شناساگر خودکار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعه ای از مدولاسیونها به صورت اتوماتیک انجام می دهد و کاربردهای فراوانی در زمینه نظامی و غیر نظامی دارد. اکثر سیستم های شناساگر خودکار نوع مدولاسیون که تاکنون ارائه شده در شرایط سیگنال به نویز پایین عملکرد مناسبی ندارند و فقط قادرند تا تعداد محدودی از مدولاسیونها را شناسایی کنند. در این پژوهش، تلاش شده تا با استخراج ویژگی های بسیار کارا و پیشنهاد طبقه بندی کننده موثر، شناساگرهای پیشرفته ای با عملکردی بهتر از کارهای دیگران ارائه شود. دسته اول ویژگی های طیفی با طبقه بندی کننده های شبکه عصبی پرسپترون چند لایه و شبکه عصبی بازگشتی با الگوریتم های یادگیری rprop، lm، cgf، cgb، cgp، scg و sass مورد بررسی قرار گرفت که شبکه عصبی بازگشتی با الگوریتم lm توانست عملکرد مطلوبی را بدست آورد. دسته دوم ویژگی های استخراجی، بر پایه ضرایب تبدیل بسته موجک، ضرایب مدل خود بازگشتی، ممان مرتبه چهارم سیگنال، نرخ تقاطع عبور از صفر سیگنال، آنتروپی و انرژی سیگنال استخراج شده اند. طبقه بندی کننده پیشنهادی که برای دسته دوم ویژگی ها در نظر گرفته شده ماشین پشتیبان بردار می باشد که عملکرد این طبقه بندی کننده توسط الگوریتم ژنتیک بهینه گشته است. این شناساگر در سیگنال به نویز برابر با db5-، درصد موفقیت94/14 % را بدست آورده است. در ادامه این پژوهش به کمک کمیته کلاسیفایر قابلیت تفکیک پذیری این ویژگی ها افزایش داده شد که عملکرد این سیستم به نحو مطلوبی افزایش پیدا کرد. مدولاسیون هایی که در این پژوهش مورد بررسی قرار گرفته عبارتند از: 2ask، 4ask، 2psk، 4psk، 2fsk، 4fsk و 16qam.

به طور کلی قطعه بندی یکی از مشکل ترین کارها در پردازش تصویر است . این مرحله است که موفقیت یا شکست احتمالی تحلیل تصویر را تعیین می کند . در واقع یا بخش بندی موثر در بیشتر موارد، به یک جواب قابل قبول می رسیم. بنابراین باید توجه زیادی معطوف افزایش احتمال دست یابی به بخش بندی قابل اعتماد بشود. الگوریتم های بخش بندی تصاویر تک رنگ، معمولا مبتنی بر یکی از دو خاصیت اصلی سطوح خاکستری یعنی نا پیوستگی یا شباهت هستند. در دسته اول، تصویر براساس تغییرات سریع سطح خاکستری بخش بندی می شود. موضوعات اصلی مورد علاقه در این دسته آشکارسازی نقاط منفرد و آشکارسازی خطوط و لبه های تصویر است. روش های اصلی در دسته دوم مبتنی بر آستانه گیری، رشد ناحیه ، و تقسیم و ادغام ناحیه هستند. به منظور بهینه کردن قطعه بندی می توان از روش های ترکیبی استفاده کرد. یکی از مهمترین این روش ها استفاده از اطلاعات لبه و رشد ناحیه در قطعه بندی می باشد که باعث ایجاد ناحیه های دقیق تر در قطعه بندی می شود. الگوریتم هایی که در این زمینه ارائه می شوند در انتخاب بذر و معیار رشد و نحوه به دست آوردن لبه متفاوت می باشند. یکی از مهمترین این الگوریتم ها تبدیل حوضچه می باشد. که با استفاده از گرادیان تصویر نقاط مینیمم محلی و لبه های تصویر آشکار می شوند. در این روش نقاط مینیمم محلی از گرادیان تصویر به عنوان بذر انتخاب می شوند و تا لبه های هر ناحیه رشد پیدا می کنند. به علت اینکه سرعت و بهینگی در قطعه بندی تصویر خیلی مهم می باشد که با استفاده از روش های بالا باعث قطعه بندی زیاد و افزایش زمان ادغام و پردازش می شود، چند سالی است که از تحلیل های چند کیفیتی تصویر که با استفاده از تبدیل موجک انجام می شوند. جهت قطعه بندی کمک گرفته شده است. در این تحقیق روشی جدید برای قطعه بندی تصویر با استفاده از تبدیل موجک مختلط ارائه کرده ایم که در طبقه بندی استفاده می شود، به این شکل که در مرحله اول استخراج ویژگی به کمک تبدیل موجک مختلط انجام می شود، سپس یک مرحله هموارسازی ویژگی های به دست آمده را داریم و در انتها به وسیله الگوریتم ترکیبی پیشنهادی که از fcm و knn برای خوشه بندی استفاده می کند، به قطعه بندی نهایی نائل می شویم.

شناخت الگوهای جدول کنترل تولید یکی از مهمترین ابزارهای کنترل فرآیند آماری به منظور شناخت مشکلات فرآیند تولید می باشد. الگوهای کنترل تولید بطور گسترده برای تعیین که آیا وضعیت فرآیند تولید ماشینی بصورت پایدار یا ناپایدار کار می کند، استفاده شده اند. این پایان نامه، چندین روش موثر به منظور شناخت الگوهای جدول کنترل پیشنهاد می دهد. روش های پیشنهادی به منظور شناخت شش نوع الگو جدول کنترل که عبارتند از: نرمال، روندی افزایشی، روندی کاهشی، شیفت بالارونده، شیفت پایین رونده و الگو پریودیک بکار گرفته شده اند. در اولین روش پیشنهادی، مدل ترکیبی جدید که شامل سه مدل اصلی: یک استخراج ویژگی، یک مدل طبقه بندی کننده و یک مدل بهینه سازی می باشد، پیشنهاد شده است. در مدل استخراج مشخصه، یک مجموعه مناسب، ترکیبی از ویژگی های شکلی و آماری به عنوان خصوصیات موثر از الگوها ارائه شده است. به منظور طبقه بندی داده ها، ماشین بردار پشتیبان پیشنهاد شده است. در مدل بهینه سازی، یک الگوریتم بهینه سازی اجتماع پرندگان که همزمان برای جستجو بهترین پارامترهای ماشین بردار پشتیبان و انتخاب ویژگی استفاده می شود، برای بهبود عملگرد هر چه بهتر شناسایی الگوها استفاده شده است. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی درصد شناسایی خیلی خوبی دارد. این کارایی خوب تنها با تعدادی ویژگی (سه ویژگی) که با استفاده از الگوریتم بهینه شده اجتماع پرندگان انتخاب شده است، بدست آمده است. در دومین روش پیشنهادی، یک روش هوشمند هیبریدی برای شناخت نوع های متداول الگوهای جدول کنترل ارائه شده است. روش پیشنهاد شده شامل سه مدل می باشد: یک استخراج ویژگی، یک مدل طبقه بندی کننده و یک مدل بهینه سازی. در مدل استخراج ویژگی، تبدیل موجک چند رزولوشنی به عنوان مشخصه های موثر برای ارائه الگوها پیشنهاد شده است. در قسمت طبقه بندی کننده، یک ماشین بردار پشتیبان چند کلاسه استفاده شده است. در آموزش ماشین بردار پشتیبان، مقادیر پارامترها برای کارایی شناخت آن نقش مهمی دارند. بنابراین، در مدل بهینه سازی، یک الگوریتم ژنتیک موثر برای انتخاب پارامترهای مناسب کلاسیفایر پیشنهاد شده است. نتایج شبیه سازی این روش درصد شناسایی برابر 99.37% را نشان می دهد. در سومین روش پیشنهادی، سیستمی ترکیبی ارائه شده است. در قسمت استخراج ویژگی از تبدیل موجک برای استخراج ویژگی به عنوان شخصیت موثر الگوها استفاده شده است. همچنین به منظور جدا سازی، تکنیک خوشه بندی با استفاده از الگوریتم ژنتیک پیشنهاد شده است. الگوریتم ژنتیک به منظور پیدا کردن مرکز خوشه ها بهینه بکار گرفته شده است. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهاد شده مزایایی از قبیل خوشه بندی سریعتر و کارایی شناسایی بهتر و همگرایی سریعتر در مقایسه با روش معمول خوشه بندی (k-means) دارا می باشد.

تعیین مدل قابلیت اطمینان اجزاء در ارزیابی ریسک سیستم قدرت دارای اهمیت فراوانی می باشد. این مدل خصوصیات و عمکرد اجزاء را در سیستم قدرت نشان می دهد. ترانسفورماتور مهمترین جزء سیستم قدرت بوده و عملکرد آن برای بهره برداری شبکه حیاتی می باشد. از آنجایی که بهره برداری ترانسفورماتور با نوع خاص بیشترین کاربرد را دارد در این پایان نامه، مدل قابلیت اطمینان ترانسفورماتور برای دو نوع خنک کنندگی مشخص بدست آمده است. مدل قابلیت اطمینان ترانسفورماتور با خنک کنندگی هوا طبیعی-روغن طبیعی و سپس مدل ترانسفورماتور با خنک کنندگی روغن طبیعی-هوا اجباری ارائه شده است. برای بدست آوردن مدل قابلیت اطمینان، در هر دو نوع، اجزاء ترانسفورماتور به چند زیرسیستم تقسیم بندی شده اند. ترانسفورماتور با خنک کنندگی هوا طبیعی-روغن طبیعی به دو زیرسیستم و نوع دیگر به سه زیرسیستم تقسیم بندی شده اند. ابتدا مدل قابلیت اطمینان هر زیرسیستم بدست آمده است. از روش مدل سازی مارکوف و تکنیک های قابلیت اطمینان برای آنالیز مدل های حاصله استفاده شده است. در نهایت مدل قابلیت اطمینان ترانسفورماتور (به عنوان یک سیستم) با ترکیب مدل های زیرسیستم ها ارائه شده است. برای ترانسفورماتور با خنک کنندکی هوا طبیعی- روغن طبیعی، مدل ارائه شده دارای 5 حالت بوده، که برای کاربردی تر کردن مدل به 3 حالت تقلیل داده شده است. برای خنک کنندکی روغن طبیعی- هوا اجباری، مدل ارائه شده دارای 17 حالت بوده، که به 11 حالت تقلیل داده شده است. به منظور بررسی تاثیر خرابی اجزاء مختلف بر قابلیت اطمینان ترانسفورماتور محاسبات عددی و آنالیز حساسیت بر روی مدل های بدست آمده، انجام شده است. نتایج نشان می دهد که نرخ خطا و سایر خصوصیات ترانسفورماتور که از مدل ها حاصل شده به نتایج عملی نزدیک می باشد. همچنین نتایج نشان می دهد تغییرات نرخ خطای برخی از اجزاء ترانسفورماتور تاثیر بیشتری بر قابلیت اطمینان ترانسفورماتور دارد. این نتایج می تواند برای هم سازندگان برای تولید ترانسفورماتور با قابلیت اطمینان مشخص و هم بهره برداران و برنامه ریزان سیستم قدرت برای ارزیابی قابلیت اطمینان سیستم قدرت و رسیدن به سطح خاصی از قابلیت اطمینان، شبکه مفید باشد.

کنترل و نظارت بر فرایند تولید از اقدامات اولیه برای تولید کالاهایی با کیفیت بالا بوده و در صنعت از اهمیت ویژه ای برخوردار است. در سال های اخیر از الگوهای جدول کنترل بطور گسترده برای حل مشکلات موجود در فرایند تولید استفاده شده است، بطوریکه غیر از الگوی نرمال، هر یک از الگوها بیانگر مشکل خاصی در فرایند تولید می باشند. در این پایان نامه سه روش برای شناخت دقیق و اتوماتیک الگوهای جدول کنترل ارائه شده است. روش اول از سه بخش اصلی تشکیل شده است: بخش استخراج ویژگی، بخش جداساز و بخش بهینه ساز. در بخش استخراج ویژگی، ضرایب تبدیل موجک به عنوان مشخصه موثر برای ارائه الگوها پیشنهاد شده است. در بخش جداساز، شبکه های عصبی مبتنی برتوابع شعاعی بررسی شده است. در شبکه های عصبی مبتنی برتوابع شعاعی، تعداد توابع شعاعی، مراکز توابع شعاعی و پراکندگی آنها تاثیر بالایی بر عملکرد شبکه دارند. به همین دلیل در بخش بهینه ساز، از الگوریتم زنبور بهبود یافته برای تعیین مقادیر بهینه آنها استفاده شده است. الگوریتم زنبور بهبود یافته برای اولین بار در این پایان نامه معرفی شده است. روش دوم از دو بخش خوشه بندی و جداساز تشکیل شده است. در بخش خوشه بندی، ابتدا یک دسته بندی اولیه بدون ناظر توسط الگوریتم خوشه بندی صورت می گیرد و داده ها در خوشه های معین قرار می گیرند. فاصله اقلیدسی داده ها از مراکز خوشه ها حساب شده و به عنوان ورودی موثر جداساز در نظر گرفته می شوند. سپس تفکیک نهایی توسط جداساز انجام می شود. در قسمت جداساز، شبکه های عصبی پرسپترون چندلایه با الگوریتم های یادگیری مختلف بررسی شده است. روش سوم از دو سطح اصلی تصمیم گیری تشکیل شده است و عمل تفکیک الگوها در دو مرحله صورت می گیرد. در سطح اول تصمیم گیری، ابتدا با استفاده از ویژگی آماری مناسب به عنوان ورودی جداساز، الگوها به سه گروه دو تایی تقسیم می شوند. سپس در سطح دوم تصمیم گیری، در هر یک از گروه ها، با استفاده از ویژگی شکلی مناسب به عنوان ورودی جداساز، تشخیص نهایی صورت می گیرد. یکی از ویژگی های شکلی برای اولین بار در این پایان نامه معرفی شده است. در این روش از شبکه های عصبی مبتنی برتوابع شعاعی به عنوان جداساز استفاده شده است و ساختار آن توسط الگوریتم زنبور بهبود یافته بهینه شده است.

در سالهای اخیر، سرویسهای جدیدی در مخابرات بیسیم مطرح شده اند که نرخ داده ی بسیار بالایی دارند. یکی از این سیستمها، تکنولـوژی فـراپهـن باند میباشد. سیـستمهای فـراپهـن بـانـد انـواع مخـتلفی دارنـد کـه یـکی از پرکاربـردتـرین آنـها نـوع mb-ofdm uwb میباشد. گیرنده ی این سیستمها به دلیل نوع استفاده ی آن می بایست مصرف توان پایینی داشته باشد. وجود بلوکهای fft و adc در گیرنده ی این سیستم به دلیل مصرف توان بالایی که دارند از چالشهای مهم در طراحی بهینه ی گیرنده به شمار میروند. در این تحقیق با استفاده از مدارهای آنالوگ غیرخطی در طراحی fft، مصرف توان گیرنده به طور قابل ملاحظه ای کاهش داده شده است. fftآنالوگ پیشنهاد شده که ساختار آن بر اساس آینه های جریان آنالوگ cmos میباشد، میتواند نرخ انتقال بسیار بالاتر و مصرف توان پایینتری را نسبت به روشهای متداول دیجیتال فراهم کند. در طراحی fft از تکنیکهای vlsi استفاده شده است، به این ترتیب که ابتدا با استفاده از مدار آینه ی جریان کسکد، یک بلوک اصلی در نظر گرفته میشود. سپس با استفاده از این بلوک و نسخه های کپی شده ی آن کل مدار طراحی میشود. در استاندارد ieee 802.15.3a مربوط به سیستمهای فراپهن باند، زمان محاسبه ی fft برابر 5/312 نانوثانیه می باشد. زمان محاسبه ی fft در روش پیشنهادی برابر 24 نانوثانیه میباشد در حالی که مصرف توان کلی آن برابر 7/1 میلی وات میباشد. این مصرف توان در میان سایر طراحی ها بسیار کمتر است، به طوری که در بهترین طراحی، مصرف توان 8/6 میلی وات حاصل شده بود. همچنین با توجه به طراحی آنالوگ، adc که دیگر بلوک پرمصرف در گیرنده بود، حذف میشود و به این ترتیب پیچیدگی گیرنده بسیار کمتر است. پردازنده ی fft طراحی شده منحصر به سیستمهای فراپهن باند نبوده و به طور کلی در گیرنده های دیگر که بر اساس ofdm می باشند نیز قابل استفاده است. لازم به ذکر است در این پایان نامه از نرم افزار ads برای طراحی مدار و از نرم افزار متلب به منظور مدلسازی استفاده شده است.

آنتن های آرایه ای نقش مهمی را در پردازش سیگنال هایی که از مسیرهای مختلف به آنها می رسند ایفا می کند. یکی از مهمترین اهداف در طراحی آنتن های آرایه ای ایجاد ساختار هندسی مناسب به منظور دستیابی به پترن تشعشعی مورد دلخواه می باشد. در این پایان نامه یک روش طراحی به منظور دستیابی به پترن تشعشعی با ویژگی هایی مانند دارا بودن صفر در زوایای از قبل تعریف شده و نیز کمترین میزان سطح گلبرگ های فرعی، در ساختارهای هندسی مختلف ارائه شده است. از الگوریتم اجتماع ذرات به منظور بهینه سازی مقادیر دامنه تشعشعی و مکان قرارگیری هر المان برای دستیابی به پترن دلخواه استفاده شده است. نتایج شبیه سازی شده بیانگر توانایی روش پیشنهاد شده در کاهش سطح گلبرگ های فرعی و دستیابی به صفر های از قبل تعریف شده بطور همزمان در پترن می باشد. همچنین به دلیل ملاحظات عملی در آنتن های آرایه ای، دو روش برای کنترل اثر تزویج بین المان ها بکار برده شده است. در روش اول به محدود کردن مقادیر امپدانس نقطه موثر المان های آرایه های خطی و دایروی به منظور امکانپذیر کردن طراحی شبکه تطبیق آنها پرداخته شده است. همچنین در روش دوم نیز پارامتر نسبت محدودیت پویایی در طراحی پترن آرایه صفحه ای به منظور ساده سازی در طراحی شبکه تغذیه این آرایه پرداخت شده است. نتایج شبیه سازی شده برای پترن آرایه های بیان شده نشان می دهد که با در نظر گرفتن ملاحظات عملی نیز الگوریتم استفاده شده قابلیت بالایی در طراحی آنتن های آرایه ای دارد

آنتن های آرایه ای نقش مهمی را در پردازش سیگنال هایی که از مسیرهای مختلف به آنها می رسند ایفا می کند. یکی از مهمترین اهداف در طراحی آنتن های آرایه ای ایجاد ساختار هندسی مناسب به منظور دستیابی به پترن تشعشعی مورد دلخواه می باشد.در این پایان نامه یک روش طراحی به منظور دستیابی به پترن تشعشعی با ویژگی هایی مانند دارا بودن صفر در زوایای از قبل تعریف شده و نیز کمترین میزان سطح گلبرگ های فرعی، در ساختارهای هندسی مختلف ارائه شده است. از الگوریتم اجتماع ذرات به منظور بهینه سازی مقادیر دامنه تشعشعی و مکان قرارگیری هر المان برای دستیابی به پترن دلخواه استفاده شده است. نتایج شبیه سازی شده بیانگر توانایی روش پیشنهاد شده در کاهش سطح گلبرگ های فرعی و دستیابی به صفر های از قبل تعریف شده بطور همزمان در پترن می باشد. همچنین به دلیل ملاحظات عملی در آنتن های آرایه ای، دو روش برای کنترل اثر تزویج بین المان ها بکار برده شده است. در روش اول به محدود کردن مقادیر امپدانس نقطه موثر المان های آرایه های خطی و دایروی به منظور امکانپذیر کردن طراحی شبکه تطبیق آنها پرداخته شده است. همچنین در روش دوم نیز پارامتر نسبت محدودیت پویایی در طراحی پترن آرایه صفحه ای به منظور ساده سازی در طراحی شبکه تغذیه این آرایه پرداخت شده است. نتایج شبیه سازی شده برای پترن آرایه های بیان شده نشان می دهد که با در نظر گرفتن ملاحظات عملی نیز الگوریتم استفاده شده قابلیت بالایی در طراحی آنتن های آرایه ای دارد.

در این پژوهش، برای بهینه سازی ساختار در تحلیل تمام موج، روشی ارائه شده است که از الگوریتم بهینه سازی اجتماع ذرات و برنامه کاربردی ویژوال بیسیک استفاده می کند. روش پیشنهادی بر روی دو نوع ساختار ebg مرسوم و یک سلول واحد جدید پیشنهادی اعمال شده و نتایج قابل قبولی بدست آمده است. مزیت سلول واحد پیشنهادی ابعاد کوچکتر آن نسبت به ساختار مرسوم قارچ گونه می-باشد. تاثیر مثبت استفاده از ساختار های بهینه شده در عملکرد آنتن نشان داده شد.