Facultad de Ingeniería y Ciencias Hídricas

Desarrollo de métodos robustos y fisiológicamente inspirados para el filtrado inverso de la voz

2026-03-11T00:00:00Z

Desarrollo de métodos robustos y fisiológicamente inspirados para el filtrado inverso de la voz Zalazar, Iván Ariel El flujo glótico, principal fuente acústica de la fonación humana, porta información sobre las cuerdas vocales. Desafortunadamente, no es posible sensar dicho flujo dentro de la laringe. El filtrado inverso permite estimar de forma no invasiva el flujo glótico al eliminar los efectos del tracto vocal y la radiación en los labios de la señal de voz. Esta tesis presenta nuevos métodos para mejorar la cancelación de estos efectos. Para ello, se abordan las principales limitaciones de la predicción lineal (PL), un método estándar para modelar la contribución del tracto vocal en la señal de voz. Se proponen dos estrategias de PL ponderadas basadas en atenuación Gaussiana para reducir los errores en el ajuste del modelo del tracto vocal causados por las muestras ubicadas en los instantes de cierre glótico. Estas estrategias extienden la formulación de la PL Gaussiana al incorporar un análisis adaptado al tono y una ponderación de fase casi-cerrada, lo que mejora su desempeño. Además, se presenta un método de PL basado en correntropía. Este enfoque resulta un método LP ponderado y guiado por datos que enfatiza automáticamente las muestras ubicadas en la fase cerrada. Esto elimina la necesidad de conocer los instantes glóticos y mejora el modelado del tracto vocal. Finalmente, se propone un modelo adaptativo no armónico regularizado como alternativa para cancelar el efecto de radiación labial y reducir las distorsiones de baja frecuencia producidas por un filtrado inverso inadecuado. Este enfoque proporciona estimaciones del flujo glótico fisiológicamente representativas caracterizadas por una fase cerrada plana.; Glottal airflow, the primary acoustic source of human phonation, carries essential information regarding vocal fold dynamics. Unfortunately, direct measurement of glottal airflow within the larynx is not feasible. Voice inverse filtering enables the non-invasive estimation of glottal airflow by removing the effects of the vocal tract and lip radiation from the voice signal. The present thesis introduces new methods to improve the cancellation of these effects during the inverse filtering process. To this end, the main drawbacks of linear prediction (LP)—a standard method for modeling the vocal tract contribution from the voice signal—are addressed. Two weighted LP strategies based on Gaussian attenuation are proposed to mitigate errors in vocal tract model tuning caused by voice signal samples near glottal closure instants. These strategies extend the original Gaussian LP formulation by incorporating a pitch-adaptive analysis and a quasi-closed phase weighting, significantly enhancing their performance for inverse filtering. Additionally, a robust LP method based on the maximum correntropy criterion is developed. This approach results in a data-driven weighted LP method that automatically emphasizes closed-phase voice signal samples, thereby eliminating the need for prior knowledge of glottal instant locations and improving vocal tract contribution modeling. Finally, a regularized adaptive non-harmonic model is proposed as an alternative for canceling the lip radiation effect and reducing low-frequency distortions produced by inadequate inverse filtering. This approach yields a physiologically representative glottal airflow waveform estimation, characterized by a flat closed phase. Fil: Zalazar, Iván Ariel. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.

Métodos de aprendizaje automático de mínima calibración para interfaces cerebro-computadora basadas en imaginería motora

2025-12-22T00:00:00Z

Métodos de aprendizaje automático de mínima calibración para interfaces cerebro-computadora basadas en imaginería motora Galván, Catalina María El deterioro de la función motora del miembro superior tras accidentes cerebrovasculares u otras condiciones neurológicas impacta significativamente en la calidad de vida. En este contexto, las interfaces cerebro-computadora basadas en imaginería motora (MI-BCIs) son una herramienta prometedora para la asistencia y rehabilitación, al permitir transformar la actividad cerebral en comandos de control sin utilizar las vías neuromusculares. Sin embargo, su aplicación se ve limitada por la compleja decodificación de señales de electroencefalografía (EEG) y, especialmente, por su alta variabilidad inter e intra-sujeto, lo que requiere extensas sesiones de calibración. En esta tesis se desarrollaron métodos de aprendizaje automático orientados a reducir estos tiempos y mejorar la robustez de la decodificación. En primer lugar, se propuso PySimMIBCI, un método para generar datos sintéticos de EEG con características fisiológicamente plausibles e información sujeto-específica para tareas de imaginería motora. Este enfoque permite incorporar factores de variabilidad como la fatiga o distintas capacidades de modulación, y fue utilizado para aumentación de datos, logrando mejoras significativas en el desempeño. En segundo lugar, se abordó la transferencia de aprendizaje entre sujetos y bases de datos mediante XS-BOT, un método de adaptación de dominio basado en transporte óptimo hacia atrás. Este enfoque alinea las características de nuevos usuarios con distribuciones previamente aprendidas, permitiendo alcanzar altos niveles de precisión con pocos datos de calibración y un número reducido de electrodos. En conjunto, estos aportes contribuyen al desarrollo de MI-BCIs más robustas, de mínima calibración y centradas en la persona usuaria.; Upper-limb motor impairment following stroke or other neurological conditions significantly impacts quality of life. In this context, motor imagery-based brain–computer interfaces (MI-BCIs) are a promising tool for assistance and rehabilitation, as they enable the transformation of brain activity into control commands without relying on neuromuscular pathways. However, their practical application is limited by the complexity of electroencephalography (EEG) signal decoding and, in particular, by high inter- and intra-subject variability, which requires extensive calibration sessions. In this thesis, machine learning methods were developed to reduce calibration time and improve decoding robustness. First, PySimMIBCI was proposed, a method for generating synthetic EEG data with physiologically plausible characteristics and subject-specific information for motor imagery tasks. This approach allows incorporating variability factors such as fatigue or differences in modulation capability, and was used for data augmentation, leading to significant improvements in decoding performance. Second, transfer learning across subjects and datasets was addressed through XS-BOT, a domain adaptation method based on backward optimal transport. This approach aligns the feature distribution of new users with previously learned distributions, enabling high accuracy with a minimal amount of calibration data and a reduced number of electrodes. Overall, these contributions support the development of robust, minimal-calibration MI-BCIs centered on the end user, aligned with the needs of motor rehabilitation. Fil: Peterson, Victoria. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.

Análisis de la estructura de correlación espacial de la conductividad hidráulica en un acuífero en un área urbana de llanura

2025-12-22T00:00:00Z

Análisis de la estructura de correlación espacial de la conductividad hidráulica en un acuífero en un área urbana de llanura Zucarelli, Agostina María Esta tesis doctoral se centra en la caracterización espacial de la conductividad hidráulica y su influencia en la modelación numérica del flujo subterráneo de un sistema hidrogeológico en un área urbana. El área de estudio corresponde al acuífero que subyace a la ciudad de Santa Fe, provincia de Santa Fe, Argentina, emplazada en una llanura sedimentaria que presenta singularidades propias de los sistemas fluviales que la rodean. La investigación se focaliza en las arenas de la Fm. Ituzaingó consideradas como el principal acuífero en explotación de la zona. El perfil hidroestratigráfica del área de estudio está compuesto por tres unidades principales: la Fm. Paraná, considerada como el hidroapoyo para la presente Tesis; la Fm. Ituzaingó, integrada por arenas y arenas gravosas con marcada heterogeneidad sedimentaria; y los sedimentos pampeanos, de granulometría más fina, que incluyen arenas finas, limos y arcillas de origen eólico. La conductividad hidráulica de las arenas de la Fm. Ituzaingó fue estimada a partir de la interpretación de datos provenientes de ensayos de bombeo, slug tests y análisis granulométricos. Para representar su estructura de correlación espacial se aplicaron técnicas geoestadísticas, utilizando el método de kriging para obtener los valores regionalizados de este parámetro. Se desarrolló un modelo conceptual y se implementó un modelo numérico de flujo subterráneo que incorporó dicha estructura de correlación espacial. La calibración del modelo permitió evaluar el impacto de la heterogeneidad en la precisión de la simulación, en comparación con una condición de homogeneidad del parámetro. El enfoque metodológico propuesto proporciona una herramienta robusta para la caracterización y simulación de acuíferos urbanos, con aplicaciones relevantes en planificación urbana, gestión de recursos hídricos y evaluación de riesgos hídricos.; This doctoral dissertation focuses on the spatial characterization of hydraulic conductivity and its influence on the numerical modelling of groundwater flow in an urban aquifer system. The study area corresponds to the city of Santa Fe, province of Santa Fe, Argentina, located in a sedimentary plain with features typical of the surrounding fluvial systems. The research focuses on the sands of the Ituzaingó Formation, considered the main exploited aquifer in the area. The hydrostratigraphic profile of the study area is composed of three main units: the Paraná Formation, considered as the hydrogeological basement for this study; the Ituzaingó Formation, composed of sands and gravelly sands with marked sedimentary heterogeneity; and pampean sediments of finer granulometry, including fine sands, silts, and clays of aeolian origin. The hydraulic conductivity of the Ituzaingó Formation sands was estimated based on the interpretation of data from pumping tests, slug tests, and grain-size analyses. Geostatistical techniques were applied to represent its spatial correlation structure, using the kriging method to obtain regionalized values for this parameter. A conceptual model was developed, and a numerical groundwater flow model was implemented considering this spatial correlation structure. Model calibration allowed the evaluation of the impact of heterogeneity on simulation accuracy, compared to a homogeneous parameter condition. The proposed methodological approach provides a robust tool for the characterization and simulation of urban aquifers, with relevant applications in urban planning, water resources management, and water risk assessment. Fil: Zucarelli, Agostina María. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.

Simulación computacional del flujo multifásico agua-vapor ante la inundación de emergencia del núcleo de reactores nucleares

2025-07-24T00:00:00Z

Simulación computacional del flujo multifásico agua-vapor ante la inundación de emergencia del núcleo de reactores nucleares Sarache Piña, Alirio Johan Esta tesis presenta una metodología numérica integrada para predecir la limitación de flujo a contracorriente (CCFL) en plantas nucleares, combinando CFD 3D con OpenFOAM y el código de sistema RELAP5-Mod3. El enfoque se organiza en tres ejes: (i) selección y verificación de la estrategia multifásica y captura de interfase; (ii) modelado de la turbulencia con formulaciones de densidad variable; y (iii) uso de resultados CFD para apoyar correlaciones de CCFL a escala de planta. Se compararon formulaciones Eulerianas de dos fluidos (TF) y Volumen de Fluido (VOF) frente a datos de columnas de aire-agua. VOF resultó más robusto y preciso para describir interfase y métricas globales, con errores del orden del 1 %, mientras que TF sufre difusión numérica. Las formulaciones de densidad constante subestiman la disipación y el salto turbulento, afectando los perfiles de flujo. Los modelos de dos ecuaciones con densidad variable (rho-var), destacándose k-epsilon RNG, mejoran la predicción. Sobre esta base se construyó un modelo VOF–RANS 3D con turbulencia rho-var que reproduce, en una hot-leg experimental, CCFL con errores inferiores al 10 % en caída de presión y umbral de bloqueo, mientras que RELAP5 con correlación de Wallis resulta conservador. En un LOCA del 40 % en CANDU-6, el impacto del modelado CCFL sobre variables globales de planta es acotado, pero se prevé más crítico en SBLOCA. Se obtienen directrices: para Jf0.5<0.15 basta un enfoque 1D con correlaciones adecuadas; para Jf0.5>0.20 o geometrías con curvaturas pronunciadas es esencial CFD con captura explícita de interfase.; This thesis presents an integrated numerical methodology to predict counter-current flow limitation (CCFL) in nuclear power plants by combining 3D CFD with OpenFOAM and the system code RELAP5-Mod3. The approach is structured around three axes: (i) selection and verification of the multiphase strategy and interface-capturing scheme; (ii) turbulence modelling with variable-density formulations; and (iii) use of CFD results to support CCFL correlations at plant scale. Eulerian two-fluid (TF) and Volume of Fluid (VOF) formulations are compared against controlled air–water column data. VOF proves more robust and accurate to represent interface topology and global metrics, achieving errors of about 1%, while TF suffers interface smearing due to numerical diffusion. Constant-density turbulence models underestimate dissipation and the interfacial turbulence jump, degrading flow predictions. Two-equation models with variable density (rho-var), with k-epsilon RNG as an optimal compromise between cost and fidelity, significantly improve predictions. On this basis, a 3D VOF–RANS model with rho-var turbulence is built and applied to a representative hot-leg experiment, reproducing CCFL with errors below 10% in pressure drop and flooding onset, whereas RELAP5 with a Wallis-type correlation remains conservative. For a 40% LOCA in a CANDU-6 reactor, the impact of CCFL modelling on global plant variables is limited but expected to be more critical in SBLOCA. Practical guidelines are proposed: for Jf0.5<0.15 a 1D approach with suitable correlations is sufficient, whereas for Jf0.5>0.20 or strongly curved geometries, CFD with explicit interface capturing becomes essential Fil: Sarache Piña, Alirio Johan. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.