| Processo: | 15/23424-6 |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Doutorado |
| Data de Início da vigência: | 15 de fevereiro de 2016 |
| Data de Término da vigência: | 14 de julho de 2016 |
| Área de conhecimento: | Engenharias - Engenharia Elétrica - Telecomunicações |
| Pesquisador responsável: | Romis Ribeiro de Faissol Attux |
| Beneficiário: | Denis Gustavo Fantinato |
| Supervisor: | Christian Jutten |
| Instituição Sede: | Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Instituição Anfitriã: | Université de Grenoble, França |
| Vinculado à bolsa: | 13/14185-2 - Novas Metodologias de Aprendizado Baseado na Teoria da Informação para Equalização Adaptativa, BP.DR |
| Assunto(s): | Processamento de sinais Separação cega de fontes |
| Palavra(s)-Chave do Pesquisador: | Casamento de Distribuições | Fontes Estatisticamente Dependentes | Separação Cega de Fontes | Processamento de Sinais |
Resumo O problema de separação cega de fontes com misturas não lineares é um tópico de pesquisa bastante desafiador e, diferentemente do caso linear, ainda carece de uma estrutura genérica para separação. Dentre os modelos não lineares encontrados na literatura, destacamos duas instâncias que são cruciais para o presente projeto: (i) as misturas do tipo post-nonlinear (PNL) e (ii) o contexto de separação de fontes coloridas usando a derivada dos sinais. No primeiro caso, a suposição de independência mútua entre fontes mostra-se bastante útil para resolver o problema no modelo PNL, entretanto, o uso de critérios baseados somente na independência restringe as funções não lineares a serem bijetoras. Dessa forma, surge como uma possibilidade interessante o uso de estatísticas alternativas, como as dependências espaciais e/ou temporais, para englobar um conjunto maior de funções não lineares de separação. Na segunda abordagem, se forem assumidas fontes temporalmente coloridas, ao computarmos as derivadas das misturas, o processo de mistura não linear se torna linear e instantâneo, porém variante no tempo. Neste sentido, se modelarmos a função densidade de probabilidade das derivadas das fontes, poderemos aplicar um critério mais robusto baseado no casamento de distribuições. Esperamos desenvolver este projeto no GIPSA-Lab, Grenoble, França, sob a supervisão do Prof. Christian Jutten, um pioneiro nos problemas de separação cega de fontes tanto no contexto linear como não linear. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |