-
دسترسی آزاد مقاله
1 - Cooperative Game Approach for Mobile Primary User Localization Based on Compressive Sensing in Multi-antenna Cognitive Sensor Networks
Maryam NajimiIn this paper, the problem of joint energy efficient spectrum sensing and determining the mobile primary user location is proposed based on compressive sensing in cognitive sensor networks. By utilizing compressive sensing, the ratio of measurements for the sensing node چکیده کاملIn this paper, the problem of joint energy efficient spectrum sensing and determining the mobile primary user location is proposed based on compressive sensing in cognitive sensor networks. By utilizing compressive sensing, the ratio of measurements for the sensing nodes are considerably reduced. Therefore, energy consumption is improved significantly in spectrum sensing. The multi-antenna sensors is also considered to save more energy. On the other hand, multi-antenna sensor utilization is a proper solution instead of applying more sensors. The problem is formulated to maximize the network lifetime and find the mobile primary user position by sensors selection under the detection performance and accuracy of localization constraints. For this purpose, a cooperative game is proposed to study this problem. It is shown that with the proposed game, the network lifetime is maximized while the proper sensors which participate in spectrum sensing and primary user localization are determined. Simulation results show that the network lifetime is improved while the detection performance constraint is satisfied and the location of the primary user is determined with high accuracy. پرونده مقاله -
دسترسی آزاد مقاله
2 - Wavelet-based Bayesian Algorithm for Distributed Compressed Sensing
Razieh Torkamani Ramezan Ali SadeghzadehThe emerging field of compressive sensing (CS) enables the reconstruction of the signal from a small set of linear projections. Traditional CS deals with a single signal; while one can jointly reconstruct multiple signals via distributed CS (DCS) algorithm. DCS inversio چکیده کاملThe emerging field of compressive sensing (CS) enables the reconstruction of the signal from a small set of linear projections. Traditional CS deals with a single signal; while one can jointly reconstruct multiple signals via distributed CS (DCS) algorithm. DCS inversion method exploits both the inter- and intra-signal correlations via joint sparsity models (JSM). Since the wavelet coefficients of many signals is sparse, in this paper, the wavelet transform is used as sparsifying transform, and a new wavelet-based Bayesian DCS algorithm (WB-DCS) is proposed, which takes into account the inter-scale dependencies among the wavelet coefficients via hidden Markov tree model (HMT), as well as the inter-signal correlations. This paper uses the Bayesian procedure to statistically model this correlations via the prior distributions. Also, in this work, a type-1 JSM (JSM-1) signal model is used for jointly sparse signals, in which every sparse coefficient vector is considered as the sum of a common component and an innovation component. In order to jointly reconstruct multiple sparse signals, the centralized approach is used in DCS, in which all the data is processed in the fusion center (FC). Also, variational Bayes (VB) procedure is used to infer the posterior distributions of unknown variables. Simulation results demonstrate that the structure exploited within the wavelet coefficients provides superior performance in terms of average reconstruction error and structural similarity index. پرونده مقاله -
دسترسی آزاد مقاله
3 - استخراج سیگنال قلب جنین از ثبت‌های شکمی با استفاده از نمایش‌های تُنک سیگنال‌های الکتروکاردیوگرام
پریا طاوسی قاسم عازمی پگاه زرجامیکی از شایع‌ترین دلایل مرگ و میر در هنگام تولد نوزاد نقص قلبی است. تشخیص بیماری قلبی نیازمند مشاهده فعالیت قلب است و یکی از مطمئن‌ترین روش‌ها برای بررسی سلامت قلب، استخراج فعالیت‌های الکتریکی قلب یا استخراج الکتروکاردیوگرام است. اما در شرایط خاص مکانی جنین قبل از تولد، چکیده کاملیکی از شایع‌ترین دلایل مرگ و میر در هنگام تولد نوزاد نقص قلبی است. تشخیص بیماری قلبی نیازمند مشاهده فعالیت قلب است و یکی از مطمئن‌ترین روش‌ها برای بررسی سلامت قلب، استخراج فعالیت‌های الکتریکی قلب یا استخراج الکتروکاردیوگرام است. اما در شرایط خاص مکانی جنین قبل از تولد، استخراج غیر تهاجمی سیگنال الکتروکاردیوگرام چالش‌برانگیز شده است چرا که علاوه بر قلب جنین، منابع دیگری از قبیل قلب مادر، فعالیت ماهیچه‌ای مادر و جنین، فعالیت مغزی جنین و نویزهای محیط نیز تأثیر دارند که باعث مخدوش‌شدن سیگنال قلب جنین می‌شوند و تحلیل آن را دشوار می‌کنند. سیگنال قلب مادر به دلیل دامنه زیاد بیشترین تأثیر و سیگنال مغز جنین به دلیل دامنه کم، کمترین تأثیر را در مخدوش‌شدن سیگنال قلب جنین دارند. این مقاله، روشی جدید برای استخراج الکتروکاردیوگرام جنین از ثبت‌های شکمی مادر ارائه می‌دهد. روش پیشنهادی به منظور کاهش پیچیدگی محاسباتی از روش حسگری فشرده و برای تخمین منابع از روش آنالیز سریع مؤلفه مستقل و همچنین برای نمایش تُنک سیگنال‌ها از دو دیکشنری تبدیل کسینوسی گسسته و تبدیل موجک گسسته استفاده می‌کند. عملکرد پیاده‌سازی روش پیشنهادی روی پایگاه داده موجود در چالش 2013 فیزیونت ارزیابی و نتایج به دست آمده با بهترین روش‌های موجود مقایسه شده است. نتایج به دست آمده نشان می‌دهد که روش معرفی‌شده در این مقاله، با میانگین مربعات خطای 65/171، با دقت بیشتری نسبت به سایر روش‌های موجود قادر به استخراج سیگنال‌های قلب جنین می‌باشد. پرونده مقاله -
دسترسی آزاد مقاله
4 - A Novel Detector based on Compressive Sensing for Uplink Massive MIMO Systems
Mojtaba Amiri Amir AkhavanMassive multiple-input multiple-output is a promising technology in future communication networks where a large number of antennas are used. It provides huge advantages to the future communication systems in data rate, the quality of services, energy efficiency, and spe چکیده کاملMassive multiple-input multiple-output is a promising technology in future communication networks where a large number of antennas are used. It provides huge advantages to the future communication systems in data rate, the quality of services, energy efficiency, and spectral efficiency. Linear detection algorithms can achieve a near-optimal performance in large-scale MIMO systems, due to the asymptotic orthogonal channel property. But, the performance of linear MIMO detectors degrades when the number of transmit antennas is close to the number of receive antennas (loaded scenario). Therefore, this paper proposes a series of detectors for large MIMO systems, which is capable of achieving promising performance in loaded scenarios. The main idea is to improve the performance of the detector by finding the hidden sparsity in the residual error of the received signal. At the first step, the conventional MIMO model is converted into the sparse model via the symbol error vector obtained from a linear detector. With the aid of the compressive sensing methods, the incorrectly detected symbols are recovered and performance improvement in the detector output is obtained. Different sparse recovery algorithms have been considered to reconstruct the sparse error signal. This study reveals that error recovery by imposing sparse constraint would decrease the bit error rate of the MIMO detector. Simulation results show that the iteratively reweighted least squares method achieves the best performance among other sparse recovery methods. پرونده مقاله -
دسترسی آزاد مقاله
5 - تشخیص انجمن در شبکه‌های پیچیده پویا مبتنی بر تعبیه گراف و خوشه‌بندی جمعی
مجید محمدپور سیداکبر مصطفوی وحید رنجبرامروزه شبکه‌های پیچیده پویا به یکی از ارکان مهم زندگی بشر تبدیل شده‌اند و تشخیص انجمن در این شبکه‌ها یکی از مهم‌ترین مسائل در تحلیل آنها محسوب می‌شود. در این مقاله یک روش تشخیص انجمن مبتنی بر تعبیه گراف و روش یادگیری جمعی ارائه شده که می‌تواند درجه پیمانه‌ای‌بودن هر انج چکیده کاملامروزه شبکه‌های پیچیده پویا به یکی از ارکان مهم زندگی بشر تبدیل شده‌اند و تشخیص انجمن در این شبکه‌ها یکی از مهم‌ترین مسائل در تحلیل آنها محسوب می‌شود. در این مقاله یک روش تشخیص انجمن مبتنی بر تعبیه گراف و روش یادگیری جمعی ارائه شده که می‌تواند درجه پیمانه‌ای‌بودن هر انجمن را حداکثر نماید. روش‌های تعبیه گراف یا یادگیری نمایش کم‌بعد از گره‌ها در گراف به علت قابلیت کاربردی گسترده آن در عملکرد شبکه‌های پیچیده پویا مانند تشخیص انجمن در شبکه، بسیار مورد توجه قرار گرفته‌اند. در این مقاله، یک روش تعبیه گراف پویا مبتنی بر یادگیر عمیق پیشنهاد شده که گراف خروجی از مرحله تعبیه گراف را به‌عنوان ورودی به مدل یادگیر جمعی می‌دهد تا با دقت قابل قبولی، انجمن‌ها را در شبکه تشخیص دهد. همچنین یک الگوریتم حریصانه جدید به نام پیوند جمع برای بهینه‌سازی تابع هدف برای مجموعه داده‌های مقیاس بزرگ در زمان بسیار کوتاه ارائه گردیده است. نشان داده شده که پارتیشن توافقی پیشنهادی نسبت به پارتیشن‌های به‌دست‌آمده از کاربرد مستقیم روش‌های خوشه‌بندی جمعی رایج، به ساختارهای خوشه‌ای واقعی نزدیک‌تر است. روش پیشنهادی به‌دلیل استفاده از روش پیش‌پردازش مبتنی بر تعبیه گراف پیشنهادی و همچنین استفاده از روش خوشه‌بندی جمعی، توانسته کارایی مناسبی را در مقایسه با سایر روش‌های رقیب از خود نشان دهد. نتایج تجربی آزمایش‌های انجام‌شده حاکی از برتری روش پیشنهادی در مقایسه با روش‌های رقیب است. پرونده مقاله -
دسترسی آزاد مقاله
6 - الگوریتم اولیه- دوگانه توزیع شده با پارامترهای متغیر و ساختار مشارکتی افزایشی دوجهته
قنبر آذرنیابه دلیل شرایط خاص شبکه‌های حسگری بی‌سیم از نقطه‌نظرهایی نظیر محدودیت انرژی، تسریع سرعت همگرایی الگوریتم‌های این حوزه اهمیت پیدا می‌کند. این امر در مورد حسگری فشرده توزیع‌شده که فاز بازسازی پیچیده‌ای دارد، ضروری‌تر به نظر می‌رسد. بر همین اساس در این مقاله، الگوریتم بازسا چکیده کاملبه دلیل شرایط خاص شبکه‌های حسگری بی‌سیم از نقطه‌نظرهایی نظیر محدودیت انرژی، تسریع سرعت همگرایی الگوریتم‌های این حوزه اهمیت پیدا می‌کند. این امر در مورد حسگری فشرده توزیع‌شده که فاز بازسازی پیچیده‌ای دارد، ضروری‌تر به نظر می‌رسد. بر همین اساس در این مقاله، الگوریتم بازسازی حسگری فشرده توزیع‌شده‌ای ارائه می‌شود که امکان بازسازی با نرخ همگرایی بهبودیافته‌تری را میسر می‌سازد. الگوریتم پیشنهادی، یک الگوریتم اولیه- دوگانه توزیع‌شده در یک ساختار افزایشی دوجهته است که در آن پارامترها با زمان تغییر می‌کنند. تغییرات پارامترها به‌صورت ضابطه‌مند و برای آن دسته از مسائل بهینه‌سازی محدبی انجام می‌گیرد که در آنها توابعی که بیان‌کننده قید مسئله و مدل‌کننده مشارکت بین گره‌ها هستند، قویاً محدب می‌باشند. شیوه پیشنهادی با شبیه‌سازی‌هایی تضمین شده که نشان از عملکرد بالای الگوریتم پیشنهادی به لحاظ سرعت همگرایی، حتی در شرایط سختگیرانه‌تری نظیر تعداد اندک اندازه‌گیری‌ها و یا درجه تنکی پایین‌تر دارد. پرونده مقاله
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1403-1396