<br style="box-sizing: border-box; color: rgb(51, 51, 51); font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);” /><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);">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.</span><br style="box-sizing: border-box; color: rgb(51, 51, 51); font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);” /><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; backg
در سال های اخیر توجه به مدارهای مایکروویو برای سیستم های مخابراتی افزایش یافته است و مدارهای فعال و غیرفعال مایکروویوی برای سیستم های مخابرات بیسیم به شدت پیشرفت نموده است. تقویت کننده های مایکروویو یکی از حساس ترین مدارهای فعالی است که در کاربرد سیستم ها استفاده می شود.
طراحی تقویت کننده های مایکروویو با استفاده از ترانزیستورهای اثر میدان در مدارهای مجتمع مایکروویوی یا مدارهای مجتمع مایکروویوی یکپارچه، در تمام زیر سیستم های ساخته شده برای کاربردهای بیسیم مایکروویو به طور وسیع استفاده می شود. مشخصات تقویت کننده ها به کاربرد آنها وابسته است و طراحی تقویت کننده ها با توجه به کاربرد آنها متفاوت می باشد. مثلاً یک فرستنده مخابراتی بیسیم به یک تقویت کننده رادیویی با توان خروجی زیاد نیاز دارد اما، یک گیرنده مایکروویو به تقویت کننده ای با بهره بالا نیازمند است که سیگنال دریافتی را بدون افزودن هیچ گونه نویزی تقویت نماید. مشخصات گیرنده های مایکروویو بسیار به کاربرد آنها وابسته است. مثلا ممکن است گیرنده های مخابراتی فقط به یک باند باریک اما، قابل تنظیم نیاز داشته باشند در حالی که، گیرنده های رادارهای تجاری به یک
فرکانس ثابت با پهنای متوسط (متناسب با معکوس پهنای پالس) نیازمندند. به هرحال سیستم های جنگ الکترونیک و مخابرات نوری به پهنای باند زیادی نیاز دارند. پهنای باند زیاد در سیستم های جنگ الکترونیک برای اصلاح فرکانس های غیر قطعی منتشر شده و در سیستم های مخابرات فیبر نوری برای افزایش نرخ انتقال دیتا استفاده می شود.
فلسفه طراحی تقویت کننده های پهن باند، به دست آوردن بهره ای هموار در سرتاسر باند فرکانسی تعیین شده می باشد.
مشکلاتی که ممکن است در طراحی این نوع تقویت کننده ها با آنها مواجه شویم، عبارتند از:
– تغییرات IS21I و IS12I با فرکانس. به عنوان مثال، IS21I با فرکانس به نرخ 6 دسیبل بر اکتاو کاهش می یابد و IS12I با فرکانسی با همین نرخ، افزایش می یابد.
– پارامترهای پراکندگی S11 و S22 نیز، به فرکانس وابسته می باشند و تغییرات ایجاد شده در آنها در طیف گسترده ای از فرکانس ها حائز اهمیت می باشد.
– در برخی از دامنه های فرکانسی تقویت کننده پهن باند، می توان شاهد افت عدد نویز و VSWR بود.
اساساً تقویت کننده های توان پهن باند در مقایسه با تقویت کننده های توان باند باریک دارای توان راندمان افزوده کمتری تقریباً بین 8 تا 19 درصد هستند زیرا، طراحی تقویت کننده با هدف ماکزیمم کردن توان خروجی بر روی یک باند چند اکتاوی بازده را تحت تاثیر قرار می دهد.
رایج ترین و بهترین روش های مداری که برای طراحی تقویت کننده های پهن باند در تکنولوژی هایبرید و یکپارچه استفاده می شود عبارتند از:
– مدار تطبیق راکتیو
– مدار توزیعی موج متحرک
– مدار فیدبک
– مدار تطبیق تلفاتی.
این روش ها در فصل اول بررسی خواهند شد.
در طراحی مدارهای تطبیق راکتیو در روشی موسوم به تطبیق جبران سازی شده، مقدار قابل قبول تغییرات بهره در طول باند را مشخص می کنند و آنگاه مدارهای تطبیق ورودی و خروجی را طوری طراحی می کنند که تغییرات بهره در طول باند از مقدار تعیین شده تجاوز نکند. اگر مدار ورودی و خروجی به طور کامل در طول باند تطبیق شوند، تغییرات بهره در طول باند صفر خواهد بود اما، برای تقویت کننده های پهن باند چنین تطبیقی تقریباً غیرممکن است. دستیابی به تقویت کننده ای با پهنای باند مناسب و تغییرات کم بهره در طول باند طراحی، با تعیین مقدار مناسب المان های مدار تطبیق امکان پذیر است اما، تعیین مقدار مناسب المان ها کاری دشوار و زمانبر می باشد. بنابراین، ارائه روشی به منظور تعیین مقدار مناسب المان ها برای کاهش تغییرات بهره در طول باند طراحی با سرعتی بالا امری ضروری به نظر می رسد. هدف پایان نامه حاضر ارائه روشی جدید برای طراحی تقویت کننده های پهن باند است که علاوه بر کاهش تغییرات بهره در طول باند طراحی، سرعت طراحی را نیز افزایش می دهد.
round-color: rgb(255, 255, 255);">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.</span><br style="box-sizing: border-box; color: rgb(51, 51, 51); font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);” /><p><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);">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 </span></p><p><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);"><a href="http://pifo.ir/%d9%be%d8%a7%db%8c%d8%a7%d9%86-%d9%86%d8%a7%d9%85%d9%87-%da%a9%d8%a7%d8%b1%d8%b4%d9%86%d8%a7%d8%b3%db%8c-%d8%a7%d8%b1%d8%b4%d8%af-%d9%85%d9%87%d9%86%d8%af%d8%b3%db%8c-%d8%a8%d8%b1%d9%82-%d8%a7%d9%84-2/” style="font-family: yekan, tahoma; font-size: 10pt; text-align: right;"><img class="alignnone size-full wp-image-587297″ src="http://ziso.ir/wp-content/uploads/2020/10/thesis-paper-81.png” alt="پایان نامه” width="400″ height="199″ /></a></span></p><p><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);">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.</span></p><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);">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.</span><br style="box-sizing: border-box; color: rgb(51, 51, 51); font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);” /><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);">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.</span><br style="box-sizing: border-box; color: rgb(51, 51, 51); font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);” /><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);">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.</span><br style="box-sizing: border-box; color: rgb(51, 51, 51); font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);” /><span style="box-sizing: border-box; font-family: Yekan, Tahoma, Verdana, Helvetica, Arial, sans-serif; font-size: medium; text-align: start; background-color: rgb(255, 255, 255);">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.</span>
فرم در حال بارگذاری ...
