کلمات کلیدی: گیرنده رادیویی، تقویت کننده کم نویز، cmos، پارامترهای پراکندگی، چنداستانداردی. در این پایان نامه یک مدار lna با قابلیت پیکربندی مجدد برای استانداردهای بی سیم طراحی شده است. برای طراحی این مدار یک طیف فرکانسی 4 الی 6 گیگاهرتز در نظر گرفته شده است و یک تقویت کننده با قابلیت پیکربندی مجدد برای این طیف فرکانسی طراحی شده است. این طیف فرکانسی، استانداردهایی مانند wlan، lan ، bluetooth و wi-fi را پوشش می دهد. فراهم کردن بهره ولتاژ بالا همزمان با القای نویز کم به سیگنال توسط مدار و همچنین تطبیق امپدانس مناسب در محدوده فرکانسی مورد نظر، مهمترین چالش این پایان نامه است. برای ایجاد بهره مطلوب در باند فرکانسی مورد نظر از دو طبقه lna متوالی استفاده شده است. ضمناً برای حصول تطبیق امپدانس مطلوب در باند فرکانسی مورد نظر از یک شبکه تطبیق امپدانس استفاده شده است. lna طراحی شده در این پایان نامه، در تکنولوژیrf cmos 0.24 با استفاده از نرم افزارadvanced design system 2011.01 شبیه سازی شده است. یک تقویت کننده کم نویز مطلوب باید از نظر پارامترهای پراکندگی دارای بزرگتر از 10db برای بهره زیاد، و کوچکتر از-10db برای تطبیق مطلوب امپدانس ورودی و خروجی، کوچکتر از -40db برای پایداری و ایزولاسیون معکوس بزرگ و در نهایت عدد نویز(nf) کوچک تر از 4db باشد. برای lna طراحی شده در این پایان نامه مقادیر ، ، ، و بدست آمده است که مقادیری مطلوب و قابل قبول هستند.

هدف اصلی در بینایی استریو، تعیین فاصله اشیاء موجود در صحنه یا بعبارتی بدست آوردن اطلاعات عمق صحنه می باشد. کاربردهایی مانند بازرسی های صنعتی، تشخیص موانع توسط ربات و مسیریابی، مراقبت در محیط های امنیتی، مدل کردن سه بعدی اشیاء، آنالیز تصاویر پزشکی، تعامل بین انسان و کامپیوتر و ... به اطلاعات عمق صحنه نیاز دارند. تطابق استریو مهمترین و پیچیده ترین مرحل? بینایی استریوست. وجود نویز در تصاویر، تفاوت شدت روشنایی پیکسلهای متناظر در دو تصویر، نواحی بدون بافت، نواحی با بافت تکراری، نواحی مجاور ناپیوستگی های عمق، نواحی انسدادیافته، نواحی دارای شیب و... تطابق استریو را به مسئله ای پیچیده و بغرنج تبدیل کرده است. الگوریتم های بسیاری برای حل مسأل? تطابق استریو پیشنهاد شده است که به دو دست? کلی محلی و سراسری تقسیم می شوند. در روشهای محلی که هزین? محاسباتی پایین تری دارند از شدت روشنایی یا رنگ پیکسل ها در یک همسایگی (پنجره) حول پیکسل موردنظر استفاده می شود و با جستجوی مشابه ترین پنجره در تصویر دیگر، برای آن پیکسل، مقدار جابجایی مکانی محاسبه می شود. فرض تلویحی در استفاده از پنجره، ثابت ماندن جابجایی مکانی پیکسلهای داخل پنجره است که بدیهی است این فرض در مجاورت لبه های تغییر عمق نقض می شود. پنجر? وزن دار تطبیقی یکی از روشهای موفق محلی بوده است که ایده ی اصلی آن اینستکه به پیکسل هایی از پنجره که با احتمال بیشتری دارای جابجایی مکانی مساوی با پیکسل مرکزی هستند، وزن بزرگتری نسبت داده شود، تا این پیکسل ها سهم بیشتری در محاسبه هزینه انطباق داشته باشند. معیار تساوی جابجایی مکانی، شباهت رنگی و مجاورت هندسی پیکسل های داخل پنجره به پیکسل مرکزی پنجره در نظر گرفته می شود و وزن پیکسل ها براساس این دو معیار از روابط نمایی ریاضی پیچیده محاسبه می شود. اما به نظر می رسد به دلیل پیچیدگی ذاتی مسأله تطابق استریو مدلسازی دقیق ریاضی ممکن نیست. با توجه به اینکه منطق فازی در حل مسائلی که مدلسازی و ارائه روابط دقیق ریاضی میسر نیست، عملکرد مناسبی دارد، در این پروژه، با الهام از روش پنجر? وزن دار تطبیقی، از یک سیستم فازی ساده برای انتساب وزن مناسب به پیکسلهای داخل پنجره استفاده می شود. سیستم فازی طراحی شده دو متغیر فازی شباهت رنگی و مجاورت هندسی را بعنوان ورودی دریافت کرده با چهار قاعده فازی ساده وزن پیکسل را در پنجره تعیین می کند. بررسی نتایج تجربی بر روی تصاویر استریوی استاندارد نشان می دهد روش پیشنهادی ضمن سادگی و هزین? محاسباتی پایین، نسبت به روش مرسوم sad، بطور متوسط 60% و نسبت به روش پنجر? وزن دار 15% خطای تخمین نقش? متراکم جابجایی مکانی را کاهش داده است. کلمات کلیدی: بینایی استریو، نقشه ی متراکم جابجایی مکانی، روش پنجره وزن دار تطبیقی، سیستم فازی

در اینجا ما با استفاده از قوانین حاکم بر علم احتمال و همچنین بررسی شرایطی مکانی, زمانی, ... که نویز یا تداخل ایجاد می شود , احتمال وقوع هر نوع خرابی را محاسبه می کنیم , به بیانی بهتر قابلیت اطمینان سیستم را ارزیابی می کنیم تا زمان ومکان وقوع شکست ها مشخص شود. با بررسی این عوامل, دلایل به وجود آمدنشان و راهکارهای مقابله با آن ها و همچنین با استفاده از قوانبن قابلیت اطمینان , به دنبال روشهایی برای کاهش شکستها , خواهیم بود. در اصل سعی بر آن است که با داده های بدست آمده تاحدامکان از رخ دادن این خرابی ها ممانعت شود. این کار بسیار در صرفه جویی هزینه و وقت مفید می باشد. در این پروژه عوامل ایجاد نویز و تداخل روی مدار الکترونیکی که برای کنترل سیستم قدرت طراحی شده است, بررسی می شود.

آشکار سازی دود یکی از کاربردهای مهم سیستم های ویدئویی است، که می تواند اثر مهمی در بالا بردن امنیت در فضاهای باز داشته باشد. تعداد زیادی سنسور های آشکارسازی دود وجود دارند، ولی بیشتر آنها نمی توانند در فضاهای باز مورد استفاده قرار گیرند. این پایان نامه الگوریتم آشکارسازی دودی ارائه می دهد که از تصاویر دوربین های ccd، برای آشکارسازی دود در صحنه، استفاده می کند. در الگوریتم پیشنهادی ابتدا یک آنالیز حرکت قابل اطمینان با استفاده از الگوریتم تفاضلی برای تشخیص ناحیه های کاندید دود پیشنهاد می شود. الگوریتم تفاضلی بکار رفته از تفاضل مولف? y فریم آخر و فریم مرجع استفاده می کند. در مرحل? دوم الگوریتم، آنالیز انرژی تصویر با استفاده از ضرایب تبدیل ویولت بکار برده شده است. اید? اصلی در آنالیز انرژی آنستکه زمانی که دود صحنه را می پوشاند، کاهش انرژی روی می دهد. چنانچه آنالیز مبتنی بر حرکت و انرژی هر دو وجود یا عدم وجود دود را در یک فریم تأیید کنند، وجود یا عدم وجود دود در آن فریم اعلام قطعی می شود. در صورتیکه یکی از آنالیزهای صورت گرفته وجود دود را تأیید و دیگری آنرا نقض کند، در نواحی محتمل تر وجود دود از آنالیز رنگ استفاده می شود و اعلام نتیجه نهایی وجود یا عدم وجود دود به نتیج? آنالیز رنگ موکول می شود. از ویژگیهای برجسته الگوریتم پیشنهادی آنستکه به دلیل استفاده از سه آنالیز حرکت، انرژی و رنگ در یک فرایند منطقی و توجیه پذیر، ضمن حصول نتایج دقیق هم در اعلام وجود و هم در اعلام عدم وجود دود، هزین? محاسباتی بالایی ندارد و بنابراین قابل استفاده در کاربردهای بلادرنگ می باشد. الگوریتم ارائه شده بر روی تعداد قابل توجهی ویدیوی حاوی دود و بدون دود تست شده است. بخشی از ویدیوهای مورد استفاده از منابع تحقیقاتی بدست آمده است و بخشی نیز در طول تحقیق فیلم برداری شده اند. نتایج تجربی نشان می دهد الگوریتم پیشنهادی بطور متوسط 97/92 اعلام صحیح دود و 24/99اعلام صحیح عدم وجود دود داشته است، که با توجه به عدم پیچیدگی بالای الگوریتم پیشنهادی و در مقایسه با سایر روشهای پیشنهادی، عملکرد موفقی داشته است.

یکی از عوامل مهم در بسیاری از تصادفات، خستگی وکاهش سطح هشیاری راننده است. از این رو در این پروژه روشی مبتنی بر تشخیص باز یا بسته بودن چشم با استفاده از پردازش تصویر پیشنهاد شده است تا با پیاده¬سازی این روش بتوان از وقوع این نوع تصادفات جلوگیری کرد. در این پروژه دو الگوریتم برای تشخیص باز یا بسته بودن چشم پیشنهاد شده است. هریک از این الگوریتم¬ها از سه مرحله تعیین ناحیه چهره، تعیین موقعیت چشم و تشخیص حالت آن تشکیل شده است. دو مرحله اول در دو الگوریتم پیشنهادی یکسان عمل می¬کنند که در این مراحل از روش مبتنی بر ویژگی هار برای تعیین ناحیه¬ی چهره، نگاشت رنگ و روشنایی برای استخراج نواحی کاندیدای چشم و روابط هندسی ساده برای تأیید نهایی ناحیه¬ی چشم استفاده شده است. در الگوریتم اول برای تشخیص حالت چشم ویژگی¬های بافت استخراج شده از هیستوگرام الگوی باینری محلی (lbp) و الگوی باینری محلی میانگین (mlbp) در نواحی چشم، به طبقه¬بندی¬کننده svm اعمال می¬شوند. در نهایت، در صورت عدم تأیید حالت چشم مبتنی بر دو ویژگی lbp و mlbp، ایده میزان نمایان بودن سفیده¬ی چشم برای تصمیم گیری نهایی بکار رفته است. گرچه در این روش از دو طبقه¬بندی¬کننده استفاده می¬شود ولی این الگوریتم از دقت تشخیص بالایی برخوردار است و در مواردی که هدف، بالا بودن دقت تشخیص باشد این الگوریتم پیشنهاد می-شود. قابل ذکر است که الگوریتم پیشنهادی در پایگاه داده موجود هیچ چشم بسته¬ای را به اشتباه باز تشخیص نداده است و این در کاربرد موردنظر که تشخیص خواب¬آلودگی راننده است می¬تواند ارزشمند باشد. در الگوریتم دوم که به منظور کاهش هزینه محاسباتی پیشنهاد شده است، از توصیف کننده ویژگی پیشنهادی به نام الگوی محلی ماکزیمم مشتق عمودی (lmvdp) و طبقه¬بندی¬کننده¬ی svm برای تعیین حالت چشم استفاده می¬شود. این توصیف کننده، اطلاعات مکانی و شدت روشنایی لبه¬های افقی در تصویر چشم را در اختیار طبقه¬بندی-کننده قرار می¬دهد و از این رو برای مشخص و جداسازی چشم باز و بسته مناسب می¬باشد. پایگاه داده مورد استفاده در این پروژه بدلیل در دسترس نبودن پایگاه داده استاندارد، با همکاری دانشجویان دانشگاه تفرش تهیه شده است. دقت تشخیص الگوریتم پیشنهادی اول بر روی 894 تصویر چشم 1/99% و دقت تشخیص الگوریتم پیشنهادی دوم 2/98% می¬باشد که نسبت به الگوریتم¬های مشابه از عملکرد بهتری برخوردار هستند.

در این پایان نامه ما به ارائه یک روش مبتنی بر نمایش تنک برای تشخیص ارقام دست نویس فارسی می پردازیم. در سال های اخیر روش های مبتنی بر نمایش تنک توانسته اند به کارایی قابل توجهی در مسائل بینایی ماشین و پردازش تصویر دست یابند. چالش اصلی در طراحی یک طبقه بند مناسب برای تشخیص ارقام فارسی، مدل کردن زیرفضای داده ها و انجام عمل طبقه بندی بر اساس مدل ارائه شده است. رویکردی که در این پایان نامه برای تشخیص ارقام دست نویس فارسی در نظر گرفته شده است، استفاده از نمایش تنک مبتنی بر معیار فیشر برای تبدیل خطی داده ها به صورتی که داده های یک دسته نزدیک هم و داده های دسته های متفاوت دور از هم قرار گیرند و همچنین اضافه کردن نگاشت محلی خطی به عنوان یک عبارت منظم ساز تا همسایگی محلی داده ها حفظ شود. یکی از مشکلات مشترک تمام روش های طبقه بندی مبتنی بر نمایش تنک بی توجهی به مساله همسایگی محلی داده ها می باشد. به عبارت دقیق تر این روش ها نمایش تنک داده های مربوط به هر کلاس را بدون توجه به این که چه داده هایی در همسایگی محلی چه داده هایی قرار دارند، به دست می آورند.که این باعث کاهش دقت طبقه بندی روی داده های آزمایشی می شود. به منظور حل مشکل همسایگی محلی در طبقه بندهای مبتنی بر نمایش تنک، از مفهوم نگاشت محلی خطی استفاده می کنیم. روش پیشنهادی با استفاده از الگوریتم نگاشت محلی خطی این مشکل را تا حدودی برطرف می کند. در این پایان نامه از مزایای این روش ها برای حل مشکلات مربوط به تشخیص اعداد دست نویس فارسی و افزایش نرخ تشخیص استفاده شده است. علت موفقیت روش های نمایش تنک در مسائل بینایی ماشین این است که بیشتر داده ها دارای ساختاری هستند که می توان آن ها را به خوبی با مجموعه کوچکی از بردار های پایه بازسازی کرد. آزمایش های انجام شده بر روی مجموعه داده هدی که شامل ?? هزار نمونه است نشان می دهد که سیستم پیشنهادی دقت بیشتری در مقایسه با سیستم هایی که قبلا ارائه شده است دارد و توانسته است به دقت98.36 درصد با ?? هزار نمونه آموزشی و ?? هزار داده آزمون دست یابد.

تطابق استریو یکی از مسائل مهم در بینایی ماشین است که تحقیقات گسترده ای در مورد آن انجام گرفته و این تحقیقات همچنان ادامه دارد. هدف اصلی از تطابق استریو بعنوان مهمترین زیر شاخه بینایی استریو، تعیین فاصله اشیاء موجود در صحنه یا بعبارتی بدست آوردن اطلاعات عمق می باشد. کاربردهایی مانند بازرسی های صنعتی، تشخیص موانع توسط ربات و مسیریابی، مراقبت در محیط های امنیتی، مدل کردن سه بعدی اشیاء، آنالیز تصاویر پزشکی، تعامل بین انسان و کامپیوتر و ... به اطلاعات عمق صحنه نیاز دارند. مسائل متعددی در مورد تطابق استریو وجود دارد که باعث شده این مسئله با وجود تحقیقات گسترده هنوز به طور کامل حل نشده باقی بماند. وجود نویز در تصاویر، تفاوت در شدت روشنایی پیکسل به پیکسل در دو تصویر، نواحی بدون بافت، نواحی با بافت تکراری، نواحی مجاور ناپیوستگی های عمق، نواحی انسدادیافته، نواحی دارای شیب و... از مشکلات تطابق استریو محسوب می شوند و دقیقاً به همین دلایل، تعیین صحیح تناظرها تبدیل به مسئله ای پیچیده و بغرنج شده است. در روشهای محلی تطابق استریو که نسبت به روشهای سراسری دارای سرعت اجرای بالاتری هستند از اطلاعات رنگ یا شدت روشنایی پیکسل ها در یک همسایگی (پنجره) استفاده می شود و با جستجوی شبیه ترین پیکسل در تصویر دیگر برای پیکسل موردنظر مقدار جابجایی مکانی آن پیکسل محاسبه می شود. برای افزایش دقت روشهای محلی ایده های متفاوتی پیشنهاد شده است که یکی از روشهای موفق ایده پنجره وزندار است، اما به دلیل پیچیدگی ذاتی مساله تا حالت ایده ال فاصله زیادی وجود دارد. در این پروژه، برای بهبود تخمین نقشه متراکم جابجایی مکانی در مرحله اول ایده آستانه¬ای کردن اوزان روش پنجره وزن¬دار به منظور استفاده موثرتر از پیکسلهای داخل پنجره پیشنهاد شده است. در مرحله بعد به منظور افزایش دقت نقشه در نواحی مجاور ناپیوستگی عمق ضمن حفظ دقت در سایر نواحی ایده سوئیچ کردن بین پنجره¬های یک بعدی و دوبعدی پیشنهاد شده است. برای تغییر پنجره استراتژی موفقی پیشنهاد شده است که می تواند تفکیک خوبی از پیکسلهای نواحی مختلف تصویر ارائه دهد. بررسی نتایج تجربی بر روی تصاویر استریوی استاندارد نشان می دهد با روش پیشنهادی خطای تخمین نقشه متراکم جابجایی مکانی نسبت به روش پنجره وزن دار به طور متوسط 35% کاهش یافته است.

در این پروژه به دنبال یافتن الگوریتمی دقیق و در عین حال سریع برای بازشناسی چهره هستیم که قابلیت استفاده در کاربردهای بلادرنگ را داشته باشد. برای رسیدن به این مهم در مرحله استخراج ویژگیها، از یک الگوریتم پیشرفته که تا کنون در کاربرد بازشناسی چهره به کار نرفته است بهره برده ایم که با پیاده سازی آن، افزایش قابل توجهی در دقت سیستم حاصل می-شود. ایده اصلی این الگوریتم، استخراج الگوهای غالب باینری محلی از مجموعه آموزشی و به کارگیری این الگوها در فرآیند آموزش و تست است. به کارگیری الگوهای غالب، حساسیت به نویز و جزئیات نامرتبط را کمتر کرده و بنابراین انتظار می رود دقت بازشناسی چهره افزایش یابد. در ادامه کار به علت زمانبر بودن الگوریتم به کار رفته، ایده موازی سازی و پیاده سازی آن روی واحد پردازش گرافیکی مطرح می شود.

بخش غیررسمی اقتصاد در دهه اخیر با شدت قابل توجهی رو به گسترش است . با افزایش حجم فعالیت این بخش حسابهای ملی دیگر معیار قابل اعتماد و معتبری برای ارزیابی رشد و توسعه اقتصادی ، میزان رفاه و نیز مقایسه های بین المللی نیست . زیرا حجم قابل توجهی از فعالیتهای اقتصادی که از کشوری به کشور دیگر و از زمانی به زمان دیگر متفاوت است در این حسابها منعکس نمی باشد. مطالعه حاضر بر نقش زنان خانه دار در فعالیتهای اقتصادی کشور تاکید دارد. به طور کلی تولید زنان خانه دار در منزل به عنوان نوعی از تولیدات پنهان جامعه ، در حسابهای ملی نادیده گرفته می شود و در صورتی که ارزش ریالی آن را محاسبه نمائیم سهم قابل توجهی از تولید ناخالص داخلی را به خود اختصاص خواهد داد . روش کار بر پایه اطلاعات موجود و سرشماری ها و نیز اطلاعات طرح درآمد و هزینه خانوار بوده است و هر کجا که امکان دسترسی به اطلاعات میسر نبوده با استفاده از روشهای علمی برآورد لازم صورت گرفته است . در مرحله بعد روشهای مختلف محاسبه ارزش خدمات خانگی بدون دستمزد معرفی و محاسن و معایب هر یک بیان گردیده است . همچنین در این راستا رهنمودهای سیستم حسابهای ملی ‏‎sna‎‏ سال 1993 میلادی در بخش خانوار و بخش تولید و تلقی این سیستم از فعالیتهای تولیدی اقتصادی بیان شده است . در آخر براساس روشهای معرفی شده ارزش و حجم خدمات خانگی بدون دستمزد در ایران محاسبه و نتیجه گیری گردیده است .