در سال های اخیر تسهیم متعامد حامل های فرکانسی ‎(ofdm)‎ به عنوان یک تکنیک مدولاسیون چندحاملی و با توجه به قابلیت هایی همچون توانایی مقابله با محوشدگی چندمسیره و تداخل بین سمبلی, بازدهی بالای پهنای باند و سادگی پیاده سازی محبوبیت زیادی در ارسال داده با نرخ بالا کسب کرده و به عنوان یک طرح مدولاسیون دیجیتال مناسب در بسیاری از استانداردها مانند پخش صوتی دیجیتال ‎dab‎ و پخش ویدیویی زمینی دیجیتال ‎dvb(dvb-t‎, ‎dvb-t2)‎ و همچنین شبکه های بی سیم ‎wlan(802.11x‎, ‎hyperlan2)}‎ پذیرفته شده است. در برابر مزایای زیاد این سیستم ها یکی از مشکلات عمد? آنها بالا بودن نسبت توان حداکثر به توان متوسط ‎(papr)‎ است که در این صورت عبور سیگنال ‎ofdm‎ از یک عنصر غیرخطی مانند تقویت کنند? توان بالا ‎(hpa)‎ ممکن است دامن? سیگنال ارسالی را با اعوجاج شدید مواجه نماید که افزایش نرخ خطای بیت و گسترش طیفی را به دنبال دارد و عملکرد سیستم را با مشکل مواجه می نماید. تاکنون روش های مختلفی برای کاهش ‎papr‎ در سیستم های ‎ofdm‎ پیشنهاد شده است. در این پایان نامه طرح های جدیدی برای کاهش ‎papr‎ در سیستم های تک آنتنی ‎(siso)‎ و چندآنتنی ‎(mimo)‎ بر پای? کدهای ‎reed-solomon‎ سریع روی میدان های پای? اول ‎gf(257)‎ و ‎gf(65537)‎ ارائه شده است. در این طرح ها تعدادی بلوکِ کاندید مختلف که همگی دارای اطلاعات یکسان با بلوک داد? اصلی هستند تولید شده و از بین آنها یک یا چند بلوک که کمترین ‎papr‎ را دارند انتخاب می شوند. طول بلوک های کد روی میدان های اول مذکور مشابه طول بلوک های ‎ofdm‎ به صورت توانی از ‎2‎ است و بنابراین برای پیاده سازی عملیات های کدینگ و دکدینگ آن می توان از الگوریتم های تبدیل فوری? سریع‏ ‎(fft)‎ بهره برد. به علاوه عملیات های جمع و ضرب روی این میدان ها به صورت پیمانه ای انجام می شوند و پیچیدگی کمی دارند. در این کدها تغییر کوچکی در سمبل های اطلاعات به یک کلم? کد کاملاً متفاوت منجر می شود که برای تولید بلوک های کاندید مستقل مناسب است. با توجه به اینکه این کدها به عنوان کد بیرونی دارای قابلیت تصحیح خطا بوده و دارای بیشترین جدایی پذیری ‎(mds)‎ هستند می توانند برای هر دو منظور تصحیح خطا و کاهش ‎papr‎ به کار گرفته شوند. از کدهای ‎reed-solomon‎ به کار گرفته شده در طرح های پیشنهادی ما می توان روی کانال های پاک شوندگی, تصادفی و یا کانال های پاک شوندگی و تصادفی با هم, استفاده نمود. به طور خاص, کدهای با طول بزرگ روی میدان ‎gf(65537)‎ قابلیت های بسیار جالبی در زمین? تصحیح خطا و کاهش ‎papr‎ به طور همزمان در سیستم های ‎mimo‎ و کاربرد ارسال بسته ای اطلاعات ‎(packet transmission)‎ در اختیار قرار می دهد. شبیه سازی های انجام شده نشان می دهد که طرح های پیشنهادی در زمین? کاهش ‎papr‎ عملکرد خوبی دارند.

در سال های اخیر رادارهای دهانه مجازی در جمع آوری اطلاعات ‏نقش بسیار مهمی را ایفا می کنند. این رادارها‏‏، در تمام شرایط آب و هوایی‏، قادر به تصویر برداری از سطح زمین هستند. علاوه بر این با استفاده از اطلاعات داپلر‏، تفکیک بسیار خوبی نسبت به رادارهای دهانه واقعی ارائه می دهند. تنها رادارهایی قادر به استخراج اطلاعات داپلر هستند که از تصویر برداری همدوس استفاده کنند. سیستم تصویر برداری همدوس بدلیل تداخل برگشتی های همدوس تحت تاثیر پدیده ای بعنوان ‎speckle‎‏ هستند. این نویز که به صورت ضرب شونده مدل می شود وضوح تصویر و اطلاعات لبه ها را کاهش می دهد. یکی از روش های مناسب برای تحلیل سیگنال های نا ایستان روش های مبنی بر تبدیل موجک است. تبدیل موجک یک نمایش چند مقیاسی ارائه می دهد که بطور همزمان می توان از اطلاعات حوزه مکان و حوزه فرکانس بهره گرفت. در سال های اخیر به منظور افزایش تعداد جهت های تبدیل موجک در تحلیل سیگنال های دوبعدی‏، تبدیلات مختلفی پیشنهاد شد. در این پایان نامه تبدیل جدیدی بنام ‎nsct‎‏ مورد استفاده قرار گرفت که یک نمایش چند جهتی چند مقیاسی با افزونگی زیاد ارائه می کند. علاوه بر این‏، یک تبدیل تغییر ناپذیر با زمان است. در فرآیند حذف نویز بر مبنای تبدیلات چند مقیاسی و چند جهتی از دو روش آستانه گذاری و روش برمبنای مدل ضرایب استفاده شد. در روش آستانه گذاری تعیین آستانه دقیق مشکل است. چنانچه آستانه مناسب انتخاب نشود یا نویز بخوبی حذف نمی شود و یا لبه های تصویر به شدت مات می شوند. به منظور استفاده از روش دوم به توزیع ضرایب تبدیل نیازمندیم. یک مدل مناسب برای مدل کردن ضرایب توزیع گوسی مرکب با متوسط صفر است. به منظور تخمین پارامترهای توزیع گوسی مرکب از تخمین ‎em‎‏ استفاده شد. علاوه بر این ارتباط بین ضرایب تبدیل را به صورت مدل ‎hmt‎‏ فرض شد و در تخمین پارامترهای توزیع گوسی مرکب دخالت داده شد. در نهایت با بهینه سازی ضرایب نویزی تبدیل را تصحیح گردید. الگوریتم پیشنهادی بر روی تصاویر مختلف ‎sar‎‏ و تصاویر شبیه سازی شده بررسی شد و معیارهای psnr ، enl و شاخص حفظ لبه در مقایسه با الگوریتم های مشابه به مراتب بهتر شد

در صورت عدم دسترسی به نگاشت هایی مناسب، استفاده از نگاشت های اصلاح شده جایگزینی مناسب جهت انجام تحلیل های تاریخچه زمانی خواهد بود و در تهیه این مجموعه نگاشت، انطباق طیفی از مهمترین و یا اصلی ترین معیارهای آیین نامه ها می باشد. روش های زیادی جهت اصلاح نگاشت های موجود جهت حصول انطباق طیفی بیشتر بر طیف پاسخ هدف موجود می باشد. اما در کل می توان این روش ها را به سه دسته مقیاس در حوزه زمان، مقیاس در حوزه فرکانس و مقیاس در حوزه زمان- فرکانس تقسیم بندی کرد. در تمامی روش های مذکور طیف پاسخ هدف به عنوان تنها داده لرزه ای هدف درنظر گرفته می شود و تلاش برای حصول انطباق بر آن صورت می گیرد. در حالیکه طیف پاسخ تنها یکی از داده های بدست آمده از نگاشت های طبیعی روی داده می باشد و نگاشت هر منطقه دارای بسیاری از اطلاعات لرزه ای دیگر می باشد که درون طیف پاسخ دیده نشده است. همچنین بدلیل آنکه طیف پاسخ مستقل از زمان می باشد و هیچگونه اطلاعات زمانی ارائه نمی کند، روش های اصلاح اقدام به اصلاح کلیه دامنه نگاشت ها با ضریب یا ضرایبی یکسان جهت انطباق بر طیف پاسخ هدف می کنند درحالیکه بسیاری از بازه های یک نگاشت شاید نیازی به اصلاح نداشته و یا آنکه جهت اصلاح نیازی به پاسخ های اکسترمم نباشد. در این پایان نامه به بررسی سه روش عمده مورد استفاده جهت اصلاح نگاشت ها جهت حصول انطباق طیفی موردنظر پرداخته می شود و پس از شرح هر روش اقدام به اصلاح مجموعه ای از نگاشت ها به آن روش جهت انطباق بر طیف پاسخ نگاشت انتخاب شده ای به عنوان هدف می گردد. پس از آن ضعف دیده شده در هر روش بیان خواهد شد و نشان داده می شود که نگاشت های روی داده دارای سطح بیشتری از اطلاعات می باشند و در این میان سطحی جدید از اطلاعات یک نگاشت که ایده تکامل طیفی نام گذاری شد و از دستآوردهای این تحقیق می باشد بیان می گردد. در انتها بوسیله ایده مطرح شده و روش پیشنهادی دیگری اقدام به برطرف نمودن ضعف های روش های بیان شده اصلاح نگاشت پرداخته می شود. نتایج بدست آمده انطباق طیفی بیشتر و نگاشت هایی با رفتاری نزدیک تر به نگاشت هدف را نشان می دهد.

با گسترش استفاده از داده های چندرسانه ای در دنیای مجازی و افزایش روزافزون احتمال سوءاستفاده از این داده ها، شیوه های پنهان نگاری روزبه روز بیشتر مورد توجه قرار می گیرند. پنهان نگاری هنر ارتباط پنهانی است و هدف آن پنهان سازی اطلاعات به صورت غیرقابل رویت در رسانه ای دیگر مانند تصویر، فیلم، صوت و متن به منظور اثبات مالکیت یا انتقال اطلاعات می باشد به گونه ای که کمترین تغییر قابل کشف را در آن ایجاد نماید و نتوان موجودیت پیام پنهان در رسانه را حتی به صورت احتمالی آشکار ساخت. پنهان نگاری برگشت پذیر که به منظور انتقال اطلاعات با استفاده از یک داده ی میزبان و با فرض اینکه داده و فضای انتقال مورد نظر کاملاً امن است، یکی از پر استفاده ترین زمینه های پنهان نگاری می باشد. اکثر روش های پنهان نگاری برگشت پذیر موجود، زیرمجموعه پنهان نگاری های شکننده می باشند. یعنی اگر کوچک ترین تغییری در تصویر پنهان نگاری شده ایجاد شود، بازیابی داده مخفی ممکن نخواهد بود. این مطلب کاربرد پنهان نگاری برگشت پذیر را اکثراً به محیط های بدون اتلاف محدود کرده است. در این پایان نامه به بررسی انواع پنهان نگاری ها با تمرکز بر روش های پنهان نگاری برگشت پذیر پرداخته و به دنبال روش هایی خواهیم بود که ساختار بینایی انسان را مد نظر قرار داده و مقاومتی نسبی در برابر حملات احتمالی داشته باشند. روش های مهم قبلی در این زمینه بررسی شده و در نهایت الگوریتمی ارائه می گردد که نقاط ضعف الگوریتم های قبلی را تا حد ممکن برطرف سازد. نتایج پیاده سازی ها نشان می دهد که از نظر پارامترهای اصلی روش های پنهان نگاری برگشت پذیر، الگوریتم پیشنهادی از الگوریتم های قبلی بهتر و با ویژگی های ساختار بینایی انسان نزدیک تر می باشد.

شناسایی و طبقه بندی اشیاء داخل آب به خصوص مین های دریایی نیاز اساسی برای دستگاه های نظامی و غیرنظامی است.یکی از مهمترین وسایلی که بدین منظور طراحی و ساخته شده،سونار است.سونار به عنوان یک حسگر صوتی زیر سطحی، به منظور شناسایی اجسام داخل آببه کار می رود. از جمله قابلیت های سونار، آشکارسازی،تشخیص وطبقه بندی اهداف داخل آب،از جمله تشخیص مین-های دریایی در برابر صخره های سنگی است.تصمیم گیری در مورد نوع اجسام داخل آب و طبقه بندی آن ها بر اساس سیگنال های بازگشتی از اهداف صورت می گیرد. مسئله تشخیص و طبقه بندی اهداف آکوستیکی بر اساس سیگنال های رسیده به سونار همواره با چالش هاییروبرو بوده است.بعضی از این عوامل عبارتند از: وجود صداهای مبهم و اغتشاشات داخل محیط آب، انعکاسات سطح و کف دریا، وجود نویز محیطی دریا و پدیده چندمسیری. چنانچه تعداد اشکال هندسی اهداف داخل آب زیاد شود، کلاس های دسته بند زیاد می شود و این مسئله هم باعث کاهش نرخ طبقه بندی می شود. علاوه بر این مسائل،چرخش زاویه ی هدف به عنوان یک عامل غیرخطی هم باعث کاهش صحت طبقه بندی می شود. بنابراین به منظور غلبه بر این مسائل، به دنبال روش هایی هستیم که نه تنها از کاهش عملکرد طبقه-بندی کننده جلوگیری کند، بلکه نرخ طبقه بندی را تا حد مطلوبی بهبود دهد. آزمایشات انجام شده در این پایان نامه شامل دو مرحله ی کلی است. درفاز اول آزمایشات،کارایی متداول ترین الگوریتم های خطی استخراج ویژگی pca، cca و ldaو الگوریتم غیرخطی استخراج ویژگی kpcaرا بر روی سیگنال های بازگشتی از اهداف سونار مورد مطالعه قرار داده ایم. هر الگوریتم استخراج ویژگی با توجه به ساختار و فرمول بندی که دارد برخی از ویژگی های داده های سونار را بیشتر مورد توجه قرار می دهد و برخی را کمتر،بنابراین طبقه بندی کننده هایی که از الگوریتم های مختلف استخراج ویژگی استفاده می کنند کارایی متفاوت دارند. در فاز دوم آزمایشات،به منظور انتخاب بهینه طبقه بندی کننده ها، ترکیبی از نتایج حاصل از طبقه بندی کننده های مبتنی بر فضای استخراج ویژگی را برای تصمیم گیری استفاده کرده ایم.این روش شاملدو مرحله، یکی انتخاب بهترین طبقه بندو دیگری ادغام اطلاعات حاصل از هر طبقه بنداست. با این روش از کلیه قابلیت های طبقه بندی کننده های مختلف استفاده کردهو نقاط ضعف یک طبقه بندی توسط نقاط قوت طبقه بندی کننده دیگر پوشانده می شود. بر اساس این پایان نامه، ساختار جدیدی برای ادغام اطلاعاتبمنظور شناسایی اهداف سونار، به دست آمده است، که نتایج آزمایشات بر مبنای این ساختار، نشان دهنده بهبود صحت طبقه بندی اهداف سونار می باشد.

در دنیای ماشینی امروز تخمین سن با استفاده از عکس چهره کاربرد¬های فراوانی دارد، به همین دلیل در سال¬های اخیر تحقیقات در این زمینه رشد چشم¬گیری داشته است. روش¬هایی که برای تخمین سن از روی عکس چهره ارائه شده¬اند در شرایطی که بخشی از چهره پوشیده باشد، عملکرد خوبی را ارائه نمی¬دهند. در این پایان¬نامه سعی شده است که روشی را برای بازسازی ویژگی¬های پنهان شده در زیر پوششی که بر روی چهره قرار دارد، ارائه دهیم. از آنجایی که مجموعه داده¬ی مناسبی که بتوان بدین منظور از آن استفاده کرد وجود ندارد، در این راستا مجموعه داده¬ای با نام pg را جمع آوری کرده ایم. برای سنجیدن چگونگی ویژگی¬های بازسازی شده باید از یک سیستم تخمین سن استفاده شود. یک سیستم تخمین سن بر دو پایه استوار است؛ 1- استخراج ویژگی 2- کلاس-بندی ویژگی¬ها. در گام استخراج ویژگی، ویژگی-های سراسری را با استفاده از active appearance modelو ویژگی¬های محلی را با استفاده از فیلتر گابور و اپراتور lbp استخراج نموده و با یکدیگر ترکیب می¬نماییم. برای کلاس¬بندی ویژگی¬ها از طبقه¬بند سلسله¬مراتبی که از دو بخش کلاس¬بندی گروه¬های سنی و تخمین سن تشکیل شده است، استفاده می¬شود. در قسمت نتایج برای نخستین بار عملکرد سیستم تخمین سن را بر روی مجموعه داده¬ی ifdb مشاهده می¬کنیم و سیستم تخمین سن پیاده¬سازی شده را بهبود می¬بخشیم . سپس عملکرد سیستم را با استفاده از مجموعه داده¬ی pg ارزیابی می کنیم و در نهایت چگونگی بازسازی ویژگی¬های پنهان در زیر پوشش چهره را شرح داده و خواهیم دیدکه سیستم تخمین سن با استفاده از ویژگی¬های بازسازی شده، عملکرد قابل قبولی را ارائه می¬دهد.

در مورد فرایند تشکیل تصویر رادار روزنه مصنوعی sar))، الگوریتم مقیاس بندی چیرپcsa) ) اساساً به خاطر توانایی فوق العاده در متمرکز سازی هدف، گام های پردازشی بهینه و پیاده سازی آسان توجه زیادی کسب کرده است. در این مبحث الگوریتم جدید مقیاس بندی چیرپ کسری frcsa)) به صورت ریاضی و از نقطه نظر تصویربرداری با رزولوشن بالا آنالیز شده است. هدف این کار بهبود کاربرد تبدیل فوریه کسری به منظور تسهیل در پیاده سازی csa در پردازش sar است. مبنای frcsa بر استفاده از تبدیل فوریه کسری در الگوریتم مقیاس بندی چیرپ (csa) می باشد. عملکرد frcsa با csa کلاسیک که بر اساس تبدیل فوریه سریع (fft) است، مقایسه شده است. نتایج شبیه سازی برای سیستم های airborne sar نشان می دهند که frcsa نسبت سیگنال به نویز snr)) بهبود یافته، قابلیت متمرکز سازی بهتر، لوب اصلی باریک تر با تمرکز توان فوق العاده و نسبت کاهش لوب جانبی بزرگ تر slrr)) را در مقایسه با csaارائه می دهد. در این پایان نامه از تبدیل فوریه کسری به عنوان ابزاری قوی در تحلیل طیف سیگنال های غیر ایستان برای پردازش داپلر و به تبع آن تشکیل تصویر استفاده شده است. هدف از پیاده سازی csa بهبود یافته یا frcsa، بهبود نسبت قله گلبرگ اصلی به لوب جانبی(pslr) ، کاهش پهنای پاسخ ضربه هدف و تضعیف گلبرگ¬های فرعی می باشد. برای تنظیم مرتبه بهینه frft، معیار حداقل آنتروپی پیشنهاد می گردد. جستجوی مرتبه بهینه، با استفاده از الگوریتم بهینه سازی فاخته (coa) و روش بهینه سازی محلی (lop) صورت می گیرد. با مقایسه نتایج حاصل از اجرای frcsa با الگوریتم coa، در مقایسه با csa نتایج بهبود یافته ای حاصل می شود.

چکیده در این تحقیق دو دیدگاه برای طبقه¬بندی داده¬های سونار غیرفعال بر مبنای روش¬های زمان-فرکانس¬ ارایه شده است. گیرنده¬های سیستم¬ سونار غیرفعال با دریافت سیگنال¬های آکوستیکی ساطع شده به وسیله¬ی شناورها سعی به طبقه¬بندی آنها می¬کند. تشخیص دسته¬ی شناورها به¬وسیله¬ی سیگنال ساطع شده به دلیل وجود نویزهای مختلف و تغییرات غیر قابل پیش بینی در محیط آب کار پیچده¬ای به شمار می¬آید. در این تحقیق با بهره¬گیری از روش زمان-فرکانس تبدیل فوریه¬ی کسری زمان-کوتاه (stfrft) و تکنیک¬های کاهش ابعاد و استخراج ویژگی یک سیستم طبقه¬بندی سیگنال¬های سونار غیرفعال با نام stfrftlda ارایه شده است. از مزایای این سیستم در مقایسه با سیستم¬های طبقه-بندی پیشین به کارگیری تبدیل فوریه¬ی کسری است که درجه¬ی آزادی و انعطاف پذیری سیستم را افزایش می¬دهد. نتایج حاکی از آن است که سیستم طبقه¬بندی بر مبنای روش پیشنهادی در مقایسه با روش متداول (stft) صحت طبقه¬بندی سیستم را می¬تواند تا % 88/8 بهبود بخشد. دیگر روش ارایه شده در این تحقیق ارایه¬ی سیستم طبقه¬بندی بر مبنای روش زمان-فرکانس متداول تبدیل فوریه¬ی زمان-کوتاه (stft) و تکنیک کاهش بعد و ویژگی¬های تیمبر می¬باشد، چنین سیستمی با نام stftlda-timb معرفی شده است. نتایج نشان می¬دهد که سیستم طبقه¬بندی بر مبنای روش stftlda-timb صحت طبقه¬بندی سیستم را تا% 45/8 نسبت به سیستم طبقه¬بندی بر مبنای روش stft افزایش می¬دهد.

شبکه های توزیع گسترده ترین قسمت شبکه قدرت است که تا کوچکترین سطح شهرها و روستاها نفوذ داشته است. یکی از مهمترین مشکلات موجود در شبکه های توزیع قطعی های طولانی می باشد که با توجه به حجم زیاد سرمایه گذاری و لزوم بهره برداری مناسب؛ ارائه راهکار هایی جهت کم نمودن این مدت زمان قطعی ها ضروری است. در این پایان نامه روشی جدید جهت مکان یابی خطا در شبکه توزیع ارائه می نماید که از این طریق سبب افزایش بهره وری و بهبود شاخص های قابلیت اطمینان و افزایش رضایتمندی مشترکین می گردد. مکان‏یابی خطا در شبکه‏های توزیع به دو قسمت فاصله یابی و تعیین بخش خطا تقسیم می شود. در این پایان نامه به کمک روش‏های مبتنی بر امپدانس اصلاح شده مکان های ممکن خطا در یک محیط کاملا نویزی تعیین می گردد. سپس روشی هوشمند ارائه می‏شود که بر اساس تطابق ویژگیهای استخراجی از ولتاژ ابتدای فیدر بخش خطا را تعیین نموده و از میان مکان‏های ممکن خطا یک مکان را به عنوان مکان اصلی خطا معرفی می کند. جهت ارزیابی روش پیشنهادی، یک فیدر واقعی به عنوان شبکه توزیع نمونه در نظر گرفته می شود. مدل نویز بر اساس تابع توزیع گوسین بر اطلاعات اخذ شده از ابتدای فیدراعمال شده است. کلمات کلیدی: : شبکه توزیع، مکان یابی خطا، روش امپدانسی، مدل گسترده خط و تشخیص بخش خطا

تشخیص و طبقه بندی شناور های دریایی بر اساس نویز تشعشعی صوتی از آن ها از جمله ضرورت های سیستم های سوناری است. سال ها این کار در نیروهای نظامی جهان به توانایی ها و دقت اپراتور سونار وابسته بود. افزایش پیچیدگی های محیط زیر آب، ضرورت استفاده از فناوری های نوین و ایجاد سامانه هوشمندی سونار، بیش از پیش احساس می شود. غیرایستان بودن ماهیت نویز تشعشعی شناور های دریایی و وابستگی آن به کانال انتشار، متغیر بودن برخی پارامترهای آن و دشواری شبیه سازی این نویز، موجب می گردد الگوریتم های دسته بندی کننده که با استفاده از داده های واقعی با تنوع کم و تعداد محدود، یا داده های شبیه سازی شده، آموزش داده شده اند از اعتبار کافی برخوردار نباشند. در این پایان نامه، دو روش جدید جهت ارتقاء راندمان طبقه بندی سیگنال های صوتی تشعشع یافته از شناورهای دریایی ارائه می شود. در روش اول (stftlda-timb) با تحلیل کمبودهای روش پردازش سیگنال stft، ویژگی های متمایز کننده جدیدی را در حوزه سونار با استفاده از اطلاعات ادراکی صوت (timbre)، جهت رفع این نواقص ارائه شده است. بردار ویژگی استخراج شده از این روش، از ترکیب ویژگی های حاصل از دو پردازش سیگنال موازی بر روی داده های بهینه شده از روش stft، بدست می آید. ویژگی های استخراج شده در مسیر اول (stftlda) مبتنی بر بکارگیری تکنیک استخراج ویژگی lda بر روی داده های خروجی روش stft است و ویژگی های استخراج شده در مسیر دوم (timbre) مبتنی بر استفاده از ویژگی های ادراکی صوت در دو حوزه زمان و فرکانس است. نتایج حاصل از طبقه بندی با استفاده از بردار ویژگی متمایز کننده ترکیبی جدید، معرفی شده در این قسمت، بیانگر موفقیت چشم گیر این روش در تفکیک شناورهای دریایی از یکدیگر نسبت به روش stft است. در روش ارائه شده دوم، با استفاده از تبدیل فوریه کسری زمان-کوتاه (stfrft)، سیگنال صوتی به یک صفحه زمان-فرکانس جدید با رزولوشن بالاتر منتقل می شود و سپس از تکنیک های استخراج ویژگی جدید جهت کاهش ابعاد و استخراج ویژگی های متمایز کننده جدید بهره گرفته می شود. نتایج طبقه بندی حاصل از این روش (stfrftlda) نشان می دهد ویژگی های استخراج شده از این حوزه، توانایی تفکیک پذیری شناورهای دریایی را نسبت به ویژگی های استخراج شده از روش stft بسیار بالاتر برده است. در این روش، جهت رفع محدودیت در انتخاب مرتبه تبدیل فوریه کسری بهینه، دو روش بهینه شده با ساختار موازی پیشنهاد شده است. به جرأت می توان گفت که اکثر روش ها و ویژگی های متمایز کننده جدید معرفی شده در این پایان نامه قبلا در هیچ منبعی ارائه نشده اند.

هدف مخابرات زیر آب است چون امواج الکترو مغناطیس زیر آب میرا هستند و برد بسیار کمی دارند . ناگزیر باید برای مخابرات زیر آب از امواج صوتی استفاده نمود

نظریه ی جدید نمونه برداری فشرده این امکان را فراهم می کند که اطلاعات از ابتدا به صورت فشرده دریافت شود. به عبارتی امکان دریافت و فشرده سازی سیگنال های تنک را به صورت هم زمان و بهینه فراهم می آورد که عبارت تنکی به معنای داشتن تعداد مقادیر غیر صفر کم می باشد. با بهره-گیری از همبستگی طیفی و مکانی بین باندها و پیکسل های تصاویر ابرطیفی تئوری نمونه برداری فشرده را انجام می دهیم.

چکیده ندارد.