تعقیب مشخصههای چهره از زمینههای تحقیقاتی بسیار مهم در بینایی ماشین و سیستمهای هوشمند است. مشخصههای چهره شامل ابرو، چشم، بینی و لب، برجستهترین علائم در بین اجزای چهره هستند. از آنجا که مشخصههای چهره دارای حرکات غیرصلب فراوانی هستند، استفاده از فیلتر کالمن سنتی ناکافی است. بهکارگیری فیلتر ذرهای رهیافتی مناسب برای این مسائل به نظر میرسد. فیلتر ذرهای الگوریتمی موثر برای تعقیب مشخصههای چهره میباشد. ...

مبحث تخمین حالت یا فیلترینگ، یکی از حوزه های پر کاربرد و مطرح در زمینه های ریاضی کاربردی، آمار، و مهندسی است که سابقه تحقیق و پژوهش در این باره، به بیش از چهل سال پیش می رسد. در کنار رویکردهای کلاسیک، فیلترینگ تکاملی، نامی است که تا کنون به طور غیر رسمی، به مجموعه ای از روش های فیلترینگ داده شده است که در آن ها، از روش های محاسبات تکاملی در ترکیب با روش های فیلترینگ کلاسیک (غالبا فیلتر ذره ای)،...

یکی از مهمترین حوزه های پژوهشی در سیستم های حمل و نقل هوشمند، توسعه سیستم هایی است که جریان ترافیک در تقاطع ها را بصورت اتوماتیک مشاهده و کنترل می کنند. این سیستم ها علاوه بر تحلیل جریان حرکتی، می بایست تمامی جزئیات حرکتی هر وسیله نقلیه مانند موقعیت و سرعت را ثبت نمایند. در این پایان نامه روشی جدید برای به حداقل رساندن خطاهای ناشی از فرآیند شناسایی و ردیابی خودرو در صحنه های شلوغ همانند تقاطع ...

امروزه رویکرد تلفیق داده‌های سامانۀ ناوبری اینرسی ارزان قیمت و ماهواره‌ای به‌منظور بالابردن دقت و قابلیت اطمینان مرسوم شده است. خوداتکایی، نرخ بالای تعیین داده‌ها، ارائۀ داده‌های دورانی و البته محدودیت کاهش دقت با گذشت زمان در سامانه‌های ناوبری اینرسی و همچنین، نرخ پایین داده‌ها، ارائه‌نشدن داده‌های دورانی و انسداد یا اختلال در دریافت داده‌های GNSS، توفیق روزافزون این رویکرد را سبب شده است. همچ...

در چند دهه گذشته شناسایی متغیرهای حالت و پارامترهای یک مدل از روی داده های اندازه گیری شده، افزایش چشم‌گیری داشته است این رشد گسترده نیاز فزاینده به مدل‌های فراگیر و یکپارچه ایجاد کرده است. دستیابی به رشد مداوم و بلندمدت اقتصادی نیازمند تخصیص بهینه منابع می باشد و این مهم بدون استفاده از بازارهای مالی، به ویژه بازار سرمایه کارآمد امکان پذیر نیست لذا بهینه‌سازی پرتفوی و تخصیص ثروت بین دارایی‌های...

تشخیص خودکار نوع مدولاسیون سیگنال دریافت‌شده، وظیفه اصلی یک گیرنده هوشمند است. این وظیفه زمانی که گیرنده اطلاعاتی در مورد سیگنال دریافتی و یا کانال ندارد، مشکل‌تر خواهد شد. در ابتدا، دسته‌بندی‌کننده بیشینه درست‌نمایی (ML) برای دسته‌بندی مدولاسیون‌های دامنه - فاز در محیط همدوس ارائه شده است. به‌خوبی مشخص است که دسته‌بندی‌کننده ML نیاز به آگاهی اولیه به برخی از پارامترهای سیگنال دریافتی و کانال (...