۴-۱۶- نتایج حاصل از آزمون همبستگی مربوط به فرضیه فرعی ششم تحقیق …………………………………………..۷۲
۴-۱۷- وزن های نسبی و نهایی زیر معیارهای، معیار میزان تولید محصولات پتروشیمی خراسان در مدل کل ………۷۳
۴-۱۸- نتایج حاصل از آزمون همبستگی مربوط به فرضیه فرعی هفتم تحقیق …………………………………………..۷۳
۴-۱۹- وزن های نسبی و نهایی زیر معیارهای، معیار شیوه بازاریابی محصولات پتروشیمی خراسان در مدل کل ….۷۴
۴-۲۰- آزمون فرید من : مقایسه بین عوامل فروش از مؤلفه های فروش محصولات پتروشیمی……..۷۴
فهرست نمودارها
عنوان شماره صفحه
۲-۱- ارتباط مدیر فروش و وظایف او درآمیزه بازاریابی بنگاه اقتصادی ……………………………………….۱۳
۲-۲- تصمیمات مهم در طراحی کانالهای توزیع ……………………………………………………………………….۱۹
۲-۳- فرایند جلب رضایت مشتری …………………………………………………………………………………………۲۶
۲-۴- نمایش سلسله مراتبی مسأله تصمیم ………………………………………………………………………………..۴۰
۲-۵- عوامل مؤثر بر فروش محصولات پتروشیمی ……………………………………………………………………۴۷
۲-۶- چارچوب نظری تحقیق ………………………………………………………………………………………………..۵۴
۲-۷- مدل مفهومی تحقیق ……………………………………………………………………………………………………..۵۴
چکیده
با گسترش رقابت و اشباع شدن بسیاری از بازارها و تغییرات پیوسته در محیط و ترکیب جمعیت، شرکتها با این واقعیت روبه رو شدند که، امروزه هر مشتری ارزش ویژه خود را دارد و اینک شرکتها برای به دست آوردن سهم بیشتری از بازار باید مبارزه کنند. بنابراین هزینه های جذب مشتریان جدید رو به افزایش نهاده است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

پایان نامه حاضر تحقیقی است که به منظور تعیین و رتبه بندی عوامل مؤثر بر فروش در پتروشیمی خراسان با بهره گرفتن از فرایند تحلیل سلسله مراتبی(AHP)، انجام گردیده است تا ضمن بررسی نتایج آن، راه حل های لازم برای تحت تأثیر قرار دادن فروش شرکتها، ارائه گردد.
از عناصر آمیخته بازاریابی جهت فرضیات این تحقیق استفاده گردیده است که ۲۹۸ نسخه از پرسشنامه پس از تعیین روایی و پایایی بین اعضای نمونه جامعه آماری توزیع گردید. برای تجزیه و تحلیل داده های حاصل از تحقیق، از نرم افزار Expert Choice استفاده گردیده است که در نهایت به ترتیب هفت معیار قیمت محصولات پتروشیمی، توزیع فیزیکی محصولات پتروشیمی، کیفیت محصولات پتروشیمی، سیاست فروش محصولات پتروشیمی، رضایت مشتریان محصولات پتروشیمی، میزان تولید محصولات پتروشیمی و شیوه بازاریابی محصولات پتروشیمی، معیارهای اصلی مؤثر بر فروش محصولات شرکت پتروشیمی خراسان شناخته شدند.
کلمات کلیدی: فروش، فرایند تحلیل سلسله مراتبی، قیمت، توزیع فیزیکی، کیفیت، رضایت مشتری، بازاریابی.
فصل اول
طرح مسأله
۱-۱ مقدمه
فروش یکی از عوامل زیرمجموعه بازاریابی است، به عبارتی فروش انتهائی‌ترین عملیات بازاریابی در یک معامله است ولی در عین حال شروع یک رابطه بلندمدت با مشتریان است. در شکل‌گیری این رابطه بلندمدت، به ‌نحوی که منجر به پیوند دائمی با مشتریان بشود مهندسی تمامی عملیات (اعم از موفق و ناموفق) ضروری است. نمایندگان با تجربه فروش، می دانند که حضور در بازار، یکی از تاکتیکهای لازم برای بهره برداری از سفارشات است. آنهایی که می خواهند مشتری بیشتری جذب کنند، باید هوش و شخصیت برتری داشته باشند و حتی نوع لباس پوشیدن، صحبت کردن و راه رفتنشان هم اهمیت پیدا می کند. رقابت در فروش، مثل رقابت در مسابقات ورزشی است که اگر دائم آموزش نبینید و تمرین نکنید، رقبا از شما جلو می زنند. با توجه به برنامه بازاریابی فروشنده یا به عبارتی برنامه فروش باید به گونه ای باشد که نیاز مشتری را برطرف کرده یا سایر اقدامات امروزی فروشندگی که در ادامه تحت عناوین دیگری بررسی خواهیم کرد. (عالی ۱۳۸۱، ۱۳۰)
با توجه به اهمیت فروش در سازمانها، در این تحقیق برآنیم تا ابتدا عوامل مؤثر بر فروش در شرکت پتروشیمی خراسان را تعیین و سپس رتبه بندی کنیم.
۱-۲ بیان مسأله
تا فروشی صورت نگیرد، اتفاقی نمی افتد. فروشندگان از جمله مهمترین مردم اجتماع هستند. بدون فروش، تمام جامعه در سکون و سکوت فرو می رود. آفرینندگان واقعی ثروت در جامعه واحدهای تجاری و بازرگانی هستند. واحدهای تجاری همه ی تولیدات و خدمات را تولید می کنند. واحدهای تجاری همه سود و ثروت را خلق می کنند. فروشندگان حیاتی ترین اشخاص در هر فعالیت اقتصادی هستند. بدون اینکه فروشی در کار باشد، بزرگترین و پیچیده ترین شرکتها متلاشی می شوند. فروش در اقتصاد و بازار آزاد در حکم شمع موتور اتومبیل است. رابطه مستقیمی میان موفقیت جامعه فروش و موفقیت تمام کشور وجود دارد. هر چه سطح فروش شاداب تر و مرتعش تر باشد، صنعت به همان اندازه با موفقیت و سودمندی بیشتری روبرو می گردد. فروشندگان برای طرز زندگی شما یک ضرورت هستند. امروزه، بهترین شرکتها آنهایی هستند که بهترین فروشندگان را در اختیار دارند.( تریسی^[۱] ۱۳۸۴، ۲۷)
مراحل فرایند فروش عبارتنداز:

1. 1. مشتری یابی: وضعیتی است که شما و مخاطبتان به این نتیجه می رسید که هر دو علاقمند به بحث کردن هستید.

1. 1. گفتگو: در این مرحله شما اطلاعاتی از نیازهای مشتری خود به دست می آورید. چون می خواهید بدانید در مرحله عرضه کردن چه باید بگویید. در بیشتر موارد این مرحله شکل اولین گفتگوی حضوری را به خود می گیرد و با توضیح خلاصه ای در مورد کالا و یا خدمات شما و تأیید مشتری به پایان می رسد.

1. 1. عرضه کردن: در این مرحله شما به شرح جزئیات در مورد فواید کالا و یا خدمات خود به عنوان فوایدی که به طور مستقیم در ارتباط با آن مشتری به خصوص هستند، می پردازید.

1. 1. قرارداد بستن: یعنی در خواست توأم با اطمینان برای فروش، بدون دوقطبی کردن رابطه.(شیفمن^[۲]۱۳۷۹،۳۱)

دنیای امروز، دنیای تحولات سریع و گسترده در تمام ابعاد است. آنچه به یقین می توان گفت این است که چنانچه کشوری به هر علت نتواند به این موج شتابان فراگیر بپیوندد، در آینده ای نه چندان دور، در صحنه رقابت های بین المللی به حاشیه رانده می شود و بسیاری از فرصت های کسب و کار را به سود دیگران از دست می دهد.
۱-۳ اهمیت و ضرورت انجام تحقیق
اغلب سازمانهای کشور از توجه و درک این نکته اساسی و بنیادی غافل بوده اند که اصولاً نه تنها ارائه تا خدمات و یا انجام فعالیت های مختلف همچون سیاستگذاری ،فروش و عرضه می بایست برای مشتری و عوامل موثر بر فروش و تامین رضایت آن انجام شود بلکه سزاوار و شایسته است کلیه تجهیزات و امکانات منابع فیزیکی و مادی و … و همه توانمندی سازمان در جهت تأمین وفاداری کامل مشتری ، منطبق و به کار گرفته شود و به عبارت دیگر تمامی فعالیتهای نرم افزاری و تجهیزات سخت افزاری می بایست مبین و نشان دهنده خواست و انتظار مشتری باشد تا آن جا که پیتر دراکر^[۳] معتقد است “هدف تجارت خلق فروش موثر است، سود هدف نیست بلکه پاداش هدف است . “
ازضروریات این تحقیق آن است که با توجه به جنبه های رقابتی شدن امروزه شرکتها، بالا بردن فروش محصولات شرکت از اهمیت زیادی برخوردار است. ازطرفی دیگر با به حداکثر رساندن مصرف، رضایت مشتری، حق انتخاب، کیفیت زندگی، مقدار فروش محصولات پتروشیمی را افزایش دهیم که یکی از اهداف بازاریابی به حداکثر رساندن مصرف می باشد که به نوبه خود تولید را به حداکثر می رساند. یکی دیگر از اهداف بازاریابی ارتقاء کیفیت محصولات است. البته این امر فقط محدود به کمیت، موجود بودن و هزینه کالا نیست بلکه کیفیت فیزیکی و فرهنگی محیط زیست را نیز شامل می گردد.(کاتلر^[۴]وآرمسترانگ^[۵] ۱۳۷۹، ۵۲)
در کار فروش، حوزه های کلیدی و تعیین کننده ای وجود دارند. نتایجی که در هر یک از این زمینه ها به دست می آورید، موقعیت کلی و حد درآمد شما را مشخص می سازند. هفت زمینه مهم کار فروش عبارتند از: مشتریان احتمالی، ایجاد ارتباط موثر، شناخت نیازها، ارائه، پاسخگویی به اعتراضات، قطعی کردن فروش، فروش مجدد و مراجعات بعدی. ( تریسی ۱۳۸۴، ۱۳)
۱-۴ پرسش های تحقیق
۱-۴-۱ پرسش اصلی تحقیق
آیا عوامل مؤثر بر فروش محصولات پتروشیمی بر فروش(نقدی، اعتباری و سلف)محصولات پتروشیمی تاثیرگذار است؟
۱-۴-۲ پرسش های فرعی تحقیق
۱- آیا قیمت محصولات پتروشیمی بر فروش(نقدی، اعتباری و سلف) محصولات آن تأثیر گذار است؟
۲- آیا توزیع فیزیکی محصولات پتروشیمی بر فروش(نقدی، اعتباری و سلف) محصولات آن تأثیر گذار است؟
۳- آیا کیفیت محصولات پتروشیمی بر فروش(نقدی، اعتباری و سلف) محصولات آن تأثیر گذار است؟
۴- آیا سیاست فروش محصولات پتروشیمی بر فروش(نقدی، اعتباری و سلف) محصولات آن تأثیر گذار است؟
۵- آیا رضایت مشتریان محصولات پتروشیمی بر فروش(نقدی، اعتباری و سلف) محصولات آن تأثیر گذار است؟
۶- آیا میزان تولید محصولات پتروشیمی بر فروش(نقدی، اعتباری و سلف) محصولات آن تأثیر گذار است؟
۷- آیا شیوه بازاریابی محصولات پتروشیمی بر فروش(نقدی، اعتباری و سلف) محصولات آن تأثیر گذار است؟
۱-۵ فرضیه های تحقیق
فرضیه: عبارتست از حدس یا گمان اندیشمندانه درباره ماهیت، چگونگی و روابط بین پدیده ها، اشیاء و متغیرها که محقق را در تشخیص نزدیکترین و محتمل ترین راه برای کشف مجهول کمک می کند. بنابراین، فرضیه گمانی است موقتی که درست یا نبودنش باید مورد آزمایش قرار گیرد.(حافظی نیا ۱۳۸۲، ۱۱۰)
۱-۵-۱ فرضیه اصلی

در بین دو مزرعه آلوده شماره ۱ و ۲ موجود در هر منطقه در میزان رشد طولی ریشه تفاوت­های مشاهده می­ شود این اختلاف رشد در طول ریشه در اثر غلظت نفت سفید استفاده شده در یک مزرعه نسبت به مزرعه دیگر برای ازبین بردن علف­های هرز می­باشد اگر غلظت استفاده شده بیشتر از حد مورد نیاز باشد باعث کاهش رشد طولی ریشه گیاه می­ شود. چاینا و همکاران (۱۹۹۷) نیز در مطالعات خود به کاهش معنی­دار در رشد ۷ گیاه مورد مطالعه خود شامل گندم، جو، آفتابگردان، ذرت، لوبیا، شبدر و کاهو در حضور آلاینده­های نفتی در خاک اشاره کردند و بیان نمودند که این کاهش رشد و عملکرد ماده خشک گیاهی با افزایش غلظت این آلاینده­های آلی به صورت غیر­خطی افزایش یافت. ایشان کاهش ۳۰ درصدی رشد ذرت پس از یک دوره ۱۱۰ روزه در غلظت ۲/۱ درصدی TPHs در خاک و کاهش بیش از ۸۰ درصدی رشد و عملکرد گندم و لوبیا در غلظت ۳/۰ درصدی TPHs خاک را مشاهده کردند ودلیل آن را سمیت ایجاد شده به سبب وجود این آلاینده­های آلی در خاک و هم­چنین ایجاد محدودیت در رشد و توسعه ریشه و کاهش قابلیت جذب آب و عناصر غذایی برای این گیاهان می­دانند.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

ضریب آبگذری خاک تیمار شده با هیدروکربن به علت داشتن خواص آبگریزی کاهش می­یابد که منجر به اختلال در نمو ریشه­ها و کاهش آب و مواد غذایی می­گردد (یدو و فایمی^[۱۰۳]، ۱۹۷۵). بنابراین کاهش رشد گیاهان ممکن است به علت تنش ناشی از کمبود آب باشد که سبب القای نشانه­ های بازدارندگی ABA در ریشه می­گردد (رایلی و همکاران^[۱۰۴]، ۱۹۹۶).
بنابراین به نظر می­رسد که به سبب حضور آلاینده­های نفتی در خاک و ویژگی­های آبگریزی این ترکیبات، قابلیت دسترسی رطوبت و عناصر غذایی برای ریشه این گیاهان کاهش یافته (بوثرت و بارثا ۱۹۸۴) و لذا سبب محدودیت رشد و استقرار ریشه در خاک­های آلوده شده است اسچنور^[۱۰۵] (۱۹۹۷). پراکنش آلاینده­های نفتی به ویژه ترکیبات سبک­تر در خاک نیز ممکن است بر رشد و نمو ریشه و ایجاد سمیت برای گیاهان اثر گذاشته باشد (کیمی و همکاران^[۱۰۶]، ۲۰۰۶).

۳-۴ وزن تر و خشک اندام هوایی و ریشه سبزیجات برگی

۱-۳-۴ وزن تر اندام هوایی سبزیجات برگی

نتایج تجزیه واریانس تیمار وزن تر اندام هوایی گیاه گشنیز، جعفری و شوید در جدول (۳-۴) آورده شده است. اثر تیمارهای مکان، گیاه، مزرعه و اثر متقابل گیاه در مکان و مکان در مزرعه بر وزن تر اندام هوایی گیاه در سطح آماری ۱ درصد معنی­دار گردید، اما اثر متقابل گیاه در مزرعه بر وزن تر اندام هوایی گیاه در سطح آماری ۵ در­صد معنی­دار شد. همچنین اثر تیمار تکرار مکان و اثر متقابل تیمار گیاه در مزرعه در مکان بر وزن تر اندام هوایی گیاه معنی­دار نبود.
(جدول) ۳-۴ تجزیه واریانس اثر آلودگی نفت سفید بر شاخص­ های وزن تر و خشک برگ و ریشه سبزی­های گشنیز، جعفری و شوید

میانگین مربعات

درجه آزادی

وزن­تر اندام هوایی (گرم)

وزن­تر ریشه(گرم)

وزن­خشک اندام هوایی (گرم)

وزن­خشک ریشه(گرم)

مکان

۲

^**۳۸/۴۸۱

^**۲۹/۷

^**۳۰/۵

^**۸۲/۲

تکرارمکان

۶

^ns99/3

^ns61/0

^ns13/0

^ns03/0

گیاه

۳

^**۲۲/۳۳۴

^**۸۲/۳

^**۶۲/۳

(۱-۲) منحنی استانداردها ۷۶
چکیده
بررسی میزان آفلاتوکسین در کنسانتره های مصرفی گاوهای شیری شهرستان گرمسار
مایکوتوکسین ها متابولیت های ثانویه قارچ های رشته ای هستند که در مراحل پایانی رشد قارچ های رشته ای تولید می شوند. آفلاتوکسین ها از مهمترین مایکوتوکسین ها هستند که شامل _۱B,₂B,₁G,₂G می باشند، که توسط گونه های آسپرژیلوس فلاووس ، آسپرژیلوس پارازیتیکوس وآسپرژیلوس نومیوس تولید می شوند.چنانچه شرایط حرارت و رطوبت مناسب باشد این قارچ ها بر روی سوبستراهای مناسب مانند دانه های غلات و خوراک دام رشد کرده و تولید سم می کنند.در این بین آفلاتوکسین _۱Bاز همه مهمتر و خطرناکتر می باشد که با مصرف خوراک آلوده به آن توسط دام شیروار در کبد حیوان متابولیزه شده، و به صورت آفلاتوکسین _۱M در شیر ترشح می شود که اگر بیش از حد مجاز باشد، سلامت جوامع بشری را به مخاطره می اندازد. در این مطالعه ۸۰ نمونه کنسانتره ی گاو شیری از دامداریهای مختلف شهرستان گرمسار در سه فصل زمستان،بهار و تابستان بصورت تصادفی اخذ شد و به وسیله ی روش الایزا که روشی سریع و حساسی میباشد، میزان آفلاتوکسین _۱Bاندازه گیری شد.از میان ۸۰ نمونه ی مورد بررسی ۳۰ نمونه(۳۷.۵%) دارای آلودگی بالاتر از حد مجاز(۵میکروگرم بر کیلوگرم) در محدوده ی ۱۵/۶-۵۲/۱۸میکروگرم بر کیلوگرم را نشان دادند.میانگین آلودگی در فصل زمستان،ر بهار ورتابستان به ترتیب،۹۹/۶،۴۹/۴ و ۱۳/۳ میکروگرم بر کیلوگرم بود.بالاترین میزان آلودگی مربوط به فصل زمستان با۵۲/۱۸میکروگرم بر کیلوگرم و پایین ترین میزان آلودگی مربوط به فصل تابستان با ۵۱/۱ میکروگرم بر کیلوگرم بود.مقایسه بین میزان آفلاتوکسین در فصول زمستان،بهار و تابستان بیانگر اختلاف آماری معنی دار بین این سه فصل می باشد.
کلمات کلیدی:آفلاتوکسین _۱B،کنسانتره،الایزا،شهرستان گرمسار
فصل اول
کلیات
۱-۱ مقدمه و هدف
مایکوتوکسین‌ها^[۱] از جمله آلاینده‌های محیطی مهم محسوب می‌شوند که می‌توانند بر روی انواع دانه، مغزدانه و سایر اجزای نباتی تولید شوند. تماس انسان و حیوانات با این دسته از سموم از طریق خوراکی، استنشاقی و یا تماس مستقیم صورت می‌گیرد و در این رابطه، حتی مقادیر بسیار ناچیز این ترکیبات می‌تواند مخاطره‌آمیز باشد. قارچ‌های مولد سم می‌توانند بر روی طیف وسیعی از سوبستراها نظیر برگ‌ها و ساقه‌های درحال رشد، دانه‌ها، میوه‌ها و محصولات غذایی گیاهی و حیوانی رشد کرده و سم تولید کنند. با این حال، برخی سوبستراها برای تولید حداکثر میزان سم مناسب‌ترند که علت آن می‌تواند نوع ترکیب شیمیایی آن‌ها باشد. در این رابطه، ویژگی سوبسترا برای قارچ یکی از مهمترین جنبه‌های تحقیقات انجام گرفته بر روی مایکوتوکسین‌ها در زمینه‌ی آلودگی اغذیه حیوانی و انسانی است. قارچ‌های مولد مایکوتوکسین‌ قادرند در مراحل مختلف کاشت، داشت، برداشت و انبارداری باعث آلودگی محصولات کشاورزی گردند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

امروزه اکثر مایکوتوکسین‌ها را می توان در سطح قابل قبولی از لحاظ نیازهای قانونی، دامپزشکی و پزشکی مورد شناسایی قرار داد.انتخاب روش‌های مناسب استخراج و تجزیه برای شناسایی این دسته از سموم در اغذیه انسانی و حیوانی، افزودنی‌های خوراکی، بافت‌ها و مایعات بیولوژیک نظیر خون، ادرار و شیر حیوانات حائز اهمیت می‌باشد. و اکثر مطالعات در راستای افزایش حساسیت، دقت و تکرارپذیری و مهم‌تر از همه کاهش زمان آنالیز متمرکز شده است (۵).
در این راستا در تحقیق حاضر از روش الایزا (ELISA)^[2] که هم ساده‌تر از روش‌های دیگر، و هم داده‌ها باثبات‌ تر بوده و انحراف معیار نسبتاً پایین‌تری نسبت به روش های دیگر دارد استفاده کردیم. با این روش می‌توان مقادیر در حدود ۵ قسمت در بیلیون (ppb) از آفلاتوکسین‌ B₁ را مستقیماً پس از عصاره‌گیری نمونه (بدون اعمال مرحله‌ی پالایش) مورد شناسایی قرار داد. این روش در مقایسه با سایر روش‌های تعیین کمیت به زمان و هزینه کم‌تری نیاز دارد(۵).
۱-۲ تاریخچه:
واژه مایکوتوکسین از دو لغت یونانی myke به معنای قارچ و Toxicium به معنای سم گرفته شده است. پیدایش دانش مایکوتوکسیکولوژی^[۳] به سال ۱۹۶۰ همزمان با ارائه گزارش مبنی بر شیوع یک بیماری مرموز بین بوقلمون‌های جنوب شرقی انگلستان مربوط می‌شود.
این بیماری ناشناخته را بیماریX بوقلمون^[۴] نامیدند، که منجر به مرگ حدود صدهزار بوقلمون جوان و دهها هزار جوجه اردک و قرقاول گردید. همزمان گزارشات متعددی از مسمومیت مشابه در اوگاندا، امریکا و انگلستان در انواع دیگر حیوانات مثل ماهی و جوجه اردک گزارش شد(۷).آفلاتوکسین B₁ با بهره گرفتن از کروماتوگرافی کاغذی از عصاره کلروفرمی دانه‌های بادام زمینی آلوده جداسازی شد و به صورت یک لکه آبی رنگ زیر نور ماوراء بنفش مشاهده گردید. واژه آفلاتوکسین به دنبال جداسازی و شناسایی این سم و عامل تولید کننده‌ی آن، یعنی آسپرژیلوس فلاووس^[۵]، از مواد غذایی آلوده از ترکیب اختصار کلمات توکسین و آسپرژیلوس فلاووس به دست آمد.در مراحل بعدی، محققین روش کروماتوگرافی لایه‌ی نازک^[۶] را مورد استفاده قرار دادند و به این ترتیب، ۴ لکه‌ی مجزا و تفکیک شده رؤیت شد. نامگذاری آفلاتوکسین‌های طبیعی بر روی صفحه کروماتوگرافی لایه نازک پوشیده از ژل سیلیکا به این صورت انجام گرفت که دو لکه آبی رنگ فوقانی را از بالا به پایین B₁ و B₂ نامیدند(B از اول کلمه‌ی Blue گرفته شده است) و دو لکه ی متمایل به سبز تحقیقاتی را از بالا به پایین G₁ و G₂ نام نهادند( G از اول کلمه‌ی Green اقتباس شده است )(۵).
آتروف (Autrup) و همکاران در سال برای اندازه‌گیری آفلاتوکسین در ادرار از روش^[۷] سینکرونوس فلورسنس اسپکتروسکوپی استفاده کردند.ویلد وهمکاران( ۱۹۸۶) روش‌های ارزیابی سیستم ایمنی را که دارای حساسیت قالبل توجهی است، برای تعیین میزان آفلاتوکسین در مایعات بدن انسان به‌کار بردند.
یارک(Iarc) وهمکاران (۱۹۸۸) آفلاتوکسین B₁ را در لیست مواد سرطانزای انسانی قرار داد (۸۶).
بر اساس گزارشات سازمان غذا و کشاورزی سازمان ملل متحد (FAO) هر ساله میلیون‌ها تن مواد غذایی در اثر آلودگی با مایکوتوکسین‌ها از بین می‌رود. لذا در سال ۱۹۸۸ برنامه‌ریزی‌های زیادی همراه با کارگروه‌های آموزشی برای کنترل بهداشتی مواد غذایی در سرتاسر دنیا صورت گرفت. در سال ۱۹۹۰ بنا به گزارش مرکز کنترل بیماری‌ها^[۸] در کشور آمریکا عامل ایجاد بسیاری از موارد مسمومیت‌های غذایی، میکروب‌ها و قارچ‌های بیماری‌زا بوده‌اند.
از سال ۱۹۹۰ روش کروماتوگرافی لایه نازک^[۹] به عنوان یکی از روش‌های متداول جداسازی آفلاتوکسین مورد توجه بوده و به منظور تشخیص و تعیین مقادیر کمی آفلاتوکسین به کار رفته است. در این روش میزان سم بر حسب نانوگرم بر گرم( ng/g )گزارش می‌شود (۱۰).
۱-۳ مایکوتوکسین‌ها به عنوان متابولیت‌های ثانویه
مایکوتوکسین‌ها به همراه سایر متابولیت‌های قارچی نظیر آنتی بیوتیک‌ها، آلکالوئیدها^[۱۰] و نظایر آنها ترکیباتی هستند که در مراحل پایانی رشد قارچ‌های رشته‌ای^[۱۱] به وسیله‌ی سلول‌های قارچی تولید می‌شوند. این گونه متابولیت‌ها که تحت عنوان متابولیت‌های ثانویه^[۱۲] شناخته شده‌اند و ظاهراً برای خود سلول‌ قارچی هیچگونه فایده‌ای ندارند. از طرف دیگر، متابولیت‌های اولیه^[۱۳] نظیر اسید‌های آمینه، اسیدهای چرب، قندها، اسیدهای نوکلئیک‌ و پروتئین‌ها برای تمامی ارگانیسم های زنده ضروری هستند. فرآیندهای متابولیکی که به تولید متابولیت‌های اولیه می‌انجامند متابولیسم اولیه^[۱۴] نامیده می‌شوند، در حالی که متابولیت‌های ثانویه محصولات نهایی متابولیسم ثانویه^[۱۵] محسوب می گردند.
متابولیت‌های ثانویه از نظر ساختمانی ترکیبات آلی نسبتاً کوچک دارای ساختمانی شیمیایی پیچیده محسوب می‌شوند. اینگونه متابولیت‌ها، به ویژه مایکوتوکسین‌ها را می توان بر اساس مسیرهای بیوسنتزی آنها طبقه‌بندی کرد. فرآیندهایی که به تولید متابولیت‌های اولیه و ثانویه می‌ انجامد با واسطه‌ی تعداد اندکی از ترکیبات ساده نظیر استیل‌کوآنزیم A^[16]، موالونیک اسید^[۱۷] و اسیدهای آمینه صورت می‌پذیرد(۵).
۱-۴ طبقه‌بندی مایکوتوکسین‌ها:
روش‌های مختلفی جهت طبقه‌بندی مایکوتوکسین‌ها به کار گرفته شده است که در این میان، طبقه‌بندی بر اساس مسیرهای بیوسنتز جامع‌تر از سایرین می‌باشد. در این رابطه مایکوتوکسین‌ها در چهار گروه اصلی زیر قرار می‌گیرند:
مایکوتوکسین‌های مشتق از پلی کتاید:
مسیر پلی‌کتاید مهمترین مسیر بیوسنتز مایکوتوکسین‌ها محسوب می‌شود که با واسطه استیل کوآنزیم A انجام می‌گیرد و به تولید مایکوتوکسین‌هایی نظیر آفلاتوکسین، اوکراتوکسین^[۱۸]، پاتولین^[۱۹]، سیترینین^[۲۰]، پنی‌سیلیک‌اسید^[۲۱] و غیره می‌ انجامد(۵).
مایکوتوکسین‌های مشتق از موالونات:
ترایکوتسن‌ها مهمترین مایکوتوکسین‌های تولید شده از طریق مسیر موالونات هستند که علاوه بر جنس فوزاریوم بوسیله جنس‌های دیگر از قارچ‌ها نظیر میروتسیوم، تریکودرما، تریکوتسیوم و سفالوسپورم نیز تولید می‌شوند.
مایکوتوکسین‌های مشتق از پلی‌پیتیدهای حلقوی و مشتقات آنها:
در رابطه با مایکوتوکسین‌های مشتق از ‌پیتیدهای چند حلقوی می‌توان به ایسلندی توکسین، اسپوری دسمین، گلیوتوکسین و ارگوتامین اشاره کرد. این گروه از سموم به دنبال الحاق اسیدهای آمینه به پیتیدهای ماکروسیلیک و یا ترکیبات پلی‌سیلیک تولید می‌شوند.
مایکوتوکسین‌های مشتق از اسیدهای آمینه و موالونات:
تریپتوفان و احتمالاً سایر اسیدهای آمینه در تشکیل مایکوتوکسین‌های مشتق از اسید آمینه و موالونات به گروهی از واحدهای ایزوپرن مشتق شده از موالونات متصل می شوند و به این ترتیب، سمومی نظیر آفلاترم و راکفورتین C تولید می‌گردند(۵).
۱-۵- خواص عمومی مایکوتوکسین‌ها
از نظر ساختمانی غالباً هیدروکربن‌های حلقوی و به‌ ندرت هیدروکربن‌های خطی می‌باشند.
اکثراً وزن مولکولی پایینی دارند و به همین دلیل، به تنهایی فاقد خاصیت آنتی‌ژنتیک بوده و بالطبع قادر به تحریک سیستم ایمنی میزبان نیستند.
بر اساس تمایل به بافت هدف، تحت عناوین مختلفی نظیر هپاتوتوکسین، نوروتوکسین، نفروتوکسین، ژنیتوتوکسین، کاردیوتوکسین، درماتوتوکسین، گاسترو اینتستینال توکسین و غیره نامگذاری شده‌اند(۴).
در مقابل عوامل فیزیکی نظیر حرارت، آسیاب کردن و سایر اعمالی که بر روی مواد غذایی خام تا مراحل بسته‌بندی اعمال می‌گردد مقاوم می‌باشند.
جزو مسمومیت‌زاهای بالقوه هستند زیرا تحت شرایط مختلف باعث آلودگی مواد غذایی می‌شود.
گروهی از آن‌ها اثرات چندگانه دارند و علاوه بر مسمومیت قادر به ایجاد اختلالات مختلف می‌باشند(۲).
۱- ۱: ساختمان شیمیایی مایکوتوکسین‌های مهم(۵) ادامه تصویر ۱- ۱: ساختمان شیمیایی مایکوتوکسین‌های مهم(۵)
تصویر ۱- ۱: ساختمان شیمیایی مایکوتوکسین‌های مهم(۵)
۱-۶ مهمترین قارچ‌های مولد سم^[۲۲]
مهمترین جنس های فلور قارچ و و مولد سم د رمواد غذایی به شرح ذیل می باشند که از این میان سه جنس آسپرژیلوس و فوزاریوم وپنی سیلیوم مهمترین آنها و همچنین مهمترین جنسهای مولد مایکوتوکسین ها می باشند.
۱-۶-۱ جنس آسپرژیلوس
گونه های این جنس جزء‌معمول ترین آلوده کننده های سوبسترهای مختلف هستند. تعدادی از گونه های این جنس در انسانها و حیوانات بیماریزا می باشد. و تعدادی توانایی تولید متابولیت های سمی دارند. جنس آسپرژیلوس بوسیله تولید مقدار قابل توجهی از کونیدی های تک سلولی کوچک که منشأ آنها فیالید هایی است که به طور منظم بر روی رأس متورم کونیدیوفور قرار گرفته اند توصیف می شود.
۱-۶-۲ جنس پنی‌سیلیوم^[۲۳]
اعضاء متعلق به این جنس قارچی بوسیله تولید کونیدیوم‌های تک‌سلولی کوچکی توصیف می‌شود که از فیالیدهای قرار گرفته به صورت یک ساختمان قلم‌مو شکل منظم بر روی انتهای کونیدیوفورهای هوایی منشاء می‌گیرند. مهم‌ترین سموم تولید شده توسط گونه‌های پنی‌سیلیوم شامل سیتروئوویدین، سیترینین، پاتولین، پنی‌سیلیک اسید، سم PR، پنی‌ترم A، پاکسیلین و روبراتوکسین هستند(۵).
۱-۶-۳ جنس فوزاریوم^[۲۴]
تولید میکروکونیدیوم و کلامیدیو سپور انتهایی یا میانی، میزان رشد و تولید رنگدانه بر روی محیط اختصاصی به همراه شکل و اندازه ماکروکونیدیوم در شناسایی گونه‌های مختلف این جنس مورد استفاده قرار می‌گیرد.گونه های متعدد فوزاریوم به علت تولید مایکوتوکسینهای مختلف معرف شده اند . مهمترین توکسین های تولید شده توسط فوزاریوم ها شامل: فومونیزین ها ،‌تریکوتسن ها ( T-2 توکسین، دی اکسی نیوالنون و…) زرالنون ، فوزارینا ،‌و مونیلی فورمین می باشد(۵).
۱-۶-۴سایرجنسهای قارچی
بسیاری از جنس های قارچی نظیرآلترناریا۱ ،کتومیوم ۲،فوما ۳،کلاویسپس۴ ، کلادوسپوریویم ۵وغیره بعنوان جنس های با اهمیت ازنظرتولید مایکوتوکسین مطرح می باشند(۵).
۱-۷ مکانیسم اثر مایکوتوکسین‌ها

که در آن متوسط توان ارسالی و چگالی طیفی توان نویز تجمعی است. مفهوم ظرفیت کانال به شرح زیر است: اگر نرخ اطلاعات منبع کمتر از ظرفیت باشد؛ در این­صورت از نظر تئوری امکان انتقال مطمئن اطلاعات (بدون خطا) از طریق این کانال با انتخاب شیوه­ مناسب کدگذاری وجود دارد. از طرف دیگر اگر باشد مستقل از میزان پردازش انجام‌شده در فرستنده و گیرنده، امکان انتقال مطمئن وجود ندارد. در نتیجه شانون حدود اساسی انتقال اطلاعات را تبیین و حوزه­ جدیدی به نام تئوری اطلاعات^[۱۲] را بنیان نهاد[۳]. کار مهم دیگر در زمینه مخابرات دیجیتال مربوط به کوته لینکف^[۱۳] (۱۹۴۷) است که بر مبنای یک رویکرد هندسی^[۱۴] سیستم­های مختلف مخابرات دیجیتال را به صورت هماهنگ تجزیه و تحلیل نمود. کار او بعدها توسط وزنکراف^[۱۵] و جاکوبس^[۱۶] (۱۹۶۵) توسعه داده شد. متعاقب کار شانون، نوبت به کار کلاسیک همینگ^[۱۷] در مورد کدهای تصحیح و تشخیص خطا برای مقابله با اثرات تخریبی نویز کانال رسید. کار همینگ در سال­های بعد زمینه‌ساز تحقیقات گسترده­ای شد که منجر به کشف کدهای متنوع و قدرتمند جدیدی گردید، و بسیاری از آن‌ها در پیاده­سازی سیستم­های مخابراتی مدرن امروزی به کار می­روند. افزایش تقاضا برای انتقال اطلاعات در سه تا چهار دهه­ گذشته، به همراه توسعه مدارهای مجتمع پیشرفته­تر، به پیدایش سیستم­های مخابراتی بسیار کارآمد و مطمئن منجر گشته است. در جریان این تحولات نتایج اصلی شانون و تعمیم آن نتایج در مورد حداکثر سرعت انتقال روی کانال و حدهای عمل­کرد قابل دستیابی، نقش شاخص­ های مرجع برای طراحی سیستم­های مخابراتی را داشته اند. دستیابی به حدود تئوری استخراج‌شده توسط شانون و سایر محققان مشارکت‌کننده در توسعه تئوری اطلاعات، هدف غایی تلاش­ های مستمر در زمینه­ طراحی و توسعه سیستم­های مخابراتی دیجیتال کارآمدتر، است[۳]. گسترش کاربرد مخابرات دیجیتال و فراهم شدن عرصه‌های گوناگون طراحی و ساخت سیستم­های پیچیده مخابراتی، زمینه را برای ارائه راه‌حلی جامع و هوشمند جهت شناسایی خودکار پیام‌های دریافتی فراهم، و ضرورت رویکرد تحقیقات علمی به این حوزه را لازم نمود.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱-۱-۲- اهمیت و کاربردهای سیستم شناسایی نوع مدولاسیون
هدف علم مخابرات انتقال درست پیام، با سرعت بالا و مقاوم نسبت به شرایط کانال است. از آنجایی که سیگنال باند پایه به سختی بر این شرایط فائق می‌آید، نیاز است تا این سیگنال مدوله شود. به عبارت دیگر مدولاسیون، به فرایند نگاشت رشته بیت‌های دیجیتال، به سیگنال های قابل انتقال در کانال گفته می‌شود[۳]. بر این اساس تغییر دادن بعضی از ویژگی‌های سیگنال، با هدف دستیابی به نرخ بالای انتقال و استفاده بهتر از طیف، شرایط بهره­مندی بیشتر کاربران را در باندهای مختلف کانال مخابراتی فراهم می‌سازد. جهت تمایز سیگنال در طیف و استخراج پیام ارسال‌شده، لازم است انواع مختلف مدولاسیون‌ها که هر کدام دربردارنده یک ویژگی خاصی از سیگنال ارسالی هستند؛ از یکدیگر شناسایی شوند.
مهم‌ترین کاربرد سیستم تشخیص نوع مدولاسیون در صنایع نظامی مانند جنگ الکترونیک است. تشخیص نوع مدولاسیون مسئله‌ای مهم در جنگ‌هایی با زیرساخت‌های مخابراتی است. در جنگ‌های مدرن امروزی پیروزی در عرصه مخابراتی و اطلاعاتی، دستاورد عظیمی جهت پیروزی در کل جنگ به حساب می‌آید. از این رو استخراج امن پیام ارسالی از نیروی خودی و یا استخراج پیام دشمن، از طریق شناسایی درست مدولاسیون تحقق می‌یابد. یک سیستم مخابراتی باید ابتدا، سیگنال­های موجود را به واسطه سیستمی به نام گیرنده آشکارساز وسیع^[۱۸] که قادر است وجود سیگنال­ها را در یک باند به خصوص تشخیص دهد؛ جستجو و دریافت کند. آنگاه با تحلیل و پردازش سیگنال دریافتی بعضی از مشخصه‌ های سیگنال دریافتی نظیر فرکانس حامل و نرخ سمبل را آشکار نمود. به این ترتیب از بازشناخت مدولاسیون در جنگ الکترونیکی، شنود و بررسی رفتار دشمن، ایجاد اغتشاش مناسب در سیگنال های دشمن و غیره استفاده می‌شود. در کاربردهای غیرنظامی نیز می‌توان به تأیید سیگنال، شناسایی تداخل، مدیریت طیف، مدیریت ترافیک شبکه، تخصیص نرخ داده‌های متفاوت و غیره، اشاره کرد[۴].
در مدیریت طیف با توجه به شرایط کانال در فرستنده یکی از انواع مدلاسیون انتخاب و ارسال می‌شود. چون مدولاسیون‌های مختلف از نظر پهنای باند و مقاوم بودن در مقابل نویز با هم متفاوت‌اند؛ لذا زمانی که تعداد کاربران کم است؛ از مدولاسیون‌های غیرخطی که دارای پهنای باند بیشتر اما مقاوم نسبت به نویز می‌باشند؛ مورد استفاده قرار می‌گیرد. در مقابل اگر تعداد کاربران زیاد باشد از مدولاسیون‌های با پهنای باند کمتر مورد استفاده قرار می‌گیرد. به این ترتیب با بهره گرفتن از تکنیک شناسایی نوع مدولاسیون مدیریت طیف صورت می‌پذیرد. بازشناخت نوع مدولاسیون نقش مهمی در رادیو نرم‌افزار^[۱۹] ایفا می‌کند. ایده­ کلی سیستم رادیو نرم‌افزار این است که بجای انجام بخش قابل توجهی از پردازش سیگنال در سخت‌افزار، این­کار توسط نرم‌افزار اجرا شود. مزیت کار در این است که سیستم را قادر می‌سازد تا به آسانی با به هنگام کردن الگوریتم‌های نرم‌افزاری، خود را با تغییرات محیط و نیازهای کاربر، تطبیق دهد. به عنوان مثال فرستنده می‌تواند بر اساس ظرفیت و شرایط کانال، نوع مدولاسیون مناسب را انتخاب کرده و سیگنال را ارسال کند. گیرنده نیز به طور خودکار اندازه و نوع منظومه را تشخیص داده و عمل دمدولاسیون را انجام دهد. در نتیجه سیستم ارتباطی با عمل­کرد بالا را خواهیم داشت.
۱-۲- سیر تکامل روش‌های شناسایی نوع مدولاسیون
شناسایی نوع مدولاسیون از سال­های گذشته مورد توجه بوده است. به­ طور خلاصه می­توان گفت که قبل از دهه ۸۰ قرن بیستم، فرایند شناسایی نوع مدولاسیون به صورت کاملا اپراتوری انجام می‌شد. برای این کار، به کاربرانی با مهارت نیاز بود که بتوانند پارامترهایی از سیگنال دریافتی را محاسبه و با توجه به این پارامترها در مورد نوع مدولاسیون تصمیم‌گیری کنند[۶-۵]. در این فرایند در حین انجام حالت جستجو، پهنای باند گیرنده IF می‌بایست به اندازه‌ای پهن می‌بود که همه فعالیت‌ها در باند فرکانسی مورد علاقه روی صفحه نمایش آنالیز طیف قابل رویت باشد. بعد از آن، فقط یک سیگنال برای تشخیص نوع مدولاسیون و تجزیه و تحلیل بیشتر انتخاب می‌شد[۶].
در ادامه­ تحقیقات، شناساگرهای نوع مدولاسیون نیمه اپراتوری، مطرح شدند. وجود بانکی از دمدولاتورها در این شناساگرها، وجه تمایزی بین روش فعلی و روش­های گذشته بود اما نیاز به اپراتورهای با مهارت بسیار بالا و محدود بودن تعداد و نوع مدولاسیون‌ها، همچنان به عنوان یک اشکال اساسی، وجود داشت. لذا در ادامه­ تحقیقات و با پیشرفت فن­آوری، سیستم­های شناسایی تمام‌خودکار مدولاسیون مطرح شدند. در این سیستم­ها، فرایند شناسایی توسط الگوریتم‌ها و روش‌های نرم‌افزاری انجام شده و بسیار سریع­تر و کاراتر از روش‌های قبلی بودند. بر حسب نوع مدولاسیون مورد علاقه، روش‌های ارائه‌شده را می‌توان به سه دسته کلی تقسیم کرد. دسته اول روش‌هایی هستند که فقط برای شناسایی مدولاسیون‌های آنالوگ ارائه می‌گردند. دسته دوم، روش‌هایی هستند که برای شناسایی مجموعه مدولاسیون‌های آنالوگ و دیجیتال ارائه می‌شوند. دسته سوم روش‌هایی هستند که فقط برای شناسایی مدولاسیون‌های دیجیتال ارائه می‌گردند[۶].
مدولاسیون‌های دیجیتال به خصوص مدولاسیون‌های PSK و QAM در سیستم­های مخابراتی نوین، کاربرد­های زیادی دارند. امروزه در مخابرات دیجیتال چند سرویس و چند کاربره نیاز به پیدا کردن روش‌های موثر جهت جداسازی آن‌ها به طور جدی افزایش یافته است[۲]. تاکنون روش‌های مختلفی جهت شناسایی خودکار نوع مدولاسیون انجام شده است که در ادامه به آن می‌پردازیم.
۱-۳- دسته‌بندی کلی روش‌های خودکار شناسایی نوع مدولاسیون
به طور کلی روش‌های خودکار شناسایی نوع مدولاسیون به دو گروه دسته‌بندی می‌شود: روش‌های تئوری (نظریه) تصمیم (^[۲۰]DT) و روش‌های تشخیص الگو (^[۲۱]PR). در روش‌های نظریه تصمیم که مبتنی بر تئوری آشکارسازی آماری می‌باشند، مسئله تشخیص نوع مدولاسیون به صورت آزمون فرض چندتایی مدل می‌شود که در آن هر فرض، متناظر با وقوع نوع مدولاسیون i ام از m مدولاسیون احتمالی است [۶-۴]. در واقع این روش‌ها از آرگومان‌های احتمالاتی برای تشخیص نوع سیگنال های دیجیتال استفاده می‌کنند. سیستم­هایی که با این روش‌ها طراحی می‌گردند، کارآیی خوبی دارند و در صورت وجود تعداد نمونه‌های نسبتا زیاد، می‌توان درصد موفقیت قابل قبولی به دست آورد. اما در روش‌های تئوری تصمیم به دلیل پیچیدگی محاسبات، پیاده سازی و اجرای آن با مشکلات زیادی همراه است. همچنین محاسبه دقیق مقادیر آستانه، سخت و تعداد نمونه‌های مورد نیاز برای به دست آوردن درصد موفقیت قانع کننده زیاد است. جهت کاهش این مشکلات، بسیاری از تحقیقات، به خصوص در سال‌های اخیر به سمت روش‌های PR سوق داده شده است. از سال ۱۹۶۹، استفاده از روش‌های تشخیص الگو به عنوان رهیافتی در تشخیص نوع مدولاسیون مورد توجه قرار گرفت. تاکنون بسیاری از محققان، روش‌های مختلفی را در این حوزه به­کار بستند که از میان آن‌ها می‌توان به روش‌های مبتنی بر آمارگان مرتبه بالا، استفاده از تبدیل ویولت و غیره اشاره نمود. سیستم‌های طراحی ‌شده با این روش به اطلاعات اولیه کمتری از سیگنال دریافتی نیاز دارند، بر خلاف روش‌های DT که نیاز به دانستن تابع چگالی احتمال سیگنال دریافتی است و نیز تنها قادر به تفکیک تعداد کمی مدولاسیون است، این روش نیاز به چنین اطلاعاتی نداشته و همچنین می‌توانند تعداد زیادی از مدولاسیون‌ها را شناسایی کند. این مسائل و ویژگی‌های دیگر باعث شده‌اند که روش‌های PR در شناسایی نوع مدولاسیون بیشتر مورد استفاده قرار گیرد. به همین جهت در این پژوهش شناساگرهای مبتنی بر روش PR ارائه می‌گردد. ساختار روش تشخیص الگو از واحدهای مختلفی تشکیل شده است: واحد پیش‌پردازش، واحد استخراج ویژگی و واحد طبقه‌بندی کننده (دسته‌بندی کننده) [۶].
واحد پیش‌پردازش در قسمت ابتدایی سیستم قرار گرفته است. این واحد در اکثر روش‌های تشخیص نوع مدولاسیون کارهای مشترکی انجام می‌دهد. در واحد پیش‌پردازش، عملیاتی نظیر فیلترینگ مناسب، حذف اجزای نویز خارج از باند سیگنال، عمل نرمالیزه کردن توان، جایگزینی سیگنال نرمالیزه شده توسط نمایش تحلیلی (شامل سیگنال اصلی و تبدیل هیلبرت بخش موهومی آن)، عمل نمونه‌برداری، حذف فرکانس حامل و غیره انجام می‌شود تا داده‌ها را جهت انجام مراحل بعدی آماده می‌کنند.
در واحد استخراج ویژگی، به دنبال پارامترها و مشخصات برجسته‌ای از سیگنال هستیم که بالاترین حساسیت را نسبت به نوع سیگنال دیجیتال دارد و باعث تشخیص آن نوع مدولاسیون از سایر مدولاسیون‌ها می‌شود. این واحد دارای اهمیت زیادی است. انتخاب مناسب ویژگی‌ها، می‌تواند باعث راحت­تر شدن کار واحد بعدی شود. چنانچه در فصل چهارم شرح داده می شود؛ دستیابی به این نوع ویژگی می ­تواند به مقدار زیادی بر قدرت سیستم تشخیص بیافزاید.
واحد کلیدی بعدی در عمل­کرد صحیح شناساگر نوع مدولاسیون دیجیتال، واحد طبقه‌بندی کننده است. در واحد طبقه‌بندی­کننده، با درصدی از ویژگی‌های استخراج‌شده، فضای بردار ویژگی با شاخص­ هایی بین کلاس­ها تقسیم می­گردد. بعد از آموزش سیستم، طبقه ­بندی کننده براساس درصد باقی مانده از سیگنال­ها، ویژگی­ها را با این شاخص­ های عمل­کردی می­سنجد. میزان کارایی این واحد به­ صورت محاسبه­ی درصد تشخیص صحیح یا میزان کمینه بودن خطای تشخیص الگوها مورد بررسی و ارزیابی قرار می­گیرد. در کانال محوشونده علاوه بر واحدهای ذکرشده، واحد دیگری به نام ترازگر^[۲۲] کانال به این واحدها اضافه می‌شود. البته انتخاب ویژگی های مناسب می تواند نیاز به این واحد را به حداقل برساند. علاوه بر واحدهای ذکر شده، ممکن است بر حسب لزوم، واحدهای دیگری که تأثیر بسزایی در کاهش پیچیدگی سیستم و یا بهبود عمل­کرد آن داشته باشند، اضافه شود. برای داشتن یک شناساگر نوع مدولاسیون که درصد موفقیت بالایی داشته باشد، تعیین مناسب هر یک از موارد ذکرشده بسیار مهم است. در ادامه خلاصه­ای از مهم‌ترین روش‌های ارائه‌شده در زمینه شناسایی نوع مدولاسیون با روش PR ارائه خواهد شد.
۱-۴- مروری بر تحقیقات گذشته
انتخاب ویژگی­های بهینه که بتوانند برای همه یا بیشتر مدولاسیون­ها تفکیک­پذیری ایجاد نماید؛ در تمامی روش­های قبلی دنبال می­شد. در واقع روش­های قبلی همواره درصدد شناسایی و ارائه ویژگی خاصی از سیگنال بودند تا بتوانند با آن، درصد تشخیص سیستم شناساگر را افزایش دهند. به عنوان مثال در ]۷[ با بهره گرفتن از تابع همبستگی طیفی، چند ویژگی برای شناسایی مدولاسیون‌های دیجیتال ۲FSK، ۴FSK، ۲PSK، ۴PSK، ۸PSK و MSK^[23] پیشنهاد شده است. طبقه‌بندی کننده مورد استفاده ماشین بردار پشتیبان^[۲۴] (SVM) است. در ]۸[ از چگالی طیف توان که با روش FFT^[25] به دست می‌آمد، به عنوان ویژگی برای شناسایی مدولاسیون‌های ۲PSK و ۴PSK استفاده گردیده است. از طبقه‌بندی کننده MLP با الگوریتم یادگیری پس­انتشار خطا (BP^[26]) در این شناساگر استفاده شده است.
ویژگی­های دیگری نظیر طیف دوره‌ای، طیف نگاره منظومه‌ها، شکل منظومه‌ای، واریانس اندازه تبدیل موجک هار^[۲۷] و هیستوگرام توزیع دامنه لحظه‌ای نیز برای شناسایی انواع مدولاسیون­ها پیشنهاد شده ­اند. در این روش­ها شناساگرهایی نظیر شبکه عصبی ART^[28]، الگوریتم طبقه ­بندی فازی^[۲۹] و شبکه عصبی MLP استفاده شده است. عموما سیستم­های مبتنی بر این ویژگی­ها، به طول (تعداد) داده‌های دریافتی، تنظیم مرکز طیف و مقدمه سازی حساس بودند و پیچیدگی ساختار شبکه عصبی نیز از چالش­های این شناساگرها محسوب می­شد]۲۰-۹[.
کار مهم دیگر در این حوزه استفاده از ممان مرتبه هشتم فاز از طریق تخمین تابع چگالی فاز، برای شناسایی مدولاسیون‌های BPSK، QPSK، ۸PSK و UW^[30] بوده است. با طبقه‌بندی کننده مدار تصمیم­گیر آستانه در این روش برای SNR بالاتر از dB5– درصد موفقیتی، حدود ۸۵% به دست آمد]۲۱[.
در ادامه­ تحقیقات علاوه بر پیشنهاد ویژگی­های موثر، از الگوریتم­های تکاملی (مبتنی بر هوش جمعی) برای افزایش کارایی و کاهش پیچیدگی سیستم شناساگر استفاده شد. به عنوان نمونه در ]۲۲[ ممان­ها و کومولان­های مراتب بالا (تا مرتبه هشتم) رشته سمبل­های دریافتی به عنوان ویژگی جهت شناسایی سیگنال­های ۲ASK، ۴ASK، ۸ASK، ۲PSK، ۴PSK، ۸PSK، ۱۶QAM، ۳۲QAM، ۶۴QAM و V32 مطرح شد. در این مقاله ابتدا با بهره گرفتن از الگوریتم بهینه‌سازی ازدحام ذرات ویژگی‌های مناسب انتخاب شده سپس طبقه‌بندی کننده شبکه عصبی با الگوریتم اندازه گام خود تطبیقی^[۳۱] (SASS) برای شناسایی سیگنال استفاده شده است. این روش در SNR برابر با dB 0 درصد موفقیت برابر ۸۸ درصد داشت.
به عنوان نمونه دیگر می­توان به استفاده از کومولان و ویژگی‌های تبدیل فوریه و ممان مرتبه چهارم نرمالیزه شده به عنوان ویژگی برای تشخیص سیگنال­های ۲ASK، ۴ASK، BPSK، QPSK، ۲FSK، ۴FSK، V32، V29، ۱۶QAM و ۶۴QAM اشاره نمود. در این شناساگر پس از انتخاب ویژگی به وسیله الگوریتم ژنتیک از شبکه عصبی با الگوریتم RPROP^[32] استفاده شده است. این روش برای SNR برابر با dB5– درصد عمل­کرد ۹۳% دارد]۲۳[.
در ]۶[ از آمارگان مرتبه بالا برای شناسایی نوع مدولاسیون استفاده شده است. در این پایان نامه ممان و کومولان تا مرتبه هشتم به عنوان ویژگی معرفی و از الگوریتم­های تکاملی PSO و کلونی زنبور عسل برای انتخاب ویژگی و تنظیم پارامترهای طبقه بند SVM شد. به علت قابلیت خوب ویژگی­های ارائه شده در این مرجع، ما نیز در پایان نامه حاضر، ویژگی­های آمارگان مرتبه بالا را به عنوان ویژگی­های مبنا در نظر گرفتیم. این ویژگی­ها دارای مشخصه­های خوبی برای شناسایی محسوب می­شوند اما خالی از نقص نیز نیستند. چنانچه در ادامه به آن می­پردازیم در این پایان نامه قصد داریم تا با ارائه یک روش جدید، اطلاعات بیشتری را از ترکیب ممان­ها و کومولان­ها استخراج نماییم.
تاکنون پژوهش­های متعددی نیز در رابطه با تشخیص نوع مدولاسیون دیجیتال در سیستم­های OFDM در کانال­های مخابراتی انجام شده است که به برخی از آنها اشاره می­ شود: در [۲۴] روش بهینه برای تشخیص نوع مدولاسیون در سیستم­های OFDM بر اساس روش حداکثر تشابه در این مقاله پیشنهاد شده است. سیستم تشریح شده یک سیستم وفقی است یعنی براساس تخمینی که از نسبت سیگنال به نویز دارد، یک نوع مدولاسیون را متناسب با شرایط کانال انتخاب می­ کند. تعداد زیر حامل­ها در این مقاله ثابت فرض شده و برابر ۶۴ است.
در [۲۵] روشی برای تشخیص نوع مدولاسیون در سیستم OFDM وفقی بر حسب آمارگان مرتبه­ی ششم سیگنال دریافتی ارائه گردیده است. در [۲۶] استفاده از آنالیز مولفه مستقل^[۳۳] و ماشین­های بردار پشتیبان جهت تشخیص نوع مدولاسیون سیگنال منبع کور در سیستم MIMO-OFDM در یک کانال فرکانس گزین با تغیرات سریع زمانی مورد بررسی قرار گرفته است. برای سادگی سیستم از فرض تغییر ناپذیر بودن کانال در پهنای باند همدوسی و زمان همبستگی استفاده گردیده است.
۱-۵- جمع‌بندی و ساختار پایان‌نامه
با بررسی کارهای انجام شده در این حوزه می توان گفت:
در روش های مبتنی بر PR همواره، استخراج و انتخاب ویژگی­های کارا یک اصل کلیدی برای شناسایی نوع مدولاسیون است. علاوه بر آن تعداد زیادی از این روش‌ها به میزان SNR، حساسیت زیادی دارند. از طرفی با مطالعه­ کارهای قبلی، می­توان دریافت که، استفاده از الگوریتم­های بهینه­سازی، موجب تطبیق بیشتر بین واحد استخراج ویژگی و واحد طبقه‌بندی کننده شده و عمل­کرد سیستم را در SNR های پایین افزایش می­دهد. همچنین، استفاده از ویژگی‌های آماری درصد موفقیت شناساگر را بالاتر می‌برد. دو عامل اصلی باعث عمل­کرد پایین شناساگرهای مدولاسیون و تفکیک تعداد معدودی از مدولاسیون‌ها می‌شوند. یکی از این عوامل، ویژگی‌هایی است که به طور مستقیم از سیگنال یا پارامترهای مشتق شده از سیگنال استخراج می‌شوند. عامل دوم طبقه‌بندی کننده‌هایی است که در دسته‌بندی بر­اساس ویژگی‌های تعریف‌شده، مورد استفاده قرار می‌گیرند.
به طور خلاصه بالا بودن تعداد ویژگی­ها، نیاز به داده ­های ورودی زیاد و نوع بیان فضای ویژگی را می­توان مهم­ترین چالش بیشتر کارهایی پیشین قلمداد نمود. در این پژوهش قصد داریم تا با بررسی عوامل مشکلات روش­های قبلی، سیستمی را پیشنهاد دهیم تا بتواند بهترین نگاشت از داده ­های (خام) ورودی را به داده ­های هدف (برای) واحد طبقه ­بندی کننده ایجاد نماید. جهت رسیدن به این امر موارد زیر در این پروژه انجام شده است:
۱) استفاده از ویژگی‌های موثر و کارا که بتوانند قابلیت بالایی برای شناسایی مدولاسیون‌ها داشته باشند. در این پایان نامه از آمارگان مرتبه‌ی بالا که در مرجع [۶] استفاده شده است به عنوان ویژگی های پایه­ای بهره بردیم.
۲) استفاده از طبقه‌بندی کننده با ناظر مناسب که بازدهی و قابلیت تعمیم‌پذیری بالایی داشته باشند. برای این کار از طبقه‌بندی کننده چند کلاسه مبتنی بر ماشین بردار پشتیبان استفاده شده است.
۳) با توجه به افزایش استفاده از سیستم­های OFDM در انتقال سریع و ایمن سیگنال­های مخابراتی، لزوم تشخیص خودکار در این سیستم­ها، در خور توجه است.
در این پژوهش، هدف تشخیص مدولاسیون‌های دیجیتال در سیستم_­های مبتنی بر OFDM است. مجموعه­ مدولاسیون‌های در نظر گرفته‌شده در فصل مربوط به شناساگرهای پیشنهادی معرفی می‌گردند. فرضیات اساسی اولیه‌ای که در رابطه با اخذ نتایج، قبل از اعمال روش‌های پیشنهادی در نظر گرفته‌شده‌اند عبارت‌اند از: الف) معلوم بودن فرکانس حامل (یا تخمین درست آن)، ب) مشخص بودن تعداد زیرحامل های سیستم OFDM، ج) برقراری همزمانی بین فرستنده و گیرنده، د) معلوم بودن نرخ نماد (یا تخمین درست آن). نویز مورد استفاده در شبیه‌سازی‌ها را به صورت گوسی سفید جمع شونده در نظر می‌گیریم. لازم به ذکر است که این فرضیات برای کانال‌های AWGN و در کانال‌های محوشدگی مورد بررسی قرار گرفته است. در کانال AWGN سیگنال ها به­ صورت تک باند و در کانال‌های محوشونده شناسایی بر اساس سیستم OFDM انجام گرفته است.
تدوین این پایان‌نامه در سه فصل کلی است که قبل از بررسی آن‌ها به مطالب هر یک اشاره مختصری خواهیم داشت. در فصل اول به تعریف مسئله در رابطه با سیستم خودکار تشخیص نوع مدولاسیون، تاریخچه، کاربرد سیستم­های تشخیص خودکار نوع مدولاسیون و روش‌های کلی تشخیص پرداخته شد. در این پایان‌نامه ضمن بیان مختصری از کارهای انجام‌شده در این حوزه، به دنبال پیاده‌سازی روشی موثر جهت شناسایی خودکار نوع مدولاسیون هستیم. در فصل دوم، مفاهیم اساسی مدولاسیون دیجیتال، روش­های تشخیص مبتنی بر ویژگی به همراه استخراج ویژگی‌های اساسی در شناسایی سیگنال و مفاهیم مورد نیاز دیگر برای طراحی شناساگر، مورد بررسی قرار خواهد گرفت. فصل سوم به بیان و بررسی روش پیشنهادی این پایان‌نامه جهت استخراج ویژگی‌های کارا می‌پردازد. در این فصل با مدلی جدیدی برای انتخاب ویژگی که مبتنی بر مفاهیم کاربردی بهینه‌سازی با الگوریتم‌های تکاملی است؛ آشنا می‌شویم. این روش براساس استفاده از یک الگوریتم‌ تکاملی قدرتمندی به نام الگوریتم بهینه‌سازی فاخته است. با بهره گرفتن از معیارهای مناسب در تعریف تابع برازش این الگوریتم‌ها، جداسازی سیگنال­های مخابراتی حتی در نسبت‌های پایین سیگنال به نویز با موفقیت زیادی تحقق خواهد یافت. در این فصل نتایج به دست آمده از روش ارائه‌شده با روش‌های قبلی بررسی‌شده و مقایسه می‌شود.
نتیجه‌گیری
در این فصل تعریف مسئله و مفاهیم مربوط به آن به همراه بیان مختصری از کارهای انجام‌شده در این رابطه بیان گردید. در ادامه لزوم انجام شناسایی خودکار نوع مدولاسیون با ذکر کاربردهای آن مورد مطالعه قرار گرفت.
فصل دوم
انتخاب ویژگی‌های مرتبه بالا و مطالب مورد نیاز
مقدمه
استخراج^[۳۴] و انتخاب ویژگی^[۳۵] یکی از تکنیک­های مهم پیش‌پردازش در حل مسائل طبقه‌بندی در علم بازشناسی الگو، داده کاوی و یادگیری ماشین است. در واقع ویژگی‌های موثر، مشخصات برجسته‌ای از سیگنال اصلی هستند که تا حد امکان، نسبت به تغییرات مقاوم بوده و قادرند در شرایط مختلف تمایز میان چند کلاس را بیان نمایند. معمولاً جهت استفاده از یک سیستم تشخیص الگوی نوعی سعی می‌شود اندازه داده‌ها و اطلاعات خام را با استخراج این ویژگی‌ها تا حد امکان کاهش دهند. جهت بیان فضای مسئله، تعریف مدولاسیون دیجیتال و مفاهیم استخراج ویژگی، موضوعی در خور توجه است.
در ابتدا، مروری بر مدولاسیون‌های دیجیتال می‌شود. در ادامه به مفهوم استخراج ویژگی و سپس به بررسی ویژگی‌های آمارگان بالا به عنوان یکی از ویژگی­های مهم و کاربردی در شناسایی مدولاسیون، می­پردازیم. در این پایان نامه تشخیص نوع مدولاسیون هم در کانالAWGN و هم در سیستم­های مبتنی بر OFDM، مدنظر است. از این­رو در ادامه­ این بخش، به بررسی مفاهیمی چون کانال­های محو­شونده، سیستم­های OFDM، ماشین بردارهای پشتیبان و الگوریتم‌های بهینه‌سازی فاخته (COA) می‌پردازیم.
۲-۱- مروری بر مدولاسیون‌های دیجیتال
مدولاسیون دیجیتال به عنوان حرکت نوید بخشی برای ارسال مقاوم در برابر کانال شناخته شده است. در مخابرات دیجیتال عموما انواع مدولاسیون MFSK، MASK و MPSK و مدولاسیون MQAM استفاده می­ شود. نوع مدولاسیون وابسته به تغییر فرکانس پیغام، دامنه پیغام و فاز پیغام است. در سیستم­های نوین ارتباطی، بیشتر این مدولاسیون‌های دیجیتال به صورت M تایی^[۳۶]، استفاده می‌شوند]۶[. برای یک مدولاسیون M تایی، k بیت در کنار هم قرار می‌گیرند( ) و یک سمبل را تشکیل می‌دهند. (شکل موج عمومی این مدولاسیون‌ها در پیوست آمده است). در شکل ۲-۱، چیدمان برخی از این سیگنال ها نشان داده شده است.

الف) V29

ب) ۶۴QAM
شکل۲-۱- چیدمان (منظومه) برخی از مدولاسیون‌های دیجیتال
۲-۲- مفهوم استخراج ویژگی
مرحله استخراج ویژگی در یک سیستم تشخیص الگو، نظیر تکنیک تشخیص نوع مدولاسیون از اهمیت بسیار زیادی برخوردار است. اهمیت این امر، زمانی مشخص می‌شود که بدانیم؛ انتخاب ویژگی نامناسب (دور از حالت ایده­آل) می‌تواند به کلی الگوریتم تشخیص مدولاسیون و در حالت کلی سیستم تشخیص الگو را ناکارآمد سازد. به بیان Stranneby ‌” در مباحث تشخیص الگو، نکته بسیار مهمی که در بسیاری از موارد فراموش می‌شود؛ این است که انتخاب ویژگی‌های بد ممکن است باعث شود که حتی گاهی پیشرفته‌ترین طبقه‌بندی کننده‌ها در حل پیش‌پاافتاده ترین مسائل ناتوان باشند؛ برعکس با انتخاب ویژگی‌های خوب چه بسا بتوان مشکل‌ترین مسائل را با ساده‌ترین طبقه‌بندی کننده‌ها حل کرد“]۲۷-۶[. در حقیقت ویژگی‌ها نقش بسیار حیاتی در عمل­کرد یک سیستم تشخیص نوع مدولاسیون و پیاده‌سازی آن دارند. محدودیت ویژگی‌ها در بیان نوع سیگنال­ها، باعث محدودیت تشخیص تعداد و مرتبه نوع مدولاسیون و پایین آمدن عمل­کرد روش مورد نظر می‌شود. از طرفی تداخل مقداری ویژگی‌ها، چالشی است که اکثر سیستم­های طبقه‌بندی را با کاهش کارایی رو به رو می‌سازد. به بیان دیگر کم بودن میزان همبستگی میان ویژگی‌ها در SNR مورد نیاز، نقش بسزایی در تشخیص الگو دارند. انتخاب ویژگی‌های مناسب حتی می‌تواند باعث کاهش پیچیدگی ساختار طبقه‌بندی کننده مورد استفاده شود. یک ویژگی ایده­آل دارای دو خصوصیت مهم است. اول آنکه مقدار ویژگی به ازای SNR های مختلف تغییری نداشته باشد و دوم آنکه مقدار هر ویژگی برای هر یک از کلاس‌ها (انواع مدولاسیون‌ها) با کلاس دیگر کاملا متفاوت باشد. در این صورت با یک سیستم تشخیص نه چندان قوی هم می‌توان درصد تشخیص را به میزان زیادی بهبود بخشید.
شکل۲-۲ نمایی از یک مجموعه ویژگی ایده­آل را برای چند کلاس فرضی نمایش می‌دهد. محور افقی میزان SNR و محور عمودی مقدار ویژگی است. در عمل هر چه ویژگی‌های استخراج‌شده به حالت ایده­آل نزدیک­تر باشند؛ مستقل از نوع طبقه‌بندی کننده‌ای که استفاده می‌شود؛ قطعا دقت عملیات تشخیص بالاتر خواهد بود. اما در حالتی که ویژگی‌های ما با یک دیگر تداخل داشته باشند؛ حتی با انتخاب سیستم تشخیص قوی، نتیجه مطلوب حاصل نمی‌گردد.

کلیدزنی شیفت فاز تربیعی (Quadrature Phase Shift Keying)

RBF

تابع پایه­ شعاعی (Radial Basis Function)

SASS

اندازه گام خود تطبیقی (Self Adaptive Step Size)

SBS

جستجوی برگشتی متوالی (Sequential Backward Search)

SFS

روش جستجوی مستقیم متوالی (Sequential Forward Search)

SRM

اصل حداقل سازی ریسک ساختاری (Structural Risk Minimization)

SNR

نسبت سیگنال به نویز(Signal to Noise Ratio)

SVM

ماشین بردار پشتیبان (Support Vectors Machine)

TDM

تقسیم زمانی (Time Division Multiplexing)

پیشگفتار
پیشگفتار
امروزه شبیه سازی سیستم­های مخابراتی با توجه به پیچیدگی روز به روز تجهیزات، از اهمیت بالایی برخوردار است. مطالعه و بررسی عمل­کرد یک سیستم با روش های تحلیلی، سخت و گاهی غیر ممکن بوده و بررسی عمل­کردهای سیستم مخابراتی مدرن، بدون استفاده از شبیه سازی، ساخت نمونه آزمایشی را اجتناب ناپذیر می­ کند. اما علیرغم­ هزینه­ های بالای ساخت یک نمونه آزمایشی، هزینه­ های آزمایش در شرایط مختلف چندین برابر هزینه شبیه­سازی کامپیوتری خواهد بود. علاوه بر آن شبیه سازی کامپیوتری شرایطی را مورد بررسی قرار می­دهد که تولید همه آن شرایط شبیه­سازی عملا با یک نمونه­ ساخته شده، امکان پذیر نیست و ممکن است فراهم نبودن بسترهای زیرساختی، موجب ایجاد شکافی بزرگ میان مباحث تئوری و پیاده سازی عملی شود. دلایل ذکر شده و نیز سهل الوصول بودن استفاده از کامپیوتر، به طور منطقی بر محبوبیت شبیه­سازی می­افزاید.
یک بخش بسیار مهم در تمامی سیستم­های مخابراتی، بخش بازیابی اطلاعات در گیرنده است. اهمیت این بخش زمانی روشن می­گردد که بنا به هر دلیلی، گیرنده از محتوی نوع سیگنال ارسالی در فرستنده و نیز شرایط کانال اطلاع نداشته باشد. تاکنون روش­های مختلفی برای تشخیص خودکار نوع مدولاسیون دیجیتال پیشنهاد شده است که هر کدام، در شرایط گوناگون سعی در ارائه روشی خودکار برای شناسایی نوع مدولاسیون داشته اند. روش­های ارائه شده در دو روش کلی خلاصه می­شوند: روش­های مبتنی بر نظریه­ تصمیم (با معیارهای آماری) و روش­های مبتنی بر تشخیص الگو.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

با توجه به سادگی و تعمیم­پذیری روش­های مبتنی بر تشخیص الگو در این پایان نامه به دنبال ارائه روشی هستیم تا با آن بتوان ویژگی­های کارایی را از سیگنال استخراج و انتخاب نموده و سپس با بهره گرفتن از مفاهیم تشخیص الگو، نوع مدولاسیون را تشخیص دهیم. در بیشتر سیستم­های پیشنهاد شده قبلی، همواره ویژگی­هایی از سیگنال دریافتی در گیرنده استخراج می­گردد. این ویژگی­ها در مرحله­ بعدی به واحد دیگری به نام واحد طبقه ­بندی­کننده تحویل داده می­ شود. طبقه ­بندی­کننده ابتدا درصدی از این ویژگی­­ها را برای تمامی کلاس­ها انتخاب نموده و براساس آنها، فرآیندی موسوم به فرایند آموزش داده ­ها را، پیاده­سازی می­ کند. در حالت آموزش، شناساگر عموما، فضای بردار ویژگی را با شاخص­ هایی بین کلاس­ها تقسیم می­نماید. سپس در حالت آزمایش، طبقه بندی کننده، براساس درصد باقی مانده از سیگنال­ها، ویژگی­ها را با این شاخص­ های عمل­کردی می­سنجد. کارایی سیستم در این حالت، تابعی براساس درصد تشخیص صحیح سیستم است. هر چقدر ویژگی­ها از نظر مفاهیم آماری (میانگین، واریانس و غیره) در دو حالت آموزش و تست برای هر کلاس، پایدارتر بوده و نیز نسبت به دیگر کلاس­ها همبستگی کمتری داشته باشند؛ قدرت تشخیص شناساگر، بیشتر خواهد بود. متناظرا هر سیستمی که به داده ­های کمتری برای آموزش و آزمایش نیاز داشته باشد قابلیت بیشتری دارد و اصطلاحا نسبت به داده ­های ندیده مقاوم­تر است.
در روش­های شناسایی قبلی که مبتنی بر تشخیص الگو هستند ویژگی­هایی از سیگنال استخراج شده و بعد از آن این ویژگی­ها با شناساگری که درصد تشخیص بهتری را ارائه می­داد، مورد ارزیابی قرار می­گرفت. تقریبا در تمامی کارهای گذشته برای کاهش ابعاد ویژگی و نیز کاهش پیچیدگی سیستم، روش­هایی برای انتخاب ویژگی پیشنهاد می­گردید. در این روش­ها عموما از الگوریتم­های تکاملی برای جستجوی سراسری فضای ویژگی استفاده می­شده و زیر مجموعه ­ای از بردار ویژگی که منجر به درصد تشخیص بالاتر می­شد به عنوان زیرمجموعه کارا انتخاب می­شد. در پاره­ای از روش­ها نیز از این الگوریتم­ها برای بهینه­سازی تنظیمات مربوط به طبقه بندی کننده­ها استفاده می­شد.
از میان طبقه بندی کننده­ های مورد استفاده در روش­های تشخیص الگو می­توان به شبکه ­های عصبی مصنوعی، طبقه بندی کننده­ های فازی، مدار طبقه بندی کننده آستانه­ای و ماشین بردار پشتیبان اشاره نمود. در بین این شناساگرها، طبقه بند ماشین بردار پشتیبان، به دلیل استفاده از مفاهیم ساختار­محور در کمینه­سازی خطا، همواره با استقبال بیشتری از سوی محققان رو به رو بوده است. در این پایان نامه نیز این شناساگر، جهت تفکیک سیگنال­های مدولاسیون دیجیتال استفاده شده است.
فصل اول
مقدمه­ای بر سیستم شناسایی خودکار نوع مدولاسیون
مقدمه