سیگنال های گفتار به ندرت به صورت خالص برای کاربرد های پردازش گفتار موجود می باشند و اغلب به وسیله ی تداخل آوایی نظیر نویز پس زمینه، اعوجاج، سیگنال گفتار گوینده ی دیگر و ... مخدوش می شوند. در چنین حالتی لازم است که ابتدا سیگنال گفتار از پس زمینه جدا شود. به ویژه عمل جداسازی گفتار چند گوینده که به عنوان جداسازی گفتار شناخته می شود امری چالش برانگیز است زیرا شامل جداسازی سیگنال هایی است که دارای مشخصات آوایی و آماری بسیار مشابهی هستند. چالش برانگیز ترین حالت جداسازی گفتار، جداسازی سیگنال های گفتار ناشی از رکورد تک کاناله است؛ مسئله ای که معمولاً به عنوان جداسازی گفتار تک کانال شناخته می شود. سیستم های جداسازی گفتار تک کانال با کیفیت بالا هنوز از اهمیت زیادی برخوردارند و به عنوان یک مسئله ی حل نشده باقی مانده اند. هدف این پایان نامه، ارائه ی راهکار هایی برای بهبود سیستم های جداسازی گفتار تک کانال می باشد. یک سیستم موثر جداسازی گفتار تک کانال، پیش پردازشی مهم در کاربرد های بسیاری نظیر شناسایی اتوماتیک گفتار و تعیین هویت گوینده به شمار می رود. این پایان نامه روی جداسازی مبتنی بر مدل گفتار تک کانال متمرکز میشود که به تکنیک هایی اطلاق می شود که از مدل های آموزش داده شده ی منابع استفاده می کنند تا منابع را از رکورد تک کاناله ی ترکیب خطی آنها جدا کنند. اولین راهکار پیشنهادی در این پایان نامه جداسازی منابع در سطح زیربخش و اعمال این رویکرد به روش مبتنی بر تخمین حداکثر احتمال پسین و روش مبتنی بر کوانتیزاسیون بردار می باشد. در راهکار پیشنهادی دوم، روش مبتنی بر تخمین حداکثر احتمال پسین برای حالتی که در آن سیگنال های تست و آموزشی سطح انرژی مختلفی نسبت به هم دارند (منابع بهره مختلفی دارند) بسط داده می شود. این حالت در بسیاری از روش های مبتنی بر مدل جداسازی گفتار تک کانال در نظر گرفته نشده است. روش هایی که این حالت را در نظر می گیرند به روش های وفق بهره موسوم اند. اگرچه روش های وفق بهره ی موجود در تخمین بهره ی منابع موفق عمل می کنند اما از پیچیدگی محاسباتی و زمان پردازش بالایی برخوردارند. روش پیشنهادی سوم بر مبنای جداسازی زیربخشی و کوانتیزاسیون بردار تلاشی برای غلبه بر این محدودیت است. نتایج تجربی نشان می دهند که راهکار های پیشنهادی، عملکرد سیستم جداسازی گفتار تک کانال را بهبود می دهند.

فیلتر ذره ای نسخه ویژه ای از فیلتر بیز است که بر اساس روش نمونه برداری مونت کارلو پایه ریزی شده است. تکنیک مونت کارلو نوعی روش نمونه برداری تصادفی است که هدف آن شبیه سازی سیستم های پیچیده و یا حل انتگرال هایی است که با روش های تحلیلی قابل حل نیستند. یکی از قابلیت-های روش مونت کارلو توانایی تخمین آنلاین مسائل پیچیده ای مانند انتگرال های عددی غیر قابل حل است که با ترکیب روش قدرتمند نمونه برداری مونت کارلو و قانون بیز صورت می پذیرد. در حالت خاص روش تکراری مونت کارلو که در تخمین پارامتر های سیستم و یا حالت سیستم به کار می رود، فیلتر ذره ای نامیده می شود. هنگامی که سیگنالی از فرستنده ارسال می شود، علاوه بر مسیر مستقیمی که تا گیرنده طی می کند، ممکن است با برخورد با موانعی همچون ساختمان ها و انعکاس به سمت گیرنده، مسیر های غیر مستقیم دیگری را نیز تا گیرنده طی کنند. این عامل سبب ایجاد اعوجاج در سیگنال می شود که isi نام دارد. کلمه همسان سازی ، در حالت کلی، به هرگونه پردازش سیگنال و یا عمل فیلترسازیی گفته می شود که با هدف از بین بردن و یا کاهش isi، بر روی سیگنال اعمال می شود. میزان کاهش تاثیر کانال به میزان شناخت ما از تابع تبدیل کانال بستگی دارد. عمل همسان سازی می تواند با دانستن ضرایب کانال و یا بدون دانستن آن و به صورت کور انجام شود. میزان موفقیت عمل همسان سازی کور به میزان اطلاعات ما از خصوصیات آماری ورودی کانال بستگی دارد و این که تا چه اندازه این اطلاعات در شناسایی کانال و فرآیند همسان سازی کور مفید است. یکی از روش های پیاده سازی عمل همسان سازی که در سال های اخیر مورد توجه قرار گرفته است، استفاده از فیلتر ذره ای می باشد. در این پایان نامه ابتدا در فصل اول مفهوم فیلترسازی را تعریف کرده، سپس به بیان نظریه ی بیز می پردازیم و در ادامه با روش بازگشتی تخمین بیز آشنا می شویم. در فصل دوم در مورد الگوریتم فیلتر ذره ای بحث خواهیم کرد. ابتدا نمونه برداری مونت کارلو را توضیح می دهیم و سپس با معرفی روش های کارآمدی چون importance sampling با مفهوم فیلتر ذره ای آشنا می شویم. در نهایت به حل چند مثال عملی خواهیم پرداخت. در فصل سوم به حل مسأله ای در زمینه ی رمزگشایی اطلاعات به کمک فیلتر ذره ای می پردازیم. برای انجام این کار ابتدا فضای حالت را برای مسأله تشکیل می دهیم. بر اساس فضای حالت انتخاب شده در این مسأله، ذرات شامل نمونه فعلی سیگنال ارسالی و دو نمونه ی قبل از آن می باشد. با محاسبه ی احتمالات مورد نیاز، تعداد 10000 ذره در هر بار دریافت سیگنال از کانال به روز می شوند. در نهایت رمزگشایی سیگنال بر اساس ذره ای که بیشترین احتمال را دارد انجام می شود. نتیجه حاصله به صورت نمودار ber بر حسب eb/n0 ارائه گردیده است. در فصل چهارم به تشریح عمل همسان سازی کور پرداخته و سپس زمینه ی اجرای این عمل را توسط الگوریتم فیلتر ذره ای فراهم کرده و در پایان شبیه سازی انجام شده در این زمینه را ارائه می-دهیم. در این مسأله فضای حالت، سیگنال ارسالی و تأخیر یافته های آن در کانال می باشد. با محاسبه ی احتمالات مورد نیاز، تعداد 2000 ذره در هر بار دریافت سیگنال از کانال به روز می شوند. با توجه به این که در همسان سازی کور ضرایب کانال نامعلوم فرض می شود، روشی جهت تخمین پارامترهای کانال در هر مرحله از تکرار الگوریتم ارائه گردید. در این پایان نامه با استفاده از خروجی کانال و تخمین ارائه شده به کمک ذرات، پارامترهای کانال در هر مرحله تخمین زده شدند. در نهایت نتیجه حاصل از شبیه سازی به-صورت نمودار ber بر حسب eb/n0 در کانالی با یک تأخیر و ضرایب نامعلوم ارائه گردیده است.

پایان نامه حاضر بر روی مسئله نویز فاز و ارائه راهکاری برای کاهش آن در سینتی سایزر فرکانسی مبتنی بر حلقه قفل شده فاز متمرکز شده است. سینتی سایزر فرکانسی مورد بررسی در این پایان نامه از نوع «کسری» بر پایه استفاده از مدولاتورهای ?-? در مقسم فرکانسی می باشد که جزو پرکاربردترین سینتی سایزرهاست. بدین منظور ابتدا طرح مسئله صورت گرفته، و به مشکلاتی که نویز فاز در یک سیستم مخابراتی یا راداری ایجاد می کند اشاره شده است. سپس به منظور آمادگی برای ذکر دلایل و ریشه های وجود نویز فاز در سینتی سایزر، آرایش پایه ای یک حلقه قفل شده فاز مورد تجزیه و تحلیل قرار می گیرد و در ادامه مدل حوزه زمان و فاز سینتی سایزر به طور دقیق استخراج می گردد. نویز تولیدی توسط هریک از بلوک های سینتی سایزر تشریح شده و میزان اثرگذاری هریک آنها بر روی نویز فاز خروجی به کمک روابط ریاضی حاکم بر حلقه قفل شده فاز مشخص شده، و در نمودارهایی نشان داده می شود. سرانجام، بر مبنای روابط استخراج شده، فرم بسته ای برای ارتباط نویز فاز خروجی با پهنای باند و حاشیه فاز سیستم در سینتی سایزری با لوپ فیلتر مرتبه2 ارائه می گردد. نمودار توان نویزفاز خروجی برحسب پهنای باند سیستم رسم شده و پهنای باند بهینه ای که در آن نویز فاز به کمترین مقدار خود می رسد بدست می آید. در بخش بعد به تشریح نویزهای اضافه ای که در سینتی سایزرهایی با لوپ فیلتر اکتیو وجود دارد پرداخته می شود. یک سینتی سایزر با لوپ فیلتر اکتیو مرتبه دو طراحی و ساخته شده و طیف نویز فاز خروجی آن مشاهده می گردد. سپس به بیان تکنیکی جدید برای کاهش نویز فاز در آن پرداخته می-شود. در انتها تکنیک ارائه شده، ساخته شده و بر روی سینتی سایزر اعمال می گردد. با مقایسه طیف خروجی سینتی سایزر در دو حالت معمولی و بهبودیافته، کاهش نویزی از db10 تا db20 در نویز فاز خروجی بدست می آید.

در این پایان نامه مفهوم اصلی فاکتورگراف شرح داده می شود و قوانین دیکدکننده ها که مبتنی بر الگوریتم جمع– ضرب می باشد بیان می شود. از الگوریتم جمع– ضرب برای دیکدکردن کد هایی که با استفاده از فاکتورگراف توصیف شده اند استفاده می شود. برای پیاده سازی دیکدکننده ها به صورت کاملاً دیجیتال از الگوریتم دیکدکردن تصادفی (stochastic decoding) که به صورت دیجیتال و تقریبی از الگوریتم جمع – ضرب می باشد استفاده شده است. به دلیل دیجیتال بودن، این روش برای پیاده سازی دیکدکننده ها بسیار مناسب است. کدهای باینری hamming(7,4) و golay(24,12) برای کانال با نویزگوسی سفید جمع شونده با استفاده از الگوریتم جمع– ضرب و الگوریتم دیکدکردن تصادفی شبیه سازی شده و نتایج حاصل از این دو الگوریتم با یکدیگر مقایسه می شود. کارهایی که تاکنون دیگران در زمینه دیکدکردن با استفاده از فاکتورگراف و الگوریتم های انتقال پیام انجام داده اند مربوط به کدهای باینری می باشد. نوآوری که در این پژوهش انجام داده ایم این است که برای دیکدکردن کدهای ترناری نیز از فاکتورگراف و الگوریتم جمع– ضرب استفاده کرده ایم. قوانین الگوریتم جمع – ضرب که پیام های منتقل شده در فاکتورگراف را محاسبه می کند برای کدهای ترناری با کدهای باینری متفاوت است بنابراین در این پژوهش برای حالت ترناری روابط جدیدی را به دست آورده ایم. کد (6 و11)ternary golay با استفاده از فاکتورگراف و روابط جدید محاسبه شده در الگوریتم جمع- ضرب، شبیه سازی شده است.

امروزه طبقه بندی سیگنال های قلبی( ecg) کاربرد وسیعی در علوم پزشکی و تشخیص بیماری ها دارد و استفاده از روش های خودکار آنالیز سیگنال های قلبی می تواند به پزشکان در تشخیص نوع بیماری کمک بسیاری نماید. در این پایان نامه از روش های خوشه بندی و طبقه بندی کننده ba_rbf برای استخراج ویژگی و دست یابی به عملکرد بهینه در طبقه بندی سیگنالecg، استفاده شده است. در این تحقیق از ضرایب تقریب تبدیل موجک، برای کاهش ابعاد سیگنال و نویز زدایی استفاده می شود. سپس با استفاده از دو روش متداول خوشه بندی kmeans، fcm خوشه بندی انجام می شود. از الگوریتم بهینه ساز زنبورعسل برای بهینه سازی خوشه بندی، استفاده می شود. پس از مرحله خوشه بندی، از فاصله اقلیدسی سیگنال ها تا مرکز خوشه در روش ba_kmeans و تابع عضویت سیگنال ها در روش ba_fcm، بعنوان ویژگی استفاده می شود. این ویژگی های استخراج شده با ویژگی زمانی ترکیب شده به ورودی شبکه عصبی rbf داده می شود. همچنین پارامترهای شبکه عصبی rbf با استفاده از الگوریتم زنبور عسل بهینه شده است و بهترین نتیجه طبقه بندی بدست آورده می شود. دقت طبقه بندی با استفاده از ویژگی های استخراج شده از روش خوشه بندی ba_kmeans، ba_fcm بترتیب 93.34و94.61 می باشد. همچنین دقت طبقه بندی با استفاده از ترکیب ویژگی های استخراج شده از دو روش خوشه بندی ba_kmeans و ba_fcm، 95.77 می باشد. بنابراین نتیجه می شود که دقت طبقه بندی ترکیب ویژگی های استخراج شده، از روش های خوشه بندی ba_kmeans و ba_fcm، بیشتر از دقت طبقه بندی با استفاده از ویژگی های استخراج شده دو روش، بطور جداگانه می باشد. واژه های کلیدی: الکتروکاردیوگرام، طبقه بندی، خوشه بندی، آریتمی قلبی، تشخیص

در سالهای اخیر، سرویسهای جدیدی در مخابرات بیسیم مطرح شده اند که نرخ داده ی بسیار بالایی دارند. یکی از این سیستمها، تکنولـوژی فـراپهـن باند میباشد. سیـستمهای فـراپهـن بـانـد انـواع مخـتلفی دارنـد کـه یـکی از پرکاربـردتـرین آنـها نـوع mb-ofdm uwb میباشد. گیرنده ی این سیستمها به دلیل نوع استفاده ی آن می بایست مصرف توان پایینی داشته باشد. وجود بلوکهای fft و adc در گیرنده ی این سیستم به دلیل مصرف توان بالایی که دارند از چالشهای مهم در طراحی بهینه ی گیرنده به شمار میروند. در این تحقیق با استفاده از مدارهای آنالوگ غیرخطی در طراحی fft، مصرف توان گیرنده به طور قابل ملاحظه ای کاهش داده شده است. fftآنالوگ پیشنهاد شده که ساختار آن بر اساس آینه های جریان آنالوگ cmos میباشد، میتواند نرخ انتقال بسیار بالاتر و مصرف توان پایینتری را نسبت به روشهای متداول دیجیتال فراهم کند. در طراحی fft از تکنیکهای vlsi استفاده شده است، به این ترتیب که ابتدا با استفاده از مدار آینه ی جریان کسکد، یک بلوک اصلی در نظر گرفته میشود. سپس با استفاده از این بلوک و نسخه های کپی شده ی آن کل مدار طراحی میشود. در استاندارد ieee 802.15.3a مربوط به سیستمهای فراپهن باند، زمان محاسبه ی fft برابر 5/312 نانوثانیه می باشد. زمان محاسبه ی fft در روش پیشنهادی برابر 24 نانوثانیه میباشد در حالی که مصرف توان کلی آن برابر 7/1 میلی وات میباشد. این مصرف توان در میان سایر طراحی ها بسیار کمتر است، به طوری که در بهترین طراحی، مصرف توان 8/6 میلی وات حاصل شده بود. همچنین با توجه به طراحی آنالوگ، adc که دیگر بلوک پرمصرف در گیرنده بود، حذف میشود و به این ترتیب پیچیدگی گیرنده بسیار کمتر است. پردازنده ی fft طراحی شده منحصر به سیستمهای فراپهن باند نبوده و به طور کلی در گیرنده های دیگر که بر اساس ofdm می باشند نیز قابل استفاده است. لازم به ذکر است در این پایان نامه از نرم افزار ads برای طراحی مدار و از نرم افزار متلب به منظور مدلسازی استفاده شده است.

هدف این پروژه تعیین موقعیت نامشخص یک گره ی هدف است که این امر توسط سنسورهایی که در محیط پیرامون گره ی هدف پخش شده اند محقق می شود. محیطی که گره ی هدف در آن قرار دارد مربعی شکل با ابعاد مشخص است و سنسورهای تعیین کننده موقعیت هدف به صورت تصادفی یکنواخت در محیط پخش شده اند و نویز محیط را گوسی در نظر گرفته ایم. عمل مسافت یابی توسط سیگنال های فراپهن باند و براساس تخمین تاخیر بین سیگنال ارسالی و دریافتی انجام می گیرد. برای تخمین اولیه موقعیت اهداف ترکیبات سه تایی سنسورها در نظر گرفته شده و از بین تمام ترکیبات ممکن برای بالا بردن دقت تخمین موقعیت، شرط زاویه یا شرط توام مسافت و زاویه استفاده شده است. در ادامه بعد از پردازش هایی که روی تخمین اولیه انجام می گیرد یک مرحله بهینه سازی بر اساس اطلاعاتی که از موقعیت سنسورها در اختیار داریم انجام می شود. نتایج شبیه سازی نشان می دهد که شرط پیشنهادی زاویه که عمل محاسبات را کم و دقت را بالا می برد، دقت تخمین موقعیت هدف را افزایش داده است. همچنین استفاده از توابع بهینه سازی برای زمانی که تعداد سنسورهای تعیین موقعیت هدف در محیط کم است باعث بهبود نتایج شده است. پیچیدگی تعداد محاسبات مورد نیاز به ترکیب ربط داشت که n تعداد گره هایی هستند که قید فاصله را برآورده می کنند. لذا موقعی که پیچیدگی کمی نیاز داشته باشیم باید n را محدود کنیم به عبارت دیگر باید قید فاصله را به گونه ای تعیین کنیم که گره های شرکت کننده در ترکیب ها از حد مشخصی بیشتر نباشد. از طرف دیگر دقت قابل دست یابی به فاصله ی گره های شرکت کننده در ترکیب ها ربط دارد. وقتی که هدف دست یابی به دقت مشخصی در موقعیت یابی هدف است می توان قید فاصله را به گونه ای تعیین کرد که به دقت مورد نظر دست یابیم. روابط ریاضی و الگوریتم هایی برای رسیدن به این اهداف استخراج شده است.

شبکه های حسگر بی سیم متشکل از تعداد زیادی گره های حسگر کوچک هستند که این گره ها دارای محدودیت های سطح انرژی، پهنای باند، توان پردازشی و حافظه می باشند. از این رو کاهش مصرف انرژی و افزایش طول عمر شبکه از چالش های اصلی در طراحی این شبکه ها می باشد. ارسال و دریافت داده ها، در بین گره-های شبکه و گره مقصد، بخش عمده ی مصرف انرژی در شبکه می باشد. الگوریتم های بسیاری برای ارسال و دریافت داده در شبکه های حسگر ارائه شده اند. یک دسته از این الگوریتم ها، الگوریتم های سلسله مراتبی مبتنی بر خوشه-بندی می باشند که هدف اصلی آن ها کاهش مصرف انرژی و توزیع انرژی مصرف شده در کل شبکه می باشد. در بسیاری از الگوریتم های مسیریابی مبتنی بر خوشه بندی، مشکلاتی وجود دارد که موجب عدم کارآیی الگوریتم می-گردد. از جمله ی این مشکلات می توان به عدم آگاهی الگوریتم ها از سطح انرژی گره ها، عدم آگاهی الگوریتم ها از مکان گره ها، دور افتادن برخی از سرخوشه ها از گره مقصد و ثابت بودن گره مقصد در شبکه، اشاره نمود. در این پایان نامه، روش جدید سلسله مراتبی مبتنی بر خوشه بندی، به منظور ارسال داده ها، به همراه استفاده از گره مقصد متحرک، به منظور متوازن ساختن مصرف انرژی، در شبکه های حسگر بی سیم پیشنهاد می شود که سعی دارد مسائل یاد شده در بالا را حل و یا تاثیر منفی آنها را کاهش دهد. هدف از این روش ، تشکیل خوشه هایی با انتخاب سرخوشه ی مناسب بر اساس اطلاعات مکانی گره ها و قرارگیری گره مقصد متحرک در مکان بهینه در هر مرحله می باشد، به-طوریکه کاهش مصرف انرژی برای حسگرها و افزایش طول عمر سرخوشه ها و تعادل مصرف انرژی در شبکه، فراهم گردد. مکان بهینه ی گره مقصد در شبکه نیز با بهره گیری از الگوریتم بهینه سازی اجتماع ذرات به دست می آید. نتایج شیبیه سازی نشان می دهند که اعمال روش پیشنهادیِ قرارگیری گره مقصد متحرک در مکان بهینه، افزایش طول عمر، متوازن گشتن مصرف انرژی و مقیاس پذیری را برای شبکه، در مقایسه با دو روش گره مقصد ثابت و قرارگیری گره مقصد متحرک در مکان تصادفی، به همراه داشته است.

شبکههای حس¬گر بیسیم مجموعهای از تعداد زیادی گره حس¬گر با ابعاد بسیار کوچک هستندکه دارای قابلیتهای حس کردن محیط، پردازش اطلاعات حس شده و انتقال اطلاعات بین یکدیگر به صورت بیسیم هستند. علیرغم قابلیتهای بیشماری که این گرهها دارند، اما به دلیل اینکه انرژی آنها به¬وسیله باطری هایی با توان محدود تامین می شود، طول عمر آنها محدود خواهد بود. در حقیقت محدودیت انرژی گره ها و طول عمر شبکه یکی از چالش های مهم بر سر راه این شبکه هاست. در میان عوامل مختلف مصرف انرژی، مسیریابی داده ها یکی از مهم ترین عوامل به حساب می آید. الگوریتم های بسیاری برای ارسال و دریافت داده¬ها در شبکه های حس¬گر ارائه شده اند. یک دسته از این الگوریتم ها، الگوریتم های سلسله مراتبی مبتنی بر خوشه بندی می باشند که یک استراتژی جهت مدیریت انرژی شبکه و در نتیجه افزایش طول عمر شبکه است. با این وجود می توان به مشکلاتی نظیر عدم آگاهی الگوریتم ها از سطح انرژی گره ها، عدم آگاهی الگوریتم ها از مکان گره ها، انتخاب تصادفی سرخوشه ها وانتخاب تصادفی تعداد سرخوشه ها در هردوره در الگوریتم ها اشاره نمود. در این پایان نامه، روش جدید خوشه بندی مبتنی بر انرژی به منظور ارسال داده ها پیشنهاد می شود که با انتخاب مناسب سرخوشه ها باعث افزایش طول عمر شبکه و بهبود کارایی آن می شود، همچنین سعی شده مشکلات بالا نیز حل شود. هدف از این روش، انتخاب تعداد سرخوشه ها بر مبنای گره های زنده و انتخاب سرخوشه های مناسب بر اساس انرژی باقیمانده ی گره ها می باشد. نتایج شبیه سازی نشان می دهد که اعمال روش پیشنهادی انرژی کمتری برای انتقال اطلاعات مصرف می کند و همچنین طول عمر شبکه را افزایش می دهد.

تشخیص خودکار نوع مدولاسیون سیگنال شناسایی شده یک وظیفه اصلی و مهم در یک گیرنده هوشمند در هر دو زمینه نظامی و غیر نظامی می باشد. این امر زمانی دشوارتر می گردد که نه اطلاعاتی از سیگنال ارسالی و نه اطلاعاتی از کانال در سمت گیرنده موجود نباشد. دسته بندی کننده های کور مدولاسیون به سیستم هایی گفته می شود که نوع مدولاسیون سیگنال دریافتی را زمانی که هیچ اطلاعاتی از سیگنال ورودی و کانال در گیرنده موجود نیست، تشخیص می دهند. این پژوهش یک ایده جدید به منظور تخمین پارامترهای مجهول سیگنال دریافتی و کانال در گیرنده از جمله: دامنه، اطلاعات زمان بندی، توان نویز و ضریب فرود فیلتر شکل دهنده پالس بدون اطلاع از داده های منتقل شده و نوع مدولاسیون سیگنال دریافتی معرفی می کند. علاوه بر این با به کار گیری تخمین گر پیشنهادی، دسته بندی کننده کور جدیدی در چارچوب بیشینه درست نمایی برای دسته بندی مدولاسیون های از نوع دامنه-فاز در کانال ها با محو شدگی تخت ارائه می دهد. در ادامه عمل کرد این دسته بندی کننده کور را با دسته بندی کننده بهینه که تخمین کامل را در اختیار دارد، به عنوان معیار مقایسه می نماییم. نتایج شبیه سازی نشان می دهند که الگوریتم پیشنهادی حتی در کانال ناکاگامی با محو شدگی متفاوت نیز عمل کرد خوبی از خود نشان می دهد و کارایی آن در سیگنال به نویز های مختلف نزدیک به دسته بندی کننده مطلوب می باشد.

امروزه شبیه سازی سیستم های مخابراتی با توجه به پیچیدگی روز به روز تجهیزات، از اهمیت بالایی برخوردار است. مطالعه و بررسی عمل کرد یک سیستم با روش های تحلیلی، سخت و گاهی غیر ممکن بوده و بررسی عمل کردهای سیستم مخابراتی مدرن، بدون استفاده از شبیه سازی، ساخت نمونه آزمایشی را اجتناب ناپذیر می کند. اما علیرغم هزینه های بالای ساخت یک نمونه آزمایشی، هزینه های آزمایش در شرایط مختلف چندین برابر هزینه شبیه سازی کامپیوتری خواهد بود. یک بخش بسیار مهم در تمامی سیستم های مخابراتی، بخش بازیابی اطلاعات در گیرنده است. اهمیت این بخش زمانی روشن می گردد که بنا به هر دلیلی، گیرنده از محتوی نوع سیگنال ارسالی در فرستنده و نیز شرایط کانال اطلاع نداشته باشد.