در سال های اخیر با رشد ارتباط چند رسانه ای سعی بر طراحی سیستم هایی است که برای میزان بالای ارسال داده ها بر روی کانال های همراه با محوشدگی، بازدهی مناسبی داشته باشند. یک انتخاب مناسب مدولاسیون چند کاریری است. تسهیم تقسیم فرکانسی متعامد (ofdm) یکی از پر کاربردترین مدولاسیون چند کاریری است که در آن اطلاعات بوسیله ی چندین کاریر فرعی مدوله می شوند. این ویژگی موجب کاهش تداخل بین سمبل ها (isi) در کانال محوشدگی می شود. با اضافه کردن پیشوند چرخشی (cp) به هر سمبل ofdm، isi کاملا حذف می شود. کانال های بی سیم، کانال انتخاب گر فرکانس و تغییر پذیر با زمان می باشند. بنابراین بیت های مدوله شده در طی عبور از کانال دچار شیفت در دامنه و فاز می شوند. برای این که گیرنده بتواند بیت های اولیه را بازیابی کند لازم است اثر این تغییرات ناخواسته به نحوی خنثی شود. برای این منظور از تخمین کانال و همسان سازی استفاده می شود که درابتدا بوسیله ی یکی از روش های تخمین، پاسخ فرکانسی کانال تخمین زده می شود. سیستم های فازی بوسیله موتور استنتاج فازی که در ارتباط مستقیم با فازی ساز و غیر فازی ساز می باشند، مجموعه ای فازی در فضای ورودی را به مجموعه ای فازی در فضای خروجی خود مبتنی بر اصول منطق فازی نگاشت می کنند. به کمک سیستم های فازی می توان با کاهش پیچیدگی های محاسباتی، سرعت محاسبات را افزایش داده و قابلیت لازم برای پیاده سازی سیستم در عملیات پیوسته و متغیر با زمان را فراهم کرد. در این پایان نامه به بررسی مسئله تخمین کانال در سیستم‏های ofdm درشرایط مختلف و سپس همسان سازی آن با استفاده از سیستم های فازی پرداخته می شود. در ابتدا روش‏های تخمین و همسان سازی کانال در سیستم‏های ofdm و سپس استفاده از روش های فازی در بهبودکارایی سیستم‏های ofdm مورد بررسی قرار می گیرد. این روش‏ها به منظور ارزیابی عملکرد سیستم و ارائه‏ی راه‏کاری برای کمینه کردن آثار مخرب ناخواسته مانند محوشدگی کانال ها و عناصر غیرخطی موجود در سیستم به کار می‏روند.

یکی از مراحل اصلی در روند بازشناسی گفتار، استخراج ویژگی ها می باشد. در حقیقت ویژگی های مربوط به نمونه های هر کلاس باید بگونه ای از کلاس های دیگر متمایز شده باشند که سیستم بازشناسی گفتار در شرایط مختلف مانند نویز نیز عملکرد مناسبی از خود نشان دهد. تبدیل ویژگی می تواند پس از استخراج ویژگی بکار رود تا به این متمایزسازی کمک نماید. روش های تبدیل ویژگی را می توان به دو گروه خطی و غیرخطی تقسیم نمود. ویژگی های جدید در تبدیلات خطی براساس میانگین وزن دار ویژگی های اصلی بدست می آیند. اما تبدیلات غیرخطی با یک نگاشت غیرخطی عمل تبدیل را انجام می دهند. روش های مبتنی بر هسته و برخی روش های مبتنی بر خمینه از این گروه هستند. یکی از روش های تبدیل ویژگی مبتنی بر خمینه که دارای دو نسخه خطی و غیرخطی است، تصویر حافظ خصوصیات محلی (lpp) است که در بازشناسی گفتار و دیگر شاخه های بازشناسی الگو بکار گرفته شده است. علیرغم اینکه این روش برای بازشناسی گفتار در حضور نویز مفید به نظر می رسد، اما به تمایز بین واحدهای گفتاری توجه ندارد. از این رو هر دو نوع خطی و غیرخطی آن طوری اصلاح شده است که متمایزسازی بین کلاس ها را هم در نظر بگیرد. در این پایان نامه برای نخستین بار روش خطی تصویر حافظ خصوصیات محلی متمایزساز برای بازشناسی گفتار در حضور نویز پیشنهاد شده است . در این راستا دو روش اصلاح شده بکار گرفته شده است. از سوی دیگر پیشنهاد شده است که بجای تصویر حافظ خصوصیات محلی مبتنی بر هسته (نسخه غیر خطی با نام klpp) از ترکیب آنالیز مولفه های اصلی مبتنی بر هسته (kpca) با نسخه های خطی اصلی و متمایزساز تصویر حافظ خصوصیات محلی استفاده شود. به این ترتیب در ابتدا با استفاده از روش kpca متعامدسازی دادگان در فضایی غیرخطی با ابعاد بالاتر صورت می گیرد و سپس با استفاده از روش های مبتنی بر lpp دادگان با حفظ همسایگی به روی یک خمینه گفتاری نگاشت می یابند. این روش ها برای غلبه بر نویزهای توأم جمع پذیر و کانال پیشنهاد شدند. این روش ها بر روی دادگان aurora2 مورد ارزیابی و آزمایش قرار گرفته اند. نتایج نشان می دهد که روش های ترکیبی پیشنهادی دقت بازشناسی بهتری نسبت به روشی مشابه دارند. با استفاده از این روش ها درصد بازشناسی نسبت به سیستم پایه (ضرایب مل کپستروم) بطور متوسط در حدود 5/16? افزایش یافته است.

تشخیص ترافیک نامتعارف بخش مهمی از مدیریت شبکه¬های ip (پروتکل اینترنت) است. تجزیه و تحلیل مولفه¬های اصلی (pca)، شناخته¬ترین روش تحلیل آماری برای تشخیص ترافیک نامتعارف شبکه در دهه اخیر است که نتایج اولیه امیدوارکننده-ای فراهم آورده است.باید توجه داشت که برای دستیابی به نتایج مطلوب در روش pcaبه تنظیمات دستی دقیقی نیاز است. بنابراین، پیدا کردن روش¬های تشخیص ناهنجاری مبتنی بر pca¬ای که به آسانی قابل تنظیم و در عمل قوی باشند هنوز هم به عنوان یک مسئله مهم باز باقی مانده است.اخیراًبرای توصیف مشخصات ترافیک داده¬ها، روش¬های تخمین مبتنی بر ویژگی¬های تنکی و مرتبه پایین ماتریس ترافیک مورد استفاده قرار گرفته¬اند.در میان آن¬ها،روش srmfاز تکنیک¬های پیشرفته جبر خطی و سنجش فشرده برای بهره¬برداری از ویژگی¬های مرتبه پایین ماتریس داده¬های ترافیک در حوزه مکان-زمان، استفاده می نماید. نشان داده می شود که روش srmfمی¬تواند تخمین مناسبی از وضعیت ترافیک را روی داده¬های نویزی وغیر کامل(شامل مقادیر از دست¬رفته) فراهم نماید.به عنوان یک روش دیگر، روش¬ad-momالگوریتم¬مناسبی را که علاوه بر تشخیص الگوهای ترافیک نامتعارف از ترافیک عادی، زمان وقوع و شدت آن¬ها را نیز مشخص می¬نماید، فراهم کرده است. این روش همچنین از تکنیک¬های پیشرفته جبر خطی برای بهره¬برداری از ویژگی¬های مرتبه پایین و تنکی ماتریس داده¬های ترافیکاستفاده می¬نماید.در این پایان نامه یک چارچوب مقایسه¬ای برای تشخیص ناهنجاری در شبکه های با مقیاس بزرگ بر مبنای استفاده از سه روش تخمین ترافیک ذکر شده، یعنی pca ، srmf و ad-mom ارائه می شود. نتایج ارائه شده نشان می¬دهد که با استفاده از روش ad-momعملکرد تشخیصی بهتری نسبت به دو الگوریتم دیگر قابل حصول است.

شبکه¬های وایمکس به عنوان یکی از شبکه¬های بی¬سیم پهن باند با قابلیت¬های نرخ داده بالا و محدوده جغرافیایی تحت پوشش بزرگ، عرصه جدیدی را در ارتباطات بی¬سیم ایجاد کرده است. در مقایسه با سایر شبکه¬های بی¬سیم امنیت این دسته از شبکه¬ها به شکل کارآمدتری مورد توجه قرار گرفته است بطوریکه یک زیرلایه مخصوص امنیت در پشته پروتکل برای آن در نظر گرفته شده است. وایمکس با استفاده از ترکیبی از تکنیک¬های امنیتی، کار ایمن سازی ارتباط را در سه مرحله (1) اعتبارسنجی اولیه برای برقراری کانال ارتباطی، (2) تبادل کلید رمزنگاری، و (3) استفاده از کلید برای رمزنگاری داده¬ها؛ انجام می دهد. اگرچه ارسال داده¬ها از طریق کانال بی¬سیم در توپولوژی چندگامی مزیت¬های فراوانی را برای کاربران به همراه دارد، اما در این توپولوژی امنیت داده¬های ارسالی منبع به دلیل وجود رله¬های میانی، تضمین شده نمی¬باشد و شنود سیگنال¬های انتقالی توسط رله¬های میانی امری بسیار ساده است. بنابراین استفاده از الگوریتم¬های رمزنگاری و دیگر روش¬های حفظ محرمانگی داده¬های ارسالی در کانال بی¬سیم یکی از نیازهای اساسی این شبکه¬ها محسوب می¬¬شود. در این پایان نامه ابتدا عملکرد نسخه¬های مختلف پروتکل مدیریت محرمانگی کلید (pkm) که وظیفه¬ی احراز هویت و توزیع کلید بین طرفین ارتباط را بر عهده دارند، مورد تجزیه و تحلیل قرار می گیرد. سپس جهت بهبود نرخ ارسالی و پهنای باند مصرفی کدینگ شبکه معرفی می شود. با توجه به مشکل عدم امنیت ارسال بی¬سیم داده¬ها در حضور کدینگ شبکه، در ادامه ایده استفاده از الگوریتم رمزنگاری rsa برای بهبود امنیت ارسال داده¬ها در شبکه¬های وایمکس چندگامی که کدینگ شبکه را بکار می گیرند، ارائه می¬شود. ایده ترکیب الگوریتم رمزنگاری rsa با کدینگ شبکه مورد تجزیه و تحلیل دقیق قرار می-گیرد.

ویژگی اصلی شبکه های سنسوری بی سیم رادیوآگاه که آنها را از دیگر شبکه های سنسوری متمایز می کند قابلیت آنها در ارسال روی باندهای مشترک و تحت استفاده ی کاربر اولیه می باشد. با فرض اینکه یک باند فرکانسی از طریق یک کاربر اولیه اشغال شده باشد، می توان با به کارگیری تکنیک هایی چون fcm, svd وwater-filling ، بهترین آنتن ها را از میان آنتن های کاربرهای ثانویه ی رادیوآگاه که نوعی از سیستم های چند آنتنه هستند تعیین کرد. این انتخاب با این هدف صورت می گیرد که کمترین تداخل و تضعیف در اثر ارسال همزمان ایجاد شود و نرخ ارسالی اطلاعات و خطا به ترتیب افزایش و کاهش یابند.

امروزه شبکه های حسگر بی سیم(wsns) برای کاربردهایی از قبیل کنترل, اندازه گیری و مانیتورینگ مورد توجه قوجه قرار گرفته اند. از مزایای اینگونه شبکه ها می توان به قابلیت پویایی و تحرک, همچنین افزایش سرعت دراستفاده و نصب آنها و مواردی دیگر اشاره نمود. در مقابل اینگونه شبکه ها دارای محدودیتهایی می باشند که از جمله آنها می توان به محدودیت درمصرف انرژی, در قدرت محاسباتی, در پهنای باند بخاطر ارتباطات بی سیم و محدودیت در فضای ذخیره سازی اشاره کرد. در سالهای اخیر از الگوریتم های خوشه بندی برای بهبود کارایی و تحلیل عملکرد در شبکه های حسگر بی سیم استفاده شده است . روش خوشه بندی چند گانه ( (co-clustering که نوعی تکنیک داده کاوی است اجازه خوشه بندی همزمان سطرها و ستون ها یک ماتریس را می دهد. خوشه بندی دوگانه, شامل پارتیشن بندی همزمان مجموعه ای از نمونه ها و صفات (attributes) آنها به زیر مجموعه هایی (بعضا دارای هم پوشانی) است که دارای بیشترین چسبندگی به هم می باشند (عاملهای هم پوشان). از خوشه بندی چندگانه می توان برای آنالیز الگوهای ترافیکی جهت تشخیص رفتارهای مخرب از رفتارهای طبیعی در شبکه های حسگر بی سیم استفاده نمود و بنابراین به کمک این روشها می توان حملات مختلف به شبکه های حسگر بی سیم را شناسایی نمود. اخیرا ابزار جدید پردازش مبتنی بر بهره برداری از خاصیت تنکی فضای نمونه ها ارائه شده است, و برای استخراج رفتار از شبکه های اجتماعی مورد استفاده قرار گرفته است. هدف از انجام این پروژه ارائه یک روش خوشه بندی چندگانه با بهره برداری از خاصیت تنکی موجود در عاملهای هم پوشان جهت نیل به پیچیدگی محاسباتی پایین, می باشد. در ادامه کاربردهای الگوریتم ارائه شده برای بهبود عملکرد در شبکه های حسگر بی سیم مورد توجه قرار می گیرد.