLEA, DANIEL G.; CANDIDO, RENATO; SILVA, MAGNO T. M.; IEEE. A Sampling Algorithm for Diffusion Networks. 28TH EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO 2020), v. N/A, p. 5-pg., 2021-01-01. (17/20378-9)

TIGLEA, DANIEL G.; CANDIDO, RENATO; SILVA, MAGNO T. M.; IEEE. An Adaptive Sampling Technique for Graph Diffusion LMS Algorithm. 2019 27TH EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO), v. N/A, p. 5-pg., 2019-01-01. (17/20378-9)

BUENO, ANDRE A.; SILVA, MAGNO T. M.. Gram-Schmidt-Based Sparsification for Kernel Dictionary. IEEE SIGNAL PROCESSING LETTERS, v. 27, p. 1130-1134, 2020. (17/20378-9)

PAVAN, FLAVIO R. M.; SILVA, MAGNO T. M.; MIRANDA, MARIA D.. Performance analysis of the multiuser Shalvi-Weinstein algorithm. Signal Processing, v. 163, p. 153-165, OCT 2019. (17/20378-9)

TIGLEA, DANIEL G.; CANDIDO, RENATO; SILVA, MAGNO T. M.. A Low-Cost Algorithm for Adaptive Sampling and Censoring in Diffusion Networks. IEEE TRANSACTIONS ON SIGNAL PROCESSING, v. 69, p. 58-72, 2021. (17/20378-9)

SILVA, MAGNO T. M.; CANDIDO, RENATO; ARENAS-GARCIA, JERONIMO; AZPICUETA-RUIZ, LUIS A.; IEEE. IMPROVING MULTIKERNEL ADAPTIVE FILTERING WITH SELECTIVE BIAS. 2018 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), v. N/A, p. 5-pg., 2018-01-01. (17/20378-9)