Tesis
Aplicabilidade de meta-heurísticas ao problema de separação de sinais no caso de modelos lineares = Applicability of meta-heuristics to the problem of signal separation in the case of linear models
Applicability of meta-heuristics to the problem of signal separation in the case of linear models
Registro en:
ROCHA, Mércia de Sousa. Aplicabilidade de meta-heurísticas ao problema de separação de sinais no caso de modelos lineares = Applicability of meta-heuristics to the problem of signal separation in the case of linear models. 2016. 1 recurso online ( 86 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas, Limeira, SP.
Autor
Rocha, Mércia de Sousa, 1988-
Institución
Resumen
Orientador: Leonardo Tomazeli Duarte Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas Resumo: A separação cega de fontes é um problema da área de processamento de sinais que surge em diversas aplicações, desde o tratamento de sinais biológicos à geofísica. Usualmente, os métodos de separação são formulados como problemas de otimização, que são abordados por meio de ferramentas clássicas da pesquisa operacional, como o método do gradiente descendente. No entanto, diante da complexidade das funções que são comumente utilizadas como critérios de separação, os métodos mais usuais são atraídos por pontos de mínimos locais e podem não encontrar boas soluções a nível global. Tal limitação abre espaço para a aplicação de meta-heurísticas ao problema, por possibilitar uma ampliação do espaço de busca, em termos de mínimos locais e, consequentemente, encontrar soluções mais eficazes. Diante disso, o presente trabalho se dedica à análise de aplicabilidade de algumas meta-heurísticas ao problema de separação cega de fontes no caso de modelos lineares. Uma comparação entre um conjunto representativo de meta-heurísticas, sendo elas, particle swarm, evolução diferencial, simulated annealing e otimização por colônia de formigas para domínios contínuos, indica que, de modo geral, tais soluções são consideravelmente eficazes quando aplicadas ao caso e comparadas ao método do gradiente. Os principais pontos que podem diferenciá-las são a dificuldade de implementação e de ajuste de seus parâmetros Abstract: Blind source separation is an important problem in the field of signal processing and arises in many applications, from biological signal analysis to geophysics. Usually, separation methods are formulated as optimization problems that are solved by classic tools of operations research, such as the gradient descent method. However, considering the complexity of the functions which are commonly used as separation criteria, the usual methods can be attracted to local minima and may not find global solutions.. This limitation opens the way for the application of the meta-heuristics due to their capacity to amplify the search space locally and, consequently, provide best solutions to the problems. Thus, the present thesis is dedicated to the analysis of the applicability of some meta-heuristics to deal with the blind source separation problem in the case of linear models. A comparison between a representative set of meta-heuristics, which comprises particle swarm optimization, differential evolution, simulated annealing and ant colony optimization for continuous domains, points out that, in general, such solutions are considerably effective when applied to source separation and compared to the gradient method. The main differences found between them concern the difficulty of implementation and the stage of parameter setting Mestrado Pesquisa Operacional Mestra em Pesquisa Operacional 01P-04386-2015 CAPES