مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745312005321Various Sources of Noise in Optical Fiber Communication Systems: A Reviewمروري بر انواع منابع نويز در لينك‌هاي مخابرات نوري317faمحمدکاظممروج فرشیدانشگاه تربيت مدرس20041025This paper reviews different sources of noise in optical fiber communication systems. The most important sources of noise, in such systems, are semiconductor lasers, optical amplifiers, and optical detectors. First, we review the relative intensity noise (RIN) and phase noise in semiconductor lasers. We show that, at low frequencies, RIN is negligible, and reaches its maximum at the damping frequency. RIN decreases with an increase in injection current, while it maximizes for the threshold current, at a certain frequency. The phase noise, which is related to laser line width, is constant below the damping frequency and increases to its maximum at the damping frequency. In semiconductor lasers, both RIN and phase noise decrease with an increase in the output power. Next, Amplified spontaneous emission (ASE) noise in erbium doped fiber amplifiers (EDFA) is reviewed. We show that, while ASE noise increases with an increase in the pump power, it decreases with an increase in the input signal power, for the various pump powers. Then, reviewing the formulation of noise figure (NF) in semiconductor optical amplifiers (SOA), we study the effects of cavity thickness and length on NF in both Fabry Perot (FP) and traveling wave amplifiers (TWA). Then we review sources of noise in an optical detector, and present an equivalent electric circuit model for it, including signal to noise ratio (SNR) and bit error rate (BER). Then, modal noise in a multimode optical fiber is reviewed. Finally, crosstalk as the main limiting parameter in optical multiplexer/demultiplexer units in multiwavelength systems is reviewed.در اين مقاله نويزهاي مطرح در يك لينك مخابرات نوري و منابع آن‌ها مرور مي‌شود. مهمترين عوامل توليد كننده نويز در چنين لينكي عبارتند از ليزرهاي نيمه‌هادي، تقويت‌كننده‌ها و آشكارسازهاي نوري. ابتدا، به مرور نويز‌هاي شدت نسبي و فاز در ليزرهاي نيمه‌هادي مي‌پردازيم. آنگاه نشان مي‌دهيم، نويز شدت نسبي در فركانس‌هاي كم، ناچيز است و در نزديكي فركانس نوسانات ميرايي به بيشينه مقدار خود مي‌رسد. اين نويز که به ‌ازاي فركانسي معين در جريان آستانه بيشينه است، با افزايش جريان تزريقي كاهش مي‌يابد. نويز فاز كه با پهناي خط ليزر ارتباط دارد، در فركانس‌هاي كمتر از فركانس نوسانات ميرايي ثابت است و در فركانس نوسانات ميرايي به مقدار بيشينه مي‌رسد. در ليزرهاي نيمه‌هادي، نويز شدت و فاز، هردو با افزايش توان نور خروجي، كاهش مي‌يابند. سپس، نويز گسيل خودبه‌خودي تقويت شده (ASE) در تقويت كننده‌هاي نوري فيبري آلائيده به اِربيوم (EDFA) را بررسي مي‌کنيم. آنگاه نشان مي‌دهيم، درحاليكه نويز ASE با افزايش توان پمپ افزايش مي‌يابد، به ‌ازاي مقادير مختلف توان پمپ، با افزايش توان سيگنال ورودي کاهش مي‌يابد. ازطرف ديگر افزايش توان پمپ باعث كاهش عدد نويز برحسب طول‌موج سيگنال ورودي مي‌شود. در ادامه، به مرور بر نحوه ‌محاسبه عدد نويز (NF) در يك تقويت‌كننده نوري نيمه‌هادي (SOA) پرداخته آثار ضخامت و طول كاواك و همچنين ضريب بازتاب آينه‌هاي ورودي و خروجي را بر اندازه اعداد نويز در تقويت کننده‌هاي نوع فابري پرو (FP) و همچنين نوع موج رونده (TWA) بررسي مي‌کنيم. سپس، منابع نويز در يک آشكارساز نوري را بررسي و مدار معادل الكتريكي آن‌را با درنظرگرفتن نسبت سيگنال به نويز (SNR) و نرخ خطاي بيت (BER) آن ارائه مي‌کنيم. بعد، نويز مُدي در فيبرهاي نوري چند مٌد بررسي مي‌شود. در پايان، هم‌شنوايي به‌ عنوان مهترين عامل محدود کننده در مالتي‌پلكسرها / دي‌مالتي‌پلكسرهاي نوري موجود در سيستم‌هاي چند طول‌موجي بررسي خواهد شد.http://ijece.org/en/Article/Download/27835

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237453120053213D Model Reconstruction by Silhouette, Stereo and Motion Features Fusionاستخراج مدل سه بعدي جسم با ادغام ويژگي‌هاي مستخرج از تصاوير استريو، تخمين حرکت و تصاوير نيم‌رخ1828faحسنقاسمیان یزدیدانشگاه تربیت مدرسحسنابراهیم نژاددانشگاه تربیت مدرس2005518In this paper we propose a new approach to reconstruct the three-dimensional model of object using multi camera silhouettes during time. The main idea in this work is to reduce the current bottlenecks of three-dimensional model reconstruction including: ambiguous stereo matching in low contrast regions; non-exact color adjustment between cameras which raises the matching uncertainty; shading and non-consistency of intensity duo to motion and varying the light angle which raises the motion estimation error; high dependency of silhouette method to the number of cameras. We propose a novel scheme to combine three popular methods i.e. stereo matching, motion and silhouette. The novelties of this work include: region growing for low color different neighborhood to increase the quality of background removing process, robust feature based stereo matching of multi camera images to find the exact place of some sparse singular points belong to the surface of object, singular points matching to robustly estimate the motion parameters in next frame. Also, we propose a hierarchical cone intersection method to extract the bounding edges visual hull from all the silhouettes captured by virtual cameras during time.در اين مقاله يک روش جديد براي بازسازي مدل سه بعدي جسم صلب با استفاده از نيم‌رخ‌هاي آن در طول زمان حرکت جسم ارائه مي‌‌گردد. ايده اصلي مقاله ارائه راهکاري مناسب جهت کاهش مشکلات و تنگناهاي موجود در بازسازي دقيق مدل سه بعدي همراه با افزايش سرعت بازسازي مي‌‌باشد. از جمله اين مشکلات مي‌‌توان به ابهام موجود در تطبيق تصاوير استريو براي نواحي با درجه تباين پائين، توازن غير دقيق شدت نور و رنگ دوربين‌ها در مرحله راه اندازي و ايجاد خطا در تطبيق نقاط متناظر، ايجاد سايه بدليل تغيير زاويه تابش منبع نور در زمان حرکت جسم و خطاي ناشي از آن در تخمين حرکت و نهايتاً وابستگي شديد روش نيم‌رخ به تعداد دوربينها اشاره نمود. در اين مقاله يک روش کاملا ابتکاري براي ادغام سه روش تطبيق استريو، تخمين حرکت و نيم‌رخ پيشنهاد مي‌‌گردد که با بهره جوئي از نقاط قوت هر روش، به برطرف ساختن نقاط ضعف آنها مي‌‌پردازد. ابتکارات بکار گرفته شده در اين مقاله عبارتند از: ارائه الگوريتم مبتني بر رشد ناحيه براي نقاط همسايگي با تفاضل رنگ پائين، جهت افزايش دقت در فرآيند حذف پس‌زمينه. استخراج نقاط ويژگي جسم با درجه تباين بالا، جهت افزايش دقت تطبيق استريو و کاهش حساسيت آن به توازن شدت نور و رنگ دوربين‌ها. بکارگيري روش تطبيق چندگانه به جاي تطبيق استريو، جهت افزايش دقت در استخراج مختصات سه بعدي نقاط منفرد جسم. استفاده از نقاط منفرد سه بعدي براي تخمين دقيق حرکت جسم صلب. ايجاد دوربين‌هاي مجازي و افزايش تعداد نيمرخ‌هاي جسم در مدت زمان حرکت جسم. ارائه يک الگوريتم سريع سلسله مراتبي جهت استخراج پوسته قابل ديد از نيم‌رخ‌هاي جسم.http://ijece.org/en/Article/Download/27836

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745312005321Top-Down Tracking Algorithm Based on Vehicle Trajectory Learning in the Traffic Sceneالگوريتم رديابي بالا به پايين بر اساس يادگيري مسير حركت وسايل نقليه در صحنة ترافيك2936faهادیصدوقی یزدیدانشگاه تربیت معلم سبزوارمجتبیلطفي‌زاددانشگاه تربیت مدرسمحمودفتحیدانشگاه علم و صنعت ایراناحسان‌الهکبیردانشگاه تربیت مدرس0000000256107611200485In this paper, a trajectory learning-based vehicle tracking algorithm is presented which is a new top-down vehicle tracker. The history of trajectory is learnt by a novel sptio-temporal data base known center transition matrix, CTM. At first, the CTM is constructed on centers which are obtained using fuzzy clustering on vehicle trajectories. The i, j-th element of CTM indicates passing of the object from center i to center j in two consecutive frames which CTM is completed by multi-object tracking. The CTM is efficient in search of similar blobs in image sequences and can determine the radius and region of search and increasing of convergence rate of RLS predictor. The proposed tracking algorithm is tested in the intersection of a highway to a square which gives good results.در اين مقاله، يك الگوريتم جديد رديابي بالا به پايين بر اساس يادگيري مسير حركت وسايل نقليه ارائه مي‌شود. به اين منظور يك ماتريس گذر مراكز، CTM، كه يك پايگاه دادة مكاني-زماني جديد است، پيشنهاد مي‌شود. براي ايجاد اين ماتريس ابتدا با خوشه‌بندي فازي روي مسيرهاي حركت وسايل نقليه بدست آمده، مراكزي بدست مي‌آيد سپس ماتريس CTM روي اين مراكز تعريف مي‌شود. عنصر i, j ام اين ماتريس بيان كنندة آن است كه شيئي در دو فريم متوالي از مركز i به مركز j گذر كرده است كه تكميل درايه‌هاي اين ماتريس با رديابي چند شيئي وسايل نقليه به ‌مرور انجام مي‌شود. ماتريس CTM در افزايش سرعت همگرايي پيش‌بين RLS و جستجوي بهتر موقعيت وسيلة نقليه موثر است. الگوريتم رديابي پيشنهادي در مكانهاي مختلفي در صحنة ترافيك آزمون شد كه نتايج حاصله حاكي از افزايش كارايي در الگوريتم رديابي است.http://ijece.org/en/Article/Download/27837

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745312005321A Fast Algorithm for Hyperspectral Image Analysis Using SVM and Spatial Dependencyيک الگوريتم سريع مبتني بر ماشين بردار پشتيبان براي طبقه‌بندي تصاوير ابرطيفي با استفاده از همبستگي مکاني3744faحسنقاسمیان یزدیدانشگاه تربیت مدرساحمدکشاورزدانشگاه تربیت مدرس2005523Recent significant development in sensor technology makes possible Earth observational remote sensing system with unprecedented spectral resolution and data dimensionality. The value of these new sensor systems lies in their ability to acquire a nearly complete optical spectrum for each pixel in the scene. Such imaging spectrometry now makes possible the acquisition of data in hundreds of spectral bands simultaneously, and it is called hyperspectral images. With the limited number of training samples of hyperspectral images, the classification of these images using conventional feature extraction algorithms (PCA, ICA, PP, DBFE, DAFE and Wavelet) is considered useless. In this paper a two stages classification algorithm is proposed, by fussing the spatial and spectral information. In the first stage the classes of each pixel and its eight neighbors are identified, using a classical classification algorithm. In the second stage two primary classes of a pixel and its neighbors are compared in each node of decision tree by a SVM. The proposed, binary tree SVM, takes advantage of both the efficient computation of the tree architecture and the high classification accuracy of SVM. The hyperspectral data set used in our experiments is a scene from Indiana’s Indian Pine by the AVIRIS sensor. The examples results show the problem of limited training samples can be mitigated using the proposed algorithm; moreover the computational time is significantly reduced. This suggests that binary tree SVM could be a promising tool for classifying hyperspectral images.با افزايش تعداد باند‌هاي تصاوير سنجش از دور، الگوريتم‌هاي استخراج ويژگي مانند تحليل مؤلفه‌‌هاي اصلي، تحليل مؤلفه‌‌هاي مستقل، نگاشت جستجوگر، استخراج ويژگي با مرز تصميم‌گيري، تحليل مميز و تبديل موجک به منظور کاهش تعداد ويژگي‌ها و بهبود طبقه‌بندي مورد استفاده قرار گرفته‌اند. اما اين الگوريتم‌ها به دليل افزايش تعداد منابع اطلاعاتي، حجم داده‌‌ها و محدود بودن تعداد نمونه‌‌هاي آموزشي در تصاوير ابرطيفي، بازدهي مطلوبي ندارند. در اين مقاله براي حل اين مشکل، الگوريتم جديد مبتني بر ماشين بردار پشتيبان ارايه گرديده است. اين الگوريتم پس از يک طبقه‌بندي اوليه، با استفاده از کلاس هر پيکسل و همسايه‌‌هايش به صورت سلسله‌مراتبي تصميم‌گيري می‌کند. تصميم‌گيري در هر يک از سطوح اين طبقه‌بندي کننده بوسيله يک ماشين بردار پشتيبان انجام می‌شود. اين الگوريتم بر روي داده‌‌هاي واقعي ابر طيفي سنجنده AVIRIS اجرا شد. نتايج نشان مي‌دهد كه صحت طبقه‌بندي داده‌‌هاي ابرطيفي با استفاده از اين الگوريتم بسيار مطلوب بوده و مشكل محدود بودن تعداد نمونه‌‌هاي آموزشي تا حد قابل توجهي جبران شده است. در واقع اين تحقيق با ادغام اطلاعات مکاني و استفاده از طبقه‌بندي کننده ماشين بردار پشتيبان صحت طبقه‌بندي را بهبود می‌بخشد. اين الگوريتم زمان لازم براي طبقه‌بندي تصاوير ابرطيفي را با استفاده از ماشين بردار پشتيبان، بسيار کاهش داده و کارآيي الگوريتم ماشين بردار پشتيبان را به عنوان طبقه‌بندي کننده تصاوير ابرطيفي افزايش می‌دهد.http://ijece.org/en/Article/Download/27838

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745312005321Extraction and Modeling Context Dependent Phone Units for Improvement of Continuous Speech Recognition Accuracy by Phonemes Clusteringاستخراج و مدل‌سازي واحدهاي آوايي وابسته به بافت براي بهبود دقت بازشناسي گفتار پيوسته با روش دسته‌بندي واج‌ها4551faمحمدبحرانیدانشگاه صنعتی شریفحسینثامتیدانشگاه صنعتی شریف2004818This paper proposes a proper context dependent method for improving the accuracy of a Persian continuous speech recognition system. Due to some constraints in speech recognition system, the multiple phone units approach is utilized for extracting context dependent phone units. In this approach, each phoneme is clustered to some phoneme variations, and then each phoneme variation is modeled separately. Unsupervised phoneme clustering is done using k-means clustering algorithm. The new effective method is proposed for calculating the centroid of clusters. The proper number of cluster for each phoneme is determined according to amount of training data for that phoneme and recognition accuracy of that phoneme using context independent models. The number of clusters is then optimized by try and error methods. Then each cluster is modeled as a context dependent phone unit. The reduction in word error rate is about 22% using these models.در اين مقاله براي بهبود دقت يک سيستم بازشناسي گفتار پيوسته فارسي، روش وابسته به بافت مناسبي پيشنهاد شده است. به دليل بعضي محدوديت‌هاي موجود در سيستم بازشناسي، از ايدة واحدهاي آوايي چندگانه براي استخراج واحدهاي آوايي وابسته به بافت استفاده گرديده است. بر اساس اين ايده هر واج به چند نوع گوناگون دسته‌بندي مي‌شود و هر دسته جداگانه مدل‌سازي مي‌گردد. دسته‌بندي واج‌ها به صورت بي‌نظارت و با استفاده از الگوريتم k-means انجام شده است و براي محاسبه مركز دسته‌ها روش كارايي پيشنهاد شده است. تعداد دسته مناسب براي هر واج با توجه به حجم داده‌هاي آموزشي آن واج و دقت بازشناسي واج در هنگام به‌کارگيري مدل‌هاي مستقل از بافت، حدس زده شده و سپس با روش‌هاي مبتني بر سعي و خطا، تعداد دسته بهينه براي هر واج تعيين شده است. سپس هر دسته به عنوان يک واحد آوايي وابسته به بافت مدل‌سازي گرديده است. با استفاده از اين مدل‌ها حدود 22 درصد کاهش در نرخ خطاي کلمات حاصل شده است.http://ijece.org/en/Article/Download/27839

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745312005321Array Processing Based on GARCH Modelپردازش آرايه‌اي بر مبناي مدل GARCH5258faهادیامیریدانشگاه صنعتی امیرکبیرحمیدرضاامین داوردانشگاه صنعتی امیرکبیرمحمود کمره‌ای دانشگاه تهران200513In this paper, we propose a new model for additive noise based on GARCH time-series in arraysignal processing. Due to the some reasons such as complex implementation and computational problems, probability distribution function of additive noise is assumed Gaussian. In the different applications, scrutiny and measurement of noise shows that noise can sometimes significantly non-Gaussian and thus the methods based on Gaussian noise will degrade in an actual conditions. Heavy-tail probability density function (PDF) and time-varying statistical characteristics (e.g.; variance) are the most features of the additive noise process. On the other hand, GARCH process has important properties such as heavy-tail PDF (as excess kurtosis) and volatility modeling through feedback mechanism onto conditional variance so that it seems the GARCH model is a good candidate for the additive noise model in the array processing applications. In this paper, we propose a new method based on GARCH using the maximum likelihood approach in array processing and verify the performance of this approach in the estimation of the Direction-of-Arrivals of sources against the other methods and using the Cramer-Rao Bound.در مقاله حاضر، يك مدل جديد براي نويز جمع‌شونده براساس سريهاي زماني GARCH در پردازش سيگنال آرايه‌اي ارائه شده است. در بسياري از روشها بدلايلي همچون پيچيدگي‌هاي پياده‌سازي و محاسباتي توزيع احتمال نويز، گوسي فرض مي‌شود. بررسي‌‌ها و اندازه‌گيري‌هاي انجام گرفته براي نويز محيطي در كاربرد‌هاي مختلف، نشان از غيرگوسي ‌بودن آن دارد و در شرايط واقعي كارايي روش‌هايي كه مبتني بر مدل گوسي نويز هستند، كاهش مي‌يابد. از مهمترين ويژگي‌هاي فرآيند نويز محيطي دنباله‌دار ‌بودن (Heavy Tail) توزيع احتمال و تغيير ويژگي‌هاي آماري آن (مانند واريانس) در محيط مي‌باشد. از طرف ديگر فرآيند GARCH داراي خصوصيات مهمي همچون دنباله‌دار ‌بودن توزيع احتمال و همچنين مدلسازي ناپايداري از طريق روابط بازگشتي بر روي واريانس شرطي است كه با توجه به ويژگي‌هاي اين فرآيند به نظر مي‌رسد كه مدل مناسبي براي نويز محيطي جمع‌شونده در كاربرد‌هاي پردازش آرايه‌اي باشد. در مقاله حاضر با استفاده از تخمين حداكثر احتمال ، روش جديد بكارگيري GARCH در پردازش آرايه‌اي ارائه و به كمك شبيه‌سازي در كاربرد آكوستيك زيرآب، كارايي اين روش در مقايسه با روشهاي ديگر به كمك خطاي تخمين سمت ورود اهداف در كنار معيار Cramer-Rao Bound اثبات شده است.http://ijece.org/en/Article/Download/27840