پردازش سیگنال پیشرفته
سال:1398 | دوره:3 | شماره:1 (پیاپی 3) |تعداد مقالات:10

در این مقاله، از بیان تنک سیگنال EEG به منظور طبقه بندی مراحل خواب استفاده شده است. در این راستا دو روند کلی تنک سازی پیشنهاد شده و تاثیر آن ها بر روند تشخیص مراحل چهارگانه خواب بررسی شده است. روش پیشنهادی اول مبتنی بر به کارگیری روش تحلیل مولفه اصلی تنک (SPCA) برای حالت های به کارگیری ویژگی های مختلف، از جمله زمانی، فرکانسی و زمان-فرکانسی و اعمال به کلاس بندی ماشین بردار پشتیبان (SVM) است. روش پیشنهادی دوم بر اساس به کارگیری طبقه بندی کننده مبتنی بر بیان تنک (SRC) است که از الگوریتم پیگیر تطبیق متعامد (OMP) در مرحله ایجاد دیکشنری و بیان تنک بهره می برد. به منظور ارزیابی کارایی الگوریتم های پیشنهادی، عملکرد آن ها با الگوریتم های موجود مشابه مقایسه شده است و بدین منظور از داده های ثبت شده در پایگاه داده بین المللی PhysioNet استفاده شده است. مقایسه نتایج روش های پیشنهادی نشان دهنده بالاتر بودن دقت میانگین روش پیشنهادی اول نسبت به روش PCA و روش یادگیری عمیق به ترتیب %8. 36 و %8. 26 است. همچنین سرعت اجرای روش پیشنهادی دوم نسبت به دو روش مذکور %118 و %72 بالاتر است.

دیابت، نوعی بیماری شایع در جهان است. اولین عضوی که معمولاً دچار آسیب می شود؛ چشم می باشد. رتینوپاتی دیابتی، به معنی آسیب به شبکیه است که شامل تغییرات عروق خونی شبکیه است و می تواند به خونریزی، نشت مایع و یا تحریف دید منجر شود. جداسازی رگ های خونی از اولویت های تشخیص بیماری های شبکیه است. عکس برداری از شبکیه نیازمند استفاده از سیستم نوری پیچیده ای به نام دوربین فونداس یا عمقی است. دوربین عمقی، یک دوربین دیجیتال معمولی است که به منظور تهیه تصاویر از شبکیه مورد استفاده قرار می گیرد، برخلاف دستگاه های ته چشم بین، این دستگاه ها امکان ذخیره داده ها را نیز فراهم می کنند. در این مقاله، روشی برای استخراج رگ های خونی از تصویر شبکیه مبتنی بر ساختارشناسی (مورفولوژی) ارائه شده است. رگ ها بخشی هستند که باید قبل از تشخیص ضایعه های رتینوپاتی دیابتی از تصویر حذف شوند. در ابتدا برای بهبود کیفیت از عملگرهای مورفولوژی بر روی تصویر شبکیه رنگی استفاده می شود. سپس، با روش های مورفولوژی، دیسک نوری از تصویر حذف می گردد. سپس، رگ های خونی تصویر شبکیه با استفاده از دو الگوریتم مجزا استخراج می شوند. با ترکیب این دو الگوریتم، رگ های خونی با جزئیات بیشتری استخراج می گردند. در نهایت با استفاده از فیلتر میانه، نویز احتمالی حذف می شود و رگ های خونی با دقت بیشتری استخراج می شوند. الگوریتم پیشنهادی این مقاله بر روی تصاویر پایگاه داده Drive مورد ارزیابی قرار گرفته و نتایج مناسبی حاصل شده است. مقادیر متوسط اختصاصیت، حساسیت و صحت روش ارائه شده به ترتیب 0. 98، 0. 751 و 0. 960 می باشد.

صرع یک ناهنجاری عصبی است که به دلیل طبیعت نامعلوم و ناگهانی آن باعث ناراحتی و رنج جدی در بیمار می شود. در این مطالعه یک روش جدید برای پیش بینی صرع از طریق آنالیز تغییرات ضربان قلب (HRV) پیشنهاد می شود. از آنجایی که افزایش فعالیت عصبی نورون ها در دوره preictal بیماری صرع بر روی سیستم عصبی ارادی تاثیر می گذارد و سیستم عصبی ارادی نیز بر روی ضربان قلب تاثیر می گذارد می توان نتیجه گرفت که تشنج از طریق مانیتور کردن HRV قابل پیش بینی است. در روش پیشنهادی 12 ویژگی از سیگنال HRV در حوزه های زمان، فرکانس، زمان-فرکانس و غیر خطی برای پیش بینی تشنج صرعی استخراج شده است. برای تشخیص ناهنجاری از الگوریتم کنترل فرآیند آماری چند متغیره (MSPC) استفاده شده است. الگوریتم ارائه شده بر روی پایگاه داده بومی متشکل از 17 بیمار ارزیابی شده است و نتایج به دست آمده نشان می دهد که روش پیشنهادی قادر است با دقت % 88. 2 حملات صرع را پیش بینی کند. از نظر عملی با توجه به سهولت اخذ سیگنال HRV، الگوریتم پیشنهادی نسبت به الگوریتم هایی که با استفاده از پردازش سیگنال های مغزی (EEG) به پیش بینی صرع می پردازند، امیدوارکننده تر است.

در حدود یک درصد از مردم دنیا از صرع رنج می برند. اولین مرحله از درمان صرع، تشخیص به موقع و صحیح آن است. یکی از راه های تشخیص صرع، تجزیه و تحلیل دقیق سیگنال الکتروانسفالوگرافی (EEG) است. ویژگی های مختلفی جهت تشخیص این بیماری از روی سیگنال مانند دامنه سیگنال وجود دارد. در این مقاله، با بررسی اطلاعات زمان-فرکانسی سیگنال EEG در افراد مبتلا به سندرم صرع بدون تشنج و افراد سالم، روش جدیدی برای تشخیص صرع ارائه شده است. در ابتدا ویژگی طیف کلی موجک (GWS) برای سیگنال EEG افراد سالم و افراد مبتلا به سندرم صرع استخراج شده است. برای بررسی این طیف در باندهای فرکانسی، سیگنال EEG با استفاده از تبدیل موجک به 5 زیرباند تجزیه می گردد. سپس با اعمال این ویژگی به طبقه بند مبتنی بر ماشین بردار پشتیبان به تشخیص صرع پرداخته شده است. نتایج تجزیه و تحلیل، تفاوت قابل ملاحظه ای، جهت تفکیک کردن فرد بر اساس سیگنال EEG فراهم می کند. روش پیشنهادی در مقایسه با روش های قبلی، سیگنال های سالم و صرعی را با دقت 100% طبقه بندی کرده است. همچنین، مشاهده شد که مقادیر غالب GWS برای سیگنال های انتخاب شده از بیماران مبتلا به سندرم صرعی در باند فرکانسی دلتا و تتا یافت می شوند.

یکی از مشکلات اساسی شبکه های بی سیم کمبود انرژی لازم به خصوص در شبکه های مشارکتی مبتنی بر رله است که در آن رله ها نقش اساسی در انتقال اطلاعات دارند اما انرژی محدودی وجود دارد. برای غلبه بر این مشکل، اکتساب انرژی از سیگنال های رادیویی موردتوجه قرارگرفته است. با این کار گره های واسط توانایی کسب انرژی از سیگنال های رادیویی مبدأ را دارند و با این انرژی حاصل شده می توانند اطلاعات را به سمت مقصد هدایت کنند. بنابراین گره های واسط که همان رله ها هستند، بایستی دو کار مهم اکتساب انرژی از سیگنال های رادیویی و انتقال اطلاعات از مبدأ به مقصد را انجام دهند. دو راهبرد مهم برای این هدف وجود دارد که پروتکل رله تقسیم زمانی و پروتکل رله تقسیم توانی نامیده می شوند. این دو پروتکل می توانند در سیستم های حساس به تأخیر و غیرحساس به تأخیر بکار گرفته شوند. کارهای قبلی انجام گرفته در این زمینه یک رله را به عنوان واسط استفاده کرده اند و یا از یک آنتن برای اکتساب انرژی استفاده شده است. اما در این بررسی برای بهبود گذردهی اطلاعات و احتمال قطع از چندین رله واسط با چندین آنتن در هر رله استفاده شده است. هم چنین جایابی مناسب رله ها بر اساس فاصله از مبدأ یا مقصد و نوع چینش آن ها و تأثیر این جایابی بر نرخ گذردهی اطلاعات مورد بررسی قرار می گیرد. با توجه به نتایج شبیه سازی، هنگام استفاده از چندین رله و چندین آنتن در هر رله، قابلیت اکتساب انرژی سیستم بیشتر شده و کارایی سیستم به طور قابل ملاحظه ای افزایش می یابد.

در این مقاله یک حمله جدید بر روی تصاویر نشانه گذاری شده معرفی شده است که قادر است نشانه جاسازی شده توسط روش های نشانه گذاری مبتنی بر کوانتیزه کردن و مدولاسیون لرزش را تخریب کند. این حمله از سه مرحله کلی تشکیل شده است که دو مرحله اول آن سعی در قطعه بندی و یافتن قطعه هایی از تصویر دارد که شباهت بیشتری به یک دیگر دارند و مرحله آخر سعی در ازبین بردن نشانه با استفاده از جابه جایی قطعات متشابه پیداشده دارد. یکی از ایده های اصلی روش پیشنهادی، الگوریتم یافتن زوج قطعه های مشابه از تصویر است که ممکن است در فاصله دور و نامشخص ازهم باشند. با توجه به اینکه در حمله معرفی شده، دانستن دقیق الگوریتم های نشانه گذاری و استخراج استفاده شده مطرح نیست، می توان این روش را یک روش کور نامید. نتایج بدست آمده از پیاده سازی این روش و مقایسه انجام شده با سایر حملات عمد و غیرعمد نشان می دهد که روش پیشنهادی نشانه را به حد قابل قبولی از بین می برد و کیفیت تجاری تصویر را حفظ می کند. مقدار معیار NC بدست آمده برای این روش کمتر از 0. 4 و مقدار معیار PSNR بین تصویر نشانه گذاری شده و تصویر موردحمله قرارگرفته حدود 39 دسی بل می باشد.

بخش بندی تصاویر MR مغز یک مساله مهم در محاسبات پردازش تصاویر پزشکی است. در این تصاویر، بخش بندی به وسیله یک عامل درونی به نام ناهمگنی شدت دچار خطا می گردد که این ناهمگنی به دلیل وجود هم پوشانی در بین شدت بافت های مغزی است و اغلب باعث کلاس بندی نادرست بافت های مغزی می گردد. در این مقاله دو روش پیشنهادی جهت بخش بندی و اصلاح بایاس این تصاویر مطرح می شود که از طریق دو الگوریتم تنظیم سطح (LSM) و بهینه سازی مؤلفه های ذاتی ضرب شونده (MICO) پیاده سازی می گردند. روش های مطرح شده در این مقاله عبارت اند از: اصلاح بایاس تصاویر MR مغز انسان توسط یکی از دو الگوریتم فوق و بخش بندی آن توسط الگوریتم دیگر و بالعکس. هدف، بررسی کارایی روال تصحیح بایاس و بخش بندی هر الگوریتم به صورت جدا و ارزیابی کمی و کیفی نتایج حاصله و انتخاب الگوریتم مناسب جهت به دست آوردن نواحی سه گانه بافت های مغزی (WM، GM و CSF) است. تحلیل های کمی و کیفی بر روی نتایج، دقت بالای 90 درصدی را برای ناحیه حاوی CSF با استفاده از الگوریتم MICO و همچنین به همین میزان برای نواحی WM و GM توسط الگوریتم LSM را نشان داد. با استفاده از این نتایج می توان الگوریتم بهینه جهت اصلاح بایاس و بخش بندی هر ناحیه را انتخاب کرد.

امروزه طراحی و به کارگیری رادارهای با فرکانس تکرار پالس بالا به دلیل مزایایی که در ارسال توان متوسط بالا و مقابله با کلاترهای گسترده و جمینگ دارند، بسیار مرسوم است. اما همواره طراحی و پیاده سازی دیجیتالی پردازشگرهایی که بتوانند پارامترهای سیستمی و ازجمله محدوده دینامیکی بالای سیگنال ورودی این گونه رادارها را پوشش دهند، با چالش هایی همراه بوده است. در این مقاله روشی برای طراحی دیجیتالی و تعیین معماری سخت افزاری پردازشگر سیگنال رادار با فرکانس تکرار بالای نوعی ارائه می گردد. این روش مبتنی بر استفاده از نرم افزار ارائه شده توسط شرکت Xilinx به نام مولد سیستم Xilinx یا XSG هست که امکان آزمون، طراحی و توسعه ساده تر پردازشگرهای دیجیتال مبتنی بر تراشه FPGA را در محیط simulink نرم افزار MATLAB فراهم آورده است. نتایج شبیه سازی سخت افزاری و مقایسه خروجی های بلوک های پردازشی با خروجی بلوک های پردازشگر آنالوگ رادار موجود و مقایسه با ساختارهای آنالوگ-دیجیتال ترکیبی مرسوم برای این گونه رادارها، نشان دهنده افزایش محدوده دینامیکی ورودی پردازنده رادار به حداقل dB 70، کاهش ابعاد و وزن آن به حدود یک پنجم و انعطاف پذیری مناسب این پردازشگر برای یک رادار با فرکانس تکرار بالا است.

سیگنال های الکترومایوگرام (EMG) ابزار مفیدی در ارزیابی رفتار ماهیچه بوده و کاربردهای کلینیکی بسیاری دارند. امروزه تمایل زیادی به انتقال و ذخیره طولانی مدت این سیگنال ها وجود دارد. این مطلب اهمیت ذخیره سازی مؤثر این سیگنال ها را نشان می دهد. در این مقاله یک روش فشرده سازی سیگنال های الکترومایوگرام مبتنی بر تقریب به کمک تجزیه حالت تجربی (EMD)، هموارسازی به کمک تبدیل DCT، دوبعدی سازی، تبدیل موجک و کدگذاری SPIHT پیشنهاد شده است. نقش روش EMD، تقریب و هموارسازی نسبی سیگنال و نیز فراهم آوردن قابلیت کنترل کیفیت سیگنال فشرده شده است. تبدیل DCT نیز به منظور هموارسازی سیگنال EMG و افزایش کارایی فشرده سازی استفاده شده است. سیگنال هموارشده، پس از دوبعدی سازی، به کمک تبدیل موجک و کدگذاری SPIHT فشرده می شود. روش پیشنهادی به کمک برخی معیارهای قدرت فشرده سازی (PRD و CF) و معیارهای قدرت حفظ اطلاعات کلینیکی (شامل چهار پارامتر طیفی) ارزیابی شده است.

در این پژوهش، طراحی و پیاده سازی سنتز کننده گفتار به زبان فارسی با استفاده از نرم افزار Flite ارائه شده است. بدین طریق که ابتدا توسط پایگاه داده جملات فارسی فارس دات، میانگین و انحراف معیار فرکانس گام و بزرگترین فرکانس گام هر واج واک دار را به دست می آوریم. سپس تغییرات هر واج عبارت موردنظر را از طریق محاسبه مقدار ارزش آن با توجه به فرمول ارائه شده پیشنهادی، در نرم افزار وارد می کنیم. ویژگی این سنتز کننده، تبدیل متن به گفتار با لهجه و تلفظ فارسی می باشد. در انتهای این مقاله، نتایج حاصل از اجرای الگوریتم پیشنهادی با منحنی فرکانس های گام به دست آمده توسط پایگاه داده جملات فارسی فارس دات، مقایسه شده است. همچنین، در این پژوهش چند نمونه از جملات زبان فارسی مربوط به پایگاه داده جملات فارسی فارس دات، با استفاده از روش پیشنهادی بر روی نرم افزار Flite، مورد سنتز قرارگرفته است. آزمون های شنیداری، برای میزان قابل فهم بودن، طبیعی بودن و خوشایند بودن جملات مذکور انجام شده است که نتایج آن ها برای جملات آموزش به ترتیب 4. 4، 4. 2 و 4. 6 می باشد. همچنین برای جملات مجموعه آزمون، به ترتیب برابر 4. 2، 4. 1 و 4. 3 می باشد.