پردازش علایم و داده ها
سال:1395 | دوره:13 | شماره:4 (پیاپی 30) |تعداد مقالات:10

سامانه های تصویربرداری SAR به عنوان مکملی برای سنجنده های سنجش از دور غیر فعال مطرح می باشند اما از پیچیدگی بالایی در مرحله تشکیل تصویر برخوردارند. به طوریکه تصویر نهایی در این سامانه ها پس از طی سه گام اساسی جمع آوری داده ی خام، تشکیل فضای سیگنالی و تشکیل فضای تصویری بوجود می آید. به علاوه در اطلاعات ثبت شده توسط سامانه های تصویربرداری SAR عوامل مختلف درون سیستمی و برون سیستمی چون رادار، سکو حامل رادار، الگوریتم های پردازشی، ناحیه تصویربرداری و کانال نقش دارند که هرکدام از زیرپارامترهای فراوانی تشکیل شده اند و این موضوع نیز بر پیچیدگی نحوه رفتار SAR می افزاید. لذا با توجه به این پیچیدگی ها ارائه مدل-هایی که نحوه عملکرد سامانه های تصویربرداری SAR را تشریح نماید، بسیار مطلوب است. در این مقاله ابتدا نحوه عملکرد SAR در مرحله تشکیل تصویر و در مد عملکردی Spotlight به صورت تحلیلی مدل سازی می شود. سپس مدل ارائه شده به صورت نرم افزاری پیاده سازی می گردد که این پیاده سازی در برگیرنده هر سه گام اساسی بخش تشکیل تصویر می باشد. به گونه ای که جمع آوری داده ی خام در محیط نرم-افزاری CST و تشکیل فضای سیگنالی و تصویری در محیط نرم افزاری MATLAB انجام می شود. اهمیت این پیاده سازی از آن جهت است که قابلیت های زیادی چون امکان تحلیل اثر پارامترهای مختلف سامانه های تصویربرداریSAR، تفسیر بهتر این نوع از تصاویر، امکان بررسی صحت راهکارهای مطرح شده در جنگ الکترونیک یا پدافند غیرعامل برای مقابله با سامانه های SAR و. . . را بوجود خواهد آورد.

تحقیقات مختلفی برای افزایش دقت مکانی تصاویر با هدف تجزیه پیکسل های مخلوط در سنجش از دور انجام شده است. این روش ها و مشکلات پیش رو در این تحقیق بررسی خواهند شد. در ادامه مبحث جدیدی برای افزایش دقت مکانی تصاویر پیشنهاد خواهد شد. در این روش یک تصویر با دقت مکانی کمتر، از تصویر ورودی استخراج می شود که همانند یک جدول جستجو عمل می کند. با تعریف یک معیار برای شباهت بهینه پیکسل ها در دو تصویر، برای هر پیکسل از تصویر ورودی یک پیکسل مشابه در جدول جستجو می یابیم. نشان خواهیم داد که پیکسل های مشابه در دو تصویر، دارای یک ساختار مشابه از زیرپیکسل های تشکیل دهنده آن پیکسل می باشند. با استفاده از این روش هر پیکسل مخلوط به تعدادی زیرپیکسل که اغلب خالص هستند، تجزیه خواهد شد. شبیه سازی های انجام شده بر روی اطلاعات ساختگی و واقعی نشان دهنده بهبود شاخصهای طبقه بندی توسط روش پیشنهادی و تجزیه بهتر پیکسل های مخلوط، نسبت به روش های قابل مقایسه است.

طبق مطالعات انجام شده، در حدود یک درصد از مردم دنیا از صرع رنج میبرند. اولین مرحله از درمان صرع، تشخیص صحیح آن است. یکی از راه های تشخیص صرع، آنالیز دقیق الکتروانسفالوگرافی(EEG) است. بدین منظور، روش های مختلفی جهت تشخیص خودکار صرع بوسیله تحلیل سیگنال EEG ارائه شده است. در این مقاله با استفاده از یک الگوریتم هوشمند و ابتکاری جدید به نام الگوریتم بهینه سازی صفحات شیبدار(IPO)، به تشخیص و جداسازی سیگنال EEG آغشته به صرع از سیگنال های افراد سالم پرداخته ایم. به دلیل خاصیت غیرخطی و ناایستای سیگنال EEG، از تبدیل ویولت جهت استخراج ویژگی های سیگنال بهره گرفته شده است سپس با استفاده از ویژگی های استخراج شده توسط تبدیل ویولت و اعمال آن به سیستم مبتنی بر الگوریتم IPO به تشخیص صرع پرداخته شده است. با استناد به پژوهش انجام شده، مشخص شد که الگوریتم ابتکاری IPO توانایی بالایی در تشخیص صحیح صرع در سیگنال EEG دارد.

فایل ها مهم ترین منبع ارائه اطلاعات به صورت های مختلف از قبیل متن، صوت، تصویر، صفحات وب و غیره هستند؛ تحلیل و آنالیز فایل ها به منظور شناخت و بررسی ویژگی ها و خصوصیات منحصربه فرد آن ها، یکی از مسائل بسیار مهم در زمینه حریم خصوصی، امنیت اطلاعات، شناسایی نوع فایل ها، تحلیل ساختاری کدها و غیره می باشد. در این مقاله با تحلیل و آنالیز آماری بر روی محتوای باینری فایل ها مبتنی بر مدل n-gram، ویژگی ها و خصوصیات مختلف یک فایل مورد بررسی قرار گرفته است. علاوه بر این به منظور کاهش حجم محاسبات و حافظه مورد نیاز مدل n-gram، از خوشه بندی لغات استفاده شده و محتوای هر فایل در دو حالت کامل و بلوک بندی شده مورد تجزیه و تحلیل قرار گرفته است. در حالت کامل ویژگی هایی همچون آنتروپی، فراوانی، TF-IDF، خود همبستگی و در حالت بلوکی، ویژگی هایی همچون نرخ آنتروپی، بعد فرکتال، فاصله و غیره بررسی شده است. نتایج بررسی ها نشان داده ویژگی های استخراج شده در روش اول به خوبی می توانند خصوصیات منحصر به فرد فایل های jpg، mp3، swf و html را منعکس نمایند. ویژگی های استخراج شده در روش دوم نیز به خوبی می توانند خصوصیات فایل های doc، html و pdf را منعکس نمایند.

تخمین دقیق نواحی کدکننده پروتئین در ژن ها با استفاده از ابزارهای پردازش سیگنال، در سال های اخیر به چالشی در بیوانفورماتیک تبدیل شده است. بسیاری از روش های پردازش سیگنال های ژنومیک بر مبنای خاصیت تناوب 3 بازهای موجود در رشته های DNA متمرکز بوده و سپس تحلیل های طیفی بمنظور یافتن موقعیت مولفه های متناوب بر روی توالی های عددی DNA اعمال می شود. در این مقاله با استفاده از پنجره با طول متغیر و بر مبنای منحنی Z، الگوریتمی بمنظور تعیین نواحی کدکننده پروتئین ارائه می کنیم. منحنی Z، یک منحنی سه بعدی منحصربفرد برای نمایش توالی DNA می باشد که توصیف کاملی از رفتار بیولوژیکی توالی DNA را بدست می دهد. الگوریتم پیشنهادی بدلیل استفاده از پنجره گوسی با طول قابل تنظیم، از رزولوشن و دقت بسیار بالایی در تخمین نواحی ژنی برخوردار بوده و نواحی غیرپروتئینی در آن کاملا حذف می شود. همچنین بمنظور استخراج مولفه تناوب 3 از یک فیلتر میانگذر باند محدود با فرکانس مرکزی 2π /3 استفاده می نماییم. الگوریتم پیشنهادی ابتدا بر روی توالی F56F11. 4 در C. elegans اعمال و نتایج آن با سایر روش های موجود مقایسه شده و سپس آنرا بترتیب برروی ژن های موجود در دو پایگاه داده HMR195 و BG570 اعمال می نماییم.

فرآیند نگاشت نقاط از یک تصویر به نقاط متناظر آن در تصویر دیگر انطباق تصویر نامیده می شود که تبدیلی مکانی است. روش های انطباق تصویر را می توان به لحاظ ماهیت تبدیل انجام گرفته بر روی تصویر به انطباق صلب و ناصلب طبقه بندی کرد. یکی از راهکارهای انطباق تصویر ناصلب، حل مسئله انطباق بعنوان یک مسئله بهینه سازی است. نمونه ای از این روش ها انطباق بوسیله برش گراف می باشد. اساس این روش بر مبنای ایجاد گرافی اختصاصی شده برای تابع انرژی مورد نظر (که باید بهینه شود) است، به نحوی که برش کمینه روی این گراف منجر به کمینه سازی انرژی نیز بشود. با توجه به اهمیت مسئله زمان در کاربردهای کلینیکی و پزشکی، در این تحقیق با ایجاد تغییراتی در روشی که از برش گراف برای انطباق تصویر استفاده می کند روشی پیشنهاد دادیم که در آن زمان انجام فرآیند انطباق به شدت کاهش می یابد. نتایج حاصل از پیاده سازی روش پیشنهادی ما بر روی تصاویر تشدید مغناطیسی مغز نشان می دهد که سرعت اجرای الگوریتم پیشنهادی نسبت به الگوریتم اصلی در قبال اندکی افزایش خطا (افزایش مقدار متوسط معیار SAD از 7/0 به 1) تقریباً سه برابر می شود.

در این مقاله، یک پیش پردازش روی روش های بازیابی اطلاعات، ارائه می شود که برای بازیابی اطلاعات حاصل از متون بازشناسی شده ی گفتاری، مناسب است. این پیش پردازش، به شکل ترکیبی از اصلاح و گسترش پرس و جو می باشد. ورودی های مسئله، اسناد متنی بدست آمده از بازشناسی گفتار و پرس و جو می باشد و هدف، یافتن اسناد مرتبط با کلمه پرس و جو است. مشکل آن است که متن حاصل از بازشناسی گفتار، همواره دارای درصد خطایی در بازشناسی است که ممکن است منجر به این شود که کلماتی که در واقع مرتبط هستند و به علت وقوع خطای بازشناسی دگرگون شده اند مرتبط تشخیص داده نشوند. ایده ی روش ارائه شده، تشخیص خطای بازشناسی در کلمات و در نظر گرفتن کلمات مشابه برای آن دسته از کلماتی است که به عنوان خطا تشخیص داده شده اند. برای تشخیص کلمه ی خطا، پارامتری به عنوان احتمال خطا در کلمه تعریف می شود که بزرگ بودن آن بیانگر امکان بیشتر وقوع خطا در کلمه است. همچنین برای تشخیص کلمات مشابه، ابتدا با استفاده از معیار فاصله لونشتاین، کلمات مشابه اولیه را پیدا می کنیم. سپس احتمال تبدیل این کلمات مشابه به کلمه پرس و جوی اصلی، محاسبه می شود. کلمات مشابه معنایی، از بین کلماتی که احتمال تبدیل بیشتری دارند، بر اساس یک سطح آستانه انتخاب می شوند. اکنون در الگوریتم بازیابی، علاوه بر کلمه اصلی، کلمات مشابه آن نیز در جستجو، مرتبط در نظر گرفته می شوند. نتایج پیاده سازی ها نشان می دهد که الگوریتم ارائه شده، معیار F را به میزان حداکثر 30 % بهبود می بخشد.

حمله کرم چاله یک نوع حمله فعال می باشد که در لایه سوم شبکه از شبکه های اقتضایی رخ می دهد. در این حمله مهاجمین با متقاعد کردن گره فرستنده برای ارسال اطلاعات از یک مسیر جعلی که کوتاه تر و سریع تر از مسیر عادی به نظر می رسد، سعی دارند ارسال بسته ها از تونل ایجاد شده انجام شود تا بتوانند، حملات آنالیز ترافیک، انکار سرویس، رها کردن بسته ها و یا جلورانی انتخابی را انجام دهند. هر پروتکلی که از مقیاس کم ترین تاخیر و کم-ترین تعداد گام برای مسیریابی استفاده کند، در برابر این حمله آسیب پذیر است. در این مقاله یک راه کار جدید برای مقابله با حملات کرم چاله ارائه می-دهیم. در راه حل پیشنهادی هر گره دارای یک وزن است و مجموع وزن ها در شبکه برابر صد خواهد بود. هرگاه گره ای قصد ارسال ترافیک به گره دیگر را داشته باشد، در بسته RREQ حداقل وزن درخواستی برای ایجاد ارتباط را بیان می کند. گره فرستنده با توجه به اهمیت داده هایی که ارسال خواهد کرد مشخص می کند که مجموع وزن گره های شرکت کننده، در فرایند کشف مسیر باید چقدر باشد. روش پیشنهادی را MAODV نامگذاری می کنیم. روش فوق به صورت نرم افزاری بوده و با توجه به این که از تکنیک رمزنگاری استفاده نخواهیم کرد، پیش بینی می کنیم سربار کمتری نسبت به سایر تکنیک ها داشته باشیم، و همچنین به علت عدم استفاده از الگوریتم های سخت، توان گره ها که اتفاقا محدود است، کمتر صرف محاسبات خواهد شد. کارایی الگوریتم پیشنهادی را در محیط ns-2 نشان خواهیم داد.

در این مقاله، به بررسی جایگاه برچسبزنی مقولات دستوری در تجزیه نحوی خودکار جملات فارسی پرداخته خواهد شد. به همین منظور، تاثیر کیفیت برچسبزنی مقولات دستوری و همچنین تاثیرگذاری میزان اطلاعات موجود در مقولات دستوری بر کارایی تجزیه خودکار جملات مورد مطالعه قرار خواهد گرفت. بهمنظور انجام این دو بررسی، سه سناریو برای تجزیه جملات ارائه شده و مقایسه میشود. در سناریو 1، تجزیهگر ابتدا داده ورودی را برچسبزنی کرده و سپس جمله را تجزیه میکند. در سناریو 2، از یک برچسبزن خارج از تجزیهگر و در سناریو 3 از برچسب معیار واژهها برای تجزیه جملات استفاده میشود. در این بررسی، معیارهای ارزیابی متفاوت مورد استفاده قرار میگیرد تا میزان این تاثیرگذاری از ابعاد مختلف نشان داده شود. نتایج حاصل از آزمایشات نشان میدهد که کیفیت و میزان اطلاعات در مقولات دستوری واژه بر کارایی تجزیهگر تاثیر مستقیم دارد. کیفیت بالای برچسب مقولات دستوری سبب کاهش خطای تجزیهگر و افزایش کارایی آن میگردد. همچنین عدم وجود اطلاعات صرفینحوی تاثیر منفی بسزایی بر کارایی تجزیهگر دارد که این تاثیرگذاری در مقایسه با کیفیت برچسب مقولات دستوری بسیار بیشتر است.

مسائل بسیار پیچیده می باشد. از این الگوریتم می توان در تحلیل خوشه بندی داده ها استفاده نمود. علی رغم اینکه AIS قادر است پیکربندی فضای جستجو را به خوبی نمایش دهد اما تعیین خوشه های داده ها به طور مستقیم با استفاده از خروجی آن بسیار مشکل است. بر این اساس در این مقاله الگوریتم دو مرحله ای پیشنهاد شده است. در مرحله اول با استفاده از الگوریتم AIS پیشنهادی، فضای جستجو مورد بررسی قرار گرفته و پیکربندی فضا تعیین می شود و در مرحله دوم با استفاده از روش خوشه بندی سلسله مراتبی، خوشه ها و تعداد آنها مشخص می شود. در انتها الگوریتم پیشنهادی بر روی نمونه واقعی متشکل از داده های زلزله در ایران پیاده سازی و با نتایج الگوریتم مشابه مقایسه شده است. نتایج نشان داد که الگوریتم پیشنهادی توانسته است نقایص موجود در AIS و روش خوشه بندی سلسله مراتبی را پوشش دهد و از طرفی از دقت و سرعت قابل قبولی برخوردار است.