روشی که در این پایان نامه برای پنهان نگاری داده های باینری مطرح شده است در شاخه ی پنهان نگاری تصویر در حوزه ی مکان است و براساس محاسبه ی همبستگی پیکسل های تصویر با پیکسل های همسایه انجام می شود که مفهوم آن اینست که برای جاسازی داده های اصلی، توانایی بلوک پوشانه ,در پنهان کردن اطلاعات بررسی می شود. در این پژوهش قبل از کاشتن داده ی اصلی ماتریس همبستگی هر بلوک از تصویر با بلوک های اطراف محاسبه می شود و بر اساس پروتکلی که در این پروژه برای کاشتن بیت های باینری در نظر گرفته شده است نوع بیتی که در این بلوک باید کاشته شود مشخص می شود در نهایت پس از اعمال شرایط جاسازی در تمام پیکسل ها وکاشتن داده ها الگوی تغییر خطای ماتریس همبستگی قبل و بعد از جاسازی نسبت به آستانه مشخص می شود و با این بررسی می توان راجع به آستانه های قابل قبول قضاوت کرد و بهترین آن را انتخاب کرد.معیار این انتخاب حفظ کیفیت تصویر، افزایش ظرفیت و میزان داده ها در جاسازی است.

بمنظور استفاده از روش های هوشمند در مکان یابی، فراهم آوردن بانک داده های آموزشی و آزمایشی و محدود کردن خطای مکان یابی از نکات کلیدی است. بر این اساس، رساله ی حاضر بر سه محورِ مدل سازی، اندازه گیری میدان های الکترومغناطیسی و مکان یابی هوشمند صاعقه، بنا شده است. در این رساله، در محورِ مدل سازی، جهت مدل سازی کانال ضربه برگشت صاعقه ی از نوع ابر به زمین، مدل جدیدی ارائه شده است. در این مدل، کانال صاعقه به صورت یک آنتن مونوپل عمودی با بارگذاری اهمی-سلفی بر روی زمین تلفاتی در نظر گرفته می شود. با حل عددی معادله ی انتگرال میدان الکتریکی در رژیم فرکانسی، توزیع جریان در طول کانال بدست می آید. حل معادله، با استفاده از روش ممان با شرایط مرزی مناسب با مسئله، صورت می گیرد. مدل جدید دو ویژگی مهم را با هم در نظر گرفته که شامل سرعت متغیر انتشار موج جریان در کانال صاعقه و تلفاتی بودن زمین است. این مدل نیازی به استفاده از گذر دهی نسبی محیط اطراف کانال به مقدار بزرگتر از یک را ندارد و امکان تغییر سرعت درطول کانال صاعقه از طریق اعمال بارهای توزیعی سلفی دلخواه را فراهم می کند. این ویژگی به سرعت های متفاوت موج جریان بر روی کانال صاعقه منجر می شود. در مورد ویژگی دوم این نکته قابل توجه است که چون در سایر مدل ها اغلب زمین ایده ال درنظر گرفته می شود، بدیهی است در این حالت، مولّفه افقی میدان الکتریکی وجود ندارد و قابل استخراج نیست در حالی که در مدل جدید با فرض زمین تلفاتی، امکان استخراج همه ی مولّفه های میدان الکتریکی وجود دارد و مقدار آن به علت واقعی تر بودن سرعت انتشار موج جریان در کانال به مقدار واقعی نزدیک تر است که منجر به خطای کمتر در شبیه سازی می شود. بمنظور ارزیابی مدل پیشنهادی، توزیع جریان در طول کانال صاعقه و میدان های الکترومغناطیسی ناشی از آن در فواصل مختلف تولید شده و با نتایج بدست آمده با دو مدل مبتنی بر تئوری آنتن مقایسه شده است. مقایسه ی نتایج بدست آمده نشانگر اعتبار مدل پیشنهادی است. ضمناً نشان داده شده است که بر خلاف مدل های موجود، مدل پیشنهادی قادر به پیش بینی "عبور از صفر" میدان های الکترومغناطیسی راه دور است که در اندازه گیری ها نیز دیده می شود. به کمک این بخش بانک داده های آموزشی فراهم می آید. در محورِ اندازه گیری میدان های الکترومغناطیسی، از یک شبکه ی باند باریک مکان یابی صاعقه با استفاده از میدان های تشعشعی از کانال ضربه ی برگشت صاعقه ی ابر به زمین، استفاده شده است این شبکه از سه ایستگاه اندازه گیری تشکیل شده که مکان هر یک، در راس های یک مثلت است که منطقه ی مورد نظر را پوشش می دهد . ایستگاه ها با هم شبکه ای کم هزینه را تشکیل می دهند که در آنها تبادل داده ها با خط تلفن انجام می شود. هر ایستگاه با الگوریتم های فشرده سازی بر اساس تبدیل موجک ضمن حذف نویز، اطلاعات هر ضربه ی صاعقه را ذخیره می کند همچنین زمان ورود، جهت ورود، پلاریته، مقادیر پیک میدان های الکترومغناطیسی و ضربه ی اول یا ضربه ی ثانویه بودنِ ضربه ی برگشت را استخراج می کند.به منظور مکان یابی صاعقه ی ابر به زمین از روش اختلاف زمان ورود استفاده می شود. با استفاده از داده های ذخیره شده در این بخش، زاویه ی ورود و داده های آزمایشی و ارزیابی سیستم مکان یابی فراهم می آید. در محورِ مکان یابی هوشمند صاعقه، جهت تخمین مکان برخورد به دو پارامتر زاویه ی ورود و فاصله از ایستگاه نیاز است. زاویه ی ورود از نسبت مولّفه های افقی میدان مغناطیسی اندازه گیری شده استخراج و تعیین فاصله با استفاده از سیگنال میدان الکتریکی، انجام می شود. در انجام تخمین فاصله از سه روش الگوریتم تکراری، الگوریتم شبکه ی عصبی پرسپترون و الگوریتم شبکه ی ویولت، استفاده شده است. با استفاده از داده های فراهم شده در مدل سازی و سامانه ی اندازه گیری و بکارگیری آنها در آموزش و آزمایش الگوریتم های مورد اشاره، نتایج حاصله نشان می دهد که روش تکراری قادر به تخمین فاصله بوده اما سرعت آن به دلیل حل تکراری کند است. از طرف دیگر در استفاده از شبکه های عصبی، اگرچه از ابتدا زمان قابل توجهی جهت آموزش لازم است، اما پس از آموزش، بدست آوردن جواب سریع است. لذا این روش برای کاربردهای بی وقفه مناسب تر خواهد بود. در نتایج حاصل از شبکه ی ویولت مزیتی نسبت به شبکه ی عصبی پرسپترون مشاهده نشد ضمن این که در شبکه ی ویولت، سرعت همگرایی کندتر از شبکه ی عصبی پرسپترون است. در بکارگیری دو ایستگاه با روش هوشمند، ارتباط خطا با حالت تک ایستگاهی بررسی گردید و مشخص شد که در این ساختار، خطا ی مکان یابی شامل خطای جهت یابی و فاصله یابی است. در 10 نمونه ی آزمایشی خطای دو ایستگاهی و تک ایستگاهی مقایسه گردید و مشخص شد که خطا در حالت دو ایستگاهی، حدود 3% کمتر است.