فهرست مطالب

  • Volume:1 Issue: 4, 2008
  • تاریخ انتشار: 1387/03/20
  • تعداد عناوین: 9
|
  • کتایون شجاعیان، رسول امیرفتاحی، فرزانه کلاهدوزان صفحه 1
    در این مقاله یک الگوریتم کارآمد تشخیص و طبقه بندی ECG تک کاناله مبتنی بر تبدیل موجک را اجرا نموده و به منظور تشخیص و طبقه بندی برخی آریتمی های خطرناک بطنی به کار گرفته و بهبود داده ایم. در اولین مرحله، کمپلکس های QRS تشخیص داده می شوند. سپس مشخصات هر QRS با شناسایی و تعیین قله های موج های تشکیل دهنده آن و نیز نقاط شروع و پایان کمپلکس QRS تکمیل می گردد. در ادامه قله های موج های P، T و نیز نقاط شروع و پایان هر یک تعیین می شود. ما این الگوریتم را با استفاده از داده های حاشیه نویسی شده معروف MIT/BIH Arrhythmia Database و QT Database ارزیابی نمودیم. در الگوریتم پیشنهادی با بکارگیری موجک اسپلاین درجه دوم(quadratic spline)، کمپلکس QRS و همچنین موج های P وT از انواع نویزها و تداخل های ناخواسته تفکیک شده و تشخیص آریتمی های حاد در بانک اطلاعاتی سیگنال های الکتروکاردیوگرام استاندارد حتی در حضور نویز و تداخل های ناخواسته نیز امکان پذیر می گردد. با استفاده از الگوریتم پیشنهادی میانگین دقت تشخیص آریتمی های تاکیکاردی بطنیVT، بردی کاردیای بطنی، تاکیکاردی فوق بطنی،SVT فیبریلاسیون بطنی،VFIB فلاتر بطنیVFL، فلاتر دهلیزیAFL و آریتمی فیبریلاسیون دهلیزی،AFIB نزدیک به 80% اعلام می گردد.
    کلیدواژگان: تبدیل موجک، آریتمی های حاد بطنی، سیگنال الکتروکاردیوگرام، کمپلکس QRS
  • آرش حسن پور اصفهانی صفحه 11
    امروزه میکروموتورها کاربردهای زیادی در صنایع مدرن دارد، با این حال منابع چندانی در معرفی این نوع موتورها در دسترس نیست. برای رفع این مشکل و ایجاد زمینه مناسب برای آشنایی پژوهشگران با این تکنولوژی مدرن، در این مقاله بررسی ابعاد مختلف این نوع از موتورها مورد توجه قرار گرفته است. ابتدا ساختارهای مختلف این موتورها و چالش های مربوط به هر ساختار بررسی شده و در ادامه مقایسه ای بین ساختارهای مختلف از لحاظ معیارهایی چون راندمان، چگالی انرژی، قدرت بر واحد حجم و ابعاد نیروهای تولیدی صورت گرفته، مزایا و معایب هر کدام بررسی شده است. همچنین روش های ساخت میکروموتورها و برخی از کاربردهای آنها شرح داده شده است.
    کلیدواژگان: میکروموتور، ساختار، مقایسه، روش های ساخت، کاربردها
  • احسان طهماسبی، آرش دقیقی، محسن عشوریان صفحه 27
    مسئله شناسایی سیستم عبارت است از تخمین یک مدل از روی سیستم عملی با استفاده از اطلاعات ورودی- خروجی آن سیستم. هدف از این مقاله، مطالعه و بررسی سیستم خط تمپرمیل نورد سرد مجتمع فولاد مبارکه، تست عملی و شناسایی این سیستم، ارائه مدل مناسب، مقایسه با داده های واقعی و شبیه سازی آن می باشد. بدین منظور در ابتدا انواع روش های شناسایی را نام برده، سپس مراحل مدل سازی را شرح می دهیم. در ادامه سیستم اعمال نیرو بر سطح ورق و تنظیم فاصله غلتک ها در خط تمپرمیل را شناسایی و مدل سازی می کنیم. مقایسه نتایج شبیه سازی با داده های عملی بیانگر این است که مدل بدست آمده بخوبی سیستم تمپرمیل را تقریب می زند.
    کلیدواژگان: سیستم های SISO، شناسایی سیستم، نورد سرد، مدل ARX
  • عطیه زاهد، احمدرضا نقش نیلچی صفحه 37
    یکی از موضوع های مهم در عرصه تجارت الکترونیک، مسئله رعایت قانون حق کپی (Copyright) محصولات دیجیتالی است. واترمارکینگ دیجیتالی، یکی از روش هایی است که برای حل این مسئله ارائه شده است و نسبت به روش هایی مثل رمزنگاری و امضای دیجیتالی، که در حال حاضر برای رفع این مشکل استفاده می شوند، از امنیت بیشتری برخوردار است. در این مقاله، تعدادی از روش های واترمارکینگ موجود، ازجنبه های مختلف مورد بررسی قرار گرفته اند. سپس یک روش ترکیبی جدید برای واترمارکینگ تصاویر با فرمت BMP ارائه شده است. این روش واترمارک را در دامنه فرکانسی تصویر با استفاده از دو تبدیل DCT و DWT، جاسازی می کند و فرآیند استخراج را بدون استفاده از تصویر اصلی انجام می دهد. این روش در برابر حملات JPEG و برش (Cropping) و تغییر اندازه (Scaling) بسیار مقاوم است.
    کلیدواژگان: واترمارکینگ، DCT، DWT، حمله JPEG، حمله برش، حمله تغییر اندازه، استخراج کور(Blind)
  • پریسا بقایی انارکی، محمدرضا یزدچی، علیرضا کریمیان صفحه 51
    توسط تبدیلات زمان فرکانسی به مانند موجک و نظریه آشوب در استخراج ویژگی از زیرباندها، می توان دقت تشخیص بیماری صرع لب گیجگاهی را در حضور فعالیت پس زمینه سیگنال های ناخواسته و نویز بهبود داد. به منظور تجزیه EEG به زیرباندهای دلتا، تتا، آلفا، بتا وگاما از تبدیل موجک استفاده می شود. با استفاده از نظریه آشوب، پارامتر های بعد همبستگی و نمای لیاپانوف به همراه انحراف معیار از زیر باندها استخراج می شوند و سپس با استفاده از شبکه های عصبی و سایر طبقه بندی کننده ها، میانگین و انحراف معیار دقت روش های مختلف جهت افزایش دقت تشخیص صرع در سه حالت مختلف، حالت طبیعی شخص بیمار، مرحله ی قبل از ورود به مرحله تشنج و در حالت تشنج، در سیگنال های غیر ایستای مغزی مورد بررسی و آزمون قرار گرفته است. نتایج تحقیق بیانگر این حقیقت است که سیستم های استنتاج فازی در یک فضای مشخصه از باندهای مختلف شامل 8 پارامتر، (دقت 96.8% و انحراف معیار (0.7)) و توسط روش متوسط گیری گروهی با ترکیبی از 6 پارامتر (دقت 97.5% و انحراف معیار صفر) بر روش های دیگر برتری داشته اند و برای دسته بندی حالات مختلف صرع مناسب می باشند. این آمار بسیار قابل توجه است، چرا که دقت بررسی های بصری توسط متخصص ترین نورولوژیست ها، متجاوز از 80% نمی باشند.
    کلیدواژگان: آشوب، شبکه های عصبی، صرع، موجک، EEG
  • فاطمه جمشیدی، مهدی قاسم مقدم، محمد تقی بهشتی، امین رضایی منش صفحه 61
    در این مقاله، طراحی کنترل کننده کلیدزنی H2/H∞ بررسی شده که به حداقل حد روی عملکردهای H2 و H∞ منجر می گردد. سرپرست فازی ترکیب دو کنترل کننده را مدیریت کرده و به ساختاری منجر می گردد که از مزایای هر دو کنترل کننده بهره گرفته است. ساختار پیشنهادی، عملکرد خوب، هم در حالت گذرا (H2) و هم در حالت ماندگار (H∞) را تضمین می نماید و از روش نامساوی های ماتریسی خطی قابل حل است. با استفاده ازتوابع لیاپانوف چندگانه پایداری اثبات شده و علیرغم تغییر ساختار، سیستم پایدار مطلق باقی می ماند. طرح هوشمند پیشنهادی به دلیل استفاده از کنترل کننده های مجزا و حذف قید تابع لیاپانوف مشترک، از محافظه کاری و پیچیدگی کمتری در مقایسه با روش های متداول H2/H∞ مبتنی بر تابع لیاپانوف مشترک برخوردار است. نتایج حاصل از روش های متداول کنترل H2/H∞ نیز به سادگی از روش پیشنهادی قابل محاسبه است.
    کلیدواژگان: پایداری، سرپرست فازی، سیستم های کلیدزنی، کنترل H2، H∞، نامساوی های ماتریسی خطی
  • امیرعلی مهاجرپور، علی کریمپور، ناصر پریز صفحه 71
    در این مقاله روش های متفاوت شبیه سازی سیستم های کنترل شبکه، مورد بررسی قرار گرفته، دقت، سرعت و سادگی هر یک از این روش ها، مورد تحلیل قرار می گیرند. همچنین مدل هایبرید یک سیستم، که در نرم افزارMATLAB شبیه سازی شده است، برای بررسی شبیه سازی دینامیک های سیستم معرفی می گردد. سپس در جهت به کارگیری شبیه ساز ns-2، یک تقریب اولر برای دینامیک های سیستم پیوسته، به کار برده می شود. کارآیی این روش ها نسبت به هر دو مجموعه سیستم های کنترل شبکه و سیستم های کنترل بدون شبکه مورد بررسی قرار می گیرد. در انتها ساختارهای مختلف معماری شبکه و تاثیر هرکدام از عوامل اثر گذارنده آن بر عملکرد سیستم کنترلی ازجمله تعداد پلانت ها، سایز حافظه ی روترهای هر لینک و میزان ترافیکی که بر روی روتر قرار می گیرد، بیان می شوند.
    کلیدواژگان: سیستم های کنترل شبکه، شبیه سازns، 2، مدل هایبرید، شبیه سازی پایه
  • محمدحسین خاکسار، امین الله گلرو، سعید راحتی قوچانی صفحه 83
    دوک های خواب یکی از مهم ترین شکل موج های زودگذر در سیگنال EEG در حالت خواب می باشند. در اینجا، یک روش دو مرحله ای بر پایه ی شبکه های عصبی مصنوعی برای شناسایی اتوماتیک دوک خواب در یک سیگنال 19 کاناله ی EEG معرفی می شود که، در مرحله ی اول، از یک پرسپترون پیش طبقه بندی کننده به منظور افزایش کارایی کلی آشکارسازی و همچنین کاهش زمان محاسبه استفاده می گردد و در مرحله ی دوم، دوک های خواب منتخب، توسط یک شبکه ی عصبی مصنوعی پس طبقه بندی کننده، دسته بندی می شود. ابزارهای دسته بندی کننده در فرآیند پس طبقه بندی دو شبکه ی MLPو RBSVM بودند که عملکرد آنها در انتها مورد مقایسه قرار گرفت. بررسی دیداری سیگنال EEG 19 کاناله ثبت شده از شش سوژه، توسط یک متخصص تشخیص دوک های بصری خواب، نشان می دهد که عملکرد RBSVM نسبت به MLPبا آموزش پس انتشار خطا بهتر بوده و دارای حساسیت میانگین 4/91 % و آشکار سازی اشتباه 85/3 % است.
    کلیدواژگان: EEG، آشکارسازی دوک خواب، ماشین بردار پشتیبان، الگوریتم پس انتشار
  • دستور العمل تهیه مقاله جهت چاپ در فصلنامه علمی- تخصصی مهندسی برق مجلسی
    صفحه 91
|
  • Katayoun ShojaianÝ, Rasoul Amirfatahi, Farzaneh Kolahdouzan Page 1
    In this paper we use an efficient arrhythmia algorithm based on wavelet transform. In first step, QRS complexes are detected. Then each QRS is delineated by detecting and identifying the peaks of the individual waves, complex onset and end. Then the determination of P and T wave peaks, onset and ends are performed. Finally the Ventricular flutter, ventricular tachycardia, supra ventricular tachycardia, ventricular fibrillation, atrial fibrillation and atrial flutter that are kinds of acute ventricular-atrial arrhythmias are detected. In the proposed algorithm, we used a second order spline as mother wavelet and improved the previous algorithms proposed by other investigators. We evaluated the algorithm on some manually annotated single ECG signals selected from MIT-BIH arrhythmia databases. This algorithm may achieve the mean detection accuracy of about 80% in these arrhythmias.
  • Arash Hasanpour Page 11
    Nowadays, micro motors have widespread applications in the industry. However, not many references exist about these motors. To remove this problem, a comprehensive review on micro motors is presented in this paper. For this purpose, different type of micro motors discussed and their potential and challenges are addressed. Besides, a comparison between electrostatic and electromagnetic micro motors is performed. Regarding their efficiency, power density, force to dimensions dependency and their advantages and drawbacks are investigated. Finally, the methods of fabrication of some of their applications are expressed.
  • Ehsan Tahmasebi, Ýarash Daghighi, Mohsen AshourianÝ Page 27
    System identification is defined as modeling a system, using the input-output data. In this paper, CSM temper mill line was studied and parametric system identification was explained. Using ARX method, the experimental system was modeled and identified. Good agreement was obtained when comparing extracted model outputs with the experimental data.
  • Atiya ZahedÝ, Ahmadreza Naghsh-Nilchi Page 37
    In recent years, digital watermarking has become a popular technique for digital images by hiding secret information which can protect the copyright. The goal of this paper is to develop a hybrid watermarking algorithm. This algorithm used DCT coefficient and DWT coefficient to embedding watermark, and the extracting procedure is blind. The proposed approach is robust to a variety of signal distortions, such as JPEG, image cropping and scaling.
  • Parisa Baghaie-Anaraki, Mohammadreza Yazdchi, Alireza Karimian Page 51
    By the time-frequency transformations like wavelet and chaos theory to find the feature from sub-bands, it is possible to diagnose the epilepsy although there are some noises and signals. To decompose the EEG into sub-bands such as delta, theta, alpha, beta and gamma, wavelet analysis is used. Chaos theory is used to compute standard deviation, correlation dimension and Lyapunov exponent from the sub-bands, then the neuron system and other classifiers, standard deviations and averages are used to increase the diagnosis accuracy of epilepsy for all three groups of normal, ictal, and inter ictal.Results show a fuzzy subtractive clustering in a specific distance including 8 parameters (persistence 96.8% and standard deviation 0.7) and by Ensemble averaging including 6 parameters (persistence 97.5% and standard deviation 0) is better than other methods and proper for clustering epilepsy disease. This statistics is considerable while visual consideration by specialized neurologists isn’t more than 80 percent.
  • Fatemeh Jamshidi, Ýmehdi Ghasem Moghadam, Mohammadtaghi Hamidi-Beheshti, Amin Rezaeemanesh Page 61
    In this paper, the synthesis of switching H2/H∞ controller is considered which achieves a minimum bound on the H2 performance level, while satisfying the H∞ performance. The proposed hybrid control scheme is based on a fuzzy supervisor which manages the combination of controllers. A convex formulation of the two controllers leads to a structure which benefits from the advantages of both controllers to ensure a good performance in both the transient phase (H2) and the steady phase (H∞). The stability analysis uses the Lyapunov technique, inspired from switching system theory, to prove that the system with the proposed controller remains globally stable despite the configuration changing. The conservatism introduced by means of the proposed methodology is significantly decreased in comparison to the Lyapunov shaping methods which oblige the designer to employ a common Lyapunov matrix for all the performance criteria and design one controller that satisfy all the objectives. The results of the common H2/H∞ methods can be derived from proposed method easily.
  • Amir Mohajerpour, Ali Karimpour, Naser Pariz Page 71
    In this paper, we examine several frameworks for NCS simulation: a MATLAB-based package called True Time, the Agent/Plant addition to the ns-2 network simulator, and other MATLAB -based frameworks. We analyze the accuracy, speed, and ease of use of two different methods of simulating system dynamics using the Agent/Plant extension to ns-2. We also introduce a hybrid system model, which we simulate in MATLAB, to verify the simulation of system dynamics in ns-2. We then proceed to use the ns-2 framework and Agent/Plant, using an Euler approximation for the continuous system dynamics, to simulate both the inverted pendulum and pitch control systems on the network topology described in Chapter 2. We examine the performance of these systems as the traffic on the network increases, due to both additional NCSs and non-NCS cross-traffic. We also examine the effects of non-random vs. random sample scheduling, and observe the periodicity of packet loss under both scheduling policies.
  • Mohammadhoseyn Khaksar, Amin Golrou, Saeed Rahati-Ghuchani Page 83
    Sleep spindles are one of the most important transient waveforms found in the sleep EEG signal. Here, we introduce a two-stage procedure based on artificial neural networks for the automatic recognition of sleep spindles (SS) in a 19-channel electroencephalographic signal. In the first stage, a pre-processing perception is used for enhancing overall detection and also reducing computation time. In the second stage, the selected Sleep spindles (SS), classified with neural network post-classifier. Classifying tools in post-processing procedure were MLP and RBSVM that their operations are compared in the last section of the report. Visual inspection of 19-channel EEG from six subjects by one expert in this theme, showed that RBSVM operation is better than MLP with BP (Back propagation) training, that SVM provided 91.4% average sensitivity and 3.85% average false detection rate.