در این پایان نامه از یک روش کدینگ چند نسخه ای (mdc) برای کد کردن ویدیو در قالب استاندارد ویدیویی h.264 بهره گرفته شده و روشی برای پنهان سازی خطا در دکدکننده در صورت از دست رفتن یک توصیف ارائه می گردد. روش های کدینگ mdc عموماً برای کانال های on-off مورد استفاده قرار می گیرند. در این روش کدینگ، محتوی مورد نظر را به چند توصیف یا نسخه با ارزش یکسان تبدیل کرده، به طوری که بین نسخه های مختلف مقداری همبستگی اطلاعاتی وجود داشته باشد. در این صورت با از دست رفتن کامل یک نسخه، محتوی آن را می توان از روی نسخه های دیگر تخمین زد و به نتیجه قابل قبولی دست یافت. در این پایان نامه یک رشته ویدیویی با زیرنمونه برداری از سطرهای آن به دو نسخه تبدیل می گردد. از آنجایی که نقاط نزدیک به هم در تصاویر دارای همبستگی اطلاعاتی زیادی هستند، می توان از سطرهای یک نسخه، سطرهای مابین آنها را که در نسخه دیگر قرار دارند تخمین زد. میزان این همبستگی نیز با استفاده از تکنیک دنباله صفر کنترل می شود. در سوی گیرنده از سه دکدکننده استفاده می شود: یک دکدکننده مرکزی و دو دکدکننده جانبی. دکدکننده مرکزی: در صورت دریافت سالم هر دو توصیف آن دو را با هم ترکیب کرده و بالاترین کیفیت را ممکن می سازد. در این پایان نامه دکدکننده های جانبی معرفی می شوند که با بهبود روش های ساده پنهان سازی خطا و میانگین گیری از پیکسل های مجاور، و همچنین با استفاده از راستای گرادیان و لبه ها در توصیف دریافت شده سالم، راستاهایی را برای تخمین اندازه پیکسل ها در توصیف مخدوش شده تعیین کرده و با درون یابی و یا برون یابی در این راستاها، مقادیر این پیکسل ها را تخمین می زنند. نتایج به دست آمده نسبت به روش میانگین گیری ساده نشانگر بهبود در معیارهای کیفیت عددی و بهبود کیفیت دیداری خروجی به دست آمده هستند.

میزان محاسبات و کاهش آن در فیلترهای وفقی در سالهای اخیر به یکی از مسائل مهم مبدل گردیده است. این مسئله در بسیاری از کاربردهای فیلترهای تطبیقی مانند حذف نویز و اکوی آکوستیکی و شبکه، شناسایی سیستم یا کانال که برای افزایش دقت در مدل کردن محیط فیزیکی نامعلوم به تعداد ضرایب بیشتری نیاز است اهمیت پیدا می کند چون پیچیدگی محاسباتی الگوریتم های فیلتر های تطبیقی با تعداد ضرایب فیلتری که قرار است در هر تکرار الگوریتم بروز رسانی شود متناسب است و افزایش تعداد ضرایب منجر به سنگینی بار محاسباتی الگوریتم تحت اجرا می شود. در این پایان نامه یکی از معیارهای ارزیابی ما علاوه بر میزان کاهش محاسبات، سرعت همگرایی الگوریتم ها می باشد. بخاطر همین مسئله در این پژوهش ساختار subband filtering را مطرح می کنیم و روش های مختلف (انتخاب بهینه ضرایب، روش انتخاب گر دیتا و انتخاب بهترین مشاهدات الگوریتم تصویر افاین ) را برای کاهش حداکثری میزان محاسبات باهم ترکیب و در داخل هر subband استفاده می کنیم که البته بخش های مربوط به انتخاب ضرایب و مشاهدات در الگوریتم تصویر افاین در subband ها را بطور مشترک و و بخش های مربوط به انتخاب دیتا را به صورت مستقل در هر subband بکار می گیریم. با توجه به مزایای ساختار subband filtering، عملکرد الگوریتم های مطرح شده هم از لحاظ سرعت همگرایی (convergence speed) و هم از لحاظ کاهش میزان محاسبات لحظه ای و متوسط، بهتر از الگوریتم های مطرح شده در کارهای اخیر می باشد. در این پژوهش در اعمال الگوریتم های مطرح شده بر روی الگوریتم تصویر افاین بخاطر سرعت همگرایی بالا و مقاوم بودن در برابر دیتای رنگی و تغییر پذیری محیط سعی شده است. در ادامه این پژوهش استفاده از تبدیل موجک را پیشنهاد کرده ایم. در این روش از طریق استخراج تقریب های سیگنال ها، طول سیگنال های تقریب زده شده نسبت به سیگنال های اصلی کاهش پیدا می کند بنابراین مجموع محاسبات نیز تقریباً متناسب با سطح تبدیل موجک گرفته شده از سیگنال ها کاهش پیدا می کند. این روش برای بهبود روش های قبلی پیشنهاد شده از لحاظ محاسباتی، با آنها ترکیب می شود.

اخیراً مفهوم تخمین تطبیقی توزیع شده به عنوان روشی مناسب برای تخمین در شبکه های سنسوری فاقد fc مد نظر قرار گرفته است. در قسمت اول این رساله مساله تخمین تطبیقی توزیع شده در شبکه های افزایشی مبتنی بر lms با در نظر گرفتن کیفیت مشاهدات در دو حالت کلی (1) شبکه همگن و (2) شبکه غیر همگن مورد توجه قرار گرفت. ابتدا نشان داده شد که چنانچه از شبکه تطبیقی در یک محیط همگن استفاده شود، از نظر خطای حالت دائم، نتایج بدست آمده تفاوتی با نتایج قابل ارائه توسط شبکه غیرمشارکتی ندارد. با این حال استفاده از شبکه تطبیقی این مزیت را دارد که با نرخ همگرایی سریع تری به جواب رسیده و لذا مزیت اصلی آنها در این مورد فقط سرعت همگرایی آن هاست. در حالت دوم ابتدا نشان دادیم که وجود گره هایی با کیفیت پایین سبب کاهش شدید کارایی شبکه های تطبیقی می گردد. برای حل این مساله در این رساله الگوریتم های متفاوتی ارائه گردید. ابتدا توجه خود را معطوف به طراحی الگوریتمی نمودیم که در آن هدف دسترسی به خطای کمتر نسبت به الگوریتم dilms به شرط نرخ همگرایی برابر با آن تعیین گردید. بسته به در دسترس بودن اطلاعات مربوط به واریانس نویز مشاهدات، برای این مورد دو الگوریتم مختلف ارائه گردید. با توجه به نتایج بدست آمده نشان دادیم که الگوریتم های پیشنهادی دارای عملکرد بهتری نسبت به الگوریتم dilms در شرایط مشابه می باشند. در ادامه، توجه خود را معطوف به طراحی الگوریتمی کردیم که در آن هدف دسترسی به نرخ همگرایی بالاتر نسبت به الگوریتم dilms به شرط داشتن خطای حالت دائم برابر با آن تعیین گردید. الگوریتم طراحی شده، الگوریتم تطبیقی با ضریب گام متغیر با زمان می باشد که در آن ضریب گام با گذشت زمان (تکرار بیشتر الگوریتم) کوچک تر می شود. این امر سبب بهبود نرخ همگرایی الگوریتم تطبیقی پیشنهادی نسبت به الگوریتم dilms می گردد. برای تمام الگوریتم های پیشنهادی پس از بدست آوردن روابط لازم، شبیه سازی متفاوتی برای نشان دادن کارایی آنها ارائه گردید. در قسمت دوم رساله حاضر عملکرد الگوریتم های تخمین تطبیقی با وجود محدودیت محدودیت پهنای باند مورد بررسی قرار می گیرد. به عبارت دیگر در این حالت هدف، رفتار الگوریتم های تخمین تطبیقی توزیع شده زمانی که از مقادیر کوانتیزه شده به جای مقادیر واقعی استفاده شود مورد بررسی قرار می گیرد. اهمیت این مساله ناشی از این حقیقت ناشی می گردد برای پیاده سازی الگوریتم های تخمین تطبیقی توزیع شده بر روی پردازنده ها نیازمند کوانتیزه کردن مقادیر مورد پردازش می باشیم. لذا بررسی رفتار الگوریتم های تخمین تطبیقی توزیع شده حائز اهمیت می باشد.در این رساله ابتدا نحوه پیاده سازی آن با استفاده از تعداد بیت محدود نشان داده شد و رابطه بروز کردن تخمین محلی در هر گره با در نظر گرفتن خطای ناشی از کوانتیزه کردن مقادیر مورد استفاده استخراج گردید. در ادامه روابط مربوط به مقادیر نهایی کمیت های msd، emse و mse برای حالتی که رگرسیون ها دارای توزیع گوسی و همچنین دارای توزیع دلخواه باشند استخراج گردید.

حساسیت بالا نسبت به توپولوژی شبکه، عدم تطبیق با مقیاس پذیری، جابجایی گروهی تخمین های مکانی و انتشار و انباشته شدن خطا در شبکه از مشکلات موجود و رایج در روش‏های مکان‏یابی موجود می‏باشند. لذا در این پایان نامه، هدف، طراحی الگوریتمی جهت مکان یابی سنسورهای ناشناخته شبکه های سنسوری بی سیم در جهت رفع هر چه بیشتر نقایص موجود می‏باشد. بدین منظور الگوریتمی در دو فاز پیشنهاد شده است که در آن هر سنسور ابتدا به محاسبه تعداد سنسورهای با موقعیت مشخص در محدوده برد رادیویی خود می پردازد. سپس بسته به دارا بودن یا نبودن حداقل تعداد سنسورهای با موقعیت معین لازم جهت مکان یابی به طور یکتا، الگوریتم به ترتیب وارد فاز های اول یا دوم خود می شود. در هر دو فاز، از الگوریتم بهینه‏سازی ازدحام ذرات (pso) ، به عنوان هسته اصلی الگوریتم استفاده شده است، با این تفاوت که در فاز اول تنها سنسورهایی که حداقل سنسورهای با موقعیت معین را در محدوده برد رادیویی خود دارند مکان یابی می شوند در صورتی که در فاز دوم با بهره گیری از روش های doa و rss به صورت توام و نیز موقعیت‏های مکان‏یابی شده در فاز اول و لحاظ کردن اطلاعات مکانی حاصله از همسایگان مرتبه دوم در تابع ارزشی، بقیه سنسورهای شبکه نیز با دقت بسیار بالا مکان‏یابی می‏شوند. نتایج شبیه‏سازی و همچنین مقایسه خطای مکان‏یابی در الگوریتم پیشنهادی و الگوریتم‏های رایج قبلی، حاکی از کارایی بالای الگوریتم ارائه شده در فراهم کردن موقعیت‏های دقیق مکانی است.

اخیراً شبکه های تطبیقی برای حل مساله تخمین خطی در شبکه های توزیع شده مانند شبکه های سنسوری بی سیم معرفی شده اند. ایده اصلی در این نوع از شبکه ها آن است که حل مساله تخمین به صورت توزیع شده نیاز به اطلاعات آماری مساله ندارد. در عمل مسائلی مانند وجود لینک های نویزی و متغیر بودن توپولوژی شبکه سبب تغییر چشمگیر عملکرد شبکه های تطبیقی می گردد. با توجه به اهمیت این مسائل در این رساله جنبه های عملی مربوط به شبکه های تطبیقی شامل تاثیر لینک های نویزی و توپولوژی متغیر با زمان مورد مطالعه قرار می گیرد. ابتدا، نشان می دهیم که وجود لینک های نویزی به شدت کارایی شبکه های تطبیقی را کاهش می دهد. سپس، روابط تئوری لازم برای پیش بینی رفتار حالت دائم شبکه های تطبیقی با لینک های نویزی محاسبه می گردد. روابط تئوری به دست آمده به خوبی با نتایج حاصل از شبیه سازی همخوانی دارند که این موضوع صحت روابط تئوری به دست آمده را نشان می دهد. علاوه بر این، روابط تئوری به دست آمده حاوی نکات مهمی درباره رفتار شبکه های تطبیقی با لینک های نویزی می باشند. این نکات عبارتند از 1) منحنی های msd، emse و mse نهایی برای شبکه های تطبیقی با لینک های نویزی تابعی افزایشی یکنوا از پارامتر ضریب گام نیستند، 2) شبکه های تطبیقی (افزایشی و نفوذی) در برابر نویز کانال پایدار هستند و 3) در حضور لینک های نویزی استفاده از مشارکت بین گره ها همواره منجر به نتیجه بهتر نمی گردد. برای بهبود عملکرد شبکه های تطبیقی در حضور لینک های نویزی الگوریتم هایی را پیشنهاد می کنیم. در الگوریتم های پیشنهادی از روش های 1) تقویت اطلاعات در هر گره قبل از ارسال آنها و یا 2) کاهش میزان مبادلات بین گره ها از طریق پردازش بلوکی اطلاعات استفاده می شود. در ادامه، به مطالعه شبکه های تطبیقی نفوذی با توپولوژی متغیر با زمان و لینک های نویزی می پردازیم. ابتدا، نشان می دهیم که متغیر بودن توپولوژی شبکه همراه با وجود لینک های نویزی سبب کاهش کارایی شبکه های تطبیقی نفوذی می گردد. سپس، روابط تئوری لازم برای پیش بینی رفتار حالت دائم شبکه های تطبیقی با توپولوژی متغیر با زمان و لینک های نویزی محاسبه می شود. با انجام شبیه سازی های مختلف نشان می دهیم که روابط تئوری به دست آمده به خوبی با نتایج حاصل از شبیه سازی همخوانی دارند که این موضوع صحت روابط تئوری به دست آمده را نشان می دهد. علاوه بر پیش بینی رفتار شبکه تطبیقی با توپولوژی متغیر با زمان و لینک های نویزی، روابط به دست آمده در این رساله دو نکته مهم دیگر را نیز آشکار می سازند. نکات مورد نظر عبارتند از: 1) لینک های نویزی عامل اصلی در کاهش عملکرد شبکه تطبیقی با توپولوژی متغیر با زمان و لینک های نویزی می باشد و 2) در شبکه تطبیقی با لینک های نویزی و توپولوژی متغیر با زمان لینک های نویزی تاثیری در پایداری شبکه تطبیقی ندارند.

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. سیستم های جدید حفظ امنیت داده های صوتی عمدتا بر مبنای شناسایی سیگنال صوت با استفاده از محتوا استوار هستند. این سیستم ها معمولا از دو تکنولوژی واترمارکینگ و استخراج اثر انگشت استفاده می کنند. در این میان تکنولوژی استخراج اثر انگشت صوت به دلیل توانایی نظارت بر سیستم های صوتی توجه بسیاری را به خود جلب کرده است. سیستم های شناسایی صوت بر مبنای محتوا یا سیستم های استخراج اثر انگشت سیگنال صوت، خلاصه ای از ویژگی های منحصر به فرد سیگنال صوت را استخراج و در یک پایگاه داده ذخیره می کنند. در این صورت برای شناسایی یک سیگنال صوت ناشناخته، ابتدا یک اثر انگشت از این سیگنال استخراج می شود و سپس با اثر انگشت های موجود در پایگاه داده تطبیق داده می شود. سیستم های هشینگ کاربردهای فراوانی دارند، از جمله می توان به بررسی صحت اشاره کرد. هدف اصلی در بررسی صحت، پاسخ دادن به این سوال است که آیا داده ی دریافتی از طریق کانال از لحاظ محتوا تفاوتی با داده ی ارسالی از طریق فرستنده دارد یا نه؟ برای این منظور ابتدا یک اثرانگشت از داده ی دریافتی استخراج شده و با اثر انگشت داده ی اصلی مقایسه می شود. با استفاده از نتیجه ی این مقایسه می توان از صحت یا عدم صحت داده ی دریافتی اطمینان حاصل کرد. یک سیستم ایده ال استخراج اثر انگشت باید شرایط متعددی را برآورده کند، یکی از این شرایط پایداری است. به این معنی که سیستم بتواند سیگنال صوت را حتّی در حضور عوامل مختلف اعوجاج موجود در کانال نظیر نویز، فشرده سازی، تداخل و غیره به درستی شناسایی کند. از جمله شرایط مهم دیگر سیستم ایده آل استخراج اثر انگشت صوت می توان به بالا بودن دقت، کوتاه بودن طول اثرانگشت برای صرفه جویی در حافظه و پایین بودن پیچیدگی محاسباتی اشاره کرد. از طرفی الگوریتم شناسایی و تطبیق اثرانگشت نیز باید علاوه بر داشتن قدرت تشخیص بالا، از لحاظ محاسباتی نیز بهینه باشد. روش های مختلفی برای افزایش پایداری این سیستم در مقابل این عوامل و همچنین کاهش پیچیدگی محاسباتی پیشنهاد شده است. در این پایان نامه روشی برای استخراج اثر انگشت با استفاده از تبدیل ویولت گسسته پیشنهاد شده است. در این روش باندهای فرکانسی اکتاو موجود در هر فریم سیگنال با استفاده از مفهوم فیلترهای پایین گذر و بالاگذر الگوریتم mallat برای محاسبه ی تبدیل ویولت گسسته تخمین زده شده اند. سپس چهار نوع ویژگی از ضرایب تبدیل ویولت استخراج شده اند. ویژگی های فوق شامل میانگین، نرخ عبور از صفر، ممان اول نرمالیزه شده و صافی ضرایب ویولت موجود در هر زیر باند هستند. ویژگی های فوق برای ضرایب موجود در هر فریم نیز استخراج شده است تا بتوان با استفاده از مقایسه ی مقادیر ویژگی های متناظر و روش رای گیری در ریاضیات یک ماتریس با 256 سطر و 10 ستون به عنوان ماتریس اثرانگشت استخراج کرد. نتایج شبیه سازی نشان می دهند که روش پیشنهادی پایداری بالایی در مقابل عوامل اعوجاج موجود در کانال نسبت به روش مشابه دارد. علاوه بر پایداری، قدرت تمییز بالا بین سیگنال های مختلف و پیچیدگی محاسباتی کم نیز از ویژگی های روش فوق است.

شبکه های حسگری بی سیم یکی از روش های جدیدی است که در سال های اخیر و بیشتر با هدف جمع آوری اطلاعات از محیط و مانیتوریگ مورد توجه قرار گرفته است. یکی از مسائل مهم موجود در شبکه های حسگری بی سیم مسئله مکان یابی گره های حسگری است به طوری که بدون داشتن اطلاعات از محل گره های حسگری و یا محل پدیده های رخ داده در شبکه، اطلاعات استخراج شده دارای ارزش چندانی نخواهد بود. همچنین بسیاری از کاربرد های موجود در شبکه های حسگری بی سیم نیازمند اطلاعاتی از مکان گره ها هستند. روش های مکان یابی موجود به دو گروه مبتنی بر فاصله و مستقل از فاصله قابل تقسیم بندی هستند. روش های مبتنی بر فاصله عموما دارای دقت بالا و در عین حال قیمت بالا هستند. در مقابل روش های مستقل از فاصله دارای دقت و قیمت پایینی هستند. روش های مکان یابی مبتنی بر توان دریافتی نوعی روش مکان یابی مبتنی بر فاصله است که قیمت تمام شده پایین و در عین حال دقت مناسبی دارند. روش های سنتی مکان یابی مبتنی بر توان دریافتی عموما برد رادیویی گره ها را دایروی فرض می کنند و قدرت تطبیق پذیری پایینی با محیط دارند. به همین دلیل تغییر پارامترهای محیط موجب افزایش خطای مکان یابی در این روش ها می گردد. اگرچه روش هایی همچون شبکه های عصبی، تطبیق منحنی، روش های فازی و نقشه توان دارای قدرت تطبیق پذیری مناسبی با محیط هستند ولی این روش ها نیز به منظور تشکیل مدل به تعداد فراوانی نمونه از محیط نیاز دارند. همچنین این روش ها با محدودیت هایی در توسعه شبکه مواجه هستند. در الگوریتمی که در این پایان نامه ارائه می گردد گره های حسگری مدلی غیر دایروی را برای برد رادیویی خود تشکیل می دهند. این مدل بر اساس محیطی که گره در آن قرار گرفته است تشکیل می گردد و تطبیق پذیر می باشد. مدل ارائه شده با گذر زمان قابل تجدید بوده و به این ترتیب با تغییر پارامترهای محیط خطای مکان یابی افزایش نمی یابد. روش ارائه شده نیازی به تعداد زیادی نمونه از محیط برای تشکیل مدل ندارد. شبیه سازی ها نشان می دهد که الگوریتم مکان یابی معرفی شده خطای مکان یابی کمتری را در مقایسه با روش های سنتی تولید می کند و در عین حال قادر به مکان یابی درصد بیشتری از گره های حسگری است. شبیه سازی ها نشان می دهد که الگوریتم ارائه شده در چگالی های پایین گره های حسگری دارای کارایی بهتری در مقایسه با روش های سنتی و به خصوص روش های مستقل از فاصله است. مدل های استخراج شده توسط گره های حسگری در الگوریتم ارائه شده علاوه بر کاربردی که در مکان یابی دارند می توانند ویژگی های کلی محیط اطراف گره های حسگری را نیز مشخص کنند.

نمونه برداری فشرده روشی جدید در نمونه برداری است که امکان نمونه برداری زیر نرخ نایکوئیست بدون کاهش کیفیت بازسازی یا با کمترین افت کیفیت را فراهم می کند. این روش از خاصیت تٌنٌک بودن سیگنال در حوزه های مختلف استفاده می کند. کاهش زمان پردازش، هزینه و سخت افزار مورد نیاز از ویژگی های بارز این روش است. کاربردهای بالقوه ی متعددی برای این تئوری در پردازش سیگنال از جمله تبدیل آنالوگ به دیجیتال، رادار، شبکه های سنسوری، تصویربرداری پزشکی و ... وجود دارد. هر چند نمونه برداری فشرده روشی جدید است اما روش های مختلفی برای بازسازی سیگنال اولیه ارائه شده است. معیارهای متنوعی برای سنجش الگوریتم های ارائه شده برای بازسازی سیگنال ها وجود دارد که می توان به سرعت همگرایی، خطای بازسازی، تعداد نمونه های لازم، پیچیدگی محاسباتی و ... اشاره کرد. در این پایان نامه الگوریتم مناسبی بر پایه ی الگوریتم های حریصانه که از بهینه سازی غیرمحدب استفاده می کنند، برای بازسازی سیگنال فشرده شده ارائه شده و کارایی آن توسط شبیه سازی با روش های موجود مقایسه شده است. الگوریتم پیشنهادی از روش بهینه سازی گرادیان زوج مزدوج پایدار شده، برای بازسازی سیگنال در روش نمونه برداری فشرده استفاده می کند. همچنین برای بهبود بیشتر عملکرد بازسازی، در الگوریتم پیشنهادی روش معمول برای انتخاب المان هایی که عمل بهینه سازی روی آن ها انجام می گیرد تغییر یافته است.

اخیرا شبکه های تطبیقی برای حل مساله تخمین در شبکه های توزیع شده مانند شبکه های سنسوری بی سیم معرفی شده اند. یکی از کاربردهای الگوریتم تخمین تطبیقی توزیع شده استفاده از آنها جهت مدل سازی حرکت ماهی ها به سمت منبع غذا است، که در آن ماهی ها به عنوان گره های شبکه عمل کرده و منبع غذایی نیز نشان دهنده هدفی است که گره ها موقعیت مکانی آن را تخمین زده و به سمت آن حرکت می کنند. ابتدا نشان داده می شود که چگونه گره ها می توانند با استفاده از الگوریتم تخمین تطبیقی توزیع شده با مشارکت نفوذی موقعیت هدف را در فضای سه بعدی تخمین زده و سپس به سمت آن حرکت کنند. در مرحله بعدی به ارائه الگوریتمی می پردازیم که بتوان با استفاده از آن میزان ارتباطات انجام شده مابین گره ها را کم کرد به گونه ای که کارایی شبکه از لحاظ خطای حالت دائم و نرخ همگرایی حفظ شود. هدف از کاهش ارتباطات ما بین گره ها نیز کاهش توان مصرفی و پهنای باند شبکه می باشد. در این پایان نامه از منحنی msd، جهت بررسی نتایج الگوریتم ارائه شده و شبیه سازی ها استفاده می شود.

کاهش قابلیت فهم گفتار در شرایط نویزی یکی از متداول ترین مشکلات شنونده ها، به ویژه افراد دارای ضعف شنوایی است. توانایی پیش بینی قابلیت فهم می تواند باعث بهبود طراحی سیستم های صوتی و توسعه الگوریتم های کمک شنوایی در امر توانبخشی شود. روش های معمول برای پیش بینی قابلیت فهم، به شکل ماکروسکوپی عمل می کنند، به این معنی که ویژگی های ماکروسکوپی سیگنال، مانند طیف بلند مدت یا نسبت سیگنال-به-نویز (snr) در باندهای فرکانسی مختلف برای محاسبه استفاده می شوند. در مقابل، یک روش میکروسکوپی محاسبات خود را براساس ویژگی های طیفی- زمانی گفتار که شنونده درک می کند، قرار می دهد. در مدل میکروسکوپی، ساختار خاص طیفی- زمانی سیگنال صحبت احتمالا به گونه ای پردازش می شود که بسیار مشابه سیستم شنوایی انسان است. در این پایان نامه، یک مدل میکروسکوپی دوگوشی برای پیشگویی قابلیت فهم گفتار پیشنهاد شده است. ساختار مدل بر مبنای مدل تک گوشی ادراکی .jürgens et al و مدل پیشنهادی دوگوشی با استفاده از سلول های تحریک و ممانعت (ei cells) قرار دارد. ساختار مدل شامل دو مرحله آموزش و تست می باشد. در مرحله آموزش، ابتدا، سیگنال های گفتار الگو برای گوش های چپ و راست با نویز پس زمینه جمع شونده دلخواه، به عنوان ورودی به واحد پیش پردازش اعمال می شود، این پیش پردازش شامل فیلتربانک گاماتون، مدل سلول مویی و حلقه های انطباق می باشد. سپس، سیگنالهای پیش پردازش شده گوش های چپ و راست، وارد واحد پردازش دوگوشی می گردند. درنهایت ، سیگنال های بدست آمده از مسیرهای تک گوشی و دوگوشی توسط فیلتربانک مدولاسیون بطور جداگانه پردازش می شوند. حاصل این مراحل پردازش، نمایش های درونی (irs) برای سیگنال های الگوی تک گوشی و دوگوشی است. به طریق مشابه در مرحله تست، برای سیگنال های ورودی تست گوش های چپ و راست نیز مراحل پردازشی ذکر شده در بالا اعمال شده و نمایش های درونی (irs) برای سیگنال های تک گوشی و دوگوشی تست بدست می آیند. در نهایت، نمایش های درونی بدست آمده برای سیگنال های الگو و تست توسط سیستم بازشناسی گفتار dtw مقایسه می شوند تا سیگنال الگویی از مجموعه الگوهای ممکن دردسترس که کمترین فاصله را با سیگنال تست دارد، به عنوان سیگنال تشخیص داده شده انتخاب شود. میزان پیشگویی قابلیت فهم گفتار بر اساس نسبت تعداد سیگنال های درست تشخیص داده شده به تعداد کل سیگنال های الگو محاسبه می شود. ارزیابی مدل تحت انواع مختلف نویز (نویز شبه گفتار، همهمه، و گفتار معکوس) و چیدمان های مختلف فضایی منابع تداخل (بعبارتی، مکان های متفاوت منابع اخلال) انجام می گیرد. به منظور تعیین دقت نتایج، پیشگویی های مدل با نتایج آزمایشات شنوایی بر حسب آستانه دریافت گفتار (srt) مقایسه می شود. برای انجام آزمایشات شنوایی، 9 شنونده در فرآیند آزمایشات روان ادراکی شرکت دارند تا مقادیر srt را در شرایط شنوایی گوناگون اندازه گیری شود. در مورد نویز شبه گفتار، سه نوع آزمایش با بکارگیری یک منبع ، دو منبع و سه منبع نویز انجام می شود. ارزیابی نتایج برای این نوع نویز تطابق خوبی را در مورد مقادیر پیشگویی مدل با مقادیر اندازه گیری شنوایی ذهنی نشان داده و کارآیی بالای مدل را تایید می کند. برای نویز های همهمه و گفتار معکوس، تنها یک منبع نویز در آزمایش ها بکار رفته است. اما، برخلاف نویز شبه گفتار، در مورد این نوع از نویزها، هماهنگی خوبی بین پیشگویی های مدل و اندازه گیری های ذهنی مشاهده نمی شود.

با توجه به افزایش روز افزون تقاضا برای اتصال دستگاه های بی سیم به شبکه های گسترده نظیر اینترنت و درخواست برای انتقال اطلاعات با نرخ بالا توسط این دستگاه ها و با توجه به محدودیت توان به عنوان محدودیت اصلی شبکه های بی سیم بررسی داد و ستد میان توان مصرفی و تاخیر یکی از مهمترین اقدامات در طراحی شبکه ها است. قدم اول برای بررسی تاخیر در یک شبکه شناخت ترافیک است. اندازه گیری ها نشان دهنده ی htss بودن ترافیک اینترنت و تعدادی از شبکه های گسترده هستند. در این پایان نامه داد و ستد انرژی و تاخیر در شبکه ای با ترافیک htss بررسی شده است. ابتدا مدلی برای شبکه ای با ترافیک htss که از طریق کانال دارای فیدینگ به انتقال اطلاعات می پردازد ارایه شده است. برای ایجاد موازنه ای میان انرژی و تاخیر در شبکه ی مفروض سرویس دهی پویا به ترافیک ورودی پیشنهاد شده است و در این سرویس دهی نرخ ارسال به عنوان استراتژی ایجاد موازنه در نظر گرفته شده است. در ادامه موازنه ای برای انرژی و تاخیر در غالب یک مساله ی بهینه سازی ارایه شده است. درنهایت راه حلی برای این مساله ی بهینه سازی برای فیدینگ گسسته و پیوسته ارایه شده و منحنی انرژی-کران تاخیر برای این سیستم تعریف شده است. نتایج شبیه سازی برای فیدینگی با دوحالت نشان دهنده ی این موضوع است که انتخاب نرخ های غیربهینه به ازای مصرف انرژی یکسان کران تاخیر بیشتری برای داده ی ارسالی ایجاد می کنند.

در سال های گذشته از شبکه های تطبیقی برای حل مساله تخمین خطی در شبکه های توزیع شده مانند شبکه های سنسوری بی سیم استفاده شده است. ایده اصلی در این نوع شبکه ها حل مساله تخمین به صورت توزیع شده می باشد.در عمل وجود لینک های نویزی بین گره ها سبب کاهش کارایی شبکه های تطبیقی می گردد.با توجه به این مساله در طول پایان نامه قصد داریم که الگوریتمی ارائه دهیم که تاثیر نویز را در کارایی شبکه کاهش دهد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.