در تصویربرداری مبتنی بر حسگری فشرده ((CS)) در رادار دهانه ترکیبی معکوس (ISAR)، معمولاً حرکت یکنواختی برای اهداف در نظر گرفته می شود. بااین حال معمولاً در سناریوهای عملی، اهداف دارای حرکت غیریکنواخت هستند که این حرکت باعث ایجاد شیفت فرکانس داپلر متغیر با زمان شده و تصویر ISAR دچار ماتی خواهد شد. همچنین ازآنجاکه ماتریس پایه مورداستفاده در تصویربرداری ISAR مبتنی بر حسگری فشرده به پارامترهای حرکت چرخشی وابسته است، مقادیر این پارامترها نیز باید تخمین زده شود. این در حالی است که معمولاً رفتار اهداف نسبت به رادار به صورت همکارانه در نظر گرفته می شود؛ یعنی فرض می شود که حرکت اهداف از دید رادار از قبل شناخته شده است و مسئله تخمین پارامترها در نظر گرفته نمی شود. در این مقاله، روشی بهبودیافته به منظور استخراج تصویر مبتنی بر حسگری فشرده برای حرکت غیریکنواخت با شتاب ثابت و غیرهمکارانه اهداف پیشنهاد و بهترین نمایش تنک برای ماتریس پایه استخراج شده است. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی کارایی بهتری نسبت به سایر روش ها حتی بدون جبران سازی حرکت چرخشی دارد و همچنین کنتراست تصویر بالاتری ارائه می کند.

امروزه پژوهش گران، از مزایای بسیار زیاد استفاده از مدل سازی توجه بصری انسان، در زمینه های مختلف، به صورت گسترده استفاده می کنند. در روش های مختلف ارایه شده در این راستا، نقشه هایی دو بعدی موسوم به "نقشه نقاط برجسته" استخراج می شود که مقادیر نقاط مختلف در آن، بیان گر میزان جلب توجه بیننده به نقاط متناظر در تصویر است. در این مقاله نیز برای به دست آوردن نقشه برجستگی از ضرایب موجک تصاویر، براساس تکنیک نمونه برداری فشرده، نمونه های تصادفی انتخاب می شوند. در ادامه، از نمونه های انتخاب شده نقشه های ویژگی تولید می شود. با استفاده از نقشه های ویژگی به دست آمده، نقشه برجستگی محلی و نقشه برجستگی کلی محاسبه می شود. در نهایت، با ترکیب خطی نقشه برجستگی محلی و کلی به دست آمده، نقشه برجستگی نهایی محاسبه می شود. ارزیابی های تجربی حاکی از نتایج امیدوارکننده ای از برتری روش ارایه شده نسبت به سایر مدل های تشخیص برجستگی، در آشکارسازی نواحی برجسته و در عین حال در کاهش حجم محاسباتی است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

امروزه قلب شنوایی یکی از راه های مهم و موثر در پایش بیماری های قلبی است. با پیش رفت تکنولوژی و تسهیل انجام دورمراقبتی از یک سو و افزایش نیاز به ضبط باکیفیت و طولانی مدت سیگنال صوتی قلب (PCG) از سوی دیگر، حجم داده های تولید شده افزایش پیدا کرده و بنابراین ذخیره سازی و انتقال این سیگنال ها با مشکل روبه رو شده است. این امر به نوبه ی خود اهمیت و ضرورت استفاده از روش های کارآمد فشرده سازی این نوع سیگنال ها را نشان می دهد. این روش ها باید میزان فشرده سازی بالا داشته و در عین حال کیفیت سیگنال و اطلاعات کلینیکی مهم را تا حد ممکن حفظ کنند. در این مقاله یک روش فشرده سازی با اتلاف برای سیگنال های PCG که با نرخ نمونه برداری نسبتا بالا ضبط شده پیشنهاد شده است به طوری که قادر به کنترل نسبی کیفیت سیگنال فشرده شده باشد. این روش مبتنی بر دو تکنیک نمونه کاهی دومرحله ای و انطباق الگو است. تکنیک پیشنهادی نمونه کاهی دومرحله ای موجب افزایش میزان فشرده سازی و کاهش حجم محاسبات می شود. تکنیک انطباق الگو نیز قادر به کاهش تزاید بین دوره ای و بنابراین افزایش میزان فشرده سازی است. نتایج شبیه سازی روش پیشنهادی روی دو پایگاه داده ی دانشگاه میشیگان و دانشگاه واشنگتن نشان داده که نمونه کاهی دومرحله ای و انطباق الگو سهم زیادی در افزایش میزان فشرده سازی دارند. کارایی روش پیشنهادی طبق معیارهای PRD و CR ارزیابی شده و با نتایج چند روش موجود مورد مقایسه قرار گرفته است. در این ارزیابی به ازای محدوده ی 5%PRD≤، مقدار CR برای پایگاه دانشگاه میشیگان بین 2500 تا 3900 و برای پایگاه دانشگاه واشنگتن بین 2500 تا 4125 به دست آمده است. هم چنین نتایج حاصل از اعمال روش پیشنهادی روی پایگاه داده ی پاسکال نشان داده که کارایی روش پیشنهادی تا حد زیادی به کیفیت و یک نواختی سیگنال های PCG ورودی بستگی دارد.

بنا به تئوری حسگری فشرده اگر سیگنالی قابلیت نمایش تنک در فضایی مناسب را داشته باشد می توان با استفاده از روش های بهینه سازی، بازسازی دقیق سیگنال را از روی مشاهداتی به مراتب کمتر از آنچه که تئوری شانون لازم می داند انجام داد. وجه تمایز سیگنال از نویز، همین قابلیت نمایش تنک برای سیگنال و عدم این ویژگی برای نویز است و از طرف دیگر، یافتن جواب در حسگری فشرده منوط به یافتن تنک ترین جواب است؛ بنابراین با این تکنیک می توان سیگنالِ تمیز را از نویز جدا کرد. در رادار FMCW فاصله اهداف از روی فرکانس سیگنال خروجی گیرنده به دست می آید. از آنجایی که این سیگنال در حوزه فرکانس نمایشی تنک دارد بنابر نظریه حسگری فشرده، می توان با تعداد کمی از داده ها، آن را به طور مطلوب بازسازی کرد. همچنین در این مقاله با ارائه روش جدیدی برای پردازش سیگنال در رادار FMCW مبتنی بر حسگری فشرده، نشان داده می شود که می توان اثر نویز در سیگنال خروجی گیرنده را کاهش و عملکرد سیستمیِ رادار را بهبود داد.