{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK320",
        "title": "طراحی، شبیه سازی وپیاده سازی سخت افزاری روشی جهت تعیین سطح هوشیاری رانندگان خودرو با استفاده از سیگنال های مغزی EEG و مبتنی بر پردازشگرهای سیگنال TMS320C55xx",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1392",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK320",
        "title": "طراحی، شبیه سازی وپیاده سازی سخت افزاری روشی جهت تعیین سطح هوشیاری رانندگان خودرو با استفاده از سیگنال های مغزی EEG و مبتنی بر پردازشگرهای سیگنال TMS320C55xx",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1392,
        "authors": [
            {
                "name": "علی رجاییان",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "هادی  گرایلو",
                "role": "استاد راهنما"
            },
            {
                "name": "سید علی سلیمانی ایوری",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "سیگنال های مغزی- رانندگان خودرو-خواب آلودگی- هوشیاری- پردازشگر های سیگنال – تبدیل موجک- EEG-TMS320C5509A"
        ],
        "abstract": "در این پایان نامه،  پیاده سازی یک روش قابل قبول جهت تشخیص خواب آلودگی در رانندگان خودرو بر روی پردازنده های DSP مورد تحقیق و بررسی قرار گرفته است. برای این منظور ابتدا یک پایگاه داده متشکل از 20 داوطلب مرد با میانگین سنی 24 سال ایجاد شده است که داوطلبین مورد نظر در دو حالت هوشیاری و خواب آلودگی به رانندگی با یک دستگاه شبیه ساز پرداخته اند. سپس جهت ارزیابی پایگاه داده از سه روش تبدیل موجک، تبدیل بسته موجک و ردگیری انطباق که طبق دانسته ما برای اولین بار جهت استخراج ویژگی از سیگنال های مغزی استفاده شده، ویژگی های مناسبی در باند فرکانسی دلتا و تتا استخراج شده است سپس توسط طبقه بند SVM مورد ارزیابی قرار گرفته اند. نتایج حاصل از طبقه بندی نشان داد که در هنگام خواب آلودگی انرژی ضرایب موجک درکانال های O1 و O2 در باندهای فرکانسی تتا و دلتا افزایش چشمگیری می یابند اما افزایش مقدار آن وابسته به فرد بوده و در تمامی افراد یکسان نیست. در ادامه به منظور پیاده سازی یک الگوریتم مبتنی بر موجک، ابتدا یک سخت افزار مناسب جهت دریافت دو کانال از سیگنال های مغزی طراحی و ساخته شد که از ویژگی های آن می توان به قابل حمل بودن و کم مصرف بودن آن (24 میلی وات) اشاره کرد. سپس جهت پردازش سیگنال های دریافتی یک سخت افزار دیگر مبتنی بر پردازنده TMS320C5509A طراحی و ساخته شده است که کاملا قابل حمل بوده و توسط باتری راه اندازی می شود. نتایج بدست آمده نشان می دهد با انتخاب یک آستانه مناسب برای هر فرد می توان حالت خواب آلودگی را در آن تخمین زد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK320.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}