رساله دکترای مهندسی برق-الکترونیک

چکیده:

فیلترسازی تطبیقی دیجیتال یکی از مهم‌ترین روش‌ها در پردازش سیگنال است. بکارگیری فیلترهای دیجیتال با پاسخ ضربه نامتناهی (IIR) عملکرد بهتری در برآورده کردن مشخصه‌های مطلوب نسبت‌به فیلتر معادل پاسخ ضربه متناهی(FIR) در پی دارد. لذا استفاده از فیلترهای IIR تطبیقی مرسوم‌تر و در مقابل سطح خطای این نوع فیلترها معمولاً چندوجهی بوده و ارتباط مستقیمی با ضرایب فیلتر دارد. از این‌رو بهره‌گیری از تکنیک‌های محاسبات نرم نظیر الگوریتم‌های فرا ابتکاری تأثیر به‌سزایی در طراحی بهینه و شناسایی دقیق ساختار سیستم‌های تطبیقیIIR دارد. هدف در این تحقیق، غلبه بر چالش‌های طراحی فیلترهای دیجیتال IIR به واسطه بهره‌گیری از روش‌های بهینه‌سازی فرا ابتکاری و ارتقاء ساختار این الگوریتم‌ها در جهت مدل‌سازی و طراحی هوشمند (مرتبه و ضرایب) و پایدار مدل‌های IIR است. راهکار پیشنهادی مبتنی بر طراحی فیلتر با مرتبه هوشند در راستای کاهش پیچیدگی‌های طراحی فیلتر IIR بهینه است. در این راستا ابتدا ارزیابی عملکرد گونه‌های متفاوتی از الگوریتم‌های رایج و قدرتمند (الگوریتم‌های وراثتی (GA) و تکامل تفاضلی (DE) مبتنی بر نظریه تکامل در کنار شش الگوریتم هوش جمعیِ بهینه‌سازی گروه ذرات (PSO)، الگوریتم جستجوی گرانشی (GSA)، بهینه‌ساز مورچه‌گیر (ALO)، بهینه‌سازی آموزش و یادگیری (TLBO)، بهینه‌سازی سیستم صفحات شیبدار (IPO) و بهینه‌سازی بیوگرافی (BBO)) انجام می‌شود. سپس برای اولین بار در جهت تخمین بهینه مرتبه فیلتر همزمان با ضرایب مدل IIR پیشنهادی، یک نسخه‌ی طول متغیر از الگوریتم PSO پیشنهاد و در این رابطه بکار گرفته می‌شود. برآیند نتایج و ملاحظات به‌ازای پنج نمونه مدل IIR چالشی با مرتبه‌های متفاوت در قیاس با روش مونت کارلو، حاکی از صحت و دقت رویکرد پیشنهادی مبنی‌بر تخمین مرتبه و ضرایب فیلتر بهینه، تابع هدف مجموع وزن‌دار، تحلیل‌ها و ارزیابی‌های خروجی و سایر شبیه‌سازی‌ها می‌باشد.

________________________________________________________________

دوستان گرامی برای دسترسی به متن کامل رساله فوق می توانند به آدرس ذیل مراجعه نمایند:

https://ganj.irandoc.ac.ir//#/articles/11365526a5a01f4bc290dd40470ae941

اولین کنگره مشترک هوش محاسباتی (چهارمین کنفرانس محاسبات تکاملی و هوش جمعی & هشتمین کنگره مشترک سیستم های فازی و هوشمند) در تاریخ ۱۴ تا 16 اسفندماه ۱۳۹۸ توسط دانشگاه فردوسی مشهد - انجمن سیستم های هوشمند ایران و تحت حمایت سیویلیکا در شهر مشهد برگزار خواهد شد. با توجه به اینکه این همایش به صورت رسمی برگزار می گردد، کلیه مقالات این کنفرانس در پایگاه سیویلیکا و نیز کنسرسیوم محتوای ملی نمایه خواهد شد و شما می توانید با اطمینان کامل، مقالات خود را در این همایش ارائه نموده و از امتیازات علمی ارائه مقاله کنفرانس با دریافت گواهی کنفرانس استفاده نمایید.

برای کسب اطلاعات بیشتر به نشانی پایگاه اینترنتی کنفرانس به آدرس ذیل مراجعه کنید:

http://cci.um.ac.ir/index.php?lang=en

نمایه سازی مجموعه مقالات دومین کنگره ملی توسعه پژوهش های نوین در مهندسی برق و کامپیوتر در پایگاه وزین سیویلیکا (لینک ذیل)

https://www.civilica.com/Papers-ECCIRD02=%D8%AF%D9%88%D9%85%DB%8C%D9%86-%DA%A9%D9%86%DA%AF%D8%B1%D9%87-%D9%85%D9%84%DB%8C-%D8%AA%D9%88%D8%B3%D8%B9%D9%87-%D9%BE%DA%98%D9%88%D9%87%D8%B4-%D9%87%D8%A7%DB%8C-%D9%86%D9%88%DB%8C%D9%86-%D8%AF%D8%B1-%D9%85%D9%87%D9%86%D8%AF%D8%B3%DB%8C-%D8%A8%D8%B1%D9%82-%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1.html

Authors: Sadegh Mohammadi-Esfahrood; Ali Mohammadi; Seyed Hamid Zahiri

Abstract:

The efficiency of heuristic optimization methods has led researchers to considerably use these methods to solve complex engineering problems. Inclined planes system optimization (IPO) is a relatively new heuristic algorithm that is inspired by the dynamic movement of objects on inclined planes without friction. This paper presents a simplified and effective version of IPO (called SIPO) with the aim of simplifying the main IPO equations, creating a powerful trade-off between the concepts of exploitation and exploration, and modifying the complexity of their structural parameters. The performance of the proposed algorithm is measured on 10 benchmark functions. The results clearly demonstrate the improved performance and superiority of SIPO compared to the standard version of the IPO and its improved versions.

Published in: 2019 5th Conference on Knowledge Based Engineering and Innovation (KBEI)

Date Added to IEEE Xplore: 13 June 2019

DOI: 10.1109/KBEI.2019.8735044

Publisher: IEEE

Authors: Najmeh Sayyadi Shahraki; Ali Mohammadi; Sadegh Mohammadi-Esfahrood; Seyed Hamid Zahiri

Abstract:

Low-Noise Amplifier (LNA) is the first critical component and an important part of the analog integrated systems and wireless communication technology. LNA plays a key role in the design of Radio Frequency (RF) circuits. High voltage gain, low power consumption, high bandwidth and low Noise Figure (NF) are among the most prominent characteristics of LNAs. In this paper, in order to establish an appropriate tradeoff between circuit contradictory objectives and overcoming the design problem of an efficient LNA, the approach is focused on utilizing metaheuristic optimization methods for elements intelligent sizing and circuit automatic design. For this purpose, the Computer-Aided Design (CAD) tool based on the new and powerful version of Multi-Objective Gray Wolf Optimization (MOGWO) has been used. Implementation of algorithms in Matlab and circuit simulations in Hspice has done. Simulation results, in contrast to other research, not only meet the design specifications, but also provide a variety of solutions under the "Pareto-optimality", which allows designers to have more design options. Also, the evaluations indicate the close competition between the proposed method and other commonly used methods.

Published in: 2019 5th Conference on Knowledge Based Engineering and Innovation (KBEI)

Date Added to IEEE Xplore: 13 June 2019

DOI: 10.1109/KBEI.2019.8735091

Publisher: IEEE

Authors: Ali Mohammadi, Seyed Hamid Zahiri, Seyyed Mohammad Razavi

Abstract:

Artificial Intelligent Optimization (AIO) algorithms learn from the past searches via using a group of individuals or agents. These Artificial Intelligence-based optimizing techniques are able to solve complex optimization problems with complicated constraints. They find the optimal in the low possible number of iterations, where optimal means the best from all possibilities selected from a special point of view. This paper presents a research on employing AIO methods with aim to Infinite Impulse Response (IIR) system modeling for design and optimization of IIR digital filters. The proposed methods cover a variety of AIO methods; algorithm based on evolution strategy (genetic algorithm) and heuristic algorithms (particle swarm optimization, population-based; gravitational search algorithm, and inclined planes system optimization, both population-based and based on Newton’s laws). In this paper, the IIR system modeling is solved as a constrained single-objective optimization problem in the Mean Squared Error (MSE) fitness function and is evaluated for two different benchmark IIR plants with high and low orders. To evaluate performance, efficiency and efficacy of the methods, two important criteria are used: Indicator of Success (IoS)” and Degree of Reliability (DoR)”. In addition, the effect of decreasing population size (search agents) is analyzed on the performance and efficiency of the algorithms. Simulation results clarify the success of the research in terms of the MSE, IoS and DoR.

Keywords: Artificial intelligent optimization IIR system modeling Digital filter design Indicator of success Degree of reliability.

Journal: Evolving Systems

Publisher Name: Springer Berlin Heidelberg

DoI: https://doi.org/10.1007/s12530-0-92-z