آنالیز محتوای ایستان-دوار یا به اختصار csa سابقه ا ی قابل توجه در بخش های مختلف مخابرات همچون تشخیص مدولاسیون دیجیتال، رادیو شناختی، طیف سنجی و غلبه بر پدیده های نامطلوب مخابراتی همچون نویز و محوشوندگی داشته است. با این حال استفاده از محتوای ایستان دوار یک پارادایم جدید در طبقه بندی بافت است و اولین بار در [9] بررسی شد. امیرانی و بهشتی به کمک تخمین گر fam، تابع همبستگی طیفی را جهت استخراج ویژگی های مناسب برای مسئله ی طبقه بندی بافت با موفقیت به کار بردند و با روش های مطرح در این زمینه مقایسه کردند. در این پایان نامه سعی شده است که این دسته ی جدید از تکنیک های تحلیل بافت توسعه داده شده و الگوریتم هائی موثرتر و کاراتر که قابل قیاس با بهترین روش های ارائه شده در این مبحث هستند ارائه گردد . با اینکه از تحلیل بافت تصویر به عنوان چالش اصلی در ارزیابی کارائی این تکنیک ها استفاده شده است اما نتایج به دست آمده محدود به طبقه بندی بافت نبوده و اصولا تخمین گرهای جدید ایستان دوار که در این پایان نامه توسعه داده شده اند خود راهگشای طیف جدیدی از ابزارهای سیکلوایستان (ایستان دوار) می باشند. مهمترین دستآوردهای این رساله را می توان به ترتیب ارائه در موارد زیر خلاصه کرد: الف) بررسی lr{ssca} و عملکرد آن در تخمین تابع چگالی طیفی و کاربرد آن در تحلیل بافت تصویر ب) ارائه ی دسته ای جدید از تخمین گرهای محتوای ایستان دوار که به لحاظ محاسباتی از مزایای متعددی برخوردار بوده و یکی از بهترین تکنیک های استخراج ویژگی از بافت تصویر را نوید می دهند. ج) توسعه ی مفاهیم ایستان دوار برای سیگنال های دو و چندبعدی و استخراج تابع جدید همبستگی طیفی د) ارائه ی الگوریتم های لازم جهت تخمین تابع همبستگی طیفی سیگنال های چندبعدی در این پایان نامه بحث های مقدمه و مروری اجمالی بر مبانی مسئله به ترتیب در فصول ? و ? آورده شده است. و فصل های ?-? دست آوردها و نتایج تحقیقی این پایان نامه را شرح می دهند.