Filtragem inversa não-linear para estimação de sinais em calorímetros operando a alta taxa de eventos

• Ano de defesa: 2021
• Autor(a) principal: Rimes, Sarita de Miranda
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Instituto Politécnico; Brasil; UERJ; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Maximum likelihood estimators; High-energy calorimetry; Calorimetria; Ruído lognormal; Estimadores de máxima verossimilhança; Calorimetria de altas energias; Parameter estimation; Lognormal noise; Processamento de sinais; Métodos de simulação; Estimativa de parâmetros; Ruído; CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA::ANALISE NUMERICA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/16415

Diversas áreas, atualmente, trabalham com problemas onde a estimação de parâmetros se coloca de forma crucial. Muitas vezes, a solução de tais problemas é dificultada pela presença de ruído nos dados observados. Para os casos onde esse ruído é Gaussiano, diversas técnicas lineares são bastante difundidas, porém, quando características Gaussianas são perdidas, a correta descrição do ruído se torna necessária. Em experimentos de física de altas energias, os sistemas de calorimetria são responsáveis por absorver e amostrar a energia de partículas provenientes das colisões. No LHC, com o crescente aumento da luminosidade, o fenômeno de empilhamento de sinais pode ser observado nos canais de leitura dos calorímetros do experimento ATLAS. Tal efeito acrescenta ao ruído, inicialmente apenas eletrônico e Gaussiano, uma componente não-linear que degrada a eficiência de métodos tipicamente empregados. Dessa forma, nesta dissertação, é apresentado um método não-linear baseado em um estimador de máxima verossimilhança utilizando uma distribuição Lognormal para modelar o ruído. Este método, chamado de MLE Lognormal, é comparado a outros três, lineares: OF2, atualmente utilizado no calorímetro de telhas (TileCal) do ATLAS, COF e MLE Gaussiano, o mesmo estimador, porém assumindo uma distribuição Gaussiana para o ruído. Além disso, uma análise sobre a dependência estatística das variáveis aleatórias do sinal é apresentada, utilizando-se a informação mútua presente nestas e a técnica da ICA para pré-processamento. Várias condições de ocupação e luminosidade foram consideradas nas análises e foi possível observar que a distribuição Lognormal apresenta um ajuste melhor aos dados de ruído quando comparada à distribuição Gaussiana. As análises de eficiência dos métodos condizem com tais observações. Foram observadas melhoras de 3,14%, 28,17% e 3,23% para o MLE Gaussiano, OF2 e COF, nos dados simulados, e 5,39%, 26,59% e 8,34%, nos dados reais, respectivamente. Também foi possível notar alta correlação entre as amostras do ruído, percebendo-se uma expressiva diminuição da dependência estatística entre as variáveis aleatórias após a aplicação da ICA, com redução, neste parâmetro, de 13,26% para 7,00% nos dados simulados e de 18,13% para 4,44% nos dados reais.