شناسایی خودکار نوع مدولاسیون، مرحله ای بین آشکار سازی سیگنال و دمدولاسیون آن می باشد. این بخش، می تواند نوع مدولاسیون سیگنال دریافتی را در بین تعدادی مدولاسیون از پیش فرض شده، تشخیص دهد. شناسایی نوع مدولاسیون، کاربردهای فراوانی در زمینه های نظامی و غیر نظامی دارد که با گسترش حوزه مدولاسیونها، بویژه مدولاسیونهای دیجیتال، اهمیت روزافزونی نیز یافته است. در بررسی عملکرد یک سیستم شناساگر مدولاسیون، پارامترهای زیادی چون، درصد موفقیت عملیات تشخیص، شرایط و نوع کانال، مجموعه مدولاسیونهای موجود در محیط، وجود و یا عدم وجود اطلاعات از فرستنده سیگنال و غیره دخیل می باشند که نقش اساسی در عملکرد این سیستم ایفا می کنند. در این پژوهش، تلاش شده است تا با ارائه ساختاری جدید، و با استفاده از آخرین تکنیکهای موجود در بحث تشخیص الگو، عملیات تشخیص مدولاسیون بین 9 مدولاسیون دیجیتال پر کاربرد مخابراتی، در شرایطی عملی که هیچ گونه اطلاعی از پارامترهای سیگنال ارسالی در دست نیست، صورت پذیرد. مدولاسیونهای مورد بررسی 8psk ، 16psk ، 8pam ، 4pam، 2pam ،4qam ، 16qam، 32qam و 64qam می باشند که توسط طبقه بندی کننده های شبکه عصبی و بردار ماشین تکیه گاه ازهم جدا می شوند. ازالگوریتم ژنتیک نیز بعنوان ابزاری برای بهینه سازی ساختار طبقه بندی کننده ها استفاده شده است. پیچیدگی محاسباتی کم، سرعت آموزش بالا و درصد تشخیص بالاتر نسبت به سایر روشهای مرسوم تشخیص مدولاسیون، از مزایای تکنیکهای معرفی شده در این پژوهش به شمار می آیند.

شناسایی خودکار نوع مدولاسیون، مرحله ای بین آشکار سازی سیگنال و دمدولاسیون آن می باشد. این بخش، می تواند نوع مدولاسیون سیگنال دریافتی را در بین تعدادی مدولاسیون از پیش فرض شده، تشخیص دهد. شناسایی نوع مدولاسیون، کاربردهای فراوانی در زمینه های نظامی و غیر نظامی دارد که با گسترش حوزه مدولاسیونها، بویژه مدولاسیونهای دیجیتال، اهمیت روزافزونی نیز یافته است. در بررسی عملکرد یک سیستم شناساگر مدولاسیون، پارامترهای زیادی چون، درصد موفقیت عملیات تشخیص، شرایط و نوع کانال، مجموعه مدولاسیونهای موجود در محیط، وجود و یا عدم وجود اطلاعات از فرستنده سیگنال و غیره دخیل می باشند که نقش اساسی در عملکرد این سیستم ایفا می کنند. در این پژوهش، تلاش شده است تا با ارائه ساختاری جدید، و با استفاده از آخرین تکنیکهای موجود در بحث تشخیص الگو، عملیات تشخیص مدولاسیون بین 9 مدولاسیون دیجیتال پر کاربرد مخابراتی، در شرایطی عملی که هیچ گونه اطلاعی از پارامترهای سیگنال ارسالی در دست نیست، صورت پذیرد. مدولاسیونهای مورد بررسی 8psk ، 16psk ، 8pam ، 4pam، 2pam ،4qam ، 16qam، 32qam و 64qam می باشند که توسط طبقه بندی کننده های شبکه عصبی و بردار ماشین تکیه گاه ازهم جدا می شوند. ازالگوریتم ژنتیک نیز بعنوان ابزاری برای بهینه سازی ساختار طبقه بندی کننده ها استفاده شده است. پیچیدگی محاسباتی کم، سرعت آموزش بالا و درصد تشخیص بالاتر نسبت به سایر روشهای مرسوم تشخیص مدولاسیون، از مزایای تکنیکهای معرفی شده در این پژوهش به شمار می آیند.

در تحلیل سری های زمانی اقتصادی، اغلب مشاهدات آماری، ظاهری تصادفی دارند، در حالیکه، بررسی دقیق تر این داده ها ممکن است سیستم معین و پیچیده ای را نشان دهند که تابع جریان معین با یک فرمول ریاضی مشخص باشند. طلا یکی از اجزای سبد دارایی سرمایه گذاران می باشد و از سویی سرمایه گذاران به دنبال دارایی ها با ریسک کمتر هستند، لذا پیش بینی قیمت طلا برای سرمایه گذاران با اهمیت می باشد. بدین منظور در این تحقیق، سری زمانی روزانه قیمت سکه تمام بهار آزادی در ایران طی دوره زمانی 10/8/1385 تا 3/8/1390 در نظر گرفته شده است. هدف، بررسی نظریه آشوب بر قیمت سکه تمام بهار آزادی است و در صورت تأیید این نظریه، و قابلیت پیش بینی، ارائه الگو برای تشخیص روند آن می باشد. از آزمون bds (براک، دیچارت و شینکمن) برای وجود روند معین یا تصادفی بودن سری زمانی، در سه مرحله استفاده شده است. نتایج تحقیق، نشان می دهد که سری زمانی قیمت سکه قابل پیش بینی است و فرضیه عدم وجود توابع غیرخطی در پسماند الگو های arima و garch با استفاده از آزمون مذکور رد می-شود؛ همچنین جهت بررسی روند آشوبی در سری زمانی، از آزمون حداکثر نمای لیاپانوف استفاده شده است که نتیجه این آزمون نشان می دهد مقدار این آماره مثبت بوده و داده ها دارای روند آشوبی می باشند. لذا امکان وجود توابع غیرخطی در سری زمانی قیمت سکه پذیرفته شده و قابلیت پیش بینی قیمت آن تأیید می شود. با تأیید قابلیت پیش بینی سری، برای تشخیص روند سری زمانی مذکور، از دو نوع الگو سازی غیرخطی، شبکه عصبی پایه شعاعی و شبکه عصبی پرسپترون چند لایه برای دو حالت ایستا و پویا، استفاده شده است. نتایج این مرحله نشان می دهد الگوی شبکه عصبی پرسپترون چند لایه برای پیش بینی سری زمانی قیمت سکه تمام بهار آزادی مناسب می-باشد.

چکیده: سنجش ریسک اعتباری مشتریان بانک ها، به عنوان اصلی ترین راه پیشگیری از وارد آمدن خسارات ناشی از تخلف مشتریان، امروزه بسیار مورد توجه قرار گرفته است. در این تحقیق بر آنیم که با استفاده از روش های جدید طبقه بندی و تشخیص الگو، به طراحی یک مدل اعتبارسنجی بپردازیم و سپس با تکیه بر مفاهیم اقتصادی کارایی مدل ساخته شده را سنجیده و در صورت امکان بهبود ببخشیم. به منظور یافتن بهترین مدل ابتدا برای دو مدل شبکه عصبی پرسپترون و پایه شعاعی و نیز ماشین بردار پشتیبان ساختارهای مختلف را آزموده ایم و سطح زیر منحنی roc و نیز درصد طبقه بندی صحیح را ملاک تشخیص بهترین ساختار و بهترین ابزار قرار داده ایم. در بخش انتهایی با تکیه بر مفاهیم اقتصادی به بررسی این موضوع پرداخته ایم که چگونه می توان با در نظر گرفتن هزینه طبقه بندی اشتباه یا لحاظ نمودن یک ناحیه عدم تصمیم، کارایی مدل را بهبود بخشید. همچنین تأثیر کاهش ابعاد در بهبود کارایی مدل به شیوه های استخراج و انتخاب ویژگی در مورد تمام مدل های استفاده شده، مورد توجه بوده است. تکیه بر مفهوم منحنی roc ، توجه به هزینه های طبقه بندی اشتباه، حجم بالا و قابل اتکا بودن نمونه تصادفی مورد استفاده و رعایت مفاهیم آماری در پیش پردازش داده ها را می توان به عنوان نقاط برجسته پژوهش حاضر نام برد.

هدف اصلی در این پژوهش، کلاس بندی حالات احساسی افراد با استفاده از سیگنال های مغزی و فیزیولوژیکی محیطی و کاهش ابعاد فضای ویژگی، به کمک استخراج کانال ها و ویژگی های بهینه با استفاده از الگوریتم ژنتیک به منظور کاهش زمان آموزش شبکه می باشد. داده های مورد استفاده در این پژوهش از مجموعه داده ها برای آنالیز احساسات با استفاده از سیگنال های فیزیولوژیکی و سمعی بصری (deap) گرفته شده است، ویژگی های مرتبط با حالات احساسی انگیختگی، ظرفیت و میل در حوزه زمان و فرکانس از سیگنال ها استخراج شدند، سیگنال های مغزی و فیزیواوژیکی محیطی به طور مجزا و در ترکیب با هم مورد بررسی و آزمایش قرار گرفت. ساختارهای طبقه بندی شبکه عصبی پرسپترون با دو لایه پنهان و ماشین بردار پشتیبان (svm) و روش اعتبار سنجی k_fold سیگنال های مغزی و محیطی و ترکیب این سیگنال ها با یکدیگر در کلاس بندی مورد مقاسه قرار گرفتند، و در نهایت با استفاده از الکوریتم ژنتیک کانال ها و ویژگی های موثر از دو سیگنال مغزی و فیزیولوژیکی محیطی استخراج شدند. در نهایت برای حالت احساسی انگیختگی نرخ صحت 7926/0 و انحراف معیار 052/0 ، حالت ظرفیت 7527/0 و انحراف معیار 022/0 و برای حالت میل 7604/0 و انحراف معیار 040/0 با استفاده از ماشین بردار تکیه گاه که از پردازش سیگنال های محیطی بود، بدست آمد. در نهایت می توان گفت که استفاده از کانال ها و ویژگی های موثر در سیگنال های فیزیولوژیکی محیطی و همچنین استفاده از کلاس بندی کننده ماشین برادار پشتیبان برای سه حالت احساسی انگیختگی، ظرفیت و میل منجر به بهترین پاسخ شده است.

کانال صوتی زیر آب یکی از چالش¬برانگیزترین واسط¬های مخابراتی می¬باشد. از جمله چالش¬های این محیط می¬توان به سرعت پایین صوت، تضعیف وابسته به فاصله و فرکانس، نویز غیر سفید ناشی از وضعیت دریا، سرعت باد و ...، بازتاب از سطح و کف دریا و داپلر شدید اشاره کرد. این پدیده¬ها بسته به شرایط جغرافیایی محیط زیر آب مانند شوری، عمق فشار و ... متفاوت می¬باشند. با توجه به چالش¬های فراوان، برای انتقال داده در زیر آب، نمی¬توان از همان راه¬کارهای محیط خلا استفاده کرد. هدف از این پایان¬نامه ارائه یک مدل مناسب و روش¬های انتقال داده متناسب با محیط زیر آب وابسته به شرایط جغرافیایی می¬باشد. در بخش اول پایان¬نامه مدلی مناسب برای محیط زیر آب پیشنهاد می¬گردد. با توجه به اینکه پدیده¬های زیر آب به شرایط جغرافیایی کانال بستگی دارند، نمی¬توان مدل واحدی برای تمامی آب¬ها ارائه کرد. در این پایان¬نامه بر پایه مشخصات محیطی و جغرافیایی واسط مخابراتی مانند عمق، شوری، فشار، جنس کف و شرایط جوی، مدل ریاضی جدیدی برای کانال صوتی زیر آب ارائه کرده¬ایم. در این مدل تاثیر تمامی پدیده¬های با ابعاد بزرگ و کوچک به طور کامل در نظر گرفته شده است. همچنین مدل ارائه شده هم برای آب¬های عمیق و هم برای آب¬های کم¬عمق مانند خلیج فارس، قابل استفاده می¬باشد. بر پایه مدل ارائه شده و با توجه به شرایط محیطی خلیج فارس عملکرد یک سیستم مخابراتی qpsk را شبیه¬سازی کرده¬ایم. در بخش بعد روش¬هایی برای ارسال داده با قابلیت اطمینان بالا در محیط زیر آب پیشنهاد گردیده است. در ابتدا به منظور مقابله با فرکانس¬گزین بودن شدید کانال، از تکنیک ofdm استفاده شده است. نتایج شبیه¬سازی¬ها نشان¬دهنده بهبود قابل توجه احتمال خطای این تکنیک همراه با همزمانسازی و تخمین وتصحیح فاز کانال در گیرنده می¬باشد. تکنیک¬های چندگانگی فضایی و مخابرات همکارانه، روش¬های دیگری می¬باشند که برای مقابله با تارکنندگی شدید کانال صوتی زیر آب، می¬توانند استفاده شوند. با توجه به سرعت پایین صوت در زیر آب و عدم استفاده از فرکانس های بالا به دلیل تضعبف شدید؛ استفاده از سیستم¬های چند آنتنی، به دلیل کم شدن فاصله بین آنتن¬ها، پیشنهاد مناسبی می¬باشد. همچنین در فواصل طولانی با توجه به تضعیف شدید کانال، استفاده از یک واسط مخابراتی احتمال خطای کانال را کاهش می¬دهد. از این رو چندین روش برای به کاربردن این دو تکنیک در محیط زیر آب پیشنهاد شده است و نتایج شبیه¬سازی نشان¬دهنده موثر بودن این روش¬ها می¬باشد.

دزدی نرم افزار مسئله ای است که سالانه میلیاردها دلار به اقتصاد کشورها ضرر می رساند،تا زمانی که توزیع نرم افزارها به آسانی صورت می گیرد حل این مشکل، امکان پذیر نخواهد بود.واترمارکینگ به عنوان یک دفاع ممکن درمقابل دزدی نرم افزارمطرح است وبه معنی پنهان کردن وجاسازی کد،که به عنوان واترمارک ازآن یادمی شود ،درنرم فزاراست.واترمارک نرم افزار،شامل اطلاعاتی است که نرم افزارجاسازی وبه وسیله آن نرم افزارشناسایی می شود. واترمارک به عنوان یک عامل بازدارنده برای کپی های غیرمجاز عمل می کند. قصدداریم یک شماتیک واترمارکینگ جدیدبرای واترمارکینگ نرم افزار با الهام ازویروس های متامورفیک وبا کمک ساختارهای هوشمند از قبیل مدل مخفی مارکوف و شبکه ی عصبی معرفی کنیم.باشبکه عصبی ومدل مخفی آموزش دیده قادرخواهیم بود کپی های نرم افزارراتشخیص دهیم.نتایج تجربی که نیرومندی شماتیک رااثبات می کندنیزآورده شده است.مبنی براینکه حتی پس از حمله هم قادر هستیم ،کپی های نرم افزار اصلی را تشخیص دهیم.

تشخیص حروف نوری یکی از حوزه های کاری در شناسایی الگو می باشد. همه ساله مقالات مرتبط با این موضوع در کنفرانس های حوزه هوش مصنوعی، شناسایی الگو، پردازش تصویر، ماشین بینایی و ... ارائه می شود. با این وجود به لحاظ گستردگی زبان ها در دنیا و پیچیدگی ذاتی این موضوع، هنوز علاقمندان بسیاری در پی یافتن نتایج بهتر برای شناسایی متون می باشند. اکثر مقالات با بیان این که هر زبان نوشتار ویژگی های خاص خود را دارا می باشد، فقط می توانند حروف سندی را شناسایی کنند که دارای یک زبان نوشتار است. در بررسی اسناد، موارد زیادی وجود دارد که سند دارای دو یا چند زبان متفاوت است. لذا سیستم های تشخیص متون نیاز به شناسایی چند زبان به صورت همزمان دارند. در این پژوهش با انتخاب چند زبان رسمی دنیا، الگوریتمی برای طبقه بندی زبان در یک سند چند زبانه پیشنهاد شده است. تفاوت کار طبقه بندی و شناسایی کامل هر زبان این است که سیستم نیازی ندارد وقت خود را صرف شناسایی کامل زبان نوشتار کند. سیستم شناسایی متون، فقط تشخیص میدهد هر قسمت از متن به کدام طبقه زبانی تعلق دارد و سپس کار استخراج ویژگیهای هوشمند متناسب با آن طبقه را انجام می دهد. هم چنین در سیستم پیشنهادی به دلیل عدم تشخیص دقیق خط، میزان خطا نیز کاهش پیدا میکند. الگوریتم پیشنهادی بر مبنای ویژگی های استخراج شده از ظاهر نوشتار، کار طبقه بندی را انجام می دهد. مدل های به کار رفته برای طبقه بندی، مدل ساده و سلسله مراتبی و طبقه بند مورد استفاده ساختار درخت تصمیم با سطوح آستانه وفقی است. درصد تشخیص به دست آمده بر روی متون اسکن شده 93.3% و برای داده های عکس برداری شده با دوربین 91% می باشد که اثر بخشی مدل ارائه شده را اثبات می کند.

آنتن¬های شیپوری کاربرد بسیار زیادی در سیستم¬های مخابراتی از جمله رادار، سیستم¬های ردگیری ماهواره، تغذیه آنتن¬های بشقابی(باز تابنده)، تستهای emc، جنگ الکترونیک، سیستم¬های جهت یاب، آشکارساز و غیره، دارند. این کاربردهای فراوان به دلیل ویژگی¬های استثنایی این آنتن¬ها مانند پهنای باند مناسب، تطبیق پذیری و همه کاره بودن ، تغذیه نسبتاً آسان، ساخت نسبتاً آسان، بهره بسیار بالا و جهت بندی خوب می باشد. بدلیل کاربرد وسیع این نوع از آنتن¬ها، طراحی و بهینه سازی پارامترهای آنها همواره مورد نظر مهندسان آنتن بوده است. تاکنون مقالات زیادی در مورد مکانیزم تشعشع، روش¬های طراحی بهینه و کاربردهای آن¬ها ارائه شده¬اند. آنتن¬های شیپوری هرمی در مراجع زیادی مورد بحث قرار گرفته¬اند در حالی¬که منابع بسیار محدودی در مورد آنتن¬های شیپوری مخروطی موجود می باشد. طراحی و شبیه سازی آنتن شیپوری مخروطی چهار تیغه¬ای پهن باند مستلزم داشتن اطلاعات کافی در مورد آنتن¬های شیپوری ساده و دو تیغه ای می باشد. در این تحقیق هدف طراحی آنتن جایگزینی است که ضمن دارا بودن ویژگی¬های مثبت آنتن¬های شیپوری هرمی این ویژگی¬های مثبت را بهینه ساخته و ارتقاء داده و در عین حال تا حد ممکن هیچ یک از معایب و نقاط ضعف آنها را نداشته باشد. نتیجه مطالعه و تحقیقات گسترده در این زمینه نشان داد که آنتن شیپوری مخروطی چهار تیغه¬ای گزینه بسیار مناسبی برای تحقق اهداف فوق می باشد.

این پایان¬نامه به بررسی روش های مختلف فشرده سازی و کاهش پهنای باند انتقال داده دیجیتال با استفاده از تئوری فرکتال ها می پردازد. علاوه بر کارهای تحلیلی کارهای عددی بسیار زیادی در همین ارتباط صورت گرفته است. ابتدا به تعریف مسئله، مسئله آشوب و عدم بعد صحیح پرداخته خواهد شد. در ادامه الگوریتم های مفید و متداول برای فشرده سازی داده بررسی خواهند شد. به این ترتیب به بررسی روش هایی مثل الگوریتم جستجوی fsp-std، الگوریتم دسته بندی هوشمندانه (ica)، روش کاهش افزونگی (drm)، کنترل تطبیقی تعداد جستجو (snac) و روش الگوریتم جستجوی هوشمند بهبود یافته (improved isa) خواهیم پرداخت. مزایا و معایب هر کدام به دقت بررسی و نتیجه گیری خواهند شد. روش مبتنی بر دیکشنری روشی است که می تواند در فشرده سازی بسیار مفید باشد. در این پایان نامه بررسی شده است که چگونه این روش ها می توانند منتهی به استفاده از تئوری فرکتالی شوند. همچنین در ادامه روش منتخب در این پایان نامه که بر اساس تطابق آنتروپی های بلوک های دامنه و برد می باشد ارائه خواهد شد. شبیه سازی های صورت گرفته بر روی داده های تصویری با استفاده از این تکنیک پیاده سازی و ارائه شده است. همچنین نتایج مربوطه با نتایج کارهای صورت گرفته قبلی مقایسه و به بررسی مزایای این روش نسبت به روش های دیگر موجود پرداخته ایم.

یک شبکه حسگر بی¬سیم عبارتست از تعداد زیادی حسگر¬های کوچک با توان پایین در ارسال و دریافت که می¬تواند ابزاری مؤثر برای گردآوری داده در محیط¬های گوناگون باشد. باوجود پیشرفت های صورت گرفته در این نوع شبکه ها، گره¬های حسگر، هنوز هم برای تأمین انرژی خود، متکی به باتری هایی با توان اندک می باشند. همچنین معمولاً به دلیل به کارگیری این نوع شبکه ها در محیط های خشن و غیر قابل دسترس، امکان شارژ مجدد یا تعویض گره های حسگر وجود ندارد. بنابراین یکی از مهم ترین مسائل در شبکه های حسگر بی سیم، مسالة محدودیت شدید انرژی است. همچنین ازآنجایی که کارایی شبکه های حسگر به شدت به طول عمر شبکه و پوشش شبکه ای آن وابسته است، بنابراین لحاظ نمودن الگوریتم های ذخیره انرژی در طراحی شبکه های حسگر با عمر طولانی، امری حیاتی است. امروزه روش های مدیریت پویای توان که به کاهش مصرف انرژی شبکه های حسگر بعد از طراحی و قرارگیری آن ها می پردازند، از بالاترین اهمیت برخوردار می باشند که در این میان می توان به مفهوم مسیریابی، یا چگونگی انتقال اطلاعات از گره های داخل شبکه به ایستگاه پایه و انتخاب بهترین مسیر ممکن برای انتقال این اطلاعات اشاره نمود. در سال های اخیر برای مدیریت پویای توان، توجه به ابزارهای هوشمند و توانمندی نظیر سیستم¬های منطق فازی و الگوریتم کلونی مورچگان رونق چشم گیری یافته است. در این تحقیق، به منظور کاهش میزان مصرف انرژی و افزایش طول عمر شبکه، سیستمی بر پایه منطق فازی مطرح شده است. این سیستم درجه کیفیتی برای هر مسیر با اعمال دو پارامتر ورودی، تعداد گام های صورت گرفته و میزان انرژی نودهای تشکیل دهنده آن، نمایش می¬دهد. هم¬چنین با پیشنهاد دو روش، وزن¬دار نمودن قوانین فازی توسط فرد خبره و استفاده از الگوریتم aco به منظور انتخاب قوانین فازی بهینه، عملکرد سیستم فازی را بهبود بخشیده¬ایم. نتایج شبیه¬سازی¬ها و مقایسات انجام شده با نرم¬افزار opnet و matlab نشان می¬دهد که سیستم فازی بهبود یافته توسط الگوریتم کلونی مورچگان عملکرد بهتری نسبت به الگوریتم dd-fuzzy-aco داشته است. در انتها به منظور بهبود بیشتر عملکرد شبکه، بسته های حاوی اطلاعات را با بهره گرفتن از راهکار توازن بار، در دو مسیر بهینه با نسبت مناسبی که درجه کیفیت مسیر مشخص می کند، ارسال می¬نماییم. این سیستم جدید معیار درصد تحویل و بهره وری شبکه را بهبود داده است.