Agenda de defesas de Dissertação e Tese do PPGETI
Próximas defesas
Defesa de Tese de Doutorado – Antonio Regilane Lima Paiva
Título: Propagation Parameter Tracking Strategies Based on Kalman Filters for B5G Networks
Data: 21/11/2025
Horário: 09:00
Local: Google Meet – meet.google.com/zpr-hzha-ijy
Banca Examinadora:
Walter da Cruz Freitas Junior (UFC, Orientador)
Charles Casimiro Cavalcante (UFC)
Yuri Carvalho Barbosa Silva (UFC)
Ricardo Suyama (UFABC)
Ugo Silva Dias (UnB)
Resumo:
O conhecimento da channel state information (CSI) em redes móveis beyond fifth generation (B5G) é fundamental para o gerenciamento e a otimização espectral, o controle de latência, a confiabilidade do sistema, a mitigação da interferência, o aprimoramento da segurança e a integração e suporte a tecnologias, dispositivos e aplicações emergentes, como comunicação vehicle-to-infrastructure (V2I), comunicação uncrewed aerial vehicle (UAV), soluções em machine learning (ML), massive machine-type communications (mMTC), ultra-reliable and low-latency communications (URLLC), enhanced mobile broadband (eMBB), entre outras. O desvanecimento rápido do canal em sistemas de comunicação sem fio constitui o principal fator de imprecisão da CSI. O desafio de mitigação decorrente desse efeito envolve a transmissão coerente de dados, a spectral efficiency (SE), a padronização da estrutura do frame 3GPP, os esquemas de treinamento e sinalização do canal, os atrasos de propagação e processamento, bem como as exigências de capacidade das novas aplicações. Esse fenômeno tende a ser ainda menos compreensível diante da pluralidade de condições de propagação resultantes da ultradensificação, distribuição e heterogeneidade das redes móveis emergentes.
Nesse contexto, um framework capaz de lidar com a estimação do canal em condições de desvanecimento rápido torna-se um componente crítico para mitigar os efeitos do deslocamento Doppler em altas frequências de portadora sobre a coerência do sinal, o desalinhamento de feixes e a perda de ganho de beamforming, o envelhecimento do canal e a interferência co-canal, além de atrasos de processamento, latência, overhead e perda de taxa de transmissão efetiva. Motivada por essas circunstâncias, esta tese propõe um framework de processamento estatístico de sinais para estimar e rastrear os parâmetros de propagação da resposta do canal em ambientes de desvanecimento rápido, considerando modelos de distribuição de dispersores de radio frequency (RF) conhecidos a priori.
Com foco na redução de overhead e do custo computacional, bem como na garantia de robustez frente a fontes de incerteza, como ruído de recepção, interferência e erros heurísticos, o framework foi integrado a modelos paramétricos de canal e funções de correlação espaço-temporal de modelo geométrico estocástico (GBSM), visando reduzir o número de medições necessárias. Além disso, incorpora filtros de Kalman não lineares para ajuste do erro de estimação da CSI direcional ao longo do tempo, processos autorregressivos para capturar a assinatura temporal do canal, padrões de feixes pilotos não hierárquicos para elevar o ganho de beamforming e aumentar a signal-to-noise ratio (SNR) efetiva durante o treinamento, e técnicas de ML supervisionado para reduzir o overhead. A solução é avaliada em sistemas de banda estreita para ondas milimétricas, comunicação V2I, comunicação UAV, redes multiple-input multiple-output (MIMO) distribuídas, beamtraining e ambientes densos, por meio de simulações numéricas. Os resultados mostram que a proposta é capaz de aprimorar a SE e garantir a comunicação mesmo em cenários extremos de desvanecimento muito rápido e bloqueio da visada direta.
Palavras-chave: desvanecimento rápido; filtro de Kalman; onda milimétrica; modelo estocástico baseado em geometria; processo autoregressivo; aprendizado de máquina.
Defesa de Tese de Doutorado – Lucas de Paula Damasceno
Título: From Blind Source Separation to Misinformation Detection: Independent Vector Analysis With Flexible Statistical Modeling for Multimodal Data Fusion
Data: 24/11/2025
Horário: 14:00
Local: Google Meet – meet.google.com/pgd-ipvu-zgm
Banca Examinadora:
Charles Casimiro Cavalcante (UFC, Orientador)
Guilherme de Alencar Barreto (UFC)
Michela Mulas (UFC)
Anderson de Rezende Rocha (UNICAMP)
Leonardo Tomazeli Duarte (UNICAMP)
Zois Boukouvalas (American University)
Resumo:
The widespread dissemination of digital information through various communication channels has significantly altered the way societies generate, consume, and interpret knowledge. However, this shift has also accentuated the spread of misinformation. The intricate nature of this phenomenon lies in its inherently multimodal aspect, in which altered images, misleading texts, and synthetic media intertwine, forming false narratives that defy both human and machine comprehension. This thesis investigates the urgent issue of automated identification of multimodal misinformation based on a theoretical framework grounded in Independent Vector Analysis (IVA) and statistical signal analysis.
First, we review the theoretical foundation of IVA, understood as an extension of Independent Component Analysis (ICA), which expands its ability to model, in an integrated manner, multiple data sets by investigating the interdependencies between modalities. Based on this foundation, we propose a multivariate density estimation methodology based on the Maximum Entropy Principle (MEP), which combines global and local constraints through the Multivariate Entropy Maximization with Kernels (M-EMK) estimator. This estimator offers adaptive and expressive probability density functions, ensuring computational efficiency through Quasi-Monte Carlo integration, resulting in the development of the IVA-M-EMK algorithm. The proposed algorithm significantly improves performance in blind source separation by accurately identifying complex latent structures that are non-Gaussian and present multiple modalities.
Besides source differentiation, this thesis applies the proposed approach to identifying multimodal misinformation, in which various data types, including text, images, and semantic embeddings, are analyzed together to highlight underlying consistencies and contradictions. Recognizing that misleading signals often exhibit sparse and organized characteristics, IVA-SPICE is employed, which integrates structured sparsity through inverse covariance estimation, enabling the efficient processing of high-dimensional multimodal spaces. This methodical approach enables the model to recognize the most significant intermodal relationships while maintaining interpretability and robustness.
Experimental investigations reveal that the proposed framework, based on IVA, outperforms traditional unimodal and simplified fusion methodologies across multiple datasets, achieving greater accuracy, generalizability, and explainability. The results highlight the relevance of flexible density estimation and structured sparsity in modeling real-world multimodal data, given the constraints imposed by stringent assumptions and unclear fusion techniques.
In summary, this thesis establishes Independent Vector Analysis, combined with adaptive density modeling and structured sparsity, as a solid, scalable, and interpretable foundation for multimodal data integration. The research effectively establishes a link between statistical signal processing and reliable artificial intelligence, providing theoretical innovations and practical directions for improving adaptive and transparent systems for detecting disinformation.
Palavras-chave: Independent vector analysis; blind source separation; multimodal data fusion; misinformation detection; statistical modeling.
Últimas defesas realizadas
Defesa de Tese de Doutorado – Raphael Gomes Pinheiro
Título: Entropia Diferencial Multiescala e Agregação de Descritores na Classificação de Folhas de Plantas
Data: 30/09/2025
Horário: 09:00
Local: Google Meet – https://meet.google.com/wsx-zvqa-vsh
Banca Examinadora:
Fátima Nelsizeuma Sombra de Medeiros (UFC, Orientadora)
Kleber Zuza Nobrega (UFC)
Flávio Henrique Duarte de Araujo (UFPI)
Francisco Alixandre Ávila Rodrigues (UFCA)
Letícia Rittner (UNICAMP)
Resumo:
A análise e o reconhecimento de formas são fundamentais no projeto de sistemas baseados em visão computacional. O grande desafio consiste em desenvolver métodos robustos capazes de extrair características significativas dessas formas para representá-las. Nesse contexto, os descritores multiescala são uma alternativa na caracterização de formas, utilizando-se de uma ferramenta versátil e eficiente. Este trabalho apresenta uma metodologia para classificação de folhas de plantas com base em atributos construídos manualmente a partir da entropia da curvatura multiescala e da textura, além de deep features extraídos por redes neurais convolucionais (CNNs). Propomos três descritores de forma baseados na entropia da curvatura multiescala. Esses descritores utilizam a entropia diferencial das distribuições de probabilidade das curvaturas em múltiplas escalas para criar uma representação do contorno da forma, do nível mais geral ao mais detalhado. Apresentamos, assim, um descritor que combina a entropia da curvatura multiescala, a energia de dobramento (bending energy) e atributos de textura, com o objetivo de aprimorar a extração de assinaturas de forma e capturar detalhes sutis da textura das imagens das folhas. O descritor de textura utilizado integra estatísticas do padrão binário local (LBP) e da matriz de coocorrência de níveis de cinza (GLCM). Comparamos nossos descritores manuais com deep features extraídos de diferentes CNNs em uma tarefa de classificação multiclasse, utilizando o classificador Random Forest no lugar da camada totalmente conectada das CNNs. Os experimentos foram realizados em quatro bases públicas de folhas: Plantscan, MED117, Flavia e Swedish. Os resultados obtidos nas métricas F1-score e acurácia, que ultrapassam 99,50%, validam a estratégia de agregação e demonstram que ela é robusta e competitiva. Os resultados também confirmam que a abordagem proposta superou quatro conjuntos distintos de atributos profundos, considerando tanto o F1-score quanto a acurácia. A análise qualitativa por meio da visualização multidimensional dos dados comprova que a combinação de diferentes características de forma e detalhes de textura aprimorou a descrição das imagens das folhas, proporcionando maior compacidade intraclasse e melhor separação entre classes nos conjuntos de dados analisados.
Palavras-chave: Entropia da curvatura multiescala; descrição de formas; deep features; forma de folhas; textura.
Defesa de Tese de Doutorado – Elene Firmeza Ohata
Título: Structural and Contextual Multi-Scale Active Contour (SEMS-AC): Um Método de Segmentação de Imagens Biomédicas Baseado em Informações Contextuais e Estruturais
Data: 30/09/2025
Horário: 09:00
Local: Google Meet – meet.google.com/ccn-cozy-jza
Banca Examinadora:
Pedro Pedrosa Rebouças Filho (UFC, Orientador)
Atslands Rego da Rocha (UFC)
Fabricio Gonzalez Nogueira (UFC)
Frederico Gadelha Guimarães (UFMG)
Suane Pires Pinheiro da Silva (IFCE)
Resumo:
Esta tese apresenta o Structural and Contextual Multi-Scale Active Contour (SEMS-AC), um método inovador de segmentação de imagens biomédicas que integra extração multiescalar de características, análise contextual e representações estruturais em um modelo de contornos ativos. A proposta busca aprimorar a acurácia, a robustez e a interpretabilidade da segmentação em cenários de alta relevância clínica. O SEMS-AC combina características hierárquicas multiescalares com mapas de ativação contextuais e representações esqueléticas estruturais para conduzir a evolução adaptativa dos contornos. O método foi avaliado em duas aplicações críticas: (i) segmentação de lesões hemorrágicas em exames de tomografia computadorizada (TC) de crânio, e (ii) segmentação do parênquima pulmonar em imagens de TC de tórax, incluindo casos com comorbidades. Os resultados experimentais demonstraram desempenho superior em relação a modelos clássicos de contornos ativos e a métodos de ponta baseados em aprendizado profundo, alcançando melhorias em métricas quantitativas (ex.: Dice, Jaccard, distância de Hausdorff) e em análises qualitativas. Ao aliar precisão e explicabilidade, o SEMS-AC contribui para o desenvolvimento de sistemas de apoio ao diagnóstico mais confiáveis e transparentes, apoiando a tomada de decisão clínica em neurologia e pneumologia.
Palavras-chave: Segmentação de imagens biomédicas; modelos de contornos ativos; deep learning; acidente vascular cerebral; doenças pulmonares; inteligência artificial explicável.
Defesa de Dissertação de Mestrado – Patrícia Tavares Leitão
Título: Comparação de Técnicas de Classificação Unária para Detecção de Crises Epilépticas em Eletroencefalogramas
Data: 19/09/2025
Horário: 13:30
Local: Laboratório SPIRAL – Bloco 732 – Campus do Pici
Banca Examinadora:
Guilherme de Alencar Barreto (UFC, Orientador)
Julio Cesar Santos dos Anjos (UFC)
João Paulo do Vale Madeiro (UFC)
Rewbenio Araujo Frota (PETROBRAS)
Resumo:
O eletroencefalograma (EEG) é um exame amplamente utilizado no apoio ao diagnóstico de distúrbios neurológicos. Entre suas aplicações, destaca-se o EEG de escalpo, um método não invasivo bastante empregado na detecção da epilepsia, realizado por meio da fixação de eletrodos na superfície do couro cabeludo. Na área do aprendizado de máquina, a identificação de crises epilépticas é uma tarefa recorrente e, para a detecção de anomalias, geralmente são adotadas duas abordagens: a classificação binária e a classificação unária. Neste contexto, o presente trabalho explora a aplicação da classificação unária (one-class classification) em sinais de EEG. Foram analisados sete métodos: distância euclidiana mínima ao centróide, distância euclidiana mínima ao centróide kernel, distância Mahalanobis mínima ao centróide, PCA, kernel PCA, one-class SVM e isolation forest. Para isso, utilizou-se o conjunto de dados público de benchmark (CHB-MIT Scalp EEG), considerando diferentes hipóteses de extração de segmentos com ocorrência de crises (EEG ictal) e sem ocorrência de crises (EEG não-ictal), para a geração dos conjuntos de treino e teste. A extração de atributos foi realizada por meio do vetor de covariâncias, um método rápido e eficiente para a tarefa em questão. Além disso, realizou-se uma análise comparativa com um trabalho da literatura que utilizou a classificação binária. A partir da análise e discussão dos resultados, observou-se que alguns classificadores unários baseados em kernel apresentaram um desempenho satisfatório quando comparados aos classificadores binários.
Palavras-chave: Crises Epilépticas; Eletroencefalograma; Detecção de Anomalias; Classificação Unária; Aprendizado de Máquinas.
Defesa de Tese de Doutorado – Francisco Jackson Lopes de Almeida
Título: Aplicações da Disentropia da Autocorrelação e da Função Wq de Lambert-Tsallis em Astronomia
Data: 26/09/2025
Horário: 14:00
Local: Sala de Seminários do LESC
Banca Examinadora:
Rubens Viana Ramos (UFC, Orientador)
Guilherme de Alencar Barreto (UFC)
João Batista Rosa Silva (UFC)
Celso Jorge Villas Boas (UFSCar)
Joacir Soares de Andrade (IFCE)
Resumo:
A presente tese trata de algumas aplicações da disentropia da autocorrelação e da função Wq de Lambert-Tsallis em astronomia. Inicialmente, a disentropia da autocorrelação, que é uma medida de aleatoriedade, é usada em três problemas: I) Cálculo da aleatoriedade de mapas da radiação cósmica de fundo (CMB). II) No apagamento de estrelas de fundo em imagens astronômicas. III) No cálculo da aleatoriedade do sinal real de um pulsar utilizado como gerador de números aleatórios. No primeiro problema é mostrado que a aleatoriedade nos mapas da CMB é alta e atinge seu valor máximo quando os sinais provenientes da via Láctea são apagados do mapa. No segundo problema, o algoritmo proposto apaga regiões da imagem astronômica que possuam alta aleatoriedade, deixando em destaque na imagem as grandes estruturas. Por fim, no terceiro problema é mostrado que a aleatoriedade do sinal proveniente do pulsar PSR J0437-4715 cresce quando o intervalo entre os pulsos considerados aumenta. O valor máximo da aleatoriedade é alcançado quando os pulsos são coletados de 6 em 6. Na segunda parte da tese a função Wq de Lambert-Tsallis é utilizada em dois problemas: I) Na análise da frequência de rotação do pulsar a partir da frequência da onda gravitacional emitida por esse mesmo pulsar. II) Na aproximação da solução da equação de Kepler. No primeiro caso, o ponto de ramificação da função Wq é utilizado na obtenção de uma relação entre os coeficientes da equação da frequência de rotação, a frequência da onda gravitacional emitida e a frequência Kepleriana de ruptura. No segundo caso, é apresentado um algoritmo numérico usando Wq que calcula a solução da equação de Kepler da mecânica celeste com erro menor que 10⁻⁴ quando a excentricidade da elipse da órbita for menor ou igual a 0,3.
Palavras-chave: Disentropia; função Wq de Lambert-Tsallis; pulsar; aleatoriedade.
Defesa de Dissertação de Mestrado – Pedro Victor Martins Castro
Título: From monostatic to bistatic ISAC: A study on angular estimation, transmit precoding and probabilistic constellation shaping
Data: 30/07/2025
Horário: 14:00
Local: Sala de Seminários do GTEL, Bloco 722
Banca Examinadora:
Francisco Rodrigo Porto Cavalcanti (UFC, Orientador)
Walter da Cruz Freitas Junior (UFC)
Vicente Angelo de Sousa Junior (UFRN)
Resumo:
This work explores different facets of Integrated Sensing and Communication (ISAC) through a progressive study of monostatic and bistatic configurations. Initially, we propose a low-complexity angular estimation algorithm for disconnected targets in monostatic multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) systems, comparing its performance against the classical multiple signal classification (MUSIC) algorithm. The proposed method demonstrates a favorable trade-off between accuracy and computational complexity, making it suitable for 5G-like ISAC scenarios with limited sensing resources. Building upon this, we investigate a bistatic ISAC system involving multiple user equipments and a sensing target. We formulate and solve an optimization problem to design a transmission precoder that balances localization accuracy and communication quality of service. Performance is assessed using metrics such as the normalized root Cramér-Rao lower bound (CRLB), signal-to-interference-to-noise ratio (SINR), and detection probability. Finally, we explore a symbol-level bistatic ISAC system that integrates communication and sensing via a shared waveform. By leveraging probabilistic constellation shaping (PCS) and optimizing the transmitter filter, we improve the trade-off between detection and communication performance. Results indicate that PCS outperforms conventional multibeam techniques in enhancing sensing capabilities while maintaining communication reliability, even under channel correlation conditions.
Palavras-chave: integrated sensing and communications; mobile communications; wireless communication systems; wireless sensing; 6G.
