سیگنال vep یک سیگنال سودمند در تشخیص پزشکی است. روش میانگین گیری، شایع ترین روش برای رسیدن به این سیگنال می باشد. این روش دارای اشکالات و محدودیت هایی است که محققین جهت رفع آن ها روش های پردازشی متعددی ارائه کرده اند. در این پایان نامه، سه روش جدید تخمین سیگنال vep با استفاده از ترکیب شبکه عصبی و فیلتر وفقی، پیشنهاد شده است. اساس کار روش های پیشنهادی مبتنی بر یک روش شبکه عصبی rbf است که کیفیت سیگنال پیش پردازش شده با شبکه عصبی بهبود بخشیده می شود. در روش اول، کیفیت سیگنال تخمینی با استفاده از یک فیلتر حذف نویز وفقی در خروجی پیش پردازنده شبکه عصبی بهبود یافته، که آموزش فیلتر توسط الگوریتم lms صورت می گیرد. در روش دوم، بهبود تخمین توسط همان فیلتر اما با الگوریتم آموزشی apa که مناسب سیگنال های رنگی است انجام می پذیرد. روش سوم از یک فیلتر ارتقاء سیگنال وفقی با الگوریتم آموزشی lms، برای بهبود سیگنال تخمینی استفاده می کند. یک حسن این روش ها، استفاده از اطلاعات سیگنالvep مربوط به یک کانال می باشد.(مانند روش میانگین گیری) حسن دیگری که می توان در نظر گرفت سرعت بالای پردازش و بلادرنگ بودن عمل تخمین می باشد. وجود موثرتر اطلاعات مربوط به سیستم magnocellular از محاسن دیگر این روش ها است. نوآوری روش اول و دوم در استفاده از داده های پیش پردازش شده بعنوان ورودی فیلتر حذف نویز می باشد. استفاده از الگوریتم apa نیز نوآوری دیگر روش دوم برای بهبود سرعت همگرایی است. در روش سوم نیز، پیش پردازش هر دو ورودی فیلتر ارتقاء سیگنال، برای بالا بردن همبستگی ورودی ها و در نتیجه بهبود خروجی، نوآوری این روش محسوب می شود. نتیجه پیاده سازی این روش ها روی داده های شبیه سازی شده، ارتقاء کیفیت سیگنال تخمینی را توسط هر سه روش پیشنهادی نسبت به روش در نظر گرفته شده پایه نشان می دهد. همچنین افزایش کیفیت سیگنال تخمینی توسط روش دوم نسبت به روش اول مشخص می شود. و نیز در روش سوم، پارامتر سیگنال به نویز بطور چشمگیری نسبت به دو روش دیگر بهبود داده می شود. روش های پیشنهادی قابلیت تعقیب تغییرات تدریجی و ناگهانی سیگنال زمینه را دارا هستند. در انتها، پیاده سازی این روش ها روی داده های کلینیکی نیز انجام گرفته است که نتایج قابل قبولی حاصل شده است.

امروزه شناسایی عنبیه بعنوان یک روش کارآمد جهت تشخیص هویت مطرح می شود. سیستم های تجاری موجود برای شناسایی عنبیه، نیازمند همکاری کامل فرد مورد بررسی می باشند. ناحیه بندی عنبیه در این فرآیند نقشی کلیدی دارد. در این تحقیق، هدف ناحیه بندی عنبیه در تصاویری است که در اخذ آنها، همکاری فرد با سیستم بسیار کم است. به این منظور یک روش ناحیه بندی بر مبنای استفاده از کانتورلت مطرح می شود. دلیل این انتخاب توانایی بیان جهتی، و عدم محدودیت آن به تشخیص لبه های افقی، عمودی و اریب، می باشد. در این روش، ابتدا بازتاب ها رفع شده و ناحیه بندی اولیه اعمال می شود. سپس ضرایب کانتورلت تصویر استخراج شده و اشتراک آن با ناحیه اولیه در نظر گرفته می شود و قوسهای خارجی عنبیه و مرز پلک پایین توسط آن استخراج می شود. مرز مردمک با استفاده از تابع integro-differential استخراج می شود، برای ساده سازی استفاده از این روش از مولفه hue در تعیین مرکز و شعاع اولیه مردمک استفاده می گردد. مرز پلک بالا را می توان با خطی که دو نقطه ابتدایی قوسهای خارجی را به هم متصل می کند، مدل کرد. این الگوریتم بر روی مجموعه دادگان ubiris.v2 و ubiris.v1 اعمال و نتایج آن بیان شده است. در این روش برخلاف اکثر روشهای پیشین، مرز عنبیه به شکل دایره یا بیضی در نظر گرفته نمی شود. بعلاوه، چون در این روش قوسهای خارجی استخراج می شود و نه دایره خارجی، نقاط تلاقی مرز خارجی با پلک ها مشخص می شود. اینکار آشکارسازی پلک ها را ساده می کند. در ادامه با تکمیل مراحل شناسایی هویت برای هر دو حوزه مجموعه دادگان ubiris.v1، قابلیت الگوریتم ناحیه بندی ارائه شده در کل سیستم مورد بررسی قرار می گیرد. در استخراج ویژگی برای مجموعه دادگان ubiris.v2 روش جدیدی با استفاده از اطلاعات کانتورلت و ادغام آن با اطلاعات دیگر سراسری ومحلی تصویر، ارائه می شود. با استفاده از این روش، سطح زیر منحنی کارکردی سیستم برابر با 823/0 و eer، (equal error rate)، برابر با 23% بدست می آید. با توجه به نتایج، این روش برای سیستم های شناسایی عنبیه بدون همکاری فرد، امید بخش خواهد بود.

در این رساله در راستای طراحی و بهبود عملکرد یک سیستم واسط مغز-رایانه کاربرفرمای دو وضعیتی مبتنی بر دادگان حرکت پا در گام اول با استفاده از روش تجزیه فرکانسی به کمک یک بانک فیلتری متشکل از فیلترهای با ضریب کیفیت ثابت، پدیده ers که پس از انجام حرکت پا در سیگنال eeg ظاهر می شود را آشکارسازی می-کنیم. استفاده از این روش تجزیه فرکانسی با کاهش اثرات غیر ایستانی سیگنال ویژگیهایی با تفکیک پذیری قابل توجهی از بازه های رخداد ارائه می دهد که منجر به بهبود چشمگیری در عملکرد سیستمهای کاربرفرما می شود. در ادامه، با ارائه سیستم پیشنهادی مبتنی بر تعیین خودکار پارامترهای پس پردازش و فعالسازی خودکار بلوک حذف بایاس متناسب با دادگان هر کاربر در مرحله آموزش، سیستم کاربرفرمای برخط را با حداقل نرخ تشخیصهای نادرست مثبت شبیه سازی می کنیم. در بلوک طبقه بندی، با بررسی عملکرد انواع روشهای طبقه بندی نوین احتمالاتی مانند pcvm، dpgmm و طبقه بندی مبتنی بر نمایش تنک سیگنال src و مقایسه عملکرد این روشها با طبقه بندهای پرکاربرد و شناخته شده svm و lda از جنبه های مختلف، برای اولین بار در حوزه سیستمهای کاربرفرما به مقایسه طبقه بند های مختلف می پردازیم و از جنبه های مختلف نقاط ضعف و قوت هر یک را در این کاربرد بررسی می کنیم. در نهایت با در نظر گرفتن سادگی پیاده سازی و سرعت و دقت هر یک از روشها، طبقه بند lda در شرایط برون خط و pcvm با ارائه کمترین نرخ تشخیص مثبت نادرست در هر دو حالت برخط و برون خط بعنوان طبقه بندهای مناسب برای آشکارسازی بازه های رخداد حرکت پا انتخاب می شوند. در گام بعدی این تحقیق سیستم طراحی شده منطبق بر دادگان حرکت پا را بدون هیچگونه تغییری به دادگان تصور حرکت پا اعمال می کنیم. علی رغم آنکه نتایج آشکارسازی بازه های تصورحرکت پا فاصله زیادی با نتایج ارائه شده در آشکارسازی حرکت واقعی دارند اما در مقایسه با مطالعات دیگری که قبلا با استفاده از همین دادگان انجام شده بود بهبود قابل توجهی در شناسایی بازه های تصور حرکت با استفاده از سیستم پیشنهادی این رساله مشاهده می-شود. آخرین گام این رساله در راستای بهبود عملکرد سیستم کاربرفرما مبتنی بر حرکت و تصور حرکت پا، طراحی یک سیستم bci وفقی است که با استفاده از یک روش استخراج ویژگی وفقی بدون سرپرستی، اثرات تغییرات سیگنال eeg در طول یک جلسه و در نهایت افت عملکرد را در برخی کاربران به میزان بسیار قابل توجهی در هر دو حالت دادگان اجرای حرکت واقعی و تصوری بهبود می دهد. هدف دوم در این رساله طراحی سیستم bci مبتنی بر تصور حرکت سنکرون مستقل از کاربر است که برای یک کاربر جدید بدون نیاز به کالیبراسیون سیستم بتواند عملکردی نزدیک به سیستمهای وابسته به کاربر داشته باشد. در این راستا با استفاده از ترکیب دو روش موفق تجزیه فرکانسی با فیلترهای با ضریب کیفیت ثابت و فیلترهای مکانی csp، و ارائه روش پیشنهادی constant-q fbcsp سیستم قابل انتقال بین جلسات مختلف یک کاربر و همچنین قابل انتقال بین کاربران مختلف را با موفقیت قابل توجهی طراحی می کنیم. نتایج اعمال روش فوق روی مجموعه دادگان رقابت bci 2008، نشان می دهدکه روش پیشنهادی ما توانسته با دقتی بیشتر از نتایج موجود روی همین مجموعه دادگان در طراحی سیستم مستقل از کاربر موثر باشد.

چکیده ندارد.

چکیده ندارد.

هدایت یک نانوروبات در محیط سیال مستلزم بررسی مسائل مختلف مهندسی است. این مسائل عبارتند از مکانیزم پیشبرنده مناسب روبات، سنسورها، عملگرها، روش های هدایت و کنترل، مواد سازنده، منابع تأمین انرژی مورد نیاز و ... . با توجه به جدید بودن موضوع نانوروباتیک همچنین ویژگی های خاص این موضوع در ابعاد نانومتر و محیط های عملکرد مانند بدن انسان، شبیه سازی از الزامات تحقیق در این حیطه علمی است. لذا در این تحقیق به بررسی و پیاده سازی تکنیک های شبیه سازی هدایت نانوروبات در یک محیط سیال مانند خون پرداخته شده است.

ارتقاء کیفیت تصاویر التراسوند به کمک روشهای پردازش سیگنال در مرحله ایجاد تصویر یکی از زمینه های مورد توجه در تصویربرداری پزشکی است. هدف از این تحقیق، ارزیابی روش های پردازش سیگنال به کار گرفته شده در سیستم های تصویربرداری التراسوند با ارائه شاخص های کمی و جامع بوده است. در گام اول تحقیق، شاخص های ارزیابی کیفیت تصویر بر اساس مدل خطی مطرح شده برای سیستم پالس-اکوی التراسوند و پاسخ ضربه زمانی- مکانی کلی سیستم(تابع گسترش نقطه)تعریف شدند. نسبت سیگنال اکو به نویز (esnr) برای نمایش حساسیت سیستم و تابع انتقال مدولاسیون(mtf) برای نمایش قدرت تفکیک مکانی و حداکثر دامنه لب های کناری برای مقایسه وضوح مورد استفاده قرار گرفتند. در ادامه این تحقیق، طراحی روش تحریک کد شده/ فشرده سازی پالس در سیستم تصویربرداری التراسوند آرایه ای مطرح شد و تأثیری که استفاده از این روش بر شاخص های ارزیابی کیفیت تصویر داشت، محاسبه گردید. هدف از به کارگیری این روش افزایش نسبت سیگنال به نویز با حفظ قدرت تفکیک محوری و وضوح تصویر است. در این راستا به منظور کاهش لب-های کناری و بهبود قدرت تفکیک محوری، پاسخ ضربه مناسب فیلتر فشرده ساز و پنجره وزن دهی فیلتر انتخاب شد. شبیه سازی این تکنیک و چند روش شکل دهی پرتو به کمک نرم افزار شبیه ساز میدان التراسوند، field ii انجام شد و ارزیابی کارآیی آن ها با مقایسه esnr، mtf، حداکثر دامنه لب های کناری و تصویر تابع گسترش نقطه دو بعدی صورت گرفت. شبیه سازی روش های شکل دهی پرتو ff،drf و smfو به دست آوردن سه شاخص esnr، mtf و تصویر تابع گسترش نقطه دوبعدی نشان داد، استفاده از روش smf به صورت قابل توجهی esnr را در همه عمق ها نسبت به دو روش دیگر بهبود می بخشد و ضمن کاهش قدرت تفکیک محوری سبب افزایش قدرت تفکیک جانبی می گردد. مقایسه نتایج روش فشرده سازی پالس با روش تمرکز ثابت نشان داد، هنگامی که پاسخ ضربه فیلتر منطبق نمونه ای از سیگنال اکو باشد و با پنجره taylor وزن دهی شود، می تواند مقدار پارامتر esnr را بسته به عمق تصویربرداری حدود db20 افزایش دهد که باعث افزایش عمق نفوذ تا حدود mm40 می گردد. همچنین این تکنیک به لحاظ قدرت تفکیک محوری، عملکردی در حد روش های تحریک پالس کوتاه دارد.