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

detection

در نشریات گروه برق
تکرار جستجوی کلیدواژه detection در نشریات گروه فنی و مهندسی
  • Samaneh Dehghani, Hossein Ebrahimnezhad *, Nasrin Rahmani
    The development of automated diagnostic tools is essential for efficiently analyzing medical data, especially for conditions like diabetic retinopathy, a leading cause of vision impairment and blindness in adults. The APTOS 2019 blindness detection dataset, with its comprehensive retinal images, is critical for developing these tools. This study leverages the Pyramid Vision Transformer (PVT) to enhance accuracy and efficiency in detecting diabetic retinopathy. Unlike the Vision Transformer (ViT), which incurs high computational costs and yields low-resolution outputs due to its single-scale structure, PVT’s pyramid architecture enables efficient multi-scale feature representation. This allows for effective management of large feature maps and improved resolution, both essential for precise image-based diagnoses. By implementing PVT, our approach demonstrates improved accuracy and resource efficiency, outperforming traditional CNN methods. Extensive experiments demonstrate that PVT significantly improves detection and classification accuracy, making it a valuable tool for clinical applications. The model achieved 92.38% accuracy and an AUC of 99.58%. Future research will focus on optimizing the model and exploring clinical integration.
    Keywords: Diabetic Retinopathy, Pyramidal Vision Transformer, Detection
  • Raheel Jawad*, Rawaa Jawad

    Fire accidents are a disaster that can cause loss of life, property damage and permanent disability to the affected victim. Firefighting is a very important and dangerous job. Firefighters must extinguish the fire quickly and safely to prevent further damage and destruction. Detecting and extinguishing fires is a dangerous task that always puts the lives of firefighters at risk. One of the most effective tools for early fire extinguishing is the firefighting robot. Fire sensing in most industries is absolutely essential to prevent catastrophic losses. Robots with this type of embedded system can save the lives of engineers in industrial sites with hazardous conditions. This project aims to design and implement a solar-powered  with artificial intelligent of mobile fire detection robot to detect fires in disaster-prone areas and thus reduce human work effort and level of destruction. Design a robot capable of moving using a rotary motor, finding a flame using a flame sensor, and extinguishing a fire using a water spray using a pump, all of which is controlled by an Arduino Uno microcontroller and programmed using an artificial intelligence (fuzzy) logic technology) using MATLAB, the inputs It has two variations:: flame and gas with three organic functions, each of which has a gas variable (low, medium, high), flame sensor (small, normal, large), and the output is a pump, (pump off , pump on ) with 9 rules. In addition to the experimental setup of the proposed system which demonstrates the performance of sensors (gas, flame) using fuzzy and implemented logic tools. The performance of the solar panels was first tested using MATLAB software as well as experimentally under different weather conditions. The pump's performance is being tested experimentally, and the robot is also being tested to detect and extinguish fires. The process of designing and implementing robotics involves creating mechanical and electrical systems. The results showed the effect of temperature change on the solar panel, as when it increases, the panel’s production capacity decreases, as well as the effect of decreased solar radiation resulting from clouds and other things, and the extent of its effect. Impact on the performance efficiency of solar panels, and observing the pump performance in terms of flow rate and height. Hence, it can be noted that the robot designed in the project is capable of discovering fire sources and extinguishing them using fire-fighting systems equipped with a water tank and a controllable pump to spray the water necessary for the process. From this study, can be concluded that the designed model is able to work according to its initial design  with artificial intelligence  with the least amount of errors, and therefore it can be applied in industrial applications, avoiding fire damage and extinguishing it when it occurs for the first time.

    Keywords: Robot, Solar Cell, Fire, Detection, Flame Sensor, Fuzzy Logic
  • پوریا اعتضادی فر*، سعید طلعتی، محمدرضا حسنی آهنگر، مهدی ملازاده
    امنیت اطلاعات یکی از مسائل بسیار مهم حوزه جنگ الکترونیک است که همواره موردتوجه محققان زیادی قرار می گیرد. پنهان نگاری یکی از روش های ارتباطات امن بوده که هدف آن مخفی کردن اطلاعات در بستری از داده و محتوا است؛ داده های صوتی می توانند ظرفیت بالاتری فراهم می کنند. در این مقاله روشی جدید در تشخیص پنهان نگاری در سه استاندارد کدگذار صوتی LPC، CELP و MELPکه جزو قدرتمندترین روش های کدگذاری صوتی هستند ارائه می شود. داده های مخفی در بیت کم ارزش رسانه حامل پنهان شده اند، تحلیل صوت با استفاده از ویژگی های آزمون اجرا و آزمون سریال ارائه می شود. پس از بررسی صوت اصلی و رسانه حامل، ویژگی های متفاوت بین این اصوات استخراج شده و برای آموزش شبکه عصبی هوشمند (LVQ) استفاده می شود. مرحله طبقه بندی با استفاده از لایه های این شبکه عصبی انجام شده و الگوریتم پیشنهادی برای این اصوات تست شده است. میزان میانگین دقت آشکارسازی پنهان نگاری روش پیشنهادی %93.59 است که برتری این روش در برابر سایر روش ها را نشان می دهد.
    کلید واژگان: پنهان نگاری، نهان کاوی، آشکارسازی، تخمین خطی، شبکه عصبی .LVQ
    Pouriya Etezadifar *, Saeed Talati, Mohammadreza Hassani Ahangar, Mahdi Mollazade
    Information security is a critical aspect of Electronic Warfare today and is a major focus for many researchers. Steganography, a secure communication method, involves concealing information within other data or content, with audio data offering a higher capacity for hiding information. This article introduces a novel approach for detecting steganography in three audio encoders: LPC, CELP, and MELP, known for their effectiveness in audio encoders. The Steganography technique discussed here involves embedding data in the least significant bit of the audio media. Audio analysis is carried out using the RUNS test features. Variations are identified and utilized to train a neural network (LVQ) by comparing these features in the cover and Stego audio files. The neural network is then employed for classification, and the proposed algorithm is tested on the audio samples. The proposed classification method demonstrates an average accuracy of 93.59% in detecting steganography, showcasing its effectiveness compared to other existing methods.
    Keywords: Steganography, Steganalysis, Detection, Linear Predictive, LVQ Neural Network
  • M. Riaz, H. M. A. Farid *, H. M. Shakeel, D. Arif
    The heating, ventilation, and air conditioning (HVAC) control system is responsible for the efficient building energy system. Indoor energy consumption patterns can be monitored and reduced intelligently. Occupancy information plays a vital role to save a reasonable amount of energy. Traditional energy monitoring and control systems can be improved with the installation of the occupancy monitoring system which will consist of a network of sensors and cameras. In this research work, we propose a new and revolutionary convolutional neural network (CNN) based on real-time camera occupancy detection and recognition techniques across different sorts of sensors that provide realistic low-cost energy-saving solutions with robust graphical processing units (GPUs). This occupancy information will decide the energy behaviour inside buildings. Decision-making tools can be used to select the appropriate occupancy detection and recognition alternative for indoor environment and energy monitoring and management. In this research work, we introduce and develop the "Fermatean fuzzy prioritized weighted average and geometric operator". These aggregation operators (AOs) are a modern approach to modelling complexities in decision-making. In the end, we give an algorithm for an intelligent decision support system (IDSS) using proposed AOs to compare our CNN based method with other existing sensors techniques.
    Keywords: Fermatean fuzzy numbers, Aggregation operators, Video Processing, Convolutional Neural Network, Human Recognition, Detection
  • محمدجواد احمدی، محمد سینا الله کرم، پریسا عبدی، سید فرزاد محمدی، حمیدرضا تقی راد*

    با پیشرفت های هوش مصنوعی در در دهه اخیر، استفاده از داده تصویری و ویدیویی و فن آوری های مبتنی بر پردازش تصویر برای خودکارسازی روش های جراحی و آموزش آن، رونق یافته است. امروزه در بیش تر اتاق های عمل از یک یا چند دوربین و یا دستگاه ثبت اطلاعات استفاده می شود تا داده مهم پزشکی برای انجام تحلیل های بعدی ذخیره شوند. از این اطلاعات تصویری می توان برای طراحی و توسعه سامانه های خودکار هدایت تصویری با هدف کمک به پزشک متخصص حین جراحی و آموزش آن استفاده کرد. هم چنین، این سامانه ها می توانند به عنوان مغز ابزارهای رباتیکی کمک جراح فعالیت کنند. یک سامانه هدایت تصویری جراحی نیاز به قسمت های مختلفی دارد. از مهم ترین این قسمت ها می توان به تشخیص، بخش بندی و ردیابی ابزارها و نواحی مهم جراحی، تشخیص مراحل، حرکات و ژست ها، و تشخیص مهارت های جراحی اشاره کرد. خودکارکردن این بخش ها با استفاده از پردازش تصویر و بینایی ماشین کمک می کند، تا سامانه درک مستقل و عمیقی از صحنه جراحی داشته باشد. در این مقاله ابتدا تعدادی از مجموعه داده های تصویری مهم مربوط به جراحی معرفی شده، و سپس شماری از پژوهش های اثرگذار در زمینه پردازش تصویر و بینایی ماشین در کاربردهای ذکرشده با هدف ایجاد اجزای یک سامانه خودکار هدایت تصویری جراحی، معرفی شده و زمینه های تحقیقاتی پیش رو معرفی می شوند.

    کلید واژگان: بینایی ماشین در جراحی، سامانه هدایت تصویری جراحی، تشخیص و بخش بندی، تشخیص مرحله، اریابی مهارت
    MohammadJavad Ahmadi, MohammadSina Allahkaram, Parisa Abdi, S-Farzad Mohammadi, Hamid D. Taghirad*

    Due to recent advancements in artificial intelligence, the utilization of image and video data along with image processing technologies has been significantly used in automating surgical procedures and their training. Today, one or more cameras or imaging devices are commonly used in most operating rooms to capture crucial medical information for further analysis. These visual data can be leveraged to design and develop automated image-guided systems aimed at assisting specialized surgeons during procedures and facilitating their training. Furthermore, these systems can serve as the cognitive knowledge for assisting surgical robots. An image-guided surgical system comprises of various components, among which the identification, segmentation, and tracking of surgical instruments and critical anatomical regions, phase recognition, motion analysis, and gesture recognition, and more importantly as surgical skill assessment, are the most crucial components. Automating these components by the use of image processing and machine vision will certainly contribute to the system's deep and independent understanding of the surgical scene. This article introduces the important datasets relevant to image processing and machine vision in surgical applications. Subsequently, several research endeavors in the realm of image processing, machine vision, on the above-mentioned applications are presented, and some prospect research areas are introduced.

    Keywords: Machine Vision in Surgery, Image-guided surgical system, Detection, Segmentation, Phase Recognition, Skill Assessment
  • حمید نوراللهی، سید ابوالفضل حسینی*، علی شهزادی، رامین شقاقی کندوان

    در این مقاله روش جدیدی برای آشکارسازی سیگنال های مخابراتی پیشنهاد شده است که بر مبنای استخراج ویژگی های سیگنال مخابراتی بکمک برازش خم  عمل می کند. در هریک از سمبل های سیگنال  مخابراتی  یک تابع تقریب کسر گویا  بوسیله  برازش بر منحنی سیگنال آن ایجاد می شود. ویژگی های جدید توسط ضرایب چند جمله ای صورت و مخرج  این تابع تقریب کسر گویا  تعیین می شوند. در روش پیشنهادی دو فاز آموزش و آزمون در نظر گرفته شده است. ابتدا در فاز آموزش الگوریتم، تعداد مشخصی سمبل های تصادفی تولید می شود و توسط مدولاسیون دودویی ASK و FSK مدوله می شوند، درادامه سیگنال  مدوله شده هریک از سمبل ها در کانال به نویز جمع شونده گوسی آغشته  می شود و توسط آنتن گیرنده دریافت می شود. سپس  نمونه های مشخصی  از شکل موج سیگنال دریافت شده  با نرخ نمونه برداری مشخص استخراج می شود. به ازای هر N=1500,12500  نمونه از  سیگنال یک منحنی کسر گویا با درجه L و M مشخص برازش می شود. سپس تمامی ضرایب  صورت و مخرج تابع کسر گویا  برازش شده با درجات L وM   مختلف ذخیره شده و هیستوگرام ضرایبی که قابلیت تفکیک کامل دو کلاس 0 و 1  را دارند بدست می آیند. لذا تمامی ضرایب با درجات L و M مختلفی که  امکان تفکیک کامل را دارند همراه  با  مرز تصمیم گیری شان در یک جدول ذخیره می شوند. شایان ذکر است که داده های مورد  استفاده جهت  استخراج و شناسایی ضرایب تفکیک کننده، داده های  آموزشی هستند. سرانجام  جهت آنالیز کارایی روش پیشنهادی، تعداد مشخصی از داده های آزمون با مدولاسیون مشخص ارسال می گردد و با مقایسه با مرزهای تصمیم گیری بدست آمده در فاز آموزش نسبت به طبقه بندی آن در کلاس مورد نظر تصمیم گیری می شود. نتایج طبقه بندی روش پیشنهادی بیانگر برتری روش پیشنهادی در مقایسه با روش احتمال خطا تیوری  می باشد.

    کلید واژگان: آشکارسازی، استخراج ویژگی، برازش منحنی، طبقه بندی
    Hamid Nourollahi, S. Abolfazl Hosseini*, Ali Shahzadi, Ramin Shaghaghi Kandovan

    In this manuscript, we proposed a new scheme in communication signal detection which is respect to the curve shape of received signal and based on the extraction of curve fitting (CF) features. This feature extraction technique is proposed for signal data classification in receiver. The proposed scheme is based on curve fitting and approximation of rational fraction coefficients. For each symbol of received signal, a specific rational function approximation is developed to fit with received signal curve and the coefficients of the numerator and denominator polynomials of this function are considered as new extracted features. Then  it will be shown that the coefficients of this polynomials have the potential for using as new features in a statistical classifier and have better performance in competition with other solutions such as linear and even nonlinear feature extraction methods in  classification. The criteria used in performance evaluation are  probability of error and signal to noise ratio in FSK and ASK modulations. For each symbol of received signal, a specific rational function approximation is developed to fit with received signal curve and the coefficients of the numerator and denominator polynomials of this function are considered as new extracted features. In the proposed method, there are two phases train and test, which are described in the following two steps. First, in the train phase, the algorithm starts by using binary FSK and ASK modulations, so first, a system generate a number of random symbols then signal is modulated by binary ASK and FSK. The Modulated FSK and ASK signals are corrupted in the channel with noise. The noise-corrupted signal enters the receiver at the corresponding transmitted interval. Then, the samples are extracted from the modulated signals based on predetermined sample rates. Then, we fit a rational fraction curve with degrees of L and M to each set of N samples. Afterward, we apply all the numerator (L+1) and denominator (M) coefficients to 0 and 1 classes  in the binary FSK and ASK modulations. We store all the specific coefficients of the deterministic symbols at different M and L values to create the corresponding histogram in each class. In each histogram (i.e., the coefficients of a class), we extract and store specific coefficients that completely discriminate between the two classes. Therefore, we determine all the histograms where there is a good approximation of discrimination and create the related table. Note that the data used in histograms are the training data. Then, in order to analyze and evaluate the performance of the proposed curve fitting method, we send the testing data through the channel corresponding to the related modulator. The results of the proposed classification method show that it provides smaller error rate regarding to the theoretical error rate probability in AWGN channel.

    Keywords: detection, feature extraction, curve fitting, classification
  • حمید تربتی فرد*، یاسر نوروزی، مجید شیخ محمدی

    امروزه مراکز اقتصادی مانند پالایشگاه ها ، مراکز سیاسی مانند مجلس،دولت، قوه قضاییه و مراکز نظامی مانند پادگان ها، و می توانند مورد حملات ریزپرنده های جاسوسی و یا انتحاری قرار گیرند. برای کشف و شناسایی این تهدید، سامانه ها و روش های متنوعی پیشنهاد شده است. ازآنجایی که این موضوع یک رقابت بین دو گروه مدافع و مهاجم می باشد، عوامل متعددی در تصمیم گیری این دو گروه، رویکرد عملیاتی آن ها و انتخاب بهینه تجهیزات، موثر می باشد. ما در این تحقیق با استفاده از نظریه بازی ها در بر اساس مدل گراف توانسته ایم، در گام اول با در نظر گرفتن 2 پارامتر هزینه و بودجه در تجهیز میدان جنگ الکترونیک و نیز برد عملیاتی سامانه ها در دو سناریوی مستقل با لحاظ تجهیزات طرفین و ترجیحات بازیگران این صحنه نبرد، وضعیت های تعادل را بر اساس نظریه بازی ها پیش بینی نماییم. در گام دوم با ترکیب این دو مولفه و اعمال هم زمان تاثیر پارامترهای تصمیم گیری در یک تابع هزینه، وضعیت نهایی کشف و شناسایی ریزپرنده را پیش بینی و با در نظر گرفتن شرایط واقعی، فرآیند تصمیم گیری صحیح برای فرماندهان صحنه نبرد جنگ الکترونیک را مدل سازی می نماییم. نتایج نشان میدهد اعمال اثر دو پارامتر همزمان هزینه و برد عملیاتی نتایج کاملا متقاوتی با تصمیم های تک بعدی دارد.همچنین تابع هزینه نیز میتواند در تغییر نتایج موثر واقع شود.

    کلید واژگان: تصمیم سازی، ریزپرنده، کشف و شناسایی، نظریه بازی ها، وضعیت تعادل

    Today , economic centers such as refineries, political centers such as parliament, government, judiciary and military centers such as barracks can be attacked by spy or suicide Mini-drones. Various systems and methods have been proposed to detect and identify this threat. Since this issue is a competition between two groups of defenders and attackers, several factors are effective in the decision-making of these two groups, their operational approach and the optimal selection of equipment. In this research, by using the game theory based on the graph model, we have been able to, in the first step, by considering the two parameters of cost and budget in equipping the electronic warfare , as well as the operational range of the systems in two independent scenarios, considering the equipment of the parties and the preferences of the actors. Predict the battle scene and the equilibrium situations based on game theory.In the second step, by combining these two components and simultaneously applying the influence of the decision parameters in a cost function, we predict the final state of detection and identification of the Mini drone and, taking into account the real conditions, we model the correct decision-making process for the commanders of the battlefield of electronic warfare. The results show that the simultaneous effect of two parameters, cost and operating range, have completely opposite results with one-dimensional decisions. Also, the cost function can be effective in changing the results

    Keywords: Decision making, micro-bird, detection, identification, game theory, equilibrium state
  • MohammadHosein Mehrzade Abarghooeea *

    Today, due to the access importance to precise, comprehensive and daily spatial information of the various phenomena and the change over time in terms of location and nature. In order to monitor their behavior and the possibility of planning and deciding in different cases, it have been attempting to improve the imaging performance with increasing spatial accuracy, radiometric spectra of the sensors. But each improvement stage requires time and cost, and taking into account different periods and sometimes long periods of imaging of a point on Ground level (low time resolution), which is due to smaller FOV (increased spatial accuracy). However, daily monitoring of many features is not possible, especially those that are smaller than the sensor's pixel size. Therefore, it is necessary to use, methods for features extraction from low resolution images, in which the feature dimensions and the spatial resolution of sensor is of fundamental situation. In this research, attempt has been made to investigate the possibility of various possible modes, including the location of the barge in the image, the images taken in different bands of emission, radiance, reflection, the presence of two features side by side, the effect of flame on adjacent feature, the study of noisy bands, the presence or absence of flame, non-solid features such as platforms and solid features, such as barge, on different days of the year.

    Keywords: detection, MODIS, Reflectance bands, Subpixel
  • Milad Niaz Azari *, Reza Fathi Shoob
    Synchronous generators are one of the most important components of power systems. Problems a generator may face are internal faults, system disturbances, or operational hazards. The operation of a generator may easily be affected by faults within the machine itself as opposed to external disturbances occurring on the network to which it is connected. Generator protection must therefore be designed to react efficiently in both conditions. Loss of excitation (LOE) is a common fault in synchronous generators. The most common causes of LOE include the loss of field to the main exciter, accidental tripping of the field breaker, short circuits in the field circuit, and poor brush contact in the exciter. The most widely applied method to detect a generator loss of field condition on major generators is the use of distance relays to sense the variations of impedance as viewed from the generator terminals. This approach may not be able to distinguish between LOE and stable power swing (SPS). This paper further explores a new method proposed for LOE detection and corrects its shortcomings. It also presents a new approach for LOE detection that exploits a combined scheme based on the derivative of the terminal voltage and the derivative power angle of the generator. Comprehensive simulation studies are conducted on various generator conditions and system disturbances to determine the relay setting and to evaluate its performance. These studies demonstrate that the proposed strategy enhances the security and operation time of the LOE relay compared with some existing methods.
    Keywords: Loss-of-excitation (LOE) fault, stable power swing (SPS), synchronous generator, LOE relay, detection
  • رضا کیوان شکوه، مجید اخوت*
    در این مقاله آشکارسازی اهداف متحرک ضعیف پنهان شده در مجاورت اهداف قوی سریع را با استفاده از الگوریتم  FAPC  بررسی می کنیم. فیلتر منطبق رادارهای فشرده سازی پالس متعارف در اطراف هدفی با نسبت سیگنال به نویز بزرگ، لوب های جانبی برد بزرگی تولید می کند که می تواند اهداف کوچک را پنهان نماید. عدم تطبیق ایجادشده در سیگنال دریافتی به واسطه جابه جایی فازی دوپلر، عملکرد فیلتر APC  در کاهش سطح لوب های جانبی را تنزل می دهد. در این مقاله الگوریتم FFL-FAPC  پیشنهادشده است که برای کاهش لوب های جانبی برد از تخمین گر RMMSE  به روش پساپردازش استفاده می کند. در سناریوهای مختلف آشکارسازی اهداف پنهان شده را در مقایسه با روش های قبلی، بررسی می کنیم. نتایج شبیه سازی نشان می دهد که الگوریتم FFL-FAPC علاوه بر کاهش قابل ملاحظه هزینه محاسبات، مقاومت دوپلر را هم بهبود می بخشد.
    کلید واژگان: فشرده سازی پالس وفقی سریع، تخمین گر حداقل مجذور مربعات خطا تکراری، جابه جایی فازی دوپلر، آشکارسازی، فیلتر منطبق
    R. Kayvan Shokooh, M. Okhovvat *
    In this paper, we investigate the detection of masked weak moving targets in the adjacent fast strong target by using FAPC algorithm. The matched filter of conventional pulse compression radars induces range sidelobes in surrounding a target with high SNR that could mask the smaller targets. The mismatch created in received signal by Doppler phase shift, degrades APC filter performance in side lobe suppression. In this paper, the FFL-FAPC algorithm is proposed to reduce the range side lobes using the RMMSE estimator in its post-processing method. In various scenarios, we will investigate the detection of masked targets in comparsion with previous methods. Simulation results show that the FFL-FAPC algorithm reduce significantly of computational cost, in addition to provides improved Doppler robustness.
    Keywords: Fast adaptive pulse compression, Reiterative Minimum Mean Square Error estimator, Doppler phase shift, detection, Matched filter
  • سیدسعید موسوی*، اسدالله کاظمی، حسام اکبری کشتلی
    امروزه مبدل های الکترونیک قدرت نقش بسیار مهم و غیرقابل انکاری در سیستم پیش رانش خودروهای الکتریکی ایفا می کنند. یکی از انواع مبدل ها، اینورتر منبع ولتاژ می باشد که کاربرد بسیار زیادی در درایو موتور الکتریکی دارد. در خودروهای برقی، به دلیل محیط پرتنش که با اغتشاش نیز همراه است، اینورترها همواره در معرض خرابی قرار دارند که گاهی اوقات باعث بروز خسارات جبران ناپذیری می شود. ازاین رو شناسایی و تشخیص خطا در اینورترها از اهمیت بسیار بالایی برخوردار است و سبب افزایش ایمنی سیستم خواهد شد. این مقاله، به آشکارسازی خطای اتصال باز در اینورتر منبع ولتاژ مبتنی بر IGBT پرداخته است. نوع خطاهایی که مورد بررسی قرار خواهندگرفت از نوع خطای تک و چندگانه IGBT می باشد. به منظور استخراج شاخص خطا، یک الگوی شناسایی خطای اتصال باز در این کار معرفی شده است و نتایج به دست آمده، رضایت بخش بوده است. در ادامه برای آشکارسازی و کلاسه بندی خطا، از الگوریتم شبکه عصبی پرسپترون چندلایه استفاده شده است. سیستم موردمطالعه در حالت استاتیک با 5 سطح گشتاور و 5 سطح سرعت مختلف در حالت ایستا موردبررسی قرار گرفته است که تمامی حالات خطا، به کمک الگوریتم شبکه عصبی، با موفقیت مورد شناسایی قرار گرفته است.
    کلید واژگان: مبدل الکترونیک قدرت، اینورتر منبع ولتاژ، آشکارسازی و تشخیص خطا، خودروی هیبریدی- الکتریکی، خطای اتصال باز، شبکه عصبی پرسپترون چندلایه
    S. S. Moosavi *, A. Kazemi, H. Akbari
    Nowadays, the power electronic converters play a crucial and undeniable role on electric vehicles propulsion system. One type of this converters are voltage source inverter (VSI) that use a lot in electric motor drives. In electric vehicles, due to the tense environment that is also associated with turbulence, Inverters are always at risk of failure that occasionally caused to irreparable damages. This paper focuses on diagnosis and detection of open phases fault on IGBT based VSI inverter. In order to extract the fault index, an open-circuit fault detection model presented in this work and the results obtained have been satisfactory. In continue, for fault diagnosis and classification, it is used a multilayer perceptron artificial neural network (MPANN) algorithm. The system is investigated under 5 different torque and speed level in static state, that all fault conditions have been identified successfully with the help of MPANN.
    Keywords: Power electronic converter, voltage source inverter, fault diagnosis, detection, hybrid-electric vehicle, open phase fault, multilayer perceptron artificial neural network
  • فاطمه لطفی، عباس شیخی، مهرزاد بیغش
    یک راه موثر برای مقابله با اختلال های فریب که از طریق گلبرگ های فرعی آنتن رادار به خروجی واحد پردازش سیگنال وارد می شوند، استفاده از تکنیک SLB می باشد. به این منظور در ساختار کلاسیک SLB، از یک آنتن همه جهته به عنوان آنتن کمکی در کنار آنتن اصلی رادار استفاده شده است. در این مقاله دو دسته آشکارساز ارائه شده است که از چند آنتن مستقل از یکدیگر به عنوان آنتن های کمکی در کاربرد SLB استفاده کرده و با رویکرد تئوری آشکارسازی روشی برای استفاده از خروجی مختلط (I/Q) بکار گرفته شده است. شبیه سازی های کامپیوتری بهبود عملکرد روش های پیشنهادی نسبت به ساختار کلاسیک را تایید می کنند.
    کلید واژگان: مسدود کننده گلبرگ فرعی (انسداد اختلال گلبرگ فرعی)، آنتن کمکی، گلبرگ اصلی، گلبرگ فرعی، آشکارسازی
    Fatemeh Lotfi, Abbas Sheikhi, Mehrzad Biguesh
    Sidelobe blanking (SLB) is a technique employed in radar signal processing to inhibit detection when an unwanted signal enters the radar receiver through antenna sidelobes. For this purpose, an auxiliary antenna and receiver channel are used in the radar system. Comparing the main antenna and auxiliary antenna signal strength, a decision is made for blanking the main channel output. In this paper, a new SLB structure using multiple auxiliary antenna is introduced. Then, based on detection theory, two sub-optimal methods are proposed. These methods use the in-phase/quadrature-phase (I/Q) component of the received signal. Computer simulations confirm the superiority of the proposed methods from different points of view.
    Keywords: Main antenna, Auxiliary antenna, Mmain lobe, Sidelobe, Detection, Sidelobe blanking
  • جلیل شیری، عبدالله ملک زاده*

    مواد مختلف طیف جذبی مختلفی نسبت به امواج تراهرتز دارند. بنابراین با آشکارسازی طیف جذبی امواج تراهرتز از مواد مختلف می توان نوع ماده را تشخیص داد. یکی از راه های بسیار موثر در آشکارسازی طیف امواج تراهرتز به منظور تشخیص مواد مختلف استفاده از پدیده ی شفافیت القایی الکترومغناطیسی (EIT) در یک نانوساختار گرافنی تحت میدان مغناطیسی می باشد. در این مقاله آشکارسازی امواج تراهرتز به وسیله ی نانوساختار گرافن واقع در هسته ی آشکارساز از یک روش تمام اپتیکی موردبررسی قرارگرفته است. در این طرح به منظور تشخیص امواج تراهرتز به طور عمده اندازه گیری رفتار طیف عبوری نور کاوشگر ضعیف از نانو ساختار گرافنی که باوجود و عدم وجود طیف مشخصی از امواج تراهرتز مرتبط است صورت می گیرد. گذارهای اپتیکی فرکانسی بین سطوح انرژی موجود در گرافن توسط میدان مغناطیسی خارجی قابل تنظیم می باشد که برای آشکارسازی امواج تراهرتز در محدوده ی طیفی موردنظر مورداستفاده قرار می گیرد. این ویژگی باعث می شود که آشکارسازی انواع مواد منفجره با طیف های جذبی مختلف نسبت به امواج تراهرتز  به طور تمام اپتیکی موردبررسی قرار گیرد. ازجمله مواد منفجره مانند RDX، PETN و آمونیوم نیترات دارای طیف جذبی در محدوده ای از امواج تراهرتز می باشند که به طور وسیع در انواع مواد منفجره مورداستفاده قرارگرفته است و با این روش قابل شناسایی و آشکارسازی می باشند. پارامترهایی نظیر شدت امواج تراهرتز و فاز نسبی میدان ها و اثرات آن بر روی جذب و پاشندگی، همچنین با اندازه گیری زمان سوئیچ زنی سرعت گروه نور کاوشگر، حساسیت و پاسخ سریع آشکارساز به نوسانات امواج تراهرتز موردبررسی قرارگرفته و پاسخ آشکارساز را بین 5 الی 8 پیکوثانیه که زمان بسیار کوتاهی می باشد تخمین زده شده است.

    کلید واژگان: آشکارسازی مواد منفجره، امواج تراهرتز، پاشندگی و جذب، سوئیچ تمام اپتیکی، EIT، نانو ساختار گرافن
    Jalil Shiri, Abdollah Malekzadeh *

    Different materials have different absorption spectra of the terahertz (THz) radiation. So, by detecting the absorption spectra of THz radiation of different materials we can assess material substances. We propose and analyze an efficient way to detect the THz radiation in a magnetized graphene system via electromagnetically induced transparency (EIT). In this paper an all-optical method for THz signal detection in graphene nanostructure in core of a detector is investigated. Such a scheme for THz signal detection mainly relies on the measurement of probe transmission spectra, in which the behaviors of a weak-probe transmission spectrum can be controlled by switching on/off the THz signal radiation. Taking into account the tunable optical transition frequency between the Landau levels in graphene, our analytical results demonstrate that a broad frequency bandwidth of the THz signal radiation can be inspected and modulated by means of an external magnetic field. This feature being useful for detection of explosives with width absorption spectra of the optical terahertz signal. Common explosives such as RDX, TEND and Ammonium Nitrate in the spectral range of THz signal are widely used in a variety of explosives. Effects of parameters such as intensity of the terahertz radiation and relative phase between the fields on the absorption anddispersion of probe field hase been studied. Also, Detector sensitivity and rapid response to fluctuations of terahertz radiation by measuring the switching time of group velocity of probe field from subluminal to superluminal and vice versa hase been studied. The estimated range of the switching time is between 5 ps to 8 ps for subluminal to superluminal light propagation.Such all optical detectors can be well used in a wide range of THz spectroscopy for (explosive or forbidden) material detection.

    Keywords: All-optical switching, Detection, Dispersion, absorption, Electromagnetically induced transparency, Graphene nanostructure, Terahertz signals
  • سینا نظری رباطی، سعید اسماعیلی*، فرزاد کریم زاده
    تشخیص اغتشاشات کیفیت توان، نیاز به روش هایی جهت تجزیه، شناسایی و دسته بندی شکل موج ها دارد. در این مقاله از روشی آماری موسوم به تحلیل مولفه های مستقل تک کاناله برای این منظور استفاده شده است. در این روش با استفاده از ویژگی استقلال آماری و همچنین توزیع غیرگوسی منابع، سیگنال های منبع از سیگنال های مشاهده شده جداسازی می شوند. روش ارائه شده جهت دسته بندی اغتشاشات کیفیت توان شامل سه مرحله می باشد؛ الف) تولید داده، ب) استخراج ویژگی و ج) دسته بندی اغتشاشات. از مزایای این روش می توان به هزینه کم تر (به دلیل استفاده از یک سنسور)، دقت بالا در استخراج اجزای مستقل سیگنال های غیرگوسی، غیرخطی و غیرساکن، ممتاز بودن سیگنال های استخراج شده، دسته بندی اغتشاشات ترکیبی با بیش از دو اغتشاش تکی در هر ترکیب (اغتشاشات سه تایی و چهارتایی) و تخمین زمان شروع، زمان پایان و مدت زمان اغتشاشات کمبود ولتاژ، بیشبود ولتاژ، فلیکر (سوسو زدن یا چشمک زدن نور) و گذرای نوسانی با دقت بالا اشاره کرد. نتایج حاصل از شبیه سازی ها روی شکل موج های تولیدی و واقعی، کاربردی بودن و دقت بالای روش پیشنهادی را نشان می دهد.
    کلید واژگان: تحلیل مولفه های مستقل، اغتشاشات کیفیت توان، سیگنال مشاهده شده، سیگنال های تخمین زده شده، شناسایی، دسته بندی
    S. Nazari, S. Esmaeili *, F. Karimzadeh
    Detection of power quality disturbances requires some methods to decompose, identify and then classify waveforms. In this paper, a statistical method called Single Channel Independent Component Analysis (SCICA) is used for this means. In this method, source signals are separated from observed signals by using the characteristics of statistical independence as well as the non-Gaussian distribution of disturbance sources. The proposed method for classification of PQ disturbances consists of three stages: a) data generation, b) feature extraction and c) disturbances classification. The advantages of this method are its lower cost (due to the using of only one sensor), high accuracy in extracting independent components of non-Gaussian, non-linear and non-static signals, excellence of estimated signals, classification of multiple power quality disturbances that include more than two disturbances for any combination (ternary and quaternary disturbances) and estimation the starting time, ending time and duration of voltage swell, voltage sag, flicker and oscillatory transients with great accuracy. The results of the simulations on generated and real waveform show capability and high performance of the proposed method.
    Keywords: Independent component analysis, power quality disturbances, observed signal, estimated signals, detection, classification
  • M. Fayazi, F. Haghjoo *

    In this paper, a novel method is presented for detection and classification of the faulty phase/region in the stator winding of synchronous generators on the basis of the resulting harmonic components that appear in the terminal voltage waveforms. Analytical results obtained through Decision Tree (DT) show that the internal faults are not only detectable but also they can be classified and the related region can be estimated. Therefore, this scheme can be used to protect the synchronous generators against the various internal faults. Fuji technical documents and data sheets for an actual salient pole synchronous generator (one unit of an Iran’s hydroelectric power plants) are used for the modeling. Simulations in Maxwell software environment are presented. All the related parameters, such as B-H curve, unsymmetrical air gap and pole saliency, slot-teeth effect, and other actual parameters, are considered to obtain a comprehensive model to generate acceptable terminal voltage waveforms without any simplification.

    Keywords: Synchronous Generator, Internal Faults, Turn-Turn Faults, Phase To Ground Faults, Detection, Classification, Location, Harmonic Components, Decision Tree
  • فاطمه لطفی، مهرزاد بیغش*، عباس شیخی
    روش متداول برای جلوگیری از ورود سیگنال تداخل از طریق گلبرگ های فرعی آنتن رادار به خروجی واحد پردازش سیگنال، استفاده از SLB می باشد. در ساختار کلاسیک SLB، از یک آنتن کمکی استفاده شده است و مبنای تمامی مقالات نیز استفاده از همین یک آنتن کمکی می باشد. در این مقاله، ایده استفاده از چند آنتن مستقل از یکدیگر به عنوان آنتن های کمکی در کاربرد SLB مطرح گردیده و در این راستا یک دسته آشکارساز معرفی شده اند که مبتنی بر پوش حقیقی هستند و پردازنده با به کارگیری منطق های AND، OR و SUM کلیدزنی را با سناریوهای مختلف انجام می دهد. مسئله دیگری که در این مقاله مورد مطالعه قرار گرفته است، منطق عملکردی است که برای تنظیم سطوح آستانه آشکارسازی و انسداد در نظر گرفته شده است. شبیه سازی های کامپیوتری بر بهبود عملکرد سیستم با استفاده از معیار عملکرد جدید و تعدد آنتن های کمکی دلالت دارد.
    کلید واژگان: اخلالگر، هدف، آنتن کمکی، آشکارسازی، انسداد اختلال گلبرگ فرعی
    F. Lotfi, M. Bighash*, A. Sheikhi
    The most common radar EP technique to prevent effects of impulsive interferences is SLB. In classical SLB structure, an auxiliary antenna and receiver channel are employed to discriminate between the main beam signal and the unwanted signals entering through the sidelobes of the main antenna. In this paper, we have proposed a new SLB structure which utilizes multiple auxiliary antennas. Then, by using an envelope-detection based demodulation, we have presented a group of processing logics including AND, OR and SUM to control the switch. Additionally, we have suggested a new method for setting the detection and blanking thresholds. Simulation results show that the proposed methods using multiple auxiliary antennas, outperform the conventional structure in terms of reducing the number of false target blips on radar PPI.
    Keywords: Jammer, Target, Auxiliary Antenna, Detection, Sidelobe Blanking
  • حمید سعیدی سورک*، عباس بریزی، امیر زعیم باشی نصرت آبادی
    در این مقاله یک آشکارساز با نرخ هشدار کاذب ثابت (CFAR) بر مبنای تبدیل موجک ایستان شامل بخش آشکارساز مکان لبه و پردازنده CA-CFAR در حضور لبه کلاتر ارائه شده است. آشکارساز پیشنهادی نیازی به اطلاع پیشین از محیط ندارد. این آشکارساز از تبدیل موجک برای تشخیص لبه استفاده نموده و سپس سلول های مرجع مناسب را برای تعیین سطح آستانه انتخاب می کند. اگرچه در محیط های همگن آشکارساز CA-CFAR یک آشکارساز بهینه است اما در محیط های غیر همگن دارای افت عملکرد زیادی است. عملکرد آشکارساز پیشنهادی با آشکارسازهای CA-CFAR، GO-CFAR و SO-CFAR مقایسه می شود. نتایج شبیه سازی نشان می دهد که آشکارسازی پیشنهادی در محیط همگن عملکردی نزدیک به CA-CFAR دارد. لبه کلاتر می تواند قبل یا بعد سلول تحت تست باشد. اگر مکان لبه قبل از سلول تحت تست باشد عملکردی نزدیک به SO-CFAR خواهد داشت و در صورتی که مکان لبه بعد از سلول تحت تست باشد عملکرد آن نزدیک GO-CFAR است.
    کلید واژگان: رادار، آشکارسازی، CFAR، لبه کلاتر، تبدیل موجک
    Hamid Saeedi Sourck*, Abbas Berizi, Amir Zaimbashi
    In this paper, a new wavelet-based constant false alarm rate (CFAR) detector called wavelet-CFAR (W-CFAR), composed of the clutter edge detector and the cell-averaging (CA)-CFAR processor, is proposed in the clutter edge situation. The proposed detector does not require any prior knowledge about the background environment. It uses wavelet transform for edge detection and then selects appropriate part of reference cells for thresholding. Although CA-CFAR is an optimal detector for the homogeneous environment, but its performance is degraded in the non-homogeneous environment. The performance of the proposed detector is evaluated and compared with those of the Greatest Of (GO), Smallest Of (SO), and CA-CFAR detectors. The simulation results show that the proposed detector provides low loss CFAR performance for the homogenous environment in comparison with CA-CFAR. The clutter edge may be stayed on before or after cell under test (CUT). The performance of W-CFAR approaches to SO-CFAR as long as the position of clutter edge is before CUT; otherwise its performance approaches to GO-CFAR.
    Keywords: Radar, detection, CFAR, clutter edge, Wavelet transform
  • زهرا حنیفه لو *، سید امیرحسن منجمی، پیمان معلم
    در این مقاله روشی سریع مبتنی بر پردازش های هوشمند تصویر، جهت آشکارسازی و ردیابی خودروهای متحرک در تقاطع ها ارائه شده است. در بخش آشکارسازی، ابتدا از مدل گوسی ترکیبی استفاده شده تا مناطق متحرک به دست آید. سپس به کمک یک مدل آشکارساز که توسط ویژگی های هیستوگرام گرادیان جهت دار استخراج شده از تصاویر آموزشی و کلاس بند آبشاری و ماشین بردار پشتیبان آموزش دیده است، آشکارسازی خودروها صورت می پذیرد.
    در بخش ردیابی، در ابتدا تعدادی نقطه ی کلیدی بر روی تصویر هر خودرو مشخص می شود، برای به دست آوردن این نقاط کلیدی، از مرکز جرم هدف و گوشه های آن استفاده شده است. زیرا اصولا این نقاط در ردیابی اجسام صلب اهمیت بیشتری دارند و معمول تر هستند. سپس عمل ردیابی این نقاط در فریم های متوالی با ایده گرفتن از روش های تطبیق قطعی صورت گرفته است. همچنین در زمان هایی که آشکارساز قادر به آشکارسازی اهداف نبوده جهت تخمین مکان جدید هدف از فیلتر کالمن استفاده شده است. مزیت عمده ی این روش نسبت به روش های قبلی مقاومت در برابر تغییرات روشنایی و همپوشانی خودروها است، به طوری که با دقت 90.80% قادر به آشکارسازی خودروها درصحنه های پرترافیک و با دقت 88.75% قادر به ردیابی خودروها شده است.
    کلید واژگان: آشکارسازی، ردیابی بصری، HOG، Adaboost، فیلترکالمن، ردیابی خودرو، روش های تطبیق قطعی نقاط، تابع هزینه
    Zahra Hanifelou *, Amir Hassan Monadjemi
    In this paper Intelligent image processing-based rapid method for detecting and tracking moving vehicles at intersections is proposed. In the detection part, the Gaussian mixture model used to obtain the moving parts. Then, the targets were detected using HOG features extracted from training images, Adaboost Cascade Classifier and the trained SVM.
    At the tracking part, a number of key points on the image of the vehicle were identified at first. The center of mass of the object and the edges were used to obtain these key points because these points are primarily important and more common in tracking rigid bodies. Then, these points were tracked in consecutive frames using definitive adaptive procedures. Also, the Kalman filter was used to estimate new locations when the detector was not able to detect the targets.
    The major advantage of this method compared to previous methods, is resistance against vehicle's overlapping and changes in Illuminations,so that the detection accuracy is 90.80% on overloaded traffic scenes and 88.75% accuracy on the tracking vehicles.
    Keywords: detection, tracking, HOG, Adaboost, Kalman Filter, vehicle tracking, deterministic Methods Corresponding, cost function
  • مهدی تیموری*
    شناسایی سیگنال لینک 16 به مفهوم تشخیص حضور یا عدم حضور سامانه مذکور در محیط نبرد، به دلیل کاربرد زیاد این سیستم دارای اهمیت بسیار بالایی است. در این مقاله، روشی جدید برای شناسایی سیگنال لینک 16 ارائه می شود که نسبت به روش های موجود برای شناسایی این سیگنال، دارای پیچیدگی بسیار پایین تر و عملکرد نسبتا مناسب تر است. در روش ارائه شده، با در نظر گرفتن متناوب بودن انرژی ارسالی، سه مشخصه مختلف تعریف و استخراج شده است که باعث می شود آشکار سازی با دقت بیش از 80% در نسبت سیگنال به نویز حدود 16- دسی بل صورت گیرد. این روش به دلیل استخراج مشخصه هایی مفید از سیگنال نمونه برداری و استفاده از قواعد ساده تصمیم گیری به دست آمده از یادگیری ماشین به راحتی قابل پیاده سازی به صورت زمان واقعی در سامانه های عملی شناسایی است.
    کلید واژگان: لینک 16، شناسایی، یادگیری ماشین
    M. Teimouri
    Detection of link 16 signal, i.e. identifying the presence/absence of this system in battlefield, is of great interest. In this paper, a new method for detection of link 16 signal is proposed with a very lower complexity and better performance compared to the current methods. Due to the periodic nature of transmitted energy, three different features are defined and extracted which result in a detection probability more than 80% for the values of signal to noise ratio around -16 dB. Since this method extracts suitable features from the sampled signal and applies simple rules which are obtained via machine learning, it can be realized in real-time practical detection systems.
    Keywords: Link 16, detection, machine learning
  • سید محمد علوی، علیرضا لیاقت*
    آشکارسازی اهداف مادون قرمز در بسیاری از زمینه های پردازش تصویر و ویدیوهای مادون قرمز، مرحله ای اساسی محسوب شده و نقش مهمی در کاربردهای نظامی و نظارتی دارند. ناحیه مربوط به هدف مادون قرمز هوایی، معمولا اندازه کوچکی داشته و در یک پس زمینه کلاتری قرار دارد. لذا می توان گفت که از مشخصات نوعی اهداف مادون قرمز هوایی، اطلاعات شکلی بسیار محدود و نسبت سیگنال به نویز پایین می باشد. ایده اصلی در این مقاله جهت آشکارسازی، بهبود اهداف کوچک و مات به وسیله اعمال فیلتر Kim’s LoG و تعدیل تبدیل NTH است. این روش موجب بهبود نسبت کنتراست بین هدف و پس زمینه می گردد. نتایج شبیه سازی حاکی از توانایی الگوریتم پیشنهادی در کاربرد آشکارسازی اهداف مادون قرمز هوایی دارد. عملکردهای مورد ارزیابی، نشان گر بازده بیشتر الگوریتم ارائه شده در مقایسه با برخی روش های رایج است.
    کلید واژگان: آشکارسازی، مادون قرمز، هدف کوچک و مات، کلاتر، پس زمینه
    S. M. Alavi, A.R. Liaghat*
    Infrared target detection is a crucial step in many fields of infrared image and video processing. It plays an important role in military and surveillance applications. The aerial infrared target region usually has a small size and is embedded in a cluttered background. Therefore, very limited shape information and low signal to noise ratio (SNR) are the typical properties of aerial infrared targets. For the detection step, the paper idea is based on enhancing the dim small targets by applying Kim’s LoG filter and modifying New Top Hat transformation (NTH). Therefore, it improves the contrast ratio between the target and background region. Experimental results exhibit the ability of the new algorithm for application of aerial infrared target detection. The evaluated performances demonstrate that the suggested algorithm is more efficient compared with some widely used methods.
    Keywords: Detection, infrared, dim small target, clutter, background
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