مسئله موقعیت یابی و نقشه یابی همزمان (slam) یکی از نیازهای ضروری برای ربات های متحرکی است که در محیط های ناشناخته حرکت می کنند. حل مسئله slam بر اساس فیلتر کالمن توسعه یافته (ekf-slam) یکی از قدیمی ترین و محبوبترین روشها است. با وجود این، ekf-slam از دو مشکل عمده رنج می برد:پیچیدگی محاسبات و تناظر داده. برای حل این مشکلات روش های حل مسئله slam مبتنی بر فیلتر های ذره ای مطرح شده اند. عمومی ترین و موثرترین روش بر این اساس، الگوریتم fastslam است. علی رغم موفقیت های این روش، کاربرد آن برای نقشه های استاتیک دارای مشکلاتی می باشد که مهمترین آنها عدم سازگاری و تباهیدگی است .سابقه پژوهشی کارهای انجام شده نشان می دهد که تاکنون موفقیت نسبی این روش به دلیل نوع سنسورهای بکاربرده شده و نوع محیط های کار شده بوده است که تحت همین شرایط هم روش مذبور ناسازگار است.در این رساله راه حل هایی برای بهبود حل slam مبتنی بر فیلتر ذره ای پیشنهاد شده است. برای بهینه سازی از ویژگی های مشترک فیلتر های ذره ای و الگوریتم های تکاملی و همچنین سابقهخوب الگوریتم های تکاملی و سیستم های هوشمند در حوزه فیلترینک استفاده شده است. روش های ارایه شده به دو دسته کلی تقسیم می شوند: بهینه سازی روش های موجود و تجدید نظر در ساختار فعلی حل مسئله slam مبتنی بر فیلتر ذره ای. در اولین دسته، بهبود الگوریتم با بهینه سازی نمونه برداری، نمونه برداری مجدد، تخمین موقعیت نشانه ها و سازگاری فیلترهای پارامتریک محقق شده است. با توجه به اینکه یکی از مشکلات عمده الگوریتم های fastslam مربوط به ساختار این الگوریتم ها است، در دومین دسته به حل مسئله slam مبتنی بر فیلتر ذره ای با دیدگاه متفاوت نگریسته شده و نحوه حل آن مورد تجدید نظر قرار گرفته است. برای این منظور ابتدا مسئله slam از دیدگاه موقعیت یابی مطالعه شده و سپس مسئله slam به یک مسئله بهینه سازی تبدیل شده است. روش های پیشنهاد شده با استفاده از محیط های شبیه سازی شده و همچنین داده های تست های واقعی ارزیابی شده است. نتایج نشان دهنده موثر بودن روش های پیشنهاد شده می باشند.

ردیابی شیء یکی از مسائل مهم مطرح در حوزه ماشین بینایی است . الگوریتم ارائه شده در این تحقیق قادر به ردیابی اشیاء متحرک در محیط های نسبتاً پیچیده می باشد و در تصاویری که شامل سایه و تغییرات شدت روشنایی هستند، به خوبی عمل می کند. این الگوریتم بر خلاف سایر الگوریتم های موجود که تنها برای یک کاربرد خاص طراحی شده اند، قادر خواهد بود در رنج وسیعی از ویدئوهای مختلف عملیات ردیابی را انجام دهد و کاربرد آن به یک موضوع خاص محدود نمی شود. روش ارائه شده در این تحقیق بر اساس ترکیب دو روش قدرتمند بنا نهاده شده است، اولین روش ردیابی بر مبنای هیستوگرام بافت و رنگ می باشد. بافت در این روش توسط الگوی دودویی محلی (lbp) استخراج می شود. الگوی دودویی محلی یکی از بهترین روش های موضعی بیان گر بافت می باشد که پیکسل های یک تصویر را برچسب می زند و به هر پیکسل مقداری از بافت را نسبت می دهد. با استفاده از هیستوگرام تصویری که با این روش به دست می آید، می توان عملیات ردیابی را انجام داد. روش دوم ردیابی بر اساس مفهمومی به نام شار نوری است. شار نوری عبارت است از حرکت ظاهری روشنی هر پیکسل در تصویر. در حالت ایده آل شار نوری مطابق حرکت شیء می باشد. ترکیب دو روش فوق باعث ایجاد الگوریتمی قدرتمند خواهد شد که با دقت بیشتری عملیات ردیابی را بخصوص در حرکت های طولی انجام می دهد. نتایج شبیه سازی موید ادعای فوق هستند.

مدل سازی توانا?? س?ستم ب?نا?? انسان در بازشناس? راحت و سر?ع اش?اء در صحنه های پ?چ?ده، توجه محقق?ن ز?ادی را به خود جلب نموده است. ب?شتر مدل های ارائه شده در ا?ن زم?نه رفتار س?ستم ب?نا?? انسان در بازشناس? اش?اء را در چند?ن مرحله و به صورت سلسله مراتب? تقل?د م? کنند. مغز انسان هر روزه حجم وسیعی از داده های با ابعاد زیاد مانند تصاویر و گفتگوها را به صورت مستمر پردازش و بازشناسی میکند. با آن که ماشین ها سرعت محاسباتی بالایی دارند اما از این حیث از انسان بسیار ضعیف تر هستند. راه حل بر طرف کردن ضعف ماشینها در این زمینه، ایجاد الگوریتمهایی است که قادر بر تقلید و بازسازی روشهای محاسباتی و یادگیری مغز باشند، در این تحقیق مدل استاندارد بازشناسی شیء (hmax) در بخش استخراج patch هدفمند شده است. از پایگاه دادهی caltech برای محک مدل های پیشنهادی استفاده شده است. باتوجه به تعداد زیاد patchها در مدل استاندارد hmax که به طور تصادفی استخراج میشوند، در این پروژه، انتخاب patchها هدفمند شده است به طوری که از نواحی پس زمینه نباشند. دلیل اهمیت مسأله استخراج هدفمند patchها این است که در مرحله ی پایانی مدل hmax، یک مقایسه بین تصویر ورودی و زیرتصویرهای ذخیره شده صورت می گیرد. در روش پیشنهادی، با حذف پس زمینه، تنها قسمت هایی از تصویر که شامل شیء مورد نظر هستند به عنوان patch استخراج می شوند. ساختار نهایی طراحی شده در این تحقیق مطابق انتظار توانسته مولفه های پیچیده در تصاویر پایگاه داده ی caltech را استخراج و در مقایسه با مدل اولیه درک بهتری از آن داشته باشد.

خطای سیستم ناوبری اینرسی با گذشت زمان افزایش می یابد در نتیجه برای دستیابی به دقت بالاتر مخصوصا در ناوبری طولانی مدت نیاز به سیستم های کمکی است. سیستم تعیین موقعیت جهانی با توجه به خواص مکمل خود با سیستم ناوبری اینرسی مناسب ترین سیستم کمکی محسوب می شود. در این پروژه پس از شبیه سازی gps و ins خاص، تلفیق متوالی و کامل آنها مورد بررسی و شبیه سازی قرار می گیرد و سپس این دو روش تلفیق با هم مقایسه می شوند. رفتار خطای ناوبری در هر دو روش تلفیق در مقایسه با ins تنها بمراتب بهتر شده است. در ادامه بعد از مرور روش های تطبیق فیلتر کالمن یک فیلتر کالمن تطبیقی فازی برای تلفیق متوالی و کامل gps و ins پیشنهاد شده است که تطبیق با تنظیم تطبیقی ماتریس کواریانس نویز اندازه گیری r و نویز پروسه q صورت می گیرد تنظیم تطبیقی بوسیله سیستم فازی و با بکارگیری تکنیک covarianee-matching صورت می گیرد. نتایج نشان می دهد که تلفیق تطبیقی فازی gps و ins با تنظیم تطبیقی ماتریس های q یا r عملکرد بهتری نسبت به تلفیق معمولی که در آن ماتریس ها q و r دو ثابت دارد.

مسئله ردگیری به طور عام عبارت است از مکان یابی و موقعیت یابی هدفی با موقعیت متغیر در طول زمان های پیاپی. ازجمله ابزارهایی که به یاری آن مسئله ردگیری با هدف تعیین موقعیت جسم میسر می شود فیلتر ذره ای است که به عنوان فیلتری تخمین گر مطرح است. در این پروژه، هدف بررسی الگوریتم فیلتر ذره ای در ردگیری اهداف متحرک و بهبود عملکرد آن است. حوزه کاربردی این الگوریتم که حالت خاصی از الگوریتم تناوبی مونت کارلو است، بسیار وسیع تر از ردگیری اهداف متحرک است. از این الگوریتم می توان برای محاسبات ریاضی مثل تخمین امیدهای ریاضی، انتگرال ها، مساحت منحنی ها و بسیاری از محاسبات ریاضی دیگر استفاده کرد. این الگوریتم، همچنین در شاخه های دیگری از علم؛ مثل ژنتیک هم کاربرد دارد. اساس کار این الگوریتم بر نمونه برداری تصادفی از یک تابع چگالی احتمال و نمونه برداری مجدد از نمونه های گرفته شده استوار است. هدف این است که این الگوریتم را تغییر داده و به الگوریتمی بهتر ازنظر احتمال خطا برسیم. الگوریتمی که درنهایت حاصل می شود به مراتب از الگوریتم مونت کارلو بهتر است. علاوه بر این، یک مشکل اساسی موجود در نسخه های اصلی این الگوریتم این است که در همه ی الگوریتم های استاندارد در ردیابی، نرخ های نمونه برداری را برای فرآیند های اندازه گیری و حالت، یکسان و همزمان فرض می کنند. این مشکل را ذکر کرده و راه حلی برای آن بیان می شود.

آخرین مرحله در یگ فرایند بازشناسی الگو طبقه بندی است که توسط طبقه بند های مختلفی می تواند انجام شود. طبقه بند ماشین بردار پشتیبان، طبقه بند قدرتمندی است که عملکرد آن به مقدار پارامترهای مختلفی بستگی دارد. مقداردهی مناسب به این پارامترها می تواند با استفاده از یک الگوریتم ابتکاری صورت بگیرد.

با وجود مزایای متعدد سیستم های احراز هویت مبتنی بر بیومتریک نسبت به سیستم های احراز هویت قدیمی و سنتی(مانند کارت مغناطیسی، رمز عبور و...)، این گونه سیستمها در معرض انواع مختلفی از حملات آسیب پذیر هستند که می تواند امنیت این سیستمها را به طور قابل توجهی کاهش دهد. هیچ سیستمی به طور مطلق از تهدیدات امنیتی مصون نیست. با توجه به شرایط مناسب و داشتن زمان و منابع کافی، هر سیستم امنیتی را می توان شکست بنابراین، تجزیه و تحلیل آسیب پذیری و درک رفتارهایی که سیستم های بیومتریک را در معرض خطر قرار می دهد جهت جلوگیری از حملات احتمالی امری ضروری تلقی می گردد. حملات به سیستم های بیومتریک به طور کلی به دو گروه حملات مستقیم و حملات غیر مستقیم تقسیم بندی می شود که حملات مستقیم مربوط به سنسور و حملات غیر مستقیم، هدف آن به سمت ماژولهای داخلی سیستم بیومتریک می باشد. در این پایان نامه حملات غیر مستقیم بر روی سیستم های تایید اثرانگشت مبتنی بر مینوشیا مورد تجزیه و تحلیل قرار می گیرد. حمله جعل هویت الکترونیک از طریق الگوریتم شبیه سازی تبرید (sa) بوسیله نرم افزار متلب شبیه سازی شده و نرخ موفقیت آن در شرایط مختلف مورد مطالعه قرار می گیرد در این نوع حمله یک الگوی مصنوعی به صورت تصادفی تولید شده و جهت تعیین نمره تطبیق به تطبیق گر ارسال می گردد با توجه به نمره تطبیق بدست آمده این الگو به صورت مکرر تغییر کرده تا سرانجام نمره تطبیق بدست آمده از حد آستانه مورد نظر تایید بیشتر شده و سیستم بیومتریک این الگو را به عنوان یک الگوی کاربر واقعی بپذیرد. اقدامات متقابل این قبیل حملات، مرور و تجزیه وتحلیل می گردد که یک از راههای مقابله با آن کوانتیزه کردن نمره تطبیق است که مورد مطالعه قرار می گیرد. کلید واژه ها: تایید اثرانگشت، آسیب ها، الگوریتم شبیه سازی تبرید، حملات غیر مستقیم، بیومتریک.

چکیده : تقویت کننده ی کم نویز نوع خاصی از تقویت کننده های الکترونیکی است که در سیستم های مخابراتی برای تقویت سیگنال-های گرفته شده از آنتن به کار می رود و اغلب در فاصله ی کمی از آنتن قرار می گیرد تا افت سیگنال در خطوط به حداقل ممکن برسد. طراحی مدارات آنالوگ فقط شامل طراحی توپولوژی و طرح اولیه نیست، بلکه سایزبندی و مقداردهی المان ها را نیز شامل می شود، از این جهت آن را فرایندی پیچیده و چالش برانگیز می دانند. روش سایزبندی المان ها اغلب فرایندی کند، خسته کننده و تکرار شونده است که میزان موفقیت آن به دانش، فراست و تجربه طراح بستگی دارد. به همین خاطر روش های متفاوت طراحی خودکار مدارات مجتمع آنالوگ از سوی محققین مطرح شده است. امروزه محققین از روش های بهینه سازی متفاوتی در ابزارهای طراحی خودکار مدارات مجتمع آنالوگ استفاده می کنند، رویکرد جدید محققین در سال های اخیر استفاده از الگوریتم های ابتکاری به ویژه الگوریتم های هوش جمعی و الگوریتم های تکاملی است. در این رساله از روش های جستجوی بهینه سازی هوش جمعی و الگوریتم های تکاملی به دلیل مشخصات عملکردی کارآمد، استقبال روزافزون محققین در استفاده از آنها و دارا بودن زمینه های بکر، فراوان استفاده می شود. در این رساله از روش های بهینه سازی چند هدفه مبتنی بر الگوریتم ژنتیک2 (nsga?ii) یا مرتب سازی نامغلوب و روش بهینه سازی چند منظوره گروه ذرات (mopso) و الگوریتم چند هدفه صفحات شیبدار (moipo) استفاده شده است. ابزار فوق در ابتدا با استفاده از یک نرم افزار شبیه ساز مدار مورد نظر را شبیه سازی می کنند، سپس نتایج شبیه سازی به وسیله الگوریتم های چند هدفه تحت بهینه سازی قرار می گیرند و تا حصول نتیجه مطلوب این روند ادامه می یابد. برنامه های اصلی این ابزار با نرم افزار matlab پیاده سازی شده و شبیه سازی مدارات توسط نرم افزار hspice انجام می شود. این ابزار قابلیت سایزبندی المان های هر نوع مدار آنالوگ را دارد. برای بررسی قابلیت ابزارهای پیشنهادی در سایزبندی خودکار مدارات lna عملکرد آنها مورد سنجش قرار می گیرد. نتایج بدست آمده نه تنها خواسته های مورد نظر در طراحی را برآورده می سازد بلکه با ارائه دسته جواب های متنوع، دست طراح را در انتخاب جواب مناسب از میان جواب های قابل قبول نهایی باز خواهد گذاشت.

چکیده حلقه های قفل فازبه طور گسترده درگیرنده های مخابراتی دیجیتال و میکروپروسسورهایی با عملکرد و سرعت بالا به عنوان تولید کننده فرکانس و مولدهای کلاک برای مدارات مجتمع استفاده می شوند. در حالی که سرعت این سیستم ها افزایش می یابد، حلقه های قفل فازی با عملکرد فرکانسی بالا و نویز فاز کم نیاز است. حلقه قفل شده فاز یک سیستم فیدبک دار است که با یک اسیلاتور کنترل شده با ولتاژ و یک مقایسه کننده فاز به گونه ای ترکیب شده است که فرکانس اسیلاتور (یا فاز) دقیقا فرکانس سیگنال اعمال شده یا فاز سیگنال مدوله شده را دنبال می کند. دراین پایان نامه از روش های جستجوی بهینه سازی چندهدفه، هوش جمعی و الگوریتم های تکاملی از جمله روش های بهینه سازی چند هدفه مبتنی بر الگوریتم ژنتیک2 (nsga?ii) یا مرتب سازی نامغلوب و روش بهینه سازی چند منظوره گروه ذرات (mopso) و الگوریتم چندهدفه صفحات شیبدار (moipo)، برای بهینه سازی نویز فاز، توان مصرفی و شکل شایستگی مدار حلقه قفل فاز استفاده می شود. ما ابتدا اثر پارامترهای حلقه را بر نویز فاز،توان مصرفی و شکل شایستگی بررسی و تحلیل می نماییم. سپس، با استفاده از نتایج این تحلیل به طراحی پارامترهای الگوریتم تکاملی و هوش جمعی می پردازیم. عملکرد الگوریتم به این صورت است در ابتدا با استفاده از یک نرم افزار شبیه ساز مدار مورد نظر را شبیه سازی می کند، سپس نتایج شبیه سازی بوسیله الگوریتم های چندهدفه تحت بهینه سازی قرار می گیرند و تا حصول نتیجه مطلوب این روند ادامه می یابد. برنامه های اصلی این ابزار با نرم افزار matlab پیاده سازی شده و شبیه سازی مدار توسط نرم افزار hspice انجام می شود. نتایج شبیه سازی با استفاده از ارتباط بینmatlab و نرم افزار hspice بدست می آید.

بازشناسی الگو یا طبقه بندی الگو فرآیندی است که طی آن یک الگوی ناشناخته با توجه به ویژگی های آن در کلاس یا طبقه ی صحیح جای می گیرد.یکی از راه های بهبود نتایج طبقه بندی ، استفاده از چند طبقه بند و ترکیب نتایج آنها است. در موفقیت یا عدم موفقیت یک شورای طبقه بندی عوامل بسیار زیادی دخیل هستند . . برای پیدا کردن مقادیر بهینه هر یک از این عوامل می توان از الگوریتم های ابتکاری کمک گرفت.در این پایان نامه چند شورای طبقه بندی معرفی شده است و هریک از این شورا ها با الگوریتم های بهینه سازی بهینه شده اند. شوراهای معرفی شده در این رساله با الگوریتم های ابتکاری از نظر خطا ، اندازه ی شورا ، خطا و اندازه ی شورا به صورت هم زمان، بهینه شده اند.