شناسایی سیستم ها به معنی تخمین پارامترهای آن ها با اعمال ورودی های مشخص و بررسی پاسخ سیستم ها به این ورودی ها از جمله مسائل مربوط به مهندسی سیستم است که از دیرباز مورد توجه قرار گرفته است. روش های تحلیلی پیچیده و دارای محاسبات فراوان برای این امر ارائه و توسعه یافته اند. عیب عمده ی این روش ها پیچیدگی زیاد و در نتیجه حجم محاسباتی بالا و زمان بر بودن انجام محاسبات است که باعث می شود که نتوان از این روش ها در کاربردهای on-line بهره گرفت. بنا به دلایل ذکر شده، جستجو به دنبال یافتن روش هایی با پیچیدگی کمتر و حجم محاسباتی پایین تر به منظور شناسایی سیستم ها شروع شده و تا به امروز ادامه دارد. از جمله ی روش های مورد استفاده، استفاده از شبکه های عصبی مصنوعی برای مدل سازی و تخمین پارامترهای سیستم های دینامیکی با استفاده از اطلاعات خروجی سیستم ها است.شبکه های عصبی مصنوعی جزو سیستم های تطبیقی هستند که توانایی حیرت انگیزی در مدل سازی سیستم های پیچیده، از جمله سیستم های غیرخطی و تغییر پذیر با زمان دارند که عملاً شناسایی چنین سیستم هایی توسط روش های تحلیلی غیرممکن است. شبکه های عصبی مصنوعی دارای انواع مختلف هستند و هرکدام کاربردهای متفاوتی دارند. تلاش های زیادی برای استفاده از انواع مختلف شبکه های عصبی مصنوعی و همین طور دیگر ساختارهای هوشمند به منظور شناسایی سیستم های پیچیده انجام گرفته است. در این پروژه، سعی بر این بوده است که با استفاده از دو نوع متداول شبکه های عصبی مصنوعی، موسوم به شبکه های mlp و rbf و همین طور ترکیب منطق فازی با شبکه های عصبی که منجر به ارائه ی شبکه های جدیدی به نام شبکه های anfis شده است، تخمین قابل قبولی از پارامترهای یک سیستم دینامیکی نمونه به دست آید.

امروزه تعیین دقیق و سریع وزن اجسام در شرایط دینامیکی، در بسیاری از حوزه های صنعتی، مدنظر قرار دارد. خصوصا با پیشرفت تکنولوژی این مسئله برای برخی صنایع به شکل یک نیاز حیاتی در آمده است. طراحان سیستم های توزین روش های مختلفی را برای افزایش سرعت توزین، با حفظ دقت آن، بررسی نموده اند. یکی از این روش های کارآمد، تخمین وزن اجسام در شرایط دینامیکی سیستم توزین است که در این پایان نامه نیز بعنوان نقطه ی شروع مطرح گردیده است. این پروژه از سه فاز تشکیل شده است که به اختصار عبارتند از: فاز نخست-ارائه مدل مکانیکی نسبتاً دقیق از یک سیستم توزین واقعی و بدست آوردن روابط ریاضی حاکم بر آن در شرایط نوسانی سیستم. هدف نهایی از این فاز، بدست آوردن شکل موج نوسان به ازای اوزان مختلف قرار گرفته بر روی ترازو و سپس نمونه برداری از هر کدام از شکل موج ها با پریود زمانی مشخص است. فاز دوم-انتخاب یک مدل مناسب از شبکه های عصبی مصنوعی و سپس خلق و آموزش این شبکه با استفاده از نمونه های حاصل از فاز نخست. هدف نهایی از این فاز، بدست آوردن تمام مشخصات شبکه، اعم از نوع شبکه، تعداد لایه ها، تعداد نرون ها در هر لایه، توابع راه انداز در هر لایه و اوزان مربوط به اتصالات شبکه است. فاز سوم-در فاز نهایی که اصلی ترین بخش از پروژه می باشد، به توصیف سخت افزاری شبکه ی عصبی مصنوعی به کمک زبان vhdl، جهت پیاده سازی در تراشه های fpga می پردازیم. در این فاز کدنویسی در سطح rtl انجام شده و تمامی اجزاء شبکه عصبی، به صورت قطعات به هم مرتبط سخت افزاری، توصیف خواهند شد. یک معماری کامل از شبکه، ارائه شده و نهایتاً جهت ارزیابی میزان موفقیت پروژه، به مقایسه ی سرعت و دقت مدل سخت افزاری توصیف شده با شبکه ی عصبی موردنظر خواهیم پرداخت.

در دهه اخیر لیزر وی سل به عنوان یک راه حل قابل اعتماد، ارزان قیمت و پرسرعت برای کاربردهای ارتباطی مطرح شده است. قابلیت اطمینان، کیفیت بالای خروجی، قیمت تمام شده نسبتا پایین، قابلیت احتباس نوری بهتر و پهنای باند مدولاسیون وسیعتر لیزرهای وی سل باعث شده تا از نظر تجاری رقیب خود یعنی لیزرهای با تابش جانبی را تهدید کند. از مزایای دیگر وی سل می توان به تابش سطحی، حداقل اندازه ساخت آرایه ها ی دو بعدی متراکم، جریان آستانه پایین و راحتی کار برای کاربردهای انتقال اطلاعات چند کاناله اشاره نمود. یکی از مسائلی که همواره به صورت مستقیم و غیرمستقیم بر روی عملکرد لیزرهای نیمه رسانا اثر می گذارد، حرارت است. تغییر در طول موج، جریان آستانه، پروفایل مودهای خروجی از پارامترهایی هستند که از حرارت تاثیر می پذیرند. کاهش تاثیر حرارت همواره یکی از چالش های لیزرهای نیمه رسانا بوده است. در این تحقیق با مطالعه و شبیه سازی بوسیله نرم افزار matlab و نرم افزار comsol، عملکرد لیزر وی سل همچنین اثر پارامترهای متعدد از جمله حرارت بر روی پارامترهای خروجی لیزر به عنوان مثال پایداری طول موج، مورد بررسی قرار گرفته است و سپس به منظور کاهش تاثیر حرارت بر روی این پارامترها، پیشنهاد یک ساختار جدید ارائه می شود که باعث کاهش ضریب ترمواپتیکی گالیوم آرسناید و در نهایت باعث کاهش تاثیرپدیری این لیزرها از حرارت می گردد.

آنچه امروزه شاهد آن هستیم رشد چشمگیر تکنولوژی در حوزه ی بی سیم است. از جمله ابزاری که به خوبی این پیشرفت را نشان می دهد تلفن همراه می باشد. به طور ساده ، هر تلفن همراه یک دستگاه گیرنده-فرستنده می باشد که کارهای زیادی را می توان به کمک آن انجام داد ، از صحبت کردن که مهمترین ویژگی این دستگاه می باشد گرفته تا ارتباط با تلفن های دیگر از طریق بلوتوث و وصل شدن به اینترنت ، همگی با یک گوشی تلفن همراه امروزه امکان پذیر می باشد. یکی از مهمترین مواردی که در این صنعت حائز اهمیت است ساخت تلفن هایی می باشد که قابلیت پشتیبانی استانداردهای بیشتری را داشته باشند. این امر یک موضوع مهم برای طراحان این تلفن های همراه به حساب می آید چراکه افزایش تعداد استانداردها به قیمت بزرگ شدن مساحت تراشه ی بکارگرفته شده در داخل این تلفن ها می باشد. برای حل این مشکل، در سال های اخیر تلاش طراحان بر این بوده است که بخش گیرنده-فرستنده دارای ساختاری قابل تغییر شود یعنی قسمت سخت افزاری آن قابلیت به اشتراک گذاشته شدن برای استانداردهای مختلف را داشته باشد. بدین ترتیب سطح اشغال شده و توان مصرفی کاهش می یابند. ساختارهای مختلفی برای گیرنده ها وجود دارد که از بین آنها ما ساختار zero-if را انتخاب کرده ایم. خود این ساختار دارای قسمت های مختلفی می باشد که می توان به بلوک های lna ، lpf ، agc ، adc و dsp اشاره نمود. از بین این بلوک ها ما به طراحی فیلتر پایین گذر پرداختیم. فیلتر پایین گذر مورد نظر ما یک فیلتر باترورث مرتبه ی سوم است که به صورت gm-c تحقق یافته است. طراحی این فیلتر به گونه ایی بوده است که استانداردهای gsm ، bluetooth و 802.11a پشتیبانی شوند. تکنولوژی بکارگرفته شده برای طراحی این فیلتر تکنولوژی 0.18um cmos می باشد و برای شبیه سازی این فیلتر از نرم افزار hspice استفاده شده است.

مدل ارائه شده برای بازشناسی چهره مستقل از زاویه دید، بر مبنای ترکیبی از ساختارهای دینامیک و استاتیک است. مدل اختلاط خبره های اصلاح شده دارای5 شبکه مستقل از هم میباشد که هر شبکه دارای دو خبره میباشد که با شبکه میانجیگر با هم ترکیب شده اند. خروجی نهایی میانگین گیری ساده ای از خروجی 5 شبکه است. مدل ارائه شده برای پیاده سازی روی fpga طراحی شده است. بخاطر اینکه هر کدام از 5 شبکه با کمترین هزینه روی سخت افزار قابل پیاده سازی میباشند و با بکارگیری سری از آنها و حتی استفاده از شبکه های مجزا میتوان به هدف مورد نظر رسید. با توجه به تشابه ساختاری شبکه ها و بالا بردن کارایی سخت افزار از فضای ویژه کلی استفاده میشود. پیاده سازی سخت افزاری راهکار مناسبی برای باز شناسی چهره در کار بردهای خاص آنلاین میباشد که با انتخاب fpga مناسب قابل تحقق می باشد. شواهد فیزیولوژیکی، عصب شناختی ای وجود دارند که مدل ارائه شده را تایید میکنند. و از وجود چنین مکانیسمی که خروجی چندین بخش مختلف برای بازشناسی چهره مستقل از زاویه دید با هم ترکیب میشوند خبر میدهند. نتایج آزمایشات نشان میدهد که روش پیشنهادی نسبت به روشهایی که اخیرا ارائه شده و روشهای معمولی نرخ بازشناسی بالایی دارد. و همچنین دارای پیچیدگی محاسباتی کمتری در مقایسه با روش اختلاط خبره های مرسوم میباشد.

با گسترش دامنه استفاده از مدارهای الکترونیکی و افزایش روز افزون پیچیدگی مدارهای مذکور، زمان مورد نیاز برای طراحی و ساخت اینگونه مدارها به یکی از دغدغه های چالش برانگیز برای پژوهش گران و متخصصین این زمینه تبدیل شده است. طبق پیش بینی های itrc تعداد پردازنده ها در mpsoc در هر گره تکنولوژی چهار برابر می شود و از این رو در آینده نزدیک طراحی معماری ارتباطات در سیستم های بر چیپ مهمترین مسئله این حوزه از علم خواهد بود. لذا در این پایان نامه در مورد مدلسازی معماری ارتباطات و ارائه راهکارهایی برای تسریع روند طراحی بحث شده است. در این راستا ابتدا محیطی مبتنی بر osci tlm-2.0 ارائه شده است که امکان ایجاد خودکار و دینامیک یک معماری ارتباطی را به صورت مجرد فراهم می کند. در این محیط بدون اینکه نیازی به مدلسازی جداگانه حالات مختلف باشد، مشخصات معماری مورد مطالعه در قالب فایلهایی با فرمت مشخص گرفته شده و به صورت خودکار مدل مجرد بر مبنای فایلهای دریافتی ایجاد شده، شبیه سازی می شود. محیط پیاده شده امکان بررسی حالات مختلف و کاوش فضای حالت معماری های ارتباطات در سطح چیپ را فراهم می سازد. در فاز بعدی از این پایان نامه روشی برای مدلسازی معماری ارتباطات توسط شبکه های پتری به نام capn ارائه شده است. در این روش که از امکانات شبکه های پتری زمانی و رنگی استفاده شده است امکان مدلسازی فرمال معماری ارتباطات در سطح سیستم و بدون بیان جزییات محاسباتی فراهم شده است. روش ارائه شده دارای ویژگی سلسله مراتبی می باشد که این ویژگی امکان بیان قسمت هایی و یا کل سیستم را در سطوح تجرید پایین تر و با جزیات بیشتر فراهم می سازد. مقایسه نتایج حاصل از مدل های capn با شبیه سازی مدل های tlm نشان می دهد پاسخ های حاصل از مدل های capn تقریبا بیش از 80% با نتایج شبیه سازی tlm شباهت دارد و از این رو از دقت و صحت کافی برخوردار است. هدف نهایی در این پایان نامه ، سنتز ارتباطات سطح بالا برای soc ها می باشد. در این راستا با بهره گیری از ساختار ارائه شده و امکانات مانیتورینگ و تحلیل کارایی نرم افزار cpn tools ، اطلاعاتی برای سنتز معماری ارتباطی برای soc استخراج شده است. در این قسمت فرض بر آن است که بر اساس نیاز های ارتباطی، ساختار اولیه ای توسط کاربر ارائه شده است و پس از آن با راهکارهایی و با پالایش مدل اولیه ساختار اولیه بهبود یافته است

در این پایان نامه رهیافتی برای تشخیص خودکار نوع مدولاسیون های دیجیتال بر اساس مفاهیم هوش مصنوعی ارائه شده است. جهت تشخیص نوع مدولاسیون بکار رفته در سیگنال های مخابراتی دو روش وجود دارد: "تئوری آشکار سازی" و "تشخیص الگو یا استخراج ویژگی ها". رهیافت موجود در این پایان نامه بر اساس روش تشخیص الگو با استفاده از شبکه های عصبی مصنوعی ارائه شده است و توانایی تشخیص مدولاسیون های پرکاربرد bask، bfsk، bpsk، qask، qfsk، qpsk، 16qam و 64qam را دارد. شبکه ی عصبی مورد استفاده در این روش بر اساس شبکه-های پرسپترون 3 لایه طراحی شده و شبیه سازی با استفاده از نرم افزار matlab صورت گرفته است. نتایج حاصل از شبیه سازی نرم افزاری دقت تشخیص بیش از ?90 را نشان می دهد. پیاده سازی شبکه عصبی مذکور به صورت سخت افزاری بر روی fpga انجام شده است. گزارشات حاصل از شبیه سازی مصرف حدود ?13 از گیت ها و عناصر منطقی موجود در ابزار altera cycloneii را نشان می دهد.

در فوریه 2002 میلادی برای اولین بار توسط کمیسیون مرکزی مخابرات، باند فرکانسی3.1-10.6ghz به مخابرات uwb اختصاص داده شد. از آن پس دنیای سیستم های با پهنای باند بسیار عریض، به سرعت وارد تغییر و تحول شد. ویژگیهای جذاب این سیستم ها از جمله نرخ انتقال بسیار بالا و ظرفیت کانال بالا به دلیل پهنای باند فوق العاده زیاد، برای طراحان جالب توجه بود و از آن پس روزبروز به گسترش این استاندارد و طراحی سیستم های آن پرداخته شد. در این پایان نامه هدف، طراحی بلوک تقویت کننده کم نویز برای گیرنده های uwb است. در یک بلوک تقویت کننده کم نویز باید بتوان چالش های زیادی را میان نویز بهینه، بهره، توان مصرفی، تطبیق امپدانس ورودی و خطینگی حل کرد و زمانی که قرار باشد این تقویت کننده کم نویز درپهنای باند چندین گیگاهرتز کارکند، حل این چالش ها به مراتب سخت تر خواهد شد. برای طراحی تقویت کننده های کم نویز با پهنای باند بسیار عریض، از ساختارهای مختلفی استفاده می شود، که از جمله مشهورترین آن ها ساختارهای سورس مشترک و گیت مشترک در ورودی است. هرکدام از این ساختارها مزایای و معایب مربوط به خود را دارند. نویز پایین و امکان دسترسی به بهره بالا در ساختار سورس مشترک از مزایای این ساختار است اما وابستگی نویز به فرکانس جزو چالش های اصلی در طراحی lna با این طبقه در ورودی است. ما در این پایان نامه از ساختار گیت مشترک و ترکیب کسکود استفاده کردیم. ساختار گیت مشترک نویز مینیمم بیشتری دارد اما وابستگی نویز به فرکانس کمتری دارد. از سوی دیگر تطبیق امپدانس بسیار عریض در ورودی، با این ساختار براحتی بدست می آید. ما در این پایان نامه پس از طراحی ساختار کسکود، به اعمال تکنیک افزایش هدایت انتقالی، روی این ساختار پرداخته ایم و نویز این تقویت کننده را کاهش دادیم. این پایان نامه در تکنولوژی 0.18um tsmc در نرم افزار spectre rf طراحی شده و سپس layout مربوط به طرح نیز در همین نرم افزار در محیط cadence رسم شده است.

رشد روزافزون فناوری ارتباطات بی سیم در سال های اخیر تقاضا را برای مجتمع سازی فرستنده و گیرنده ی بی سیم به منظور دستیابی به هزینه های پایین تر، اندازه ی کوچکتر و ویژگی های دیگر بیشتر کرده است. یکی از چندین بلوک باقی مانده که هنوز با موفقیت مجتمع نشده تقویت کننده ی توان (pa) است. تقویت کننده ی توان آخرین بلوک سازنده ی فعال یک فرستنده ی رادیویی است. بعلت محدودیت های تکنولوژی cmos طراحی یک تقویت کننده ی توان خطی و پر بازده یک مسئله چالش برانگیز است. مسئله دیگر در بحث سیستم های ارتباطات بی سیم مدرن طول عمر باتری می باشد. در این بین تقویت کننده های توان به دلیل مصرف توان زیاد نیاز به طراحی دقیقی دارند. ویژگی مشترک در میان اکثر تقویت کننده های توان این است که حداکثر بازدهی توان تنها در زمانی که تقویت کننده، توان خروجی بیشینه دارد حاصل می شود. بازدهی توان به طرز چشمگیری با کاهش توان خروجی تنزل می کند. معیار اصلی برای ارسال توان در فرستنده های رادیویی مقدار فاصله از آنتن می باشد. تحت شرایط معمولی تقویت کننده ی توان کمتر از توان خروجی بیشینه ارسال توان دارد. در نتیجه بازدهی موثر خیلی کمتر از مقدار حداکثر است. یک تکنیک جدید که باعث بهبود بازدهی توان برای یک تقویت کننده توان خطی مانند کلاس a یا ab در رنج وسیعی از توان خروجی می شود در این پروژه بررسی شده است. مفهوم این تکنیک برای اولین بار با استفاده از لامپ خلاء توسط ویلیام دوهرتی ارائه شد. یک نمونه تقویت کننده ی توان دوهرتی کاملاً مجتمع در تکنولوژی 18/0 cmos در فرکانس 65/2 گیگاهرتز برای کاربرد وایمکس (wimax) طراحی شد. مشخصه ی بارز نمونه ی طراحی شده تحمل نقاب فرکانسی وایمکس می باشد. یک طبقه راه انداز برای افزایش بهره ی توان تقویت کننده ی دوهرتی نیز طراحی شده است. این طراحی به dbm 30 توان خروجی بیشینه با بازدهی توان افزوده (pae) 41% می رسد. pae در حدود 36% در dbm6 عقب تر از توان خروجی بیشینه می باشد. طراحی دیگری با استفاده از ترانزیستور های ldmos با بازدهی توان افزوده 53% در توان خروجی بیشینه و 38% در dbm6 عقب تر از توان خروجی بیشینه صورت گرفت.

شناسایی خودکار چهره، به معنی شناسایی یک فرد بهصورت خودکار توسط یک ماشین، بر مبنای ویژگی استخراجشده از تصاویر چهره آن فرد است. هدف از این پایاننامه طراحی یک معماری مناسب برای تشخیص چهره مبتنی بر الگوریتم کلاسبندی ماشین بردار پشتیبانی است.در این پایاننامه یک الگوریتم جدید همراه با یک معماری مناسب ارائه می شود. الگوریتم پیشنهادی برای این سیستم، ترکیبی از تجزیه تبدیل موجک گسسته، آنالیز تفکیککننده خطی مستقیم و ماشین بردار پشتیبانی بنانهاده شده است. در این سیستم ابتدا توسط تجزیه تبدیل موجک گسسته ویژگیهای یک تصویر خام استخراج میشود و سپس توسط آنالیز تفکیککننده خطی مستقیم به یک زیر فضا با ابعاد پاییننگاشت میشود. در مرحله نهایی توسط الگوریتم svm تصاویر ورودی دستهبندی میشود. معماری سختافزاری طراحیشده مبتنی بر ترکیب نرمافزار و سختافزار است، بهطوریکه بخش آموزش سیستم توسط نرمافزار و بخش شناسایی هویت توسط سختافزاری صورت میگیرد. پارامترهای مهم در مرحله آموزش سیستم استخراج میشود و سپس درون حافظه سیستم شناسایی )سختافزاری( ذخیره میشودکه سیستم سختافزاری هویت فرد را با توجه به این پارامترها چهره فرد را شناسایی میکند. این الگوریتم با پایگاه داده orl که شامل 11 تصویر است، تست گردیده است. نتیجه آزمایشها نزدیک به 39% نرخ تشخیص و همچنین زمان تشخیص تصویر آزمایشی توسط معماری پیشنهادیبین 31 میکروثانیه تا 10 میکروثانیه با فرکانس کلاک 311 مگاهرتز طول میکشد. این معماری بر روی ep3sl50f484c2 s‘altera پیادهسازی شده و قابلیت استفاده برای سیستمهای بلادرنگ را دارا است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.