تحقیق درباره فیلتر ها 63 ص

اختصاصی از رزفایل تحقیق درباره فیلتر ها 63 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 63

مقدمه

عبارت فیلتر معمولاً به دستگاهی، سخت افزاری یا نرم افزاری، اطلاق می شود که برای بازیابی اطلاعات مفید در یک سیگنال نویزی به کار می رود. نویز یک سیگنال ناخواسته است که اطلاعات موردنظر ما را تحت تأثیر قرار می دهد و در اثر شرایط متفاوتی تولید می شود. به عنوان مثال سیگنال ممکن است توسط یک سنسور در محیطی نویزی خوانده شود یا شاید سیگنال در طول انتقال در کانال مخابراتی دچار اختلال گردد.

فیلتر به طور کلی سه کاربر دارد:

1-فیلتر کردن:

بازیابی سیگنال با دقت خواسته شده در زمان t با توجه به اطلاعات موجود در زمان t

2-یکنواخت ساختن:

در این کاربرد اطلاعات مورد نظر با دقت خواسته شده در زمان t وجود ندارد ولی به کمک داده هایی که در زمان های بعد از t بدست می آید، سیگنال مورد نظر بازیابی می شود. به همین دلیل برای یکنواخت ساختن باید از تأخیر استفاده کرد.

3-پیش بینی:

در این مورد هدف بدست آوردن سیگنال در زمان در آینده ، بوسیله اطلاعات موجود در زمان t می باشد.

فیلترها را می توان به دو دسته تقسیم بندی نمود:

-خطی

-غیرخطی

یک فیلتر را خطی می نامند هرگاه خروجی آن تابعی خطی از ورودی باشد. در رهیافت آماری برای فیلتر خطی، ما به پارامترهای آماری، مانند میانگین و یا تابع همبستگی، سیگنال و نویز احتیاج داریم. یک راه کاربردی برای بهبود فیلتر کردن، حداقل نمودن مقدار میانگین مربع خطایی که از کم کردن پاسخ مورد نظر و خروجی فیلتر بدست می آید، می باشد. برای ورودی های ساکن، راه حل مناسب فیلتر Wiener می باشد. در این حالت منحنی MSE برحسب پارامترهای قابل تنظیم فیلتر سطح اجرایی خطا نامیده می شود. نقطه حداقل در این نمودار، ضرایب بهینه را مشخص می کند.

فیلتر Wiener در مواقعی که سیگنال یا نویز غیرساکن می باشند، غیرقابل استفاده است. در این شرایط فیلتر بهینه متغیر با زمان فرض می شود که از معروف ترین این نمونه می توان به فیلتر Kalman اشاره کرد.

تئوری فیلترهای وفقی مانند Wiener یا Kalman، در حوزه پیوسته همچون گسسته بحث شده اند ولی در عمل بدلیل حضور کامپیوتر و پردازشگرهای دیجیتال در حوزه گسسته کارایی بیشتری دارند. در فیلترهای وفقی، معمولاً از یک فیلتر دیجیتال به همراه یک الگوریتم وفقی استفاده می شود که ضرایب فیلتر دیجیتال توسط الگوریتم موجود تعیین می شود.

در زیر چند کاربرد فیلترهای وفقی را نام می بریم:

1-در مهندسی پزشکی و دستگاه هایی مانند MRI، EEG و ECG

2-مخابرات دیجیتال

3-حذف اکو در تلفن

4-سیستم رادار

5-سیستم هدایت

این پایان نامه مشتمل بر چهار فصل می باشد. در فصل اول در باره فیلترهای دیجیتال بحث های مختصر و پایه ای شده و خواننده را برای درک مفهوم فیلتر وفقی آماده می سازد. فصل دوم به دو بخش تقسیم شده است. در بخش اول ریاضیات مورد نیاز برای فیلتر وفقی آورده شده است و در بخش دوم به معرفی فیلتر وفقی پرداخته شده و در باره انواع الگوریتم های آن بحث شده است. فصل سوم راجع به قابلیت های نرم افزار تخصصی MATLAB در زمینه فیلترکردن و فیلترهای وفقی می باشد. و در فصل آخر تعدادی از کاربردهای فیلترهای وفقی را مرور می کنیم.

بهبود دقت تشخیص مکانیابی چهره با استفاده از فیلتر گابور و افزایش پارامترهای ورودی شبکههای عصبی

اختصاصی از رزفایل بهبود دقت تشخیص مکانیابی چهره با استفاده از فیلتر گابور و افزایش پارامترهای ورودی شبکههای عصبی دانلود با لینک مستقیم و پر سرعت .

مقالات علمی پژوهشی کامپیوتر با فرمت    Pdf       صفحات      9

چکیده:
شبکههای عصبی مبتنی بر تشخیص چهره ، موفقیتهای زیادی در این حوزه بدست آوردهاند. برای تمامی سیتمهای تشخیص الگو،شناسایی
درست یک ویژگی بسیار مهم است. یک راه حل شبکه عصبی ترکیبی برای تشخیص چهره که در این مقاله به آن اشاره شده، این است که
شبکه عصبی به کمک ویژگیهای فیلتر گابور آموزش میبیند. فیلتر که قادر است بطور همزمان اطلاعات مکانی و فرکانسی را ثبتت کنتد،
نقش عمده ای در سیستمهای متعدد بعنوان یک ویژگی استخراج کننده ایفا میکند. در بیشتر روشهای تشخیص چهتره بتر استای ویژگتی
"مقدار" یا ترکیب ویژگیهای "مرحله" و "مقدار" فیلتر گابور استفاده میشود. اما در ایتن مقالته از سته ویژگتی " مقتدار " ،" مرحلته "و"
جهتگیری" تولید شده توسط فیلتر گابور استفاده شده است. این سیستم با آمیختن یک تصویر چهره با مقیای و جهتگیریهای مختلف
کار میکند.نتایج بدست آمده نشان می دهد که استفاده از این سه ویژگی موجب بهبود فرایند تشخیص چهره می گردد.
واژگان کلیدی: تشخیص چهره ، فیلتر گابور ، شبکه های عصبی مصنوعی

طراحی فیلتر میان گذر با استفاده از فیلترهای بالاگذر و پایین گذر 14 ص

اختصاصی از رزفایل طراحی فیلتر میان گذر با استفاده از فیلترهای بالاگذر و پایین گذر 14 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 14

موضوع پروژه: طراحی فیلتر میان گذر با استفاده از فیلترهای بالاگذر و پایین گذر در حوزه فرکانس(Ideal ، Butterworth و Gaussian)

شماره پروژه: 6

نام دانشجو: سیده فرشته میرمحمدیان توتکله

مهلت تحویل: 06/03/1387

تاریخ تحویل: 06/03/1387

چکیده:

در این پروژه ، فیلتری را طراحی می کنیم که فرکانس های زیر 10 (شعاع قطع پایین) و بالای 20 (شعاع قطع بالا) را از خود عبور دهد.این فیلتر با استفاده از فیلترهای Low-pass و High-pass ایده آل ، Butterworth و Gaussian طراحی شده است. روند تعریف این فیلتر در این گزارش بیان شده و هم چنین با بررسی نتایج حاصل از این فیلترها ، به مقایسه عملکرد آنها می پردازیم.

شرح تکنیکی مساله:

هدف این است که فیلتری بسازیم که فرکانس های زیر 10 و بالای 20 را از خود عبور داده و بقیه فرکانس ها را حذف یا تضعیف کند.

تصویر اصلی، شکل (1) ، یک تصویر 500*500 است که می خواهیم آن را از این فیلتر عبور دهیم. بدین منظور ابتدا یک فیلتر Low-pass ایده آل یا Butterworth یا Gaussian طراحی کرده تصویر را از آن عبور میدهیم وسپس تصویرحاصل را از یک فیلتر High-pass ایده آل یا Butterworth یا Gaussian گذر می دهیم تا به ترتیب فرکانس های زیر 10 و بالای 20 را تقویت کند.

اولین راهی که به ذهن می رسد این است که طبق مراحل گفته شده برای اعمال فیلتر به تصویردر حوزه فرکانس ، پس از تغییر فاز ، ابتدا تبدیل فوریه تصویررا گرفته(با دستور fft2)، وحاصل را در فیلتر Low-pass ضرب نظیر به نظیر کنیم و بعد از جواب بدست آمده عکس تبدیل فوریه بگیریم(با دستور ifft2 ) تا پس از انجام مراحل باقیمانده ، تصویر خواسته شده در حوزه مکان حاصل شود.

این الگوریتم در برنامه های (2) ، (3) و (5) ، به ترتیب برای فیلتر های ایده آل ، Butterworth و Gaussian که در پیوست موجود است پیاده سازی شده و نتایج حاصل از آنها در شکل های (5) ، (8) و (12) قابل مشاهده است.

توضیح: برای فیلتر ایده آل اول تصویر عبور داده شده از فیلتر Low-pass به صورت فایل JPEG ذخیره شد وسپس در برنامه ای جداگانه ای تصویر حاصل از فیلتر Low-passرا از یک فیلتر High-passعبور دادیم. که نتیجه همان شکل 5-5 است.

اما راه حل بهینه این است که دو بار از تصویرها تبدیل فوریه و عکس تبدیل فوریه نگیریم. به عبارت دیگر دو مرتبه وارد حوزه فرکانس نشویم. در نتیجه باید ابتدا تبدیل فوریه تصویر را بدست آورده و در فیلتر Low-pass ضرب کنیم. سپس جواب را در فیلتر High-pass هم ضرب کرده و از این حاصل ضرب عکس تبدیل فوریه بگیریم و بقیه مراحل تغییر فاز و ... را طی کنیم. بنابراین یک بار وارد حوزه فرکانس شده و محاسبات برنامه کمتر می شود و سرعت اجرا هم بالاتر می رود.

این الگوریتم در برنامه های (4) و (6) برای فیلترهای Butterworth و Gaussian که در پیوست موجود است پیاده سازی شده و نتایج حاصل از آنها در شکل های (9) و (13) مشاهده می شود.

بررسی نتایج:

طیف فوریه تصویر اصلی را در شکل(2) می بینید که حاصل از تابع(1) موجود در پیوست است. شکل(3)، تصویر حاصل ازفیلتر پایین گذر ایده آل است. همان طور که مشاهده می شود، تصویربه شدت تار شده و پدیده Ringing در آن ظاهر شده است. این پدیده در شکل(4) که حاصل از فیلتربالاگذر ایده آل است نیز قابل رویت است. شکل(5) تصویر به دست آمده از تصویر حاصل ازاعمال فیلتر پایین گذر است که از یک فیلتربالاگذر هم گذرانده شده است. مشخص است که جزییات تصویر به کلی از بین رفته و جز حلقه های اطراف مربع های بزرگتر و چند لکه اطراف a جزییات دیگری قابل دیدن نیست.

شکل(6) تصویر حاصل ازاعمال فیلتر پایین گذر Butterworth با مرتبه 2 است. تصویرتار شده و لبه ها از بین رفته اند. ولی Ringing تقریبا وجود ندارد. این پدیده در تصویر حاصل از اعمال فیلتربالاگذر (شکل(7)) نیز دیده نمی شود. زیرا مرتبه فیلتر2 بوده است.اگر مرتبه بالاتر باشد پدیده Ringing هم اتفاق می افتد. اشکال (8) و (9) حاصل ازاعمال فیلتر میان گذری هستند که با الگوریتم های اول و دوم ساخته شده اند. واضح است که تفاوتی در آنها وجود ندارد. همانطور که پیش بینی می شد شدت تاری تصویر به اندازه تار شدگی شکل(6) نیست و لبه ها کمی شارپ شده اند.

اشکال (10) و (11) تصاویر حاصل از اعمال فیلترهای پایین گذر و بالاگذرGaussian هستند. تارشدگی در شکل(10) به شدت فیلترهای Butterworth و ایده ال نیست و هم چنین پدیده Ringing هم در آنها وجود ندارد. اشکال (12)و(13) هم حاصل از اعمال فیلتر میانگذر Gaussian هستند که به ترتیب از الگوریتم های 1و2 نتیجه شده اند.این تصاویر نسبت به (8) و (9) دارای لبه های شارپ تری هستند و گسستگی سطوح خاکستری بسیار کمتر از تصاویر حاصل از اعمال فیلتر Butterworth است.

نتایج:

شکل(2) :طیف فوریه تصویر اصلی شکل(1) :تصویر اصلی

Ideal

شکل(4) : تصویر حاصل از فیلتر ایده آلHigh-pass شکل(3) : تصویر حاصل از فیلتر ایده آل pass-Low

دانلود پروژه کامل فیلتر کالمن نوشته شده با متلب - KALMAN FILTER

اختصاصی از رزفایل دانلود پروژه کامل فیلتر کالمن نوشته شده با متلب - KALMAN FILTER دانلود با لینک مستقیم و پر سرعت .

دانلود پروژه کامل فیلتر کالمن نوشته شده با متلب - KALMAN FILTER 

تولید ماسک نانو فیلتر

اختصاصی از رزفایل تولید ماسک نانو فیلتر دانلود با لینک مستقیم و پر سرعت .

در ﺻﻨﻌﺖ ﻧﺴﺎﺟﻲ و ﭘﻮﺷﺎک ﻳﻚ ﻋﻤﻞ ﺗﻜﻤﻴﻠﻲ ﻣﻤﻜﻦ اﺳﺖ ﺑﻪ ﻣﻨﻈﻮر ﺑﻬﺒﻮد ﺧﻮاص ﻇﺎﻫﺮی ﭘﺎرﭼﻪ ﻳﺎ اﻓﺰاﻳﺶ ﻣﺮﻏﻮﺑﻴﺖ آن ﻣﺎﻧﻨﺪ ﻧﺮﻣﻲ زﻳﺮدﺳﺖ ـ درﺧﺸﻨﺪﮔﻲ، زﻳﺒﺎﻳﻲ، ﺛﺒﺎت داﺋﻤﻲ، اﻃﻮﭘﺬﻳﺮی و ﻳﺎ ﺑﻪ ﻣﻨﻈﻮر اﻓﺰودن ﺧﻮاص ﻣﻌﻴﻨﻲ ﺑﻪ ﭘﺎرﭼﻪ ﻣﺎﻧﻨﺪ ﻣﻘﺎوم در ﻣﻘﺎﺑﻞ آﺗﺶ، ﻣﻘﺎوم در ﻣﻘﺎﺑﻞ آب، ﻣﻘﺎوم در ﻣﻘﺎﺑﻞ ﺑﻴﺪ ﺑﻪ ﻛﺎر رود. وﻟﻲ ﺑﺎﻳﺪ در ﻧﻈﺮ داﺷﺖ ﻛﻪ ﺑﻌﻀﻲ ﻣﻮاﻗﻊ ﻧﻤﻲ ﺗﻮان اﻳﻦ دﺳﺘﻪ را ﻛﺎﻣﻼً ﻫﺰ ﻫﻢ ﻣﺠﺰا ﺳﺎﺧﺖ زﻳﺮا ﺑﺴﺘﮕﻲ ﺑﻪ ﭼﮕﻮﻧﮕﻲ ﻋﻤﻠﻴﺎت و ﻣﻮاد ﺗﻜﻤﻴﻠﻲ ﺑ ﻪﻛﺎر رﻓﺘﻪ ﺧﻮاﻫﺪ داﺷﺖ .ﺑﺎ اﻧﺠﺎم ﻋﻤﻠﻴﺎت ﺗﻜﻤﻴﻠﻲ ﻣﻨﺎﺳﺐ ﺑﺮ روی ﭘﺎرﭼﻪ ﺟﻠﺐ ﺗﻮﺟﻪ ﻣﺸﺘﺮی ﺷﺪه و در ﻧﺘﻴﺠﻪ در اﺛﺮ اﻓﺰاﻳﺶ ﺣﺠﻢ ﺗﻮﻟﻴﺪ و ﻓﺮوش، ﻗﻴﻤﺖ ﺗﻤﺎم ﺷﺪه ﭘﺎرﭼﻪ ﻧﻴﺰ ﻛﺎﻫﺶ ﭘﻴﺪا ﺧﻮاﻫﺪ ﻛﺮد .اﻣﺮوزه زﻳﺒﺎﻳﻲ و ﭘﺴﻨﺪ ﻇﺎﻫﺮی ﭘﺎرﭼﻪ و ﺣﺎﻟﺖ زﻳﺮدﺳﺖ و اﺣﺴﺎس آن در درﺟﻪ اول اﻫﻤﻴﺖ و اﺳﺘﺤﻜﺎم و ﺳﺎﻳﺮ ﻣﻘﺎوﻣﺖ ﻫﺎی ﻓﻴﺰﻳﻜﻲ آن در درﺟﻪ ی دوم اﻫﻤﻴﺖ قرار دارد.فایل pdf به صورت زیپ شده در 45 صفحه.دانلود طرح توجیهی تولید ماسک نانو فیلتر.