چکیده جداسازی داده های سنجش از دور یکی از مسائل مهم، پیش از بهره برداری از این داده ها در زمینه های مختلف علمی و کاربردی است. با توسعه فن آوری سنجش از دور و ظهور سنجنده های ابرطیفی، زمینه برای ارائه روش های جدید در این زمینه بیش از پیش فراهم شده است و به پشتوانه اطاعات موجود در صد ها باند طیفی امکان تفکیک طیفی پیکسل هایی که بیش از یک ماده در تشکیل طیفی آن نقش دارند مهیا شده است. در سال های اخیر روش های هندسی و آماری زیادی برای جداسازی داده های ابرطیفی در غالب به کارگیری ویژگی های هندسی و آماری ارائه شده، اما یکی از مشکلات این روش ها چگونگی اعمال محدودیت های فیزیکی مسأله در فرآیند جداسازی می باشد. جداسازی کور منابع (bss) یکی از حوزه های جدید در داده کاوی است که به تازدگی در جداسازی داده های سنجش از دور مورد استفاده قرار می گیرد. تحلیل مولفه های مستقل (ica)، معروف ترین روش در این زمینه است که موفقیت های زیادی در جداسازی منابع به صورت کور و تنها با استفاده از فرض استقلال آماری و غیر گوسی بودن کسب کرده است. با این وجود، فرض استقلال آماری در حال مصامحه با یکی از محدودیت های فیزیکی است و این موضوع، به کارگیری این روش در جداسازی داده های سنجش از دور را زیر سوال برده است. دراین پایان نامه از یک روش جدید در حوزه جداسازی کور منابع به نام فاکتور نامنفی ماتریس (nmf) برای جداسازی داده های ابرطیفی استفاده شده است. هدف اصلی در این پژوهش جداسازی طیفی و جداسازی مکانی و اعمال تمام محدودیت های فیزیکی بر اساس مدل ترکیب خطی است. اعمال این محدودیت ها در فرآیند جداسازی امری ضروری است بگونه ای که تعبیر و تفسیر نتایج استخراج شده را دشوار و یا غیر ممکن می کند. همچنین ، علاوه بر محدودیت های فیزیکی، از اطلاعات اضافی در مورد ویژگی داده های ابرطیفی در فرآیند جداسازی بهره برداری شده است. این ویژگی ها عبارتند از تنکی(sparsity) ماتریس فراوانی و همواری (smoothness) ماتریس اعضای انتهایی که از ویژگی های ذاتی داده های سنجش از دور است. اعمال ویژگی های تنکی و همواری به الگوریتم nmf علاوه بر بهبود مشکل مینیمم های محلی به سبب غیر محدب بودن تابع هزینه، تاثیر بسزایی در نتایج استخراج شده از تصویر دارد. این روش بر خلاف برخی از روش های جداسازی داده های سنجش از دور که جداسازی طیفی و استخراج اعضای انتهایی را به صورت مجزا از جداسازی مکانی و تخمین نقشه فراوانی انجام می دهند، به صورت آنی بدست می آورد. در بخش انتهایی این پایان نامه به منظور بررسی کارآمدی الگوریتم پیشنهادی از داده های ابر طیفی مصنوعی و واقعی استفاده شده و نتایج استخراج شده مورد بررسی قرار گرفته است، همچنین نتایج داده های واقعی با الگوریتم vca که بهترین الگوریتم هندسی در استخراج اعضای انتهایی می باشد، بصورت کمی مورد مقایسه و بررسی قرار گرفته است.

سنسورهای سنجش از دور ابرطیفی، با اخذ تصویر در چند صد طول موج مختلف، احتمال تفکیک پذیری مواد موجود در صحنه را نسبت به تصاویر چند طیفی افزایش داده و امکان طبقه بندی تصویر در تعداد کلاس های بیشتر و با دقت بالاتر را فراهم می آورند. بااین وجود، مشکلات ناشی از ابعاد بالای تصاویر ابرطیفی در بعد طیفی، موجب ناکارآمدی روشهای متداول طبقه بندی تصاویر چندطیفی در این تصاویر می شود (نفرین ابعاد). برای حل این مشکلات، پژوهش های فراوانی به ویژه در زمینه روش های استخراج ویژگی و طبقه بندهای مقاوم در مقابل پدیده هیوز صورت گرفته است. عملکرد مطلوب روش های ارائه شده برای طبقه بندی مبتنی بر پیکسل در کنار افزایش دقت مکانی اخذ تصاویر ابرطیفی و توسعه سخت افزاری کامپیوترها موجب حرکت به سمت طبقه بندهای طیفی-مکانی در سال های اخیر گردیده است. این طبقه بندها برخلاف طبقه-بندهای طیفی (مبتنی بر پیکسل) از اطلاعات مکانی نیز در کنار اطلاعات طیفی برای افزایش دقت طبقه بندی استفاده می-کنند. استفاده از اطلاعات مکانی، علاوه بر اینکه مدل واقعی تر و دقیقتری از مسئله طبقه بندی تصاویر ارئه می دهد، امکان تعریف کلاس های جدید (ساختارهای مختلف از مواد یکسان) به ویژه در تصاویر شهری را فراهم می آورد. در پژوهش پیش رو، ابتدا دسته بندی از روش های طبقه بندی طیفی-مکانی تصاویر ابرطیفی ارائه نموده و مروری مختصر بر پیشینه تحقیق در این زمینه خواهیم داشت. در ادامه به طور خاص به روش های ناحیه بندی بانظارت که زیر مجموعه ای از طبقه بندهای طیفی-مکانی هستند می پردازیم و دو روش پیشنهادی خود برای بهبود دقت طبقه بندی را ارائه می نماییم. پیشنهاد اول، اصلاح تابع انرژی مدل mrf با استفاده از ناحیه بندی سلسله مراتبی srm است که خطای ناشی از فرض ساده کننده استقلال شرطی در رابطه بیز را کاهش داده و علاوه بر افزایش دقت طبقه بندی، وابستگی دقت طبقه بندی به پارامتر همبستگی مکانی را نیز کاهش می دهد. پیشنهاد دوم، روشی برای انتخاب خودکار بذر (گام نخست در روش های رشد ناحیه) با کمک فیلتر pde غیرخطی است که نسبت به روش های موجود ساده تر و سریع تر بوده و حساسیت آن نیز نسبت به پارامترهای ورودی کمتر است. مقایسه نتایج نشان می دهد که روش های پیشنهادی ازنظر معیارهای دقت با روش های پیشرفته در این زمینه رقابت کرده و در بسیاری از موارد برتری دارند. کلمات کلیدی: سنجش از دور، ابرطیفی، طبقه بندی، طبقه بند طیفی-مکانی، ناحیه بندی با نظارت

چکیده ندارد.

ناحیه بندی و انجام تحلیل کمی روی تصاویر تشدید مغناطیسی (mr) برای کاربردهای تشخیصی و بهبود کیفیت و کنترل روند درمان، امری لازم و ضروری است . وجود نویز و آرتفکتهای متعدد در تصاویر mr، سبب شده است که ناحیه بندی بدون نظارت این تصاویر کاری دشوار باشد. در این رساله، در راستای توجه به نویز و آرتیفکهای میدان ضربی و جز حجم پنج روش جدید برای ناحیه بندی و تحلیل کمی روی تصاویر mr عرضه شده است . تعداد روشها به دلیل توجه به ترکیبات مختلفی از عوامل مذکور در حالات مختلف می باشد. همه روشهای عرضه شده، بدون نظارت (خودکار) می باشند. موارد کاربرد روشها به دو گروه کلی تشخیصی و درمانی تفکیک شده است . در کاربردهای تشخصیصی، با انجام مقایسه بین توانایی و قابلیت انعطاف روشهای مختلف ، شبکه های عصبی (و به طور مشخص شبکه عصبی هاپفیلد رقابتی) برای ناحیه بندی تصاویر mr مناسبترین ابزار تشخیص داده شده است . در این زمینه سه الگوریتم جدید ارائه شده که عبارتند از mhnn-hcm, ichnn، و mhnn-fcm الگوریتم mhnn-hcm نیز فقط نویز تصویر را در نظر می گیرد ولی الگوریتم mhnn-fcm علاوه بر نویز، اثر جز حجم را نیز ملحوظ می کند. به منظور اطمینان از صحت عملکرد روشهای پیشنهادی، ابتدا این روشها روش تصاویر مصنوعی و فانتوم اجرا شده اند. در خصوص نتایجک روشها روی دادگان واقعی، تحلیل کمی، و نیز تحلیل کیفی توسط رادیولوژیستهای متخصص انجام شده است . برای کاربردهای درمانی نیز الگوریتمی نوین ارائه شده است . این الگوریتم بر مبنای مدل آماری، و سازگار می باشد. الگوریتم سازگار عرضه شده همه عوامل خطاساز مورد نظر در این رساله را در نظر می گیرد. این الگوریتم سازگار، قادر به کاهش نویز، و کاهش اثر میدان ضربی تصاویر چند پارامتری mr می باشد. گذشته از اینها، پیکسلهای واقع در مرز بافتها را نیز به درستی ناحیه بندی می کند و این در اثر ملحوظ نمودن اثر جز حجم است . انجام برخی فرضهای ساده ساز، در جهت تسهیل در اجرا و تسریع در الگوریتمهای سازگار، امکان سنجی شده است . عدم تساوی احتمال پیشین بافتها، و عدم تساوی واریانس بافتهای هر کانال، و واریانس بافتها در کانالهای مختلف ، از مزایای کم نظیر روش سازگار عرضه شده می باشد. همچنین با توجه به میانگین - متغییر واریانس - متغییر بودن توزیعهای پایه بکار گرفته شده در مدل آماری، توانایی رسیدن به منحنی پیچیده تابع چگالی احتمال تصاویر mr، امکان پذیر شده است . نویز تصاویر mr دارای توزیع رایس می باشد و تا کنون برای برآورد توام پارامترهای این توزیع با روش ml عرضه شده است . با توجه به اهمیت موضوع تعیین خودکار تعداد بافتها در روشهای بدون نظارت برای ناحیه بندی تصاویر چند پارامتری mr، مقایسه ای بین معیارهای mmdl, mdl, alc, mmcbv, mcbv و wdc انجام شده و این نتیجه حاصل شده است که معیار wdc برای این مقصود کاراتر است . تعمیم معیار mcbv برای تصاویر چند پارامتری mr، تعیین پارامترهای آزاد معیار wdc، و انجام مقایسه بین معیارهای شش گانه ذکر شده، نوآوریهای این رساله در بحث اعتبارسنجی خوشه برای تصاویر چند پارامتری mr می باشند.

در سالهای اخیر حجم اطلاعات رقومی به دست آمده از سنجنده های دورسنجی افزایش یافته است . هر سنجنده، دارای ویژگی مخصوص به خود است . مثلا اطلاعات طیفی سنجنده ای tm بالا ولی اطلاعات مکانی آن کم است ، و برعکس ، اطلاعات مکانی سنجنده ی spot بیش تر از tm، در حالی که اطلاعات طیفی آن کم تر است . برای استفاده ی بهینه از اطلاعات سنجنده ها، از روش های ترکیب تصاویر استفاده می شود. در این تحقیق، یک روش تبدیل موجک برای ترکیب تصاویر spot pan و landsat tm به کار گرفته شده است . هدف این تحقیق، ترکیب قدرت تفکیک طیفی بالای tm و قدرت تفکیک مکانی بالای pan است . در روش موجک با استفاده از یک روند هرمی، تصاویر باندهای tm و pan به مولفه های موجک تجزیه می شوند: مولفه ای اول که به آن تصویر تقریب گفته می شود، حاوی اطلاعات مکانی پایین (طیفی بالا) بوده، و مولفه ی دوم که به آن تصاویر جزیی می گویند، حاوی اطلاعات مکانی بالا (طیفی پایین) است . در مرحله ی بعد تصاویر تقریب tm و تصاویر جزیی pan با هم دیگر ادغام شده، و تصاویر ترکیبی به دست می آید. برای مقایسه ی نتایج، از سه روش تبدیل شدت ، اشباع، فام (ihs) و تحلیل مولفه های اصلی (pca) و تبدیل brovey نیز استفاده شده و نتایج از نظر کیفیت اطلاعات مکانی و طیفی با روش مقایسه ی چشمی و ضرایب همبستگی مقایسه شده اند. نتایج حاصل از ادغام فوق، اطلاعات طیفی را از سنجنده ی با دقت طیفی بالا، و اطلاعات مکانی خود را از سنجنده ی با دقت مکانی بالاتر به دست می آورد. نتایج نشان می دهد که، روش تبدیل موجک به صورت هم زمان اطلاعات طیفی-مکانی تصاویر اولیه را حفظ کرده، و نتایج بهتری از روش های دیگر می دهد.

در تحقیق حاصر، دقت هندسی دو بعدی انواع مختلف تصاویر ماهواره ای مورد ارزیابی قرار گرفته است . این بررسی شامل مقایسه ای بین انواع مختلف مدلهای ریاضی دو بعدی بمنظور تصحیح هندسی تصاویر ماهواره ای با آرایش خطی می باشد. این مدلها ریاضی عبارتند از: تبدیل چند جمله ای، تبدیل پروژکتیو دو بعدی و تبدیل مولتی کوادریک . سه تصویر ماهوره ای از مناطق مختلف ایران مورد ارزیابی قرار گرفت ، که عبارتند از: تصویر irs-1c منطقه مشهد، تصویر spot-1a منطقه ورزنه (اصفهان) و قسمتی از تصویر ib-spot شهر تهران. نقاط کنترل زمینی از نقشه های رقومی 1:25000، توسط سازمان نقشه برداری کشور تهیه شده،استخراج گردیده است . از میان روشهای تبدیل چند جمله ای، پروژکتیو دو بعدی و مولتی کوادریک روش آخر (مولتی کوادریک) بهترین جواب را داد. دقت مسطحاتی تصاویر spot برای تولید نقشه های 1:50000 مطلوبست . همچنین تصاویر irs-1c توانایی تولید نقشهای مسطحاتی 1:25000 را دارند.

در روشهای مرسوم طبقه بندی تصاویر ماهواره ای فقط از اطلاعات طیفی استفاده میشود. با توجه به بالا رفتن توان تفکیک این تصاویر، استفاده از اطلاعات طیفی و اطلاعات مکانی برای طبقه بندی ضرورت می یابد. در این تحقیق از اطلاعات مکانی استفاده شده است . از میان روشهای مختلف استخراج بافت از روشهای آماری مبتنی بر هیستوگرام مرتبه اول، هیستوگرام مرتبه دوم و تغییرنما استفاده بعمل آمده که هر کدام از این روشها خود به روشهای متعددی تقسیم می گردد. برای بدست آوردن باند حاوی اطلاعات بافت ، تمام این روشها با استفاده از باندهای نختلف و پنجره های مختلف در تصویر spot مورد تحقیق اعمال شدند. سپس با استفاده از ترکیب اطلاعات بافت و اطلاعات طیفی و با روش حداکثر احتمال تعداد 171 طبقه بندی انجام گردید. از نتایج طبقه بندی اولیه در روی داده های طیفی نیز به عنوان داده های کنترل استفاده شده است . نتایج حاصله نشان می دهد که ادغام اطلاعات مکانی و اطلاعات طیفی، بطور قابل توجه ای می تواند به دقت طبقه بندی بیافزاید. در این میان اندازه پنجره و باند مورد استفاده برای استخراج اطلاعات بافت اهمیت دارند.

یکی از معضلات هوشبری نداشتن معیار جامع و مناسبی از سطح هوشیاری است . به طوری که تنظیم دقیق عمق بیهوشی میسر نبوده و به همین دلیل مشکلاتی نظیر آگاهی و ادراک از اعمال جراحی و عوارض ناشی از دوز اضافی وجود دارد. هدف از این تحقیق ارائه روشی کمی برای تعیین سطوح مختلف هوشیاری است . eeg مستقیما از مغز منشا می گیرد و نشان دهنده فعالیت لحظه ای سیستم اعصاب مرکزی است ، لذا به عنوان بهترین مشخصه برای تحقق هدف مطرح است . سیستم ارائه شده دارای سه بخش اصلی پیش پردازش ، استخراج ویژگی و طبقه بندی سیگنال eeg می باشد. در این تحقیق با ارائه الگوی مناسبی از پیش پردازش ، تاثیر آن بر مدل سازی ar سیگنال eeg تحلیل شده است و نشان داده شده که اجرای مناسب این بخش باعث بهبود کیفی و کمی در نتایج خواهد شد و علاوه بر افزایش دقت ، به علت کاهش حجم داده ها و محاسبات ، سرعت عملیات را نیز افزایش می دهد. به منظور طراحی ویژگی ها از مدل ar استفاده شده است . در این راستا تخمین رتبه بهینه برای این مدل و استخراج ویژگی ها صورت گرفته است . ارزیابی شهودی ویژگی ها حاکی از تغییرات هم آهنگ آنها با عوامل موثر بر سطح هوشیاری یعنی داروی هوشبر و تحریک دردناک می باشد. ارزیابی کمی ویژگی ها مبتنی بر قابلیت تفکیک حالات هوشیاری است . به این منظور از دو روش تحلیل پراش چند منظوره و تحلیل تفکیکی استفاده شده است . همچنین ویژگی های برتر به روش تحلیل تفکیکی قدم به قدم برگزیده شده اند. نتایج بدست آمده، حاکی از توانایی بسیار خوب الگوریتم ارائه شده است ، به طوری که در پیشگویی پاسخ حرکتی به تحریک دردناک تفکیک کامل 100 درصد حاصل شده است و در تفکیک کلیه حالات هوشیاری دقتی بیش از 92 درصد بدست آمده است . مجموعه داده های مبنا متناظر با سطوح مختلف هوشیاری، بر اساس نتایج مرحله قبل و خوشه های شناسایی شده بدست آمدند. با استفاده از این مجموعه خروجی نهایی یعنی کلاس متناظر با سطح هوشیاری تعیین می گردد. بررسی تغییرات زمانی کلاس خروجی بیانگر تبعیت بسیار خوب آن از سطح هوشیاری و عوامل موثر بر آن است . برای پیاده سازی و ارزیابی سیستم ارائه شده لازم است آزمایشات مناسب طراحی و اجرا گردند. در این آزمایشات علاوه بر کنترل شرایط محیطی، با نظظارت بر ورودی ها، خروجی ها و مشخصات سیستم اعصاب ، داده های مناسب تهیه شده است .

نقشه های کاربری و پوششهای زمینی ، در برنامه ریزی کشوری از اهمیت خاصی برخوردار است.

در این پایان نامه طیف های موجود در یک تصویر، براساس معیارهای مختلفی از جمله همبستگی ، به چند دسته کوچک تقسیم شده و اطلاعات هر دسته بعنوان داده های یک منبع جدید در نظر گرفته شدند. منابع حاصله بصورت مجزا مورد بررسی قرار گرفته و براساس الگوریتم های مختلف ، از قبیل حداقل خطا و شبکه عصبی طبقه بندی شدند. تصمیم نهایی براساس تلفیق نتایج طبقه بندی اولیه منابع مختلف ، با استفاده از الگوریتم های مناسب اتخاذ گردید . نهایتا یک روش تلفیق جدید پیشنهاد گردید . این روند روی داده های واقعی اجرا شد و نتایج با استفاده از معیارهای مختلف مانند جدول خطا ، درجه صحت ، در جه اعتبار ، ضریب کاپا و نقشه طبقه بندی مورد تجزیه و تحلیل کمی و کیفی قرار گرفتند . نتایج نشان می دهد که این روند برای طبقه بندی داده های چند منبعی کارا بوده و مشکل محدود بودن تعداد نمونه های آموزشی در داده های ابرطبفی را تا حد قابل توجهی جبران می نماید.

فن آوری سنجش از دور در سالهای اخیر به طور قابل ملاحظه ای توسعه یافته است و وجود انواع مختلفی از سنجنده ها ، امکان دسترسی به داده های تصویری ماهواره ای با تفکیک متوسط و بالا را در کاربردهای دورکاوی فراهم کرده است. با اینحال هنوز در بسیاری از کاربردها، فرآیند انتقال داده ها ذخیره سازی ، طبقه بندی و تحلیل و تفسیر تصاویر ماهواره ای بر مبنای پیکسل صورت می گیرد. گسترش فن آوری سنجش از دور و ابرطیف سنجی سبب افزایش نجومی حجم داده ها گردیده است. حجم بالای داده های تصویری ماهواره ها و محدودیت سرعت خطوط ارتباطی بین ماهواره ها و ایستگاههای زمینی از یکطرف و نیاز به طبقه بندی دقیق داده ها از طرف دیگر ، طراحی الگوریتمی را می طلبد که علاوه بر فشرده سازی بی درنگ و بدون اتلاف داده ها ، مراحل اولیه طبقه بندی آنها را نیز انجام دهد.

اگر چه تصاویر ساختاری همچون ‏‎ct‎‏ و ‏‎mri‎‏، تغییرات فیزیکی و آسیب های سلولی مغز را بخوبی نشان میدهند، اما برای بررسی عملکرد مغز مناسب نمی باشند. سیگنالهای ‏‎eeg‎‏ حاوی اطلاعات غنی و مفیدی در مورد عملکرد مغز می باشند. اما استخراج این اطلاعات پنهان در بطن این سیگنالها، برای پزشک دشوار بوده و در بعضی موارد امکان پذیر نیست. پردازش بیشتر این اطلاعات و تهیه نگاشت فعالیت حیاتی مغز، پزشک را قادر به فهم اطلاعات بصورت بلادرنگ و آسان می نماید و امکان خطا و اشتباه در تفسیر سیگنالهای ‏‎eeg‎‏ کمتر می شود. هدف این پایان نامه، بهینه سازی نمایش تصویری فعالیتهای حیاتی مغز می باشد. بدین منظور ابتدا آرایش مناسبتر الکترودها و سیستم های الکترودگذاری جدیدتر با تعداد الکترود بیشتر معرفی می گردد. لازم است این سیستم ها جایگزین سیستم بین المللی 20-10 شود که در آن تنها از 19 الکترود استفاده می شود و احتمال خطای الیاسینگ بیشتر است. همچنین برای تخمین مقدار پتانسیل در فواصل الکترودها، لازم است از روشهای درونیابی استفاده شود، تا نگاشتهای پیوسته ای حاصل شود. کیفیت و همواری این نگاشتها و همچنین صحت آنها مستلزم انتخاب یک روش درونیابی مناسب است. روشهای متعددی برای درونیابی موجود است که در این پایان نامه به بررسی آنها و بیان مزایا و معایبشان خواهیم پرداخت. با مقایسه کیفیت نگاشتهای بدست آمده بوسیله تعدادی از این روشها، روش (تبدیل فوریه) بعنوان کاملترین و بهترین روش درونیابی؛ همانطور که از نظر تئوری اثبات شده است؛ انتخاب میشود.

در این تحقیق، الگوریتم های آشکارسازی چند کاربره برای گیرنده سیستم ‏‎ds/cdma‎‏ در کانال با محوشدگی مورد بررسی قرار می گیرد. گیرنده های چند کاربره خطی ایده آل، تمام بلوک های اطلاعات دریافتی را پردازش می نمایند. تقریب آشکارسازی خطی چند کاربره ایده آل با طول حافظه بی نهایت به آشکارسازی خطی با طول حافظه محدود مورد مطالعه قرار گرفته و نشان داده شده است که این نوع آشکارسازها با انتخاب طول حافظه مناسب می توانند دارای مقاومت دور-نزدیک باشند. مثالهای عددی بیان می نماید که آشکارسازی با طول حافظه متوسط تقریب بسیار خوبی برای آشکار سازهای ایده آل (حتی در شرایط دور-نزدیک) هستند. آشکار سازی چند کاربره در کانال با محوشدگی چند مسیری نسبتا سریع بررسی شده است. گیرنده بهینه حداکثر درستنمایی و گیرنده های شبه بهینه مورد تجزیه و تحلیل قرار گرفته اند. بر اساس نتایج، در کانال معلوم، گیرنده حذف تداخل موازی دارای عملکرد بهتری نسبت به گیرنده حذف همبستگی است. ولی حساسیت آن نسبت به خطای تخمین کانال بیشتری است. گیرنده های چند کاربره در سیستمهای پویا مورد بررسی قرار گرفته و الگوریتم های پیاده سازی آشکارساز خطی بدست آمده است. الگوریتم های تکراری تندترین فرود، گرادیان مزدوج و گرادیان مزدوج پیش شرطی برای کاهش پیچیدگی ارائه شده است. نتایج شبیه سازیها نشان می دهد که عملکرد اینگونه الگوریتم ها پس از تعداد مناسبی تکرار با عملکرد آشکار ساز خطی ایده آل یکسان خواهد شد. تداخل دسترسی چند گانه کانال به عنوان فرایند گوسی بهبود یافته مدل شده و احتمال خطای بیت بر اساس این مدل محاسبه گشته است. نتایج شبیه سازی نشان می دهد که تقریب گوسی بهبود یافته دارای دقت بیشتری نسبت به تقریب گوسی استاندارد است.

دراین تحقیق سعی برآنست که به کمک تجزیه و تحلیل سیگنال ولتاژ تغذیه بیمارستان توسط توابع موجک اختلالات موجود دراین سیگنالها کشف گردیده و با تعیین میزان کیفیت ولتاژ تغذیه تجهیزات الکتریکی پزشکی، از حوادث ناگوار ناشی ازاین اغتشاشات کاسته و بر میزان قابلیت اطمینان این تجهیزات افزود. ابتدا ناهنجاریهای موجود درخطوط تغذیه و پدیده های سازگاری الکترومغناطیسی مورد بررسی قرار می گیرند. بسیاری از این اختلالات باعث عملکرد نامناسب تجهیزات الکترونیکی شده و کاربران آنها را در معرض آسیبهای ناشی از عبور جریان قرار می دهند. سپس مدل بدن انسان در برابر تاثیرات عبور جریان ، میزان ولتاژ تماس، فرکانس تحریک، مدت زمان عبور جریان بررسی گردیده و براساس این مدل ، پدیده های الکترومغناطیسی مناسب استخراج می شوند. در ادامه روشهای پردازش زمان-فرکانس جهت پردازش سیگنال مطرح شده و سپس کاربرد تبدیل موجک در تحلیل سیگنالهای تغذیه و استخراج پارامترهای موثر بر آشکارسازی کیفیت انرژی خطوط تغذیه بیان می گردد . در انتها نیز سیستمهای طبقه بندی کننده اختلالات الکترومغناطیسی ، کاربرد شبکه های عصبی در شناسایی انواع اغتشاشات ولتاژ تغذیه توسط شبیه سازی نشان داده می شود.