هدف از این رساله طراحی یک طبقه ورودی تطبیق پذیر برای دریافت سیگنالهای عصبی به صورت قابل جاگذاری در بدن می باشد. این سیستم باید کم توان کم نویز و دارای ابعاد کوچک باشد که در این رساله سعی در طراحی مداراتی با این اهداف و با کاربرد های پزشکی، انجام یافته است. مداراتی با هدف دریافت سیگنال عصبی، تقویت و نیز تبدیل این سیگنالها از حوزه آنالوگ به دیجیتال طراحی و شبیه سازی شده اند. برای این منظور حسگر دانشگاه utah انتخاب شده است. این حسگردارای آرایه ای 10×10 می باشد که بر اساس ابعاد و جنس مواد گزارش شده در مقالات درمحیط نرم افزار comsol که یک نرم افزار حل عددی برای محیط های فیزیکی می باشد، پیاده سازی شده است. نتایج حاصل از آنالیز عددی برای طراحی طبقه تقویت کننده مورد استفاده قرار گرفته است. تقویت کننده کم نویز با توان پایین طراحی و در نرم افزار cadence شبیه سازی شده است. برای تبدیل سیگنال آنالوگ به دیجیتال، یک مبدل آنالوگ به دیجیتال 10 بیتی با ساختاری کاملا جدید با کاربرد توان پایین طراحی شده است. در نهایت سیگنال شبه واقعی spike مستخرج از دیتا بیس معتبر، برای تست سیستم نهایی به کار رفته است. تکنولوژی مورد استفاده برای طراحی cmos 90nm می باشد. معرفی مبدل خط لوله با ساختار زمانی منجر به طراحی کم توان و هم چنین انتقال پیچیدگی از مدارات آنالوگ به مدارات دیجیتال گردیده است. فاکتور اساسی دیگر در طراحی مبدل کاهش ابعاد مبدل آنالوگ به دیجیتال می باشد. به این منظور با توجه به رنج فرکانسی پایین سیگنالهای عصبی و نیز قابلیت تکنیک معرفی شده در ساختارهای چرخشی، مبدلی بر پایه ساختار زمانی با اتصال چرخشی طراحی و شبیه سازی شد. در این روش برخلاف استفاده از چند طبقه یکسان به طور متوالی از یک طبقه و چندین مرتبه استفاده شده است. جهت کاهش حلقه های تکرار در راستای کاهش توان مصرفی، تعداد بیتهای استخراجی از هر طبقه افزایش یافته است. به این مفهوم که در هر مرحله چرخش 4 بیت استخراج گردیده و این بیتها در ثباتهایی ذخیره می گردد و پس از سه مرحله تکرار، بیتهای استخراجی به صورت one-bit overlap با هم جمع گردیده و در نهایت 10 بیت از مبدل نهایی استخراج می گردد. جانمایی ساختار طراحی شده نهایی رسم شده و ساختار طراحی شده تا مرحله پیاده سازی پیش رفته است.

مکان یابی گره ها یکی از مسائل مهم و مقدماتی در شبکه های سنسوری به شمار می آید که به دو شکل مستقیم و غیر مستقیم در کاربرد های این گونه شبکه ها موثر می باشد. در بسیاری از کاربردها تشخیص رویدادها بدون آنکه بدانیم آن رویداد در کجا واقع شده است امری بی معنی است. لذا در شکل مستقیم، هدف از مکان یابی فراهم آوردن برچسب مکانی برای هر یک از داده ها است. در شکل دوم، مکان یابی به عنوان یک زیر ساخت جهت اجرای الگوریتم هایی نظیر الگوریتم های مسیر یابی و الگوریتم های ردیابی اهداف عنوان می گردد. انتشار و انباشه شدن خطا در شبکه، جابجایی گروهی تخمین های مکانی، عدم تطبیق با مقیاس پذیری و حساسیت بالا نسبت به توپولوژی شبکه از مشکلات رایج در روش های مکان یابی موجود می باشد. در این پایان نامه، هدف، طراحی الگوریتمی جهت مکان یابی گره های ناشناخته شبکه های سنسوری بی سیم در جهت رفع هر چه بیشتر نقایص موجود می باشد. بدین منظور الگوریتمی دو مرحله ای پیشنهاد شده است که در آن در مرحله اول از روش aps و در مرحله دوم از الگوریتم بهینه سازی ازدحام ذرات (pso) به عنوان هسته استفاده شده است. تعریف اولویت در انتخاب گره ها و استفاده از همسایگان مرتبه دوم در تابع ارزشی از تکنیک های مقابله با انتشار خطا در شبکه می باشد. الگوریتم ارائه شده بدلیل مکان یابی محلی گره ها از مقاومت بالا نسبت به تغییرات توپولوژی برخوردار می باشد. در پایان، نتایج شبیه سازی های مختلف در سه بخش ارائه شده است. در بخش اول شبیه سازی الگوریتم پیشنهادی و بیان نتایج برای توپولوژی های منظم و نامنظم در شبکه هایی با میزان اتصالات متفاوت ارائه شده است. در دسته دوم میزان خطای مکان یابی به ازای تغییر در برخی از پارامتر های الگوریتم بهینه سازی مورد بررسی قرار گرفته است. در دسته آخر به منظور ارزیابی، خطای مکان یابی در الگوریتم پیشنهادی و الگوریتم های رایج مقایسه شده اند. نتایج بدست آمده حاکی از کارایی بالای الگوریتم ارائه شده در فراهم آوردن موقعیت دقیق مکانی می باشد.

:بررسی ها نشان می دهند که مهم ترین و شایع ترین منبع استرس مادر در طول دوران بارداری، نگرانی در مورد شرایط و سلامت جنین می باشد. یکی از راههای آگاهی از شرایط جنین در طول دوران بارداری استفاده از ثبت سیگنال الکتروکاردیوگرام (نوار قلب) جنین به روش غیر تهاجمی است. در این روش بایستی مولفه های سیگنال الکتروکاردیوگرام جنین را از سیگنال ثبت شده در ناحیه شکمی جدا نمود. سیگنال ثبت شده در ناحیه شکمی ، ترکیبی از مولفه های سیگنال الکتروکاردیوگرام مادر پس از طی مسیر از قفسه سینه تا شکم و مولفه های ناشی از منابع نویزی می باشد. هدف ما در این پایان نامه ارائه الگوریتمی جهت بهبود در فرایند استخراج سیگنال الکتروکاردیوگرام جنین می باشد. در مرحله اول ابتدا با استفاده از تبدیل ویولت، همبستگی میان مولفه مطلوب (fecg) و دیگر سیگنال های همبسته با آن را تا حد امکان کاهش می دهیم.پس از کاهش همبستگی وارد حوزه ica (آنالیز مولفه های مستقل)می شویم و برای جداسازی از تکنیکbss (جداسازی منابع کور)بهره می گیریم. بدلیل وجود مشکل جایگشت در نمایش سیگنالهای تفکیک شده ، الگوریتم پیشنهادی بر پایه bse (استخراج منبع کور) استوار گشته است. با تکیه بر این تکنیک و با داشتن اطلاعات پیش فرض در مورد بازه چولگی سیگنال مورد استخراج توانستیم تنها یک سیگنال مطلوب که در اینجا سیگنال الکتروکاردیوگرام جنین است را استخراج نماییم. و در انتها نویز خطوط مبنا را که در واقع یک مقدار dc به سیگنال می افزاید، حذف کردیم. الگوریتم پیشنهادی خود را به همراه دیگر الگوریتم های مطرح ، بر روی سیگنال های دو پایگاه داده سیگنال های حقیقی diasy و physiobank، پیاده سازی و نتایج را با یکدیگر مقایسه کرده ایم. نتایج حاکی از بهبود استخراج سیگنال نوار قلب جنین با استفاده از الگوریتم پیشنهادی ما در اغلب موارد می باشد

هدف از فشرده سازی دیتا نمایش آن با حتی الامکان تعداد بیتهای کمتر، در مقابل ایجاد اعوجاج قابل قبول در دیتای بازسازی شده می باشد. در این پایان نامه سعی بر این است که از تبدیل ویولت بدلیل خواص منحصر به فرد آن بعنوان ابزاری با راندمان بالا در فشرده سازی سیگنالهای دیجیتالی استفاده شود که در آن سیگنالهای ecg بعنوان ورودی، در نظر گرفته شده است. روش های فشرده سازی به سه گروه تقسیم می شوند که عبارتند از: روش استخراج ویژگیها، روش حوزه زمان و روش حوزه تبدیل. در این پایان نامه به دلیل عملکرد بهتر روشهای حوزه تبدیل، توجه ما روی این روش ها معطوف شده است. الگوریتم ارائه شده برای فشرده سازی دیتای ecg، در حوزه تبدیل ویولت به صورت real time بوده و با استفاده از تکنیک resampling روشی جدید برای محاسبه آستانه متغیر در حوزه تبدیل ارائه می دهد که بر پایه پارامترهای آماری ضرایب حاصل از تجزیه ویولت سیگنال بنا شده است. الگوریتم پیشنهادی شامل مراحل پیش پردازش، اعمال تبدیل ویولت گسسته، فریم بندی ضرایب حاصل از تجزیه ویولت، آستانه گذاریadaptive ضرایب ویولت و کدگذاری به روش rle می باشد. نتایج بدست آمده از اعمال روش پیشنهادی بر روی سیگنالهای ecg از پایگاه داده های mit-bih (با رزولوشن 11 بیت و نرخ نمونه برداری hz360)، حاکی از کارآمدی آن در توصیف سیگنال ecg دلخواه با حداقل پارامترها می باشد و به متوسط نرخ فشرده سازی 92/17 و متوسط prd 34/2% منجر می شود.

امروزه شبکه های حسگری بیسیم بدلیل کارایی بالا، در کاربردهایی چون نظارت بر محیط، یافتن و رهگیری هدف، مراقبتهای پزشکی، محیطهای هوشمند، تشخیص آلودگی و غیره مورد توجه ویژه ای واقع شدهاند. با اینکه هر حسگر به تنهایی توانایی ناچیزی دارد، ترکیب صدها حسگر کوچک امکانات جدیدی را عرضه می کند. در واقع قدرت شبکه های حسگری بی سیم در توانایی به کارگیری تعداد زیادی گره کوچک است که خود قادرند سرهم و سازماندهی شوند و در موارد متعددی چون مسیریابی هم زمان، نظارت بر شرایط محیطی، نظارت بر سلامت ساختارها یا تجهیزات یک سیستم به کار گرفتهشوند. اجزای تشکیلدهنده این شبکهها حسگرهای کوچکی هستند که بدلیل استفاده از باتریهای غیر قابل شارژ، دارای محدودیت منابع انرژی میباشند. همچنین علاوه بر محدودیت فوق، حسگرها دارای محدودیتهای دیگری چون محدودیت در پهنای باند، محدودیت پردازش و محدودیت در ارسال و دریافت اطلاعات میباشند. بنابراین با توجه به این محدودیتها و همچنبن عوامل مخربی چون نویز و فیدینگ، دست یافتن به روشهایی برای داشتن بهترین تخمین در شبکه از اهمیت بسزایی برخوردار خواهد بود. روش پیشنهادی شامل دو بخش کلی و مجزا میباشد. روش پیشنهادی اول شامل اصلاحاتی در ساختار کل شبکه و بررسی اثر خوشهبندی حسگرها در ارتقاء کارایی سیستم و توان مصرفی میباشد. در این روش سعی شده است با کاهش تبادل اطلاعات میان حسگرها و fc ، توان مصرفی شبکه کاهش داده شود. از طرف دیگر، با انجام پردازشهای اولیه در داخل خوشهها، حساسیت خطای سیستم به نویز حسگرها کمتر شود. پیشنهاد دوم برای حسگرها و عملیات داخل خوشهها میباشد. بدلیل اینکه حسگرهای داخل خوشهها در فاصله کمی از هم قرار دارند، انتظار میرود همبستگی اطلاعات میان آنها بالا باشد. بنابراین در این روش سعی شده است تا با استفاده از تکنیک ویولت، اطلاعات زائد را حذف و از ارسال آنها به ch2 جلوگیری نمود. این امر نیز در حالت کلی باعث صرفه جویی در توان خواهد شد.

مسئله تخمین پارامترهای سیگنال ها با استفاده از آرایه ای از سنسورها، تحقیقات قابل ملاحظه ای را در سال های اخیر به خود جلب کرده است. این روش تخمین سیگنال، پردازش آرایه ای سیگنال نامیده می شود. یک آرایه سنسورها، یک گروه از سنسورها است که در نقاط مشخص و مجزا از هم قرار دارند. پردازش آرایه ای سیگنال نیز روی داده جمع آوری شده سنسورها، جهت انجام عملیات تخمین متمرکز می شود. کاربردهای معمول پردازش آرایه ای شامل مکان یابی منبع و حذف اختلال در رادار و سونار است. یکی از پارامترهای مهم یک سیگنال فضایی، تخمین زاویه ورود (doa) است. doa مشخص کننده جهتی است که از آن جا موج منتشر شده به یک نقطه وارد می شود. در این پایان نامه روشی بهینه برای تخمین doa در حضور سیگنال های ناهمبسته و همبسته با استفاده از آرایه خطی یکنواخت، پیشنهاد شده است. در این روش پیش از عملیات تخمین، خروجی آرایه سنسورها با استفاده از تبدیل ویولت حذف نویز می شود. در مرحله اول تخمین، doa های سیگنال های ناهمبسته با روش آنالیز مولفه مستقل (ica) تخمین زده می شود. پس از یافتن doa و تخمین سیگنال های ناهمبسته، اطلاعات مربوط به آن ها از زیرفضای سیگنال حذف می شود (روش تفاضلی). سپس ماتریسی حاصل می شود که تنها اطلاعات سیگنال های همبسته را در خود دارد و ماتریس همبسته نامیده می شود. در مرحله دوم تخمین، doa های سیگنال های همبسته به وسیله یک ماتریس توپلیتز بازسازی شده، تخمین زده می شود. در این مرحله از روش زیرفضا جهت تخمین doa استفاده می شود. نتایج شبیه سازی کارایی روش مذکور را تایید می کنند. روش ارائه شده در این پایان نامه خواص مطلوب جاری را دارد: 1- این روش تفاضلی تعداد doa های تخمین را افزایش می دهد. 2- استفاده از حذف نویز با تبدیل ویولت رزولوشن تخمین را بهبود می دهد. 3- این روش تفاضلی به جهت استفاده از مقادیر دقیق سیگنال های ناهمبسته، نسبت به روش های تفاضلی دیگر کیفیت بالاتری دارد.

با پیشرفت هایی که در زمینه ارتباطات بی سیم و تکنولوژی سنسورها صورت گرفته مکان یابی شبکه های سنسوری بیش از پیش مورد توجه قرار گرفته است. امروزه سنسورهای ارزان و هوشمند ، با استفاده از لینک های بی سیم در تعداد بسیار زیاد ، با هم شبکه شده اند که امکان مانیتورینگ و کنترل محیط های مختلف را فراهم می آورند. در کاربردهایی نظیر مانیتورینگ و کنترل محیط، داده های اندازه-گیری شده بدون مشخص بودن مکان سنسورها، بی معنی است. در این پایان نامه یک الگوریتم تطبیقی گسترده بر اساس حداقل مجموع مربعات خطا در حضور نویز اندازه گیری، برای بهینه سازی مختصات مکانی سنسورها، در شبکه های سنسوری چند هاپه ارائه می-شود. در این الگوریتم هر سنسور به صورت تکراری و با توجه به تابع ارزشی تعریف شده مکان اولیه به دست آمده از الگوریتم trilateration را، در گام هایی در جهت مینیمم کردن تابع ارزشی به روز می کند. از ویژگی های این الگوریتم دقت بالا، سطح ارتباطات پایین و سادگی محاسبات که در نتیجه از لحاظ انرژی، زمانی و هزینه مقرون به صرفه می باشد. یک شبکه سنسوری نامنظم را نیز، با استفاده از این الگوریتم مکان یابی نموده ایم. نتایج به دست آمده از شبیه سازی ، نشان دهنده پایداری و کارآیی الگوریتم در مکان یابی شبکه های سنسوری نامنظم، است.

پیشرفت های اخیر در اینترنت و تکنولوژی محصولات چند رسانه ای دیجیتال، این امکان را داده است که سیگنال های دیجیتالی (صدا، تصویر و ویدئو) به آسانی به مناطق مختلف، توزیع و انتقال یابند. این سهولت در انتقال، اجازه می دهد که کپی های غیرمجاز از محصولات چند رسانه ای، توزیع و بخش شوند. به همین علت حفاظت از حق کپی محصولات دیجیتالی به یک بحث مهم در جهان تبدیل شده است. دیجیتال واترمارکینگ توجه بسیار زیادی را برای حل این مشکل، به خود اختصاص داده است. واترمارکینگ صدا، پروسه ای است که درآن اطلاعاتی، در داخل سیگنال صوت پنهان می شود. این اطلاعات پنهان شده برای کاربردهای مختلفی، از سیگنال صحبت استخراج می شوند. چند نمونه ازاین کاربردها شامل: حفاظت از حق کپی، تصدیق، اثرانگشت و نظارت بر پخش داده ها می باشند. به طور کلی یک سیستم واترمارک صدا، باید نیازهای زیر را برآورده کند:1- شفافیت: شفافیت بدین معنا است که کیفیت سیگنال صحبت، بعد از اضافه کردن اطلاعات واترمارک در سیگنال، به مانند حالت اولیه باقی بماند و یا اطلاعات اضافه شده در سیگنال میزبان، غیرقابل شنیدن باشد. برطبق پیشنهاد فدراسیون بین المللی صنعت گرامافون (ifpi) برای آنکه شفافیت برقرار باشد، نسبت سیگنال به نویز (snr) سیگنال واترمارک شده، باید بیش از db20 باشد.2- مقاوم بودن: مقاوم بودن بدین معنا است که بتوانیم اطلاعات واترمارک را، بعد از انجام پردازش هایی مانند اضافه کردن نویز و فیلترینگ و ... بر روی سیگنال واترمارک شده، استخراج کرد. 3- ظرفیت: ظرفیت، مقدار اطلاعاتی است که می توان در سیگنال میزبان پنهان کرد بدون آنکه شفافیت از بین رود. برای سیگنال صحبت ظرفیت به تعداد اطلاعات واترمارکی گفته می شود که در واحد زمان سیگنال صحبت قرار می گیرد و با بیت بر ثانیه (bps) اندازه گیری می شود. بین این سه نیاز مصامحه وجود دارد، به عنوان مثال افزایش ظرفیت، باعث کاهش شفافیت و کاهش مقاوم بودن، در برابر پردازش ها می شود. در این پایان نامه روشی برای واترمارکینگ صحبت بر اساس یافتن بهترین پایه در تبدیل ویولت بسته ای ارائه شده است که ضرایب تبدیل کسینوسی گسسته سیگنال واترمارک، در میان ضرایب بهترین پایه ی تبدیل ویولت بسته ای سیگنال صحبت قرار گرفته می شود. به منظور یافتن بهترین پایه در تبدیل ویولت بسته ای سیگنال میزبان، از مقایسه ضرایب تخمین چند جمله ای خطی تبدیل ویولت بسته ای سیگنال میزبان و ضرایب تخمین چند جمله ای خطی تبدیل کسینوسی گسسته سیگنال واترمارک، استفاده شده است. این روش در عین داشتن ظرفیت نسبتا بالا از مقاومت بسیار بالا و شفافیت قابل قبولی برخوردار است. برای استخراج اطلاعات واترمارک به سیگنال اصلی صحبت نیازی نیست

تشخیص خودکار احساسات (aer) مساله ای بسیار مهم، در عرصه تعامل انسان و ماشین (hci) می باشد. با افزایش روزافزون محبوبیت کامپیوترها در زندگی ما، تحقیق درباره ی تعامل بین انسان ها (کاربران) و کامپیوترها نیز بیشتر مورد توجه قرار گرفته است. قابلیت تشخیص احساس توسط کامپیوترها با دقتی همانند انسان ، به منظور ایجاد رابطه ای طبیعی و دوستانه بین انسان و کامپیوتر، بسیار حائز اهمیت بوده و با مجهز شدن به چنین سیستم تشخیص احساسی، کامپیوتر ها قادر به تشخیص حالت احساسی کاربران و واکنش متناسب با آن می گردند. در این پایان نامه، سیگنال گفتار به منظور ایجاد سیستم تشخیص خودکاری که قادر به بازشناسی احساسات انسانی باشد، مورد تحلیل قرار گرفته و مجموعه ای جدیدی از ویژگی های طیفی ارائه شده است. تمام ویژگی های صوتی مورد نظر از فریم های متوالی سیگنال گفتار استخراج و ویژگی های آماری این فریم ها به عنوان بردار ویژگی در نظر گرفته می شوند. بعد از کاهش و استخراج ویژگی های مورد نظر، توسط سه طبقه بند: شبکه عصبی پرسپترون، ماشین بردار پشتیبان و k نزدیکترین همسایگی در شرایط تمیز و آلوده به نویز، کلاس بندی حالت احساسی برای هفت کلاس احساسی از ? پایگاه داده ی emo-db، saveeو enterface’05 انجام می گیرد. نتایج نشانگر دقت بسیار مطلوب طبقه بندی با استفاده از این ویژگی ها می باشند.

عمل جراحی بای پس عروق کرونر روش درمانی مهمی در مبتلایان به بیماری های عروق کرونر می باشد. امروزه در جراحی قلب تمایل فزاینده ای به تخمین مرگ و میر و پیش آگاهی بیماران پس از عمل جراحی وجود دارد و مدلهای مختلفی برای تعیین عوامل خطر مرتبط با عواقب وخیم پس از این روش در مانی طراحی شده است. در حال حاضر در دنیا علاقه ی زیادی به پیش گویی نتایج حاصل از عمل جراحی قلب وجود دارد. در واقع، همه مراکز و کلینیک های جراحی مایلند بدانندکه با استفاده از چه مشخصات و قوانینی می توان برای انجام عمل جراحی قلب بیمار تصمیم گیری کرد تا بیماران بیشترین سود را، چه از نظر دستیابی به سلامتی خود و چه از نظر اقتصادی ببرند. با این هدف است که این مراکز به دنبال طراحی و تهیه ی قوانین و مدلهایی مرتبط با بیمار و مشخصات وی هستند تا بتوان توسط آنها نتایج حاصل از جراحی را پیشگویی کرد. علاوه بر این، با استفاده از این مدل و با پیش بینی نتایج می توان هزینه هایی را که بیمار یا سیستم بهداشتی درمانی متعاقب عمل جراحی قلب متحمل می شود پیش بینی کرد و هزینه ی اثر بخشی عمل را تعیین نمود. در این پایان نامه ابتدا به بررسی روشها و سیستم های پیش بینی مرگ و میر در عمل جراحی باز قلب پرداخته، و روشهای ارائه شده برای تعیین مرگ و میر را بررسی کرده و کاستی های موجود در روشهای قبلی را بیان می کنیم. در مرحله ی بعد با استفاده از منطق فازی یک سیستم پیش بینی قوی تر و دقیق تر طراحی کرده ایم که نتایج حاصل از آن به نتایج واقعی نزدیکتر بوده و دیدی ریز بینانه وموشکافانه نسبت به موضوع دارد. بعد از این مرحله با استفاده از تئوری قابلیت اطمینان سیستم ها، به سوالات متعددی پاسخ داده شده و پارامتر های جدیدی از جمله احتمال زنده ماندن بیمار تا یک سال بعد، پیش بینی شده است. درنهایت تابع تبدیلی برای مرگ و میر ارائه شده است که با رسم منحنی زمانی تغییرات مرگ و میر، می توان میزان مرگ و میر بیمار را از لحظه ی تحت نظر قرار گرفتن در بیمارستان، تا لحظه ی عمل، پیش بینی کرده و بدین ترتیب بهترین زمان برای انجام عمل جراحی را به صورت قابل قبولی پیش بینی نمود

با پیشرفت های صورت گرفته در حوز? پردازش سیگنال گسسته و سخت افزارهای مرتبط با آن و نیاز روزافزون به سیستم های حس گر با نرخ های نمونه برداری هرچه بیشتر و از طرف دیگر محدودیت های فیزیکی جهت پیاده سازی چنین سیستم هایی، ارائ? تکنیک هایی جهت کاهش و بهینه سازی نرخ نمونه برداری، بدون از دست دادن کیفیت سیگنال ضروری می نماید. در سال های اخیر حوزه ای جدید در پردازش سیگنال گسسته پدید آمده که قادر است با نرخ های نمونه برداری به مراتب پایین تر نسبت به نرخ شانون-نایکویست، سیگنالی دارای کیفیت یکسان و گاه بهتر بعد از عمل بازسازی حاصل نماید. در حوز? پردازش سیگنال فشرده، سیگنال به صورت فشرده نمونه برداری می گردد، به طوری که فقط اطلاعات مفید از سیگنال استخراج می شود. مشکل اساسی موجود در این حوزه، بازسازی سیگنال با در دست داشتن نمونه های فشرده است که نیاز به الگوریتم های بازسازی با حجم محاسباتی پایین و دقت قابل قبول ضروری است، به طوری که قابلیت پیاده سازی به هنگام را داشته باشد. هدف از رسال? در دست، ارائ? الگوریتم بازسازی وفقی به صورتی است که ضمن دریافت مشاهدات به طور متوالی قابلیت پیاده سازی به هنگام داشته و تغییرات به وجود آمده در اثر گذشت زمان را در سیستم تحت تخمین، تعقیب نماید. در همین راستا، تابع هزینه ای بر پای? تابع پنالتی جدیدی به نام led برای بازسازی سیگنال تنک در حوز? نمونه برداری فشرده پیشنهاد شده است و طی بررسی های جامع انجام گرفته، قابلیت بالای تخمین گر حاصله بر پای? تابع هزین? پیشنهادی، برای تخمین عناصر غیر صفر سیگنال و متعاقب آن تخمین دامن? عناصر به صورت تئوری به اثبات رسیده است. در ادامه، راه حلی بازگشتی و وفقی به منظور یافتن جواب تابع هزین? پیشنهادی ارائه شده است و در نهایت با انجام شبیه سازی های جامع، کارآیی تخمین گر پیشنهادی و قابلیت آن در بازسازی وفقی سیگنا های تنک متغیر با زمان تایید شده و با تخمین گرهای مطرح در این زمینه مقایسه شده است.

سیستم های مخابراتی چند حاملی با همه مزایایی که دارند یک ایراد اساسی به نام papr هنوز به عنوان چالشی در بهینه سازی این سیستم‏ها مطرح است. روش‏های بسیاری برای حل این مشکل ارایه شده‏ است که از آن جمله می‏توان به slm, pts و برش دامنه و کدگذاری و غیره اشاره کرد. بهره‏گیری از تبدیل ویولت در تکنیک ofdmعلاوه بر سایر مزایای آن باعث کاهش شدید در مقدار پارامتر papr می‏شود. این در حالی است که استفاده از تبدیل ویولت در تکنیک mc-cdma تاثیری در کاهش پارامتر papr ندارد. سیگنال ارسالی سیستم های مخابراتی در آخرین طبقه تقویت می شود تا از اتلاف انرژی در طبقات قبل از خود جلوگیری کند، اما برای جلوگیری از تقویت غیرخطی در سیگنال، بازه تغییرات دینامیکی تقویت کننده قدرت باید بسیار بالا باشد که هم از نظر هزینه و هم از نظر اتلاف توان به صرفه نیست. به همین منظور روش های مختلفی برای اصلاح سیگنال و کاهش دادن این پیک ها، قبل از طبقه تقویت قدرت پیشنهاد شده است که برای نتیجه‏های بهتر، معمولاً به محاسبات بسیار بالا و اطلاعات کناری طولانی نیاز خواهد بود. این پایان‏نامه روشی نوین برای کاهش paprرا در سیستم wpt-cdma که بر مبنای تبدیل ویولت بسته ای است ارایه می‏کند تا هم از مزایای ویولت بسته‏ای در سیستم های مخابراتی بهره برده و باعث کاهش عوارض ناشی از سیستم کاهنده پیک‏ها شود، و هم به علت سادگی و کنترل پذیری آن روشی ساده و کارآمد در جهت کاهش پارامتر papr باشد. روش‏های کاهش papr در دو حالت کلی بررسی می‏شود، که به روش‏های خطی و غیرخطی ‏شناخته می‏شوند، در روش خطی سیگنال قبل از تبدیل معکوس فوریه اصلاح می‏شود و هیچ گونه تغییری در بعد از تبدیل معکوس فوریه بر سیگنال اعمال نمی‏شود، در روش غیر‏خطی بعد از تبدیل معکوس فوریه با سیستم‏های غیرخطی و یا خطی سیگنال در جهت کاهش papr اصلاح شده و سپس به طبقه تقویت کننده قدرت اعمال می‏شود. این پایان نامه برای هر یک از روش‏ها یک تکنیک اصلاح سیگنال ارایه داده است که در مقایسه عملکرد و کارایی با روش‏های موجود، نتایج خوبی به دست می‏دهند

در این پایان نامه روشی نوین مبتنی بر اطلاعات آماری مرتبه بالا برای تشخیص بیماری فلاتر دهلیزی به کمک سیگنال ecg ارائه شده است. از الگوریتم پن-تامپکینز برای شناسایی قله های r و سپس با توجه به موقعیت قله r، قله های s ،q و t شناسایی شده اند. برای استخراج ویژگی های اطلاعات آماری مرتبه بالا از سیگنال tq که نشان دهنده ی فعالیت های دهلیزی می¬باشد و بصورت دنباله ای از قطعه های tq برای نمونه¬¬های 20 ثانیه ای از داده ها می¬باشد استفاده شده است. بردار ویژگی شامل میانگین ارتفاع قله های t، میانگین قله های r و فاصله ی زمانی tq به عنوان ویژگی زمانی و کشیدگی، کمولانت و گشتاور ششم به عنوان ویژگی های آماری مرتبه بالا می¬باشد. به منظور توجیه ریاضی از توزیع مقدار حدی تعمیم یافته برای ارائه یک مدل آماری برای سیگنال های انتخابی استفاده شده است. برای دسته بندی از تحلیل توابع تفکیک استفاده شده است که دقت دسته بندی %98.81، اختصاصیت %100 و حساسیت %96.3 می باشد. نتایج الگوریتم ارائه شده در تشخیص بیماری فلاتر دهلیزی به کمک سیگنال ecg نسبت به الگوریتم های پیشین بهتر می باشد.

در این پایان نامه روشی جدید برای تشخیص بیماری هیپرتروفی بطن چپ به کمک سیگنال ecg ارائه شده است. هیپرتروفی قلبی به افزایش حجم عضلات قلب به بیش از یک مقدار آستانه گفته می شود. هیپرتروفی بطن چپ شایع ترین نوع هیپرتروفی قلبی بوده و به دلیل افزایش احتمال سکته قلبی تشخیص به موقع این بیماری اهمیت ویژه ای دارد. بعد از جمع آوری دیتابیس سالم و بیمار برای شناسایی قله های r از الگوریتم پن-تامپکینز استفاده شده و سپس قله های q، s و t با توجه به موقعیت قله های r تعیین شده اند. سیگنال qt به صورت دنباله ای از قطعه های q تا t برای هر نمونه 20 ثانیه ای از داده ها تعریف شده است. همچنین از تبدیل ویولت گسسته با ویولت مادر db6 برای تجزیه سیگنال ecg به 4 باند فرکانسی استفاده کرده ایم. بردار ویژگی شامل میانگین ارتفاع قله های r به عنوان ویژگی زمانی و چولگی، کشیدگی و گشتاور پنجم مربوط به سیگنال های qt و ضرایب d4 از تبدیل ویولت به عنوان ویژگی های آماری مرتبه بالا می باشد. به منظور توجیه ویژگی های انتخابی از مدل مخلوط گوسی برای ارائه یک مدل آماری برای سیگنال های سالم و بیمار استفاده شده است. ماشین بردار پشتیبانی به کمک پنج ویژگی، داده ها را به دو گروه سالم و بیمار تقسیم کرده است. دقت دسته بندی %75/99 و حساسیت آن %100 می باشد. روش ارائه شده دارای بهبود قابل ملاحظه در تشخیص بیماری هیپرتروفی بطن چپ به کمک سیگنال ecg نسبت به الگوریتم های پیشین می باشد.

در این پایان نامه استخراج سیگنال hrv مورد بررسی قرار گرفت و روشی که بیشترین دقت را در بین الگوریتم ها داشته است پیشنهاد شد. در ادامه به بررسی تشنج در نوزادان یک الی 28 روزه پرداختیم. علت اصلی تشنج، صدمات درون مغزی مادر زادی و عفونت سیستم عصبی مرکزی می باشد که اگر این عارضه در نوزادان بطور جدی بررسی نشود، نوزاد دچار صرع و فلج مغزی خواهد شد. در نوزادان یک الی 28 روزه به علت عدم تکامل سیستم عصبی این عارضه بدون علائم ظاهری می باشد. در روش پیشنهادی مبتنی بر سیگنال قلب، تغییرات ضربان قلب و طی آن سیگنال hrv را برای استخراج ویژگی از سیگنال قلب استخراج کردیم. برای استخراج پیک از سیگنال قلب از الگوریتم پیشنهادی استفاده کردیم که دقت بالاتری نسبت به دیگر الگوریتم ها دارد. سپس به استخراج ویژگی های خطی و غیر خطی از سیگنال hrv پرداختیم. ویژگی-های خطی عبارتند از ویژگی های زمانی، ویژگی های فرکانسی و ویژگی های زمان-فرکانسی. ویژگی های غیر خطی عبارتند از معیار پوین کیر و تحلیل نوسانات دترند شده. ویژگی های زمانی که استخراج شده است مبتنی بر میانگین و انحراف معیار سیگنال hrv است که بعلت اختلالات تنفسی در زمان تشنج از این ویژگی استفاده کرده ایم. با استفاده از چگالی طیف توان به تحلیل فرکانسی پرداختیم. همچنین از تبدیل ویگنرویل برای استخراج ویژگی های زمان فرکانس استفاده کردیم. بعلاوه از کیومولانت های ضرایب ویولت نیز به عنوان ویژگی استفاده شده است که در انتها از کاهش ویژگی بروش الگوریتم انتخابی ترتیبی مستقیم و الگوریتم نزدیکترین همسایه برای طبقه بندی استفاده شده است. دقت الگوریتم پیشنهادی 57/88 % است که نسبت به روش های قبلی دقت بالاتری دارد، علاوه بر اینکه نسبت به روش مالارویلی پیچیدگی کمتری دارد.