دانلود مقاله آشکارسازی و تصحیح خطا

مقاله آشکارسازی و تصحیح خطا مقاله آشکارسازی و تصحیح خطا

دسته بندی	پژوهش
فرمت فایل	doc
حجم فایل	9 کیلو بایت
تعداد صفحات فایل	8

مقاله آشکارسازی و تصحیح خطا

آشکار سازی خطای دیتا

بیت هشتم هر بایت دیتا بیت مقایسه (PARITY) می باشد که امکان آشکار سازی خطا را به وجود می آورد. سیستم آشکار ساز خطا به عنوان سیستم آشکار ساز خطا با پریتی (Parity) فرد شناخته شده است به این معنی که کل بیت های 1 هر کلمه با احتساب بیت پریتی عددی فرد باشند. این تکنیک، بایت های دیتای با پریتی فرد را در صورت داشتن خطا آشکار می‌کند و همچنین جهت همزمانی مجدد (RESYNCHRONIZE) کلاک با سیگنال دیتا مفید است. آشکار سازی خطا به معنی تصحیح خطا نیست بلکه ما تا این مرحله فقط قادریم وجود خطا را متوجه شویم. البته حالتی که در آن تعداد بیت هایی که خطا هستند فرد باشد پریتی ثابت می ماند و هیچ خطایی با این سیستم (سیستم آشکار سازی پریتی فرد) قابل شناسائی نیست.

تصحیح خطا

در اینجا لازم است اثرات خطا بر دیتای دریافتی را بررسی کنیم. اگر خطایی در بایت سمبل دیتا باشد آن سمبل به شکل نادرستی بر روی صفحه تلویزیون نمایش داده می شود اگر فقط تعدادی خطای این چنینی در صفحه پیام باشد نتیجه اش وجود تعدادی خطا در کرکترهای نمایش داده شده خواهد بود اما این چندان جدی نمی باشد. چون مغز آدمی به طور خارق العاده ای با آنچه که یک حرف نادرست در پترن لغت محتوی آن یا در زمینه پیام باید باشد سازگاری دارد. خیلی کم اتفاق می افتد که بیننده به خطای  اتفاقی سمبل در صفحه نمایش توجهی کند.

کد کردن همینگ

خطر احتمالی وجود خطا در آدرس ها را می توان به کمک اعمال بایت های آدرس کد همینگ به شکل موفقیت آمیزی جلوگیری کرد. تنها هزینه پرداخت شده در مقایسه با روش پریتی این است که در اینجا فقط 4 بیت جهت بردن اطلاعات پیام می باشند در حالی که 4 بیت دیگر را برای تست کردن و ضمناً تصحیح خطا هستند. با این کدها می توان چهار نوع تست مجزا روی دیتای داخل بایت انجام داد.(شکل 4.2)

دانلود سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

دسته بندی	سمینار برق
فرمت فایل	pdf
حجم فایل	1355 کیلو بایت
تعداد صفحات فایل	59

سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی 

لطفا از این پروژه در راستای تکمیل تحقیقات خود و در صورت کپی برداری با ذکر منبع استفاده نمایید.

چکیده 

الکتروانسفالوگرام (EEG) که برای نمایش فعالیت الکتریکی مغز استفاده می شود، ابزار کلینیکی مناسبی برای تشخیص بی نظمی های مربوط به صرع است. آشکارسازی spikeهای صرعی نقش بسیار مهمی در تشخیص صرع ایفا می کند. در این پروژه، طراحی و پیاده سازی سیستم تشخیص spikeهای صرعی با استفاده از روش ترکیبی تبدیل موجک گسسته و شبکه عصبی Fuzzy ARTMAP ارائه شده است. در این پژوهش، از تبدیل موجک برای استخراج ویژگی سیگنال EEG استفاده شده است و توانایی این ویژگی ها در طبقه بندی رخدادهای موجود در سیگنال EEG بررسی شده است. کار طبقه بندی با استفاده از شبکه عصبی Fuzzy ARTMAP انجام شده است. دلیل استفاده از شبکه Fuzzy ARTMAP، عدم فراموشی و یادگیری سریع و عملکرد مناسب این شبکه در مسائل طبقه بندی می باشد. عملکرد سیستم طبقه بندی کننده ارائه شده در این پروژه با استفاده از سه معیار حساسیت، قابلیت تفکیک و گزینش پذیری ارزیابی می شود. 

مقدمه 

علیرغم اینکه 40 سال از فعالیت و بررسی در زمینه فیزیولوژی صرع می گذرد، هنوز آشکارسازی و پیشگویی آن در حال بررسی است ولی نشان داده شده است که آشکارسازی تخلیه های نرونی صرعی یعنی spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع است. در زمینه پردازش سیگنال های حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه بندی یک پدیده حیاتی مانند spike صرعی، روش متداول استخراج ویژگی های مناسب از سیگنال حرارتی و اعمال یک روش طبقه بندی بر روی ویژگی های استخراج شده است. در این پروژه، برای استخراج ویژگی های spike های صرعی از تبدیل موجک و یکسری تحلیل های زمانی و فرکانسی و برای طبقه بندی الگوهای موجود در EEG از شبکه عصبی Fuzzy ARTMAP استفاده شده است. تبدیل فوریه و سایر روش های تحلیل زمان – فرکانس مانند تبدیل فوریه کوتاه مدت برای وقایع تدریجی و آهسته پاسخ خوبی نشان می دهند اما برای وقایع سریع و تیز خوب عمل نمی کنند. وقتی که هر دو نوع نوسان در سیگنال موجود باشد، تبدیل موجک به خوبی می تواند هر دو نوع نوسان را نشان دهد. با تحقیقاتی که در زمینه تشخیص صدای قلب، تحلیل ECG و EEG به عمل آمده است، تبدیل موجک توانایی خود را برای پردازش به خوبی نشان داده است. 

در فصل اول به معرفی سیگنال EEG و ویژگی های ظاهری، نحوه ضبط و اندازه گیری سیگنال EEG، فرکانس های سیگنال EEG، نرخ نمونه برداری و برخی اغتشاشات و آشفتگی ها در ثبت سیگنال EEG پرداخته می شود. در فصل دوم روش های مختلف آشکارسازی spikeهای صرعی مورد بررسی قرار گرفته است و نتایج برخی کارهای انجام گرفته روی EEG گردآوری شده است. فصل سوم به معرفی تبدیل موجک به عنوان روشی برای استخراج ویژگی پرداخته شده است. با مطالعه این فصل می توان مقایسه ای بین تبدیل فوریه و تبدیل موجک انجام داد، همچنین می توان مفهوم تبدیل موجک پیوسته و گسسته را دریافت. در انتهای این فصل نیز، چند موجک معرفی شده اند. در فصل چهارم توضیحاتی در خصوص شبکه های عصبی MLP و ARTMAP و Fuzzy و نحوه آموزش این شبکه ها ارائه شده است. در فصل پنجم در خصوص داده های آموزش و آزمون، استخراج ویژگی و نحوه پیش پردازش این داده ها و روش پیاده سازی سیستم آشکارسازی spike های صرعی توضیح داده شده است. فصل ششم در برگیرنده نتایج حاصل از این پروژه و مقایسه بین عملکرد شبکه های MLP و ARTMAP و Fuzzy می باشد و در انتهای فصل نیز پیشنهادات ارائه شده است.