تعیین و تشخیص لبه در تصاویر به طور گسترده در زمینه های مختلف نظامی، رباتیک و اتوماسیون و به عنوان یک پردازش اولیه در بسیاری از پردازش های تصویری سطح بالا کاربرد دارد. روش معمول برای تشخیص لبه استفاده از ساختارهایی است که از ترکیب سنسور تصویری و پردازنده دیجیتال بوجود می آیند. اجرای بلادرنگ تکنیک های نرم افزاری پردازش تشخیص لبه در این ساختارها، مستلزم مصرف توان زیاد است و سرعت پردازش به دلیل وجود گلوگاه در مسیر انتقال اطلاعات از سنسور تصویری به پردازنده، معمولا محدود می باشد. تراشه های بینایی هوشمند به عنوان نسل جدیدی از سیستم های پردازش تصویر، با ادغام سنسور تصویری و مدار پردازنده و قرار دادن یک المان پردازنده محلی در هر یک از پیکسل های سیستم، امکان پردازش موازی اطلاعات تصویری را با توان مصرفی کمتر و سرعت بیشتر فراهم می کنند. همچنین به دلیل مجتمع سازی در این سیستم ها، فضای مصرفی کاهش می یابد. هدف تحقیق حاضر، طراحی و شبیه سازی نوعی خاص از تراشه بینایی هوشمند در تکنولوژی cmos 180nm با توانایی تشخیص لبه به صورت بلادرنگ می باشد. تراشه بینایی طراحی شده لبه های تصویر را که به دلیل تغییر رنگ و یا شدت تابش ایجاد شده اند تشخیص می دهد. پهنای باند اطلاعات خارج شده از تراشه صرفا محدود به اطلاعات دو بیتی حاصل از هر پیکسل است که نشان دهنده وجود یا عدم وجود لبه و عامل ایجاد لبه در آن نقطه از تصویر می باشد. کلیه پردازش ها به صورت موازی و داخل هر پیکسل انجام می شود. در پیاده سازی این سیستم تلاش شده مکانیزم های تشخیص رنگ، شدت تابش و لبه بر اساس مکانیزم های موجود در سیستم های بینایی بیولوژیکی باشد. برای این منظور مطالعاتی در مورد سیستم های بینایی بیولوژیکی، اجزا و مکانیزم های موجود در آن ها انجام شده و بر اساس آن سنسور نوری مناسب و مدارهای آنالوگ مورد نیاز برای پردازش سیگنال طراحی شده است. همچنین با بهره گیری از تکنیکی خاص، تشخیص رنگ و شدت تابش تنها توسط یک سنسور و با استفاده از خاصیت سیلیکون در فیلتر کردن نور انجام می شود. این امر باعث شده که سیستم طراحی شده فشرده و توان مصرفی کمی داشته و در یک پروسه استاندارد cmos قابل پیاده سازی باشد واز پروسه های اضافی و پرهزینه بی نیاز باشد. سیستم طراحی شده با پیکسل هایی در ابعاد 80um*60um ، توان مصرفی حدود 135nw به ازای هر پیکسل و ولتاژ تغذیه 1v دارای قابلیت زیادی برای استفاده در کاربردهای قابل حمل می باشد. صحت عملکرد بخش های مختلف سیستم طراحی شده و همچنین آرایه ای از پیکسل ها با استفاده از شبیه سازی های کامپیوتری تحت شرایط مختلف تایید و چینش سیستم جهت پیاده سازی بر روی تراشه طراحی شده است.

هدف اصلی این پایان¬نامه پردازش سیگنال های eeg با استفاده از روش تجزیه مد تجربی برای تشخیص صرع می¬باشد. اختلال صرع یکی از شایع¬ترین اختلالات نورولوژیک می باشد که برای درمان آن، از روش های مختلفی نظیر دارو درمانی و جراحی استفاده می شود اما عده¬ای از مبتلایان به صرع با روش های درمانی متداول، بهبود پیدا نمی¬کنند. eeg متداول¬ترین روش مطالعه مغز است که روشی غیرتهاجمی بوده و رزولوشن زمانی مناسبی داشته و در مقایسه با دیگر روش¬ها ساده¬تر و ارزان¬تر است. تاکنون به منظور تشخیص دادن صرع از سیگنال eeg از روش¬های فوریه، ویولت، مدل¬های پارامتری، تئوری آشوب و تجزیه مد تجربی استفاده شده است. با توجه به ماهیت غیرایستای سیگنال eeg استفاده از روش¬هایی مانند فوریه که سیگنال-های مورد بررسی را ایستا در نظر می¬گیرند مناسب نمی¬باشد. همچنین به علت فقدان روش استاندارد تشخیص، مقایسه و ارزیابی عملکرد الگوریتم¬های مختلف دشوار است. در این پایان¬نامه، سیگنال¬های eeg برای تشخیص صرع با استفاده از روش تجزیه مد تجربی آنالیز می¬شوند. در این روش سیگنال در حوزه زمان به توابع پایه باند محدود و تقریبا متعامدی به نام توابع مد ذاتی (imf) تجزیه می شود. ویژگی¬های متنوع پیشین استفاده شده در دو حوزه زمان و فرکانس نیز مورد بررسی و استفاده قرار گرفته و ترکیب تازه¬ای از آن¬ها برای طبقه¬بندی بکار رفته است. طبقه¬بند مورد استفاده در این پروژه شبکه عصبی پرسپترون چند¬لایه (mlp) می-باشد که روشی باناظر بوده و پیش¬تر نیز در این حوزه استفاده شده است. همچنین در این تحقیق آنالیز ویولت برای تشخیص صرع استفاده شده و نتایج با روش تجزیه مد تجربی مقایسه شده است. نتایج بدست آمده از روش تجزیه مد تجربی دارای 94.5% و آنالیز ویولت 96.5% صحت را نشان می¬دهند. در ادامه این پروژه، از توابع مد ذاتی استخراج شده، فرم تابع تحلیلی آن¬ها را به کمک تبدیل هیلبرت محاسبه کرده و با استفاده از معیار گرایش به مرکز (ctm) شعاع مرتبط با 95% نقاط محاسبه شده است. استفاده از این معیار و آستانه-گذاری، یک ویژگی برای طبقه¬بندی کردن و تشخیص سیگنال¬های صرعی بدست می دهد. از شبکه¬های عصبی برای طبقه¬بندی سیگنال¬های صرعی و سالم با استفاده از معیار ctm نیز استفاده شده است که نتایج نشان¬دهنده 96% صحت می¬باشد. همچنین نشان داده شده است که می¬توان از معیار ctm برای تشخیص سیگنال¬های ecg فیبریلاسیون دهلیزی بهره برد.