کربامازپین به عنوان دارویی جهت درمان بیماری صرع مورد استفاده قرار می گیرد.کربامازپین جزء آلاینده های تصفیه ناپذیر در صنایع دارویی است که بارها در پساب کارخانه، آب رودخانه و در آب دریا کشف شده است و با روش های معمول تصفیه پساب به هیچ عنوان حذف نمی شود اما با استفاده از فناوری نانو می توان این ماده را از پساب کارخانه داروسازی حذف کرد. در این تحقیق از یک روش جدید، ساده، سریع و حساس برای جدا کردن کربامازپین از پساب صنایع دارویی با استفاده از نانوذرات پلیمر قالب مولکولی استفاده شد. این جاذب های انتخابی در واقع نانوذرات قالب مولکولی غیر کووالانسی بودند که توسط روش پلیمریزاسیون رسوبی پلیمریزه شدند. در این تحقیق از متاآکریلیک اسید (maa) به عنوان مونومر عاملی، اتیلن گلیکول دی متا آکریلات (egdma) به عنوان اتصال دهنده عرضی، کربامازپین به عنوان مولکول هدف و 2و2- آزوبیس ایزوبوتیرونیتریل (aibn) به عنوان آغازگر استفاده شد. شرایط بهینه برای جداسازی کربامازپین با استفاده از آب دو بار تقطیر با 3ph=، بارگذاری نمونه با استفاده از حالت های آبی بازی با 10ph=، ، شستشو توسط 2 میلی لیتر استونیتریل، و شویش به وسیله 4 میلی لیتر متانول به دست آمد. جهت بررسی نانوذره بودن پلیمرهای قالب مولکولی سنتز شده از آن ها تصویر sem گرفته شد که mip بهینه دارای اندازه ی ذره 87 نانومتر بود. اندازه گیری کربامازپین استخراج شده با استفاده از کروماتوگرافی مایع با کارایی بالا به روش فاز معکوس انجام شد. نمونه توسط میکروسرنگ 50 میکرولیتری به ستون تجزیه ای ace c18 با قطر ذرات mµ 5 و ابعاد mm6/4 × 250 تزریق شد فاز متحرک متانول: آب به نسبت حجمی (55:45) استفاده شد. درصد بازیابی استخراج کربامازپین از پساب با استفاده از mip بهینه 57/94% به دست آمد که نشان دهنده کارایی بالای نانوذرات پلیمر قالب مولکولی می باشد. از mip بهینه برای استخراج کربامازپین از پساب واحد قرص سازی کارخانه داروسازی استفاده شد که طبق کروماتوگرام های بدست آمده درصد استخراج خوبی مشاهده شد. حدتشخیص (lod) برای کربامازپین 5-10×5/0 مولار تعیین شد.

در رده بندی های مختلف تعداد خانواده های مربوط به پرندگان شکاری روزفعال متفاوت بیان شده است. بدین منظور برای بازسازی روابط تبارزایی در این گروه می توان از مقایسه توالی نشانگر های ملکولی استفاده کرد. در این مطالعه از 638 جفت باز ژن coxi برای بدست آوردن فاصله ژنتیکی درون و بین گونه ای 89 نمونه پرندگان شکاری روزفعال ایران استفاده شده است. در این مطالعه میزان واگرایی ژنتیکی بین گونه ای در خانواده قوشیان براساس داده های توالی ژن coxi13 برابر بیشتر از میزان واگرایی ژنتیکی درون گونه ای است. براساس نتایج درخت ملکولی بیژین دو خانواده قوشیان و شاهینیان دو کلاد جدا از هم تشکیل می دهند. البته برای رسیدن به نتایج قطعی نیاز به مقایسه توالی ژن های بیشتر، صفات شاخص تاکسونومیکی و محاسبات آماری بیشتری می باشد. همچنین در این مطالعه به تحلیل ریخت-شناسی پر پرداخته شده است. صفات ریخت شناسی خارجی به طور متداول در مطالعات آرایه شناسی بکار می روند. در این راستا صفات خارجی بسیاری با توجه به نوع موضوع مورد مطالعه پیشنهاد و ارائه گردیده است که از این میان صفات میکروسکوپی با توجه به تغییرات آنها و قابلیت اندازه گیری دقیق تر اهمیت خاص دارند. در این مطالعه تعداد 74 نمونه پر در پرندگان شکاری روزفعال از نقاط مختلف ایران جمع آوری گردید. مطالعه صفات شاخص پر در سطح ماکروسکوپی و میکرسکوپی به منظور تهیه کلید شناسایی برای پرندگان شکاری روزفعال مورد بررسی قرار گرفت. صفات میکروسکوپی جداکننده تاکسون ها در سطح خانواده می باشند.

هدف از این رساله ارائه یک روش پردازش سیگنال برای آشکارسازی و دسته بندی عیوب مکانیکی بلبرینگ می باشد. پس از بررسی مختصر ساختمان بلبرینگ به معرفی انواع عیبهای مکانیکی بلبرینگ می پردازیم و علل ایجاد عیوب مزبور و اثر آنها روی بلبرینگ را بررسی را بررسی می نمائیم . نشان می دهیم که هر کدام از این عیوب بر روی صدای تولید شده توسط بلبرینگ به هنگام کار آثار مشخصی باقی می گذارند . به همین جهت از لحاظ تاریخی روشهایی جهت تشخیص و دسته بندی عیوب بلبرینگ توسط تجزیه و تحلیل صدای آن معرفی شده است که از آن جمله می توان روشهای حوزه زمان و روشهای حوزه فرکانس (تجزیه و تحلیل طیف) را نام برد. در این رساله برای تجزیه و تحلیل سیگنال صوتی بلبرینگ از روشهای تجزیه و تحلیل در حوزه مشترک زمان-فرکانس استفاده می کنیم. ابتدا روشهای پردازش اولیه لازم جهت تعیین مشخصه های عیوب را بررسی نموده و آنها را بصورت کلی ارائه می کنیم. سپس حوزه مشترک زمان-فرکانس را مطرح کرده تعیین مشخصه های عیوب را از روی نتایج تجزیه و تحلیل حاصل از تبدیل موجک معرفی می نمائیم. آنگاه مساله را به تبدیل بسته موجک تعمیم می دهیم. در تمام تستهای مذکور از سیگنال های واقعی تولید شده توسط بلبرینگهای واقعی استفاده می شود. سپس نتایج آشکارسازی و دسته بندی عیوب توسط تبدیل موجک را با روشهای کلاسیک دیگر مثل تجزیه و تحلیل طیفی و یا ‏‎stft‎‏ مقایسه می کنیم تا مزایای روش تجزیه و تحلیل در حوزه ‏‎wavelet‎‏ آشکار شود.