Defesa de Dissertação N°99 - Maria Renata Nascimento dos Santos
Aluna: Maria Renata Nascimento dos Santos
Título: “Análise Da Construção De Otto Chips Por Ressonância De Plásmon De Superfície.”
Orientador: Prof. Dr. Gustavo Oliveira Cavalcanti
Data-hora: 07/03/2019 (14:00h)
Local: Escola Politécnica de Pernambuco - Sala I-4
Resumo: “O presente trabalho apresenta um sensor baseado na configuração Otto observando o fenômeno da Ressonância de Plásmon de Superfície (RPS) onde ondas eletromagnéticas se propagam em uma das suas interfaces. Composto por silício, ouro, quartzo e com um canal dielétrico, o Otto Chip, como é chamado, possui dimensões 3 x 3 cm. Os experimentos de varredura de superfície do chip foram realizados com o reflectômetro automatizado, que mede a intensidade da onda em função da variação do ângulo de incidência com comprimento de onda, λ = 975,1 nm, de 121 pontos do chip chamado de células que são espaçadas de 2 mm, numa área de 2 x 2 cm. Os dados das medições são analisados no Software Mathcad no qual é possível extrair os parâmetros de espessura e permissividades dos materiais envolvidos. Devido a algumas diferenças dos experimentos às curvas teóricas, foram feitas análises do prisma utilizando o reflectômetro e pode observar uma diferença de offset angular e intensidade que foram corrigidas nos experimentos anteriores através do Software Mathematica, aproximando das curvas da literatura.”
Defesa de Dissertação N°98 - Gaspar Henrique Alves Mota
Aluno: Gaspar Henrique Alves Mota
Título: “Melhoramento de Algoritmos de Inteligência Computacional Aplicados à Quantização Vetorial Otimizada para Canal.”
Orientador: Prof. Dr. Francisco Madeiro Bernadino Junior
Data-hora: 25/02/2019 (8:30h)
Local: Escola Politécnica de Pernambuco - Sala I-4
Resumo: “Quantização Vetorial (QV) é uma técnica de compressão de sinais que permite altas taxas de compressão, porém, ao ser aplicada no cenário de canais ruidosos, ela não apresenta um bom desempenho no que diz respeito à qualidade da reconstrução do sinal. A Quantização Vetorial Otimizada para Canal (COVQ, Channel-Optimized Vector Quantization) constitui-se em alternativa para aumentar a robustez de QV aos erros de canal. Algoritmos bioinspirados vem sendo utilizados no projeto de dicionários para COVQ objetivando melhorar a qualidade das imagens reconstruídas quando comparadas com o método de projeto convencional. Neste trabalho é apresentado um novo algoritmo híbrido, denominado RFO-COVQ, que combina o algoritmo de otimização (Rain-fall Optimization) com o algoritmo LBG (Linde-Buzo-Gray) para o projeto de dicionário para Quantização Vetorial Otimizada para Canal. O algoritmo RFO-COVQ é comparado com duas técnicas híbridas de projeto de dicionário: o PSO-COVQ, Particle Swarm Optimization combinado ao LBG, e o FA-COVQ, Firefly Algorithm combinado ao LBG. É também comparado com o método convencional de projeto de dicionários para COVQ. Visando o melhoramento dos algoritmos de inteligência computacional aplicados à quantização vetorial otimizada para canal, é utilizada uma abordagem que consiste em projetar dicionários sob condições mais severas, quanto à probabilidade de erro de bit (BEP, Bit Error Probability), que as do próprio canal de transmissão das imagens. Precisamente, o projeto dos dicionários para um canal BSC (Binary Symmetric Channel , usa-se uma probabilidade de erro de bit f × BEP, em que f > 1 é um fator multiplicativo da BEP do canal. Simulações computacionais permitiram constatar que cada técnica híbrida considerada neste trabalho possui um fator multiplicativo que possibilita maior robustez a erros de canal. Além disso, os resultados evidenciam a superioridade do novo método híbrido proposto, o RFO-COVQ, em termos da qualidade das imagens reconstruídas, quando comparado ao convencional LBG-COVQ.”
O Programa
