در این تحقیق، آنتن های شیپوری مخروطی دوتیغه ای با پلاریزاسیون دوگانه با گین بالا و دامنه لب های کناری پایین برای کاربردهای پهن باند استفاده می شود. آنتن های طراحی شده vswr پایینی دارند که برای دو باند 18-8 گیگاهرتز و 18-2 گیگاهرتز کمتر از 5/2 می باشد و گین بالا برای مولفه های افقی و عمودی به طور همزمان بدست می آید. در قسمت باریک شده از امپدانس نمایی و از کابل کواکس به عنوان ورودی و یک محفظه پشتی دایروی برای کاهش vswr استفاده شده است. آنتن طراحی شده در باند 18-8 گیگاهرتز، از دو نرم افزار cst که بر اساس روش انتگرال محدود و hfss که بر المان محدود استوار است، شبیه سازی شده است. نتایج دو شبیه سازی، سازگاری خوبی با یکدیگر دارند. در این تحقیق، از یک پلارایزر 45 درجه استفاده شده است. مزیت این نوع پلارایزر سادگی ساختار آن می باشد. هنگامی که پلارایزر جلوی دهانه آنتن گیرنده قرار می گیرد پلاریزاسیون دوگانه ایجاد می کند بدون آنکه روی مشخصه های آنتن تاثیر بگذارد. پلارایزر 45 درجه به صورت چند لایه ای استفاده می شود که افزایش تعداد لایه های تیغه ها باعث کاهش گین آنتن و افزایش وزن آنها می شود و از طرفی تعداد لایه های بیشتر باعث کاهش vswr می شود. برای ایجاد پلاریزاسیون دوگانه، پهنای تیغه ها، فاصله دو تیغه ی مجاور و ضخامت لایه های دی الکتریک، بهینه سازی شده اند. ماده دی الکتریک استفاده شده در این تحقیق، استیروفوم با استفاده شده است. بهترین نتیجه برای فاصله بین تیغه ها به ازای که طول موج در فرکانس میانی می باشد، بدست آمده است. نتایج شبیه سازی با تئوری کاملا تطابق دارد. نتایج شبیه سازی برای vswr ، الگوهای تشعشعی و گین آنتن های طراحی شده در باند های فرکانسی 18-8 گیگاهرتز و 18-2 گیگاهرتز ارائه و مورد بررسی قرار گرفته است.

تکنیک ریزآرایه dna، تکنولوژی معمول با عملکرد بالا برای نشان دادن سطوح بیان هزاران ژن بطور همزمان در شرایط مختلف است. این تکنیک، بیولوژی ملکولی را متحول ساخت. برخلاف بیولوژی ملکولی قدیمی، استفاده مفید ریزآرایه dna، نیازمند استفاده توام آمار و محاسبات جهت طراحی آرایه ها، طراحی آزمایشات و تجزیه تحلیل و مدیریت داده ها است. مهمترین کاربرد آن تعیین شباهت ژن های بیان شده در شرایط مختلف سلولی و مرتبط ساختن ژن های دارای عملکردهای سلولی مشابه است. اطلاعات آزمایشات ریزآرایه ها معمولا در قالب ماتریس های بزرگ بیان ژن و شرایط مختلف آزمایشی و تعدادی داده گمشده هستند. متاسفانه حتی با رشد تکنولوژی، در تکنولوژی های توان بالا تولید داده نیز با داده های گمشده مواجه هستیم. بنا بر دلایل آزمایشگاهی و اقتصادی امکان انجام دوباره آزمایشات ممکن نیست، از این رو حذف داده ها و یا جایگزین کردن با اعداد ثابت به جای داده-های گمشده از نظر بسیاری از محققان مورد قبول است. از آنجا که بسیاری از الگوریتم های خوشه-بندی و تعدادی از روش های تجزیه تحلیل آماری به دسته داده های کامل نیازمندند، محاسبه داده های گمشده برای کاربرد موثر اطلاعات ریزآرایهdna امری ضروری است. عدم توجه به داده های گمشده و روش مناسب جهت تخمین آن ها سبب کاهش دقت، ایجاد اشکالاتی در نتیجه گیری، عدم کاربردی بودن داده های حاصل از آزمایشات و عدم توانایی در تعمیم آن ها به جامعه واقعی خواهد شد. بنابراین برای حداقل کردن اثر دسته داده های ناقص در تجزیه تحلیل ها و افزایش دامنه قابل اطمینان داده ها، باید از الگوریتم های تخمین داده های گمشده استفاده کرد. در این مطالعه یازده الگوریتم تخمین داده-های گمشده برای مقایسه کارایی آن ها در شرایط مختلف با استفاده از دسته داده های برگرفته از پایگاه های معتبر داده، الگوریتم های مخصوص تخمین داده های گمشده، نرم افزارها و دستوراتی برای انجام مراحل مختلف تخمین بکار گرفته شد. نتیجه می گیریم با افزایش درصد داده های گمشده، دقت این الگوریتم ها کاهش می یابد. همچنین عواملی نظیر ذات خطی و غیرخطی داده، توزیع گمشدگی داده ها، نوع داده ها، درصد گمشدگی داده ها، کمیت پارامترهای موثر در الگوریتم های تخمین داده های گمشده، سایز داده و وجود نویز نیز بر دقت و کارایی این روش ها موثرند.