وبلاگ

پیشرفت های قابل توجه فن آوری در طی دهه های گذشته به طور چشمگیری طریقه ارتباط برقرار کردن مردم با بسیاری از منابع مختلف اطلاعات و سرگرمی را تغییر داده است. کاربران فن آوری های مدرن، در ارتباط با انواع رسانه ها از یک حالت انفعال به وضعیت فعال منتقل شده است. همین طور که مقادیر داده ای در دسترس افزایش می یابد، تکنیک های کارآمد داده گردانی نیز لازم می شود.
در چند سال گذشته داده های صوتی به میزان زیاد از منابع در دسترس مانند پایگاه داده ها، برنامه های پخش و اینترنت ایجاد شده اند. بخاطر این که، توجه ویژه ای به توسعه استراتژی های جابجایی داده اختصاص داده شده است. لذا، افتراق گفتار / موسیقی (SMD) به عنوان یکی از اهداف مهم به شمار می رود.

برای اهداف مختلفی می توان از یک SMD کارآمد بهره مند شد. از این ابزار می توان برای انتخاب براساس محتوا در مجموعه برنامه های

 پخش استفاده کرد. نمونه ای از این نوع کاربرد، انتخاب ایستگاه های رادیویی است که در واقع فقط موسیقی پخش می کنند. همچنین SMD قسمت اساسی تشخیص خودکار گفتار (ASR) و رونویسی موسیقی اتوماتیک (AMT)، که اغلب نیاز به تجزیه و تحلیل داده های صوتی بی ساخت یا نامعلوم دارند. در مورد ASR، بخش گفتار فقط باید در نظر گرفته شود، در حالی که در AMT باید نمونه های موسیقی مورد توجه قرار گیرند. لذا مهم است که سیگنال قبل از ورود به این سیستم ها به طور صحیح قطعه بندی شود. در نهایت نیز، توجه داشته باشید که دستگاه های مدرن کمک شنوایی اغلب شامل الگوریتم هایی هستند که عملکرد دستگاه را با توجه به نوع صدایی که به گوش می رسد تغییر می دهد. در این مورد، SMD خوب می تواند مؤثر باشد.

بیشتر تکنیک های SMD پیشنهاد شده تاکنون، نتایج خوبی داشته اند، اما هنوز هم چند نکته خصوصاً راجع به توانمندی به شرایط نامعلوم یا آموزش ندیده، موضوعی برای پیشرفت و توسعه این سیستم ها می باشند.
همه استراتژی های تبعیض بین گفتار و موسیقی در دو نکته مشترک هستند: استخراج ویژگی که حامل اطلاعات مربوط به سیگنال است و ترکیب یا نگاشت این ویژگی ها به یک برچسب، برای داده هایی که طبقه بندی می شوند. در زیر بحث مختصری از استراتژی خاص مورد استفاده در برخی از آثار اولیه مربوطه ارائه شده است.
ساندرس یک دسته بندی کننده موزیک – گفتار برای پخش رادیویی با استفاده از ویژگی های ساده ای مانند نرخ عبور از صفر و انرژی زمان کوتاه ارائه داد. در مقاله ساندرس برای رسیدن به دقتی برابر 98% طول پنجره برابر 2/4 ثانیه در نظر گرفته شد. در همین زمان اسچیرر و همکارش ویژگی های بیشتری را برای دسته بندی صوتی در نظر گرفتند و آزمایشات خود را بر روی انواع مدل های طبقه بندی کننده مدل مخلوط گوسی (GMM)، شبکه های عصبی مصنوعی انتشار خطا به عقب (BP-ANN) و k نزدیک ترین همسایه (KNN) انجام دادند. با به کارگیری پنجره یکسان (2/4 ثانیه) برای آزمایشات، نرخ خطا برابر 1/4 درصد گزارش شده است. این در حالی است که در صورت به کارگیری پنجره کوچکتر و یا در نظر گرفتن نویز و صداهای محیطی نتایج رضایت بخش نمی باشد.
در این مجموعه سعی شده است که به چند نمونه از کارهایی که در سال های اخیر انجام شده است، پرداخته شود. در این رویکردها از ویژگی های جدیدتری استفاده شده است و از طبقه بندی کننده های مختلفی نیز بهره جسته اند. در ابتدا در فصل اول، برای آشنایی با مفاهیم پایه پردازش گفتار، برخی از مفاهیم و اصطلاحات مورد نیاز بیان شده است. در فصول بعدی نیز رویکردها و نتایج شبیه سازی برخی از روش ها بیان شده است.

:
پایداری سیستم قدرت از دهه های آغازین قرن گذشته به عنوان یك مسئله مهم در امنیت بهره برداری از سیستمهای قدرت، شناخته شده و مورد توجه قرار گرفته است. بسیاری از خاموشی های سراسری كه در شبكه های قدرت مختلف دنیا رخ داده است، به دلیل ناپایداری سیستم قدرت بوده و توجه بسیاری از صنایع و شركت های برق را به این مساله معطوف نموده است. گسترش سیستم های قدرت به دنبال افزایش خطوط ارتباطی و ایجاد شبكه های به هم پیوسته، استفاده از تكنولوژی های جدید در كنترل و حفاظت شبكه و افزایش میزان تقاضا و به دنبال آن بهره برداری از سیستم با حاشیه پایداری كم، به خصوص در سیستم های تجدید ساختار یافته، انواع مختلف ناپایداری ها در سیست مهای قدرت به همراه داشته است. به عنوان مثال، پایداری ولتاژ، پایداری فركانس و نوسانات بین ناحیه ای بیش از گذشته دغدغه مهندسین سیستم های قدرت را برانگیخته است. بنابراین فهم و درك صحیح از انواع ناپایداری ها و چگونگی به وقوع پیوستن آنها جهت طراحی و بهره برداری سیستم های قدرت، بسیار ضروری است.

همان گونه كه بیان گردید، یكی از انواع ناپایداری ها در شبكه های قدرت، ناپایداری ولتاژ است. در سال های اخیر با توجه به رشد میزان مصرف و هزینه بالای احداث نیروگاه ها و خطوط انتقال، به ویژه در سیستم های تجدید ساختار یافته، بعضاً بهره برداری شبكه های قدرت

 تا نزدیكی حداكثر ظرفیت نیروگاه ها و خطوط شبكه انجام می گیرد كه در نتیجه شبكه تحت فشار زیادی قرار گرفته و از لحاظ ولتاژی دچار مشكل خواهد شد. وقوع خاموشی های سراسری اخیر در برخی شبكه های قدرت مهم دنیا مانند فروپاشی ولتاژ در كشور شیلی و فروپاشی شبكه شمال شرق آمریكا و كانادا در آگوست سال 2003 و فروپاشی شبكه قدرت جنوب ایتالیا در سپتامبر سال 2003 گویای این مطلب می باشند. به همین دلیل، بحث ناپایداری ولتاژ در سال های اخیر بسیار مورد توجه قرار گرفته است. از طرف دیگر همانطور كه می دانید سیستم های قدرت قسمت زیادی از انرژی مورد نیاز ما را فراهم می كنند هنگامی كه سیستم قدرت دچارناپایداری و فروپاشی شود دیگر سیستم های مهم همچون سیستم های حمل و نقل الكتریكی، چراغ راهنماها و سیستم های امنیتی و سیستم آب رسانی شهری و غیره هم دچار مشكل خواهند شد در نتیجه فروپاشی سیستم های قدرت باعث بروز مشكلات بزرگی میشود كه اهمیت توجه به این موضوع را نشان می دهد.

در كشور ما نیز، با توجه به افزایش میزان مصرف و هزینه بالای احداث خطوط و نیروگاه های جدید، به ناچار بایستی در آینده ای نه چندان دور، بهره برداری از شبكه در ظرفیت بالاتر انجام گیرد. در نتیجه در این پایان نامه به بررسی روش های تشخیص پدیده ناپایداری ولتاژ پرداخته خواهد شد.
در فصل اول پس از بیان مفاهیم اساسی مربوط به پایداری ولتاژ، چگونگی استفاده از منحنی ها P-V و V-Q به عنوان روشی برای تحلیل استاتیكی شبكه از لحاظ پایداری ولتاژ مورد بررسی قرار می گیرد و تاثیر پارامترهای گوناگون شبكه بر روی پایداری گفته خواهند شد.
در فصل دوم روش های تشخیص پدیده ناپایداری ولتاژ كه به دو دسته شاخص های مربوط به شینه بار و شاخص های مربوط به خط انتقالی تقسیم می شود و معرفی میگردند.
در فصل سوم، این روش ها در ابتدا بر روی شبكه دوشینه ساده و سپس بر روی شبكه 9 شینه IEEE در حالت ناپایداری اغتشاش كوچك پیاده سازی می شوند از آنجا كه بیشتر شاخص های مربوط به شین بار نیاز به مدار معادل تونن دارند در این فصل روش های گوناگون تخمین پارامترهای مدار معادل بیان خواهد گردید و در مورد بهبود عملكرد برخی شاخ صها پیشنهادهایی ارائه خواهد شد.
در فصل چهارم نیز شاخص های تشخیص پدیده ناپایداری ولتاژ بر روی شبكه 9 شینه IEEE در حالت اغتشاش بزرگ پیاده سازی خواهد شد و چگونگی به كار بردن و تعیین حد تنظیم پایداری برای یكی از شاخص ها ارائه خواهد شد.
در فصل پنجم نیز، نتیجهگیری كارهای انجام شده و پیشنهادهای در جهت ادامه كار ارائه خواهد شد.

امروزه استفاده از التراسوند در کلینیک های پزشکی مدرن، جایگاه مهمی در میان سایر شیوه های تشخیصی و عکس برداری از بدن بیمار را پیدا کرده است. شاید یکی از مهم ترین دلایل استفاده از آن، سهولت و بی خطر بودن آن باشد. التراسوند، امواج صوتی با فرکانس هایی بالاتر از توان آشکارسازی آن توسط گوش انسان می باشد که از حدود 20KHz تا صدها مگاهرتز تعریف می شود. لوازم پزشکی عمدتا در طیف یک تا 10 مگاهرتز از این امواج استفاده می کنند که دلیل عمده آن، دقت و میزان نفوذپذیری مناسب آن در این طیف می باشد. این امواج توسط مبدل های الکتریکی التراسوند تولید و در محل مورد نظر بر روی سطح پوست قرار می گیرد. این امواج به داخل بافت ها انتشار پیدا کرده و بخش هایی از آن به خاطر وجود خواص متفاوت صوتی و سطوح مرزی بسیاری که بین بافت ها وجود دارد، منعکس می شوند. تعدادی از این سطوح مشترک مرزی بسیار فاحش و نشان دهنده مرزهای اصلی اندام هستند و برخی دیگر بسیار تدریجی تغییر پیدا می کنند.
در لوازم و تجهیزاتی که در مد B کار می کنند مبدل ها پالس هایی را ارسال می کنند به طوری که انعکاس آنها، یک سری امواج با دامنه های مختلف می باشد که زمان ارسال و دریافت پالس، عمق انعکاس مرزی بافت ها را نمایش می دهد. در ساختاری دیگر، سرعت سنج داپلر را می شناسیم که سطح انعکاس دهنده متحرک می باشد (همانند سلول های قرمز متحرک در رگ ها) که امواج صوتی منعکس شده در فرکانسی متناسب با سرعت ساطع کننده ها متغیر خواهد بود.
از آنجایی که امواج صوتی خارج از بدن تولید شده و برای ورود به بدن نیاز به هیچ ماده خارجی و واسطه برای انجام واکنش نمی باشند، التراسوند، تکنیکی غیر مهاجم خوانده می شود.
فصل اول

کلیات

تصویر بردای التراسوند، اغلب با رادیوگرافی (عکسبرداری با اشعه x) از لحاظ تأثیر و دقت تصاویر تولید شده مقایسه می شود. در اینجا دو تفاوت اساسی و بارز بین این دو روش وجود دارد: اول اینکه، التراسوند روشی بی خطر است، در صورتی که خطر استفاده از اشعه x به اثبات رسیده است و بخصوص اثر آن بر روی سلول های در حال تکثیر (برای موارد پزشکی زنان و زایمان) قابل توجه می باشد.
تفاوت اصلی دیگر که بین این دو وجود دارد مربوط به ویژگی های بافت هایی است که از آنها عکسبردای می شود. البته اشعه x در یک رابطه قانون توان برحسب چگالی الکترون ها در بافت هایی که در راستای اشعه x بین مولد و فیلم روبرو می شود، تضعیف می شود (جذب و تفرق از مسیر مستقیم) به طوری که اشعه x، اختلاف چگالی بافت ها را به صورت تفاوت های سطوح تابیده شده به فیلم نمایش می دهد. به همین علت بافت های تراکمی مانند استخوان را به خوبی از دیگر بافت های با تراکم کمتر، نظیر عضله به نمایش می گذارد. اما متأسفانه، در تضعیف اشعه x، تفاوت بسیار کمی بین اغلب بافت های نرم وجود دارد و بنابراین در رادیوگرافی از بافت های نرم، شاهد تفاوت محسوسی در انواع بافت های نرم نخواهیم بود. به عنوان مثال اگر یک تومور نرم در درون یک اندام بافت نرم قرار گرفته باشد، مشاهده و تشخیص آن بسیار مشکل است مگر اینکه یک موج متمایز رادیویی رنگی به صورت غیرمخرب به محل تزریق شود.
از سوی دیگر، انتشار امواج التراسوند در بافت ها و مایعات به خوبی صورت می گیرد و همان طور که قبلا ذکر شد، این امواج در سطوح مشترک مرزی انواع بافت های نرم منعکس می شوند. بنابراین یک اسکن امواج التراسوند نسبت به تغییرات در نوع بافتهای نرم در مقایسه با رادیوگرافی می تواند بسیار حساس تر باشد و این ویژگی است که در بخش مامایی  از آن استفاده می شود.
با این وجود باید خاطرنشان کرد مزیتی که التراسوند در نواحی بافت نرم دارد در نواحی استخوانی و یا نقاطی که دارای هوا می باشد، به راحتی نفوذ نمی کند که این مسئله آن را برای اسکن کردن شش ها (حداقل در فرکانس های بالاتر) و عکسبردای نواحی که با استخوان محدود شده است مثل مغز در پشت جمجمه، غیرعملی می سازد.
هنگامی که ویژگی های فیزیکی بافت های مختلف را بررسی می کنیم، مشاهده می گردد که التراسوند و رادیولوژی به عنوان رقبای یکدیگر در نظر گرفته نمی شوند، چرا که آنها شیوه های مکمل یکدیگر می باشند و نسبت به خصوصیات متفاوت بافت ها از خود عکس العمل نشان می دهد. آنچه که یک تکنیک از دست می دهد، تکنیک دیگر می تواند ارائه دهد. شکستگی های استخوان به خوبی با اشعه x مشخص می شوند و اسکن های بارداری به بهترین صورت با التراسوند انجام می شود. تومورهای شکمی مشکوک یا ناهنجاری های دریچه قلب می تواند از هر دو تکنیک مورد ارزیابی قرار گیرند.