مجموعه آموزش پردازش سیگنال

یکی از علوم پایه در رشته های مهندسی به ویژه مهندسی های برق و کامپیوتر، مباحث مرتبط با تجزیه و تحلیل سیگنال های آنالوگ یا دیجیتال و سیستم های مرتبط با آن ها است. در این فرادرس، با روش شیوا و روان، با ذکر مثال هایی ملموس و عملی مباحث و سر فصل های اصلی تجزیه و تحلیل سیگنال ها و سیستم ها، آموزش داده می شود. هدف فرادرس این است که کاربران، علاوه بر بهره مندی از تئوری ها، به سمت عملی استفاده نمودن از این دانش نیز ترقیب شوند و آن را به دیگر دوستان خود نیز انتقال داده یا حداقل معرفی نمایند.

در این آموزش سعی شده است که با ارائه کامل تمامی موارد اساسی به صورت عملی و به کمک مثال های کاربردی، آموزشی جامع و همچنین قابل درک ارائه شود. به علاوه، با استفاده از ده ها نمونه کد آماده و دفترچه راهنمای مربوط به این کدها می توان از گنجینه مناسبی برای تثبیت آموخته ها و تسریع در کاربردهای بعدی بهره برد.

در این آموزش تلاش شده است تا با استفاده از داده های واقعی کلیه مراحل پردازش سیگنال در متلب از فراخوانی داده ها گرفته تا پیش پردازش، استخراج ویژگی، حذف ویژگی های نامناسب از لحاظ آماری، طبقه بندی و ارزیابی طبقه بندهای مختلف مورد استفاده قرار گیرد تا دانشجویان به طور کامل کلیه مراحل را فرا گیرند. تمرکز ابتدایی این آموزش بر نحوه فراخوانی داده های واقعی با فرمت های مختلف و همچنین ارائه راهکار برای فراخوانی تعداد فایل های زیاد به یکباره در متلب و به صورت اتوماتیک است. آموزش نحوه صحیح ارائه نتایج و شکل ها در پایان نامه ها و مقالات نیز مورد توجه قرار گرفته است و به چندین شکل مختلف بر نحوه های مختلف نشان دادن نتایج و تست کردن راه حل ها تاکید شده است.

از جمله کاربردهای پردازش سیگنال می توان به: تشخیص گفتار و پردازش زبان طبیعی در هوش مصنوعی، سونار (Sonar) و رادار، مخابرات و تحلیل داده های دریافت شده از بدن بیمار اشاره نمود. استفاده از زبان برنامه نویسی پایتون (Python)، همواره مورد توجه اهداف پژوهشی و نیز صنعتی بوده است، به گونه ای که این زبان برنامه نویسی به یکی از محبوب ترین زبان های سطح بالا در حوزه مهندسی و تحلیل داده های آماری تبدیل شده است. در پایان این فرادرس، مخاطب قادر خواهد بود تا در پایتون با کمک توابع و کتابخانه های مختلف، به تحلیل سیگنال ها پرداخته و داده های مورد نیاز خود را استخراج نماید. پیش نیاز این آموزش، آشنایی مقدماتی با پایتون است.

هدف این فرادرس، ارائه مقدمه ای بر مباحث پردازش صوت با تکیه بر استفاده از نرم افزار متلب است. در این فرادرس سعی شده است که مباحث مستقل از منابع دیگر تهیه شود که دانشجو درک مقدماتی دقیقی دریافت کند و زمانی که تشخیص داده شده است که مبحثی از پردازش سیگنال نیاز به یادآوری دارد، بصورت گذرا ارائه شده است. هر چند به دانشجو توصیه شده است که حتماً به مراجع پایه پردازش سیگنال دیجیتال مراجعه کند. این فرادرس بخش اول از سلسله درس های پردازش صوت است که برای دانشجوی فاقد مطالعه در این زمینه، تهیه شده است.

در این آموزش، ابتدا مختصری در مورد روش های موجود برای تشخیص محتوای زمان-فرکانسی سیگنال ارائه شده و سپس جایگاه روش EMD در این بین مشخص می شود. در ادامه الگوریتم EMD به زبانی ساده و در چندین مرحله با مثال تصویری توضیح داده می شود. سپس یک کد در محیط MATLAB برای پیاده سازی الگوریتم EMD نوشته شده در ادامه نیز با ذکر چند مثال کاربردی مراحل کار الگوریتم شرح داده می شود. در نهایت نیز روش EMD با روش Wavelet مقایسه شده و ضعف ها و نقاط قوت هر روش مختصرا بحث می گردد.

سونار (Sonar) سیستمی برای ناوبری و تشخیص فاصله توسط امواج صوتی (Sound Navigation and Ranging) است. سونار را می توان به نوعی رادار زیرآبی اطلاق کرد که با استفاده از صوت در تمامی فرکانس ها به جای امواج رادیویی، محیط را پایش می کند. در این آموزش به طور کامل اصطلاحات سوناری و مخابرات زیر آب تشریح می‌ شوند و انواع مختلف سونارها و نحوه عملکرد آن ها مطرح می ‌شود. تاریخچه آکوستیک زیر آب و مباحث صوت شناسی و رفتار صوت در محیط زیر آب از دیگر موضوع ‌هایی است که در این آموزش تشریح می ‌شوند. سرانجام برخی از مباحث محیطی زیر آب و عملکرد یک سونار با استفاده از نرم افزار متلب کدنویسی شده و شبیه ‌سازی می‌ گردد.

امروزه پردازش سیگنال در معنای گسترده آن یکی از پر کاربردترین راهبردها جهت استخراج اطلاعات مفید از سوژه های مختلف است. کاربرد پردازش سیگنال تنها به سامانه های مکانیکی محدود نمی شود و اکنون در حوزه ی کاربردهای سامانه های زیستی نیز از اهمیت بسیار زیادی برخوردار هستند و کاربردهای فراوانی نیز دارند. این آموزش می تواند ایده های خوبی برای دانشجویان تحصیلات تکمیلی در زمینه انتخاب موضوع پژوهش های خود و همچنین نحوه تجزیه و تحلیل داده های مربوطه را پرورش می دهد.

تحلیل آماری، تحلیل سری های زمانی، پردازش سیگنال، داده های مکانی و پردازش تصویر از مباحث بسیار مهم در بسیاری از فعالیت های علمی و فنی به شمار می رود. در این فرادرس به صورت کاملا کاربردی تحلیل آماری یک و دو متغیره، تحلیل سری های زمانی و چگونگی استفاده از داده های مکانی در محیط  MATLAB با ارائه کد نویسی های مربوطه ارائه می گردد.

از مباحث بسیار مهم در علوم مهندسی برق، مساله طراحی سیستم های پردازش سیگنال الکتریکی است. این سیستم ها شامل: رادار، سونار، سیستم های مخابراتی، کنترل، پزشکی و … می باشند. هدفی که در تمامی این سیستم ها دنبال می شود، توانایی تصمیم گیری در زمان وقوع یک پدیده و تعیین اطلاعات مربوط به آن است. به عبارتی در همه این سیستم ها ما با مساله تصمیم گیری مبتنی بر مشاهدات، مواجه هستیم. مساله تصمیم گیری با نام های تئوری آشکارسازی، تئوری تصمیم گیری و فرضیه آماری شناخته می شود.

در این فرادرس پیاده سازی سیستم های تشخیص شکاف در سازه های فلزی ارائه می شود. همچنین مقدمات آشنایی با سیستم های پایش آسیب و تئوری تشخیص و همچنین ادوات مایکروویوی به کار رفته در سیستم های SHM بخش های اصلی این آموزش را تشکیل می دهند که با استفاده از نرم افزار شبیه ساز CST Studio Suite، مدل سازی می گردند.

توسعه روزافزون سیستم های بی سیم و تبادل اطلاعات بین کاربران مختلف در اقصی نقاط دنیا، نیاز انسان به شناخت، توسعه و تکمیل دانش مخابرات را بیش از پیش نمایان می سازد. سیستم هایی که تحت عنوان مخابرات بی سیم شناخته می شوند، بسیار متنوع بوده و کاربردهای گوناگونی دارند. در این آموزش به ذکر مفاهیم پایه سیستم های مخابرات بی سیم پرداخته می شود و یک مدل بسیار پرکاربرد یعنی سیستم های مخابرات سلولی مورد ارزیابی قرار می گیرد. در انتهای آموزش، مخاطب توانایی شناخت سیستم های بی سیم، استانداردهای آن و نحوه مقابله با مشکلات را فرا گرفته و قادر است که یک سیستم مخابرات سلولی را تشریح کند.