نتایج جستجو برای: تشخیص خودکار سیگنال زلزله
تعداد نتایج: 54784 فیلتر نتایج به سال:
یکی از مراحل مهم و بنیادی در مطالعات زلزله شناسی، پردازش داده های فراهم شده توسط شبکه های لرزه نگاری است. پردازش اولیه ی این داده ها شامل تشخیص و استخراج سیگنال زلزله، تعیین زمان رسید فازهای اصلی، تعیین بزرگا و پارامترهای کانونی رویداد زلزله و در صورت نیاز اطلاع رسانی است. با توجه به گسترش شبکه های لرزه نگاری در جهان و همچنین کشورمان و افزایش روزافزون حجم داده های ثبت شده، استفاده از روش های خو...
تشخیص مدولاسیون سیگنال دریافتی گام میانی بین تشخیص سیگنال و دمدولاسیون آن محسوب می شود؛ به طوری که در بسیاری از سیستم های مخابراتی و نظامی تشخیص خودکار مدولاسیون جزئی از سیستم در نظر گرفته می شود. برای تشخیص خودکار مدولاسیون به طور معمول تعدادی ویژگی از سیگنال دریافتی استخراج و به کار گرفته می شود، در این رابطه، انتخاب ویژگی مناسب، تأثیر به سزایی در افزایش کارایی تشخیص خودکار مدولاسیون دارد. در...
تشخیص خودکار نوع مدولاسیون سیگنال دریافتشده، وظیفه اصلی یک گیرنده هوشمند است. این وظیفه زمانی که گیرنده اطلاعاتی در مورد سیگنال دریافتی و یا کانال ندارد، مشکلتر خواهد شد. در ابتدا، دستهبندیکننده بیشینه درستنمایی (ML) برای دستهبندی مدولاسیونهای دامنه - فاز در محیط همدوس ارائه شده است. بهخوبی مشخص است که دستهبندیکننده ML نیاز به آگاهی اولیه به برخی از پارامترهای سیگنال دریافتی و کانال (...
گوش دادن به موسیقی سنتی ایرانی و تشخیص دستگاه و مایه آن همواره برای علاقمندان امری پیچیده بوده که به دلیل کاربردهای فراوان آن در زمینه هایی مانند آموزش و آهنگ سازی از اهمیت بسیار بالایی برخوردار است. زیرا موسیقی سنتی ایرانی دارای سبکی بسیار ظریف و عظمت خاصی می باشد که پیچیدگی های زیادی درون این سبک نهفته است. . این کار به واسطه صرف شنیدن یک قطعه موسیقی کار بسیار دشواری است و فقط اساتید متبحر مو...
سیگنالهای زیستی مختلف شامل EEG، EOGو EMGبه منظور تشخیص اختلالات خواب در آزمایشگاههای خواب ثبت میشوند. تحلیل اطلاعات ثبت شده در زمان خواب بهوسیله متخصص خواب، به صورت شهودی انجام میشود. طبقهبندی شهودی مراحل خواب به دلیل طولانی بودن ثبتها، کار زمانبر و خسته کنندهای است. تحلیل خودکار خواب میتواند این امر را تسهیل کند. مهمتر...
مهمترین مشکل در بررسی و پردازش ثبت های الکتروآنسفالوگرام (EEG) حضور انواع سیگنال های ناخواسته (آرتیفکت ها) است که حذف آنها با روش تحلیل مولفه های مستقل از بهترین گزینه های ممکن است. هدف مساله تحلیل مولفه های مستقل جداسازی کور ترکیبی خطی از منابع مستقل است. با اعمال این روش روی سیگنال های مغزی آغشته به آرتیفکت، آرتیفکت ها به صورت مولفه های مستقلی استخراج می شوند. تشخیص خودکار مولفه های مستقل مرب...
سیگنال های زیستی مختلف شامل eeg، eogو emgبه منظور تشخیص اختلالات خواب در آزمایشگاه های خواب ثبت می شوند. تحلیل اطلاعات ثبت شده در زمان خواب به وسیله متخصص خواب، به صورت شهودی انجام می شود. طبقه بندی شهودی مراحل خواب به دلیل طولانی بودن ثبت ها، کار زمان بر و خسته کننده ای است. تحلیل خودکار خواب می تواند این امر را تسهیل کند. مهم ترین گام برای طبقه بندی خودکار مراحل خواب، استخراج ویژگی های مناسب ...
تشخیص احساس برای رایانه امری چالش برانگیز است. دلیل اصلی این موضوع نیز عدم توانایی رایانه در درک احساس کاربر است. هدف از این مقاله، طراحی یک سیستم تشخیص احساس از گفتار و ارائه روشی نوین جهت بهبود این سیستم است. تاکنون در این زمینه از ویژگی های متفاوتی استفاده شده است، اما هیچ یک عملاً به ارتباط بین دامنه صوت و حالت های احساسی نپرداخته اند. چون موجک بیونیک به این ارتباط بیشتر پرداخته است، به نظر ...
مهمترین مشکل در بررسی و پردازش ثبت های الکتروآنسفالوگرام (eeg) حضور انواع سیگنال های ناخواسته (آرتیفکت ها) است که حذف آنها با روش تحلیل مولفه های مستقل از بهترین گزینه های ممکن است. هدف مساله تحلیل مولفه های مستقل جداسازی کور ترکیبی خطی از منابع مستقل است. با اعمال این روش روی سیگنال های مغزی آغشته به آرتیفکت، آرتیفکت ها به صورت مولفه های مستقلی استخراج می شوند. تشخیص خودکار مولفه های مستقل مرب...
زمینه و هدف: متداول ترین روش تشخیص پاراکلینیکی صرع، نوار مغز یا الکترونسفالوگرام (eeg) می باشد که با آنالیز چشمی توسط متخصصین نورولوژی انجام می گیرد، اما به دلیل موارد منفی کاذب و همچنین عدم امکان بررسی ارتباط سایر الکترودها و نواحی مغز با هم، از آن به صورت منحصر به فردی در تشخیص صرع استفاده نمی شود. در سال های اخیر الکترونسفالوگرام کوانتیزه (qeeg) به ابزاری قدرت مند در تشخیص ناهنجاری های فعال...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید