مهندسی برق و مهندسی کامپیوتر ایران، الف- مهندسی برق
سال:1386 | دوره:5 | شماره:1 |تعداد مقالات:7

در سال های اخیر به منظور کاهش بیشتر نرخ بیت و از آنجا پهنای باند توجه روز افزونی به استفاده از مدل ها و تکنیک های غیر خطی پیش بینی در کدگذاری گفتار شده است. معمولا شبکه های عصبی برای این هدف به کار می روند که منجر به تا 3dB کاهش بیشتر در انرژی سیگنال تحریک می شوند. پیش بینی غیر خطی همچنین می تواند بر پایه بسط سری های ولترا انجام گیرد که در آن برای سادگی معمولا بسط به بخش های نخست و دوم محدود می شود (پیش بینی درجه دو ). مطالعات اولیه نشان دادند که در مقایسه با شبکه های عصبی استفاده از فیلترهای ولترا منجر به یک کاهش بسیار بیشتر در انرژی سیگنال تحریک می شود (6 تا 10dB). با این وجود به دلیل ناپایداری این کاهش نمی تواند منجر به کاهش نرخ بیت یا بهبود نسبت سیگنال به نویز شود. این ناپایداری در دکد کننده به دلیل وجود خطای محاسباتی (برای نمونه ناشی از چندی کردن سیگنال تحریک) و حساسیت بالای محاسبات به این خطا ایجاد می شود.در کار اصیلی که در اینجا ارایه می شود ناپایداری در کدک در هر دو نوع پیش بینی پیشرو و پسرو به ترتیب با استفاده از الگوریتم های کمترین مربع ها (LS) و کمترین میانگین مربع های (LMS) سیگنال خطا بررسی می شود. نشان داده می شود که پایداری در عوض فدا کردن بخش عمده ای از صرفه جویی به دست آمده در انرژی سیگنال تحریک به دست می آید به گونه ای که سطح کاهش نهایی اغلب همانند شبکه های عصبی می باشد. در پیش بینی پیشرو پس از پایدارسازی و با وجود اندکی افزایش در پیچیدگی عملیاتی در 20 تا 45% قالب ها افزودن بخش درجه دو سودمند خواهد بود. بر این اساس الگوریتمی توسعه می یابد که پیش بینی غیر خطی تنها بر روی این قالب ها انجام گیرد. این الگوریتم باعث بهبود تا 4dB در نسبت سیگنال به نویز نهایی می شود. پیش بینی غیر خطی پسرو متوالی با وجودی که از نقطه نظر پیاده سازی بسیار مناسب تر است در مقایسه با پیش بینی خطی کارایی بهتری را نتیجه نمی دهد.

هدف از نگارش این مقاله ارایه یک روش تحلیلی برای بررسی عملکرد فرآیند دیکدینگ تکراری کدهای LDPC هنگام استفاده از الگوریتم انتقال پیام می باشد. پیام های مبادله شده در الگوریتم انتقال پیام را می توان به صورت متغیرهای تصادفی با توزیع گوسی مدل نمود. در این مقاله روش تقریبی جدیدی برای محاسبه پارامترهای آماری این متغیرهای گوسی پیشنهاد شده است. بر مبنای روش پیشنهادی، روابط تحلیلی مناسبی به فرم بسته توسعه یافته اند و به کمک آنها یک مدل تحلیلی برای بررسی فرآیند دیکدینگ تکراری کدهای LDPC پیام ارایه شده است. مدل پیشنهادی ابزار مناسبی برای تحلیل فرآیند دیکدینگ کدهای LDPC است و می توان از آن جهت تعیین پارامتر آستانه نویز، بررسی نحوه انتشار خطا و نیز بررسی همگرایی دیکدینگ تکراری استفاده نمود. مقایسه نتایج حاصل از بکارگیری مدل تحلیلی پیشنهادی با نتایج حاصل از روش های موجود، نشان دهنده آن است که روش پیشنهادی با حجم محاسباتی قابل قبول به دقتی بیش از روش های موجود دست می یابد.

در این مقاله، روش معادله سهموی برای حل مساله انتشار امواج از درون ساختارهای پنجره ای مورد استفاده قرار می گیرد. با استفاده از این روش مساله انتشار امواج از داخل یک مجموعه پنجره برای حالت های مختلف حل می شود و چگونگی تاثیر ابعاد پنجره ها بر پرتو پراش حاصل بررسی می گردد. نتایج حاصل از اعمال روش معادله سهموی برای مساله ذکر شده در حالت های تابش عمودی و مایل امواج صفحه ای یکنواخت و نایکنواخت ارایه شده و با نتایج حاصل از روش FDTD موجود در مراجع در حالت تابش موج صفحه ای یکنواخت مقایسه می شود. با توجه به تشابه زیاد نتایج حاصل از این دو روش، از آنجا که روش معادلات سهموی نسبت به روش FDTD به زمان محاسبات و حافظه کامپیوتر کمتری نیاز دارد، می تواند شیوه مناسبی برای حل چنین مسایلی باشد.

ظرفیت سیستم های مخابرات بی سیم را می توان با به کار بردن چند آنتن در فرستنده و چند آنتن در گیرنده به نحو قابل ملاحظه ای افزایش داد. در چنین سیستم هایی، که سیستم های MIMO نامیده می شوند، گیرنده با اطلاع از کانال به آشکارسازی سیگنال ارسالی می پردازد. در صورتی که اطلاعات کانال در گیرنده همراه با خطا باشد، کارایی آشکارساز کاهش یافته و نرخ خطای بیت افزایش می یابد. با توجه به اینکه در عمل، گیرنده تخمینی از کانال میان فرستنده و گیرنده را در اختیار دارد و نه مقدار دقیق آنرا، مقاله حاضر روشی بهبود یافته برای آشکارساز ML در سیستم های مخابرات بی سیم MIMO، در حالتی که ماتریس کانال در گیرنده همراه با خطا در دسترس است را پیشنهاد می کند. در روش پیشنهادی ما الگوریتم ML به صورت تحلیلی اصلاح شده تا تاثیر خطای تخمین کانال بر روی آشکارسازی به حداقل کاهش یابد. بدین ترتیب در مقاله روشی پیشنهاد شده است که علاوه بر مقاوم بودن در برابر خطای تخمین کانال از نظر نرخ محاسباتی با الگوریتم ML چندان تفاوتی ندارد.

وجود بارهای غیر خطی و عدم تعادل در شبکه سه فاز، باعث ایجاد هارمونیک ها و تلفات در شبکه می شود. اعمال فیلترهای اکتیو و پسیو از جمله روشهای معمول کاهش یا حذف این اثرات می باشد. فیلترهای پسیو در فرکانس خاص طراحی، و هارمونیک معینی را حذف می کند و عیب آن امکان رزنانس آن با امپدانس شبکه معادل متصل به آن، و اندازه بزرگ المان های آن می باشد. استفاده از فیلتر اکتیو مشکلات فوق را بر طرف و علاوه بر حذف هر هارمونیک دلخواه به طور مجزا یا همگی با هم امکان رزنانس با شبکه نیز نخواهد داشت. از مشکلات این فیلترها سرعت پاسخ دینامیکی محدود بوده که در نتیجه هارمونیک ها را در حالت دائم مورد نظر قرار می دهند. در این مقاله اینورتر مورد استفاده در فیلتر اکتیو بر خلاف روشهای قبلی تحلیل تک فاز، به صورت دقیق تر یعنی تحلیل همزمان سه فاز مورد بررسی قرار گرفته است. همچنین اثر اهمی سلفهای مسیر فازها نیز منظور شده است. استفاده از روش کنترل مد لغزشی و فیدبک انرژی خازن ها سرعت پاسخ دینامیکی فیلتر را به طور موثری نسبت به روشهای قبلی بهبود داده و قادر است نامتعادلی بار و هارمونیک را سریعا جبران نماید.

مسیریابی کارا در شبکه تاثیر مهمی در انتقال درست و سریع داده های الکترونیکی و بالا بردن بهره وری شبکه از جمله ایجاد تاخیر کم و گذردهی بالا دارد. در دهه اخیر الگوریتم های مسیریابی جدیدی بر اساس مفاهیم سیستم های چند عامله، پیشنهاد شده اند. یکی از این الگوریتم ها، AntNet است که در مقایسه با روشهای قبلی دارای کارایی بهتری در واکنش نسبت به تغییرات شبکه می باشد. اما الگوریتم AntNet نیز دارای نقطه ضعف هایی مانند همگرایی نسبی دیر هنگام است. در این مقاله سعی شده است این مشکل تا حدی رفع شود. پیشنهاد ما افزودن نوعی مورچه کمکی برای افزایش همکاری بین گره هاست تا زمان رسیدن به همگرایی در شبکه و واکنش نسبت به تغییرات شبکه سریعتر گردد. این روش تعمیمی از روش پیشنهادی قبلی است که مورچه های کمکی در نودهای میانی نیز ایجاد می شوند. به منظور ارزیابی کارایی، الگوریتم در محیط NS2 پیاده سازی شده و آزمایش های متعددی در شبکه های NSFNet و NTTNet انجام گردیده است. تحلیل آماری نتایج این آزمایش ها، نشان می دهد استفاده از روش جدید رسیدن به همگرایی را در اکثر مواقع سریع تر ساخته است. در این آزمایش ها، تاخیر تا 5% و تغییرات تاخیر تا 6% کاهش پیدا کرده است. این در حالی است که حتی با کاهش آهنگ تولید عامل ها، الگوریتم جدید با سربار کمتر نیز، کارایی بهتری نسبت به الگوریتم اصلی دارد.

تصمیم گیری، فرآیند انتخاب بهترین عمل یا گزینه از میان گزینه های موجود می باشد. تصمیم گیری چند معیاره، یکی از شاخه های پر کاربرد علم تصمیم گیری محسوب می شود و روشهای زیادی تاکنون ارایه شده  است. از میان این روشها، روش مجموع ساده وزین، به عنوان روش اصلی و پذیرفته شده، به حساب می آید. در این مقاله روشهایی برای حل مسایل تصمیم گیری بیان شده که کاملا مبتنی بر شبکه های عصبی مصنوعی می باشند. این مقاله کاربرد روشهای رایانش نرم را در حوزه های کلاسیک چون تصمیم گیری نشان می دهد. در این مقاله دو روش، یکی بر اساس شبکه عصبی با ناظر و دیگری بر اساس شبکه عصبی بدون ناظر، ارایه شده است. نتایج حاصل از این دو روش با روش مجموع ساده وزین، مقایسه شده است.