Busca avançada
Ano de início
Entree

Separação Cega de Fontes Não Linear no Contexto de Fontes Estatisticamente Dependentes

Processo: 15/23424-6
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 15 de fevereiro de 2016
Vigência (Término): 14 de julho de 2016
Área do conhecimento:Engenharias - Engenharia Elétrica - Telecomunicações
Pesquisador responsável:Romis Ribeiro de Faissol Attux
Beneficiário:Denis Gustavo Fantinato
Supervisor no Exterior: Christian Jutten
Instituição-sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Local de pesquisa: 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

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:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(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)
FANTINATO, DENIS G.; DUARTE, LEONARDO T.; DEVILLE, YANNICK; ATTUX, ROMIS; JUTTEN, CHRISTIAN; NEVES, ALINE. A second-order statistics method for blind source separation in post-nonlinear mixtures. Signal Processing, v. 155, p. 63-72, FEB 2019. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.