کنترل ازدحام در شبکه های کامپیوتری به مفهوم جلوگیری از تجمع بیش از اندازه داده های انتقالی در صف انتظار و در نتیجه از بین رفتن بسته ها می باشد. ازدحام زمانی رخ می دهد که میزان داده ورودی به گذرگاه داده بیشتر از حد تحمل آن گذرگاه باشد. گلوگاه ها بزرگترین منبع ایجاد ازدحام در شبکه های اینترنتی می باشند. راهکارهایی که برای جلوگیری از ایجاد ازدحام ارائه می شوند اکثراً بر اساس کاهش نرخ ارسال داده توسط فرستنده با توجه به ظرفیت رسانه انتقال است. این مفهوم نباید با مفهوم کنترل جریان که جلوگیری فرستنده از مستغرق کردن گیرنده می باشد، اشتباه گرفته شود. یکی از موضوعات مهم در کنترل ازدحام شبکه های حسگر بی سیم، مسأله به کارگیری تئوری صف است چرا که در بسیاری از کاربردهای چنین شبکه هایی، گره های حسگر برای عملکرد صحیح می بایست در صف قرار گیرند. بدین منظور روش های مختلفی برای در صف قرار دادن گره ها پیشنهاد شده که تحت شرایط گوناگون می توانند بکار گرفته شوند. روش های تئوری صف عمدتاً ازسازگاری با زیرساختهای کنونی شبکههامورد استفاده قرار می گیرد. به دلیل افزایش گم شدن گره های حسگر که با استفاده از سازگاری با زیرساختهای کنونی شبکهها مخصوصاً برای محیط های وسیع بوجود می آید، تمام این روش ها به گونه ای طراحی می شوند که نیازی به قرار دادن زیر ساخت های اساسی روی همه گره ها وجود نداشته باشد. بدین ترتیب تنها تعدادی از گره ها برای مکان یابی از روتر)مسیریاب) بهره می گیرند و مکان یابی سایر گره ها توسط سیگنال های دریافتی از گره هایی انجام می شود که دارای روتر(مسیر یاب) هستند. استفاده از یک ربات سیار برای ارسال سیگنال های حاوی مختصات، ایده ای مناسب برای هدف مسیر یابی گره هاست. این ربات سیار می بایست در یک مسیر مناسب حرکت کرده و بتواند تعداد بیشتری از گره ها را با صرف هزینه کمتر صف بندی کند. برای دستیابی به این هدف الگوریتم هایی را مطرح می کنیم که بر مبنای تئوری زمانبندی صف و کنترل ازدحام عمل کرده و می توانند به صورت پویا و بر مبنای توپولوژی شبکه، مسیر حرکت ربات سیار را تعیین نمایند. این الگوریتم ها شامل زمانبندی و کنترل صف در شبکه حسگر بی سیم می باشد که نسبت به الگوریتم های موجود عملکرد بهتری را از لحاظ صرف هزینه و همچنین دقت و تعداد گره های موجود در صف را نشان می دهند. هدف از انجام این پروژه مطالعه روش های مختلف کنترل ازدحام و دسته بندی آنها برای شبکه های بی سیم متحرّک شلوغ مثل ادهاک یا شبکه های حسگر بی سیم است، سپس ارائه یک روش بهینه کنترل ازدحام مبتنی بر تئوری صف به منظور کاهش تأخیر و افزایش کیفیت ارائه سرویس طراحی و شبیه سازی می باشد.

ما در این پایان نامه طراحی، شبیه سازی و ساخت یک حلقه قفل فاز (pll) که فیلتر حلقه ان از نوع اکتیو می باشد و با نرم افزار ads شبیه سازی شده است ارائه کرده ایم. تولید یک سیگنال با ثبات و مقاوم در برابر عوامل خارجی در درون فرستنده ضروری می باشد در نتیجه می توان بوسیله ی سینتی سایزر فرکانس یک سیگنال با مشخصات ذکر شده تولید کرد. pll با ساختار فیلتر حلقه اکتیو که در واقع نوعی سینتی سایزر فرکانس می باشد در این پایان نامه بخشی از یک فرستنده می باشد و از سه المان اصلی که شامل اشکار ساز فاز فرکانس (pfd) ، تقویت کننده عملیاتی (opamp) و اسیلاتور کنترل شده با ولتاژ (vco) می باشد تشکیل شده است. در این پایان نامه همچنین حلقه قفل فاز (pll) که فیلتر حلقه ان از نوع اکتیو می باشد در دو مورد زمان قفل و نویز فاز با حلقه قفل فاز (pll) که فیلتر حلقه ان از نوع پسیو می باشد مقایسه شده است.

کنترل هشدار غلط، یک امر حیاتی برای سیستم های آشکارسازی اتوماتیک می باشد. اغلب، شرایط محیط به گونه ای است که توان نویز زمینه (کلاتر) و یا حتی توزیع آن با زمان تغییر می کند. در چنین شرایطی، برای دستیابی به کارایی مفید در سیستم، ملزم به استفاده از آستانه وفقی هستیم و وفقی کردن آستانه می بایست به گونه ای باشد که سیستم خاصیت cfar (constant false alarm rate) داشته باشد. کارهای متنوعی روی آشکارسازهای cfar در کاربرد رادار انجام و ارائه گردیده است، اما کمتر کاری بر روی آشکارساز cfar با شبکه عصبی صورت گرفته است. آشکارسازی سیگنال رادار کار پیچیده ای است که عموماً بر اساس تخمین پارامترهای کلاتر می باشد. در کاربردهای واقعی، این روش ها نیاز به محاسبات آماری زیاد برای تخمین پارامترهای کلاتر دارند که تنها برای یک نوع توزیع کلاتر بهینه می باشند. ویژگی خاص این سیستم عصبی که برای آشکارسازی راداری به کار می رود و آن را از آشکارسازهای متداول متمایز می کند، این است که نیاز به محاسبات زیاد در آن از بین می رود. در این مطالعه مسئله آشکارسازی رادار را با استفاده از شبکه های عصبی مصنوعی با توزیع k از محیط، مورد توجه قرار می دهیم. الگوریتم پس انتشار در ساختار mlp برای آموزش شبکه عصبی و همچنین ساختار rbf استفاده شده است. آشکارسازهای شبکه عصبی با آشکارسازهای متداول کلاسیک مقایسه شده و نتایج شبیه سازی نشان می دهد که ساختار mlp بهتر از آشکارسازهای کلاسیک ca-cfar و os-cfar از جمله پرکاربردترین cfarها عمل می کنند.