Magno Teófilo Madeira da Silva.

Processo: 404081/2023-1 Aprendizado de máquina (AM) tem chamado atenção da comunidade científica por possibilitar resolver inúmeros problemas práticos. Neste projeto, pretende-se utilizar AM em várias frentes: (a) classificação de arritmias cardíacas; (b) filtragem, equalização e mitigação de ruído em sinais caóticos; (c) processamento de sinais de voz e de áudio; (d) reconhecimento de padrões e processamento de imagens; (e) modelos gerativos para produção musical e (f) redes de difusão adaptativas. Na frente (a), pretende-se classificar arritmias cardíacas, levando-se em conta o treinamento distribuído ou centralizado. O treinamento distribuído garante a privacidade do paciente e possibilita trabalhar com grandes conjuntos de dados. Para balancear o banco de dados, pretende-se considerar data augmentation utilizando modelos gerativos como a rede gerativa adversária (generative adversarial network - GAN). Na frente (b), pretende-se usar AM para equalizar canais de comunicação em sistemas de comunicação baseados em caos, considerados como uma alternativa inovadora em problemas de comunicação ainda sem solução bem definida. Pretende-se ainda utilizar reservoir computers para melhorar a relação sinal-ruído na entrada do receptor desses sistemas e analisar a influência da filtragem linear na sua dinâmica. Na frente (c), AM será usado para explorar análise de voz, codificação de voz e de áudio, reconhecimento da fala e de outras características para obter representações adequadas desses sinais. Na frente (d), pretende-se usar AM em aplicações que exigem reconhecimento de padrões ou processamento de imagens, como é o caso de super resolução de imagens. Na frente (e), pretende-se usar modelos gerativos como a GAN para gerar música. Por fim, na frente (f), pretende-se abordar a censura e amostragem em redes de difusão adaptativas. O projeto conta com cinco pesquisadores e diversos alunos de pós-graduação da Escola Politécnica da USP.

Processamento distribuído de sinais têm chamado atenção na comunidade científica por apresentar vantagens em relação a soluções centralizadas. Nessa área, técnicas de amostragem e censuratêm sido temas de intensa pesquisa, uma vez que o custo associado a medição, processamento e/ou transmissão de dados em toda a rede pode ser proibitivo em certos casos. Pretende-se neste projeto, fazer um estudo aprofundado de técnicas de amostragem e censura em redes de difusão, propondo melhorias para os algoritmos que surgiram recentemente na literatura. Pretende-se estender esses algoritmos para diferentes tipos de rede de difusão, como as multitarefas, baseadas em kernel e assíncronas. Pretende-se também propor versões distribuídas de algoritmos adaptativos baseados em kernel e compará-las com versões distribuídas de redes neuronais para solução de problemas não lineares em uma rede de difusão. A técnica de esparsificação de dicionário que usa a ortogonalização de Gram-Schmidt também será aplicada à análise de componentes principais baseada em kernel.Na parte de aprendizado de máquina, pretende-se utilizar sensores virtuais para detecção e diagnóstico de falhas em sistemas de ar condicionado, possibilitando correções antes do aumento do consumo de energia elétrica. Por fim, pretende-se utilizar redes neuronais para classificação de arritmias cardíacas, levando-se em conta a divisão por pacientes nos conjuntos de treinamento e teste.

A equalização de canais de comunicação é um assunto muito explorado na literatura. No entanto, quando se trata de sistemas de comunicação baseados em caos, há várias questões em aberto. Pretende-se neste projeto, buscar formas de tornar o desempenho desses sistemas mais próximo do de sistemas de comunicação convencionais. Um esquema que permite o chaveamento entre esses dois sistemas será estudado com o objetivo de torná-lo automático.
Pretende-se também abordar outras aplicações que usam filtros adaptativos como restauração
cega de imagens por meio de algoritmos e estruturas de equalização, como a combinação convexa entre um algoritmo cego e um algoritmo no modo de decisão direta. A combinação também será usada para buscar melhorias de desempenho de algoritmos adaptativos baseados em núcleo. Por fim, pretende-se estudar técnicas de aprendizagem de máquina e aplicá-las a problemas não lineares como a detecção de atividade vocal.

Neste trabalho de Iniciação Científica, pretende-se utilizar redes neuronais "clássicas" e "profundas" para melhorar a qualidade de imagens. Inicialmente, as redes serão treinadas para restaurar imagens degradadas por um tipo específico de função de espalhamento de ponto (PSF - Point Spread Function). Dependendo do andamento do trabalho, pretende-se abordar o caso cego em que são conhecidas apenas estatísticas da imagem sem degradação e não se tem conhecimento sobre a PSF.

Esse projeto de pesquisa está centralizado na Universidade de São Paulo e se desenvolverá em parceria com a Universidade Federal do ABC. Em linhas gerais, o objetivo do projeto é avançar nas pesquisas relacionadas a implementação prática de sistemas de comunicação digitais que utilizam sinais caóticos. Em geral, esses sinais apresentam uma série de características interessantes do ponto de vista de comunicações: são aperiódicos, apresentando espectro de Fourier contínuo; possuem autocovariância quase impulsiva e baixa correlação cruzada entre sinais gerados por um mesmo sistema com condições iniciais diferentes. Essas propriedades levaram a uma grande quantidade de trabalhos publicados sobre as aplicações desses sinais em Telecomunicações e Processamento de Sinais desde o início da década de 1990. Apesar disso, ainda não surgiu de fato um sistema comercial que use essa tecnologia. Para tanto, é necessário analisar mais profundamente as características espectrais desses sinais e tornar viável o desempenho dos sistemas de comunicação que utilizam sinais caóticos em condições mais realistas de canal, levando-se em conta efeitos como limitação em banda, distorção, ruído aditivo e atrasos. Buscando contribuir nesse sentido, esse projeto concentra-se em três frentes principais: (i) equalização de canal para sistemas baseados em caos utilizando-se técnicas adaptativas; (ii) filtragem e formatação do espectro de sinais e caóticos e (iii) caracterização espectral desses sinais. Cada uma dessas frentes está associada a um trabalho de pós-graduação em andamento, orientado pelo coordenador da proposta.. 
Situação: Em andamento; Natureza: Pesquisa.

Combinações de filtros operando em paralelo têm sido usadas para melhorar o desempenho de filtros adaptativos no que tange à escolha dos parâmetros fixos dos filtros, à capacidade de tracking, à estabilidade, à solução em regime, à inicialização, entre outros fatores. Embora muitos resultados relacionados a esse assunto tenham sido publicados na literatura, ainda há alguns problemas em aberto que serão abordados neste projeto de pesquisa. Dentre eles, destacam-se: (i) a combinação de dois filtros NLMS (normalized least mean square) com diferentes ordens para cancelamento de eco acústico esparso; (ii) a análise do transitório da combinação convexa; (iii) a redução do custo computacional da combinação; (iv) a comparação das combinações convexa, afim e linear em diferentes cenários; e (v) o uso da combinação afim em processamento adaptativo distribuído com aplicações em redes de sensores.
Um outro assunto que se pretende abordar neste projeto é a utilização de algoritmos de equalização autodidata de sinais QAM (quadrature amplitude modulation) para
 restauração de imagens. Alguns trabalhos na literatura propõem o uso do algoritmo do módulo constante (CMA - constant modulus algorithm) para desconvolução autodidata de imagens. No entanto, seu desempenho não é satisfatório pelo fato dos pixels da imagem não representarem um sinal de módulo constante. Neste trabalho, pretende-se utilizar algoritmos autodidatas eficientes na recuperação de sinais de módulo não constante para restauração de imagens. Por fim, pretende-se estudar a equalização em sistemas de comunicação baseados em caos. Devido à falta de robustez do sincronismo caótico, uma simples atenuação pode impedir a comunicação. Por isso, o equalizador exerce um papel fundamental nesses sistemas. Inicialmente, pretende-se estender o algoritmo NLMS para adaptar o equalizador e posteriormente, buscar uma solução autodidata.

O projeto e a análise teórica de filtros adaptativos que apresentam um bom compromisso entre custo computacional, velocidade de convergência, solução em regime e estabilidade são importantes para várias aplicações, em particular, para equalização supervisionada ou autodidata de canais de comunicação. Equalizadores autodidatas são usados em sistemas de comunicação digital para remover a interferência introduzida por canais dispersivos sem o uso de uma sequência de treinamento. Os algoritmos de equalização autodidata têm sido amplamente estudados nas últimas décadas. No entanto, muitas questões relacionados ao seu estudo teórico permanecem em aberto na literatura. Neste projeto de pesquisa, pretende-se estudar
teoricamente o desempenho de algoritmos de equalização autodidata baseados na função custo do módulo constante, fazendo análises de estabilidade e obtendo-se modelos mais precisos para o erro quadrático médio em regime e/ou para o intervalo do passo de adaptação que assegura estabilidade. Além disso, propõe-se o estudo de combinações de dois ou mais filtros operando em paralelo para melhorar o desempenho de filtros adaptativos no que tange à escolha dos parâmetros fixos, capacidade de tracking, estabilidade, solução em regime, inicialização, entre outros fatores. Recentemente, foi demonstrado que a combinação convexa de algoritmos adaptativos é universal, ou seja, considerando entradas estacionárias, a estimativa combinada é pelo menos tão boa quanto à do melhor filtro componente em regime. Pretende-se explorar essa propriedade de maneira a se escolher combinações em que seja mais provável a sua ocorrência. Inicialmente, essas combinações serão abordadas em equalização autodidata e posteriormente, os resultados poderão ser estendidos a outras a aplicações.

Tratou-se de um projeto temático financiado pela Fapesp (02/12216-3) e que teve como objetivo a investigação, o desenvolvimento e a avaliação de técnicas avançadas de processamento de sinais, cujo potencial maior de aplicação situa-se nos sistemas modernos de telecomunicações. Tais técnicas dizem respeito fundamentalmente ao problema de recuperação de um sinal, ou de vários sinais transmitidos, após o efeito de distorções e de interferências características de canais não ideais. As soluções abordadas no projeto envolvem filtragem linear e não linear, processamento adaptativo supervisionado ou não, além de algoritmos evolutivos e estruturas neurais. Embora os temas aqui tratados venham sendo objeto de vasta literatura recente, é notória a existência de várias lacunas, tanto no que diz respeito a técnicas ainda não exploradas como à pouca consolidação, de uma forma mais unificada, dos resultados e dos conceitos já conhecidos. A experiência da equipe envolvida no projeto e sua capacidade de interação vêm sendo desenvolvidas de maneira bastante intensa durante os últimos quatro anos. Processamento adaptativo autodidata, redes neurais artificiais, algoritmos evolutivos, e uma vasta gama de aplicações em comunicações foram alguns dos temas abordados em comum, ainda que de maneira nem sempre sistemática, pelos grupos. Este projeto visa então a formação de um ambiente que congregue as diversas competências numa abordagem mais unificada, tendo os sistemas de comunicações como foco comum de aplicação. Tendo o seu núcleo básico na Faculdade de Engenharia Elétrica e de Computação da UNICAMP, este ambiente pretende se estender através de uma parceria com Universidade Presbiteriana Mackenzie, de forma a permitir uma melhor difusão de conhecimento nesta área no estado de São Paulo. Conta ainda com parceiros internacionais, particularmente o grupo da University of Maryland - Baltimore. Finalmente, pretende-se avaliar o impacto das técnicas investigadas através de implementações em