در روش پیشنهاد شده در این پروژه ابتدا تابعی به نام group delay function که به جای استفاده از اندازه تبدیل فوریه از زاویه آن استفاده می کند را برای آنالیز سیگنال صوتی پیشنهاد داده و سپس برتری های آن را نسبت به آنالیز های دیگر شرح می دهیم. در ضمن روشی را برای استخراج اطلاعات از یک سیگنال آنالیز شده ارائه می کنیم که مبتنی بر استخراج شباهت یک فریم از سیگنال با فریم های دیگر سیگنال بوده و به جای استخراج مشخصات از فریم های منفرد از یک فریم به همراه فریم های بعدی برای استخراج مشخصات استفاده می کند،البته گفته خواهد شد که این روش را می توان بر روی هر گونه آنالیزی پیاده کرد و در عمل برای کاهش ابعاد هر فریم برای اعمال به شبکه عصبی استفاده می شود.

امروزه طبقه بندی سیگنال های قلبی کاربرد وسیعی در علوم پزشکی و تشخیص بیماری ها دارد و استفاده از روش های خودکار آنالیز سیگنال های قلبی می تواند به پزشکان در تشخیص نوع بیماری کمک بسیاری نماید. در این تحقیق تکنیک های مختلف استخراج ویژگی و همچنین طبقه بندی کننده های مختلف بکار برده می شوند تا بهترین عملکرد در طبقه بندی سیگنال های قلبی به دست آید. با توجه به برتری تکنیک های مبتنی بر موجک بر فیلترهای معمولی در نویززدایی سیگنال ها، روش های مبتنی بر موجک برای کاهش نویز سیگنال های قلبی ارائه می شود. همچنین سایر مراحل پیش پردازش از جمله هموارسازی و نرمالیزاسیون نیز برای افزایش کیفیت سیگنال ها به منظور پردازش های بعدی انجام خواهد شد. به دلیل اهمیت موضوع استخراج ویژگی در مسائل طبقه بندی، در این تحقیق از ترکیبی از ویژگی های شکلی و زمانی برای استخراج ویژگی های کارا از سیگنال های قلبی استفاده می شود. ویژگی های شکلی مختلف از جمله دامنه و مکان امواج ecg، مولفه های موجک سیگنال ecg و ویژگی های آماری مرتبه بالا (کومولان ها) در کنار سه ویژگی زمانی سیگنال های قلبی استخراج می شوند. کارایی و اهمیت این ترکیب ویژگی ها برای به دست آوردن درصد طبقه بندی بالا در آزمایش های مختلف نشان داده خواهند شد و نتایج آنها با یکدیگر مقایسه می شوند. برای طبقه بندی دسته ویژگی های حاصل، از طبقه بندی کننده های مختلف از جمله شبکه های عصبی مختلف و ماشین بردار پشتیبان استفاده می شود. از ویژگی های ممتاز این پایان نامه، علاوه بر استفاده از واحدهای پیش پردازش و استخراج ویژگی کارا، استفاده از الگوریتم ژنتیک برای یافتن ویژگی های بهینه (انتخاب ویژگی) و همچنین تنظیم پارامترهای طبقه بندی کننده ها می باشد.

در بسیاری از کاربردهای پردازش سیگنال مانند بازیابی سیگنال های صوت و تصویر، اغلب لازم است که سیگنال مورد نظر از میان مجموعه ای از سیگنال های دیگر استخراج گردد. تفکیک یا جداسازی کور منابع به بازیابی مجموعه ای از منابع مستقل از یکدیگر اطلاق می شود که به وسیله یک سیستم ترکیب کننده ناشناخته آمیخته شده اند. در این روش، جداسازی تنها براساس مشاهده منابع ترکیب شده بدون داشتن هیچ گونه اطلاعاتی از سیستم ترکیب کننده و نوع سیگنال های اولیه صورت می گیرد. یکی از اساسی ترین روش ها در زمینه جداسازی کور منابع، استفاده از روش آنالیز مولفه های مستقل می باشد که هدف در آن، یافتن مولفه هایی از سیگنال است که بیشترین استقلال آماری را نسبت به یکدیگر دارا هستند. الگوریتم های دیگری مانند fastica، ماکزیمم کرتوسیس و ماکزیمم شباهت به منظور حل این مسئله مورد توجه قرار گرفته اند. در این خصوص شبکه های عصبی نیز مطرح شدند که عملکرد آن ها وابسته به فرمول به روز رسانیشان می باشد. این توابع به منظور مینیمم سازی استقلال میان مولفه های تخمینی به روز می شوند که این عمل وابسته به تابع توزیع سیگنال های منبع اولیه می باشد. با توجه به اینکه این جداسازی به صورت کور انجام می شود و اطلاعاتی در مورد تابع توزیع این سیگنال های منبع در دسترس نیست، تخمین تابع توزیع سیگنال های منبع الزامی می باشد. این تخمین با توجه به کور بودن مسئله، باعث کاهش دقت حل مسئله می گردد. به این منظور و برای جداسازی سیگنال ها بدون محدودیت بر روی توزیع آن ها، استفاده از الگوریتم های تکاملی مورد توجه قرار گرفته است. در این پژوهش، تفکیک کور منابع براساس الگوریتم های تکاملی ژنتیک پیوسته و باینری، کوچ پرندگان و کلونی زنبور عسل معرفی می گردد. عملکرد این روش با در نظر گرفتن توابع برازش مناسب براساس مفاهیم آمارگان مرتبه بالا، تئوری اطلاعات، همبستگی، آنتروپی و یا ترکیبی از این معیارها بررسی می گردد. همچنین روش های پیشنهادی با دو مرحله اصلی پیش پردازش؛ یعنی مرکزی سازی و سفید سازی اعمالی به سیگنال های مشاهده ای، تکمیل می گردد. معیار سنجش در این شبیه سازی برای بررسی کارایی سیستم با فرض دسترسی به منابع اولیه، فاصله اقلیدوسی بین دو بردار کرتوسیس منابع اصلی و تخمینی، نسبت سیگنال به نویز و نسبت پیک سیگنال به نویز می باشد. نتایج شبیه سازی بیانگر کارایی بالای الگوریتم تفکیک کور منابع براساس الگوریتم کوچ پرندگان و کلونی زنبور عسل نسبت به روش های موجود می باشد. همچنین نتایج نشان می دهد که روش پیشنهادی با سرعت همگرایی مناسب حتی در جداسازی تعداد منابع ترکیبی زیاد موفق عمل می کند. الگوریتم پیشنهادی به ازای هر تعداد از منابع ورودی این نتیجه را بدست می دهد که خطای تفکیک با افزایش تعداد منابع به صورت خطی افزایش می یابد. در سایر روش های ارائه شده، به علت افزایش یکباره خطا، جداسازی به تعداد مشخصی از منابع محدود می شود. همچنین کاربرد این روش در جداسازی نویزهای زمینه از جمله نویز سفید گوسی نشان داده شده است.

در این تحقیق، کنترل حداقل زمان ربات های چند لینکی سری با افزونگی درجات آزادی در دو حالت حرکت نقطه به نقطه و حرکت مسیر مشخص پنجه با درنظر گرفتن قید گشتاور عملگر و تکانه عملگر بررسی می شود. برای بررسی کنترل حداقل زمان در حرکت نقطه به نقطه از اصل حداقل سازی پنتریاگین استفاده می شود. باتوجه به پیچیدگی مساله مقدار مرزی منتجه از مساله حداقل زمان، روشی تکراری برای حل حداقل زمان سیستم با استفاده از حل حداقل انرژی ارایه می گردد تا حل حداقل زمان از کاهش زمان درنظر گرفته شده برای حل حداقل انرژی محاسبه شود. همچنین، راهکاری برای محدود کردن تکانه عملگرها نیز ذکر می شود. در ادامه، باتوجه به این که مساله سینماتیک معکوس ربات های افزونه حالت- ناقص می باشد، حالت عمومی شرط مرزی درنظر گرفته می شود. همچنین به منظور اجتناب از برخورد ربات با مانع، ربات و مانع بصورت دایروی مدل شدند و جمله ای به تابع هزینه اضافه شد تا فاصله حداقلی بین ربات و مانع حفظ شود. برای بررسی کنترل حداقل زمان در حرکت مسیر مشخص، آنالیز صفحه فاز و بهینه سازی خطی استفاده می شود، و نیز روشی برای درنظر گرفتن قید تکانه عملگرها ارایه می گردد. در ادامه، بااستفاده از مفهوم ناحیه تله و مسدود، روشی برای تعیین نقاط سوییچ و تولید خط سیر حداقل زمان پیشنهاد شد. چند شبیه سازی عددی نیز انجام می گیرد تا علاوه بر تایید قابلیت، صحت و دقت روش های مذکور، تاثیر اعمال قید تکانه عملگر نیز بررسی شود.

تصویر برداری تشدید مغناطیسی(mri) به عنوان یکی از قوی ترین روش های تصویر برداری تشخیصی شناخته شده است. غیر تهاجمی بودن، غیر یونیزه بودن، درجه تفکیک بالا برای بافت های نرم و ایجاد تصاویر چند طیفی، مهمترین ویژگی های این روش هستند. اولین مرحله در تحلیل تصاویرmri ، ناحیه بندی کردن تصاویر است. در این مرحله سه دسته مهم بافت مغزی با شدت روشنایی های متفاوتی نمایان می گردد. این سه دسته مهم عبارتند از قسمت خاکستری(gm)، قسمت سفید(wm)و مایع مغزی- نخاعی(csf). عمده فعالیت هایی که تا کنون انجام شده است، بر روی روش های مختلف ناحیه بندی، متمرکز بوده است. روش های متعدد با نظارت و بدون نظارت، مانند روش های خوشه بندی فازی و غیرفازی و شبکه های عصبی مصنوعی، به منظورناحیه بندی تصاویر mri مورد استفاده قرار گرفته است . در این پژوهش، از ویژگی شدت روشنایی تصویر به منظور ناحیه بندی تصاویر mri مغز انسان استفاده شده است. روش های مختلف برای استخراج ویژگی های مختلف بافت مبتنی بر شدت روشنایی مانند روش های فازی و غیر فازی معرفی شده اند. روش مورد پژوهش که یک روش غیرفازی می باشد، به دلیل عملکرد مناسب، انتخاب و پیاده سازی شده است. در این روش از الگوریتم تکاملی سلسله مراتبی (hea)، یک روش آماری به نام آستانه یابی چند سطحی و الگوریتم تکاملی اجتماع ذرات(pso) استفاده شده است. روش های مختلف ناحیه بندی معمولا دارای محدودیت هایی نظیر تعیین کردن تعداد کلاس ها قبل از شروع پردازش و پیش پردازش هایی برای کاهش یا حذف نویز می باشند ولی در این روش با استفاده از الگوریتم سلسله مراتبی، این محدودیت ها تا حد زیادی اصلاح شده اند. سرعت همگرایی بالا و سادگی قوانین در تعیین جهت بهینه، از خصوصیات مهم الگوریتم روش پیشنهادی به شمار می آید.

هرگاه از یک مدرک کاغذی تصویری گرفته شود، مثلاً در حین اسکن کاغذ، تصویری که در پشت صفحه کاغذ وجود دارد اثری در صفحه جلویی از خود برجای میگذارد. تصاویر صفح? پشت و روی کاغذ ترکیبی غیرخطی ایجاد میکنند و بنابراین یک مسأله با کاربرد عملی برای جداسازی کور منابع (bss) فراهم می آید. در اینجا، یک نسخه از ترکیبات شدیداً غیرخطی که در آن از کاغذ "پوست پیازی" استفاده شده، بکار گرفته شده است. جداسازی توسط infomax بسط یافته و با اعمال یک روش پیش پردازش غیرخطی ابتکاری مبتنی بر رقابت بین اجزاء فرکانس بالای تجزیه موجک تصاویر انجام شد. نتایج جداسازی توسط معیارهای کیفی و کمی مورد ارزیابی قرارگرفت که بیانگر دقت، سرعت و کیفیت بالای تصاویر تخمینی است. به منظور ارزیابی دقیق تر الگوریتم جداسازی غیرخطی و مقایسه کیفیت تصاویر تخمینی با منابع اولیه، علاوه بر معیارهای ارزیابی معمول، معیار سنجش فاصله اقلیدسی بین انحراف معیار تصاویر و شباهت line profile معرفی شده است. نتایج جداسازی غیرخطی با الگوریتم پیشنهادی توسط معیارهای مذکور مورد بررسی قرار گرفت و بهبود قابل ملاحظه ای مشاهده شد.

: بسته شدن چشم ها، خمیازه و افتادگی سر سه ویژگی برجسته خواب رفتگی راننده هستند. سیستم چشم انسان با تحلیل اطلاعات فرکانسی توالی تصویر را پردازش می کند. در این کار در مرحله پیش پردازش، تغییرات روشنایی تصویر حذف می شود و محدوده دینامیکی آن کاهش پیدا می کند تا اطلاعات زائد آن از بین برود. اطلاعات حرکتی به حوزه فرکانس-زاویه برده می شود و جهت حرکت بدست می آید. در این پژوهش، فیلتر تیز کننده بر اطلاعات ایستا اعمال می شود. این فیلتر با تیز کردن کانتور های تصویر، اختلاف سطح انرژی را در تصاویری با کانتور های زیاد نسبت به تصاویری با کانتورهای کم افزایش می دهد. در این حالت، تفکیک حالت باز چشم و دهان از حالت بسته آنها با اطمینان بیشتری صورت می گیرد. همچنین روش جدیدی برای به کارگیری انرژی اطلاعات ایستای تصویر ارائه می شود. انرژی متوسط اطلاعات ایستا روی چهارچوب های چشم و دهان روی پنج قاب اول توالی تصویر محاسبه و به عنوان مشخصه مبنای چشم و دهان برای راننده در حافظه ذخیره می شود. سپس انرژی نسبی در هر قاب به صورت تقسیم انرژی ایستا در هر قاب به انرژی متوسط مبنا محاسبه می گردد. این کار انرژی اطلاعات ایستا را برای همه افراد با هر ظاهری به یک محدوده مشترک منتقل می کند و تعیین یک آستانه ثابت برای انرژی نسبی می تواند حالت های باز و بسته را از یکدیگر جدا کند. روش دیگری که در این کار ارائه شده است این است که تنها از انرژی اطلاعات حرکتی برای تشخیص افتادگی سر استفاده می شود. انرژی نسبی محاسبه و با مقدار آستانه مقایسه می شود تا رویداد حرکت را در سر تشخیص دهد. اگر شرط زاویه، بسته بودن چشم ها پیش از افتادگی سر و عدم وقوع خمیازه برآورده شوند افتادگی سر شناسایی می شود. در این پژوهش همچنین روشی برای ترکیب وقوع سه حالت بسته بودن چشم ها، خمیازه و افتادگی سر ارائه می شود تا تصمیم گیری نهایی را برای وقوع خواب رفتگی انجام دهد.

امروزه طبقه بندی سیگنال های قلبی( ecg) کاربرد وسیعی در علوم پزشکی و تشخیص بیماری ها دارد و استفاده از روش های خودکار آنالیز سیگنال های قلبی می تواند به پزشکان در تشخیص نوع بیماری کمک بسیاری نماید. در این پایان نامه از روش های خوشه بندی و طبقه بندی کننده ba_rbf برای استخراج ویژگی و دست یابی به عملکرد بهینه در طبقه بندی سیگنالecg، استفاده شده است. در این تحقیق از ضرایب تقریب تبدیل موجک، برای کاهش ابعاد سیگنال و نویز زدایی استفاده می شود. سپس با استفاده از دو روش متداول خوشه بندی kmeans، fcm خوشه بندی انجام می شود. از الگوریتم بهینه ساز زنبورعسل برای بهینه سازی خوشه بندی، استفاده می شود. پس از مرحله خوشه بندی، از فاصله اقلیدسی سیگنال ها تا مرکز خوشه در روش ba_kmeans و تابع عضویت سیگنال ها در روش ba_fcm، بعنوان ویژگی استفاده می شود. این ویژگی های استخراج شده با ویژگی زمانی ترکیب شده به ورودی شبکه عصبی rbf داده می شود. همچنین پارامترهای شبکه عصبی rbf با استفاده از الگوریتم زنبور عسل بهینه شده است و بهترین نتیجه طبقه بندی بدست آورده می شود. دقت طبقه بندی با استفاده از ویژگی های استخراج شده از روش خوشه بندی ba_kmeans، ba_fcm بترتیب 93.34و94.61 می باشد. همچنین دقت طبقه بندی با استفاده از ترکیب ویژگی های استخراج شده از دو روش خوشه بندی ba_kmeans و ba_fcm، 95.77 می باشد. بنابراین نتیجه می شود که دقت طبقه بندی ترکیب ویژگی های استخراج شده، از روش های خوشه بندی ba_kmeans و ba_fcm، بیشتر از دقت طبقه بندی با استفاده از ویژگی های استخراج شده دو روش، بطور جداگانه می باشد. واژه های کلیدی: الکتروکاردیوگرام، طبقه بندی، خوشه بندی، آریتمی قلبی، تشخیص

در سالهای اخیر به منظور تشخیص بیماریهای مرتبط با عملکرد مغز، بررسی تصاویر تشدید مغناطیسی عملکردی حالت استراحت، بسیار مورد توجه قرار گرفته است. در این پایان نامه یک روش جدید با استفاده از ترکیب الگوریتمهای تکاملی برای انتخاب ویژگیهای مناسب و ماشین بردار پشتیبان به عنوان طبقه بندی کننده، ارائه شده که قادر است، افراد سالم و بیمار را با دقت بالا از یکدیگر تفکیک کند. ویژگیهای مورد بررسی در این روش، مقادیر همبستگی میان سیگنالهای سری زمانی مناطق مختلف مغز می باشد که در برخی از مناطق مغز، میان افراد سالم و بیمار متفاوت است. الگوریتمی که در این پایان نامه برای انتخاب ویژگیها به کار گرفته می شود، نوعی الگوریتم اجتماع ذرات است که برای انتخاب همزمان ویژگیهای مناسب و نیز تعداد آنها، بهینه سازی شده است. پس از انتخاب ویژگیهای کارا، از آن ها برای آموزش ماشین بردار پشتیبان استفاده می شود. نتایج بدست آمده از آزمایش روش پیشنهادی برای جداسازی افراد سالم از بیماران مبتلا به اختلال کم توجّهی بیش فعالی در کودکان نشان می دهد، از نظر طبقه بندی صحیح تمامی افراد به سه گروه مختلف (صحت طبقه بندی کلی)، و نیز تشخیص افراد بیمار به عنوان فرد بیمار (بدون در نظر گرفتن نوع بیماری)، این روش نسبت به روشهای پیشین، عملکرد بهتری داشته است. درحالی که، بهترین نتیجه ی طبقه بندی صحیح تمامی افراد به سه گروه سالم، بیمار بیش فعال- کم توجه و بیمار بیش فعال- ترکیبی (نسبت تعداد افرادی که بدرستی در سه گروه طبقه بندی شده اند به تعداد کل افراد) و نیز طبقه بندی صحیح افراد بیمار به عنوان فرد بیمار (نسبت تعداد افراد بیماری که، بدرستی بیمار تشخیص داده شده اند به تعداد کل افراد بیمار) در میان سایر روش ها، به ترتیب %52/62 و %27/52 می باشد، روش پیشنهادی توانسته به مقدار صحت طبقه بندی کلی %61/76 دست یابد و با دقت %73/72، افراد بیمار را به درستی تفکیک کند. این روش منحصر به بیماری خاصی نبوده و می توان از آن برای بررسی اغلب بیماریهای مرتبط با مغز، همانند پارکینسون، افسردگی و غیره، استفاده کرد. لازم به ذکر است در این پایان نامه، تمامی پیش پردازشهای لازم تصاویر، به کمک دو نرم افزار کاربردی در این زمینه یعنی، fsl و afni انجام می شود.

این پژوهش به منظور طراحی و شبیه سازی و به دست آوردن مراحل ساخت آنتن های لنز روتمن (لنز مایکروویوی) در ایران می باشد تا با استفاده از خواص این آنتن ها، که کاربردهای بسیار بسیار وسیع و حساسی در پدافندهای دفاعی و ارتباطات تجاری دارند، بتوان صنعت دفاعی و ارتباطی کشور را هرچه بیشتر به سمت مستقل شدن پیش برد و از این طریق قسمتی از نیاز کشور در این حوزه برطرف گردد. آنتن های لنز کاربردهای بسیار فراوانی در صنعت دفاعی و تجاری و همچنین تست آنتن های دیگر دارند. این آنتن ها به صورت مستقل و غیر مستقل در انواع رادارهای جست و جو گر و سیستم های شبکه شکل دهی پرتو، که به طور بسیار وسیعی هم به صورت دفاعی و هم تجاری مورد استفاده قرار می گیرند، استفاده می شوند. لنزهای مختلفی، با توجه به کاربردهای مختلف، طراحی شده اند و طراحی می شوند و حوزه مایکروویو و اپتیک همچنان شاهد نو آوری های فراوانی در این زمینه می باشد. انواع مختلف آنتن های لنز، می توانند هم به صورت مجزا و هم باهم مورد استفاده قرار گرفته تا نیازهای یک سیستم ارتباطی یا نظامی یا اندازه گیری را برطرف سازند. بسیاری از چالش های موجود در این زمینه در خارج از ایران رفع شده است ولی همچنان چالش های زیادی در این زمینه وجود دارد که باب جست و جو و پژوهش را در این زمینه باز نگاه داشته است. همچنین این چالش ها در ایران، چه در زمینه طراحی و چه در زمینه ساخت، بسیار زیاد می باشد که باید هرچه بیشتر و بهتر در این زمینه وارد شده تا مشکلات و چالش ها کمتر گشته و نیاز کشور در این حوزه جهت معقول تری به خود گیرد. آنتن های لنز روتمن به دلیل خصوصیات منحصر به فرد خود به صورت گسترده به عنوان تغذیه آنتن های آرایه فازی استفاده می شوند. این لنز معمولا با سه پورت کانونی طراحی می شود. یکی از اصلی ترین مشکلات این روش خطای فاز می باشد مخصوصا برای لنزهای با دهانه بزرگ. تلاش های زیادی برای کاهش این خطا صورت گرفته است. اخیرا لنز روتمن غیرکانونی ارائه شده است که خطای فاز را به طور محسوسی کاهش می دهد. اما مشکل این روش، جایگاه نامناسب پورت های ورودی و خروجی می باشد. این پورت ها فقط برای کاهش خطای فاز بهینه شده اند اما برای پیاده سازی و ساخت مناسب نیستند زیرا مشکلات تطبیق و تزویج ایجاد می کنند. در این پایان نامه روش جدیدی برای طراحی لنز روتمن ارائه شده است که این لنز سه کانونی را تبدیل به غیرکانونی نموده، خطای فاز را به خوبی کاهش داده و قابلیت پیاده سازی را نیز دارا می باشد. با استفاده از آنتن های لنز روتمن، می توان شبکه های پرتویی را به صورت همزمان تولید کرد که این شبکه های پرتویی، کاربردهای بسیار بسیار وسیعی هم در حوزه دفاعی و هم در صنعت ارتباطی دارند. توسط این پرتوها، می توان در صنعت دفاع، رادارهایی با توانایی جست و جوی الکترونیکی هم به صورت افقی و هم به صورت عمودی در بازه ی پهنی از محیط به وجود آورد. همچنین در صنعت ارتباطات و تجارت، می توان با استفاده از تشکیل شبکه های پرتویی، در هر زمان که نیاز باشد، پرتوهای تولیدی را در راستای دلخواه تغییر داده تا بتوان بیشترین بازدهی را از شبکه های ارتباطی دریافت کرد. کاربردهای مختلف این نوع سیستم ها در بخش های مربوطه شرح داده شده است. در فصل اول این پایان نامه، منابع علمی موجود از سال 1960 تا سال 2012 به طور مختصر مورد بررسی قرار گرفته و توضیحاتی داده شده است. در فصل دوم در مورد انواع شبکه های شکل دهی پرتو، معایب و مزایای آن ها به طور مختصر توضیح داده شده و در ادامه لنز روتمن به عنوان سیستمی جهت شکل دهی پرتو بررسی شده است. فصل سوم این پایان نامه به طراحی انواع لنز روتمن و روش جدید ارائه شده برای کاهش خطای فاز لنزهای روتمن به همراه الگوریتم طراحی به صورت کامل شرح داده شده، چالش های موجود در طراحی لنز روتمن مورد بررسی و تحلیل قرار گرفته و مراحل طراحی قدم به قدم کامل شده است و در هر مرحله نکات کلیدی جهت بهبود عملکرد لنز ذکر شده است. در فصل چهارم نحوه شبیه سازی آنتن های لنز روتمن به عنوان سیستم برای شکل دهی شبکه های پرتویی مورد بررسی قرار گرفته و روش دقیق شبیه سازی و تحلیل این لنز با استفاده از شبیه ساز تمام موج توضیح داده شده است. در فصل آخر، دو لنز روتمن در فرکانس های 16 و 10 گیگاهرتز با روش جدید ارائه شده طراحی شده، شبیه سازی گردیده و یکی از آن ها ساخته شده است. مراحل ساخت لنز مورد نظر به طور کامل مرحله به مرحله توضیح داده شده است. سپس نتایج شبیه سازی و ساخت به طور کامل و با جزئیات کامل، مورد بررسی و تحلیل قرار گرفته و عملکرد آن ها نسبت به مقالات مختلف مقایسه شده است و این نتیجه حاصل شده که روش ارائه شده به خوبی خطای فاز را کاهش داده وقابلیت پیاده سازی و ساخت را دارا می باشد. لذا برای کاهش خطای فاز لنزهایی با دهانه بزرگ و تعداد پورت های ورودی و خروجی زیاد، می توان از روش ارائه شده به خوبی استفاده نمود.

شبکه های حسگر بی سیم متشکل از تعداد زیادی گره های حسگر کوچک هستند که این گره ها دارای محدودیت های سطح انرژی، پهنای باند، توان پردازشی و حافظه می باشند. از این رو کاهش مصرف انرژی و افزایش طول عمر شبکه از چالش های اصلی در طراحی این شبکه ها می باشد. ارسال و دریافت داده ها، در بین گره-های شبکه و گره مقصد، بخش عمده ی مصرف انرژی در شبکه می باشد. الگوریتم های بسیاری برای ارسال و دریافت داده در شبکه های حسگر ارائه شده اند. یک دسته از این الگوریتم ها، الگوریتم های سلسله مراتبی مبتنی بر خوشه-بندی می باشند که هدف اصلی آن ها کاهش مصرف انرژی و توزیع انرژی مصرف شده در کل شبکه می باشد. در بسیاری از الگوریتم های مسیریابی مبتنی بر خوشه بندی، مشکلاتی وجود دارد که موجب عدم کارآیی الگوریتم می-گردد. از جمله ی این مشکلات می توان به عدم آگاهی الگوریتم ها از سطح انرژی گره ها، عدم آگاهی الگوریتم ها از مکان گره ها، دور افتادن برخی از سرخوشه ها از گره مقصد و ثابت بودن گره مقصد در شبکه، اشاره نمود. در این پایان نامه، روش جدید سلسله مراتبی مبتنی بر خوشه بندی، به منظور ارسال داده ها، به همراه استفاده از گره مقصد متحرک، به منظور متوازن ساختن مصرف انرژی، در شبکه های حسگر بی سیم پیشنهاد می شود که سعی دارد مسائل یاد شده در بالا را حل و یا تاثیر منفی آنها را کاهش دهد. هدف از این روش ، تشکیل خوشه هایی با انتخاب سرخوشه ی مناسب بر اساس اطلاعات مکانی گره ها و قرارگیری گره مقصد متحرک در مکان بهینه در هر مرحله می باشد، به-طوریکه کاهش مصرف انرژی برای حسگرها و افزایش طول عمر سرخوشه ها و تعادل مصرف انرژی در شبکه، فراهم گردد. مکان بهینه ی گره مقصد در شبکه نیز با بهره گیری از الگوریتم بهینه سازی اجتماع ذرات به دست می آید. نتایج شیبیه سازی نشان می دهند که اعمال روش پیشنهادیِ قرارگیری گره مقصد متحرک در مکان بهینه، افزایش طول عمر، متوازن گشتن مصرف انرژی و مقیاس پذیری را برای شبکه، در مقایسه با دو روش گره مقصد ثابت و قرارگیری گره مقصد متحرک در مکان تصادفی، به همراه داشته است.

شبکههای حس¬گر بیسیم مجموعهای از تعداد زیادی گره حس¬گر با ابعاد بسیار کوچک هستندکه دارای قابلیتهای حس کردن محیط، پردازش اطلاعات حس شده و انتقال اطلاعات بین یکدیگر به صورت بیسیم هستند. علیرغم قابلیتهای بیشماری که این گرهها دارند، اما به دلیل اینکه انرژی آنها به¬وسیله باطری هایی با توان محدود تامین می شود، طول عمر آنها محدود خواهد بود. در حقیقت محدودیت انرژی گره ها و طول عمر شبکه یکی از چالش های مهم بر سر راه این شبکه هاست. در میان عوامل مختلف مصرف انرژی، مسیریابی داده ها یکی از مهم ترین عوامل به حساب می آید. الگوریتم های بسیاری برای ارسال و دریافت داده¬ها در شبکه های حس¬گر ارائه شده اند. یک دسته از این الگوریتم ها، الگوریتم های سلسله مراتبی مبتنی بر خوشه بندی می باشند که یک استراتژی جهت مدیریت انرژی شبکه و در نتیجه افزایش طول عمر شبکه است. با این وجود می توان به مشکلاتی نظیر عدم آگاهی الگوریتم ها از سطح انرژی گره ها، عدم آگاهی الگوریتم ها از مکان گره ها، انتخاب تصادفی سرخوشه ها وانتخاب تصادفی تعداد سرخوشه ها در هردوره در الگوریتم ها اشاره نمود. در این پایان نامه، روش جدید خوشه بندی مبتنی بر انرژی به منظور ارسال داده ها پیشنهاد می شود که با انتخاب مناسب سرخوشه ها باعث افزایش طول عمر شبکه و بهبود کارایی آن می شود، همچنین سعی شده مشکلات بالا نیز حل شود. هدف از این روش، انتخاب تعداد سرخوشه ها بر مبنای گره های زنده و انتخاب سرخوشه های مناسب بر اساس انرژی باقیمانده ی گره ها می باشد. نتایج شبیه سازی نشان می دهد که اعمال روش پیشنهادی انرژی کمتری برای انتقال اطلاعات مصرف می کند و همچنین طول عمر شبکه را افزایش می دهد.

با گسترش سریع سیستم¬های بی¬سیم ، مدل¬سازی دقیق انتشار در کانال¬های مخابراتی مورد نیاز است. با توجه به محیط انتشار امواج، می¬توان کانال¬های بی¬سیم را به دو گروه خارج ساختمان و داخل ساختمان تقسیم کرد. در این میان، فرایند انتشار امواج داخل ساختمان بسیار پیچیده و دارای اهمیت است، چرا که در محیطی دارای هندسه و مشخصات الکتریکی متنوع رخ می¬دهد. به منظور تخمین دقیق پارامترهای کانال، ضروری است که مدل دقیقی از محیط انتشار، مانند هندسه و مشخصات الکتریکی دیوارهای ساختمان در نظر گرفته شود. یکی از روش¬های معمول برای مدل¬سازی کانال¬های داخل ساختمان، روش رهگیری پرتو است. اما اگر محیط¬ دارای پراکنده¬کننده¬های کوچک و ناهمگن باشد، این روش دچار خطا می¬شود. به-علاوه دیوارهای ناهمگن متناوب باید به¬صورت دیوارهای همگن با ثابت دی¬الکتریک موثر در نظر گرفته ¬شوند. این ساده-سازی¬ها باعث کاهش دقت این روش می¬شود. بنابراین در این پایان نامه از روش عددی تفاضل محدود حوزه زمان (fdtd) دوبعدی، به عنوان یک روش دقیق وتمام موج برای بررسی انتشار امواج در یک کانال داخل ساختمان واقعی با دیوارهای ناهمگن متناوب استفاده شده است. مجموعه¬ای از شبیه¬سازی¬های عددی برای بررسی عواملی مانند موقعیت و فرکانس کاری فرستنده، نوع دیوار، تداخل میان فرستنده¬ها و کاهش تداخل با استفاده از پوشش فیزیکی دیوارها، در یک محیط داخل ساختمان نمونه انجام شده است. اثرات دیوارهای ناهمگن روی میانگین تلفات مسیر، پراکندگی زمانی و محوشدگی مقیاس کوچک بررسی شده است. سپس دیوارهای ناهمگن با دیوارهای همگن دارای ثابت دی¬الکتریک موثر جایگزین شده¬اند و تحلیل یکسانی در هر دو حالت انجام گرفته است. نتایج نشان می¬دهد دیوارهای همگن از اثرات چندمسیره چشم پوشی می-کنند، بنابراین جایگزین مناسبی برای تخمین مشخصات چندمسیره کانال با دیوارهای ناهمگن نیستند و لازم است مدل دقیقی از دیوارها در شبیه¬¬سازی در نظر گرفته شود.

امروزه شبیه سازی سیستم های مخابراتی با توجه به پیچیدگی روز به روز تجهیزات، از اهمیت بالایی برخوردار است. مطالعه و بررسی عمل کرد یک سیستم با روش های تحلیلی، سخت و گاهی غیر ممکن بوده و بررسی عمل کردهای سیستم مخابراتی مدرن، بدون استفاده از شبیه سازی، ساخت نمونه آزمایشی را اجتناب ناپذیر می کند. اما علیرغم هزینه های بالای ساخت یک نمونه آزمایشی، هزینه های آزمایش در شرایط مختلف چندین برابر هزینه شبیه سازی کامپیوتری خواهد بود. یک بخش بسیار مهم در تمامی سیستم های مخابراتی، بخش بازیابی اطلاعات در گیرنده است. اهمیت این بخش زمانی روشن می گردد که بنا به هر دلیلی، گیرنده از محتوی نوع سیگنال ارسالی در فرستنده و نیز شرایط کانال اطلاع نداشته باشد.

در این پایان نامه، افزایش نرخ بیت ارسالی و بهبود عمل کرد سیستم رادیوشناختی مبتنی بر ofdm با انتخاب حس گرها و کنترل توان، مورد تحقیق قرار گرفت. همچنین با توجه به نقص های کانال ازجمله محوشدگی و سایه افکنی در شبکه های بی سیم، از سنجش همکارانه برای یافتن فرصت های طیفی استفاده می شود. در همین راستا، یک مسئله بهینه سازی با تابع هدف نرخ ارسال اطلاعات کاربران ثانویه و با قیود آشکارسازی مطلوب و توان ارسالی مجاز، طراحی می شود. مسئله طراحی شده با استفاده از روش های محدب حل شده و اولویت کاربران برای ارسال و سنجش در هر زیرحامل ofdm، مشخص می شود. در ادامه با توجه به محدودیت انرژی گره ها در یک شبکه رادیوشناختی، مسئله دیگری برای برقراری مصالحه ای میان انرژی مصرفی و گذردهی فرمول بندی می شود. این مسئله نیز با استفاده از ترفندهایی، حل و با الگوریتم های پیشنهادی، شبیه سازی می شود.