Recent Submissions
Framework agnóstica à plataforma para injeção de falhas e análise de resposta em sistemas de criticidade mista
( 2026 ) Teixeira, Nuno Gonçalo Carneiro; Gomes, Tiago Manuel Ribeiro
A crescente procura por maior desempenho computacional e eficiência de custos tem impulsionado o
desenvolvimento de sistemas de criticidade mista e sistemas críticos para a segurança cada vez mais
complexos. No entanto, o aumento da complexidade destes sistemas torna-os mais suscetíveis a
perturbações e desvios no fluxo de execução. Estes sistemas devem cumprir princípios de fiabilidade e
requisitos de segurança funcional que garantam o correto funcionamento do sistema, incluindo a
interação adequada com os periféricos, motivando a necessidade de técnicas sistemáticas de validação.
Para a sua avaliação, podem ser realizados testes através da introdução intencional de falhas e da
observação dos seus efeitos no comportamento do sistema.
A Injeção de Falhas (FI) é uma técnica que consiste na introdução controlada de falhas ao nível do
bit em pontos específicos da execução. Estas campanhas de injeção de falhas podem ser realizadas
recorrendo a representações virtuais do hardware alvo, permitindo uma avaliação sistemática, repetível e
não intrusiva, sem necessidade de hardware. A Injeção de Falhas Baseada em Simulação (SFI) constitui
uma abordagem eficaz para a realização de campanhas de injeção de falhas, uma vez que emula de forma
próxima o comportamento real do sistema e permite a injeção controlada e a avaliação das respostas do
sistema, sem necessidade da produção de hardware.
Esta dissertação propõe uma estrutura de injeção de falhas independente da plataforma e não
intrusiva, integrada no emulador QEMU, para a avaliação de mecanismos de tolerância a falhas em
sistemas de criticidade mista. O desenho da estrutura facilita a integração de novas arquiteturas de
CPU, mantendo simultaneamente um modelo operacional uniforme e independente da arquitetura.
Atualmente, suporta arquiteturas ARM e RISC-V. A abordagem proposta explora o mecanismo de
tradução binária do QEMU em conjunto com o GNU Debugger (GDB), de forma a permitir a injeção de
falhas com elevada precisão ao nível da instrução, proporcionando um controlo preciso tanto sobre a
localização da injeção como sobre o instante de ativação durante a execução do programa. Através da
manipulação da fase de tradução do QEMU, bem como dos mecanismos utilizados para otimizar a
execução em tempo de execução, a estrutura permite a injeção de falhas em qualquer estado da CPU
de forma precisa e controlável, garantindo a repetibilidade e produzindo comportamentos defeituosos
que se aproximam de cenários reais.
Home partitions as interactive surfaces
( 2026 ) Martins, Gonçalo Araújo; Cardoso, Paulo
This dissertation investigates the potential of domestic partition walls as interactive surfaces within the
context of smart environments and human–building interaction. The work focuses on the design and
development of a capacitive gesture recognition module intended for unobtrusive integration into residential
spaces, enabling contactless control of different home automation systems.
The proposed solution combines capacitive proximity sensing with digital signal processing and an embedded
machine learning model to achieve robust real-time gesture recognition. The system architecture
emphasizes modularity, privacy, and computational efficiency, avoiding the use of cameras or wearable
devices while remaining compatible with resource-constrained embedded platforms.
The implementation covers the development of the sensing hardware, embedded firmware for signal acquisition
and preprocessing, deployment of a lightweight classifier on a microcontroller, and communication
with an external actuation system. As a proof of concept, the gesture recognition module was integrated
with an LED-based partition wall, demonstrating the decoupling between the interaction mechanism and
the controlled actuators.
Experimental validation includes sensor front-end characterization, timing analysis of the processing pipeline,
classifier performance evaluation, and field testing under realistic interaction conditions. The results show
that the system achieves reliable gesture recognition within practical interaction distances, satisfies realtime
constraints, and exhibits robust behavior in the presence of noise and environmental variability.
Overall, this work demonstrates the feasibility of embedding capacitive gesture-based interfaces directly
into architectural elements, contributing to the development of more natural, modular, and user-centric
smart home environments.
Volume reconstruction algorithm for tumor assessment from freehand ultrasound recordings in mice
( 2026 ) Lima, Raquel Vitorino; Fonseca, Jaime C.; Queirós, Sandro
Accurate tumor volume quantification is crucial in mouse studies, yet existing three-dimensional (3D)
imaging modalities such as micro-computed tomography and magnetic resonance imaging are slow, expensive,
and require anesthesia. Ultrasound (US) provides a faster and more accessible alternative. However,
in small-animal imaging, 3D US acquisition relies on mechanical scanning with a 2D probe, making it impractical
for routine longitudinal studies and still requiring anesthesia. Freehand US could overcome these
limitations, though its use is hindered by the challenge of estimating probe motion during acquisition.
In this context, this work explored two complementary approaches for reconstructing 3D volumes
from freehand two-dimensional (2D) US in mice: a tracker-based method and a trackerless deep learning
(DL) approach for pose estimation. In the first method, an Aurora motion tracking system (MTS) sensor
was attached to the probe to record its pose over time, enabling volume reconstruction from the acquired
sequence. This pipeline involved multiple stages, from sensor holder design and calibration to data
acquisition, preprocessing, and volume reconstruction. For the trackerless approach, a DL model using
EfficientNet-B1 architecture was adopted due to its efficiency and strong capacity to extract spatial features
from US images. Multiple input/output network configurations and ensemble strategies were evaluated to
improve pose prediction and assess the feasibility of this approach for freehand reconstruction.
This work demonstrated that tracker–based US reconstruction in mice is feasible, producing anatomically
coherent volumes consistent with mechanical ground truth. Regarding the DL experiments, which
were conducted on a publicly available dataset rather than on mice data that was still being acquired,
the results highlighted how different model design choices affect prediction accuracy, with the ensemble
strategies showing particularly promising improvements in the performance of the adopted network.
In summary, this thesis established a validated tracker-based framework for freehand US volume
reconstruction in mice and explored DL as a potential trackerless alternative. The outcomes indicate that
accurate volumetric imaging is achievable and that further optimization of the DL approach could allow
fully trackerless reconstruction in future studies.