Busca avançada
Ano de início
Entree

Novas Metodologias de Aprendizado Baseado na Teoria da Informação para Equalização Adaptativa

Processo: 13/14185-2
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de dezembro de 2013
Vigência (Término): 31 de março de 2017
Área do conhecimento:Engenharias - Engenharia Elétrica - Telecomunicações
Pesquisador responsável:Romis Ribeiro de Faissol Attux
Beneficiário:Denis Gustavo Fantinato
Instituição-sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Bolsa(s) vinculada(s):15/23424-6 - Separação Cega de Fontes Não Linear no Contexto de Fontes Estatisticamente Dependentes, BE.EP.DR
Assunto(s):Processamento de sinais

Resumo

O problema de equalização adaptativa é, classicamente, abordado através de métodos supervisionados e não supervisionados que fazem uso de determinadas classes de momentos do sinal de interesse e do sinal observado / medido. O advento de metodologias de aprendizado de máquina baseado na teoria da informação (ITL, do inglês Information Theoretic Learning), não obstante, trouxe novas perspectivas de enfoque tanto para o caso supervisionado quanto para o caso não supervisionado. Essas perspectivas têm por denominador comum o uso de critérios baseados na estimação (implícita ou explícita) de densidades de probabilidades associadas aos sinais de interesse, o que, em cenários práticos caracterizados por não linearidade e/ou não gaussianidade, podem levar a uma exploração mais ampla da informação disponível para otimização da estrutura de filtragem adotada.Neste projeto, pretende-se realizar contribuições em duas temáticas ligadas à solução de problemas de equalização através de métodos de ITL. A primeira abrange aspectos teóricos e práticos de desconvolução de sinais que apresentam dependência temporal entre amostras. A segunda, por sua vez, diz respeito à extensão do paradigma de equalização baseada em ITL no sentido de abranger, além dos filtros FIR usualmente adotados, filtros IIR. Com isso, pretende-se obter uma formulação geral de filtragem linear ótima baseada em ITL e propor algoritmos eficientes que realizem o processo de estimação e adaptação de maneira iterativa.

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, D. G.; SILVA, D. G.; ATTUX, R.; NEVES, A. Multivariate Shannon's entropy for adaptive IIR filtering via kernel density estimators. ELECTRONICS LETTERS, v. 55, n. 15, p. 859+, JUL 25 2019. Citações Web of Science: 0.
FANTINATO, DENIS G.; NEVES, ALINE; ATTUX, ROMIS. Analysis of a Novel Density Matching Criterion Within the ITL Framework for Blind Channel Equalization. CIRCUITS SYSTEMS AND SIGNAL PROCESSING, v. 37, n. 1, p. 203-231, JAN 2018. Citações Web of Science: 1.
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
FANTINATO, Denis Gustavo. New methods for adaptive equalization based on Information Theoretic Learning = Novas metodologias de aprendizado baseado na Teoria da Informação para equalização adaptativa. 2017. Tese de Doutorado - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação.

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