معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 Deep MIMO Detection with Imperfect CSI آشکارسازی عمیق MIMO در حضور خطای تخمین کانال 1 7 14270 10.22034/jasp.2022.46124.1146 FA حسین خالقی بیزکی مجتمع دانشگاهی برق و کامپیوتر - دانشگاه صنعتی مالک اشتر - تهران - ایران مهدی طیب مسعود مجتمع دانشگاهی برق و کامپیوتر - دانشگاه صنعتی مالک اشتر - تهران - ایران Journal Article 2021 05 17 It is possible to noticeably increase the capacity of wireless communication systems through the use of multiple antennas both in the transmitter and in the receiver. In such systems, which are referred to in short as MIMO, the receiver uses its knowledge of the channel to detect the transmitted signal. Different methods have been proposed for optimal and sub-optimal detection of the transmitted signals. Recently, principles of deep learning and implementing neural networks have been employed as a near optimal approach for MIMO detection with fewer calculations during the testing process compared to traditional methods. In the event an error occurs in the receiver’s channel estimation process, this type of detector suffers a drop in performance and as a result, BER will increase. Given that in practice, the receiver only has an estimation of the CSI instead of the exact values, the current study presents an enhanced detection method based on deep learning, which is also robust against channel estimation error. In this detection method, by using the covariance matrix of the channel estimator and the principles of deep learning, a robust detector against channel estimation error is proposed and comprehensively evaluated. Numerical simulations confirm the performance of the proposed method. ظرفیت سیستمهای مخابرات بیسیم را میتوان با بکار بردن چند آنتن در فرستنده و چند آنتن در گیرنده به نحو قابل‌ملاحظه‌ای افزایش داد. در چنین سیستمهایی، که MIMO نام دارند، گیرنده با دانشی که از کانال دارد، به آشکارسازی سیگنال ارسالی میپردازد. روشهای مختلفی برای آشکارسازی بهینه و زیربهینه سمبلهای ارسالی پیشنهاد شده است. اخیراً مفاهیم یادگیری عمیق و استفاده از شبکههای عصبی به‌منظور آشکارسازی در حد بهینه و حجم محاسبات کمتر در فرآیند تست، در مقایسه با سایر روشهای سنتی پیشین، بکار گرفته شده است. درصورتی‌که اطلاعات کانال در گیرنده با خطا همراه باشد، کارایی این نوع آشکارساز کاهش یافته و درنتیجه نرخ خطای بیت افزایش مییابد. با توجه به اینکه در عمل، گیرنده تخمینی از کانال میان فرستنده و گیرنده را در اختیار دارد و نه مقدار دقیق آن را، مقاله حاضر روشی بهبودیافته برای آشکارسازی مبتنی بر یادگیری عمیق و مقاوم در برابر خطای تخمین کانال، پیشنهاد میکند. در این روش آشکارسازی با استفاده از ماتریس کوواریانس تخمینگر کانال و استفاده از مفاهیم یادگیری عمیق، یک آشکارساز مقاوم در برابر خطای تخمین کانال پیشنهاد و به‌صورت تحلیلی مورد بررسی قرار گرفته است. نتایج شبیه‌سازی مبین کارایی روش پیشنهادی در سیستم‌های MIMO است.

https://jasp.tabrizu.ac.ir/article_14270_077de2a18c6cf641219ca043585e3675.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 A New Approach based Delay Differential Equation to Smoothing Filter Design یک رویکرد جدید برای طراحی فیلتر هموارساز با استفاده از معادلات دیفرانسیل تاخیری 9 18 14340 10.22034/jasp.2022.47614.1158 FA آرمان خیراتی رونیزی گروه علوم کامپیوتر، دانشکده علوم پایه، دانشگاه دولتی فسا، فسا، ایران Journal Article 2021 09 11 Among the techniques that are used for signal denoising, smoothing filters have received significant attention during the past. However, these methods are particularly suited for polynomial signal smoothing. Therefore, their performance is significantly decreased for signals that cannot be well modelled with a polynomial function. To overcome this limitation, in this paper, we propose a new approach to smoothing filter design, which is based on the delay differential equation model. In this approach, we propose to substitute the derivative of the signal with a DDE model of the signal. As an example, a delay differential equation of moving average (MA) model is used as penalty term in the optimization problem. The results indicate that a better solution can be found by appropriate balancing a trade-off between the MA model of the signal and the minimum mean square error. The proposed MA smoothing filter is analyzed in frequency domain. It is shown that the proposed MA smoothing filter displays good properties within its pass-band and stop-band bands for small values of window length. As an application, the proposed MA smoothing filter was used for electrocardiogram (ECG) signal denoising. We tested the method over data from the PhysioNet PTB database. The results show that the proposed MA smoothing filter outperforms the original smoothness priors or QV regularization. از میان روش های حذف نویز سیگنال، فیلترهای هموارساز smoothness priors یا quadratic variation regularization توجه بسیار زیادی را در دهه گذشته به خود جلب کرده است. در این روشها، سیگنال مطلوب با استفاده از یک روش بهینه سازی تخمین زده میشود که در آن از مشتقات سیگنال به عنوان عامل جریمه کننده استفاده می شود. اما این روشها فقط برای تخمین سیگنالهای توانی (polynomial signals) مفید هستند. در نتیجه بازدهی آنها در تخمین سیگنالهای غیرتوانی کاهش می یابد. برای جبران این محدودیت، در این مقاله، یک رویکرد جدید برای طراحی فیلتر هموارساز پیشنهاد میشود که بر پایه معادله دیفرانسیل تاخیری می باشد. در این رویکرد، به جای مشتقات سیگنال از معادله دیفرانسیل تاخیری به عنوان عامل جریمه کننده استفاده می شود. به عنوان نمونه، از معادله دیفرانسیل تاخیری مدل MA در طراحی فیلتر هموارساز استفاده میشود. فیلتر هموارسازMA پیشنهادی در حوزه فرکانس آنالیز شده و نشان داده می شود که این فیلتر برای مقادیرکوچک اندازه پنجره، یک رفتارخوب در باندفرکانسی گذر و باندفرکانسی توقف از خود نشان می دهد. به عنوان یک کاربرد عملی، فیلتر هموارساز پیشنهادی برای حذف نویز سیگنالهای قلبی به کار گرفته میشود. این روش، روی داده های واقعی موجود در پایگاه دادهPhysioNet PTB آزمایش شده است. نتایج حاصل نشان می دهد که روش پیشنهادی در مقایسه با روش های قبلی، بهتر عمل می کند.

https://jasp.tabrizu.ac.ir/article_14340_38e992f700721d3d07ba80dc8247d1e5.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 Detection of Breast Cancer from Calcium Particles in Mammography Using Fuzzy Clustering and Neural Networks تشخیص سرطان سینه از روی ریزدانه‌های کلسیم در تصویر ماموگرافی به کمک خوشه‌بندی فازی و شبکه های عصبی 19 27 14342 10.22034/jasp.2022.48252.1161 FA شیما ضرابی باب الدشت دانشکده مهندسی برق- واحد نجف‌آباد، دانشگاه آزاد اسلامی - نجف‌آباد - ایران ندا بهزادفر دانشکده مهندسی برق- واحد نجف‌آباد، دانشگاه آزاد اسلامی - نجف‌آباد - ایران Journal Article 2021 10 02 Detection of calcium particles in breast mammography images is important in the early detection of cancer. Identification of these particles is done manually by experts, which is associated with high cost and error. In this paper, a new method based on fuzzy clustering algorithm for fine-grained detection in mammographic images is proposed. In the proposed method, the low quality of mammographic images is improved with the help of preprocessing. By defining an appropriate membership function in fuzzy clustering, fine-grained regions are identified. Finally, the identified areas were classified into benign and malignant groups with the help of forward propagation neural network with error propagation training algorithm. The accuracy of identification of the desired area is 96.79% and the sensitivity of this identification is 97.20%. Compared to the previous method, the accuracy and sensitivity of fine-grained identification has been improved (95% of the desired area identification accuracy and 90.52% sensitivity). In the classification of areas with the help of neural network, the accuracy was 97.5%. Evaluation criteria showed the superiority of the proposed method in the extraction of calcium particles and classification. The reason for the superiority of the proposed method is the high accuracy in extracting the desired area as well as the distinctive features extracted from the desired area. تشخیص ریزدانه‌های کلسیم در تصاویر ماموگرافی سینه در تشخیص زودهنگام سرطان از اهمیت زیادی برخوردار‌است. شناسایی این ریزدانه‌ها به‌طور دستی و توسط افراد متخصص انجام می‌گیرد که با هزینه بالا و خطا همراه است. در این مقاله یک روش جدید مبتنی بر الگوریتم خوشه‌بندی فازی برای شناسایی ریزدانه در تصاویر ماموگرافی پیشنهاد شده است. در روش پیشنهادی کیفیت پایین تصاویر ماموگرافی به کمک پیش‌پردازش بهبود داده ‌می‌شود. با تعریف یک تابع عضویت مناسب در خوشه‌بندی فازی، نواحی ریزدانه شناسایی ‌شده‌اند. دقت و حساسیت ناحیه مطلوب دارای ریزدانه شناسایی‌شده با ناحیه‌ای که توسط پزشک استخراج‌شده مقایسه شده است. دقت شناسایی ناحیه مطلوب 79/96 درصد و حساسیت این شناسایی 20/97 درصد به‌دست‌ آمده است که نسبت به روش قبلی دقت و حساسیت شناسایی ریزدانه بهبود پیدا کرده است (دقت شناسایی ناحیه مطلوب 95 در صد و حساسیت 52/90 در صد). در ادامه به کمک شبکه عصبی انتشار به جلو با الگوریتم آموزشی پس انتشار خطا، به طبقه‌بندی نواحی استخراج‌شده به دو دسته خوش‌خیم و بدخیم پرداخته‌شده است. معیارهای دقت شناسایی، حساسیت، نرخ اخباری مثبت و منفی برای ارزیابی دقت تشخیص خوش‌خیم و بدخیم بودن ریزدانه به کار گرفته شد. دقت شناسایی 50/97 درصد، حساسیت 13/98 درصد، نرخ اخباری مثبت 30/98 درصد و منفی 32/96 درصد، بیان‌کننده نتایج مطلوب از روش پیشنهادی در این مقاله است. دلیل برتری روش پیشنهادی دقت بالا در استخراج ناحیه مورد نظر و همچنین ویژگی های متمایز استخراج شده از ناحیه مورد نظر است.

https://jasp.tabrizu.ac.ir/article_14342_914f2c1179bf265da56e32157fed18ea.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 Range-Doppler Clutter Suppression with Adaptive Pulse Compression by Randomized Stepped Frequency Waveform کاهش کلاتر برد-دوپلر با فیلتر فشرده سازی پالس وفقی به وسیله شکل موج فرکانس پله ای تصادفی 29 40 14210 10.22034/jasp.2022.44735.1132 FA رضا کیوان شکوه دانشکده مهندسی برق - دانشگاه جامع امام حسین (ع) - تهران - ایران علیرضا ذاکری شرکت مهندسی محققان یاسین - تهران - ایران یونس محمدی دانشکده مهندسی برق و ارتباطات - دانشگاه جامع امام حسین (ع) - تهران - ایران Journal Article 2021 02 26 Pulse-Doppler radars typically use pulse compression and Doppler processing to detect moving targets through fast Fourier transforms. The conventional pulse compression method and the standard matched filter output for detection of small targets close to a large target do not work well, since the sidelobes of the match filter output by a large target could mask the smaller targets. Adaptive pulse compression resolves this issue significantly in noise. However, the fast targets induce Doppler phase shift in the received signal frequency, in which cause mismatch between the received signal and the transmitted signal. Consequently, the Signal to Noise Ratio is reduced. Whereas the matched filter in the radar receiver is only adapted to the transmitted signal version and its output will be wasted due to non-matching with the received signal from the environment. Adaptive pulse compression is generally applied with a single pulse in alone noise environment, but in the presence of strong clutter it is required to several return pulses. In this paper, to supply these pulses, in a radar transmitter equipped with adaptive pulse compression, waveforms diversity are generated by random frequency hopping in step frequency waveform. The simulation results of the detection of masked moving targets are compared with other conventional methods. در رادارهای پالس دوپلر معمولاً از فشرده‌سازی پالس و روش پردازش دوپلر برای آشکارسازی هدف متحرک از طریق تبدیل فوریه سریع استفاده می‌کنند. روش فشرده‌سازی پالس متعارف و خروجی فیلتر منطبق استاندارد برای آشکارسازی اهداف کوچک نزدیک به یک هدف بزرگ کارایی مناسبی ندارد، زیرا گلبرگ‌های جانبی خروجیِ فیلتر منطبقِ هدف بزرگ، باعث ماسک شدگی اهداف کوچک می‌شود. فشرده‌سازی پالس وفقی این مشکل را به‌طور قابل‌توجهی در نویز رفع می‌کند. اما هدف سریع یک شیفت فاز دوپلر به فرکانس سیگنال دریافتی القاء می‌کند که باعث عدم تطابق سیگنال دریافتی و سیگنال ارسالی می‌شود. درنتیجه نسبت توان سیگنال به نویز کاهش می‌یابد. از آنجائی که فیلتر منطبق در گیرنده رادار فقط با نسخه سیگنال ارسالی تطبیق دارد، به دلیل عدم تطبیق با سیگنال دریافتی از محیط، خروجی آن دچار تلف می‌شود. معمولاً فشرده‌سازی پالس وفقی در محیط صرفاً نویزی با یک تک پالس قابل‌اجرا است اما در حضور کلاتر قوی به چند پالس برگشتی از هدف نیاز دارد. در این مقاله برای تأمین این پالس‌ها، در فرستنده رادار مجهز به فشرده‌سازی پالس وفقی، شکل‌موج‌های متنوع به‌وسیله پرش فرکانسی تصادفی در شکل‌موج فرکانس پله‌ای (شکل‌موج فرکانس پله‌ای تصادفی) تولید می‌شود. با این روش اهداف ماسک شده در مجاورت یک هدف قوی و کلاتر با روش پیشنهادی آشکار می‌شود. نتایج شبیه‌سازی آشکارسازی اهداف متحرک ماسک شده با سایر روش‌های متداول مقایسه و بررسی می‌گردد.

https://jasp.tabrizu.ac.ir/article_14210_0cf383a3483e40dc21a72e0c6d043b76.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 Diagnosis of Breast Cancer by Integrating Machine Learning and Machine Vision Techniques in Thermography Images تشخیص سرطان پستان با استفاده از ترکیب روش های یادگیری ماشین و بینایی ماشین در تصاویر ترموگرافی 41 52 14139 10.22034/jasp.2022.45159.1136 FA بهزاد لک دانشکده علوم و فنون منابع سازمانی - دانشگاه علوم انتظامی امین- تهران - ایران پرستو نجفی دانشکده مهندسی برق و کامپیوتر - دانشگاه آل طه - تهران - ایران Journal Article 2021 03 24 Breast cancer has increased among women in recent years and is one of the leading causes of death in women. Studies show that thermography is a faster, cheaper, passive, risk-free, radiation-free and pain-free method than other diagnostic methods. New methods of image processing, vision and machine learning have led to successful investigations into the invention of breast cancer detection systems by thermometric images. In the present study, a proper method of diagnosing abnormality through thermography images of the obverse view is presented. By this segregation method, the breast area and every other area targeted by the physician that is vital for breast cancer diagnosis are color-divided in the thermographs. Warmer regions known as vital centers are extracted by the FCM algorithm and the fractal dimension of these regions is calculated using three different methods. The Studies suggesting that fractal analysis may potentially improve the reliability of thermography in breast tumor detection. The innovative aspect of this paper is the study of the role of fractal analysis in tracking the symmetrical heat distribution in two breast tissues in thermographic images. The results show that fractal analysis plays an important role in tracking the symmetrical heat distribution in two breast tissues to investigate asymmetry in order to detect breast abnormalities. سرطان پستان در سال‌های اخیر در بین زنان افزایش یافته است و یکی از شایع‌ترین علل مرگ و میر در زنان می‌باشد. مطالعات نشان می-دهد که ترموگرافی، نسبت به سایر روش‌های تشخیصی، روشی سریع‌تر، ارزان‌تر، غیرفعال، بدون ریسک، بدون اشعه و درد است. روش‌های جدید در پردازش تصویر، بینایی و یادگیری ماشین سبب شده تا مطالعات موفقیت‌ آمیزی به منظور ایجاد سیستم‌های تشخیصی سرطان پستان با بکارگیری تصاویر ترموگرافی ایجاد شود. در این مطالعه یک روش مناسب برای تشخیص ناهنجاری تصاویر ترموگرافی از نمای روبه رو ارائه شده است که با بکارگیری این روش تفکیک ناحیه سینه و همه نواحی مدنظر پزشک که برای تشخیص سرطان پستان ضروری می-باشند، از ترموگرام‌ها جداسازی رنگی می‌شوند و نواحی پرحرارت ، با استفاده از الگوریتم FCM از تصاویر استخراج شده و به کمک آنالیز فراکتالی، بعد فراکتال این نواحی با استفاده از سه روش متفاوت محاسبه می‌شوند. جنبه نوآوری این مطالعه بررسی نقش آنالیز فراکتالی در ردیابی توزیع حرارت متقارن در دو بافت سینه است. نتایج نشان می‌دهد که آنالیز فراکتالی به طور بالقوه می‌تواند قابلیت اطمینان ترموگرافی در تشخیص تومور را بهبود بخشد. همچنین آنالیز فراکتالی نقش مهمی در ردیابی توزیع حرارت متقارن، در دو بافت پستان جهت ردیابی ناهنجاری‌ها را دارد.

https://jasp.tabrizu.ac.ir/article_14139_b5880e87abc8a1f937f6c0ea6f4a3207.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 Distributed Downlink and Uplink Resource Allocation in D2D Communication تخصیص توزیع‌شده فروسو و فراسوی منابع در ارتباط دستگاه به دستگاه 53 64 14370 10.22034/jasp.2022.50438.1182 FA مهسا محمدرضائی دانشکده مهندسی برق و کامپیوتر - دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران احسان سلیمانی نسب دانشکده مهندسی برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران عصمت راشدی دانشکده مهندسی برق و کامپیوتر - دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران Journal Article 2022 02 17 In current cellular systems, the performance of active users' devices at the cell edge suffers from the poor link quality. However, these connections also requires more resource blocks and transmission power. In order to reduce the number of resource blocks and transmission power, this paper discusses device to device communication in downlink and uplink cases of cellular communication systems. In order to optimize the connections of different network users, which means finding the best user’s connection to a base station (minimum power consumption), which may be established through communication with other users or direct connection with the base station, and to minimize the total transmission power, different optimization methods such as gravitational search optimization, particle swarm optimization, genetic optimization algorithm and distributed strategy based on Q learning and softmax decision making methods are used. The numerical results show a power reduction of around 30 percent for these distributed communications with less computational complexity using the Q learning method compared to the case in which all users traditionally connect through the base station in a centralized way with high computational complexity. در سامانه‌های سلولی کنونی، عملکرد دستگاه کاربران موجود در مرز سلول به دلیل کیفیت ضعیف ارتباط، آسیب می‌بیند. حال‌ آنکه این ارتباطات به تعداد بیشتری بلوک منابع و توان انتقالی نیز نیاز دارد. برای کاهش تعداد بلوک‌های فرکانسی و توان انتقالی، این مقاله به بررسی ارتباط دستگاه به دستگاه در حالت‌های فروسو و فراسوی سامانه‌های مخابرات سلولی می‌پردازد. به‌منظور بهینه‌سازی اتصال کاربران مختلف در شبکه به معنای یافتن بهترین ارتباط (کم‌ترین میزان توان مصرفی) یک کاربر با ایستگاه پایه که ممکن است از طریق ارتباط با کاربران دیگر و یا ارتباط مستقیم با ایستگاه پایه برقرار شود و با هدف کمینه‌ کردن کل توان انتقال‌یافته، از روش‌های بهینه‌سازی متفاوتی مانند بهینه‌سازی جستجوی گرانشی، بهینه‌سازی ازدحام ذرات، بهینه‌سازی وراثتی و راهبرد توزیع‌شده مبتنی بر یادگیری Q با استفاده از تصمیم‌گیری بیشینه هموار بهره گرفته می‌شود. نتایج عددی کاهش توان حدود 30 درصد را برای این ارتباطات با پیچیدگی محاسباتی کمتر با استفاده از روش یادگیری Q نسبت به حالتی که به‌طور مرسوم تمام کاربران اتصال خود را از طریق ایستگاه پایه و به‌صورت متمرکز با پیچیدگی محاسباتی بالا برقرار می‌سازند، بیان می‌دارد.

https://jasp.tabrizu.ac.ir/article_14370_59a112382a30224b214c3c09bf189b01.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 Designing a Codec System for High Resolution Textual Images Based on Super Resolution طراحی یک سیستم فشرده‌سازی/بازسازی تصاویر متنی با درجه‌ی تفکیک مکانی بالا مبتنی بر فرا تفکیک‌پذیری 65 78 14334 10.22034/jasp.2022.45872.1143 FA سعید مرادی دانشکده مهندسی برق - دانشگاه صنعتی شاهرود - شاهرود - ایران هادی گرایلو گروه الکترونیک - دانشکده مهندسی برق - دانشگاه صنعتی شاهرود - شاهرود - ایران Journal Article 2021 05 05 In this paper, a CODEC system based on super resolution, is proposed for compression of high resolution textual images. It employs image resizing to decrease image dimensions and consequently, to improve the compression ratio; but at the other hand, it may reduce the image quality. Therefore, the decompression unit employs super resolution to simultaneously increase the reconstructed image dimensions and quality. In the employed interpolation-based super-resolution method, using an efficient textual image matting algorithm, the input low-resolution textual image is decomposed into three layers after which, each layer is enlarged using a particular method. Finally, the enlarged layers are combined to build the high resolution reconstructed textual image. An interesting feature of the proposed method is the ability to use existing compression methods such as JPEG, JPEG2000 and SPIHT. We have employed the aforementioned compression methods in the proposed CODEC system and evaluated the compression results with respect to OCR rate, Mean Opinion Score (MOS), and PSNR measures. Considering the OCR and MOS measures, the proposed method outperformed the others but not so with respect to PSNR. در این مقاله یک سیستم فشرده‌سازی/بازسازی تصاویر متنی با درجه‌ی تفکیک مکانی بالا مبتنی بر فرا تفکیک‌پذیری پیشنهاد شده‌است. در روش پیشنهادی، برای رسیدن به میزان فشرده‌سازی بیشتر از ایده کاهش ابعاد در تصاویر متنی استفاده شده‌است. کاهش ابعاد در کنار عمل فشرده‌سازی ممکن است باعث تنزل در کیفیت تصویر شود. بنابراین باید روشی انتخاب شود که واحد بازسازی بتواند در کنار افزایش ابعاد تصویر، اثرات مخرب تأثیر گذار بر تصویر را نیز اصلاح کند. در مرحله بازسازی از روش‌ فرا تفکیک‌پذیری استفاده شده‌است. در این روش، تصویر وضوح پایین ورودی به سه لایه تقسیم و سپس هر لایه براساس اهمیت اطلاعاتی آن با یک روش خاص بزرگ‌نمایی شده‌است. در نهایت لایه‌های بزرگ‌نمایی شده با هم ترکیب‌ و تصویر وضوح بالای نهایی تشکیل شده‌است. یک ویژگی مهم روش پیشنهادی، قابلیت ترکیب آن با روش‌های فشرده‌سازی مختلف است. در این مقاله، ترکیب روش پیشنهادی با هر یک از روش‌های فشرده‌سازی JPEG، JPEG2000 و SPIHT بررسی و ملاحظه می‌شود، جواب قابل قبولی از نظر معیارهای بازشناسی متن (OCR) و متوسط امتیاز نظرسنجی (MOS) بدست آمده است گرچه از نظر معیار پیک سیگنال به نویز (PSNR) روش‌های دیگر بهتر از روش پیشنهادی عمل کرده‌اند.

https://jasp.tabrizu.ac.ir/article_14334_07bf3348c4fa89f4f3c9c401f3121492.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 Design robust receiver against channel estimation error in MIMO-NOMA system طراحی گیرنده مقاوم نسبت به خطای تخمین کانال در سیستم MIMO-NOMA 79 87 14365 10.22034/jasp.2022.48349.1166 FA نعیمه مظفرزاده مجتمع دانشگاهی برق و کامپیوتر - دانشگاه صنعتی مالک اشتر - تهران - ایران حسین خالقی بیزکی مجتمع دانشگاهی برق و کامپیوتر - دانشگاه صنعتی مالک اشتر - تهران - ایران Journal Article 2021 10 09 One of the non-orthogonal access techniques is non-orthogonal multiple access (NOMA) that is known as an access technique with high spectral efficiency. The combination of NOMA technique and MIMO system which is called MIMO-NOMA system has been offered in order to achieve higher capacity and spectral gain for 5G mobile communication. The performance of communication systems especially MIMO-NOMA system, significantly depends on channel estimation accuracy as the system efficiency decrease dramatically in the presence of channel estimation error. In this paper, the channel estimation error effect in downlink MIMO-NOMA system is investigated and a new detector which aims to improve the performance of system is proposed despite the channel estimation error. The proposed detector decreases both the effects of channel estimation error and the interference of user in three steps. Simulation results indicate that the proposed detector decreases the error probability and improves the system performance compared to that of the MMSE detector for far user and MMSE-SIC detector for near user considerably. یکی از روش های دستیابی غیر متعامد، روش NOMA می باشد که به عنوان یک روش دستیابی با کارآیی طیفی بالا به شمار می‌رود. جهت دستیابی به ظرفیت و بهره طیفی بالاتر، ترکیب روش NOMA و سیستم MIMO تحت عنوان سیستم MIMO-NOMA برای مخابرات سیار نسل پنجم پیشنهاد شده است. عملکرد سیستم‌های مخابراتی به ویژه سیستم MIMO-NOMA تا اندازه زیادی وابسته به دقت تخمین کانال است به گونه‌ای که بازدهی سیستم در حضور خطای تخمین کانال کاهش چشمگیری می‌‌یابد. در این مقاله اثر خطای تخمین کانال بر سیستم MIMO-NOMA در لینک فروسو بررسی و آشکارساز جدیدی جهت بهبود عملکرد این سیستم در حضور خطای تخمین کانال ارائه می‌گردد. آشکارساز پیشنهادی در سه گام اثر خطای تخمین کانال و تداخل سیگنال کاربران بر داده دریافتی را تقلیل می‌دهد. نتایج شبیه سازی بیانگر آن است که آشکارساز پیشنهادی در مقایسه با : آشکارساز MMSE برای کاربر دور، و آشکارساز MMSE-SIC برای کاربر نزدیک، می‌تواند احتمال خطا را به نحو قابل ملاحظه‌ای کاهش داده و موجب بهبود عملکرد سیستم MIMO-NOMA در حضور خطای تخمین کانال ‌گردد.

https://jasp.tabrizu.ac.ir/article_14365_2fa7e3c749d243a78531094e69864fc3.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 Combination of Sequential Particle Filter and Beamformer for the Localization of Brain Disruptive Sources ترکیب فیلتر ذره ترتیبی و شکل‌دهنده پرتو برای مکانیابی منابع اخلالگر مغزی 89 104 13930 10.22034/jasp.2021.45667.1141 FA سید مرتضی نوریان نجف آبادی دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران حمیدرضا ابوطالبی دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران ,وحید ابوطالبی دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران فرزانه شایق دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران Journal Article 2021 04 28 This paper deals with locating disruptive sources in patients with brain disorders, supposing to have the location of active brain sources in healthy people according to their functional connectivity pattern information in similar activities. In the proposed algorithm, firstly the effect of sources that are active in normal brain activity is eliminated from the patient’s recorded EEG signals using the LCMV beamformer. Then, the disruptive sources are localized. The proposed method utilizes a combination of Sequential Particle Filter (SPF) and LCMV Beam-Former (BF) to localize disruptive sources. The simulations have been performed using BrainStorm software and pseudo-real EEG signals. The results of applying the proposed method (SPF-BF) on the simulated EEG signal show that this method could achieve better results in severe noise conditions than the LCMV beamformer, traditional particle filter algorithms, and combination of them. Also, the comparative results of the proposed method and sLORETA confirm the proper performance of the proposed method. In addition, the proposed method outperforms the other methods in terms of computational complexity. در این مقاله به مکانیابی منابع اخلالگر فعالیت مغز در بیماران میتلا به اختلالات مغزی، با فرض دانستن اطلاعات مکانی منابع فعال مغز در افراد سالم با توجه به الگوی ارتباطات عملکردی مغز در این افراد و در فعالیت‌های مشابه، پرداخته می‌شود. در الگوریتم پیشنهادی، با استفاده از شکل-دهنده پرتو LCMV، اثر منابعی که به طور طبیعی در فعالیت‌های مختلف فعال هستند، از سیگنال EEG ثبت شده از بیمار، تا حد امکان، حذف و منابع اخلالگر مکانیابی می‌شود. در روش پیشنهادی برای مکانیابی منابع اخلالگر، از ترکیب روش فیلتر ذره ترتیبی (Sequential Particle Filter (SPF)) و شکل‌دهنده پرتو (BF) LCMV استفاده می‌شود. شبیه‌سازی‌ها با استفاده از نرم‌افزار Brain Storm و با استفاده از سیگنال‌های شبه‌واقعی مغزی صورت گرفته است. نتایج حاصل از اعمال روش پیشنهادی (SPF-BF) بر سیگنال EEG شبیه‌سازی شده نشان داده که این روش توانسته در شرایط نویزی شدید، نتایج بهتری نسبت به روش‌های شکل‌دهنده پرتو LCMV، الگوریتم‌های سنتی فیلتر ذره و ترکیب آن‌ها داشته باشد. همچنین نتایج حاصل از روش پیشنهادی در مقایسه با روش sLORETA حاکی از عملکرد مناسب روش پیشنهادی است. ضمن اینکه روش پیشنهادی در افزایش سرعت محاسبات نیز عملکرد بهتری نسبت به دیگر روش‌های مشابه داشته است.

https://jasp.tabrizu.ac.ir/article_13930_63f6ce4a354923382690a8f93941ec27.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 RETRACTED ARTICLE: (A model for multi-class intrusion detection with imbalanced data in the CICIDS-2017 dataset) مقاله سلب اعتبار شده به دلیل تخلف: (مدلی برای تشخیص نفوذ چند کلاسه با داده های نامتوازن مجموعه داده CICIDS-2017) 105 115 14336 10.22034/jasp.2022.48285.1165 FA محمود نیائی دانشکده مدیریت و اقتصاد - دانشگاه آزاد علوم تحقیقات - تهران - ایران جعفر تنها دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایران غلامرضا شاهمحمدی دانشکده مهندسی برق و کامپیوتر - دانشگاه ایوان کی - سمنان - ایران علیرضا پورابراهیمی دانشکده مدیریت و حسابداری دانشگاه آزاد اسلامی کرج - کرج - ایران Journal Article 2021 10 11 This paper is retracted according to the COPE Retraction Guidelines: • The findings have previously been published elsewhere (http://pitc.jrl.police.ir/article_97273.html) without proper attribution to previous sources or disclosure to the editor, permission to republish, or justification (ie, cases of redundant publication) Today, most economic, commercial, cultural, social and governmental activities and interactions in all countries are carried out through cyberspace. Due to the inherent vulnerabilities in cyberspace, the risks of systems are increasing. Therefore, the security of networks and systems against various types of intrusion has become one of the most important challenges of the present age. In this research, a model for detecting network intrusion has been reviewed and proposed. The proposed method is a multi-class method and the dragonfly algorithm is used for feature selection and the Random forest algorithm is used for classification. For analysis, the CICIDS-2017 unbalanced data set has been used, so the balancing operation has been used. To select the method, different algorithms are tested and the best algorithm is selected. The value of accuracy in the proposed method is 0.9985. In addition, the research results have been compared with several other methods proposed by previous researchers, and this comparison shows that the proposed method were better than most of the researches presented in the article. این مقاله به دلیل تخلف بر اساس توصیه‌های «کمیته بین‌المللی اخلاق نشر» موسوم به COPE و نیز «منشور و موازین اخلاق پژوهش» مصوب معاونت پژوهش و فناوری وزارت علوم، تحقیقات و فناوری توسط سردبیر فاقد اعتبار اعلام می شود. پس از چاپ مقاله در این نشریه مشخص شد که این مقاله همزمان به نشریه دیگری ارسال شده و قبل از پذیرش و چاپ در این نشریه در نشریه دیگری چاپ شده است: (http://pitc.jrl.police.ir/article_97273.html). امروزه بخش عمده‌ای از فعالیت‌ها و تعاملات اقتصادی، تجاری، فرهنگی، اجتماعی و حاکمیتی در تمام کشورها، از طریق فضای سایبر انجام می‌گیرد. باتوجه‌به آسیب‌پذیری‌های ذاتی موجود در این فضا، مخاطرات سامانه‌های مبتنی بر آن نیز در حال افزایش می‌باشند؛ بنابراین، امنیت شبکه‌ها و سیستم‌ها در مقابل انواع نفوذ، به یکی از مهم‌ترین چالش‌های عصر حاضر تبدیل شده است. در این پژوهش، یک مدل برای تشخیص نفوذ در شبکه، بررسی و پیشنهاد شده است. در روش پیشنهادی که یک روش چند کلاسه می‌باشد، از الگوریتم سنجاقک برای انتخاب ویژگی و از جنگل تصادفی به‌منظور دسته‌بندی استفاده شده است. داده‌های بکار رفته در پژوهش، مجموعه‌داده نامتوازن CICIDS-2017 بوده است لذا عملیات متوازن‌سازی در آن استفاده شده است. مسئله با الگوریتم‌های مختلف مورد آزمون قرار گرفته و بهترین الگوریتم انتخاب شده است. مقدار صحت در روش پیشنهادی برابر با 85/99 به‌دست‌آمده است. همچنین، نتایج پژوهش با چندین روش دیگر که توسط محققان قبلی پیشنهاد شده مورد مقایسه قرار گرفته است و این مقایسه نشان می‌دهد که روش پیشنهادی نسبت به اکثر پژوهش‌هایی که در مقاله معرفی شده‌اند، دارای معیارهای ارزیابی بالاتری بوده است.

https://jasp.tabrizu.ac.ir/article_14336_c504c946229582378e291ebb0c7665c5.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 High-level decision algorithm with analysis of pupil diameter signals الگوریتم تصمیم‌گیری سطح بالا با تحلیل سیگنال‌های قطر مردمک 117 126 14335 10.22034/jasp.2022.49223.1174 FA لیلا یحیایی گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران رضا ابراهیم پور دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران عباس کوچاری گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Journal Article 2021 12 10 Researchers are trying to achieve the power of the human mind by implementing decision-making algorithms similar to brain function. Hierarchical decisions are complex decisions that require metacognitive reasoning mechanisms in the brain. Negative feedback, certainty, and motion strength are the parameters that play a role in shaping such decisions. In this study, in order to design a computational framework similar to brain function for intelligent systems, it will be important to understand the biology nature of high-level decision-making, using other types of data in addition to behavioral data. Since involuntary eye responses resulting from the output of psychophysical experiments are a reliable representative of the function of the neuronal mechanism in the brain, in this study addition to the analysis of behavioral data, this issue has been addressed whether it is possible to understand the dynamics of changes in high-level decisions by analyzing involuntary human data (eye signals). We found that pupil diameter size predicts the likelihood of changes in the parameters of high-level decisions, and reflects the individual's high-level decision strategy under complex conditions. Then, in order to design systems similar to brain function in complex environments, we provide a framework for hierarchical decisions. محققین سعی دارند با پیاده‌سازی الگوریتم‌های تصمیم‌گیری مشابه عملکرد مغز، به قدرت قابل‌توجه ذهن انسان دست یابند. تصمیم‌های سلسله مراتبی، تصمیمات پیچیده‌ای هستند که نیاز به مکانیزم‌های استدلال فراشناختی در مغز دارند. بازخورد منفی، قطعیت و قدرت محرک، پارامتر‌هایی هستند که در شکل‌گیری این نوع تصمیمات نقش دارند. در این پژوهش به‌ منظور ساخت یک چارچوب محاسباتی مشابه عملکرد مغز برای سیستم‌های هوشمند، درک ماهیت بیولوژی شکل‌گیری تصمیمات سطح بالا، استفاده از انواع دیگر داده‌ها علاوه بر داده‌های رفتاری نیز مهم خواهد بود. از آنجایی که پاسخ‌های غیرارادی چشمی حاصل از خروجی آزمایش روان-فیزیک، نماینده معتبری از عملکرد ساز و کار نورونی مغز می‌باشند، در این پژوهش علاوه بر تحلیل داده‌های رفتاری به این مسئله پرداخته شده است که آیا با تحلیل داده‌های غیرارادی انسان (سیگنال‌های چشمی) می‌توان به دینامیک حاکم بر تغییرات تصمیمات سطح بالا پی برد. دیده شد که اندازه قطر مردمک، احتمال تغییر در پارامترهای تصمیم‌های سطح بالا را پیش‌بینی می‌کند و بازتاب استراتژی تصمیم سطح بالای فرد تحت شرایط پیچیده است. سپس در راستای توسعه ابزار‌های مشابه عملکرد مغز در محیط‌های پیچیده، چارچوبی برای تصمیمات سلسله مراتبی ارائه شده است.

https://jasp.tabrizu.ac.ir/article_14335_c81d6de67d3ba9bf3973ab3db5519b09.pdf

معاونت پژوهش و فناوری، دانشگاه تبریز پردازش سیگنال پیشرفته 2676-3397 5 1 2021 08 23 A transfer learning approach with convolutional neural network for Face Mask Detection یک رویکرد یادگیری انتقالی با شبکه عصبی کانولوشنال برای تشخیص افراد دارای ماسک از روی تصاویر 127 135 14273 10.22034/jasp.2022.48447.1167 FA ابوالفضل یونسی دانشکده فنی و مهندسی میانه - دانشگاه تبریز - میانه - ایران رضا افروزیان دانشکده فنی مهندسی میانه - دانشگاه تبریز - میانه - ایران یوسف صیفاری دانشکده فنی و مهندسی - دانشگاه مراغه - مراغه - ایران Journal Article 2021 10 16 Due to the epidemic of the coronavirus (Covid-19) and its rapid spread around the world, the world has faced a huge crisis. To prevent the spread of the coronavirus, the World Health Organization (WHO) has introduced the use of masks and keeping social distance as the best preventive method. So, developing an automatic monitoring system for detection of facemask in some crowded places is essential. To do this, we propose a mask recognition system based on transfer learning and Inception v3 architecture. In the proposed method, two datasets are used simultaneously for training including: Simulated Mask Face Dataset (SMFD) and MaskedFace-Net (MFN).this paper tries to increase the accuracy of the proposed system by optimally setting hyper-parameters and accurately designing the fully connected layers. The main advantage of the proposed method is that in addition to masked and unmasked face, it can also detect cases of incorrect use of mask. Therefore, the proposed method classifies the input face images into three categories. Experimental results show the high accuracy and efficiency of the proposed method; so that, this method has achieved to accuracy of 99.47% and 99.33% in training and test data respectively. با توجه به همه‌گیری ویروس کرونا (کووید-۱۹) و انتقال سریع آن در سرتاسر دنیا، جهان با یک بحران بزرگ روبرو شده است. برای جلوگیری از شیوع ویروس کرونا سازمان بهداشت جهانی (WHO) استفاده از ماسک و رعایت فاصله اجتماعی در مکان‌های عمومی و شلوغ را بهترین روش پیشگیرانه معرفی کرده است. این مقاله یک سیستم برای شناسایی افراد دارای ماسک پیشنهاد می‌کند که بر پایه یادگیری انتقالی و معماری Inception v3 است. روش پیشنهادی با استفاده از دو مجموعه داده (SMFD) Simulated Mask Face Dataset و MaskedFace-Net (MFN) آموزش می‌بیند و با تنظیم بهینه فراپارامتر‌ها و طراحی دقیق بخش تمامأ متصل سعی می‌کند دقت سیستم پیشنهادی را افزایش دهد. از مزایای سیستم پیشنهادی این است که می‌تواند علاوه بر صورت‌های دارای ماسک و بدون ماسک، حالت‌های استفاده غیر صحیح از ماسک را نیز تشخیص دهد. از این‌رو روش پیشنهادی تصاویر چهره ورودی را به سه دسته تقسیم‌بندی خواهد کرد. نتایج آزمایشی، دقت و کارایی بالای روش پیشنهادی را در موضوع فوق نشان می‌دهند؛ بطوری‌که این مدل در داده‌های آموزش به دقت ٪99/47 و در داده‌های آزمایشی به دقت ٪99/33 دست یافته است.

https://jasp.tabrizu.ac.ir/article_14273_e93dfe4a8278161c2c32031295305e09.pdf