در سالیان اخیر تقاضا برای استفاده از مخابرات بی سیم با ارسال زیاد داده ها از اهمیت ویژه ای برخوردار است‎.‎ مدولاسیون تقسیم فرکانسی متعامد با دسترسی چند کاربره ‎ofdma ‎ روشی است که برای ارسال سیگنالها بر روی کانالهای بیسیم به کار می رود‎.‎ سیستم چند ورودی چند خروجی ‎mimo ‎ با داشتن چند آنتن در دو طرف فرستنده و گیرنده کارایی سیستم را در محیط افزایش میدهد‎.‎ ترکیب سیستم ‎mimo‎ و مدولاسیون ‎ofdma‎ روش بسیار جالبی را برای سیستمهای مخابراتی ارائه کرده است‎.‎ این سیستم به خاطر افزایش نرخ ارسال داده‎،‎ بازدهی طیفی بالا و نیاز نداشتن به توان بالا برای ارسال دادهها از موضوعات مورد مطالعه امروزه است‎.‎ سیستم ‎mimo-ofdma‎ نیاز به همزمانسازی زمان و فرکانس دارد‎.‎ همزمان سازی در زمان به معنای یافتن بهترین زمان شروع در گیرنده و همزمان سازی در فرکانس به منظوریافتن تفاوت فرکانس بین فرستنده و گیرنده انجام می گیرد‎.‎ در این پایاننامه به حل مسئله همزمانسازی سیستمهای مخابراتی ‎mimo-ofdma‎ با روش بیشینهیابی امید ریاضی بهمنظور یافتن پارامترهای مجهول انحراف فرکانس و ضرائب کانال پرداخته و در ادامه دو روش برای تسریع همگرایی ارائه میشود

pca(تحلیل مولفه‏های اصلی)یکی از بزرگترین شاخص‏های جبر‏‏خطی است. pcaیک تبدیل خطی متعامد است که با انتخاب جهت‏هایی با بیشترین واریانس داده‏های دارای حشورا کنار می‏گذارد. عناصر pcaدر داخل یک ماتریس طوری مرتب می‏شوند که با ضرب این ماتریس در ماتریس داده‏ها با چرخش داده‏ها آن‏‏ها را به جهت‏های اصلی می‏برد. روندpca شبیه ahp می‏باشد که در آن به جای ماتریس مقایسات زوجی از ماتریس کوواریانس استفاده می شود .در pcaسعی می‏کنیم ماتریس کوواریانس داده‏ها قطری بشود. pcaداده‏هایی را مورد بررسی قرار می‏دهد که توزیع نرمال دارند. یکی از کاربردهای pca فشرده‏سازی تصویر است. ازآن‏جا که تصاویر حشو(زیادی) دارند بدون تکنیک فشرده‏سازی بسیاری از کارهای روز‏مره مثل فرستادن نمابر با تاخیر واختلال انجام می‏شد. همواره دو نوع آلودگی داده‏ها را تحدید می‏کند(اختلال و حشو). در kpca برای از بین بردن‏بردن نوع خاصی از حشو از kpcaاستفاده می‏کنیم kpca .یک تبدیل غیرخطی برای شکل دادن به خروجی‏هاست. برای فشرده‏سازی تصویرآن‏را به ماتریس‏های nدر n تجزیه و پس ازدسته‏بندی به صورت بردار ذخیره و بررسی می‏کنیم. پایه‏های kpcaروی یک ماتریس از ماتریس‏های جدا شده محاسبه می‏شوند و رتبه تصاویر گرفته شده را محاسبه می‏کنند. به دلیل اینکه در kpcaتغییر پایه وجود دارد برای از بین‏بردن حشو ناشی از این اعمال نیاز به dctداریمdct.یک تبدیل خطی ازتوابع سینوسی است که کاملا مرتبط با تبدیل فوریه گسسته می‏باشد. کار اصلی بررسی و بازسازی داده‏هایی است که در فرایند استفاده از pca و kpcaاز دست می‏‏روند. از آن‏‏جا که در فرایند pca ضرب ماتریس p در ماتریس داده‏ها ایجاد نویز و خطا می‏کند, با استفاده از یک تابع گاوسی می‏توان تاثیر خطا را کاهش داد. pcaو kpcaهر دو مدل‏های خطی هستند وکارایی آن‏ها کم است. kpcaبرای مسائل غیر خطی جواب ظریفی ارائه می‏دهد. در این پایان‏نامه به بررسی دوگان pcaو kpcaبرای حذف و قطع اشفتگی داده‏ها می‏پردازیم . همچنین به بازسازی داده‏های گمشده بوسیله تابع تعریف شده در kpcaمی‏پردازیم و بهترین حدس برای یک نقطه گمشده را ارائه می‏کنیم وبه نواقص و مشکلات به کارگیری pcaاشاره خواهیم کرد.

مدل تپه شنی‎،‎ یک مدل دینامیکی گسسته ساده است که در فیزیک برای مدل کردن پدیده خودسامان ده بحرانی‎،‎ که برای توصیف رفتار سیستم های پیچیده توسط بک‎،‎ تنگ و ویزنفلد ارائه شده است‎،‎ به کار می رود و به طور مستقیم با افرازهای صحیح در ارتباط است‎.‎ این مدل حالت خاصی از بازی ریزش چیپ است که به طور مستقل توسط برنر‎،‎ لواس و شور‎،‎ تعریف شده است‎.‎ در این پایان نامه ضمن بیان دو مدل ذکر شده و ارتباط آن ها‎،‎ چند تعمیم مهم از مدل تپه شنی و برخی از خواص آن ها را بیان می کنیم‎.‎ ثابت می کنیم که ساختار مشبکه به طیف وسیعی از مدل های دینامیکی گسسته‎،‎ خصوصا مدل تپه شنی و بازی ریزش چیپ مرتبط است.

در این پایان نامه قصد داریم روشی را برای به دست آوردن ماکزیمم درستنمایی پارامترها در مدل های انتشار‎،‎ وقتیکه داده ها یک نمون? زمان گسسته از انتگرال فرآیند می باشند‎،‎ ارائه دهیم و این در حالی است که مشاهدات غیرمستقیمی از خود فرآیند موجود می باشد‎.‎ به علاوه فرض بر این است که این داده ها دارای خطاهای اندازه گیری هستند‎. ‎ داده ها می توانند بصورت مشاهدات ناقصی از یک مدل با تابع درستنمایی مستقیم مشاهده شده باشند‎.‎ بنابراین ما یک الگوریتم ماکزیمم سازی امید ریاضی ‎$ (em)$‎ شبیه سازی شده برای بدست آوردن برآورد ماکزیمم درستنمایی پارامترها در مدل انتشار ارائه می دهیم‎.‎ در یک مطالع? شبیه سازی‎ ‎ برای فرآیند ارنشتاین-آلن‎footnote{ornstein-uhlenbeck process(ou)}،‎ این روش خوب کار می کند

در این پایان نامه معادلات انتگرال چند بعدی از نوع اول و دوم را مطالعه می کنیم. اخیرا وزواز روش منظم سازی را برای حل معادلات انتگرال فردهلم یک بعدی پیشنهاد داده است. در اینجا، این روش را برای معادلات انتگرال نوع اول فردهلم خطی و غیرخطی تعمیم می دهیم. در واقع، روش منظم سازی برای معادلات خطی به طور مستقیم به کار می رود. اما معادلات غیرخطی نوع اول را ابتدا با یک تغییر متغیر به معادله خطی تبدیل کرده و روش منظم سازی را به کار می بریم. این روش را با چند معادله از نوع اول توضیح می دهیم. هم چنین روش تبدیل دیفرانسیل را برای حل معادلات انتگرال چند بعدی تعمیم می دهیم. برای این کار، برخی نتایج پایه ای از تبدیلات دیفرانسیلی را بیان کرده، سپس چند قضیه برای تعمیم روش تبدیل دیفرانسیل برای معادلات فردهلم دو بعدی و ولترا چند بعدی، ثابت می کنیم. سرانجام چند مثال برای نشان دادن دقت و کارایی روش تبدیل دیفرانسیل می آوریم.

[. مفهوم تبدیل دیفرانسیل اولین بار توسط ژو (zhou) پیشنهاد شد. روش تبدیل دیفرانسیلی، روشی ساده برای حل معادلات دیفرانسیل و انتگرال در هر دو حالت قطعی و تصادفی با دقت بالاست. مزیت این روش در این است که ضرایب بسط تیلور جواب معادله را با استفاده از یک رابطه ی بازگشتی به دست می دهد لذا می توان تعداد دلخواهی از جملات بسط تیلور را به دست آورد و بدین دلیل یافتن جواب تقریبی با دقت دلخواه امکان پذیر است. در سال های اخیر روش تبدیل دیفرانسیل برای برخی معادلات دیفرانسیل تصادفی نیز تعمیم داده شده است

کنه تارتن خرما،(oligonychus afrasiaticus) از مهم ترین آفات میوه خرما می‏باشد. هدف از انجام این پژوهش ایجاد سیستم تصمیم گیری در مدیریت آفت با استفاده از مدل های آب و هوایی و ژئواستاتیستیکی برای پیش آگاهی و ردیابی کنه تارتن خرما در منطقه ماهشهر بود. داده های شبکه مراقبت در طی سال های 1387 تا سال 1391 به مدت پنج سال مورد استفاده قرار گرفت. جهت برآورد اثر عوامل مورد بررسی در این پژوهش، در خسارت کنه تارتن خرما از هر روستا یک نخلستان به صورت تصادفی انتخاب و نمونه‏برداری از آن انجام ‏گرفت. نتایج نشان داد که خسارت این آفت در هر سال از خرداد ماه آغاز و به تدریج با گرم شدن هوا بر شدت آن افزوده می‏گردد. مدل رگرسیون برازش شده برای پیش آگاهی درسطح یک درصد معنی دار بود. واریوگرافی پراکنش کنه تارتن خرما در منطقه مورد مطالعه بر اساس مدل خطی برازش گردید. میزان اثر قطعه در این مدل معادل 8/11 بوده که نشان دهنده کم بودن خطای برآورد شدت آسیب آفت در فواصل کمتر از فاصله نمونه‏برداری بود. دامنه واریوگرام نیز معادل 2/8 کیلومتر است که در فواصل بیشتر از این حد کم ترین همبستگی بین داده باقی می‏ماند. آستانه مدل معادل 67/0 می‏باشد که نشان دهنده نسبتی از ناحیه مورد مطالعه می‏باشد که با خطای معادل نوگت یا کمتر از آن جمعیت کنه تارتن خرما درآن قابلیت ردیابی دارد. نتایج این پژوهش در واقع گام های اساسی در ایجاد سیستم تصمیم گیری در شبکه مراقبت نخیلات و مدیریت بحران است.

نهان نگاری علمی است که شامل انتقال اطلاعات محرمانه در قالب حاملی مناسب همچون تصویر، ویدیو، فایل صوتی یا دیگر رسانه ها می باشد. امروزه نهان نگاری یکی از مهم ترین و پرکابرد ترین روش ها برای انتقال اطلاعات محرمانه از کانال های ارتباطی غیر امن می باشد. نهان نگاری را باید درکنار مفاهیمی همچون نهان نگاری متن‎(watermarking)‎ و رمزنگاری بررسی کرد. هر سه این مفاهیم تحت شاخه ی امنیت سیستم قرار می گیرند. هدف نهایی نهان نگاری برروی تصاویر را می توان عدم تشخیص پذیری، مقاوم بودن(در مقابل روش های پردازش تصویر و فشرده سازی) و افزایش میزان ظرفیت داده های انتقالی به صورت پنهان عنوان کرد. همین اهداف به نوعی این شاخه از علم را از شاخه های دیگر متمایز می کند.