با پیشرفت های صورت گرفته در حوز? پردازش سیگنال گسسته و سخت افزارهای مرتبط با آن و نیاز روزافزون به سیستم های حس گر با نرخ های نمونه برداری هرچه بیشتر و از طرف دیگر محدودیت های فیزیکی جهت پیاده سازی چنین سیستم هایی، ارائ? تکنیک هایی جهت کاهش و بهینه سازی نرخ نمونه برداری، بدون از دست دادن کیفیت سیگنال ضروری می نماید. در سال های اخیر حوزه ای جدید در پردازش سیگنال گسسته پدید آمده که قادر است با نرخ های نمونه برداری به مراتب پایین تر نسبت به نرخ شانون-نایکویست، سیگنالی دارای کیفیت یکسان و گاه بهتر بعد از عمل بازسازی حاصل نماید. در حوز? پردازش سیگنال فشرده، سیگنال به صورت فشرده نمونه برداری می گردد، به طوری که فقط اطلاعات مفید از سیگنال استخراج می شود. مشکل اساسی موجود در این حوزه، بازسازی سیگنال با در دست داشتن نمونه های فشرده است که نیاز به الگوریتم های بازسازی با حجم محاسباتی پایین و دقت قابل قبول ضروری است، به طوری که قابلیت پیاده سازی به هنگام را داشته باشد. هدف از رسال? در دست، ارائ? الگوریتم بازسازی وفقی به صورتی است که ضمن دریافت مشاهدات به طور متوالی قابلیت پیاده سازی به هنگام داشته و تغییرات به وجود آمده در اثر گذشت زمان را در سیستم تحت تخمین، تعقیب نماید. در همین راستا، تابع هزینه ای بر پای? تابع پنالتی جدیدی به نام led برای بازسازی سیگنال تنک در حوز? نمونه برداری فشرده پیشنهاد شده است و طی بررسی های جامع انجام گرفته، قابلیت بالای تخمین گر حاصله بر پای? تابع هزین? پیشنهادی، برای تخمین عناصر غیر صفر سیگنال و متعاقب آن تخمین دامن? عناصر به صورت تئوری به اثبات رسیده است. در ادامه، راه حلی بازگشتی و وفقی به منظور یافتن جواب تابع هزین? پیشنهادی ارائه شده است و در نهایت با انجام شبیه سازی های جامع، کارآیی تخمین گر پیشنهادی و قابلیت آن در بازسازی وفقی سیگنا های تنک متغیر با زمان تایید شده و با تخمین گرهای مطرح در این زمینه مقایسه شده است.

شبکه های رادیوشناختی ایده ای برای غلبه بر محدودیت های طیف فرکانسی تلقی می گردد. طیف سنجی به عنوان کلیدی ترین تابع از عملکرد یک رادیو شناختی همواره در معرض تهدیدات امنیتی قرار دارد. یکی از معروف ترین حملاتی که به واسطه خواص ذاتی این شبکه ها به وجود می آید حمله تقلید سیگنال کاربر اولیه (puea) می باشد. در این حمله مهاجم با ارسال سیگنالی دقیقا مشابه سیگنال کاربر اولیه در طیف خالی سعی در مسدود سازی فرآیند طیف سنجی دارد. در این پایان نامه ضمن معرفی کامل حمله سعی شده است تا به روش آزمون فرض چندگانه یک مدل مقابله ای مطمئن در برابر این حمله ارائه شود.شبیه سازی ها و نتایج عددی کارآیی خوب روش پیشنهادی را نشان می دهد.

در این پایان نامه روشی نوین مبتنی بر اطلاعات آماری مرتبه بالا برای تشخیص بیماری فلاتر دهلیزی به کمک سیگنال ecg ارائه شده است. از الگوریتم پن-تامپکینز برای شناسایی قله های r و سپس با توجه به موقعیت قله r، قله های s ،q و t شناسایی شده اند. برای استخراج ویژگی های اطلاعات آماری مرتبه بالا از سیگنال tq که نشان دهنده ی فعالیت های دهلیزی می¬باشد و بصورت دنباله ای از قطعه های tq برای نمونه¬¬های 20 ثانیه ای از داده ها می¬باشد استفاده شده است. بردار ویژگی شامل میانگین ارتفاع قله های t، میانگین قله های r و فاصله ی زمانی tq به عنوان ویژگی زمانی و کشیدگی، کمولانت و گشتاور ششم به عنوان ویژگی های آماری مرتبه بالا می¬باشد. به منظور توجیه ریاضی از توزیع مقدار حدی تعمیم یافته برای ارائه یک مدل آماری برای سیگنال های انتخابی استفاده شده است. برای دسته بندی از تحلیل توابع تفکیک استفاده شده است که دقت دسته بندی %98.81، اختصاصیت %100 و حساسیت %96.3 می باشد. نتایج الگوریتم ارائه شده در تشخیص بیماری فلاتر دهلیزی به کمک سیگنال ecg نسبت به الگوریتم های پیشین بهتر می باشد.

در این پایان نامه روشی جدید برای تشخیص بیماری هیپرتروفی بطن چپ به کمک سیگنال ecg ارائه شده است. هیپرتروفی قلبی به افزایش حجم عضلات قلب به بیش از یک مقدار آستانه گفته می شود. هیپرتروفی بطن چپ شایع ترین نوع هیپرتروفی قلبی بوده و به دلیل افزایش احتمال سکته قلبی تشخیص به موقع این بیماری اهمیت ویژه ای دارد. بعد از جمع آوری دیتابیس سالم و بیمار برای شناسایی قله های r از الگوریتم پن-تامپکینز استفاده شده و سپس قله های q، s و t با توجه به موقعیت قله های r تعیین شده اند. سیگنال qt به صورت دنباله ای از قطعه های q تا t برای هر نمونه 20 ثانیه ای از داده ها تعریف شده است. همچنین از تبدیل ویولت گسسته با ویولت مادر db6 برای تجزیه سیگنال ecg به 4 باند فرکانسی استفاده کرده ایم. بردار ویژگی شامل میانگین ارتفاع قله های r به عنوان ویژگی زمانی و چولگی، کشیدگی و گشتاور پنجم مربوط به سیگنال های qt و ضرایب d4 از تبدیل ویولت به عنوان ویژگی های آماری مرتبه بالا می باشد. به منظور توجیه ویژگی های انتخابی از مدل مخلوط گوسی برای ارائه یک مدل آماری برای سیگنال های سالم و بیمار استفاده شده است. ماشین بردار پشتیبانی به کمک پنج ویژگی، داده ها را به دو گروه سالم و بیمار تقسیم کرده است. دقت دسته بندی %75/99 و حساسیت آن %100 می باشد. روش ارائه شده دارای بهبود قابل ملاحظه در تشخیص بیماری هیپرتروفی بطن چپ به کمک سیگنال ecg نسبت به الگوریتم های پیشین می باشد.

در طی دهه های اخیر به تبع رشد و پیشرفت حاصل در صنعت فیبر نوری و الکترونیک نوری، سنسورهای فیبر نوری همچون سایر محصولات نوری دستخوش تغییرات فراوانی شده اند. فیبرهای نوری بیش از 50 سال است که وارد حیطه ی اندازه گیری شده اند و با برتری هایی غیرقابل چشم پوشی نسبت به سنسورهای الکتریکی و مکانیکی موجب افزایش سرعت و دقت در عملیات اساسی اندازه گیری گردیده اند. پزشکی نیز همچون سایر زمینه ها متأثر از فناوری مدرن بوده و اهمیت مقوله ی اندازه گیری در پزشکی منجر به تلاش محققان و صاحب نظران برای دستیابی به وسایل و تجهیزات سنجش با کار آیی مطلوب و متناسب با علم روز گردیده است. امروزه با گرایش نسل جدید سنسورهای پزشکی به سمت سنسورهای فیبر نوری، ویژگی های مناسب این سنسورها برای به کارگیری در داخل بدن هرروز بیش ازپیش بر محققین آشکار می گردد. کسب اطلاعات معتبر از پاسخ بافت ها و اندام های مختلف بدن به کرنش محوری ناشی از اعمال نیروی خارجی و یا نیروهای بین عضلات منجر به دستیابی به مدل های تحلیلی مناسبی از مکانیک بدن می شود. جهت طراحی پروتزها و وسایل ورزشی در دست داشتن اطلاعات کرنشی درون بدن ضروری است. همچنین ارزیابی مشکلات حرکتی و تشخیص بیماری های عضلانی-اسکلتی و تعیین روند فیزیوتراپی مستلزم در اختیار داشتن پایگاه داده ای معتبر و با دقت بالا از کرنش های اعمالی به نقاط مختلف بدن است.