فهرست مطالب

پردازش سیگنال پیشرفته - پیاپی 3 (بهار و تابستان 1398)
  • پیاپی 3 (بهار و تابستان 1398)
  • تاریخ انتشار: 1398/06/01
  • تعداد عناوین: 10
|
  • بهاره آزادیان، توحید یوسفی رضایی*، سعید مشگینی صفحات 1-11
    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.
    کلیدواژگان: کلاس بندی خواب، حسگری فشرده، تنک سازی، سیگنال الکتروانسفالوگرام
  • زهرا اصغرزاده بناب، سعید مشگینی* صفحات 13-23
    دیابت، نوعی بیماری شایع در جهان است. اولین عضوی که معمولا 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.
    کلیدواژگان: تصویر شبکیه، رگ های خونی، رتینوپاتی دیابتی، استخراج رگ، ساختارشناسی
  • مرتضی پودینه، مریم محبی*، کوروش قره گوزلی صفحات 25-33
    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.
    کلیدواژگان: تغییرات ضربان قلب، پیش بینی، صرع، کنترل فرآیند چند متغیره
  • فریبا حسن زاده، سعید مشگینی* صفحات 35-43
    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.
    کلیدواژگان: صرع، الکتروانسفالوگرافی، تبدیل موجک، طیف کلی موجک، ماشین بردار پشتیبان
  • عبدالحمید زاهدی* صفحات 45-55
    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 مبدا 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 مبدا 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 تاخیر و غیرحساس به تاخیر 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 مبدا یا مقصد و نوع چینش آن ها و تاثیر 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.
    کلیدواژگان: اکتساب انرژی از سیگنال رادیویی، چندرله ای و چندآنتنی، پروتکل رله تقسیم زمانی، پروتکل رله تقسیم توانی، انتقال حساس به تاخیر، انتقال غیرحساس به تاخیر، جایابی رله
  • سید حسین سلیمانی، امیرحسین طاهری نیا* صفحات 57-65
    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.
    کلیدواژگان: نشانه، نشانه گذاری، حمله، قطعه بندی، تشابه غیر محلی
  • اکبر علی پور صیفار، موسی شمسی* صفحات 67-75
    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 مولفه 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.
    کلیدواژگان: الگوریتم تنظیم سطح، بهینه سازی مولفه های ذاتی ضرب شونده، اصلاح میدان بایاس، بخش بندی، تصاویر تشدید مغناطیسی
  • محمد جواد فیروزی، حمیدرضا دلیلی اسکویی*، رضا فاطمی مفرد صفحات 77-81
    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.
    کلیدواژگان: رادار با فرکانس تکرار پالس بالا، کلاتر، تراشه FPGA، پردازش پالس داپلر، نرم افزار سیستم ژنراتور XSG
  • مریم مگری، هادی گرایلو* صفحات 83-96
    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 موثر 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.
    کلیدواژگان: فشرده سازی، تجزیه حالت تجربی (EMD)، هموارسازی سیگنال، تبدیل DCT، دوبعدی سازی، تبدیل موجک، کدگذار SPIHT
  • فاطمه نعیمی، وحید قدس* صفحات 97-107
    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.
    کلیدواژگان: تبدیل متن به گفتار، سنتز گفتار، فارسی، فرکانس گام، نرم افزار Flite
|
  • B. Azadian, T. Yousefi Rezaii *, S. Meshgini Pages 1-11
    In this paper, sparse representation of EEG signal is used to automatically classify sleep stages. In this regard, two general sparse representation trends are proposed to classify 4-class sleep stages. The first proposed method is based on sparse principal component analysis (SPCA) which uses different features including time, frequency, and time-frequency features applied to support vector machine (SVM) classifier. The second proposed method is based on sparse representation-based classifier (SRC) which uses orthogonal matching pursuit (OMP) algorithm to obtain sparse coding of the EEG signal. In order to evaluate the effectiveness of the proposed algorithms, their performance is compared with the conventional SVM classification based on PCA method using time, frequency, and time-frequency features. The study is carried out on EEG signal from Physionet international database. Simulation results show on the average 8.36% and 8.26% improvement of the first proposed method in terms of classification accuracy compared to the PCA and deep learning methods, respectively, while the second proposed method has achieved the running time of 118% and 72% faster than the existing PCA and deep learning methods, respectively.
    Keywords: Sleep classification, compressed sensing (CS), sparse, electroencephalogram (EEG) signal
  • Z. Asgharzadeh Bonab, S. Meshgini * Pages 13-23
    Diabetes is a common disease in the world. The first member that is usually damaged is the eye. Diabetic retinopathy is a diabetic disorder and occurs due to changes in the blood vessels of the retina. Extracting blood vessels is initial step for diagnosis of retina problems. Imaging of Retina needs some special cameras called fundus. It is a digital camera that captures retina images ad is capable to save them. The purpose of this paper is to provide a method for the diagnosis of blood vessels based on morphology on retina images. After converting a color image to a gray scale one and improving the quality, morphological operators are used to remove the optical disk from the image. Then, blood vessels are extracted from the retina image by two different methods. Combining these two methods gives more detailed results. Possible noise is then removed using median filters. Finally, the results are combined and the blood vessels are extracted. The proposed algorithm has been evaluated over the images from the Drive database. The experimental results shows the effectiveness of our proposed method. The average result of specificity, sensitivity and accuracy are 0.98, 0.751 and 0.960, respectively.
    Keywords: Retina image, blood vessels, diabetic retinopathy, vessel extraction, Morphology
  • M. Poudineh, M. Mohebbi *, K. Gharagozli Pages 25-33
    Epilepsy is a neural disorder with unknown nature and epileptic patients suffer from the consequences of unexpected seizures. In this paper, we proposed a new method to predict epileptic seizures using heart rate variability (HRV) signal analysis. During preictal period of epilepsy, increasing in nervous activities of neurons affects the autonomic nervous system that disturbs heart rates. Therefore, epileptic seizures can be predicted through HRV monitoring. In our method, we extracted 12 features of HRV signal from different domains: time, frequency, time-frequency and non-linear domain. We used Multivariate Statistical Process Control (MSPC) algorithm for anomaly detection which is able to detect anomalies that cannot be detected by monitoring each variable independently. This algorithm has been applied to the clinical data collected from 17 patients. The obtained results demonstrated that the proposed method can predict seizure onset with an accuracy of 88.2%. The proposed HRV-based seizure prediction algorithm is more promising than the conventional EEG-based methods from the viewpoint of practical use.
    Keywords: Heart rate variability, Prediction, epilepsy, multivariate statistical process control
  • F. Hasanzadeh, S. Meshgini * Pages 35-43
    Approximately one percent of the world's population suffers from epilepsy. The first stage of epilepsy treatment is timely and correct diagnosis. One of the ways to diagnose epilepsy is to accurately analyze EEG signals. There are various features to diagnose the disease from a signal such as the signal amplitude. In this paper, a new method for the diagnosis of epilepsy is presented by examining the time-frequency information of the EEG signal in people with seizure-free seizure syndrome and healthy people. Initially, the Global Wavelet Spectrum (GWS) feature of the EEG signal was extracted. To interpret this Spectrum in frequency bands, EEG signals decompose to five levels by continuous wavelet transform. Then, by applying this feature, a Support vector machine-based classifier was used to diagnose epilepsy. The results of the analysis provided a significant difference in the separation of the individual based on the brain signal. The proposed method compared to the previous methods, can classify epilepsy and intact signals with 100% accuracy. It was also observed that the dominant (GWS) values for the signals selected from patients with epilepsy in the delta and theta frequency band are discussed.
    Keywords: epilepsy, Electroencephalography, wavelet transform, global wavelet spectrum, Support Vector Machine
  • A. Zahedi * Pages 45-55
    Wireless networks suffer from battery discharging specially in cooperative communications, where multiple energy constrained relays are used. To overcome this problem, energy harvesting from RF signals is used to charge the node battery. These intermediate nodes have the ability to harvest energy from the source signal and use the harvested energy to transmit information to the destination. In fact, the node tries to harvest energy and then transmit the data to destination. Division of energy harvesting and data transmission periods can be done in two different protocols, namely time switching based relaying protocol (TSR) and power splitting based relaying protocol (PSR). These two protocols can also be applied in delay-limited and delay-tolerant transmission systems. The previous works have assumed a single relay for energy harvesting; However, in this paper, the proposed method is concentrated on improving the outage probability and throughput using multiple antennas in each relay node instead of using single antenna. Also the optimum location of multiple relays is discussed and its effect on throughput of the system is mainly considered. According to our simulation results, when multi-antenna relays are used, ability of energy harvesting is increased and thus system performance will be improved to a great extent. MRC selection relay scheme is used when the destination chooses a group of relays and antennas satisfying the required SNR.
    Keywords: Delay-limited transmission, delay-tolerant transmission, energy harvesting, multiple antennas, multiple relays, TSR, PSR protocols, relay optimum location
  • S. H. Soleymani, A. H. Taherinia * Pages 57-65
    In this paper, a new attack is proposed on blind image watermarking, which is able to destroy the watermark embedded in an image using quantization and dither modulation embedding methods. This attack is consist of three main steps: The first two steps are segmentation and finding more similar regions of image and the third step is swapping similar regions with each other. One of the main idea in the proposed method is the algorithm of finding similar segments, which are far from each other and also are in indistinctive locations. This attack does not need to know the embedding and extraction algorithms and their parameters which are used. Therefore, this method is a blind attack. The results of this algorithm and its comparison with other intentional and unintentional attacks show that it can destroy embedded watermark properly and can preserve the quality of watermarked image. The value of NC metric is less than 0.4 and the value of PSNR metric is about 39 dB between the watermarked image and the attacked image.
    Keywords: Watermark, Watermarking, attack, segmentation, non-local similarity
  • A. Alipour Sifar, M. Shamsi * Pages 67-75
    Segmentation of brain MR images is a major issue in medical image processing computations. In these images, segmentation is failed by the existence of internal artifact which is called intensity inhomogeneity due to the existence of overlap effect among brain tissue intensities which often causes false classification of brain tissues. In this paper, two suggested methods for segmentation and bias field correction arises, which these images are implemented through the level set (LSM) and multiplicative intrinsic component (MICO) algorithms. Methods outlined in this article include: bias field correction of the human brain MR images by one of these algorithms and segmentation by other algorithm and vice versa. Quantitative and qualitative analysis on the final results showed, accuracy above 90% for the area containing the CSF using the MICO algorithm as well as the areas WM and GM by LSM algorithm. These results can be used to select efficient algorithm to correct the bias field and segmenting each area, separately.
    Keywords: Level set algorithm, multiplicative intrinsic component optimization, bias field correction, segmentation, magnetic resonance images
  • M. J. Firouzi, H. R. Dalili Oskouei *, R. Fatemi Mofrad Pages 77-81
    Today, the design and use of high-frequency repeater radars are very common because of the advantages of high power transmission and coping with extended clutters and jamming. However, it is always the design and implementation of digital processors that can handle system parameters such as the wide dynamic range above the input signal of these radar coverage has been challenging. In this paper, a method for digital design and determination of the hardware architecture of a high repetition frequency radar signal processor based on the use of software provided by Xilinx XSG It's easier to design and develop The FPGA-based chip-based is provided in the MATLAB Simulink software is presented, this method is based on the use of Software provided by Xilinx Inc. The results of hardware simulation and comparison of output blocks of processing blocks with the output of the analog blocks of the typical radar and comparison with analog digital combined hardware of general radars represent improvement dynamic range of input at least 70 dB and low weight of this processor for a radar with high pulse repetition frequency.
    Keywords: High-pulse repetition frequency radar, clutter, FPGA chip, pulse-doppler processing, XSG system generator software
  • M. Magari, H. Grailu * Pages 83-96
    Electromyogram (EMG) signals are useful in muscle behavior assessment and have some clinical applications. Today, there is a great tendency to transmit and store long-term EMG recordings which implies the importance of EMG signal compression. In this paper, we have proposed an EMG signal compression approach based on Empirical-Mode-Decomposition-based signal approximation, Discrete-Cosine-Transform-based signal smoothing, two-dimensional signal processing, wavelet transform, and SPIHT coding. We have evaluated the compression performance of the proposed approach by two sets of measures: The compression throughput and clinical-information-preserving measures. The former include two measures of PRD and CF while the latter uses four spectral parameters as the appropriate measures.
    Keywords: Compression, empirical mode decomposition (EMD), signal smoothing, discrete cosine transform (DCT), two-dimensional signal processing, wavelet transform, set partitioning in hierarchical trees (SPIHT) coding
  • F. Naiemi, V. Ghods * Pages 97-107
    This survey introduces a model and the implementation of a speech synthesizer in Farsi language using Flite software. In this approach, the mean and the standard deviation of pitch frequency of each voiced phoneme are first calculated by a database of Farsi sentences (Fars Dat). Then, the changes of each phoneme of the desired phrase are inserted into the software through the calculation of a value. The main feature of this synthesizer is its ability to change text to speech within Farsi pronunciation and in Farsi dialect. At the end of this paper, the results of this algorithm are compared to the changes of pitch frequencies extracted from the database of Farsi sentences. Some examples of the sentences from the database are also synthesized using our proposed method on Flite Software. The value of MOS test for understandability, naturalness and good sounding of those sentences are 4.4, 4.2, and 4.6 for the training set, respectively, and 4.2, 4.1, and 4.3 for the test set, respectively.
    Keywords: Text to speech, speech synthesizer, Farsi (Persian), pitch frequency, Flite software