Estratégia de dupla filtragem utilizando o filtro de Savitzky-Golay em dados espectrais de supernovas

  • Luis Ricardo Arantes Filho Instituto Nacional de Pesquisas Espaciais
  • Lamartine Nogueira Frutuoso Guimarães Instituto de Estudos Avançados
  • Francisca Joamila Brito do Nascimento Instituto Nacional de Pesquisas Espaciais
  • Reinaldo Roberto Rosa Instituto Nacional de Pesquisas Espaciais
Palavras-chave: dados espectrais, dupla filtragem, filtro de Savitzky-Golay, redução de ruído

Resumo

O desenvolvimento de aplicações que lidam com processamento de sinais deve considerar a qualidade dos dados. Técnicas de aprendizado de máquina e técnicas estatísticas requerem ajustes e normalizações no conjunto de dados antes da análise de um dado fenômeno. Quando um conjunto de dados não é tratado para reduzir inconsistências e ruídos fornecidos por instrumentos ou por condições naturais, a análise acrescenta uma tendência, ou seja, os resultados não podem ser reproduzidos porque o conjunto de dados recebe inconsistências condicionadas pelo ruído. Neste sentido, o trabalho a seguir apresenta um sistema para processamento de sinais e ajuste de dados, utilizando como estudo de caso a aplicação em dados espectrais de supernovas, para configurar uma normalização automática e uniforme em grandes conjuntos de dados. Este trabalho propõe uma estratégia de dupla filtragem utilizando o filtro Savitzky-Golay para otimização da redução de ruído. Este sistema produz um sinal filtrado capaz de garantir a otimização em alguns parâmetros, como o deslocamento mínimo do comprimento de onda comparado ao sinal original, a manutenção da forma do sinal original, a atenuação do ruído no sinal e a qualidade na busca por mínimos e máximos locais. A comparação com outras estratégias da literatura salienta a eficiência do sistema e sua aplicabilidade para diversos tipos de sinais e espectros.

Downloads

Não há dados estatísticos.

Biografia do Autor

Luis Ricardo Arantes Filho, Instituto Nacional de Pesquisas Espaciais
Doutorando em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais, na área de aplicações em Redes Neurais Profundas (Deep Learning) para a análise e classificação de espectros e séries temporais. Mestre em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (INPE), atuando na área de Inteligência Artificial no contexto de Reconhecimento de Padrões e Classificação por Redes Neurais, Sistemas Fuzzy e Deep Learning. Atuando no desenvolvimento de técnicas em Aprendizado de Máquina e Processamento de Sinais, para aplicações de análise e classificação de dados astronômicos, em específico, análise espectral de estrelas Supernovas de tipo Ia. Engenheiro da Computação pela Universidade de Taubaté (UNITAU), atuando principalmente nos seguintes temas: Desempenho computacional; Desenvolvimento de Aplicações para Android; Desenvolvimento de soluções em Redes de Computador; Análise e Soluções em Métodos de Otimização Computacional; Desenvolvimento de aplicações para jogos multiplayer e para dispositivos móveis.
Lamartine Nogueira Frutuoso Guimarães, Instituto de Estudos Avançados
Lamartine Nogueira Frutuoso Guimarães concluiu o doutorado em Nuclear Engineering na The University Of Tennessee em 1992. Atualmente é Pesquisador Titular do Instituto de Estudos Avançados onde atua como chefe da Divisão de Energia Nuclear. É professor Títular do curso de pós-graduação de Computação Aplicada do Instituto Nacional de Pesquisas Espaciais na área de Inteligência Artificial aplicada. É professor do curso de pós-graduação de Ciências e Tecnologias Espaciais do Instituto Tecnológico de Aeronáutica na área de Propulsão Espacial e Hipersonica, tendo como linha de pesquisa Propulsão Nuclear. É, também, professor titular da Faculdade de Tecnologia São Francisco no curso de Engenharia de Controle e Automação. Foi durante dois anos professor da Faculdade IBTA na disciplina de Tomada de Decisão, e durante 13 anos foi professor da Universidade Braz Cubas nas disciplinas de física básica, cálculo numérico, fenômenos de transporte, cálculo avançado, algebra linear, geometria analítica e inteligência artificial. Recebeu 2 prêmios e/ou homenagens. Recebeu a Medalha Mérito Santos Dumont, em 2009. Entre 1994 e 2008 coordenou 6 projetos de pesquisa. Atualmente coordena 4 projetos científicos. Atua na área de Engenharia Nuclear, com ênfase em Simulacao Dinâmica de Sistemas e Processos. Em seu currículo Lattes os termos mais freqüentes na contextualização da produção científica, tecnológica e artístico-cultural são: tecnologia nuclear aplicada ao espaço, numerical simulation, liquid metal cooled reactor, tecnologia de microrreatores nucleares, reator rápido, tecnologia nuclear aplicada e IA em aplicações aeroespaciais e nucleares (lógica nebulosa, algoritmos genéticos e redes neurais). Desde de 2008, é o idelaizador e gerente do projeto TERRA - TEcnologia de Reatores Rápidos Avançados, o qual visa pesquisar as tecnologias-chave de microrreatores rápidos avançados de alta temperatura previstos para serem utilizados em propulsão nuclear espacial. Seu interesse principal atual está na aplicação da tecnologia nuclear na exploração do espaço, tais como: propulsão nuclear espacial, reatores nucleares como fonte de energia para instalações, satélites e veículos espaciais e Geradores Termoelétricos a Radioiótopos.
Francisca Joamila Brito do Nascimento, Instituto Nacional de Pesquisas Espaciais
Mestranda em Computação Aplicada no INPE, na área de Inteligência Artificial. Graduada em Engenharia de Computação com experiência em Sistemas Embarcados, tendo sido bolsista de laboratório acadêmico especializado na área, no período 2012-2013. Ainda com ênfase em Sistemas Embarcados, cursou graduação sanduíche na École Nationale Supérieure dInformatique et de Mathématiques Appliquées de Grenoble, na França, no período 2013-2014. Nos dois últimos anos da graduação, exerceu pesquisa em laboratório acadêmico com foco em TV Digital.
Reinaldo Roberto Rosa, Instituto Nacional de Pesquisas Espaciais
Técnico em Eletrônica e Telecomunicações (ITJ-1982). Graduado em Física e Astronomia pela Universidade Federal do Rio de Janeiro (1988), mestrado (1991) e doutorado (1995) em Astrofísica e Ciência Espacial pelo INPE com pesquisa realizada na Universidade de Maryland, EUA (bolsa SW-CNPq) de Nov de 1993 a Nov de 1995. Realizou pós-doutorado em Física Espacial Computacional na Universidade de Nagoya (1997) sob patrocínio da FAPESP. Criou o Núcleo para Simulação e Análise de Sistemas Complexos no Laboratório Associado de Computação e Matemática Aplicada (LAC) do INPE como bolsista jovem pesquisador em centro emergente da FAPESP (1998-2002). É Pesquisador Titular do LAC-INPE-MCTIC, concursado em 2002, regime 40 horas, onde atua como docente do Curso de Pós-Graduação em Computação Aplicada (CAP). Foi Coordenador de PG da CAP (2003-2004/2012-2013). Ex-secretário geral da SBMAC (2003-2005). É Membro do Conselho da Associação Pan-Americana de Ciências Computacionais Interdisciplinares e atuou como Vice-Chefe do LAC-INPE (2012-2013). Chair do COSPAR (2012/2014/2016).Tem experiência na área de Ciências Espaciais, com ênfase em Computação Aplicada à Astrofísica e Cosmologia, atuando principalmente nos seguintes temas: física estatística de processos não-lineares, física computacional para simulação e análise de sinais, Big Data e Inteligência Artificial. Nos últimos oito anos tem se dedicado à física espacial computacional, com foco em Ciência de Dados e HPC. Atua em pesquisa com perfil predominantemente interdisciplinar tendo publicado cerca de 90 artigos em periódicos internacionais e 01 livro. Colabora em Projetos com parcerias institucionais no Brasil e no exterior, com destaque para computação aplicada (aprendizagem de máquina e neurocomputação com pyCUDA e R) à física espacial e à física ambiental. Ë Pesquisador Principal (PI) do Projeto Temático FAPESP (Processo No 14/11156-4).
Publicado
2019-06-26
Como Citar
[1]
Arantes Filho, L., Guimarães, L., do Nascimento, F. e Rosa, R. 2019. Estratégia de dupla filtragem utilizando o filtro de Savitzky-Golay em dados espectrais de supernovas. Revista Brasileira de Computação Aplicada. 11, 2 (jun. 2019), 86-99. DOI:https://doi.org/10.5335/rbca.v11i2.9179.
Seção
Artigo Original
Share |