چکیده: نوسانگرها از عناصر اصلی مدارهای فرستنده – گیرنده رادیویی هستند. در میان انواع مختلف نوسانگرها، نوسانگرهای lc بخاطر داشتن رفتار نویز فاز بسیار خوب، مصرف توان کمتر، پیاده سازی آسان نسبت به سایر نوسانگرها معروف می باشند و نقش مهمی را در طراحی مدارات فرکانس بالا ایفا می کنند. تلاش های زیادی در راستای افزایش فرکانس این نوسانگرها صورت گرفته است و تکنیک ها و تکنولوژی های مختلفی نیز ارائه شده است. یکی از روش های موثر افزایش فرکانس، استفاده از سلف های تزویجی در تانک آن می باشد. در این تحقیق به تحلیل و طراحی نوسانگر کولپیتس با استفاده از سلف های تزویجی در تانک آن و استفاده از حالت دیفرانسیلی پرداخته می شود. با استفاده از مدل تحلیلی سیگنال کوچک روابط شرایط نوسان و فرکانس نوسان استخراج می شود. در ضمن نشان داده می شود که به کمک سلف های تزویجی مقدار سلف تانک کاهش یافته و فرکانس نوسان افزایش می یابد. در این پایان نامه ابتدا به بررسی نوسانگر lc پرداخته و سپس با بررسی تکنیک های مختلف، در نهایت تکنیک استفاده از سلف های تزویجی و نقش آن در افزایش فرکانس نوسانگر بیان می شود. تکنیک سلف های تزویجی در نوسانگر کولپیتس به صورت دیفرانسیلی پیاده سازی شده و سپس به استخراج و محاسبه معادلات مربوط به آن در حالت کلی و با هدف بدست آوردن عوامل موثر در افزایش فرکانس این نوع نوسانگر پرداخته می شود. رفتار نوسانگر مطرح شده فرموله و شبیه سازی شده و با نوسانگر کولپیتس معمولی مقایسه می شود. برای ارزیابی تکنیک معرفی شده، یک نوسانگر کولپیتس به کمک نرم افزار ads در فرکانس مرکزی ghz 5/1 در تکنولوژی 0.18?m tsmc cmos طراحی و شبیه سازی شده و مدار با ولتاژ تغذیه ی v 8/1 با جریان مصرفی ma 1 نشان داده می شود و مورد ارزیابی قرار گرفته است.

یکی از موضوعات مهم پردازش سیگنال، بهبود گفتار است. بهبود گفتار بخشی از پردازش گفتار است که هدف آن افزایش قابلیت فهم و یا خوشایندی از یک سیگنال گفتار می باشد. رایج ترین رویکرد در بهبود گفتار، حذف نویز است، که در آن با تخمین مشخصه های نویز، اجزای نویز را از بین می برند و تنها سیگنال گفتا ر تمیز را حفظ می کنند. در یک دید کلی می توان سیستم های بهسازی گفتار را به دو نوع عمده سیستم تک کاناله و سیستم های چند کاناله تقسیم بندینمود .در این پایان نامه سیستم های تک کاناله مورد بررسی قرار گرفته است. در سیستم های تک کاناله بهسازی گفتار فقط یک میکروفون در دسترس بوده که سیگنال حاصل از آن، گفتار آغشته به نویز خواهد بود. در سیستم های مرسوم تک کاناله حذف نویز، با شناسایی بخش های سکوت گفتار، نویز موجود در این قسمت ها را استخراج نموده و به عنوان نویز کلی سیستم می شناسند. در میان روش های بهسازی گفتار، فیلتر کالمن یکی از موثرترین آن ها است که به دلیل برخورداری از توانایی بالا در حذف نویز و همچنین سرعت بالای الگوریتم از اهمیت بالایی برخوردار می باشد.مهمترین چالش در روشفیلتر کالمن نداشتن تخمین درست از پارامترهای نویز است.که به دلیل تخمین نادقیق، مقداری نویز باقی می ماند. در این پایان نامه، با استفاده از روش آنالیز lpc، به تخمین نویز از روی سیگنال نویزی پرداخته شده است. دیده شده است که پارامترهای نویز تخمینی به پارامترهای نویز واقعی نزدیک تر است و به همین دلیل سبب بهبود روش فلیتر کالمن شده است. این گفته ها با معیارهای ارزیابی کمی و کیفی، pesqو mos تایید می شوند.

اغلب تصاویر در طی مراحل مختلف اخذ و یا انتقال درگیر نویز می شوند که سبب ایجاد اختلال در تفسیر دقیق آنها می گردد. از این رو حذف نویز تصویر، یکی از مهم ترین و پرچالش ترین زمینه های پردازش تصاویر است که همواره توجه بسیاری از محققین در زمینه های مختف علمی را به خود جلب کرده است. این امر در رابطه با تصاویر پزشکی از اهمیتی دو چندان برخوردار است. زیرا برای تشخیص و تصمیم گیری صحیح، وجود تصاویر با کیفیت مطلوب اجتناب ناپذیر است. همچنین، حفظ مرزها و جزئیات در این دسته از تصاویر بسیار حائز اهمیت است. چرا که در بسیاری از تصاویر پزشکی مانند تصاویر mri، برخی از مرزهای موجود در تصویر شدت روشنایی ضعیف دارند که سبب ایجاد مرزهای مبهم می گردد. چنانچه تصویر توسط مقادیر بالای نویز تخریب شده باشد، این مرزها به درستی قابل تفکیک نخواهند بود. لذا به منظور حذف نویز از تصاویر mri می بایست روش های ارائه گردد که ضمن حذف موثر نویز از توانایی لازم جهت بازیابی جزئیات تصویر نیز برخوردار باشند. چنانچه در فصل دوم خواهیم دید، اغلب روش های حذف نویز ارائه شده در این حوزه تصاویر تار و یکنواختی تولید می کنند که سبب از دست رفتن اطلاعات موجود در لبه ها و جزئیات تصویر می شوند. در این پایان نامه روش جدیدی جهت حذف نویز از تصاویرmri ارائه شده است که با بازیابی تصویر با استفاده از مدل sfa در حوزه موجک و سپس میانگین گیری از تصاویر تلفیقی حاصل از آن بر مشکل تخریب و یا تحریف جزئیات تصویر فایق آمده است. در روش پیشنهادی، ابتدا مدل sfa در حوزه موجک معرفی و تصویر نویزی توسط آن بازیابی می شود. سپس تبدیل موجک تصاویر نویزی و بازیابی شده محاسبه و موجک تصویر نویزی به بخش های کوچک تفکیک می گردد. در گام بعدی بخش کوچکی از موجک تصویر نویزی جایگزین بخش متناظر در تبدیل موجک تصویر بازیابی شده می گردد. با محاسبه عکس تبدیل موجک تصاویر تلفیقی حاصل از روش مذکور و میانگین گیری از آن ها، تصویر نویز زدایی شده بدست می آید. به منظور بررسی کیفیت عملکرد روش پیشنهادی، این روش بر روی تصاویر مدل شده استاندارد و mri مغز انسان با واریانس های مختلف نویز گوسی آزموده و نتایج حاصل از آن با دیگر روش های مشابه مقایسه شده است. نتایج حاکی از آن است که مدل ارائه شده در این پایان نامه ضمن حذف موثر نویز، توانایی حفظ لبه ها و جزئیات تصویر را تا حد مطلوبی داراست.