Métodos para separação cega de fontes: aplicações e novas perspectivas

Resumo

Introduzido por Hérault e Jutten como uma estratégia de aprendizado não-supervisionado por meio de redes neurais, o problema de separação cega de fontes tem recebido grande atenção desde o início dos anos 90, e pode ser considerado um tema de pesquisa maduro e consolidado no âmbito da moderna teoria de processamento de sinais. Pode-se dizer que o problema conta com um número significativo de soluções no que se refere a modelos de misturas lineares, em particular nos casos em que o número de sensores é igual ou superior ao número de fontes. Neste caso, a análise por componentes independentes provê métodos eficientes para a obtenção do sistema separador. No entanto, o mesmo não se repete para situações em que há algum desvio em relação a este "modelo padrão". Dessa forma, o presente projeto tem como objetivo dar continuidade ao trabalho que vem sendo desenvolvido pelo seu proponente, investigando possíveis soluções para o problema de separação cega de fontes em cenários que fogem do caso mencionado anteriormente, para os quais, em geral, a análise por componentes independentes não é capaz de recuperar os sinais, além de investigar algumas aplicações nas quais as técnicas desenvolvidas possam trazer benefícios, como no caso de misturas sub-parametrizadas e aplicações nas quais a hipótese de independência mútua entre os sinais possa ser substituída e/ou complementada por informação adicional a priori. (AU)