فهرست مطالب
نشریه مهندسی برق و مهندسی کامپیوتر ایران
سال هشتم شماره 4 (پیاپی 24، زمستان 1389)
- 76 صفحه،
- تاریخ انتشار: 1389/12/20
- تعداد عناوین: 9
-
-
صفحه 223در تصدیق هویت گوینده، سیستم هویت شخصی را که با سیستم تماس برقرار کرده است، بررسی کرده و تعیین می کند که وی همان شخص مدعی است و یا دروغ می گوید. در این مقاله از برنامه نویسی ژنتیک به عنوان روشی برای مدل سازی گویندگان استفاده شد. با توجه به زمان زیاد آموزش مدل ها توسط برنامه نویسی ژنتیک، ایده بهره مندی از فشرده سازی داده های آموزشی، به منظور کاهش زمان آموزش مدل ها مطرح گردید و بدین ترتیب زمان لازم برای مدل سازی گویندگان با استفاده از برنامه نویسی ژنتیک در حدود 20 برابر کاهش داده شد. آموزش چندین درخت برنامه نویسی ژنتیک به عنوان مدل هر گوینده، ایده دیگری است که به منظور بهبود دقت تصدیق هویت گوینده در این مقاله مطرح شده است. در این روش، داده های آموزشی به تعداد کمی خوشه تفکیک شده و به ازای هر خوشه، یک درخت برنامه نویسی ژنتیک آموزش داده می شود. بدین ترتیب یک گوینده با چندین درخت برنامه نویسی ژنتیک مدل می شود. با استفاده از روش پیشنهادی، کارایی برنامه نویسی ژنتیک برای تصدیق هویت گوینده از 50% به حدود 92% افزایش پیدا کرده است. نتایج حاصل از عملکرد برنامه نویسی ژنتیک با کارایی روش های تمایزی دیگری مثل شبکه های عصبی MLP و LVQ و نیز روش های غیر تمایزی مانند LBG، GMM، GMM-UBM و VQ-MAP مقایسه گردید و مشاهده شد که برنامه نویسی ژنتیک کارایی بهتری را نسبت به دیگر روش ها نتیجه می دهد.
کلیدواژگان: بازشناسی گوینده، تصدیق هویت گوینده، برنامه نویسی ژنتیک، خوشه بندی، ویژگی MFCC، ویژگی PLP -
صفحه 236در این مقاله سامانه ای کارآمد و دقیق برای توصیف خرابی ها در انواع بافت بر اساس تبدیل پیچک ارائه شده است. ایده اصلی، در نظر گرفتن خرابی های بافت به صورت ناپیوستگی های یک بعدی در سیگنال (تابع) دوبعدی تصویر است. بر اساس این ایده، مناسب ترین ابزار جهت توصیف خرابی ها، تبدیل جهتی پیچک است. ابتدا در مرحله آموزش، نمونه هایی از بلوک های بافت سالم و معیوب جمع آوری شده و بر روی هر بلوک، تبدیل پیچک اعمال می شود. سپس برای هر بلوک یک بردار ویژگی بر اساس زیرباندهای حاصل از تبدیل پیچک تشکیل می شود. در یک فرایند پیشنهادی بردار ویژگی برجسته برای بافت مورد نظر تعیین می شود. پس از آن سطوح آستانه مناسب برای تشخیص بلوک های خراب بافت، تنظیم می شود. در مرحله آزمایش، از هر بلوک بافت بردار ویژگی برجسته مربوط به آن استخراج شده و بافت مذکور با توجه به سطوح آستانه طبقه بندی می شود. نتایج شبیه سازی ها نشان می دهد که سامانه پیشنهادی نسبت به روشی که مبتنی بر جابه جایی میانگین است، دقت بیشتری در آشکارسازی بافت های معیوب داشته و در فرآیند تشخیص خرابی، نسبت به نوع بافت حساسیت کمتری از خود نشان می دهد.
کلیدواژگان: تشخیص خرابی بافت، تبدیل پیچک، بردار ویژگی -
صفحه 247طراحی ساختارهای مخابراتی پهن باند که از سیگنال های آشوبی برای ارسال اطلاعات استفاده می کنند، به یکی از زمینه های پرکاربرد در زمینه مخابرات طیف گسترده بدل گردیده است. در این میان، محدوده وسیعی از مطالعات به طراحی رشته های شبه نویز آشوبی به عنوان جایگزین برای کدهای گسترش متداول در سیستم های DS-CDMA متمرکز گردیده که با وجود برخی مزایای قابل توجه چون غیر متناوب بودن، امکان پیاده سازی آنالوگ و نیز امکان توسعه آسان برای تعداد کاربران زیاد، هنوز با مشکلاتی چون خطای نسبتا بالا در کانال های با سیگنال به نویز کم و یا کانال های دارای تداخل چندمسیره دست به گریبان هستند. در این مقاله با هدف بهبود عملکرد سیستم های طیف گسترده آشوبی، از دو ایده بهینه سازی فرآیند تولید کد و کاهش تداخل بین کاربری استفاده شده که بدین منظور ابتدا روشی مبتنی بر الگوریتم ژنتیک، برای تولید مولدهای آشوبی بهینه در فرستنده پیشنهاد می گردد و در ادامه طرحی متکی بر تبدیل SVD برای تشخیص چندکاربره و کاهش وفقی اثر تداخل کاربران، در گیرنده پیاده سازی خواهد شد. نتایج شبیه سازی برای شرایط مختلف کانال و تعداد کاربران متفاوت، نشان از بهبود قابل توجه عملکرد سیستم طیف گسترده آشوبی معرفی شده در حضور نویز کانال و اعوجاج چندمسیره، نسبت به ساختارهای آشوبی اولیه و نیز سیستم های طیف گسترده معمول که از رشته های حداکثر طول استفاده می کنند، دارد.
کلیدواژگان: مخابرات پهن باند، مولد آشوبی، SVD، DS، CDMA، تشخیص چند کاربره، کانال چند مسیره، الگوریتم ژنتیک -
صفحه 257تصاویر سطوح فولادی، عمدتا تصاویری بافتی بوده که استخراج ویژگی در آنها با روش های گوناگون تحلیل بافت انجام می گیرد. در گروهی از این روش ها که از آنالیزهای چندفرکانسی و جهت دار سود می برند، استفاده از فیلترهای گابور به عنوان ابزار تحلیل معمول است. در این مقاله با به کارگیری بانکی بهینه شده از فیلترهای گابور، به استخراج ویژگی جهت بخش بندی تصاویر سطوح فولادی معیوب پرداخته می شود. این بانک فیلترها به گونه ای طراحی شده که می تواند ویژگی های بافتی تصویر ورودی را به شکل مطلوب، در جهات و فرکانس های مختلف نمایان کند. سپس به منظور بخش بندی تصویر سطح فولادی، روشی نوین به نام ترکیب گابوری ارائه گردیده که در این روش با ارائه دو الگوریتم مختلف از تصاویر جزئی به دست آمده از تصویر معیوب، تنها تعداد مشخصی با یکدیگر ترکیب می گردند تا نقشه ویژگی حاصل به شکل موثری در برگیرنده عیوب تصویر باشد. روش دوم ترکیب گابوری توانست با محاسبه پراکندگی داده های موجود در تصاویر جزئی و مقایسه آنها با یکدیگر، بدون نیاز به تعیین تعداد تصاویر جزئی جهت ترکیب و نیز وجود تصویر یا تصاویر نرمال، به انجام بخش بندی بپردازد. از دیگر نتایج تحقیق، بهینه سازی بخش بندی با استفاده از کلاسه بند K-means بوده که با نرمال سازی و اضافه کردن ویژگی سطح خاکستری به ویژگی های استخراج شده هر پیکسل، منجر به افزایش دقت کلاسه بندی شده است. نتایج به دست آمده هم از نظر بصری و هم از لحاظ آماری نشان دهنده آن است که روش ترکیب گابوری در مقایسه با کلاسه بندK-means از دقت بالاتری برخوردار می باشد. مقایسه انجام شده بین روش های پیشنهادی ترکیب گابوری و روش ویولت استاندارد نیز بر برتری نسبی ترکیب گابوری دلالت دارد. همچنین روش دوم ترکیب گابوری در مقایسه با روش اول، به واسطه انتخاب بهتر تصاویر جزئی جهت ترکیب و در نتیجه تشکیل نقشه ویژگی مناسب تر، بهترین عملکرد را از خود نشان داده است.
کلیدواژگان: بخش بندی بافت، ترکیب گابوری، تشخیص عیوب، خوشه بندی فیلترهای گابور، کلاسه بند K، means -
صفحه 267تاکنون شیوه های مختلفی برای طبقه بندی داده ارائه شده است اما در این میان شبکه های عصبی مخاطبان بیشتری را به خود جذب کرده اند. مهم ترین مسئله در این نوع از طبقه بندی کننده ها انتخاب روشی مناسب برای آموزش شبکه های عصبی است. متداول ترین روش آموزشی شبکه های عصبی روش پس انتشار خطا است که همگرایی کند و توقف در نقاط بهینه محلی از مهم ترین نقاط ضعف آن محسوب می شود. رویکرد جدید محققین استفاده از الگوریتم های ابتکاری در فرایند آموزش شبکه های عصبی است. در این مقاله پیشنهاد استفاده از روش آموزشی نوینی به نام الگوریتم جستجوی گرانشی (GSA) در آموزش شبکه های عصبی به منظور طبقه بندی داده ها ارائه می شود. روش GSA آخرین و جدیدترین نسخه از انواع روش های بهینه سازی هوش جمعی است که با الهام از مفاهیم جرم و نیروی جاذبه و با شبیه سازی قوانین مرتبط با آن ارائه شده است. در این مقاله با استفاده از روش GSA یک شبکه عصبی MLP جهت طبقه بندی پنج مجموعه داده مرجع آموزش داده می شود. همچنین کارایی روش پیشنهادی در آموزش و آزمایش شبکه عصبی با دو روش آموزشی پس انتشار خطا و بهینه سازی گروه ذرات مقایسه می شود. نتایج نهایی نشان می دهند در اکثر موارد روش GSA قابلیت چشمگیری در طبقه بندی صحیح داده ها دارد. به علاوه در آزمایشات انجام گرفته ویژگی منحصر به فردی از روش GSA پدیدار شد و آن پایداری نسبتا عالی در طبقه بندی صحیح داده ها در تمام موارد بود. از نقطه نظر معیار زمانی نیز روش GSA نسبت به روش PSO در زمان کمتری به پاسخ مناسب دست می یابد.
کلیدواژگان: الگوریتم های ابتکاری، الگوریتم جستجوی گرانشی، شبکه عصبی MLP، طبقه بندی داده -
صفحه 275در این مقاله کنترل مقاوم یک سیستم فوق آشوب جدید با در نظر گرفتن عدم قطعیت، اغتشاش خارجی و ورودی های کنترلی غیر خطی مورد بررسی قرار خواهد گرفت. اهداف کنترلی سیستم فوق آشوب، شامل پایدارسازی دینامیک این سیستم در حضور ورودی های کنترلی غیر خطی، عدم قطعیت و همچنین تضعیف اغتشاش وارد بر سیستم فوق آشوب می باشد. برای تضعیف اغتشاش وارد بر سیستم فوق آشوب، معیار عملکردی تعریف در این مقاله کنترل مقاوم یک سیستم فوق آشوب جدید با در نظر گرفتن عدم قطعیت، اغتشاش خارجی و ورودی های کنترلی غیر خطی مورد بررسی قرار خواهد گرفت. اهداف کنترلی سیستم فوق آشوب، شامل پایدارسازی دینامیک این سیستم در حضور ورودی های کنترلی غیر خطی، عدم قطعیت و همچنین تضعیف اغتشاش وارد بر سیستم فوق آشوب می باشد. برای تضعیف اغتشاش وارد بر سیستم فوق آشوب، معیار عملکردی تعریف گردیده است که روش ارائه شده باید این معیار را برآورده سازد. برای برآورده ساختن اهداف تعیین شده، روش کنترل مد لغزشی با تعریف سه سطح سوئیچینگ انتگرالی - تناسبی جداگانه، مورد استفاده قرار می گیرد و پایداری روش کنترلی ارائه شده با استفاده از تئوری لیاپانوف به اثبات می رسد. نتایج شبیه سازی کامپیوتری نشان می دهند که کنترل کننده های طراحی شده، کارایی بالایی در برآورده ساختن اهداف کنترلی تعیین شده دارند.
کلیدواژگان: بردار سطوح لغزشی، سیستم فوق آشوب، شرط رسیدن، کنترل مد لغزشی، ورودی کنترلی غیر خطی -
صفحه 284این مقاله به معرفی یکی از کاربردهای جدید تراشه های الکترونیکی در عرصه علوم زیستی می پردازد. جای دادن یک آزمایشگاه بیولوژیکی بر روی یک تراشه کوچک، موضوعی است که در سال های اخیر امیدهای بسیاری را جهت تشخیص بیماری ها به کمک دستگاه های الکترونیکی قابل حمل به وجود آورده است. ما نیز در این مقاله به شرح تکنیک های ساخت سیستمی می پردازیم که ضمن فراهم آوردن محیطی در ابعاد کمتر از یک صدم میلی متر مکعب جهت رشد باکتری ها، قادر است برآوردی از رشد باکتری را نیز به صورت تابعی از زمان ارائه نماید. این سیستم از دو بخش الکترونیکی و میکروفلوئیدیکی تشکیل شده است. بخش الکترونیکی این سیستم را یک حسگر خازنی تشکیل می دهد که تغییرات خازنی ناشی از رشد باکتری را به سیگنالی الکتریکی تبدیل می کند و بخش میکروفلوئیدیکی آن را یک کانال به قطری در حدود یکصد میکرومتر تشکیل می دهد که در بالای سطح تراشه حسگر ساخته می شود. این مقاله ضمن ارائه نتایج ساخت سیستم طراحی شده، منحنی های رشد باکتری «E.Coli» با غلظت های اولیه 10^6 و 10^7 در یک میلی لیتر از ماده نگهدارنده را به نمایش می گذارد.
کلیدواژگان: آزمایشگاه بیولوژیکی بر روی تراشه الکترونیکی، حسگر خازنی، کانال میکروفلوئیدیکی و نمایش رشد باکتری -
معرفی کتابصفحه 290
-
تقدیر و تشکرصفحه 291
-
Page 223In speaker verification, a system investigates a person's identity and decides whether the person is a true client or an imposter. In this paper, genetic programming (GP) is used as a method for speaker modeling. When GP is used for construction of models for speakers, due to long training time to train GP models, training data compression is proposed in this paper. This idea reduced training time for 20 times. Training of several GP trees as a speaker's model is another idea presented in this paper to improve the speaker verification performance. In this method, training data are separated to a few clusters. Then a GP tree is trained for each cluster. Therefore, a speaker is modeled by several genetic programming trees. The verification performance increased from 50% to about 92% using the proposed method. Genetic programming performance was compared to some other discriminative methods such as Multi-Layer Perceptron neural network and Learning Vector quantization, and generative methods such as K-Means, GMM and LBG, GMM-UBM and VQ-MAP. Experiments show that Genetic programming is more effective than the other methods.
-
Page 236This article, an efficient system for texture defect detection based on curvelet transform is presented. The main idea is to model the defects in the texture image as one-dimensional discontinuities. Based on this idea, the curvelet transform is the most efficient method for describing defects. First, in the learning phase, training samples of intact and defected blocks of the texture image are collected and transformed to the curvelet domain. Next, for each block a feature vector based on curvelet sub-bands is extracted and using a proposed method some important and effective features are determined for the desired texture. Then, a proper threshold for detecting defected from intact blocks is determined. In the performance phase, a vector containing the important features from each block of the texture is extracted and then the block by is classified. The results of simulation show that the proposed system is superior to the mean shift method in detecting defected texture blocks, and is less sensitive to the type of texture.
-
Page 247In recent years, chaotic signals have created a new area in the designation of wideband communication systems. Most of the activity has focused on DS-CDMA systems, in which the conventional pseudo-noise sequences will be replaced by binary chaotic sequences. Unfortunately, despite the advantages of chaotic systems such as aperiodicity, low cost generation and noise-like spectrum, the performance of most of such designs is not still suitable for multiuser wireless channels. In this paper, we propose a novel method based on singular value decomposition for adaptive multiuser detection in chaos-based DS-CDMA systems. We also propose a new genetic algorithm-based method for the optimal generation of chaotic sequences in such systems. Simulation results show that our proposed nonlinear receiver with optimized chaotic sequences outperforms the conventional DS-CDMA systems with “maximal length” codes as well as non-optimized chaos-based DS-CDMA systems in all channel condition, particularly for under-loaded CDMA condition, which the number of active users is less than processing gain.
-
Page 257The images of steel surfaces are generally textural images. There are different texture analysis methods to extract features from these images. In those methods using multi-scale/multi-directional analysis, Gabor filters are used for feature extraction. In this paper, we extract texture features using the optimum Gabor filter bank. This filter bank is designed in a way that diverse filtering frequency and orientation will allow it to extract considerable amounts of texture information from the input images. We also introduce a new method called Gabor composition for segmentation and defect detection of steel surfaces. In this method, using two different algorithms, the input image is decomposed into detail images using an appropriate Gabor filter bank and then selected detail images are re composed. The created feature map illustrates the defective areas well. By calculating data distribution of detail images and comparing them, the second method of Gabor composition can accomplish segmentation without needing the normal images and the number of detail images to re-compose. Furthermore, we did different tests towards optimizing of segmentation by means of classifiers. Using a K-means classifier and adding gray levels to the extracted features, complete the segmentation procedure. The experimental results show that the Gabor composition method in most of the tests has got better defect detection performance than the ordinary K-means classifier and the standard wavelet method; also the Second method of Gabor composition has got the best performance over all.
-
Page 267Nowadays, several techniques have presented for data classification. One of these techniques is neural network that has attracted many interests. In this classifier, selection a suitable learning method is very important for training of the network. Error back propagation is the most usual training method of neural networks that late convergence and stopping in local optimum points are its weakness. New approach in neural networks training is the usage of heuristic algorithms. This paper suggests a new learning method namely gravitational search algorithm (GSA) in training of neural network for data classification.GSA method is the latest and the most novel version of swarm intelligence optimization methods. This algorithm is inspired fby the law of Newtonian gravity and mass concept in nature. In this paper, a MLP neural network is trained for classification of five benchmark data set by GSA method. Also, the proposed method efficiency in training and testing of neural network compared with those of two training methods error back propagation and particle swarm optimization. Final results showed the GSA method extraordinary performance for data correct classification in most of cases. Also, in these experiments the GSA method produced stable results in all of cases. In addition, the run time of GSA method is shorter than that of the PSO.
-
Page 275In this paper, robust controllers for a new hyperchaotic system are investigated in the presence of uncertainty, disturbance and nonlinear control inputs. The controllers are designed by considering two major goals: first to stabilize the hyperchaotic system in the presence of uncertainties, disturbance and nonlinear control inputs; and second, to guarantee the prescribed disturbance attenuation, considering the defined performance index for it. Sliding mode control by defining three proportional integral switching surfaces is used to reach mentioned goals. Numerical simulations are used to exhibit the feasibility and performance of the proposed method.
-
Page 284In this paper, a complementary metal–oxide semiconductor (CMOS) based Laboratory-on-Chip platform is presented for bacteria growth monitoring. This platform integrates a 0.18 µm CMOS chip with two microfluidic channels. The proposed CMOS chip manufactured by Taiwan Semiconductor Manufacturing Company (TSMC) features a differential capacitive sensor along with two reference and sensing interdigitized electrodes. Two microfluidic channels are thereafter implemented atop the electrodes through a direct-write assembly technique. These microchannels are filled with pure Luria-Bertani (LB) medium and Escherichia Coli (E. Coli) bacteria suspended in the LB medium, respectively. We demonstrate and discuss the experimental results by using two different bacteria concentrations in the order of 10^6 and 10^7 per 1 mL in the LB medium.
©2000-2024 magiran.com All Rights Reserved.