---

سنسورهای بی‌سیم و شبکه‌های سنسوری بی‌سیم اخیراً در جوامع علمی به طور جدی مطرح شده‌اند. این امر متأثر از توسعه روزافزون قطعات ریزمقیاس در مهندسی است که بسیاری از کاربردها را میسر می‌سازند. پژوهش‌های فراوانی در راستای استفاده از این سنسورها و امکان سامان‌دهی آن‌ها در قامت یک شبکه انجام و راه‌حل‌های متفاوتی برای این مساله پیشنهاد شده‌اند. یک روش ابداعی برای مدل کردن شبکه‌های سنسوری بی‌سیم، مدل‌سازی تطبیقی توزیع شده است. در این مدل، پردازش به صورت توزیع‌شده انجام می‌شود. شبکه‌ی تطبیقی مجموعه‌ای از گره‌ها با قابلیت تطبیق و آموزش است. هر گره با گره‌های مجاور تبادل داده انجام می‌دهد تا در نهایت شبکه بتواند یک مساله‌ی تخمین یا استنتاج را به طور توزیع‌شده حل کند. در این مقاله ابتدا جایگاه پردازش تطبیقیِ توزیع‌شده تبیین می‌شود، سپس راهکارهای ارائه شده برای مدل‌سازی تطبیقی، بررسی و نتایج شبیه‌سازی آن‌ها با یکدیگر مقایسه می‌گردد.

---

در این مقاله روشی جدید برای آشکارسازی اهداف در رادارهای غیرفعال دوپایه معرفی می‌گردد. در این روش ابتدا سابقه زمانی سلول‌های تابع ابهام به صورت یک رشته تصادفی تشکیل داده می‌شود. سپس با تشکیل یک فیلتر وفقی با پاسخ ضربه محدود، رشته‌های زمانی مربوط به نویز از رشته‌های زمانی شامل اهداف جداسازی می‌شوند. برای بروزرسانی فیلتر مزبور از تابع هزینه مبتنی بر کارنتروپی استفاده می‌شود. برای ارزیابی کارایی روش پیشنهادی، تعدادی هدف با سرعت‌های مختلف شبیه‌سازی می‌شوند. روش پیشنهادی و دو روش رقیب به منظور مقایسه، به موازات برروی این داده‌ها اجرا می‌شوند. نتایج نشان می‌دهند که در SCNR = -30 dB  (یعنی در بدترین شرایط نویزی ممکن) و در سناریوی اول، روش پیشنهادی به لحاظ درصد آشکارسازی 7/18 درصد بهتر از روش آمارگان مرتبه بالا و 1/20 درصد بهتر از روش تخمین تابع توزیع عمل می‌کند. این مقادیر برای سناریوی دوم به ترتیب 3/19 و 4/21 درصد بهتر از دو روش رقیب به دست می‌آیند.

---

امروزه محرومیت از خواب به‌عنوان یک مسئله فراگیر بر سلامت جسمی و روحی انسان تأثیرگذار است. در این پژوهش، با استفاده از سیگنال‌های الکتروانسفالوگرام ثبت شده از ۳۰ شرکت‌کننده در دو حالت خواب کامل و محروم از خواب و با چشم‌باز و چشم‌بسته، به مطالعه اثرات محرومیت از خواب برعملکرد مغز و همچنین تشخیص آن پرداخته شده است. از داده‌های ثبت شده ویژگی‌های خطی نظیر توان سیگنال و ویژگی‌های غیرخطی نظیر آنتروپی‌های شنون، رنی، جای‌گشت و نمونه استخراج شده است. از روش‌های رتبه‌بندی ویلکاکسون و الگوریتم PCA جهت انتخاب ویژگی‌های برتر به‌همراه طبقه‌بندهای دوکلاسه KNN، SVM و درخت تصمیم استفاده گردیده است. به‌منظور بررسی اثرات محرومیت از خواب، به‌کمک الگوریتم sLORETA نگاشت نقشه مغز در ویژگی‌ها محاسبه و ترسیم شده است. براساس نتایج این تحقیق، بهترین عملکرد مربوط به طبقه‌بند درخت تصمیم با 100 ویژگی برتر و صحت و دقتی به‌ترتیب برابر با 99.0 و 99.8 درصد است. همچنین با مقایسه نقش ویژگی‌های خطی و غیرخطی، مشخص گردید در مسئله این تحقیق ویژگی‌های غیرخطی نقشی بسیار موثر در طبقه‌بندی ایفا می‌کنند. نگاشت ویژگی‌ها در نواحی مختلف مغز نشان‌دهنده بروز تغییرات محسوس در میزان توجه، تمرکز، تصمیم‌سازی و فعالیت‌های بینایی و حرکتی افراد پس از محرومیت از خواب است.