Teoría de la Señal y Comunicaciones

URI permanente para esta colecciónhttps://hdl.handle.net/11441/11589

Examinar

Mostrando 1 - 19 de 19

Advanced signal processing techniques for the modeling and linearization of wireless communication systems.
(2019-02-14) Becerra González, Juan Antonio; Crespo Cadenas, Carlos; Reina Tosina, Luis Javier; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Los nuevos estándares de comunicaciones digitales inalámbricas están impulsando el diseño de amplificadores de potencia con unas condiciones límites en términos de linealidad y eficiencia. Si bien estos nuevos sistemas exigen que los dispositivos activos trabajen cerca de la zona de saturación en busca de la eficiencia energética, la no linealidad inherente puede producir que el sistema muestre prestaciones inadecuadas en emisiones fuera de banda y distorsión en banda. La necesidad de técnicas digitales de compensación y la evolución en el diseño de nuevas arquitecturas de procesamiento de señales digitales posicionan a la predistorsión digital (DPD) como un enfoque práctico. Los predistorsionadores digitales se suelen basar en modelos de comportamiento como el memory polynomial (MP), el generalized memory polynomial (GMP) y el dynamic deviation reduction-based (DDR), etc. Los modelos de Volterra sufren la llamada "maldición de la dimensionalidad", ya que su complejidad tiende a crecer de forma exponencial a medida que el orden y la profundidad de memoria crecen. Esta tesis se centra principalmente en contribuir a la rama de conocimiento que enmarca el modelado y linealización de sistemas de comunicación inalámbrica. Los principales temas tratados son el modelo Volterra-Parafac y el modelo general de Volterra para sistemas complejos, los cuales tratan la estructura del DPD y las series de Volterra estructuradas con compressed-sensing y un método para la linealización en un rango de potencias de operación, que se centran en cómo los coeficientes de los modelos deben ser obtenidos.
Análisis de imágenes dermatoscópicas para el diagnostico de lesiones pigmentadas
(2022-10-18) Vélez Núñez, Paulina Andrea; Acha Piñero, Begoña; Serrano Gotarredona, María del Carmen; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
En este trabajo se realiza un análisis de imágenes dermatoscópicas con el objetivo de ayudar en el proceso de priorización de las consultas en el triaje de los centros de atención primaria. Específicamente, se plantea la clasificación de lesiones dermatoscópicas centrada en el estudio del carcinoma basocelular (Basal Cell Carcinoma - BCC). Para lograr este objetivo se aborda el problema empleando tanto técnicas tradicionales de Aprendizaje Máquina como de Aprendizaje Profundo. Asimismo, en las técnicas de Aprendizaje Profundo propuestas se analiza la conveniencia o no de aplicar un proceso de segmentación previo. En cuanto al proceso de segmentación, en este trabajo se presentan varios métodos utilizando aprendizaje supervisado y no supervisado, con sus respectivos experimentos y contraste de resultados. Después de aplicar varios algoritmos, el algoritmo supervisado de segmentación semántica basado en la red neuronal profunda denominada SegNet permite obtener los siguientes resultados: un valor del coeficiente DICE igual a 0,8548 y un valor del índice Jaccard de 0,7730 con una exactitud de 0,9357. El resultado obtenido en el proceso de segmentación permite obtener imágenes segmentadas con una alta precisión y la metodología aplicada resulta ser competitiva frente a otras existentes en la literatura. Para el proceso de extracción de características se consideró el extraer patrones globales presentes en la lesión. De esta forma, la imagen segmentada se divide en superpíxeles, para así obtener regiones con características de textura similares. A cada superpíxel obtenido se le extrajeron sus características de textura utilizando matrices de coocurrencia, y luego se realizó una clasificación basada en árboles de decisión. Como resultado se obtuvo un 99,2% de exactitud en la clasificación de tres patrones globales: globular, empedrado y homogéneo Finalmente, se describe el proceso de clasificación de BCC, el cual, después de desarrollar varios algoritmos con sus respectivos experimentos, permitió obtener una exactitud del 98% al clasificar BCC versus nevus y un 95% al clasificar BCC versus todos los demás tipos de lesiones. Estos resultados se obtuvieron al utilizar tres redes neuronales profundas ensambladas y sin segmentar previamente las imágenes. Los resultados obtenidos fueron contrastados, demostrando la fiabilidad del método presentado, ya que éste supera en prácticamente todos los parámetros de evaluación al ganador del reto ISIC-2019 [1]. Además, se concluye que el proceso de segmentación no es necesario al realizar la clasificación utilizando aprendizaje profundo cuando se cuenta con una base de datos extensa y correctamente balanceada. Los resultados obtenidos de los modelos desarrollados fueron publicados y se encuentran detallados en los apéndices de esta tesis.
Analysis and experimental characterization of nonlinear circuits applied to wireless communications systems
(2008) Madero Ayora, María José; Crespo Cadenas, Carlos; ; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
La Tesis realizada pretende dar una visión amplia y detallada sobre el análisis de circuitos no lineales para comunicaciones inalámbricas. Partiendo de una revisión del estado del arte de los métodos de análisis no lineal, los enfoques estudiados incluyen la aplicación del algoritmo de Newton Simplificado a la solución de circuitos débilmente no lineales. La aplicación de este método constituye una herramienta novedosa adecuada para el análisis de circuitos que contengan tanto amplificadores como mezcladores. Como ventaja adicional del método de Newton Simplificado, se demuestra que permite la obtención de expresiones teóricas para modelar la dependencia con la frecuencia de banda base de la distorsión de intermodulación en amplificadores con memoria, de forma análoga a la representación mediante series de Volterra. La contribución final de esta Tesis consiste en un modelo basado en impedancias para amplificadores con transistores FET o amplificadores comerciales, propuesto para tener en cuenta los efectos de memoria en la intermodulación sin importar cuál sea su naturaleza.
Aplicación de la precodificación lineal en la modulación multiportadora
(2005) Simois Tirado, Francisco José; Acha Catalina, José Ignacio; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
La modulación multiportadora (conocida comúnmente como OFDM) está siendo últimamente objeto de creciente interés en el mundo de las comunicaciones. Ello se debe a su gran versatilidad para adaptarse a condiciones muy adversas del canal, consiguiendo siempre muy buenas prestaciones en lo que se refiere a la tasa de bits transmitidos gracias a su empleo conjunto con el denominado algoritmo waterfilling.|
EEG Signal Processing in Motor Imagery Brain Computer Interfaces with Improved Covariance Estimators
(2020-04-24) Olías Sánchez, Francisco Javier; Cruces Álvarez, Sergio Antonio; Martín Clemente, Rubén; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Desde hace unos años hasta la actualidad, el desarrollo en el campo de los interfaces cerebro ordenador ha ido aumentando. Este aumento viene motivado por una serie de factores distintos. A medida que aumenta el conocimiento acerca del cerebro humano y como funciona (del que aún se conoce relativamente poco), van surgiendo nuevos avances en los sistemas BCI que, a su vez, sirven de motivación para que se investigue más acerca de este órgano. Además, los sistemas BCI abren una puerta para que cualquier persona pueda interactuar con su entorno independientemente de la discapacidad física que pueda tener, simplemente haciendo uso de sus pensamientos. Recientemente, la industria tecnológica ha comenzado a mostrar su interés por estos sistemas, motivados tanto por los avances con respecto a lo que conocemos del cerebro y como funciona, como por el uso constante que hacemos de la tecnología en la actuali- dad, ya sea a través de nuestros smartphones, tablets u ordenadores, entre otros muchos dispositivos. Esto motiva que compañías como Facebook inviertan en el desarrollo de sistemas BCI para que tanto personas sin discapacidad como aquellas que, si las tienen, puedan comunicarse con los móviles usando solo el cerebro. El trabajo desarrollado en esta tesis se centra en los sistemas BCI basados en movimien- tos imaginarios. Esto significa que el usuario piensa en movimientos motores que son interpretados por un ordenador como comandos. Las señales cerebrales necesarias para traducir posteriormente a comandos se obtienen mediante un equipo de EEG que se coloca sobre el cuero cabelludo y que mide la actividad electromagnética producida por el cere- bro. Trabajar con estas señales resulta complejo ya que son no estacionarias y, además, suelen estar muy contaminadas por ruido o artefactos. Hemos abordado esta temática desde el punto de vista del procesado estadístico de la señal y mediante algoritmos de aprendizaje máquina. Para ello se ha descompuesto el sistema BCI en tres bloques: preprocesado de la señal, extracción de características y clasificación. Tras revisar el estado del arte de estos bloques, se ha resumido y adjun- tado un conjunto de publicaciones que hemos realizado durante los últimos años, y en las cuales podemos encontrar las diferentes aportaciones que, desde nuestro punto de vista, mejoran cada uno de los bloques anteriormente mencionados. De manera muy resumida, para el bloque de preprocesado proponemos un método mediante el cual conseguimos nor- malizar las fuentes de las señales de EEG. Al igualar las fuentes efectivas conseguimos mejorar la estima de las matrices de covarianza. Con respecto al bloque de extracción de características, hemos conseguido extender el algoritmo CSP a casos no supervisados. Por último, en el bloque de clasificación también hemos conseguido realizar una sepa- ración de clases de manera no supervisada y, por otro lado, hemos observado una mejora cuando se regulariza el algoritmo LDA mediante un método específico para Gaussianas.
Electroencephalograph (EEG) signal processing techniques for motor imagery Brain Computer interface systems
(2018-06-11) Thiyam, Deepa Beeta; Cruces Álvarez, Sergio Antonio; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Brain-Computer Interface (BCI) system provides a channel for the brain to control external devices using electrical activities of the brain without using the peripheral nervous system. These BCI systems are being used in various medical applications, for example controlling a wheelchair and neuroprosthesis devices for the disabled, thereby assisting them in activities of daily living. People suffering from Amyotrophic Lateral Sclerosis (ALS), Multiple Sclerosis and completely locked in are unable to perform any body movements because of the damage of the peripheral nervous system, but their cognitive function is still intact. BCIs operate external devices by acquiring brain signals and converting them to control commands to operate external devices. Motor-imagery (MI) based BCI systems, in particular, are based on the sensory-motor rhythms which are generated by the imagination of body limbs. These signals can be decoded as control commands in BCI application. Electroencephalogram (EEG) is commonly used for BCI applications because it is non-invasive. The main challenges of decoding the EEG signal are because it is non-stationary and has a low spatial resolution. The common spatial pattern algorithm is considered to be the most effective technique for discrimination of spatial filter but is easily affected by the presence of outliers. Therefore, a robust algorithm is required for extraction of discriminative features from the motor imagery EEG signals. This thesis mainly aims in developing robust spatial filtering criteria which are effective for classification of MI movements. We have proposed two approaches for the robust classification of MI movements. The first approach is for the classification of multiclass MI movements based on the thinICA (Independent Component Analysis) and mCSP (multiclass Common Spatial Pattern Filter) method. The observed results indicate that these approaches can be a step towards the development of robust feature extraction for MI-based BCI system. The main contribution of the thesis is the second criterion, which is based on Alpha- Beta logarithmic-determinant divergence for the classification of two class MI movements. A detailed study has been done by obtaining a link between the AB log det divergence and CSP criterion. We propose a scaling parameter to enable a similar way for selecting the respective filters like the CSP algorithm. Additionally, the optimization of the gradient of AB log-det divergence for this application was also performed. The Sub-ABLD (Subspace Alpha-Beta Log-Det divergence) algorithm is proposed for the discrimination of two class MI movements. The robustness of this algorithm is tested with both the simulated and real data from BCI competition dataset. Finally, the resulting performances of the proposed algorithms have been favorably compared with other existing algorithms.
Estimación de frecuencias de cisoides complejas por métodos de filtrado adaptativo
(2001) Biscarri Triviño, Jesús; Acha Catalina, José Ignacio; Universidad de Sevilla. Departamento de Tecnología Electrónica; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Expectation propagation as a solution for digital communication systems.
(2018-11-16) Santos Velázquez, Irene; Arias de Reyna Domínguez, Eva María; Murillo Fuentes, Juan José; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
In the context of digital communications, a digital receiver is required to provide an estimation of the transmitted symbols. Nowadays channel decoders highly benefit from soft (probabilistic) estimates for each transmitted symbol rather than from hard decisions. For this reason, digital receivers must be designed to provide the probability that each possible symbol was transmitted based on the received corrupted signal. Since exact inference might be unfeasible in terms of complexity for high-order scenarios, it is necessary to resort to approximate inference, such as the linear minimum mean square error (LMMSE) criterion. The LMMSE approximates the discrete prior information of the transmitted symbols with a Gaussian distribution, which causes a degradation in its performance. In this thesis, an alternative approximate statistical technique is applied to the design of a digital probabilistic receiver in digital communications. Specifically, the expectation propagation (EP) algorithm is investigated to find the Gaussian posterior probability density function (pdf) that minimizes the Kullback-Leibler (KL) divergence with respect to the true posterior pdf. Two different communication system scenarios are studied: a single-input singleoutput (SISO) digital communication system with memory channel and a multipleinput multiple-output (MIMO) system with memoryless channel. In the SISO scenario, three different designs of a soft standalone and turbo equalizer based on the EP algorithm are developed: the block or batch approach, the filter-type version that emulates theWiener filter behavior and the smoothing equalizer which proceeds similarly to a Kalman smoother. Finally, the block EP implementation is also adapted to MIMO scenarios with feedback from the decoder. In both scenarios, the EP is applied iteratively, including a damping mechanism and a control to avoid negative values of variances, which would lead to instabilities (specially for high-order constellations). Experimental results included through the thesis show that the EP algorithm applied to communication systems greatly improves the performance of previous approaches found in the literature with a complexity slightly increased but still proportional to that of the LMMSE. These results also show the robustness of the algorithm even for high-order modulations, large memory channels and high number of antennas. Major contributions of this dissertation have been published in four journal (one of them is still under review) and two conference papers. One more paper will be submitted to a journal soon. All these papers are listed below: • Irene Santos, Juan José Murillo-Fuentes, Rafael Boloix-Tortosa, Eva Arias de Reyna and Pablo M. Olmos, "Expectation Propagation as Turbo Equalizer in ISI Channels," IEEE Transactions on Communications, vol. 65, no.1, pp. 360-370, Jan 2017. • Irene Santos, Juan José Murillo-Fuentes, Eva Arias de Reyna and Pablo M. Olmos, "Turbo EP-based Equalization: a Filter-Type Implementation," IEEE Transactions on Communications, Sep 2017, Accepted. [Online] Available: https://ieeexplore.ieee.org/document/8353388/ • Irene Santos, Juan José Murillo-Fuentes, Eva Arias-de-Reyna and Pablo M. Olmos, "Probabilistic Equalization With a Smoothing Expectation Propagation Approach," IEEE Transactions on Wireless Communications, vol. 16, no. 5, pp. 2950-2962, May 2017. • Irene Santos, Juan José Murillo-Fuentes and Eva Arias-de-Reyna, "Equalization with Expectation Propagation at Smoothing Level," To be submitted. [Online] Available: https://arxiv.org/abs/1809.00806 • Irene Santos and Juan José Murillo-Fuentes, "EP-based turbo detection for MIMO receivers and large-scale systems," IEEE Transactions on Vehicular Technology, May 2018, Under review. [Online] Available: https://arxiv.org/abs/1805.05065 • Irene Santos, Juan José Murillo-Fuentes, and Pablo M. Olmos, "Block expectation propagation equalization for ISI channels," 23rd European Signal Processing Conference (EUSIPCO 2015), Nice, 2015, pp. 379-383. • Irene Santos, and Juan José Murillo-Fuentes, "Improved probabilistic EPbased receiver for MIMO systems and high-order modulations," XXXIII Simposium Nacional de la Unión Científica Internacional de Radio (URSI 2018), Granada, 2018.
Image analysis for diagnostic support in biomedicine: neuromuscular diseases and pigmented lesions
(2014-01-31) Sáez Manzano, Aurora; Acha Piñero, Begoña; Serrano Gotarredona, María del Carmen; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Esta tesis presenta dos sistemas implementados mediante técnicas de procesamiento de imagen, para ayuda al diagnóstico de enfermedades neuromusculares a partir de imágenes de microscopía de fluorescencia y análisis de lesiones pigmentadas a partir de imágenes dermoscópicas. El diagnóstico de enfermedades neuromusculares se basa en la evaluación visual de las biopsias musculares por parte del patólogo especialista, lo que conlleva una carga subjetiva. El primer sistema propuesto en esta tesis analiza objetivamente las biopsias musculares y las clasifica en distrofias, atrofias neurógenas o control (sin enfermedad) a través de imágenes de microscopía de fluorescencia. Su implementación reúne los elementos propios de un sistema de ayuda al diagnóstico asistido por ordenador: segmentación, extracción de características, selección de características y clasificación. El procedimiento comienza con una segmentación precisa de las fibras musculares usando morfología matemática y una transformada Watershed. A continuación, se lleva a cabo un paso de extracción de características, en el cual reside la principal contribución del sistema, ya que no solo se extraen aquellas que los patólogos tienen en cuenta para diagnosticar sino características que se escapan de la visión humana. Estas nuevas características se extraen suponiendo que la estructura de la biopsia se comporta como un grafo, en el que los nodos se corresponden con las fibras musculares, y dos nodos están conectados si dos fibras son adyacentes. Para estudiar la efectividad que estos dos conjuntos presentan en la categorización de las biopsias, se realiza una selección de características y una clasi- ficación empleando una red neuronal Fuzzy ARTMAP. El procedimiento concluye con una estimación de la severidad de las biopsias con patrón distrófico. Esta caracterización se realiza mediante un análisis de componentes principales. Para la validación del sistema se ha empleado una base de datos compuesta por 91 imágenes de biopsias musculares, de las cuales 71 se consideran imágenes de entrenamiento y 20 imágenes de prueba. Se consigue una elevada tasa de aciertos de clasificacion y se llega a la importante conclusión de que las nuevas características estructurales que no pueden ser detectadas por inspección visual mejoran la identificación de biopsias afectadas por atrofia neurógena. La segunda parte de la tesis presenta un sistema de clasificación de lesiones pigmentadas. Primero se propone un algoritmo de segmentación de imágenes en color para ais lar la lesión de la piel circundante. Su desarrollo se centra en conseguir un algoritmo relacionado con las diferencias color percibidas por el ojo humano. Consiguiendo así, no solo un método de segmentación de lesiones pigmentadas sino un algoritmo de segmentación de propósito general. El método de segmentación propuesto se basa en un gradiente para imágenes en color integrado en una técnica de level set para detección de bordes. La elección del gradiente se derivada a partir de un análisis de tres gradientes de color implementados en el espacio de color uniforme CIE L∗a∗b∗ y basados en las ecuaciones de diferencia de color desarrolladas por la comisión internacional de iluminación (CIELAB, CIE94 y CIEDE2000). El principal objetivo de este análisis es estudiar cómo estas ecuaciones afectan en la estimación de los gradientes en términos de correlación con la percepción visual del color. Una técnica de level-set se aplica sobre estos gradientes consiguiendo así un detector de borde que permite evaluar el rendimiento de dichos gradientes. La validación se lleva a cabo sobre una base de datos compuesta por imágenes sintéticas diseñada para tal fin. Se realizaron tanto medidas cuantitativas como cualitativas. Finalmente, se concluye que el detector de bordes basado en la ecuación de diferencias de color CIE94 presenta la mayor correlación con la percepción visual del color. A partir de entonces, la tesis intenta emular el método de análisis de patrones, la técnica de diagnóstico de lesiones pigmentadas de la piel más empleada por los dermatólogos. Este método trata de identificar patrones específicos, pudiendo ser tanto globales como locales. En esta tesis se presenta una amplia revisión de los métodos algorítmicos, publicados en la literatura, que detectan automáticamente dichos patrones a partir de imágenes dermoscópicas de lesiones pigmentadas. Tras esta revisón se advierte que numerosos trabajos se centran en la detección de patrones locales, pero solo unos pocos abordan la detección de patrones globales. El siguiente paso de esta tesis, por tanto, es la propuesta de diferentes métodos de clasi- ficación de patrones globales. El objetivo es identificar tres patrones: reticular, globular y empedrado (considerado un solo patrón) y homogéneo. Los métodos propuestos se basan en un análisis de textura mediante técnicas de modelado. En primer lugar una imagen demoscópica se modela mediante campos aleatorios de Markov, los parámetros estimados de este modelo se consideran características. A su vez, se supone que la distribución de estas características a lo largo de la lesión sigue diferentes modelos: un modelo gaussiano, un modelo de mezcla de gaussianas o un modelo de bolsa de características. La clasificación se lleva a cabo mediante una recuperación de imágenes basada en diferentes métricas de distancia. Para validar los métodos se emplea un conjunto significativo de imágenes dermatológicas, concluyendo que el modelo basado en mezcla de gaussianas proporciona la mejor tasa de clasificación. Además, se incluye una evaluación adicional en la que se clasifican melanomas con patrón multicomponente obteniendo resultados prometedores. Finalmente, se presenta una discusión sobre los hallazgos y conclusiones más relevantes extraídas de esta tesis, así como las líneas futuras que se derivan de este trabajo.
Image processing in medicine advances for phenotype characterization, computer-assisted diagnosis and surgical planning
(2011-05-13) Sánchez Mendoza, Carlos; Acha Piñero, Begoña; Serrano Gotarredona, María del Carmen; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
En esta Tesis presentamos nuestras contribuciones al estado del arte en procesamiento digital de imágenes médicas, articulando nuestra exposición en torno a los tres principales objetivos de la adquisición de imágenes en medicina: la prevención, el diagnóstico y el tratamiento de las enfermedades. La prevención de la enfermedad se puede conseguir a veces mediante una caracterización cuidadosa de los fenotipos propios de la misma. Tal caracterización a menudo se alcanza a partir de imágenes. Presentamos nuestro trabajo en caracterización del enfisema pulmonar a partir de imágenes TAC (Tomografía Axial Computerizada) de tórax en alta resolución, a través del análisis de las texturas locales de la imagen. Nos proponemos llenar el vacío existente entre la práctica clínica actual, y las sofisticadas pero costosas técnicas de caracterización de regiones texturadas, disponibles en la literatura. Lo hacemos utilizando la distribución local de intensidades como un descriptor adecuado para determinar el grado de destrucción de tejido en pulmones enfisematosos. Se presentan interesantes resultados derivados del análisis de varios cientos de imágenes para niveles variables de severidad de la enfermedad, sugiriendo tanto la validez de nuestras hipótesis, como la pertinencia de este tipo de análisis para la comprensión de la enfermedad pulmonar obstructiva crónica. El procesado de imágenes médicas también puede asistir en el diagnóstico y detección de enfermedades. Presentamos nuestras contribuciones a este campo, que consisten en técnicas de segmentación y cuantificación de imágenes dermatoscópicas de lesiones de la piel. La segmentación se obtiene mediante un novedoso algoritmo basado en contornos activos que explota al máximo el contenido cromático de las imágenes, gracias a la maximización de la discrepancia mediante comparaciones cross-bin. La cuantificación de texturas en lesiones melanocíticas se lleva a cabo utilizando un modelado de los patrones de pigmentación basado en campos aleatorios de Markov, en un esfuerzo por adoptar la tendencia emergente en dermatología: la detección de la malignidad mediante el análisis de la irregularidad de la textura. Los resultados para ambas técnicas son validados con un conjunto significativo de imágenes dermatológicas, sugiriendo líneas interesantes para la detección automática del melanoma maligno. Cuando la enfermedad ya está presente, el tratamiento digital de imágenes puede asistir en la planificación quirúrgica y la intervención guiada por imagen. La planificación terapeútica, ejemplicada por la planificación de cirugía plástica usando realidad virtual, se aborda en nuestro trabajo en segmentación de hueso/grasa/músculo en imágenes TAC. Usando un abordaje interactivo e incremental, nuestro sistema permite obtener segmentaciones precisas a partir de unos cuantos clics de ratón para una gran variedad de condiciones de adquisición y frente a anatomícas anormales. Presentamos nuestra metodología, y nuestra validación experimental profusa basada tanto en segmentaciones manuales como en valoraciones subjetivas de los usuarios, e indicamos referencias al lector que detallan los beneficios obtenidos con el uso de la plataforma de planifificación que utiliza nuestro algoritmo. Como conclusión presentamos una disertación final sobre la importancia de nuestros resultados y las líneas probables de trabajo futuro hacía el objetivo último de mejorar el cuidado de la salud mediante técnicas de tratamiento digital de imágenes médicas.
Machine Learning for handwriting text recognition in historical documents
(2021-12-17) Aradillas Jaramillo, Jose Carlos; Murillo Fuentes, Juan José; Martínez Olmos, Pablo; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Olmos ABSTRACT In this thesis, we focus on the handwriting text recognition task over historical documents that are difficult to read for any person that is not an expert in ancient languages and writing style. We aim to take advantage and improve the neural networks architectures and techniques that other authors are proposing for handwriting text recognition in modern handwritten documents. These models perform this task very precisely when a large amount of data is available. However, the low availability of labeled data is a widespread problem in historical documents. The type of writing is singular, and it is pretty expensive to hire an expert to transcribe a large number of pages. After investigating and analyzing the state-of-the-art, we propose the efficient application of methods such as transfer learning and data augmentation. We also contribute an algorithm for purging mislabeled samples that affect the learning of models. Finally, we develop a variational auto encoder method for generating synthetic samples of handwritten text images for data augmentation. Experiments are performed on various historical handwritten text databases to validate the performance of the proposed algorithms. The various included analyses focus on the evolution of the character and word error rate (CER and WER) as we increase the training dataset. One of the most important results is the participation in a contest for transcription of historical handwritten text. The organizers provided us with a dataset of documents to train the model, then just a few labeled pages of 5 new documents were handled to adjust the solution further. Finally, the transcription of nonlabeled images was requested to evaluate the algorithm. Our method raked second in this contest.
Modeling and compensation of non-linear effects in wireless communications systems
(2012) Allegue-Martínez, Michel; Madero Ayora, María José; Crespo Cadenas, Carlos; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
La Ingeniería de Microondas y Radiofrecuencia ha ido adquiriendo una importancia cada vez mayor en los últimos años, incentivada en particular por el excepcional crecimiento de las comunicaciones móviles digitales. Es evidente una tendencia hacia frecuencias de operación más altas y mayores anchuras de banda. Uno de los principales retos que se plantea en el análisis y diseño asistido por computador de los sistemas de alta frecuencia es el desarrollo de técnicas de modelado y algoritmos de simulación precisos, robustos y eficientes, que tengan en cuenta el comportamiento no lineal de los dispositivos.|
Predictive analytics of energy economy for electric mobility
(2024-06-21) Sennefelder, Roman Michael; González Carvajal, Ramón; Martín Clemente, Rubén; Universidad de Sevilla. Departamento de Ingeniería Electrónica; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Mobility is one of the most fundamental necessities in society. Especially in urban environment, transportation based on conventional technologies causes traffic jam, pollution, greenhouse gas emissions and many other negative effects. To meet the demand for mobility and environmental respectively health goals alike, anticipating alternative drive systems is inevitable. Both private and public transportation still rely mainly on combustion engine vehicles. The adoption to electrified systems is complex, since they operate differently. Uncertainty about energy consumption and thus operating time and range, leads to conservative vehicle system design, which lasts in inefficiency, high costs and of the lack of trust into novel technologies. Optimized vehicles, a tailored infrastructure and a robust range prediction, reduce costs, save resources, encourage for new technology and thus can be a solution to this socioeconomic problem. There is a broad consense to use real-world data whenever vehicles energetics are to be calculated. Either for running vehicle driving simulations, for speed profile synthesis or for novel big data driven methods. Within this dissertation I introduce several different data driven approaches to improve accuracy and robustness of calculating the energy demand and it's prediction. Predictive analytics increase transparency in this field and facilitates design and operation planning of alternative fleets. Especially public transport is often organized heuristically making it prone to error and inefficiency. In the first study (chapter 2), a feasibility assessment for retrofitting a conventional diesel engine bus fleet in a hot country application, a methodology to innovatively synthesize speed profiles, auxiliary power demand and passenger variation to determine the energy demand of BEBs is introduced. We decribe a novel approach using bootstrapping, inverse transform sampling and empirical equations to synthesize these profiles and utilize them in a massive simulation framework. The confidence interval width of 95% likelihood for key parameters of interest such as operating time and range, overall energy consumption, recuperated energy or spatial rated consumption, is reduced and thus uncertainty from 10% at the beginning based on the real measurement data to less than 1% using the extended data. In the second study (chapter 3), we split speed profiles by a smart segmentation algorithm and introduce a feature space characterizing these profiles. The extracted meta data is used in a second-stage regression model to predict the vehicles' energy demand by statistical means from these driving characteristics - in particular using multiple linear regression. Achieving a prediction accuracy of more than 85% this simple approach turns out to be robust and precise alike. Starting from this baseline, in the next study (chapter 4), we analyze the postulated feature space more deeply. The extracted meta data is used in several machine learning models and a comprehensive sensitivity analysis regarding their relevance and predictive value is done. Considering features, like Shannon Entropy, that respect the temporal evolution of the velocity, we reach an outstanding prediction accuracy of up to 94% by Gaussian Process Regression. The last study (chapter 5) completes this preliminary framework as it is about predictive classification of vehicles' energy economy. We investigate a data driven approach based on a set of descriptive features to be used in different machine learning algorithms for exact identification and predictive classification. This generic approach targets the highest, strategic planning level for alternatively powered fleets and sustainable public transport. It supports decision makers to design and plan the operation of electric buses in urban environment properly on a solid base with a prediction accuracy of up to 90% and identification of up to 95%.
Segmentación de imágenes basada en color y textura
(2010-11-05) Fondón García, Irene; Acha Piñero, Begoña; Serrano Gotarredona, María del Carmen; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
En esta tesis se presenta un método para la segmentación de imágenes naturales basado en la técnica de crecimiento de regiones, que toma en consideración la información de color y textura adaptándose a la percepción humana. Para ello reinterpreta el tradicional algoritmo de crecimiento de regiones de forma que la condición de pertenencia y de parada estén determinadas por la distancia perceptiva entre colores, siendo ambas adaptativas y automáticamente ajustadas. De ahí surge la idea de crecimiento de regiones multipaso con condición de pertenencia controlada por textura, extendido a K dimensiones, siendo K el número de colores de referencia encontrados en la zona deseada, como se explicará posteriormente a lo largo de la tesis. Las novedades aportadas en el marco de la segmentación de imágenes en color son: Nuevo algoritmo K-means adaptado a la percepción humana. Nuevo algoritmo de segmentación de imágenes en color mediante crecimiento de regiones adaptado a la percepción humana. Inclusión de información de textura en el método de segmentación. Así mismo, el algoritmo ha sido integrado en una interfaz gráfica amigable para facilitar su uso a personas ajenas al mundo del tratamiento de imágenes.
Segmentación de tejidos con contornos difusos en imágenes radiológicas
(2017-06-26) Suárez Mejías, Cristina; Acha Piñero, Begoña; Pérez Carrasco, José Antonio; Serrano Gotarredona, María del Carmen; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
En la presente tesis se han desarrollado dos algoritmos innovadores para la segmentación de tumores retroperitoneales en imágenes radiológicas en 3D, ambos basados en la metodología de relajación convexa. Un algoritmo hace uso de dos etiquetas y el otro implementa una metodología multietiquetas. Los algoritmos permiten a los oncólogos radioterápicos y cirujanos la selección semiautomática de los tumores para planificar los tratamientos radioterápicos y las cirugías, en los casos en los que fuera necesario. Los algoritmos desarrollados sólo requieren como entrada el contorno no preciso del tumor en un corte 2D del TAC. La principal novedad de los algoritmos radica en la introducción de la Distancia Acumulada de Gradiente de Volumen (DAGV) previa a la optimización. En ese sentido, la información del gradiente es introducida en el término regional junto con la información de la intensidad. El término de regularización, que penaliza la longitud del contorno, proporciona sólo una visión a nivel de vóxel y la DAGV a nivel local. La gran importancia de estos algoritmos también reside en que no se ha detectado en la literatura ningún estudio que se centre en la segmentación de este tipo de tumor, el tumor retroperitoneal. Con los dos algoritmos desarrollados se segmentaron 19 casos de TAC de pacientes reales compuestos por 275 cortes en total de tumores retroperitoneales. Los resultados se compararon con la selección manual de los mismos tumores proporcionados por un panel de expertos. Tras la evaluación se seleccionó el algoritmo de multietiquetas con una etapa de post-procesamiento usando un disco de 5 píxeles de radio como elemento estructural, por ser esta implementación la que proporcionó los mejores resultados. A continuación, se comparó el algoritmo con un banco de algoritmos de segmentación basados en metodologías de umbralización, Level-set basado en bordes [1] y Level-set basado en regiones [2] disponibles en la literatura. El algoritmo diseñado también se comparó con varios algoritmos de segmentación disponibles en aplicaciones comerciales para la planificación de radioterapia y de cirugía. En concreto, como planificador de radioterapia se comparó con el planificador Pinnacle [3] y como planificador de cirugía se comparó con VirSSPA [4-6] con los algoritmos de segmentación que tiene implementados basados en umbralización, crecimiento de regiones y crecimiento de regiones con paso adaptativo. Se evaluaron 24 parámetros relativos a la evaluación de la región, de la proximidad al contorno, del volumen y del tiempo computacional, y se compararon los resultados obtenidos con los resultados proporcionados por los diferentes algoritmos de segmentación de la literatura. El algoritmo multietiquetas diseñado obtuvo los mejores resultados en 20 de los 24 parámetros. En concreto, la segmentación proporcionada por el algoritmo multietiquetas desarrollado alcanzó unos resultados del 90% en Sensibilidad, 100% en Especificidad, 84% en PPV, 77% de coeficiente Jaccard, 100% Exactitud, 67% Conformidad, 87% de Sensibilidad ηsbl y de coeficiente Dice, 100% de Recall y 96% de Precisión, entre otros parámetros. Los cuatro parámetros en los que el algoritmo diseñado no obtuvo los mejores resultados fueron en el tiempo computacional y en el cálculo del volumen estimado a través del análisis de Bland-Altman. En estos cuatros parámetros, el algoritmo que proporcionó mejores resultados fue el de umbralización, pero con una leve mejoría respecto al algoritmo diseñado de multietiquetas. El coste computacional del algoritmo de umbralización es menor, porque el procesamiento es más simple. En cambio, aunque según el análisis de Bland-Altman el volumen resultante por el algoritmo de umbralización se asemeja más al volumen real, dichos volúmenes no solapan bien, dado que la Sensibilidad y Sensibilidad ηsbl, son mejores para el algoritmo diseñado. En relación a los algoritmos implementados en las soluciones comerciales de planificadores de radioterapia y cirugía, el algoritmo diseñado también proporcionó los mejores resultados en todos los parámetros analizados. Se evaluó también la variabilidad entre observadores en la delimitación manual de los tumores y se demostró que el algoritmo propuesto puede ayudar en casos difíciles de segmentar y que presentan diferentes lecturas, reduciendo por tanto la variabilidad en la práctica clínica. También se analizó la dependencia del algoritmo diseñado y seleccionado respecto a los parámetros de inicialización. Se demostró que el algoritmo es robusto a la inicialización. En otras palabras, con el algoritmo diseñado, la variabilidad entre usuarios debida a la segmentación manual de los tumores se reduce. Esto implica que, con el algoritmo, se les proporciona a los oncólogos radioterápicos un sistema de delimitación del volumen tumoral que posibilita el aumento de la uniformidad en el diseño de los tratamientos de radioterapia y, por tanto, la reducción en la variabilidad en la práctica clínica.
Separación ciega de fuentes y su aplicación a receptores de comunicaciones digitales: CDMA, OFDM y MC-CDMA
(2005) Boloix Tortosa, Rafael; Murillo Fuentes, Juan José; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
La Tesis está dividida en dos partes. En la primera parte se realiza un estudio de las técnicas de separación ciega de fuentes (BSS), mientras que en la segunda se estudia la aplicación de tales técnicas a los sistemas de comunicaciones digitales, en concreto a CDMA, OFDM, y MC-CDMA.
Sobre el análisis en componentes independientes de imágenes naturales
(2005) Hornillo Mellado, Susana; Martín Clemente, Rubén; Acha Catalina, José Ignacio; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
En esta Tesis se estudian matemática y experimentalmente, los resultados obtenidos al realizar el análisis en componentes independientes (abreviadamente, ICA, del inglés Independent Component Analysis) de imágenes naturales. El trabajo publicado en 1995 por Bell y Sejnowski [BellSej95], estableciendo una conexión entre los resultados obtenidos al aplicar ICA a imágenes naturales y el comportamiento de ciertas neuronas de la corteza visual primaria, suscitó un gran interés y motivó la aparición de numerosos artículos en los que, mediante diversos experimentos, se ofrecían distintos matices de esta conexión (por citar algunos ejemplos, [CaywWT04, HyvHH03, vanHat98a]). En esta Tesis se aporta, por primera vez, una prueba matemática que explica por qué se observa este interesante comportamiento cuando ICA es aplicado a imágenes naturales.
Sobre las propiedades discriminativas del análisisen componentes principales basado en la norma L1
(2021-09-30) Camargo Olivares, José Luis; Martín Clemente, Rubén; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
El análisis de componentes principales (PCA) basado en la norma L1 es una técnica cada vez más popular para el análisis de datos multivariantes. Como idea intuitiva se utiliza que, para las direcciones en las que la nube se extiende por el espacio, las proyecciones de esos puntos han de tener una gran varianza. Este criterio es muy efectivo, pero tiene el inconveniente de que la varianza es un estadístico poco robusto: si los datos están contaminados con valores atípicos (outliers), las estimaciones de la varianza tendrán un gran error. Como solución, se ha propuesto sustituir la varianza por el promedio del valor absoluto de las proyecciones. Esta técnica resultante es lo que se ha denominado PCA basado en la norma L1 o L1-PCA, consiguiendo algoritmos muy robustos. Esta Tesis demuestra que un vínculo entre L1-PCA y la transformada de Fukunaga-Koontz (FKT, del inglés Fukunaga-Koontz transform). En su formulación original, L1-PCA proyecta los datos de manera que maximiza, en promedio, el valor absoluto de las proyecciones. De esta forma, se consiguen resultados similares al PCA tradicional. Ahora bien, manteniendo el valor absoluto como función objetivo, pero cambiando maximizar por minimizar, L1-PCA proporciona un resultado equivalente al que se obtiene mediante FKT. La importancia práctica de este resultado es que la FKT estándar es una técnica supervisada, es decir, para estimar los parámetros de la transformación, requiere un conjunto de datos de entrenamiento pertenecientes a cada una de las clases correctamente etiquetados. Por el contrario, minimizar el valor absoluto puede llevarse a cabo de manera totalmente no supervisada, haciendo innecesarios por ello los datos de entrenamiento. De esta forma, se ofrece una alternativa completamente novedosa para el cálculo de la FKT. Esto abre nuevas líneas de investigación en el área del aprendizaje automático o 'machine learning'.
Theory and applications of bounded component analysis in complex-valued signal processing
(2013) Aguilera Bonet, Pablo; Cruces Álvarez, Sergio Antonio; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
Esta Tesis Doctoral está dedicada al estudio de la teoría y de las aplicaciones del Análisis de Componentes Acotadas (BCA), una técnica de análisis de componentes latentes cuya aplicación es resolver un buen número de problemas que surgen al tratar con señales de variable compleja. Al principio de la Tesis Doctoral, se introducen algunos conceptos importantes relacionados con el cálculo con variable compleja, tales como funciones de coste, derivadas de Wirtinger y gradientes. Gracias a ello, se presentan algunas aplicaciones de cómo se pueden resolver problemas clásicos de tratamiento de señal con variable compleja. Además, hacemos un repaso a los últimos avances en el campo de la estadística aumentada y el modelado widely linear.|

Examinar

Examinando Teoría de la Señal y Comunicaciones por Título