Classificação automática do sono: Contribuição utilizando distância de Itakura-Saito e Wavelets

Dissertação apresentada na Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa para obtenção do grau de Mestre em Engenharia Electrotécnica e de Computadores

ECG wave detector and delineation with wavelets

Proceedings of the International Conference on Computational Intelligence in Medicine Healthcare, CIMED 2005, Costa da Caparica, June 29 - July 1, 2005

Análise espectral com wavelets do ECoG em crises epilépticas

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Previsão de consumo de energia de curto-prazo (dia seguinte) com recurso a wavelets

A actividade de produção de energia eléctrica, bem como o seu transporte e distri-buição até aos consumidores finais iniciou-se no final do século XIX e, desde essa altura, o sector tem conhecido muitas transformações aos mais variados níveis. Mais recentemente, nas últimas décadas, o sector eléctrico tem enfrentado muitos desafios que têm contribuí-do bastante para o seu desenvolvimento e inovação. A previsão de consumos de energia eléctrica é tradicionalmente importante para o equilíbrio entre a oferta e a procura, bem como para uma rigorosa gestão e planeamento das redes eléctricas de transporte e distribuição. A sua importância é ainda reforçada, ac-tualmente, com a liberalização dos mercados energéticos, na medida que os comercializa-dores pretendem dispor de ferramentas que lhes permita estimar com precisão a curva de procura agregada de consumidores com quem contratualizam. Os sistemas de previsão de carga podem ser classificados de acordo com o horizonte temporal, sendo regularmente divididos em três categorias: previsão a longo prazo; pre-visão a médio prazo; previsão a curto prazo. Neste trabalho de dissertação, pretende-se desenvolver um sistema de previsão de consumo de energia para o dia seguinte (hora a hora) com o recurso a Wavelets, capaz de apresentar o consumo associado a cada período horário ao longo do dia. Para tal, foram desenvolvidos dois métodos que diferem entre si na forma como o conceito de Wavelets é aplicado na decomposição dos dados.

Automatic sleep apnea detection and sleep classification using the ECG and the SpO2 signals

Dissertation for a Masters Degree in Computer and Electronic Engineering

Microestrutura do EEG no plano tempo-frequência na transição para a crise epiléptica

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Advanced instrumentation for superheated liquid detectors in dark matter searches

Dissertação para obtenção do Grau de Doutor em Engenharia Física

Identificação da actividade do sistema nervoso simpático e parassimpático em dados de pupilometria, utilizando a Singular Spectrum Analysis

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Human activity recognition with accelerometry: novel time and frequency features

Human Activity Recognition systems require objective and reliable methods that can be used in the daily routine and must offer consistent results according with the performed activities. These systems are under development and offer objective and personalized support for several applications such as the healthcare area. This thesis aims to create a framework for human activities recognition based on accelerometry signals. Some new features and techniques inspired in the audio recognition methodology are introduced in this work, namely Log Scale Power Bandwidth and the Markov Models application. The Forward Feature Selection was adopted as the feature selection algorithm in order to improve the clustering performances and limit the computational demands. This method selects the most suitable set of features for activities recognition in accelerometry from a 423th dimensional feature vector. Several Machine Learning algorithms were applied to the used accelerometry databases – FCHA and PAMAP databases - and these showed promising results in activities recognition. The developed algorithm set constitutes a mighty contribution for the development of reliable evaluation methods of movement disorders for diagnosis and treatment applications.