قبلاً نشان داده شده است که در کانال های چندکاربره با شرط حداقل نرخ ارسالی‏‏، برای کانال های پخش با فرض محوشوندگی رایلی‏، رایس و ناکاگامی برای گیرنده های مختلف‏، ظرفیت کاربری (یا به عبارتی حداکثر تعداد کاربرانی که می توانند بطور همزمان فعال باشند) ‏بصورت لگاریتمی دوگانه مقیاس بندی می شود بعبارتی برای توزیع های فوق بترتیب بصورت ‎$ ln (p ln n)/r_{min} $‎‏، ‎$ ln (2 p ln n)/r_{min} $‎ و ‎$ ‎ln(‎frac{‎omega‎}{m}p ln n)/r_{min}‎‎ $ ‏‎ ‎مقیاس بندی‎ می شوند‏‏، که ‎$ ‎n‎ $ تعداد کل کاربران‏، ‎$ ‎p‎ $‎‎‏ توان ارسالی‏، ‎$ r_{min} $‎ حداقل نرخ دریافتی برای هر گیرنده فعال‏ و ‎$ ‎omega,m‎ $‎ پارامترهای توزیع ناکاگامی تعریف می گردند. همچنین برای کانال های با دسترسی چندگانه ظرفیت کاربری باتوجه به اینکه ‎‎مقیاس بندی ظرفیت کاربری یک فرم بسته ندارد‏، اگرچه این رابطه با الگوریتم ذکر شده در پایان نامه قابل محاسبه است و دیده می شود که بصورت لگاریتمی دوگانه مقیاس بندی می گردد و یا به عبارت دیگر بترتیب بصورت ‎$ ln (p ‎ u(n)‎ ln n)/r_{min} $‎‎‏ ‏، ‏‎$ ln (2‎ p ‎ u(n) ln n)/r_{min} $‎ و ‎$ ‎ln(‎‎frac{‎omega‎}{m}p ‎ u(n) ln n)/r_{min} ‎$‎ ‏ ‎ برای محوشوندگی های فوق مقیاس بندی‎ می شوند‎‏‏، که ‎$ ‎ u(n) $‎ ظرفیت کاربری کانال می باشد. هر چند برای دست یابی به نتایج فوق‏، این فرض شده است که گیرنده ها و فرستنده ها ‎‎‎‎ اطلاعات کانال را بطور کامل می دانند‏. در شرایط عملی‏، سیستم ها به ‎اطلاعات‏ واقعی دسترسی ندارند و تنها اطلاعات کانال تخمین زده را می دانند. از آنجایی که تخمین کانال ‏به دلیل اختلاف مقادیر واقعی و مقادیر تخمین زده‎‎‏، سبب تغییر وضعیت آماری بهره کانال می گردد‏، لذا تأثیر تخمین کانال بر روی عملکردهای مختلف سیستم های مخابرات یکی از موضوعاتی است که نظر بسیاری از محققین را به خود جلب کرده است. در این پایان نامه‏، تأثیر تخمین کانال روی ظرفیت کاربری کانال های چندکاربره با شرط حداقل نرخ ارسالی بررسی شده است. برای کانال های پخش برای گیرنده های مختلف با فرض محوشوندگی رایلی‏ و رایس بصورت ‎$ ln (‎frac‎{‎hat{sigma}^2_h}{{sigma}^2} p ln n)/r_{min} $‎ و برای کانال های با دسترسی چندگانه ‎$ ln (‎frac{‎hat{sigma}^2_h}{{sigma}^2} p ‎ u(n)‎ ln n)/r_{min} $‎‎‏ و با فرض محوشوندگی ناکاگامی برای کانال های پخش بصورت ‎$ ‎ln(‎frac{‎hat ‎‎omega‎}{hat m sigma^2}p ln n)/r_{min} $‎‎‎ ‎‏و برای‎ کانال های با دسترسی چندگانه بصورت ‎$ ‎ln(‎‎frac{‎hat ‎‎omega‎}{hat m sigma^2}p ‎ u(n) ln n)/r_{min} $‎‏ مقیاس بندی می شوند که ‎$ ‎hat{sigma}^2_h, ‎hat ‎‎omega, hat m $‎‎ پارامترهای تخمین زده کانال و ‎$ {sigma}^2 $‎ واریانس نویز می باشند. از آنجایی که مدل سیگنال دریافتی خطی است‏، نشان داده شده است که قوانین مقیاس بندی بدون تغییر باقی می مانند و همچنان بصورت لگاریتمی دوگانه مقیاس بندی می شوند و تنها در یک ضریب ثابت که به تخمین گر کانال وابسته است‏، تفاوت می کنند.

در رساله حاضر، روش جدیدی بر مبنای مدل نویز garch ((generalized autoregressive conditional heteroscedasticity در پردازش سیگنال آرایه ای ارایه و بررسی شده است. یکی از اولین و مهمترین فرضهای مورد نیاز در روشهای مختلف پردازش آرایه ای مانند تخمین سمت ورود منابع انتشاری، تعیین مدل آماری نویز جمع شونده می باشد. با توجه به روشهای ارایه شده، عموما برای نویز از توزیع احتمال گوسی استفاده شده است که از نظر محاسباتی و پیچیدگیهای پیاده سازی، ساده و جذاب می باشد. اما بررسی ها و اندازه گیریهای انجام گرفته برای نویز محیطی در کاربردهای مختلف، نشان از غیرگوسی بودن آن دارد که در نتیجه آن، کارایی روشهای کخه مبتنی بر مدل گوسی نویز هستند، در شرایط واقعی کاهش می یابد. از مهمترین ویژگیهای فرآیند نویز محیطی می توان دنباله دار بودن توزیع احتمالی و تغییر ویژگیهای آماری آن (مانند واریانس) را نام برد که به دلیل وجود عوامل طبیعی و مصنوعی در محیط و نیز ناپایداری آنها بوجود می آیند. از طرف دیگر، به دلیل وجود سخت افزارهای غیرایده آل در کانالهای گیرنده و نیز وجود نویز خارجی در برخی از کاربردها، نویز جمع شونده از نظر مکانی دارای ماهیتی غیریکنواخت می باشد. حال اگر با توجه به نیازهای موجود برای مدلسازی نویز محیطی، سریهای زمانی مدنظر قرار گیرد، مدلهای heteroscedastic پیشنهاد مناسبی به نظر می رسند که در فرآیندهایی همچون garch نمایان می شود. این مدلها در دو دهه گذشته در کاربردهایی با ویژگیهای غیرگوسی و ناپایدار همانند پدیده های اقتصادی از جایگاه ویژه ای برخوردار می باشند. در این میان مدل garch دارای خصوصیات مهم دنباله دار بودن تابع توزیع احتمال و همچنین مدلسازی ناپایداری از طریق روابط بازگشتی بر روی واریانس شرطی و خوشه بندی آنها می باشد و با توجه به این ویژگیها، مدل مناسبی برای نویز محیطی جمع شونده در کاربردهای پردازش آرایه ای خواهد بود. از جمله این کاربردها می توان سونار را نام برد که با توجه به ماهیت ناپایدار محیط انتشار امواج اکوستیک در زیر آب و نیز وجود پدیده چند مسیره (multipath) نویز جمع شونده می تواند دارای ماهیتی غیرگوسی و ناپایدار باشد. رساله حاضر به ارایه و بررسی روشی نو بر مبنای مدل نویز garch در پردازش آرایه ای می پردازد. در این مسیر پس از بررسی روشهای موجود و معرفی مدل grach، روش پیشنهادی با استفاده از تخمین کارآمد حداکثر احتمال، در جهت تخمین پارامترهای موردنظر در دو حالت باند باریک و باند پهن ارایه می شود. قابل ذکر است مدل پیشنهادی garch از یک طرف می تواند از ماهیت غیرگوسی در مدلسازی داده های واقعی برخوردار باشد و از طرف دیگر بدلیل بهره گیری از تابع گوسی شرطی در تولید نمونه های تصادفی، به خوبی از جذابیتهای محاسباتی مبتنی بر تابع گوسی نیز در روشهای تخمین پارامترها و ارزیابی آنها استفاده نماید. در ادامه برای بررسی بیشتر قابلیتهای روش، عملکرد آن از دو طریق تحلیلی و عددی مورد ارزیابی قرار گرفته است. بررسی مقاوم بودن روش، بررسی تحلیلی خطای مدل آرایه و نیز تخمین کرانه کرامر- رایو از جمله مواردی است که در بخش ارزیابی تحلیلی روش آمده است. از جمله مهمترین ویژگیهای این روش می توان مقاوم بودن در محیطهای نویز غیرگوسی و ضربه ای و نیز مدلسازی ناپایداری از طریق مدلسازی واریانس متغیر با زمان را نام برد که در کنار بهره گیری از روش حداکثر احتمال، می تواند به کارگیری آنرا در محیطهای عملی مناسب سازد. در ادامه به کمک داده های شبیه سازی و واقعی به بررسی عددی عملکرد روش مورد نظر در کاربرد سونار پرداخته شده است. در این بخش به مقایسه روش پیشنهادی و روشهای موجود در کنار کرانه کرامر- رایو، برای تخمین سمت ورود پرداخته شده است. با توجه به نتایج بدست آمده می توان ادعا نمود که مدل پیشنهادی می تواند علاوه بر مدلسازی آماری مناسب نویز جمع شونده و نیز با توجه به بهره گیری از مدل غیریکنواخت مکانی نویز سنسورها، دارای کارایی مناسبتری در تخمین پارامترهای مورد نظر در مقایسه با سایر روشهای موجود باشد.

در این پایان نامه، الگوریتمی جدید برای رهگیری توام چند هدف در شبکه های حس گر بی سیم ارایه می کنیم. این الگوریتم مبتنی بر تبدیل چیرپلت می باشد. به عبارت دیگر برای تخمین تاخیر و فرکانس داپلر مربوط به هر هدف، در هر حس گر، از تبدیل چیرپلت استفاده می شود. بر روی سیگنال دریافتی در هر یک از حس گرها، تبدیل چیرپلت اعمال شده و به کمک معیار همبستگی تعداد هدف ها و همچنین چیرپلت های متناظر در تمام حس گرها مشخص می گردد. در این الگوریتم از روشی جدید برای حذف کلاتر در محیط هایی که نسبت سیگنال به کلاتر پایینی دارند. استفاده می شود. با توجه به این که تبدیل چیرپلت خاصیت حذف نویز دارد، شرایط به وجود آمده پس از اعمال تبدیل چیرپلت، ما را به سوی استفادهاز روش های تخصیص داده ای سوق می دهد که پیچیدگی محاسباتی کمی دارند.از دیگر مزایای این الگوریتم قابلیت رهگیری در هر نوع توزیع نویز محیط می باشد. در این الگوریتم، پس از استخراج پارامترهای تاخیر و داپلر از سیگنال تجزیه شده به چیرپلت های نظیر در هر یک از حس گرها، با توجه به داده های اندازه گیری (تاخیر و داپلر)، برای رهگیری از فیلتر کالمن استفاده می شود. در ابتدا برای مسیرهایی که در مقیاس متر بوده و خطای خطی سازی در آنها زیاد نمی باشد، از فیلتر کالمن تعمیم یافته استفاده می شود. لازم به ذکر است که با توجه به حساس بودن فیلتر کالمن تعمیم یافته به شرایط اولیه، روش کمترین مربع خطا برای تخمین شرایط اولیه، مورد استفاده قرار می گیرد. برای رهگیری مسیرهایی که در مقیاس کیلومتر می باشند، از فیلتر کالمن unscented استفاده می شود. با توجه به استفاده ترکیبی از فیلتر کالمن تعمیم یافته و فیلتر کالمن unscented این الگوریتم قابلیت رهگیری هدف را تا مقیاس کمتر از یک متر دارا می باشد.

در این تحقیق ، عیب یابی سیستم های جعبه دنده در شرایط راه اندازی و سرعت دوران غیر پایا مورد مطالعه و بررسی قرار می گیرد. تنها روش های تحلیل ارتعاشی ویژه ای در چنین شرایطی می توانند برای یافتن مولفه های عیوب استفاده گردند. از آنجاییکه در این حالت سیگنال ارتعاش جعبه دنده رفتاری شدیدا غیر خطی و دینامیک دارد، روش های معمول طیفی برای تحلیل مناسب نمی باشند. تحلیل موجک نیز تنها برای بررسی سیگنال هایی مفید است که دارای پایه سینوسی میراشونده هستند حال آنکه سیگنال ارتعاش جعبه دنده در سرعت متغیر دارای شرایط ناپایایی شدید در حوزه فرکانس است. با توجه به روش های محدودی که برای عیب یابی در چنین شرایطی وجود دارد، در این تحقیق روش تحلیل دو بعدی سیگنال دینامیک معرفی می گردد. در این روش از دو حوزه تحلیل مرتبه گابور و تخمین وفقی چیرپلت گوسی برای استخراج ویژگی های موثر و تمایز دهنده عیوب موضعی اولیه و عیوب سطحی دنده استفاده می نماییم. در این راستا روش مرتبه گابور با استفاده از اسپکتروگرام گابور اصلاح می گردد و در روش نهایی تحلیل دو بعدی سیگنال دینامیک مورد استفاده قرار می گیرد. نتایج بدست آمده از اعمال روش پیشنهادی در حوزه تحلیل دو بعدی سیگنال دینامیک بر روی داده های عملی برای تشخیص و طبقه بندی عیوب با استفاده از روش های تحلیل جداساز و روش هوشمند استنتاج بر مبنای منطق فازی، موید عملکرد مناسب روش پیشنهادی است.

مسأله ردیابیِ اهداف مانوری در بسیاری از زمینه های نظامی و تجاری، مسأله ای حایز اهمیت است و در کاربردهای گوناگون به طور گسترده مطرح می گردد. اولین مسأله مطرح در ردیابی، مدلسازی حرکت هدف است. حرکت بسیاری از اهداف، دارای تغییرات شدید و ناگهانی است که به صورت ناپیوستگی و پرش در بردار حالت آنها ظاهر می شود. در این پایان نامه مدلسازی حرکت های مانوری با استفاده از فرآیندهای تصادفی پرشی مد نظر قرار گرفته است. بدین ترتیب تغییرات ناگهانی که در نتیجه آنها عمل ردیابی دشوار می گردد نیز پوشش داده شده و فیلتری که بر اساس این مدل طراحی می گردد عملکرد بهتری خواهد داشت. پس از انتخاب مدل، باید فیلتری طراحی شود که با داشتن نمونه های نویزی از فرآیند پرشی، مقدار آن را در هر لحظه تخمین بزند. در اینجا با شرایط غیرگوسی روبرو هستیم، بنابراین فیلتر کالمن پاسخ مناسب نمی-دهد. برای ردیابی این سیگنالها دو نمونه از فیلترهای مبتنی بر smc که گروهی از فیلترهای غیرخطی برای ردیابی در شرایط غیرگوسی هستند پیاده سازی شده است. همچنین با توجه به این که فرآیندهای پرشی، فرآیندهای غیرایستا هستند و به دلیل وجود ناپیوستگی ها، مسأله مشتق ناپذیری نیز در آنها مطرح می شود، استفاده از تبدیل موجک که تبدیلی multi-resolution است در تخمین این فرآیندها مفید به نظر می رسد. رویکردی که در این پایان نامه برای اولین بار بررسی می شود، ردیابی سیگنال در حوزه زمان-مقیاس است. به این منظور الگوریتمی برای ردیابی ضرایب موجک گسسته سیگنال به جای مقدار آن در حوزه زمان پیاده سازی و با نتایج روشهای قبلی مقایسه شده است.

یکی از مهمترین کاربردهای سیستم های رادار و سونار، ردیابی اهداف می باشد که از سه جنبه ی ردیابی مکانی، ردیابی مشخصات مخابراتی و ردیابی مشخصات فیزیکی قابل بررسی می باشد. در این پایان نامه ردیابی مکانی اهداف مطرح و مورد بررسی قرار می گیرد. مسیله بدین صورت است که آرایه از سنسورها، سیگنالهای ارسالی آغشته به نویز اهداف موجود در محیط آبی را دریافت می کنند، سپس اطلاعات مناسب برای ردیابی اهداف باید از سیگنالهای دریافتی بوسیله ی سنسورهای آرایه استخراج گردند. برای اولین بار در این رساله، استخراج تاخیر تفاضلی و داپلر تفاضلی بوسیله ی تبدیل چیرپلت ارایه شده است. تبدیل چیرپلت یک روش زمان-فرکانس برای محیطهای غیر ایستان می باشد که بصورت تحلیلی می تواند پارامترهای تاخیر و داپلر تفاضلی را استخراج نماید. در ابتدا سیگنال دریافتی با جمع وزن داده شده ی چیرپلتها تقریب زده شده و سپس تاخیر و داپلر تفاضلی تخمین زده می شود. در نهایت تاخیر و داپلر تفاضلی بعنوان داده اندازه گیری در هر مرحله از ردیابی به فیلتر کالمن تعمیم یافته داده شده و اهداف ردیابی می گردند.

مالتی پلکس تقسیم فرکانسی متعامد یا همان ofdm تکنیکی برای استفاده در سیستمهای ارسال زمینی ویدئویی دیجیتال dvb-t و خیلی کاربردهای مدرن دیگر باشد انگیزه اصلی استفاده از ofdmمقاومت این سیستم در کانالهای چند مسیره و نویز ایمپالسی می باشد بعلت کاهش نرخ بیت مربوط به هر ساب کریز نسبت به نرخ بیت اصلی دوره زمانی سمبل افزایش می یابد سمبلهای طولانی تر ofdmباعث کاهش و تضعیف نویز ایمپالسی می شود چرا که انرژی نویز ایمپالسی بطور همزمان و یکنواخت میان ساب کریرهای ofdmارسال شده پخش و گسترش می یابد این مزیت وقتی انرژی نویز ایمپالسی از یک حد threshold مشخص تجاوز کند به یک عیب بزرگ تبدیل می شود تکنیک های مختلفی جهت کاهش اثرات نویز ایمپالسی وجود دارد که از آن جمله می توان به الگوریتم پردازش سیگنال کدینگ interleaving و clipping اشاره کرد در انجام این پروژه سعی خواهد شد تا با مدل کردن مناسب سیگنال نویز ایمپالسی و کانال از یکسو تخمین دقیق خطای اعمالی از سوی دیگر شرایط مناسب را جهت واقعی کردن نتایج بدست آده فراهم نمود الگوریتم و روشی کاربردی جهت حذف کردن نویز ایمپالسی راارئه گردید الگوریتم بکار رفته در پروژه نیز بگونه ای خواهد بود تا با تغییرات آماری کانال نیز مطابقت داشته باشد در روش های معمول برای کاهش یا جذف نویز ایمپالسی عملیات در حوزه زمان قبل از دیمدولاسیون ofdmدر گیرنده صورت می گیرند و اکوالایز کردن کانال جبران کنیم روش را بر روی سیستم dvb-??t امتحان کرده و بهره و کارایی روش توسط شبیه ساز بررسی و مقایسه می شود

طبقه¬بندی کلمات در متون تایپی برحسب نوع قلم، کاربردهای فراوانی در پردازش اتوماتیک اسناد و نوشته¬ها دارد که در دنیای امروز هم رایج شده و هم ضروری به نظر می¬رسد. در این میان، نفس عمل طبقه¬بندی از هر نوع که باشد در افزایش دقت و بهبود عملکرد کل مسأله به شدت موثر خواهد بود. مثالی از این دست می¬تواند طبقه¬بندی کلمات یک صفحه از لعت¬نامه¬ای باشد که هر نوع قلم، اطلاعات جانبی مختلفی را در مورد کلمه مذکور نمایان سازد: قلم ضخیم نشانه شروع یک مدخل جدید باشد و قلم مایل جایگاه دستور زبانی کلمه. قلم عادی با فونت کوچک اطلاحات را مشخص می¬کند و قلم عادی با فونت بزرگتر، معنی را. آنچه در این پروژه بدان پرداخته شده است، پیاده سازی الگوریتمی در طبقه¬بندی کلمات یک متن تایپی، برحسب نوع قلم نگارش آن است. بنابراین فرض می¬شود که کلمات متن مورد نظر با یکی از چهار نوع قلم عادی، مایل، ضخیم، و مایل ضخیم، نوشته شده¬اند و هدف، طبقه¬بندی آنهاست. از دیدگاه کلی، هدف پروژه، یافتن یک توزیع احتمال است که پارامترهای آن، توصیف کننده کلاس¬های مورد نظر در مسأله فیزیکی¬اند. کل روند تحقیق در سه بخش قابل پردازش است. بخش اول، توصیف فیزیک مسأله به فضای ریاضی ویژگی¬هاست. بخش دوم، انتخاب توزیع احتمالی برای مدل کردن فضای به دست آمده است، و بالاخره بخش سوم، به کارگیری روشی برای تخمین پارامترهای مدل احتمال مذکور. پیداست که از نظر موضوعی، در دسته تخمین¬ مدل¬های احتمال پارامتری جای داریم. به این موضوع، قالب بیزی هم اضافه می¬شود، و پارامترهای مدل احتمال، متغیرهای تصادفی با توزیع احتمال پیشین فرض می¬شوند. با این زمینه، تکیه اصلی بر الگوریتمی تکرارشونده در زمینه تقریب¬های توزیعی است که همراه با یک مدل توزیع احتمال جدید، زیربنای تحلیلی پروژه را تشکیل می¬دهند. منظری که از ابتدا تا انتهای این نوشته، سعی در توصیف آن داریم، در واقع ارتباط این دو مورد است، «تا که قبول افتد و که در نظر آید».

آنالیز تصاویر بافتی در ابعاد میکروسکوپی و ماکروسکوپی، از دیرباز در زمینه های چون علوم کشاورزی برای تفکیک علف های هرز در میان مزارع و شناسایی آفات، پردازش تصاویر پزشکی به منظور تشخیص بیماریها، اتوماسیون صنعتی جهت شناسایی محصولات معیوب، سیستم های بازیابی تصویر و ویدئو بر اساس محتوای آنها و ... کاربرد داشته است. پیچیدگی مفهوم بافت به دلیل تنوع در چگونگی تعریف آن، موجب شده است که روش های متعددی برای تقطیع و طبقه بندی آن بوجود آیند. به همین دلیل، همچنان وجود روش جامعی که بتواند ضعف ها و محدودیت های پیشین را جبران کند، مورد سئوال است. در این پروژه بر آن شدیم تا با استفاده از تبدیل موجک دو بعدی، با رویکردی جدید در عرصه مدلسازی آماری، به تقطیع بافت های تصویر بپردازیم. تبدیل موجک تصاویر بافتی به ویژگی هایی می انجامد که مشخصات آماری آنها منجر به تقطیع بافت های تصویر می شود. در این پروژه ضرایب موجک دو زیر باندی که شامل جزییات تصویر هستند، را با تابع توزیع گوسی تعمیم یافته دو بعدی مدل می کنیم. این تابع توزیع، مدل قدرتمندی در شناسایی و تخمین سیگنال ها در حوزه ی موجک به شمار می رود. به علاوه لازم به ذکر است که این مدل در دنیای تقطیع بافت ها به کار گرفته نشده است. به منظور معتبر ساختن تابع توزیع گوسی تعمیم یافته بر اساس تصاویر دریافتی، از روش bootstrap دو بعدی استفاده می نماییم. با توجه به این تابع توزیع که مدل مناسبی برای ضرایب موجک است، تقطیع تصویر از طریق خوشه بندی مقادیر احتمال این ضرایب امکان پذیر می گردد. تصاویر مورد استفاده در تمامی کاربردها از یک فرایند اتفاقی گرفته شده اند، که این فرایند نسخه ی محدود شده ای از نمونه ی واقعی می باشد. این امر موجب شده است تا تصاویری با تعداد پیکسل های متناهی ایجاد شوند. بنابراین تابع چگالی بدست آورده شده، تقریب ناهمواری از تابع چگالی واقعی بوده و باید پیش از خوشه بندی، آن را هموار نمود. پس از خوشه بندی به وسیله روش آستانه گیری چندگانه، در انتها، لبه های جداکننده دو بافت با استفاده از مفهوم آنتروپی پس از یک مرحله نازک سازی، استخراج می شوند. برای پی بردن به قوت روش پیشنهادی ، نتایج بدست آمده با نتایج یک الگوریتم معروف مقایسه شده است.