﻿<?xml version="1.0" encoding="utf-8"?><ArticleSet><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>2</Volume><Issue>2</Issue><PubDate PubStatus="epublish"><Year>2004</Year><Month>9</Month><Day>21</Day></PubDate></Journal><ArticleTitle>A New Corner Extraction Method and its Application to Vehicle De</ArticleTitle><VernacularTitle>يك روش جديد گوشه‌يابي و كاربرد آن در آشكارسازي وسايل نقليه</VernacularTitle><FirstPage>51</FirstPage><LastPage>53</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>احسان‌اله</FirstName><LastName>کبیر</LastName><Affiliation>دانشگاه تربیت مدرس</Affiliation><Identifier Source="ORCID">0000000256107611</Identifier></Author><Author><FirstName>محمود</FirstName><LastName>فتحی</LastName><Affiliation>دانشگاه علم و صنعت ایران</Affiliation><Identifier Source="ORCID" /></Author><Author><FirstName>هادی</FirstName><LastName>صدوقی یزدی</LastName><Affiliation>دانشگاه فردوسی مشهد</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2004</Year><Month>10</Month><Day>28</Day></History><Abstract>Corner detection is employed in many areas of image processing and machine vision. Finding all corners, computing the exact position of the corner and robustness of the algorithm against noise are important criteria in corner detection. In this paper, using the singular values of the matrix defined on the gradient of a small area of the image, a suitable corner is extracted. The proposed method in comparison with the computational method which is based on the eigenvalues of the cross correlation matrix of the gradient of image shows a better performance. It also yields good results in the presence of noise. These two methods were compared on the synthesized and real images of a traffic scene. The proposed method presented better results.</Abstract><OtherAbstract Language="FA">آشكارسازي گوشه در بسياري از زمينه‌هاي پردازش تصوير و بينايي ماشين بكار مي‌رود. پيدا كردن همة گوشه‌ها، محاسبة موقعيت دقيق گوشه و مقاوم بودن الگوريتم در برابر نويز، معيارهاي مهم در آشكارسازي گوشه هستند. در اين مقاله با استفاده از مقادير تكين‌ِ ماتريس تعريف شده روي گراديان ناحية كوچكي از تصوير، گوشة مناسب  استخراج ‌مي‌شود. روش ارائه شده در مقايسه با روش محاسباتي مبتني بر مقادير ويژه ماتريس همبستگيِ متقابلِ گراديان تصوير، كارايي بهتري نشان مي‌دهد. همچنين نتايج خوبي در برابر نويز بدست مي‌دهد. اين دو روش روي تصاوير ساختگي و تصاوير واقعي از صحنة ترافيك مقايسه شدند. از روش پيشنهادي نتايج بهتري حاصل شد.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">گوشه‌يابيآشكارسازيمقادير تكينمقادير ويژههمبستگي متقابلماتريس گراديانوسيلة نقليهترافيكبينايي ماشين</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/27829</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>2</Volume><Issue>2</Issue><PubDate PubStatus="epublish"><Year>2004</Year><Month>9</Month><Day>21</Day></PubDate></Journal><ArticleTitle>A Two Step Method for the Recognition of Printed Subwords</ArticleTitle><VernacularTitle>يك روش دو مرحله‌‌اي براي بازشناسي زير- كلمات چاپي</VernacularTitle><FirstPage>57</FirstPage><LastPage>62</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>احسان‌اله</FirstName><LastName>کبیر</LastName><Affiliation>دانشگاه تربیت مدرس</Affiliation><Identifier Source="ORCID">0000000256107611</Identifier></Author><Author><FirstName>افشین</FirstName><LastName>ابراهیمی</LastName><Affiliation>دانشگاه تربیت مدرس</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2004</Year><Month>8</Month><Day>15</Day></History><Abstract>In this paper a two step method for the recognition of printed subwords is proposed. Using characteristic loci features, the set of printed subwords are clustered into 300 clusters by k-means algorithm. Each cluster is represented by its mean. In the first step, each input is classified into 300 categories by minimum Euclidian distance from the cluster centers, and 10 closest clusters are found. In the second step, Fourier descriptors of the subword contour are used to classify the input subword into the members of these 10 clusters. 
The training set consists of 12700 Farsi subwords in 4 different fonts, Lotus, Mitra, Yagut and Zar, and 3 sizes of 10, 12 and 14. In a test, a set of 500 subwords was used. Considering the first class, top five and top ten classes, 71.4%, 95%, and 98.2% of these subwords were correctly classified. In the post processing, dots of the subword and their positions were used to improve the recognition results. This improved the recognition rate to 92.6%.</Abstract><OtherAbstract Language="FA">در اين مقاله يك روش دو مرحله اي براي طبقه بندي زير- كلمات چاپي فارسي ارائه شده است. زير- كلمات چاپي با استفاده از ويژگيهاي مكان مشخصه و روش k- ميانگين، به 300 خوشه تقسيم شده‌اند. از ميانگين ويژگيهاي زير- كلمات هر خوشه به عنوان نماينده آن خوشه استفاده شده است. براي يك زير- كلمه ورودي، در مرحله اول با استفاده از ويژگيهاي مكان مشخصه و فاصله اقليدسي از ميانگين خوشه ها، طبقه بندي اوليه به 300 خوشه انجام مي‌شود و 10 خوشه نزديكتر تعيين مي‌شوند. در مرحله دوم با استفاده از توصيفگرهاي فوريه كانتور، زير- كلمه ورودي به اعضاي اين 10 خوشه طبقه بندي می‌شود. 
مجموعه تمرين شامل زير- كلمات متداول فارسي براي چهار قلم لوتوس، ميترا، زر و ياقوت و سه اندازه 10، 12 و 14 است. در اين تحقيق از بدنه هاي بدون نقطه 12700 زير- كلمه متداول فارسي به عنوان مجموعه تمرين استفاده شده است. در يك آزمايش براي ارزيابي طبقه بندي از مجموعه اي شامل 500 زير- كلمه استفاده شد. با احتساب اولين انتخاب، پنج انتخاب اول و ده انتخاب اول به ترتيب 40/71%، 95% و 20/98% از اين زير- كلمات به درستي طبقه‌بندي شدند. در مرحله پس پردازش از نوع و ترتيب نقاط زير- كلمات براي بهبود بازشناسي آنها استفاده شد. در يك آزمايش براي بازشناسي يك مجموعه 500 زير- كلمه اي، در انتخاب اول 60/92% از آنها به درستي بازشناسي شدند.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">متن چاپيزير- كلمهخوشه بنديطبقه بنديبازشناسيويژگيهاي مكان مشخصهk - ميانگينتوصيفگرهاي فوريه</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/27830</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>2</Volume><Issue>2</Issue><PubDate PubStatus="epublish"><Year>2004</Year><Month>9</Month><Day>21</Day></PubDate></Journal><ArticleTitle>Adaptive Compression of Wide-Band Speech and Audio Using Wavelet Transform</ArticleTitle><VernacularTitle>فشرده‌سازي وفقي سيگنال صحبت باند وسيع و صوت با استفاده از تبديل موجک</VernacularTitle><FirstPage>63</FirstPage><LastPage>67</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>محمدحسن</FirstName><LastName>ساوجی</LastName><Affiliation>دانشگاه شهید بهشتی</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2003</Year><Month>12</Month><Day>21</Day></History><Abstract>The design of a new codec at 32 kb/s for audio and high quality speech (bandwidth limited to 7 kHz and sampled at 16 kHz with 16 b/sample) is presented in this paper. This codec is a good substitute for the G721 ITU Standard and its 64 kb/s variant G722 that are based on ADPCM and dating from the late 1980s. This new codec comprises adaptive wavelet transform coding, psycho-acoustic modeling, quantization and variable length entropy and run-length coding. The novelty here is the use of a parametric wavelet kernel and the way the wavelet packet tree (WPT) is expanded so that better matching is achieved with critical acoustic bands. The explicit kernel permits to control the sharpness of the basic half-band filter of which the filter used in the Fast Wavelet Transform (FWT) coding are derived. The psycho-acoustic modeling of MPEG1-Audio is used but instead of employing power spectrum for calculating the Signal-to-Mask ratio (S/M), we have directly used the energies of WPT output signals. As a consequence, the computation cost is reduced. The number of quantization bits in each band is controlled by the corresponding S/M ratio. The Variable Length Coding (VLC) used here is an extension of JPEG Huffman coding where some modifications are made to adapt this scheme to speech characteristics. The developed codec has the capability of reducing the bit-rate and controlling the required quality by changing the S/M ratios. Therefore, it can be used for fixed capacity channels by the same token. It is shown that this scheme has a very good quality at 32 kb/s and that the coded signal is quite indistinguishable from the PCM signal digitized at 16 kHz and 16 b/sample.</Abstract><OtherAbstract Language="FA">در اين مقاله طراحي يک کد كننده ديكد كننده جديد در نرخ بيت kb/s 32 براي سيگنال صحبت باند وسيع و صوت بررسي مي‌شود. اين كدر جايگزين خوبي براي کدرهاي باند وسيع قبلي مثل استاندارد G721 با نرخ بيت kb/s 32 و G722 با نرخ بيت kb/s  64 و 2/4 MOS= مي‌باشد. فشرده‌ساز يا کدر ما شامل قسمتهاي کدگذار تبديلي، مدل روان شنيداري، چندي‌کننده و قسمت کدگذار با طول متغير است. در قسمت کدگذار تبديلي از بسته موجکي که داراي باندهاي خروجي نزديک به باندهاي بحراني است استفاده شده است. تفاوت اين قسمت با کارهاي مشابه در استفاده از هسته تبديل موجک توسعه يافته پارامتري جديد و نيز روشي است که شاخه هاي WP را گسترش داده‌ايم تا انطباق بيشتري با باندهاي بحراني شنوايي داشته باشند. فكر استفاده از مدل روان شنيداري را از MPEG1-Audio گرفته‌ايم اما به جاي استفاده از طيف توان براي محاسبه نسبت سيگنال به ماسک S/M مستقيماً از داده‌هاي خروجي بسته موجکي استفاده کرده‌ايم. به اين ترتيب، علاوه بر تطبيق مناسب خروجي‌هاي بسته موجکي با مدل روان شنيداري، از ميزان محاسبات نيز کاسته شده است. در چندي‌کننده با توجه به تعداد بيت‌هاي هر باند بحراني که قبلاً توسط مدل روان شنيداري حساب شده است به چندي کردن خروجي‌هاي بسته موجکي مي‌پردازيم. در قسمت VLC، از روش کدگذاري آنتروپي استفاده کرده‌ايم. براي اين کار از جداول دوباره کد کننده استاندارد JPEG استفاده شده است. اما تغييراتي براي تطبيق هر چه بهتر با شرايط سيگنال صحبت اعمال نموده‌ايم. کدر قابليت استفاده وفقي از هسته موجک پارامتري را داراست. کدر با تغيير نسبت S/M قابليت کم کردن نرخ بيت و کاهش کيفيت در حد کيفيت مورد نياز را دارد. بنابراين، در جاهايي که احتياج به نرخ بيت ثابتي باشد با تغيير S/M در اطراف نقطه کاري نرخ بيت به ميزان خواسته شده مي‌رسد. در نهايت اين كدر با نرخ بيت kb/s 32 کيفيت بسيار خوبي دارد که به راحتي از سيگنال PCM ورودي با نرخ نمونه برداري  kHz 16 تعداد  بيت 16 در هر نمونه قابل 
تشخيص نيست.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">فشرده‌سازي صحبتبسته موجکيمدل روان شنيداريباند بحرانيکدگذاري آنتروپي</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/27831</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>2</Volume><Issue>2</Issue><PubDate PubStatus="epublish"><Year>2004</Year><Month>9</Month><Day>21</Day></PubDate></Journal><ArticleTitle>Speech Compression Based on Linear Prediction Model and Voiced and Unvoiced Cycles</ArticleTitle><VernacularTitle>فشرده سازی گفتار با نرخ بيت متغير براساس مدل تخمين خطی و سيکل‌های آوايي و غيرآوايي</VernacularTitle><FirstPage>68</FirstPage><LastPage>72</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>خشایار</FirstName><LastName>یغمایی</LastName><Affiliation>دانشگاه سمنان</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2004</Year><Month>8</Month><Day>17</Day></History><Abstract>Variable rate signal compression has found many applications where there is no serious limitation on delay and the signal parameters are not very susceptible to errors. Methods used to apply variable rate coding usually rely on the redundancies included in the signal.
Such methods are different in final bit rate, quality of the synthetic signal and computational requirements. This paper presents a novel method for compression of speech signal in a variable scheme. Based on the known linear prediction method, a simple and efficient model is developed in which segments of the speech signal are classified as voiced or unvoiced using the innovative voiced and unvoiced cycle concept.</Abstract><OtherAbstract Language="FA">فشرده سازي سيگنال با نرخ بيت متغير در کاربردهای مخابراتی که در آنها زمان تأخير پردازش دارای محدوديت جدی نبوده و يا ميزان آسيب پذيری پارامترهای ارسالی در کانال مخابراتی کم مي‌باشد، استفاده فراوان يافته است. روشهای به کارگرفته شده در اين خصوص عموماً بر استفاده بهينه از افزونگی‌های  موجود در سيگنال متکی بوده و تمايز آنها در نرخ بيت نهايی، کيفيت سيگنال باز سازی شده و نياز محاسباتی روش مي‌باشد. اين مقاله روشی را برای فشرده سازی سيگنال گفتار با استفاده از مدل شناخته شده تخمين خطی ارائه مي‌دهد و با استفاده از مفهوم جديد ارائه شده در طبقه بندی سيکل‌ها و استخراج بخشهای آوايی با طول متغير، روش ساده و موثری برای استفاده بهينه از تشابه سيگنال در کاهش نرخ ارسال اطلاعات ارائه می‌گردد.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">نرخ بيت متغير تخمين خطیتعيين پريود سيکل‌های آوايی و غيرآوايی</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/27832</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>2</Volume><Issue>2</Issue><PubDate PubStatus="epublish"><Year>2004</Year><Month>9</Month><Day>21</Day></PubDate></Journal><ArticleTitle>A New Evolutionary Estimation of Distribution Algorithm Based on Learning Automata</ArticleTitle><VernacularTitle>يك الگوريتم تكاملي تخمين توزيع جديد با استفاده از اتوماتاي يادگير</VernacularTitle><FirstPage>73</FirstPage><LastPage>82</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>محمدرضا</FirstName><LastName>میبدی</LastName><Affiliation>دانشگاه صنعتی امیرکبیر</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2003</Year><Month>12</Month><Day>21</Day></History><Abstract>In order to overcome the poor behaviors of genetic algorithms in some problems other classes of evolutionary algorithms have been recently developed by researchers. Although these algorithms do not have the simplicity of classic genetic algorithms but they are superior to genetic algorithms. The Probabilistic Model Building Genetic Algorithms or Estimation of Distribution Algorithms (EDAs) is one of these classes which is recently developed. In this paper we introduce a new estimation of distribution algorithm based on Learning Automata. The proposed algorithm is a model based search optimization method that uses a set of learning automata as a probabilistic model of the population of solutions in the search space. The proposed algorithm is a simple algorithm which has produced good results for the optimization problems considered in this problem.</Abstract><OtherAbstract Language="FA">در سالهای اخير رويکرد جديدی به منظور حل مشکلات الگوريتمهای تکاملي به ويژه الگوريتم‌های ژنتيکي مورد توجه محققين قرار گرفته است. اين رويکرد مبتني برايجاد مدلهای احتمالاتي از ژنوم‌ها و اجزای سازنده آنها مي‌باشد. تاکنون الگوريتم‌های متنوعي بر اين اساس ارائه شده‌اند که اگر چه برخي از سادگي الگوريتم‌های ژنتيکي برخوردار نيستند، اما در حل مسائل با موفقيت بيشتری روبرو بوده‌اند. در اين مقاله رهيافت ديگری از اين الگوريتمها را بر اساس اتوماتای يادگير معرفي و مورد بررسي قرار مي‌دهيم. در اين رهيافت مدل احتمالاتي اجزای سازنده مسئله به وسيله اتوماتای يادگير و بر اساس ژنوم‌های نسل توليد شده تخمين زده مي‌شود. الگوريتم پيشنهادی بسيار ساده و برای مسائل مورد بررسي در اين مقاله دارای کارايي خوبي مي‌باشد.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">الگوريتم تکامليالگوريتم تخمين توزيعاتوماتای يادگير</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/27833</ArchiveCopySource></ARTICLE><ARTICLE><Journal><PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName><JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle><ISSN>16823745</ISSN><Volume>2</Volume><Issue>2</Issue><PubDate PubStatus="epublish"><Year>2004</Year><Month>9</Month><Day>21</Day></PubDate></Journal><ArticleTitle>Analysis, Design, and Fabrication of TEM Horn Antennas</ArticleTitle><VernacularTitle>تحليل، طراحی و ساخت آنتن بوقی TEM</VernacularTitle><FirstPage>83</FirstPage><LastPage>89</LastPage><ELocationID EIdType="doi" /><Language>fa</Language><AuthorList><Author><FirstName>محمد</FirstName><LastName>خلج امیرحسینی</LastName><Affiliation>دانشگاه علم و صنعت ایران</Affiliation><Identifier Source="ORCID" /></Author></AuthorList><History PubStatus="received"><Year>2004</Year><Month>3</Month><Day>9</Day></History><Abstract>In this paper, TEM horn antennas are reviewed as an ultra wideband antennas and then analyzed theoretically. The far zone fields, radiation patterns, directivity, and bandwidth of these antennas are determined. Also, the characteristic impedance and input reflection coefficient of these antennas are determined using the taperd transmission lines model. Then some relations are introduced to optimum design of these antennas. Finally, two TEM horn antennas are designed and then are simulated, fabricated, and measured in an experiment.</Abstract><OtherAbstract Language="FA">در اين مقاله پس از معرفي آنتـن بـوقـی TEM به عنوان يك آنتـن فوق پهن باند (UWB) به تحليل و طراحي آن پرداخته مي‌شود. ابتدا ميدانهای ناحيه دور، منحني‌های تشعشعی، سمتگرائی و پهنای باند تشعشعي اين آنتن بدست آمده‌اند. سپس با استفاده از رفتار خط انتقالی آنتن، امپدانس مشخصه و ضريب انعكاس ورودي آن برحسب فركانس ارائه شده‌اند. در ادامه با توجه به روابط حاصله برای اين آنتن، يک روش طراحی بهينه برای آن ارائه شده و بر همين اساس دو آنتن طراحي شده‌اند. در خاتمه با استفاده از شبيه‌سازی يا ساخت و آزمايش آنتنهاي طراحي شده، صحت روابط حاصله تأييد شده‌اند.</OtherAbstract><ObjectList><Object Type="Keyword"><Param Name="Value">آنتن بوقي TEMآنتن فوق پهن باندمنحني تشعشعیمدل خط انتقالی باريك شوندهطراحي و ساخت</Param></Object></ObjectList><ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/27834</ArchiveCopySource></ARTICLE></ArticleSet>