PWG Fontes de Dados Política de privacidade Termos de Uso Quem Somos FAQ
gov
Relação de Projetos de Pesquisa do Instituto
ver Fonte/+info (dt.atualização: 30/07/2019)
titulo |
Para superar essa desvantagem |
inicio_execucao |
a Short Time Fourier Transform (STFT) foi proposta (SEJDIC et al. |
fim_execucao |
2009) |
foco_tecnologico |
a qual mapeia um sinal para uma função bidimensional de tempo e frequência |
area_conhecimento |
em que pequenos intervalos do sinal são analisados de cada vez. Essa técnica possibilita o fornecimento de informações sobre quando e quais frequências ocorrem no sinal. Entretanto |
resumo |
o tamanho da janela usado é fixo para todas as frequências e tal fato faz com que a STFT seja incapaz de localizar precisamente o sinal no tempo |
justificativa |
enquanto simultaneamente mantém a resolução de frequência adequada. Atualmente |
participantes |
na prática clÃnica |
valor_total_executado |
especialistas em voz |
aprovado |
empregam o espectrograma |
unidade_organizacional |
gráfico bidimensional |
gov
Relação de Projetos de Pesquisa do Instituto
ver Fonte/+info (dt.atualização: 30/07/2019)
titulo |
|
inicio_execucao |
|
fim_execucao |
|
foco_tecnologico |
|
area_conhecimento |
|
resumo |
|
justificativa |
|
participantes |
|
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
gov
Relação de Projetos de Pesquisa do Instituto
ver Fonte/+info (dt.atualização: 30/07/2019)
titulo |
A transformada wavelet é um método que permite a análise tempo-frequência dos sinais empregando janelas com regiões de tamanhos variáveis |
inicio_execucao |
ou seja |
fim_execucao |
emprega uma janela de tamanho maior para a extração de informação de baixa frequência e uma janela de tamanho menor para a extração de informação de alta frequência (MALLAT |
foco_tecnologico |
1999). Todavia |
area_conhecimento |
apesar de possibilitar a visualização das componentes de frequência do sinal e da variação que ocorre na sua energia ao longo do tempo |
resumo |
a transformada wavelet é limitada |
justificativa |
devido à dificuldade de ajuste entre a precisão no domÃnio do tempo e boa resolução na frequência. Em se tratando de sinais não estacionários |
participantes |
como os sinais de voz |
valor_total_executado |
com variações instantâneas de frequência |
aprovado |
esse fenômeno provocará um maior ofuscamento no escalograma do sinal |
unidade_organizacional |
dificultando a identificação de caracterÃsticas importantes na análise em frequência (PENG et al. |
gov
Relação de Projetos de Pesquisa do Instituto
ver Fonte/+info (dt.atualização: 30/07/2019)
titulo |
|
inicio_execucao |
|
fim_execucao |
|
foco_tecnologico |
|
area_conhecimento |
|
resumo |
|
justificativa |
|
participantes |
|
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
gov
Relação de Projetos de Pesquisa do Instituto
ver Fonte/+info (dt.atualização: 30/07/2019)
titulo |
A decomposição em modo empÃrico (Empirical Mode Decomposition - EMD) é um método fundamentalmente diferente da STTF e wavelets para a decomposição de sinais não estacionários (HUANG et al. |
inicio_execucao |
1998). Tanto a transformada de Fourier |
fim_execucao |
quanto as wavelets empregam funções base |
foco_tecnologico |
enquanto na EMD |
area_conhecimento |
se usa interpolação para traçar sucessivamente Funções de Modo IntrÃnseco (Intrinsic Mode Functions - IMFs). As IMFs capturam a repetição do comportamento do sinal em uma determinada escala de tempo. Quando a transformação de Hilbert é aplicada à s IMFs a frequência instantânea e amplitude do sinal podem ser determinadas. Este processo é chamado de transformada de Hilbert-Huang (HHT). A maior vantagem |
resumo |
é que é um método totalmente adaptável e orientado por dados |
justificativa |
sem a necessidade de selecionar uma função base a priori |
participantes |
para a decomposição do sinal. |
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
|
PWG РPowering Growth ̩ um projeto para facilitar o |
Sobre nós |
Privacidade |