Aplicações de processamento de dados multidimensionais usando métodos tensoriais

• Processo: 14/23936-4
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de abril de 2015
• Data de Término da vigência: 31 de maio de 2019
• Área de conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: João Marcos Travassos Romano
• Beneficiário: Michele Nazareth da Costa
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Bolsa(s) vinculada(s): 16/14142-0 - Rede tensoriais e aprendizado profundo para problemas de aprendizado de máquina e processamento de sinais em larga escala, BE.EP.PD
• Assunto(s): Processamento digital de sinais
• Palavra(s)-Chave do Pesquisador: modelo tensorial | Processamento de sinais sísmicos | processamento digital de sinais | telecomunicações sem fio | Processamento digital de sinais

Resumo

Diversas áreas de pesquisa relacionadas ao processamento da informação vêm sendo recentemente caracterizadas pela crescente quantidade de dados. Em consequência do aumento na dimensionalidade dos dados, o processamento destes dados tende a demandar métodos mais sofisticados do que aqueles classicamente utilizados em abordagens matriciais. Desta forma, a abordagem tensorial está se tornando uma ferramenta natural e poderosa no tratamento da informação, pois assegura que todos os dados e interações intrínsecas sejam considerados no processamento. Métodos tensoriais podem ser desenvolvidos e propostos a partir de extensões dos métodos clássicos de fatoração matricial e também a partir de modelos tensoriais bem conhecidos, tais como o PARAFAC/CANDECOMP e o Tucker. Em sua tese, a candidata propôs um sistema de transmissão baseado em uma codificação tensorial espaço-temporal (Tensor Space-Time, TST), com recursos de alocação de antenas, para sistemas MIMO de comunicação sem fio. A estratégia adotada para melhorar o desempenho consistiu na exploração conjunta de diferentes diversidades disponíveis nos sinais recebidos. Uma nova decomposição tensorial foi proposta pela candidata, a partir da qual os sinais recebidos por múltiplas antenas foram representados. A despeito dos resultados promissores apresentados na tese, há algumas questões a serem ainda aprofundadas no que diz respeito ao estudo de estrutura ótima de alocação, à otimização dos receptores e à análise do caso multiusuário. Tais questões constituem uma primeira vertente deste projeto, voltada para aplicação em Telecomunicações. Por outro lado, nota-se também que várias técnicas de processamento digital de sinais tipicamente aplicadas no contexto de Telecomunicações vêm sendo crescentemente empregadas em processamento de sinais sísmicos. Assim, uma segunda vertente deste projeto se volta para esta aplicação, na qual pretende-se explorar o formalismo tensorial. Neste sentido, diferentes tópicos de pesquisa serão investigados, baseando-se na Análise de Componentes Principais (Principal Component Analysis, PCA), para separação de ondas sísmicas, atenuação do ruído e reconstrução de dados corrompidos ou incompletos. As ferramentas tensoriais serão usadas para o modelamento e o processamento de dados sísmicos multidimensionais, de modo a proporcionar a exploração em maior profundidade da informação contida nas aquisições sísmicas e, também, a geração de imagens do volume do subsolo da região a ser explorada. (AU)

Publicações científicas

(4)

(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)

VIGNERON, VINCENT; KODEWITZ, ANDREAS; DA COSTA, MICHELE NAZARETH; TOME, ANA MARIA; LANGLANG, ELMAR. Non-negative sub-tensor ensemble factorization (NsTEF) algorithm. A new incremental tensor factorization for large data sets. Signal Processing, v. 144, p. 77-86, MAR 2018. (14/23936-4)

DA COSTA, MICHELE NAZARETH; FAVIER, GERARD; ROMANO, JOAO MARCOS T.. Tensor modelling of MIMO communication systems with performance analysis and Kronecker receivers. Signal Processing, v. 145, p. 304-316, APR 2018. (14/23936-4)

DANTAS, CASSIO FRAGA; DA COSTA, MICHELE N.; LOPES, RENATO DA ROCHA. Learning Dictionaries as a Sum of Kronecker Products. IEEE SIGNAL PROCESSING LETTERS, v. 24, n. 5, p. 559-563, MAY 2017. (14/23936-4)

DA COSTA, MICHELE N.; LOPES, RENATO R.; ROMANO, JOAO MARCOS T.; IEEE. Randomized methods for higher-order subspace separation. 2016 24TH EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO), v. N/A, p. 5-pg., 2016-01-01. (14/23936-4)