Resumo-Com o aumento da demanda por espectro de frequência, foi necessário buscar maneiras mais eficientes de alocar usuários no espectro. O rádio cognitivo sensoreia o espectro e aloca dinamicamente usuários em espaços inutilizados. As técnicas de classificação automática de modulação vieram para fornecer informações que auxiliam no sensoriamento do espectro. Neste trabalho, foram extraídas características de sinais modulados em banda passante em diferentes SNR (do inglês signal noise ratio). O classificador utilizado foi uma rede perceptron com Regularização Bayesiana (RB) e algoritmo de retropropagação de Levenberg-Marquardt (LM). Para o método proposto, obteve-se acurácias que variam de 74, 8 % a 95, 5 %.

Resumo-Sinais de eletrocardiograma (ECG) podem ser utilizados tanto para acompanhamento quanto diagnóstico de doenças cardíacas, o que depende de infraestruturas de armazenamento e transmissão. Entretanto, como memória e banda de transmissão são recursos finitos, torna-se necessário comprimir dados de ECG. Além disso, com relação ao monitoramentoà distância, espera-se que o hardware utilizado seja simples e barato. O presente trabalho ataca o problema mencionado e propõe uma nova metodologia de compressão de sinais de ECG, onde experimentos com uma implementação desse paradigma mostraram que tal abordagemé possível e também eficaz, desde que alinhadaàs condições de cada caso específico.