امروزه با پیشرفت فن آوری ساخت تراشه، آزمون هسته های مختلف جاسازی شده در تراشه به صورت یک مساله اساسی مطرح شده است. به رغم پیشرفت آزمون هسته های دیجیتال روی تراشه، مساله آزمون هسته های آنالوگ همچنان یکی از مسائل مهم در این زمینه می باشد. از مشکلات آزمون هسته های آنالوگ می توان به پرهزینه بودن تولید سیگنال آزمون لازم، حساسیت مدارات آنالوگ نسبت به نویز و اثرات بارگذاری اشاره کرد. در این زمینه روش های خود-آزمون-داخلی به عنوان جایگزینی برای استفاده از ateهای گران قیمت خارجی بسیار مفید و موثر است. اساس کار در روش های خود-آزمون-داخلی تولید سیگنال ورودی آزمون، اعمال آن به مدار تحت آزمون و ارزیابی سیگنال خروجی می باشد. این پایان نامه در راستای تولید سیگنال ورودی آزمون مناسب برای روش های خود-آزمون-داخلی است. با بررسی های انجام داده روی مبدل های دلتا-سیگما که در تحقیقات اخیر مورد استفاده قرار گرفته اند، دریافتیم که تعداد زیادی از مبدل-های دلتا-سیگما پهنای باندی کمتر از mhz5 دارند. بنابراین به تولید یک سیگنال آنالوگ سینوسی با فرکانس mhz2 در داخل تراشه می پردازیم که می تواند در خود-آزمون-داخلی مبدل های دلتا-سیگمای جاسازی شده در تراشه سیستمی مورد استفاده قرار گیرد. برای تولید سیگنال آنالوگ، پس از بررسی مراتب مختلف مدولاتورهای تک-حلقه دلتا-سیگما با ساختار اعوجاج پایین از مدولاتور مرتبه 5 استفاده نمودیم. خروجی این مدولاتور، نسبت سیگنال به نویز برابر با 9/103 دسی بل دارد و دقت این مدولاتور با درنظر گرفتن نویز کوانتایزر برابر 15 بیت است. خروجی این مدولاتور توسط یک فیلتر مرتبه پایین فیلتر شده و سیگنال آنالوگی با sfdr برابر 5/44 دسی بل و thd برابر 4/88 دسی بل به دست می آید. شبیه سازی مدارات مولد سیگنال آنالوگ در نرم افزار ads، با تکنولوژی ?m 18/0 و در ولتاژ تغذیه 5/1 ولت انجام شده است.

ردگیری شیء متحرک از مسائل مهم و پرکاربرد در زمینه ی بینایی ماشین در سالهای اخیر است. سیستم های نظارت و مراقبت، اندازه گیری های آماری، ردگیری خودروها و وسایل نقلیه ی خودکار از موارد استفاده ردگیری اشیاء متحرک در دنباله های تصویر است. در طی دو دهه ی اخیر روش های بسیار متنوعی برای ردگیری اشیاء متحرک پیشنهاد شده است. یکی از این روش ها، ردگیری به کمک الگوریتم تخمین گر انتقال میانگین می باشد. الگوریتم تخمین گر انتقال میانگین اولیه که تنها بر پایه ی ویژگی رنگ است در بسیاری از شرایط محیطی و از جمله در همپوشانی های جزئی دارای عملکرد قابل قبولی است. از مزایای ردگیری با استفاده از رنگ، بار محاسباتی کم و استقلال نسبت به چرخش و تغییر شکل شیء است. ولی هنگامی که چند شیء با رنگ مشابه در صحنه وجود داشته باشند و در شرایط تغییرات نور محیط، ردگیری با الگوریتم تخمین گر انتقال میانگین اولیه که تنها بر اساس ویژگی رنگ است دچار شکست می شود. در این پایان نامه روشی ارائه شده است که در آن با ترکیب ویژگی رنگ با لبه در الگوریتم تخمین گر انتقال میانگین، مشکلات ناشی از عدم ردگیری صحیح در موارد تشابه رنگ اشیاء و تغییرات نور محیط برطرف گردیده است. الگوریتم ارائه شده و روش ترکیب صحیح دو ویژگی با نرم افزار matlab شبیه سازی شده است. نتایج نشان می دهد در مواردی که الگوریتم تخمین گر انتقال میانگین شیء متحرک مورد نظر را گم می کند، الگوریتم پیشنهادی با دقت خوبی ردگیری را ادامه می دهد.

ارزیابی و آشکارسازی دقیق ابعاد خرابی از مهمترین عوامل تعیین کننده کاهش خسارت/هزینه استفاده و یا عدم استفاده از قطعات در صنعت است. هدف از این پایان‏نامه آشکار‏سازی و تقطیع خرابی در قطعات فلزی با استفاده از تصاویر c-scan حاصل از روش جریان گردابی است. برای استخراج خرابی ابتدا روش‏های مختلف تقطیع که در کاربردهای پزشکی و صنعتی استفاده شده مانند رشد ناحیه، الگوریتم آب‏پخشان، عملگر ریخت‏شناسی‏گسترش دیسک، گرادیان‏صعودی ، خوشه‏بندی fcm ، dbfc، کانتور فعال و سپس روش پیشنهادی بررسی شد و نتایج حاصل از آنها در شرایط مختلف نویز و محوشدگی توسط دو معیار احتمال آشکار‏سازی و احتمال خطا با یکدیگر مقایسه گردید. در ادامه روش های مربوطه بر روی تصاویرتجربی حاصل از c-scan جریان گردابی مورد ارزیابی قرارگرفت. نتایج حاصل از مقایسه های تحلیلی و تجربی نشان دهنده احتمال خطا و احتمال آشکارسازی قابل رقابت در روش پیشنهادی در مقایسه با سایر روش‏های پیاده سازی‏شده می باشد.

در این پایان نامه عملکرد ber سیستم ofdm و سیستم ofdm مبتنی بر ویولت گسسته ((dwt-ofdm در حالت خطی و در حضور تقویت کننده‏های غیرخطی قدرت ، با هم مقایسه می‏شود. مهم‏ترین اِشکال سیستم‏های چند کاریری حساسیت بالای آنها نسبت به موارد غیر خطی و آفست فرکانس است. در این رساله همچنین ber سیستم ofdm و dwt-ofdm در حضور آفست فرکانس بررسی می‏گردد

مدولاسیون چندکاریری از مدولاسیون های مخابرات دیجیتال است. مهم ترین مزیت هر مدولاسیون چندکاریری ساده کردن عمل همسان سازی است. ofdm پر کاربردترین مدولاسیون چندکاریری است. اضافه کردن cp در ofdm باعث حذف کامل isi و در نتیجه ساده شدن عمل همسان سازی و تخمین کانال می شود. اما اضافه کردن cp پهنای باند را هدر می دهد. علاوه بر این سیستم های ofdm دارای لوب فرعی بزرگ هستند که باعث حساسیت آن ها به آفست فرکانسی و شیفت داپلر می شود. این معایب محققان را بر آن داشت که به دنبال جایگزین مناسبی برای ofdm باشند. سیستم های چندکاریری مبتنی بر ویولت به این منظور پیشنهاد شده اند. امکان حذف کامل isi در این سیستم ها وجود ندارد و بنابراین همسان سازی و تخمین کانال در آن ها به سادگی سیستم ofdm نخواهد بود. در این پایان نامه روش های همسان سازی و تخمین کانال در سیستم های چندکاریری مبتنی بر ویولت بررسی می شود. تمرکز پایان نامه در ارزیابی عملکرد همسان سازهای تطبیقی خواهد بود. نتایج به دست آمده نشان می-دهند که سیستم های چندکاریری مبتنی بر ویولت با همسان ساز تطبیقی در کانال های فیدینگ با سرعت تغییرات پایین عملکرد مناسبی دارند اما با افزایش سرعت تغییرات کانال عملکرد آن ها به شدت تضعیف می شود. هم چنین نتایج بررسی روی کانال غیرخطی نشان می دهد سیستم های چندکاریری مبتنی بر ویولت با همسان ساز تطبیقی قادر به جبران کردن آثار غیر خطی کانال می باشند.

در سال‏های اخیر، پژوهش‏های فراوانی برای جایگزینی تبدیل ویولت و همچنین بانک فیلتر به جای تبدیل فوریه در سیستم‏های چند کاریری صورت گرفته است. نتایج پژوهش‏ها برتری کیفی سیستم‏های چندکاریری مبتنی بر تبدیل ویولت (owdm) و مبتنی بر بانک فیلتر (fbmc) را به دلیل محدودیت طیفی کانال های فرعی نسبت به سیستم‏های چند‏کاریری مبتنی بر تبدیل فوریه (dft-ofdm)نشان می‏دهد. هر گیرند? چند‏کاریری پیش از آشکارسازی کاریرهای فرعی می‏بایست دست کم دو مرحله همزمانی را، یکی در سمبل (به منظور زمان بندی) و دیگری در فرکانس کاریر، انجام دهد. خطاهای همزمانی مختلف (شامل آفست زمانی، نویز فاز و آفست فرکانسی) در سیستم‏های چندکاریری منجر به ici، isi، تضعیف، و چرخش فاز سمبل های مدوله شده می گردد. از این رو از خطاهای همزمانی به عنوان معایب سیستم‏های چندکاریری نام برده می‏شود. این پایان‏نامه به ارزیابی تکنیک‏های مختلف تخمین در سیستم های owdm و fbmc در حضور خطاهای همزمانی مختلف و در کانال فیدینگ به منظور کمینه کردن آن آثار مخرب می‏پردازد. عملکرد ber الگوریتم های مختلف در این سیستم ها از طریق شبیه سازی بررسی و با یکدیگر و با سیستم ofdm مقایسه می گردد. نتایج شبیه سازی ها نشان می دهد که الگوریتم های همزمانی آفست فرکانسی کاریر و خطای زمانی سمبل با استفاده از سیستم های fbmc بسیار بهتر از همزمان سازهای سیستم ofdm در کانال فیدینگ چند مسیره عمل می کنند. همچنین الگوریتم های همزمانی دو سیستم owdm و ofdm در حضور نویز فاز در کانال فیدینگ چند مسیره کاملاً مشابه هم عمل می کنند.

مخابرات فراباند‏پهن (uwb) به عنوان یک فناوری نسبتاً جدید برای سیستم‏های مخابراتی بی‏سیم مزایایی چون پهنای‏باند زیاد، توان ارسالی پایین و هزینه پیاده‏سازی کم را فراهم می‏سازد. محدوده کاربری uwbشامل گستر? وسیعی از ارسال داده با نرخ بالا و در فواصل کوتاه تا ارسال داده با نرخ پایین و در فواصل طولانی می‏باشد. داشتن یک سیستم مخابراتی uwb موفق، مستلزم توصیف کاملی از کانال می‏باشد. بر اساس مدل توصیف شده توسط استاندارد ieee، محیط های انتشاری uwb دارای رفتاری چند مسیره با مشخصه خوشه ای می‏باشند که این ویژگی، تخمین این نوع کانال‏ها را پیچیده ساخته است. به علاوه، چالش‏های زیادی در تخمین کانال و طراحی گیرنده uwb وجود دارد چرا که پهنای‏باند بسیار زیاد سیگنال‏های uwb (چندین ghz)، مطابق با قضیه شانون-نایکوئیست، مستلزم نرخ نمونه‏برداری بسیار بالایی است و مبدل‏های آنالوگ-به-دیجیتال در چنین فرکانس‏های بالایی، بسیار گران بوده و مصرف توان زیادی دارند. بنابراین روش‏های جدیدی لازم است تا بتوان سیگنال‏های uwb دریافت شده در گیرنده را در نرخ مناسبی نمونه‏برداری نمود. در طی چند سال اخیر نظری? سنجش فشرده به عنوان یک الگوی پردازش سیگنال جدید، امکان بازیابی نسبتاً دقیق سیگنال‏های اسپارس یا قابل فشرده‏سازی را از روی نمونه‏های به مراتب کمتر از نرخ نایکوئیست، فراهم می‏سازد. در چارچوب سنجش فشرده، فشرده‏سازی اطلاعات در حین نمونه‏برداری از آن‏ها انجام می‏پذیرد. البته این امر به قیمت بازسازی پیچیده‏تر سیگنال از روی نمونه‏های به‏دست آمده از طریق سنجش فشرده تمام می‏شود که بسته به کاربرد می‏تواند قابل قبول باشد. از آن‏جایی که کانال uwb کانالی اسپارس می‏باشد، می‏توان استدلال نمود که روش‏های مبتنی بر سنجش فشرده، برای تخمین این نوع کانال مناسب باشند. در این پایان‏نامه، یک روش نمونه‏برداری اسپارس چند-کاناله مبتنی بر سنجش فشرده برای سیستم‏ uwb پیشنهاد می‏گردد. در این روش، از مجموعه‏ای از سیگنال‏های پایلوت برای تخمین پارامترهای کانال استفاده می‏شود. در گیرنده، سیگنال‏های پایلوت دریافتی در نرخ بسیار کمتر از نایکوئیست نمونه‏برداری شده و پارامترهای کانال uwb از روی نمونه‏های به‏دست آمده در حضور نویز گوسی سفید جمع‏شونده تخمین زده می‏شوند. بر اساس نتایج شبیه‏سازی به‏دست آمده، تخمین‏های دقیقی برای پارامترهای کانال به‏دست می‏آید.

بهبود تکنیک‏ های مبتنی بر بهینه ‏سازی مصرف انرژی به منظور جمع‏ آوری و انتقالِ داده‏، مهمترین موضوعِ تحقیق در شبکه‏ های حسگرِ بی ‏سیم می‏ باشد. فشرده‏ سازی داده می‏ تواند با کاهش تعداد بیت‏ های ارسالی از حسگرها به ایستگاه و در‏نتیجه کاهش توان مصرفی در این شبکه‏ ها، نقش مهمی را در افزایش طول ‏عمر شبکه‏ ایفاء کند. در‏طی سال‏ های گذشته تکنیک ‏های متنوعی به‏ منظور فشرده ‏سازی داده در این شبکه‏ ها از‏طریق پردازش درون- شبکه‏ ای از‏قبیل، aggregation، dsc و اخیراً سنجش ‏فشرده (cs) پیشنهاد شده‏ اند. روش‏ های سنتی جمع ‏آوری داده در این شبکه‏ ها، نمی‏ تواند به‏ طور کامل با محدودیت ‏های موجود در آن مقابله کند. سنجش فشرده یک روش نمونه ‏برداری جدید از سیگنال‏ های اسپارس می ‏باشد که در آن برخلافِ حالتِ معمول به‏ جای نمونه‏ گیری مستقیم از سیگنال، سنجش‏ هایی از آن صورت می‏ گیرد که از ترکیب خطی نمونه‏ های سیگنال محاسبه می ‏شود. سنجش فشرده در این شبکه ‏ها می‏ تواند در مقایسه با روش‏ های سنتی جمع‏ آوری داده و همچنین فشرده‏ سازیِ مبتنی بر تبدیل موفق ‏تر عمل نماید. در این پایان‏ نامه روشی را برای جمع ‏آوری داده و همزمان فشرده‏ سازیِ آن به‏ صورت محلی مطرح می ‏کنیم که از قابلیت فشردگی سیگنال در هر دو حوز? مکان و زمان به‏ منظور کاهش تعداد اندازه‏ گیری‏ ها در سنجش فشرده استفاده می‏ کند. در بخش‏ هایی از شبکه، سنجش ‏هایی از سیستم در حوز? مکان- زمان گرفته می ‏شود که تنها حسگرهایی از یک کلاستر را که برای برقراری ارتباط با یکدیگر به توان بالایی نیاز ندارند، دربر می‏ گیرد. بدین منظور از نوع خاصی از ماتریس تصادفیِ اسپارس، به عنوان ماتریس سنجش، به نام ماتریس قطری بلوکی استفاده می‏ شود. نتایج شبیه سازی نشان می ‏دهد که با به‏ کارگیری این ماتریس‏ ها در سنجش فشرده به عنوان ماتریس سنجش و اعمال آن به شبک? حسگر، می‏ توان تا حدود زیادی طولِ‏ عمر شبکه را افزایش داد.

تصویربرداری به روش تشدید مغناطیسی(mri) به عنوان یک روش تصویربرداری غیر هجومی قادر به ارائه تصاویر با کنتراست‏های مختلف از بافت‏های نرم و تجسم عالی از ساختار آناتومی و عملکرد‏های فیزیولوژی است. اما این روش تصویربرداری یک پروس? زمان‏بر می‏باشد و زمان اسکن طولانی موجب کاهش شدید در کیفیت تصویر به سبب حرکات ارادی و غیر ارادی بیمار می‏شود. میزانِ کاهش زمان اسکن با توجه به محدودیت‏های تکنولوژیک و فیزیولوژیک تقریباً به انتها رسیده است و تنها راه افزایش سرعت تصویربرداری اکتساب داده‏های کمتر است. ازاین‏رو روش‏های مختلفی مثل تصویربرداری موازی و تصویربرداری فوریه جزئی برای نحوه نمونه‏برداری و بازسازی مناسب تصویر از تعداد داده‏های کمتر پیشنهاد شده است. بر اساس یک نظری? جدید در نمونه‏برداری، موسوم به سنجش فشرده، برای سیگنال‏ها و تصاویری که امکان نمایش اسپارس برای آن‏ها وجود دارد، می‏توان از روی اندازه‏گیری‏های ناهمدوس به بازسازی با کیفیت مناسبی از این سیگنال‏ها دست یافت. تعداد این اندازه‏گیری‏ها می‏تواند بسیار کمتر از حجم نمونه‏هایی باشد که از طریق نمونه‏برداری مرسوم با نرخ نایکوئیست حاصل می‏گردد. البته بازسازی سیگنال‏ از روی سنجش‏های فشرده از طریق الگوریتم‏های بهینه‏سازی یا الگوریتم‏های حریصانه صورت می‏گیرد. توانایی بازسازی تصاویر از تعداد اندک اندازه‏گیری‏ها موجب می‏شود که سنجش فشرده ظرفیت بالایی برای بهبود سرعت تصویربرداری در mri داشته باشد. در بیشتر کارهای انجام شده در سنجش فشرده mri از تبدیل‏های متعامد تحلیلی مثل ویولت و dct برای نمایش اسپارس استفاده شده است. با توجه به پیشرفت‏های اخیر در پردازش سیگنال، تبدیل‏های افزونه‏ای مثلundecimated wavelet transforms (uwt) برای نمایش اسپارس موثرتر پیشنهاد شده‏اند. از این‏رو به‏طور شهودی می‏توان انتظار داشت که استفاده از آن‏ها منجر به نتایج بهتری در بازسازی سنجش فشرده شود. اما این قبیل تبدیل‏های افزونه همدوسی بالایی با ماتریس‏های سنجش دارند و بنابراین نمی‏توان در سنجش فشرده از آ‏ن‏ها استفاده کرد. به همین دلیل به‏کارگیری دیکشنری به‏جای ماتریس پایه متعامد در نظریه سنجش فشرده، موجب ایجاد دیدگاه جدیدی در آن (موسوم به رویکرد آنالیز) گردیده است، که در این پایان‏نامه تشریح می‏گردد. هم‏چنین، مطالعات اخیر بر روی دیکشنری‏های نمایش اسپارس مبتنی بر یادگیری نشان داده که چون این دیکشنری‏ها به‏صورت محلی از patchهای تصاویر آموزشی به‏دست می‏آیند، نمایش اسپارس‏تری نسبت به تبدیل‏های تحلیلی برای تصاویر فراهم می‏کنند. اما به دلیل این‏که ماتریس سنجش به‏صورت سراسری بر روی تصویر اعمال می‏شود، نمی‏توان از دیکشنری‏های محلی برای نمایش اسپارس ‏استفاده کرد. در این پایان‏نامه، دیکشنری نمایش اسپارس تصویر به‏صورت مناسب از روی دیکشنری تطبیقی محلی به‏دست آورده شده است. این دیکشنری علاوه بر مبتنی بر یادگیری و بر اساس patch بودن، افزونگی نیز دارد. برای همدوسی اندک ستون‏های دیکشنری از یک ساختار خاص استفاده می‏شود و می‏توان انتظار داشت که بازسازی تصویر به روش سنجش فشرده کلاسیک موفق باشد. علاوه بر این در نظر گرفتن ساختار برای دیکشنری، امکان پیاده‏سازی ساده‏تر و استفاده از حافظه اندک را فراهم می‏سازد. همچنین با شبیه‏سازی در محیط matlab، بازسازی بهتر با استفاده از این دیکشنری در کاربرد mri، (در حضور و عدم حضور نویز) در مقایسه با چند دیکشنری متداول دیگر نشان داده شده است.

در سال‏های اخیر، پژوهش‏های فراوانی روی کاربُرد تبدیل ویولت در سیستم‏های چندکاریری و همچنین جایگزینی بانک فیلتر به‏ جای تبدیل فوریه در این‏گونه سیستم‏ها صورت گرفته است. نتایج پژوهش‏ها برتری کیفی سیستم‏های چندکاریری مبتنی بر بانک فیلتر (fbmc) را به‏ دلیل محدودیت طیفی کانال‏های فرعی نسبت به سیستم‏های چندکاریری مبتنی بر تبدیل فوریه (dft-ofdm) به‏ ویژه در شرایطی که تعداد زیرحامل‏ها کم باشد نشان می‏دهد. تخمین کانال و همسان‏سازی در سیستم‏های چندکاریری یکی از مهمترین قسمت‏های گیرنده می‏باشد. در سال‏های اخیر پژوهش‏های زیادی برای بهبود عملکرد تخمین کانال در سیستم‏های چندکاریری صورت گرفته است. دو تخمین رایج که بر اساس ارسال دنباله آموزشی کار می‏کنند عبارتند از : تخمین حداقل میانگین مجذور خطا (mmse) و تخمین حداقل مجذور (ls). کلیه تحقیقات انجام شده برتری mmse را نسبت به ls از نظر میزان خطای بیت (ber) و میانگین مجذور خطا (mse) نشان می‏دهند. اما پیاده‏سازی ساده تخمین ls نسبت به تخمین mmse باعث شده که برای بهبود عملکرد تخمین ls تحقیقات زیادی صورت گیرد. یکی از مشکلات اصلی تخمین ls عدم در نظر گرفتن متغیر نویز در تخمین است. بنابراین در شرایط وجود نویز با توان بالا این تخمین دارای کارایی کمتری می‏باشد. اغلب تحقیقات انجام شده مبتنی بر حذف نویز با استفاده از تبدیل فوریه در سیستم‏های چندکاریری است. در این پایان‏نامه ابتدا با بررسی سیستم‏های چندکاریری مبتنی بر بانک فیلتر روشی برای بهبود عملکرد توزیع چگالی طیف توان در سیستم‏های مذکور ارائه می‏دهیم. سپس با توجه به قابلیت بالای تبدیل ویولت در حذف نویز، از آن برای بهبود عملکرد تخمین کانال در سیستم‏های mimo-ofdm استفاده کرده و نشان می‏دهیم که تخمین ls کانال مبتنی بر dwt عملکرد بهتری از نظر ber نسبت به تخمین ls کانال مبتنی بر dft دارد.

در سال های اخیر توموگرافی امپدانس الکتریکی(eit) به دلیل سرعت بالا و غیر مخرب بودن فرآیند نمونه برداری و همچنین کم هزینه بودن تولید سخت افزار در آن مورد توجه بسیاری از تحقیقات، قرار گرفته است و موجب پیشرفت های قابل توجهی در زمینه های پزشکی و صنعتی گردیده است. تصاویری که در eit مورد مطالعه قرار می گیرند تا حدودی اسپارس هستند؛ وجود این ویژگی امکان استفاده از قابلیت های روش سنجش فشرده(cs) در eit را بسیار جذاب می نماید. تئوری cs روش نمونه برداری ای بر پایه ویژگی اسپارس بودن تصاویر است. تمرکز این پایان نامه بر بازیابی تصاویر eit با استفاده از روش های بازیابی تئوری cs می باشد. اما اسپارس بودن تصاویر در eit در حدی نیست که بشود از روش های بازیابی cs به خوبی استفاده نمود در نتیجه در این پایان نامه برای بهبود اسپارسی تصاویر روشی بر پایه ی استفاده از پایه های متعامد مناسب برای اسپارس تر نمودن تصویر ارائه گردیده است. بدین منظور پایه های dwt و dct استفاده شده اند. نتایج نشان می دهند که تصاویری که توسط روش های بازیابی cs بازیابی گردیده اند نمود اسپارس تری نسبت به تصاویری دارند که توسط روش های معمول بازیابی تصاویر در eit بازیابی شده اند.

هدف از لرزه نگاری اکتشافی یافتن ذخایر هیدروکربنی است. در اثر انفجار بر روی سطح زمین، امواج مختلفی منتشر می شود. گیرنده هایی بر روی سطح زمین قرار داده می شوند که همه این امواج از جمله امواج بازگشتی را که از زیر زمین پس از برخورد به لایه های درون زمین منعکس شده اند، ثبت می کنند. پردازش داده های لرزه ای بر روی این آثار ثبت شده در نهایت تصویری تقریبی را از لایه های درون زمین می دهد. در عملیات لرزه نگاری اکتشافی اغلب به علت موانع ساخت بشر، عوامل طبیعی و صرفه جویی در هزینه ها، اکتساب داده به صورت منظم و یک شکل انجام نمی گیرد و هندسه برداشت به صورت اسپارس طراحی می شود. بنابراین باید به طریقی رد لرزه های مفقوده را درون یابی و بازسازی نمود. متأسفانه بسیاری از روش های امروزی در پر کردن درست و دقیق مکان رد لرزه های خالی ناتوان اند. با معرفی روش سنجش فشرده در سال های اخیر که مبتنی بر نمایش اسپارس سیگنال ها است، این تئوری در حل مسئله درون یابی و بازسازی داده های لرزه ای بسیار کارآمد نشان داده شده است. این تئوری، تصاویر لرزه ای را در یک محیط مناسب اسپارس (برای مثال کرولت) بازسازی می کند. به دلیل چند بعدی، چند مقیاسی و چند جهته بودن تبدیل کرولت، تحت این تبدیل، داده های لرزه ای قابل فشرده سازی می شوند. داده ها در این محیط به روش سنجش فشرده نمونه برداری می شوند، در واقع نمونه برداری با نرخ کمتری از نرخ نایکوئیست صورت می پذیرد که این به قیمت پیچیده تر شدن الگوریتم بازیابی تمام می شود. در این روش نمونه برداری، تعدادی از ژئوفون ها به صورت تصادفی حذف می شوند و بازیابی با استفاده از نمونه های کمتری صورت می پذیرد. با مقایسه داده بازیابی شده با داده اولیه، مشاهده می شود که داده بازیابی شده تقریب بسیار خوبی از داده اولیه است که نهایتاً منجر به کاهش هزینه و وقت می شود.

رادار دهانه ترکیبی یک سیستم تصویربرداری با قدرت تفکیک پذیری بالا است که در وضعیت های مختلف آب و هوایی و همچنین در طی شب و روز قادر به تصویربرداری است. از مشکلات این روش می توان به حجم زیاد داده های ذخیره شده و همچنین نیاز به مبدل آنالوگ به دیجیتال سرعت بالا اشاره کرد. در سال های اخیر روشی به نام سنجش فشرده مطرح شد که توسط آن می توان ضعف‏های ذکر شده را برطرف کرد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

هدف از اجرای پروژه، فشردن اطلاعات تصویری یا کدینگ منبع می باشدurce . coding بعلت پهنای باند وسیع تصویر، تبدیل مستقیم تصویر آنالوگ به دیجیتال ب تکنیک)abit/sample(pcm موجب اشغال شدن پهنای باند بسیار زیادی از کانال انتقال می شود . با توجه به ملاحظات real time بودن، که موجب محدودیت شدید و پیچیدگی سخت افزار و درنتیجه محدودیت روی تکنیکهای فشردن اطلاعات می شود، راندم خروجی 3 - 4 bit /sample موردنظر است لازم است این تبدیل بصورت real time(بلادرنگ) انجام گیرد .