شکل۲۶-۲معماری سه لایه اینترنت اشیا]۲۸[
۲-۹-۲معماری ۴ لایه
شکل ۲۷-۲نمایش معماری ۴ لایه اینترنت اشیا]۲۹[
یکی دیگر از معماری اینترنت اشیا معماری ۴ لایه می باشد در این معماری لایه ادراک مانند معماری های دیگر در اولین گام قرار دارد و بعد از آن لایه دسترسی قرار می گیرد و هدف آن هماهنگی بین تکنولوژی های مختلفی است که در قسمت کسب اطلاعات مورد استفاده قرار گرفته ،سپس لایه شبکه و تکنولوژی های مربوط به انتقال اطلاعات واقع شده بعد از این لایه میان افزار های برای افزایش کارایی قرار می گیرد و در نهایت لایه است که وظیفه آن ارائه سرویس به کاربران نهایی است

( اینجا فقط تکه ای از متن پایان نامه 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. )

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

۳-۹-۲معماری ۵ لایه
در معماری دیگر علاوه بر سه لایه اصلی دو لایه دیگر نیز مطرح می شود]۲۰[:
شکل ۲۸-۲معماری ۵ لایه اینترنت اشیا]۲۰[
دو لایه عبارتند از:

• • لایه مدیریت داده^[۶۲]

• • لایه منطق تجاری^[۶۳]

لایه مدیریت داده:
این لایه بین لایه ادراک و شبکه قرار می گیرد. این لایه مسئول فیلتر،تمیز کردن، پردازش داده ها و تبدیل داده ها را برعهده دارد.
اشیاء در دنیای واقعی همیشه در حال تغییر است، دستگاه که در لایه ادراک هستند تنها می توانند داده های خام از جسم از طریق برخی از فن آوری های مانند RFIDبدست آورد و نمی تواند آنها پردازش،فیلتر و منتقل کرد همچنین ممکن است مقدار داده ها و اطلاعات در یک دوره زمانی بسیار زیاد باشد و دارای افزونگی شود در این صورت مدیریت این داده ها واطلاعات نیاز حیاتی است که این لایه به انجام این وظیفه می پردازد.
لایه منطق تجاری:
این لایه دربین لایه شبکه و لایه کاربردی تعریف می شود لایه منطق کسب و کار مسئولیت پردازش و به دست گرفتن اطلاعات ارائه شده توسط لایه شبکه، و ارائه خدمات به لایه کاربرد همچنین دسترسی و کنترل و مدیریت فرایند نیز از وظایف این لایه می باشد.
۴-۹-۲معماری ۶لایه
برپایه معماری ۳ و ۵ لایه مطرح شده معماری ۶ لایه دیگر به صورت زیر تعریف شده است(شکل۲۹-۲):
شکل ۲۹-۲نمای از معماری ۶ لایه ای اینترنت اشیا]۳۰[
از شش لایه تشکیل شده: لایه کد ،لایه کسب اطلاعات ، لایه دسترسی به اطلاعات، لایه شبکه،لایه یکپارچه سازی اطلاعات، و لایه ارائه سرویس.
• لایه کد: این لایه پایه اینترنت اشیا است. کد ها در واقع شماره شناسه برای هریک از اشیاءاست، با کمک آن اشیاء را می توان در چرخه اینترنت اشیا به رسمیت شناخته می شوند.
• لایه کسب اطلاعات: وظیفه این لایه به جمع آوری و شناسایی داده ها اشیاء از طریق سنسورهای مختلف، RFID، کد های دو بعدی، دوربین، GPS وعاملان هوشمند است(این لایه منبع اینترنت اشیا است).
• لایه دسترسی به اطلاعات: این لایه به انتقال اطلاعات به دست آمده از لایه کسب اطلاعات به لایه شبکه مبادرت می کند.انتقال اطلاعات می تواند با بهره گرفتن از ارتباطات تلفن همراه (از قبیل، GSM، TD-SCDMA)، WiMax،تجهیزات ارتباطات WiFiو یا سایر ابزارهای ارتباطی باشد.
• لایه شبکه: این لایه بستر های شبکه (IPV6 ویا IPV4 )است که می توان آنرا به به شکل یک شبکه هوشمند بزرگ تبدیل کرد که قادر به استفاده از تمام منابع در شبکه باشد.
•لایه یکپارچه سازی اطلاعات: مدیریت و کنترل داده های گسترده و نامشخص درشبکه،تجدید داده ها ، فیلتر و یکپارچه کردن و تبدیل آنها برای ارائه یک سرویس مناسب به لایه کاربرد از جمله وظایف این لایه است .
• لایه ارائه سرویس:این لایه به ادغام سرویس های قابل دسترس و سرویس های کاربردی، به منظور ارائه سرویس مناسب به صنایع و کاربران مختلف مبادرت می کند .
۱۰-۲اینترنت اشیای زیر آب(IOUT)^[64]
اینترنت اشیای زیر آب با عث انقلابی دیگر در محاسبات و ارتباطات گردید. آن را به عنوان شبکه بین اشیاء زیر آب سراسر جهان که به یک نهاد دیجیتال هوشمند متصل هستند تعریف کرده اند.]۳۱[
به دلیل ترکیبی از اینترنت ،فن آوری ردیابی قدرتمند و سنسور های تعبیه شده امکان تفسیر و واکنش به محیط زیست را فراهم می کند.همچنین اتصال اشیای زیر آب با همه اشیای روی زمین ممکن می سازد (به عنوان مثال تلفن های هوشمند). هر جسم فیزیکی زیر آب حاوی اطلاعات غنی شامل اطلاعت تاریخی ،وضعیت کنونی ،خاستگاه و زمینه ها محیطی می باشد با استفاده این اطلاعات و ایجاد ارتباطات (انسان با اشیا-H2T-،اشیا با اشیا-T2T) می توان به طور چشمگیری به حفظ و مدیریت زیستگاه ها و منابع پرداخت.
تقریبا ۷۱٪ درصد سطح زمین توسط آب ، پوشش داده شده است . این آبها به چند دسته تقسیم می شوند اقیانوس ها،دریاها و دریاچه ها.
تعیین درجه حرارت اقیانوس ها آب و هوا و الگوی بادهای اقیانوسی می تواند حیات بر روی زمین متاثیر سازدهمچنین آب شیرین موجود در دریاچه ها و رودخانه ها کمتر از ۱٪ می باشد و ایجاد هر گونه آلودگی می توان خسارات جبران ناپذیری برروی اکوسیستم وارد سازد اینترنت اشیای زیر آب ما را به نظارت بر مناطق وسیع آب های ناشناخته قادر می سازد تا به کمک آن بتوان اشیای زیر آب را به منطور حفظ محیط زیست ،شناخت علمی و صنعتی محیط زیر آب و پیاده سازی اهداف نظامی و امنیتی مورد پایش و بررسی قرار داد.
۱-۱۰-۲ویژگی های اینترنت اشیای زیر آب
اینترنت اشیای زیر آب از نظر برخی از ویژگی ها دارای شباهت ها با اینترنت اشیا(IOT) است) مانند ساختار و عملکرد(این ,ولی در برخی از ویژگی ها متفاوتند مانند طرز محاسبات ومحدودیت در انرژی به طور خلاصه این ویژگی های متفاوت عبارتند از:
۱-تکنولوژی های متفاوت ارتباطی
امواج رادیویی خوبی زیر آب انتشار پیدا نمی کنند]۳۲[ مهم ترین محدودیت در ازتباطات الکترومغناطیس (EM) در آب شیرین اندازه آنتن و بزرگی آن و در آب های آزاد حجم بالای آن می باشد ]۳۳[ بنابراین، اکثرارتباطات در اینترنت اشیا با بهره گرفتن از لینک های صوتی برقرار می شود.
اگر چه امواج صوتی از نظر جامعه علمی به عنوان رسانه انتقال فیزیکی زیر آب پذیرفته شده اند اما تاخیربالا در انتشار و نرخ خطا در بیت بالا در کانال آکوستیک زیر آب از معایب این دسته از ارتباطات هستند.
در موارد شدید تغییرات سرعت صوت با عمق با عث انکسار سیگنال و در نتیجه ایجاد کانال می شود که به مناطق سایه می گویند نرخ خطا در بیت مقدار زیاد و باعث از دست رفتن ارتباط می شود پهنای باند کانال های صوتی زیر آب در دسترس به شدت محدود بوده و بستگی دارد به محدوده انتقال و فرکانس دارد.
استفاده از سیستم های دور برد باعث انتشار تا چند ده کیلومتر می شود ولی دارای پهنای باند محدود چند کیلو هرتز هستند و سیستم های برد کوتاه تا چند متر را پوشش می دهند ولی پهنای باند هزاران کیلو هرتز دارند. علاوه بر این، امواج صوتی تحت تاثیر تلاطم ناشی از امواج جزر و مدی و رسوبات معلق،سر و صدا صوتی و فشار های ناشی از شیب قرارمی گیرند.
۲-فن آوری های مختلف ردیابی
اساسا شناسایی در اینترنت اشیا (RFID) ها هستند در حالیکه در اینترنت اشیای زیر آب از فناوری های مختلف برای ردیابی استفاده می شود که عبارتند از:
۱-۲برچسب های صوتی
برچسب های صوتی به وسیله دستگاه های صوتی منتشر می شود محدود پوششی آنها وسیع است (تا حد ۱ کیلومتر در آب شیرین)بیشتر برای شناسایی موجودات زنده و اجسام متحرک مورد استفاده قرار می گیرند.
۲-۲برچسب های های رادیویی
برچسب های رادیویی به وسیله سیگنال های رادیویی منتشر شده و با سیستمی که شامل یک یا چند آنتن و گیرنده هستند شناسایی می شوند.محدوده پوششی آنها حدود ۱۰ متر در آب شیرین و در آ بهای شور و دریا ها نمی تواندکار کنند.
۳-۲ PIT^[65]
برچسب های هسند که در شیشه ای محصور شده اند.آنها نیاز منبع انرژی خارجی(مانند قرائتگر) دارند تا فعال شده و به ارسال داده بپردازند محدود پوشش آنها حدود ۲۰ سانتی متر می باشد و تحقیقات در رابطه به کارگیری در آب های شور ادامه دارد.این برچسب ها در اندازه های کوچکی هستند و می توان آنها را در ماهی های و موجودات زنده کوچک به منظور ردیابی و کسب اطلاعات محیطی قرارداد.

نوع برچسب ها

ویژگی ها

۳-۶- مسئله تقسیم ریسک ۱۰۴
۳-۷- انتخاب تحت شرایط نااطمینانی ۱۰۵
۳-۸- اطلاعات نامتقارن ۱۰۷
۳-۸-۱- انتخاب معکوس ۱۰۷
۳-۸-۲- مخاطره اخلاقی ۱۰۸
۳-۹- مسئله کارفرما-کارگزار ۱۰۹
۳-۱۰- مسئله کارفرما-کارگزار در فرایند اوراق بهادارسازی ۱۱۱
۳-۱۰-۱- یک مدل عاملیت مقدماتی ۱۱۲
۳-۱۰-۱-۱- قاعده تقسیم ریسک بهینه در شرایطی که تنها پیش­آمد مشاهده می­ شود ۱۱۴
۳-۱۰-۱-۱-۱- جواب بهینه اول (F.B) 116
۳-۱۰-۱-۱-۲- جواب بهینه دوم (S.B) 123
۳-۱۰-۱-۲- رویکرد مرتبه اول (FOA) 125
۳-۱۰-۱-۳- بده­بستان ریسک-انگیزه ۱۳۲
۳-۱۰-۱-۴- برنامه جبران کارگزار ۱۳۳
۳-۱۰-۱-۵- جمع­آوری اطلاعات اضافی ۱۴۱
۳-۱۰-۱-۵-۱- قاعده تقسیم بهینه بر مبنای اطلاعات اضافی ۱۴۵
۳-۱۰-۱-۵-۲- ارزش اطلاعات ۱۴۹
۳-۱۰-۱-۶- تلاش چندبعدی ۱۵۲
۳-۱۱- استنباط بیزین ناپارامتریک ۱۵۲
۳-۱۰-۱- مدل­های مشخصه نهفته ۱۵۷
۳-۱۱-۱-۱- یک توزیع بر روی ماتریس­های باینری نامتناهی ۱۶۰
۳-۱۱-۱-۱- یک مدل مشخصه متناهی ۱۶۱
۳-۱۱-۱-۱-۱- کلاس­های هم­ارزی ۱۶۳
۳-۱۱-۱-۲- حد بی­نهایت مدل مشخصه ۱۶۶
۳-۱۱-۱-۳- فرایند IBP 167
۳-۱۲- مدل­سازی داده ­ها ۱۶۹
۳-۱۲-۱- ساختار رستوران ۱۷۰
۳-۱۲-۱-۱- ویژگی­های توزیع IBP تحت ساختار رستوران ۱۷۳
۳-۱۲-۲- ساختار چسباندن-شکست­ها ۱۷۵
۳-۱۲-۲-۱- استنباط تغییر برای فرایند IBP 176

(( 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. ))

فصل چهارم: توصیف و تجزیه و تحلیل یافته­ ها
۴-۱- مقدمه ۱۸۲
۴-۲- الگوریتم استنباط ۱۸۳
۴-۲-۱- نمادگذاری ۱۸۳
۴-۳- بیز تغییر ۱۸۴
۴-۳-۱- رویکرد بیز تغییر میدان میانگین ۱۸۵
۴-۴- بیان مسئله ۱۸۷
۴-۵- ساده­سازی چارچوب مسئله بهینه­سازی KL 189
۴-۵-۱- راه حل بهینه­سازی انرژی آزاد ۱۹۱
۴-۶- استنباط تغییر ۱۹۴
۴-۶-۱- رویکرد تغییر متناهی ۱۹۶
۴-۶-۱-۱- کران پایین بر روی راستنمایی حاشیه­ای ۱۹۷
۴-۶-۱-۲- به روز رسانی پارامترها ۱۹۹
۴-۷- نتایج شبیه­سازی ۲۰۰
۴-۷-۱- ساختن داده ­ها ۲۰۱
۴-۸- طراحی بهینه اوراق بهادار MBS 206
۴-۸-۱- مشخصه­های برنامه انگیزه بهینه ۲۱۴
۴-۸-۲- شرایط کافی ۲۱۶
۴-۸-۲-۱- ویژگی نسبت راستنمایی یکنواخت (MLRP) 217
۴-۸-۲-۲- ویژگی تحدب تابع توزیع (CDFP) 220

(۶-۲۱)
بهره کنترل کننده استاتیکی از رابطه زیر بدست می آید:
(۶-۲۲)

• • اثبات

از اصل ۶-۱ به این نتیجه رسیدیم که سیستم (۶-۱) پایدار خواهد بود در صورتیکه وجود داشته باشند و بطوریکه نامعادلات ماتریسی
(۶-۲۳)
به ازای برقرار باشند.
اکنون جهت اثبات تئوری ۶-۱ به بیان تعمیم یافته تئوری ۱ از ]۱۵[ برای سیستم های فازی و اثبات آن میپردازیم.

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

(( 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. ))

تئوری۱ از ]۱۵[ بیان میدارد که سیستم (۶-۱) پایدار است، اگر و تنها اگر وجود داشته باشند ، و بطوریکه نامعادلات ماتریسی
(۶-۲۴)
به ازای بر قرار باشند.
بنا بر مطالب ارائه شده در ]۱۵[ اثبات مسئله فوق به این ترتیب است که ابتدا فرض مینماییم که و وجود داشته باشند به گونه ای که نامعادله فوق را به ازای برخی مقادیر برآورده نمایند. اکنون اقدام به کم نمودن طرف چپ نامعادله (۶-۲۳) از طرف چپ نامعادله (۶-۲۴) مینماییم. خواهیم داشت:
(۶-۲۵)
بنابراین چنانچه ثابت نماییم که ماتریس فوق نیمه معین مثبت میباشد در حقیقت درستی رابطه(۶-۲۳) را توسط رابطه (۶-۲۴) تأیید نموده ایم. برای تمامی داریم:
(۶-۲۶)
اکنون داریم:
(۶-۲۷)
که از آن میتوان به این نتیجه رسید که ماتریس رابطه (۶-۲۵) نیمه معین مثبت است. این مسئله به این معناست که جهت بررسی پایداری سیستم (۶-۱) میتوان به جای نامعادلات (۶-۲۳)، نامعادلات (۶-۲۴) را مورد بررسی قرار داد و یا آنرا جایگزین نمود. اکنون با جایگزینی ماتریس رابطه (۶-۲۴) در ماتریس رابطه (۶-۷) و نیز جایگذاری ترم های موجود در آن نامعادلات تئوری۶-۱ بدست می آیند و اثبات تکمیل میگردد.
تئوری۶-۱ بیان میدارد که به منظور یافتن یک قانون کنترلی فیدبک استاتیک خروجی که تعقیب فازی را تضمین مینماید، نیازمند یافتن یک پاسخ امکان پذیر برای نامعادلات ماتریسی (۶-۲۰)- (۶-۱۸) هستیم. توجه نمایید که نامعادلات ماتریسی (۶-۲۰)- (۶-۱۸) نسبت به تمامی متغیر ها به جز خطی میباشند. اکنون اقدام به ارائه یک الگوریتم خطی سازی مکمل مخروطی^[۴۹] جهت یافتن یک جواب امکان پذیر میپردازیم. توجه نمایید که متغیر اسکالر و معکوس آن هر دو در (۶-۲۰)- (۶-۱۸) ظاهر میشوند. در ابتدا بردار زیر از اسکالر های مثبت را تعریف میکنیم:

در گام بعد بردار کمکی زیر را مشابه بردار بالا با اسکالر های مثبت جدید تعریف مینماییم:

به عنوان مثال چنانچه تعداد قوانین برابر ۲ باشد خواهیم داشت:

اکنون نامعادلات ماتریسی (۶-۱۰)- (۶-۸) را در نظر میگیریم. در این نامعادلات ابتدا یک مقدار اولیه برای تعیین مینماییم. سپس ترم های را با ترم جدید جایگزین میکنیم. با این عمل ماتریس های ، و را به ترتیب به جای ماتریس های ، و بدست می آوریم. اکنون الگوریتم زیر را جهت یافتن یک پاسخ امکان پذیر برای (۶-۲۰)- (۶-۱۸) بیان میکنیم.

• • الگوریتم ۶-۱

1. 1. یک مقدار اولیه برای تعیین نمایید. یک پاسخ امکان پذیر و را برای مسئله LMI زیر بیابید:

(۶-۲۸)
چنانچه پاسخی یافت نشد، مسئله پاسخ امکان پذیری ندارد و باید از الگوریتم خارج شویم. در غیر اینصورت، قرار میدهیم.

1. 1. و قرار دهید و و را بیابید که مسئله مقدار ویژه LMI زیر را حل نماید:

(۶-۲۸)

1. 1. یک معیار جهت توقف بکار بگیرید، چنانچه شرایط برآورده گردید از الگوریتم خارج شوید، در غیر اینصورت قرار دهید و به گام ۲ بروید.

در ]۱۸[ بیان گردیده است که دنباله از پایین محدود بوده و رو به کاهش میباشد و به کمینه مقدار خود همگرا میگردد و برای حالت کمینه داریم یا ،پس بکار گرفتن الگوریتم فوق موجب یافتن یک جواب امکان پذیر برای نامعادلات ماتریسی (۶-۲۰)- (۶-۱۸) میگردد و بنابراین بر طبق تئوری ۶-۱ کنترل کننده فازی فیدبک استاتیک خروجی مقاوم بدست می آید.
از آنجاییکه هدف یافتن حداقل میباشد به این صورت عمل میکنیم که یک مقدار اولیه برای تعیین مینماییم و الگوریتم ۶-۱ را اجرا میکنیم، اگر به ازای آن مقدار، الگوریتم منجر به یافتن یک جواب امکان پذیر گردید، اقدام به کاهش مقدار مینماییم، به عنوان مثال مقدار آن را به نصف کاهش میدهیم و مجدد الگوریتم را اجرا مینماییم. این کار را تا جایی انجام میدهیم که الگوریتم منجر به جواب نگردد، و به این ترتیب مقدار کمینه را خواهیم یافت.
اکنون کارآمدی کنترل کننده طراحی شده را با اعمال آن به یک سیستم در مثال ۶-۱ نشان میدهیم.

• • مثال ۶-۱

سیستم غیرخطی دارای تأخیر زمانی و عدم قطعیت زیر را در نظر بگیرید:

همان طور که در فصل قبل دیدیم، روش های تخمین کانال مبتنی بر معیار بیز نظیر الگوریتم MMSE عملکرد بهتری نسبت به روش های تخمین کانال مبتنی بر آمار کلاسیک نظیر الگوریتم LS ارائه می دهند، اما با دو مشکل عمده روبه رو هستند: یکی وابستگی به اطلاعات آماری کانال نظیر ماتریس خودهمبستگی کانال و دیگری پیچیدگی محاسباتی است که این روش ها در عمل دارند. از این رو استخراج روش هایی که ضمن ارتقای عملکرد الگوریتم های تخمین کانال مبتنی بر معیار LS، از پیچیدگی محاسباتی کمتری نسبت به الگوریتم تخمین کانال مبتنی بر معیار MMSE برخوردار باشند از اهمیت بالایی برخوردار است. به طور شهودی می توان گفت که بهره برداری از اطلاعات پیشین در مورد سیگنال مطلوب مانند اطلاعات آماری و یا مدل و ساختار سیگنال می تواند به بهبود کیفیت تخمین آن سیگنال کمک کند. از آن جا که کانال فیزیکی تاثیر گسترده و بسیار چشمگیر در سیگنال دریافتی در گیرنده دارد، مطالعه و مدل کردن کانال فیزیکی در محیط های گوناگون انتشاری در طراحی سیستم های مخابراتی، یکی از مهم ترین موضوعات مراکز تحقیقاتی و دانشگاهی در چند دهه ی گذشته بوده است. مطالعات تئوریک، عملی و آزمایشگاهی در مورد کانال مخابراتی منجر به ارائه ی مدل هایی برای توصیف مشخصات کانال بر اساس نحوه ی انتشار در محیط شده است. در [۱۲]، [۱۵]، [۱۶]، [۳۴]، [۳۵]، [۴۱]، و [۴۲] تعدادی از منابع علمی که به بررسی کانال از دیدگاه تئوری و یا از دیدگاه عملی و آزمایشگاهی پرداخته اند آمده است. دسته بندی پاسخ ضربه کانال بر اساس پروفایل تاخیر توان، از شناخته شده ترین و پر کاربرد ترین مدل های کانال در نظر گرفته شده در شبکه های سلولی نظیر مدلCOST 207 می باشد [۱۲]. در این بین سه مدل two-ray، TU^[164]، و HT^[165] از رایج ترین مدل هایی هستند که دارای کاربرد عملی گسترده ای می باشند [۲۵].
(( 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. ))

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

در این فصل الگوریتمی را پیشنهاد می دهیم که با بهره بردن از مدل کانال محوشدگی two-ray بدون نیاز به اطلاعات آماری، عملکرد تخمینگر LS کانال را به طور قابل ملاحظه ای ارتقا می دهد. با توجه یه اینکه نویز نقش کلیدی در NMSE تخمین کانال بازی می کند، اتخاذ روش هایی به منظور کاهش اثر نویز در تخمینگر از اهمیت بالایی برخوردار است. در این روش با بهره گرفتن از آزمون فرضی ^[۱۶۶]GLR و حذف بخشی از نویز از تخمینگر LS، عملکرد آن بهبود می یابد. علاوه بر این الگوریتم پیشنهادی از پیچیدگی محاسباتی کمتری نسبت به آنچه که در بخش (۷-۲) آمد برخوردار است. در ادامه به معرفی مدل کانال محوشدگی two-ray پرداخته و سپس به تشریح الگوریتم تخمین کانال پیشنهادی می پردازیم.
مدل کانال two-ray
پاسخ ضربه ی کانال محوشدگی two-ray متغیر با زمان در باند پایه، متناسب با آنتن فرستنده ی ام و آنتن گیرنده ی ام به صورت زیر بیان می شود [۳۸]:

(۸-۱)

که در آن و بهره ی کانال و فرایند های گوسی مختلط غیر همبسته با میانگین صفر هستند و تاخیر متناسب با مسیر دوم کانال

• ii) اگر به صورت i توزیع شده باشد داریم:

که توزیع خی دو^[۲۵] p درجه آزادی است.
(iii
که w(. ,.) توزیع ویشارت^[۲۶] است. این توزیع حالت چند متغیره‌ی خی دو است.

• iv) اگر Z و D متغیرهای تصادفی مستقل باشند که به صورت زیر توزیع شده‌اند.

فرم توان دوم زیر در قرار است:
که به صورت زیر توزیع شده است:
که توزیع فیشر^[۲۷] با () درجه آزادی است. اگر ارزش انتظاری z را با نشان دهیم و مخالف صفر باشد آنگاه (ضرب شده با ثابت‌های مناسب) یک توزیع f غیر مرکزی با پارامتر مرکزیت دارد.

• v) اگر و که f>p باشد و fD را بتوانیم به صورت تجزیه کرد بطوری که:

و z از مستقل باشد فرم توان دوم زیر را داریم:
و بصورت زیر توزیع می‌گردد:
که B(p, f-p) توزیع مرکزی بتا با (f, f-p) درجه آزادی است
اگر ارزش انتظاری مخالف صفر باشد توزیع غیر مرکزی با پارامتر عدم مرکزیت دارد.
دقت کنید بر خلاف (iv) اگر چه Z از مستقل است ولی از D مستقل فرض نشده است.

• vi) اگر نمونه از k زیر گروه به اندازه‌ای n تشکیل شده باشد که از توزیع بالا نشأت گرفته‌اند و میانگین زیر گروه‌ها و میانگین کل باشد داریم:

و
vii) تحت شرایط (ii) اگر زیر گروه‌های اضافی از توزیع یکسان باشند آنگاه :
viii) اگر نمونه از k زیر گروه به اندازه‌ی n تشکیل شده باشد که عیناً توزیع نرمال چند متغیره دارند، و اگر ماتریس کوواریانس j این زیر گروه باشد j=1, …, k داریم:
دقت کنید که خصوصیت اضافی مجموعه متغیرهای مستقل ویشارت، گسترش خصوصیت خی دو برای حالت تک متغیره 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. ))

جزئیات توزیعی پایه‌ی تئوری برای استنتاج توزیع‌های آماری استفاده شده در کنترل کیفیت چند متغیره را فراهم می‌سازد که در فصول بعدی بحث می‌شوند.
آن آماره‌ها فاصله کل از بردار p بعدی میانگین‌های مشاهده‌ شده‌ی مقادیر هدف^[۲۸] را تخمین می‌زنند اگر برای n معیار چند متغیره باشند و میانگین‌های مشاهده شده باشند. آماره‌ی هتلنیگ^[۲۹] با ضریب یعنی ترانهاده‌ی بردار انحرافات (y-m) محاسبه می‌گردد به آماره‌ی هتلینگ در فصل قبل وقتی نمودار مقادیر کسب شده‌ی ۳۰ مشاهده اول را از مطالعه موردی اول ارائه کردیم اشاره گردید.
وقتی نمونه‌ی از n مشاهده‌ی p بعدی نرمال مستقل برای تخمین فاصله‌ی بین و ارزش انتظاری بکار می‌رود؛آمارههتلینگ که با نشان داده می شود به صورت زیر است:
آماره‌ی می‌تواند به صورت رابطه‌ی بین میانگین‌های معیارهای بیان شود:
که و این عنصر ماتریس است.هنگامیکه برنامه Minitab آماره‌ی را می‌خواهد محاسبه کند باید معکوس ماتریس S را محاسبه کرده و برای فرم درجه دوم ماتریس‌های مناسب را در هم ضرب کند.
تحت فرض صفر که داده‌ها مستقل و دارای توزیع نرمال هستند. با فرض بردار میانگین آماره‌ی بلافاصله با (iv) تعریف می‌گردد.
وقتی می‌خواهیم فاصله بین تک مشاهده‌ی y از مقدار را محاسبه کنیم و ماتریس کوواریانس از n مشاهده‌ی محاسبه شده باشد آماره‌ی به صورت زیر بدست می‌آید:
حالت خاص دیگر زمان است p=1 باشد در این حالت آماره‌ای برای تخمین انحراف میانگین n مشاهده از مقدار میانگین از مربع آماره‌ی t کسر می‌شود که آماره t برای تست فرضیه‌ی میانگین جمعیت نرمال تک متغیر استفاده می‌شود. اگر ارزش انتظاری باشد، آماره‌ی t توزیع t استودنت^[۳۰] با n-1 درجه آزادی دارد و چون ضریب به یک کاهش یافته است پس طبق انتظار
محاسبات و فرضیه‌های با مجموعه داده‌های شبیه سازی شده‌ی بالا توضیح داده می‌شود. قبلاً اشاره کردیم که ۵۰ مشاهده اول در مجموعه داده‌ها، داده‌ها را از یک فرایند مطالعه‌ی قابلیت تحت کنترل شبیه سازی می‌کند. که توزیع نرمال دارد با :
مقدار برای آن ۵۰ مشاهده را محاسبه کرده و با مقادیر بحرانی مناسب که از توزیع بدست آمد مقایسه می‌کنیم (در این حالت p=2 , n=50 می‌باشد) به ترتیب مقادیر داریم نتایج در ستون آخر جدول ۲٫۱ آمده است می‌بینم که هیچ یک از مقادیر در نمونه از مقدار بحرانی تخطی نمی‌کند. این نتیجه مورد انتظار بود چون مافواصل داده‌های تجربی را از پارامترهای مکانی توزیع که داده‌ها را تولید کرده بود آزمودیم.
تنها منبع مشاهده‌ی اختلاف خطاهای تصادفی است . در بخش‌های بعد به این مثال بر می‌گردیم و از حالت گسترده‌تری از مجموعه داده‌ها استفاده می‌کنیم که هر دو دسته نمونه^[۳۱] و نمونه آزمون شده^[۳۲] را شبیه سازی می‌کند.
وقتی نمونه‌ای از kn مشاهده نرمال مستقل در k زیرگروه منطقی به اندازه‌ی n دسته بندی شده‌اند. فاصله‌ی بین میانگین ایj امین زیر گروه و مقدار انتظار ، زیر تعریف می‌شود.
دقت کنید برخلاف حالت گروهبندی نشده ماتریس کوواریاس از آمیختن^[۳۳]همه k زیر گروه تخمین زده می‌شود. دوبار تحت فرضیه‌ی صفر داده‌ها بر مبنای بردار میانگین مستقل و دارای توزیع نرمال هستند. از (iv),(viii) دادیم.
در این حالت دوم مجموعه‌ داده‌های شبیه سازی شده با p=4 و k=50 و n=2 مقادیری بحرانی برای عبارتند از در جدول ۳٫۲ مشاهده می‌کنیم در میان ۵۰ زیر گروه ۴ مقدار از مقادیر متناظر فقط زیر گروه ۳۲ ام مقادیر تخطی کرده است.
جدول ۲-۱
میانگین با مقادیر خارجی (۴۹٫۹۱, ۹۰٫۶۵) استفاده شده برای پارامترهای تولید داده ماتریس s از نمونه پایه (۵۰ گروه مشاهده) می‌باشد نمونه پایه عبارتند از]۲۴[ :

جدول ۲-۲
میانگین با مقادیر (۹٫۹۸۶۳ ۹٫۹۷۸۷ ۹٫۹۷۶۳ ۱۴٫۹۷۶۳) برای پارامترهای در تولید داده ماتریس s آمیخته از نمونه پایه (۵۰ گروه ۲ مشاهده‌ای)بدست آمده است. داده‌های نمونه عبارتند از]۲۴[:

۳-۲ کنترل کیفیت با اهداف تعیین شده خارجی
روش ها و رویه‌های ارائه شده در این بخش برای حالتی است که مقادیر هدف از خارج (فرایند) تعیین می گردند یعنی بر اساس یک نیاز خارجی یا وقتی که باید به مقار استاندر m₀ دست یافت. باید توجه داشت که مقادیر هدف مشخص خارجی معمولاً در کنترل کیفیت مدنظر نیست زیرا چنین اهدافی ممکن است به طور طبیعی با فرایند جاری قابل دستیابی نباشد و یا حتی با آن متناقض باشد. با این وجود هر زمان مجموعه استانداردهای از پیش تعیین شده‌‌ی چند متغیره داشته باشیم، رویه‌های کنترل کیفیت چند متغیره برای ارزیابی اینکه میانگین چند متغیره محصولات مساوی اهداف خارجی m₀ است بکار می روند. دو فصل آینده با حالاتی سر و کار دارند که اهداف آزمون فرایند منتج ‌و محاسبه می‌گردند. باید بین اهدافی که از نمونه‌ی تست شده منتج می‌شوند و اهدافی که از نمونه مرجع^[۳۴] یا نمونه پایه^[۳۵] منتج می‌شوند تمایز قائل شد. اگر میانگین چند متغیره، محصولات را با نشان دهیم آنالیز آماری در کنترل کیفیت با مقادیر خارجی معادل آزمون فرضیه به صورت زیر است:
با داشتن یک نمونه به اندازه‌ی n از جمعیت می‌توان را محاسبه کنیم. در فصل قبل مشاهده کردید که برای داده‌های نرمال اگر m₀ تعداد مورد انتظار باشد توزیع آماره‌ی به صورت است.
بنابراین تحت فرض صفر در نظر می‌‌گیریم و در فرض H₁ وF₀ توزیع فیشر(توزیعF) غیرمرکزی دارد. بنابراین مقدار بحرانی^[۳۶] برای برابر است با:
که در آن ،αدرصد بالای توزیع مرکزیF با ) (درجه آزادی است. اگر مقدار از مقادیر بحرانی تخطی کند نتیجه می‌گیریم اختلاف بین و مقدار هدف خارجی m₀ تنها با خطاهای تصادفی قابل توجیع نیست و در این حالت احتمال می‌دهیم که یک عامل قابل بررسی روی فرایند تاثیر گذاشته است.
به عنوان اولین مثال حالت گسترده‌تر مجموعه داده های شبیه‌سازی شده‌ی فصل قبل در اینجا نیز استفاده می‌گردد. در اینجا علاوه بر ۵۰ مشاهده‌ی نمونه‌ی پایه فصل دوم، ۲۵ مشاهده‌ی دو متغیره تولید کردیم که یک سری از نمونه‌های تست شده را شبیه‌سازی می‌کند که پارامترهای آن به صورت زیر است:
پارامترهای مشاهده‌ی ۵۱ تا۵۵ عیناً نمونه‌ی پایه هستند (یعنی داده‌ها تحت کنترل هستند) میانگین جمعیت برای اولین نمونه در مشاهدات ۵۶ تا ۶۵ دو انحراف استاندارد به بالا منتقل شده‌اند یعنی: