به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « Error Detection » در نشریات گروه « مهندسی دریا »

تکرار جستجوی کلیدواژه «Error Detection» در نشریات گروه «فنی و مهندسی»
  • پوریا خدابنده، شیوا تقی پور عیوضی*

    به دلیل وجود نویز در ارتباطات زیر آب داده ها مستعد خطا می شوند و ارسال چنین بسته هایی منجر به کاهش طول عمر شبکه می-گردد. به منظور رفع این چالش در محیط های نویزدار بکارگیری کدینگ افزونه به منظور تشخیص خطا ضروری است. از طرفی با توجه به قدرت پردازشی کم و توان محدود گره ها، استفاده از کدینگ های سریع با توان مصرفی کم رایج تر است. سیستم اعداد مانده ای افزونه ای نمونه ای از این کدینگ ها می باشد. در این مقاله با بکارگیری قضیه باقیمانده چینی مدار مبدلی به منظور تشخیص خطا برای مجموعه پیمانه {2^n-1, 2^n+1, 2^2n} در این سیستم طراحی شده است. با توجه به فرم پیمانه ها بازه دینامیکی بزرگتر بوده و استفاده از قضیه باقیمانده چینی منجر به طراحی مدار پرسرعت با مصرف سخت افزار کم شده است. مدار پیشنهادی و رویکردهای ارایه شده قبلی به دو روش گیت واحد و پیاده سازی در نرم افزار ISE 13.1 با زبان توصیف سخت افزار بر اساس پارامترهای سرعت و مساحت مصرفی مقایسه شده اند. نتایج حاصل بیانگر بهبود چشمگیر مساحت و پیچیدگی زمانی مدار پیشنهادی در بازه های دینامیکی بزرگ می باشد که این امر منجر به افزایش طول عمر شبکه خواهد شد.

    کلید واژگان: ارتباطات زیر آب, نویز, کدینگ افزونه, تشخیص و تصحیح خطا, سیستم اعداد مانده ای}
    Poorya Khodabandeh, Shiva Taghipoureivazi *

    Because of existing noise in the underwater communications, data are susceptible to error and sending such packets will reduce network lifetime. Applying redundant coding for error detection is necessary in noisy enviroments, to solve this challenge. Also, due to the low processing power and limited energy of the nodes, using fast coding with low power consumption is common. The residue number system is an example of these condings. In this paper, a reverse converter is designed for moduli set {2^n-1, 2^n+1, 2^2n} in this system for error detection. Forms of modulus cause to have a larger dynamic range and using Chinese remainder theorem, leads to have a high-speed with low-area consumption circuit. Both unit gate model and VHDL simulation in ISE 13.1 based on delay and area comsumption are used to compare the proposed circuit and previously presented approaches. The results indicate a significant improvement in the area and time complexity of the proposed circuit in large dynamic ranges, as a result the life of the network will increases.

    Keywords: Underwater communications, Noise, redundant coding, error detection, correction, residue number system}
  • محمد جواد کتابداری*، کیومرث محمودی
    استخراج مشخصات دریا معمولا از طریق بویه های موج نگار انجام می شود. اما ثبت داده توسط موج نگارها معمولا با خطاهایی همراه است. لذا قبل از استخراج هرگونه اطلاعاتی لازم است این خطاها را شناخت و آنها را حذف و یا تصحیح کرد. هدف از این تحقیق، شناسایی خطاهای موجود در برداشت داده-های خام از بویه های موج نگار، با استفاده از روش ضریب داده پرت محلی (LOF) است. LOF روشی قدرتمند جهت شناسایی ناهنجاری داده ها در یادگیری ماشین است، که در بسیاری از کاربردهای عملی از آن استفاده می شود. در این مقاله داده های روزانه بویه موج نگار سازمان بنادر و دریانوردی که در آب های خلیج فارس در منطقه عسلویه استان بوشهر به آب انداخته شده است در بازه 17/2/92 تا 1/5/92 مورد تحلیل خطا به این روش قرار گرفت. نتایج نشان می-دهد LOF روشی کارآمد برای شناسایی خطاهای موجود در داده های موج نگار است.
    کلید واژگان: موج نگار, داده موج, خلیج فارس, شناسایی خطا, روش ضریب داده پرت محلی (LOF)}
    M. Ketabdari *, Kumars Mahmoudi
    Sea states are usually obtained using wave buoys. Wave recording using these wave buoys is usually associated with some errors. So before extracting any information from this data it is necessary to identify and remove or correct them. The aim of this paper is identifying the errors in wave records of buoys using local outlier factor (LOF) method. LOF is a powefull method to identify anomalies in the data in machine learning which is used in many practical applications. In this paper the daily wave data of Asalouye of Boushehr Province in persian Gulf recorded by PMO buoy in the period 17/02/92 to 01/05/92 was analysed for errors using this method. The results show that LOF is an efficient method to detect errors in wave data loggers.
    Keywords: Wave Buoy, Wave Data, Persian Gulf, Error Detection, Local Outlier Factor (LOF)}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال