دانستن سرعت واحد سیار یا به طور هم ارز بیشینه شیفت فرکانسی داپلر ( ) در بهبود عملکرد سیستم های مخابرات سیار به ویژه طراحی وفقی نقش بسیار مهمی دارد. تمامی تخمین زن های موجود سرعت، به جز تعداد بسیار اندکی، برای شرایط پراکندگی همسانگرد طراحی شده اند. از آنجا که توزیع پراکندگی در سیستم های کوچک-سلولی غیر همسانگرد است، تحت چنین شرایطی عملکرد این تخمین زن ها خطای زیادی از خود نشان می دهند. در این پایان نامه برای تخمین سرعت، شرایط پراکندگی غیر همسانگرد فرض شده است و در پایان دو تخمین زن جدید برای سیستم های کوچک-سلولی پیشنهاد شده است. مبنای کار این تخمین زن ها استفاده از تحلیل زمان-فرکانس سیگنال دریافتی و استفاده از فرکانس لحظه ای آن است. برای آن که علمکرد تمامی تخمین زن های سرعت پیشنهادی را بررسی کنیم، به داشتن مدل سیگنال دریافتی نیاز داریم. در نتیجه از یک شبیه ساز کانال با پراکندگی غیر همسانگرد استفاده شده است که برای شبیه سازی های این پایان نامه به کار رفته اند. همچنین به عنوان جمع بندی نتایج به دست آمده، مقایسه ای بین دو تخمین زن سرعت به عمل آمده است که نقاط ضعف و قدرت هر کدام از تخمین زن ها در آن بیان شده است. در انتهای این پایان نامه نیز پیشنهادهایی مطرح شده است که می تواند در پیشبرد مسائل مربوط به تخمین سرعت مفید واقع شوند.

در سیستمهای مخابرات سیار بدلیل محدودیت پهنای باند فرکانسی و کانالهای ارتباطی، ناچار به استفاده مجدد از فرکانس هستیم، بنابراین محدوده سرویس دهی را سلول بندی می‍ کنیم. به همین دلیل فرآیند دست به دست شدن یا handover (ho) بسیار مهم است. تاکنون الگوریتمهای بسیاری برای فرآیند ho معرفی شده اند. در تمامی الگوریتمهای معرفی شده برای جلوگیری از دست به دست شدن های غیرضروری، از سیگنال دریافتی متوسط گیری زمانی می شود. بدین صورت که بدون توجه به سرعت دستگاه سیار، در بازه های زمانی ثابتی متوسط گیری انجام می گیرد که باعث افزایش تماسهای از دست رفته در بعضی از سرعتها می شود. متوسط گیری توسط یک پنجره مستطیلی انجام می شود، بدین صورت که تعداد مشخصی از نمونه های گرفته شده از سیگنال دریافتی را با یکدیگر جمع کرده و سپس میانگین گیری می کنیم. در این تحقیق سعی شده است که از پنجره های مکانی برای متوسط گیری از سیگنال دریافتی استفاده شود. در متوسط گیری مکانی، تعداد نمونه هایی که درون یک پنجره متوسط گیری قرار می گیرند، همواره ثابت است و به عبارت دیگر طول پنجره برای سرعتهای مختلف، متفاوت است. در الگوریتم دست به دست شدن ابتدا سرعت دستگاه سیار توسط روشهای موجود تخمین زده شده سپس طول پنجره متوسط گیری بهینه انتخاب می شود. در ادامه از پنجره های دیگری غیر از پنجره مستطیلی برای متوسط گیری استفاده شده و طول پنجره متوسط گیری بهینه برای این پنجره ها را نیز بدست می آوریم، سپس نتایج بدست آمده از پنجره های پیشنهادی را با پنجره مستطیلی مقایسه می کنیم. تمامی مراحل یاد شده با استفاده از شبیه سازی رایانه ای انجام گرفته است و با استفاده از این شبیه سازیها به نتایجی دست پیدا کرده ایم که در بخشهای آتی مورد تحلیل و بررسی قرار می گیرند. از نتایج بدست آمده با استفاده از شبیه سازی چنین به نظر می رسد که پنجره مستطیلی بهترین کارایی را در مقایسه با پنجره های پیشنهادی دارد.

دانستن سرعت واحد سیار یا به طور هم ارز بیشینه شیفت فرکانسی داپلر ( ) در بهبود عملکرد سیستم های مخابرات سیار به ویژه طراحی وفقی نقش بسیار مهمی دارد. تمامی تخمین زن های موجود سرعت، به جز تعداد بسیار اندکی، برای شرایط پراکندگی همسانگرد طراحی شده اند. از آنجا که توزیع پراکندگی در سیستم های کوچک-سلولی غیر همسانگرد است، تحت چنین شرایطی عملکرد این تخمین زن ها خطای زیادی از خود نشان می دهند. در این پایان نامه برای تخمین سرعت، شرایط پراکندگی غیر همسانگرد فرض شده است و در پایان تخمین زن جدید برای سیستم های کوچک-سلولی پیشنهاد شده است. مبنای کار این تخمین زن ها استفاده از چگالی طیفی سیگنال دریافتی و بدست آوردن بیشینه فرکانس داپلر با استفاده از آن است. لازم به توضیح است که عملکرد این تخمین زن از مقدار پارامتر پراکندگی مستقل است. در ادامه پارامتر پراکندگی سیگنال دریافتی را بررسی کرده ایم که حاصل آن در قالب یک تخمین زن ارائه شده است. این تخمین زن نیز مانند تخمین زن سرعت از چگالی طیفی سیگنال دریافتی و بدست آوردن بیشینه فرکانس داپلر استفاده می کند. برای آن که علمکرد تمامی تخمین زن های سرعت پیشنهادی را بررسی کنیم، به داشتن مدل سیگنال دریافتی نیاز داریم. در نتیجه از یک شبیه ساز کانال با پراکندگی غیر همسانگرد استفاده شده است که برای شبیه سازی های این پایان نامه به کار رفته است. در انتهای این پایان نامه نیز پیشنهادهایی مطرح شده است که می تواند در پیشبرد مسائل مربوط به تخمین سرعت مفید واقع شوند.

الگوریتمهای سنتی دست به دست شدن، که عموماً مبتنی بر آستانه و هیسترزیس میباشند، نمیتوانند بطور همزمان هم تعداد متوسط دست به دست شدن و هم تأخیر در دست به دست شدن را کاهش دهند. افزایش تعداد دست به دست شدن باعث افزایش بار سیگنالینگ شبکه و افزایش تأخیر منجر به قطع مکالمات میگردد. در این تحقیق یک الگوریتم دست به دست شدن مبتنی بر شناسایی الگوی جدید ارائه شده است که بر مشکلات فوق غلبه میکند. الگوریتم پیشنهادی مبتنی بر این حقیقت است که در محیطهای میکروسلولی درون شهرها، کاربران معمولاً در مسیرهای از پیش معینی حرکت میکنند و همچنین ساختمانها و دیگر موانع محیطی واقع در مرکز شهرها در کوتاه مدت تغییری نمیکنند، لذا این دو عامل بترتیب منجر به یک ساختار با قاعده و قابلیت تکرارپذیری در نمونه های شدت سیگنال دریافتی میشوند. این دو قابلیت، بکارگیری الگوریتم شناسایی الگو را در فرآیند تصمیم گیری دست به دست شدن میسر میسازند. بمنظور ارزیابی الگوریتم پیشنهادی یک سناریوی میکروسلولی با در نظر گرفتن اثر گوشه در نظر گرفته شد و با استفاده از یک شبیه ساز کانال، سیگنال دریافتی توسط کاربر شبیه سازی گردید. همچنین از شبکه عصبی پرسپترون چند لایه (mlp) و توابع پایه شعاعی (rbf)، شبکه نرو فازی (anfis) و ماشین بردار پشتیبان (svm) بعنوان کلاس بندی کننده در الگوریتم شناسایی الگو استفاده شد. الگوریتم های دست به دست شدن سنتی مختلف نیز شبیه سازی و نتایج آن با الگوریتم پیشنهادی مقایسه شده است. نتایج شبیه سازی نشان میدهد که الگوریتم پیشنهادی تعداد متوسط دست به دست شدن برابر با «یک» و تعداد متوسط مکالمات قطع شده تقریباً برابر با «صفر» را نتیجه می دهد و تأخیر دست به دست شدن در الگوریتم پیشنهادی در مقایسه با تأخیر ناشی از الگوریتمهای سنتی بسیار ناچیز است.

صرع نوعی اختلال در عملکرد مغز است که به صورت ناگهانی،کنترل نشده و نا منظم در یک بخش، یا تمام سیستم عصبی مرکزی رخ میدهد. حملات صرعی به اختلالات شدید و تکرار شونده ی مغزی گفته میشودکه علامت مشخصه ی بیماری صرع می باشد. با تجزیه و تحلیل سیگنال eeg درک بالایی از مکانیزمهایی که موجب اختلالات مغزی میشود بدست میآید. در موارد حاد که بیمار نیاز به جراحی دارد باید کانون صرع در مغز مشخص شود. تشخیص حمله در روش سنتی، برمبنای مقایسه نوار مغزی(eeg) فرد بیمار با یک سری الگو های از پیش تعیین شده، توسط پزشک است. در این روش متخصص باید ساعتها به بررسی نوار مغزی بیمار بپردازدکه بسیار طاقت فرسا است. گاهی تا چند روز ممکن است حمله رخ ندهد. بنابر این نیاز به یک روش اتوماتیک کاملا احساس میشود. پایگاه داده ای که در این پایان نامه استفاده شده، شامل سه دسته سیگنال میباشد که عبارتند از: 1- سیگنال های eeg افراد سالم. 2- سیگنال های eegافراد مبتلا به بیماری در شرایط عادی و به دور از حمله. 3- سیگنال های eeg افراد مبتلا در شرایط حمله هدف اصلی در این پایان نامه، آنالیز سیگنال eeg و استخراج ویژگیهایی است که بتواند سه دسته سیگنال را از هم تفکیک کند. به دلیل غیر ایستا بودن سیگنال eeg پردازش زمان- فرکانس برای نمایش و استخراج ویژگی بسیارکارآمد است، در حالی که سایر روشهای پردازش سیگنال عملکرد ضعیفتری دارند. در این پایان نامه یک روش نو برای تحلیل سیگنال eeg با استفاده از پردازش زمان- فرکانس و طبقه بندی با استفاده از شبکه ی عصبی mlp و svm معرفی شده است. سیگنال eeg با استفاده از توزیع زمان- فرکانس تحلیل شده سپس، چندین ویژگی که میانگین فرکانس لحظه ای، چگونگی توزیع انرژی در صفحه ی زمان- فرکانس و تغییرات انرژی با زمان را نشان میدهد استخراج شده است. این ویژگیها برای آموزش شبکه ی عصبی mlp و svm استفاده میشود. چندین توزیع زمان- فرکانس و اثر پنجرههای زمانی مختلف بررسی شدهاست. روش ارائه شده با استفاده از پایگاه داده ای که در دسترس عموم است ارزیابی شده است و نتایج رضایت بخشی (با دقت کل 100%) بدست آمده است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.