Publicação: Redução de ruído em sensores de monitoramento usando separação cega de fontes
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Separação Cega de Fonte (BSS) é conhecida por ser um processo eficiente e
poderoso em separar e estimar sinais mutuamente independentes adquiridos por vários
tipos de sensores de monitoramento.
Esses sensores de monitoramento captam sinais que são compostos por vários
tipos de fontes, as fontes desejadas, as fontes indesejadas e as fontes ruidosas. Assim, o
sinal desejado está comprometido para que possa ser analisado, isso pode levar a
tomadas de decisões não eficientes. O ideal seria que os sinais analisados fossem
compostos do maior nível de fontes desejadas, e menor nível de fontes indesejadas e
fontes ruidosas.
Este trabalho propõe um algoritmo para identificar e reduzir os níveis de ruído
em sinais monitorados por sensores usando Separação Cega de Fonte. Este algoritmo
pode ser aplicado em várias áreas de monitoramento. Ele é capaz de identificar o ruído
sem qualquer tipo de informação prévia do sinal analisado.
Inicialmente, o algoritmo realiza uma separação dos sinais que foram
monitorados por sensores. Estes sinais podem ter sofrido influência (interferência) de
seus sensores vizinhos. Diferentemente da BSS padrão, que requer pelo menos duas
fontes, este algoritmo reduz os níveis de ruído de cada fonte separadamente aplicando
os algoritmos de Taxa Máxima Sinal Ruído e Previsibilidade Temporal.
O algoritmo proposto também produz duas saídas para cada sinal (fonte), o sinal
original estimado e o ruído estimado. Os resultados satisfazem todos os objetivos proposto neste trabalho. Todas as métricas utilizadas como parâmetros (SNR – Relação
Sinal Ruído, SDR – Relação Sinal Distorção e SIR – Relação Sinal Interferência) de
avaliação dos resultados obtidos pelo algoritmo proposto foram satisfatórias. Em
específico, para os dados de perfilagem térmica, os resultados mais interessantes foram
os gradientes térmicos e seus respectivos desvios padrões, que apresentaram maior
ganho de precisão.
Abstract
Blind Source Separation (BSS) is known to be an efficient and powerful process
to separate and estimate individual mutually independent signals acquired by various
types of monitoring sensors.
Theses monitoring sensors capture signals that are composed of various types of
sources, the desired sources, unwanted sources and noisy sources. Thus, the desired
signal is compromised so that it can be analyzed, this can lead to inefficient decision
making. Ideally, the analyzed signals should be composed of the higher level of desired
sources, and lower level of unwanted sources and noisy sources.
This paper proposes an algorithm to identify and reduce noise in monitoring
sensor signals using Blind Source Separation. This algorithm can be applied in any area
of monitoring. It can identify noise without any kind of previous information of the
signal analyzed.
Initially, the algorithm makes the separation of the signals that were acquired by
the sensors. These signals may have suffered influence from several noise sources.
Different from the standard BSS, which requires at least two sources, this algorithm
removes the noise from each signal separately applying the Maximum Signal-to-Noise
Ratio and Temporal Predictability algorithms.
The proposed algorithm also produces two outputs for each signal, the estimated
original signal and the estimated noise. The results satisfy all the proposed objectives of
this work. All the metrics used as parameters to evaluate the results obtained by the proposed algorithm were satisfactory. Specifically, for the thermal profile data, the most
interesting results were the thermal gradients and their respective standard deviations,
which showed a significant improvement
Palavras-chave
Separação cega de fonte, Análise estatística, Sensores, Monitoramento, Análise de componentes independentes, Ruído, Previsibilidade temporal, Taxa máxima sinal ruído, Blind source separation, Statistical analysis, Sensors, Monitoring, Independent component analysis, Noise, Temporal predictability, Maximum signal noise ratio, Engenharia elétrica, Detectores, Ruído elétrico
Citação
SANTOS, Daniel Moraes. Redução de ruído em sensores de monitoramento usando separação
cega de fontes. 2016. 235 f. Tese (Doutorado em Ciências) - Universidade Federal de Uberlândia, Uberlândia, 2016. DOI http://doi.org/10.14393/ufu.te.2016.151