שלחו לחבר

פרויקטי גמר - הנדסת חשמל - המעבדה לתקשורת תשפ"ב

501 Process Mining

כריית תהליכים

שם המנחה: איציק כהן
אחראי/ת אקדמי/ת: פרופ' איציק ברגל

הרקע לפרויקט:

תהליכים משפיעים על כל תחומי חיינו ומהווים מרכיב מרכזי בארגונים בתחומים שונים כמו: בנקאות ופיננסים, טלקומוניקציה, מסחר ושירותים מבוססי רשת ובריאות. בד"כ, תהליכים בארגונים נועדו להבטיח שירותים ומוצרים איכותיים ויעילים ואת השגת המטרות העסקיות.

ניהול תהליכים עסקיים הוא שטח מחקר המתמקד בשיפור הביצועים בארגון באמצעות ניהול ואופטימיזציה של התהליכים בו. נהוג לכלול במחזור החיים של התהליכים בארגון: תכן (ותכן מחדש), מידול, ביצוע, בקרה, אנליזה ואופטימיזציה של התהליכים הארגוניים.

הדגש בפרויקט זה יהיה על אוטומציה של מידול, אנליזה ואופטימיזציה של תהליכים באמצעות שימוש בנתונים.

הפרויקט משלב שיטות מתחומי Data Science.

הפרויקט יתמקד בשיטות מבוססות נתונים עבור ניהול תהליכים, קרי כריית תהליכים (Process mining). נתרכז בגילוי מודל תהליך מנתונים בדיקת התאמה בין מודל תהליך לנתונים ואנליזה לניתוח ביצועים.

מטרת הפרויקט:

האתגר בפרויקט זה הוא לקבל בסיס נתונים של תהליכים כמו פרויקטים המבוצעים בארגון ולפתח שיטה אוטומטית לגילוי ולאנליזה של התהליכים המתבצעים מהנתונים.

התוצרים הסופיים יכללו גילוי של האופן שבו מבוצע פרויקט. בדיקת התאמה וזיהוי פערים בין המודל לנתונים. הצעות לשיפור אופן ביצוע התהליך.

הציפייה היא לצוות עם רצון להתנסות בפיתוח אלגוריתמים ותכנות ועם גישה והבנה מערכתית של תהליכים וראייה עסקית.

תכולת הפרויקט:

שלבי הפרויקט יכילו:

  1. סקירת ספרות
  2. לימוד נושא כריית תהליכים (ניתן בפקולטה קורס + קיים קורס אונליין)
  3. ניתוח וטיוב בסיס הנתונים
  4. פעלת שיטות discovery
  5. conformance כתיבת וסיכום התוצאות

קורסי קדם:

  • הישגים גבוהים בקורסי מתמטיקה / מבני נתונים ואלגוריתמים
  • יכולת תכנות (פייתון / מטלב)

דרישות נוספות:

ראייה מערכתית תהליכית

מקורות:

Van Der Aalst, W. (2016). Process Mining: Data science in action. Springer, Berlin, Heidelberg.

502 Satellite based localization using communication signals

איכון מלווינים בעזרת אותות תקשורת

שם המנחה: הודיה הלוי
אחראי/ת אקדמי/ת: פרופ' איציק ברגל

הרקע לפרויקט:

מספר לווייני התקשורת הסובבים את כדור הארץ הולך וגדל בקצב מסחרר. לאור זאת, אנו מתקבים למצב שבו איכון על סמך לוייני תקשורת יהיה מדויק יותר מאיכון על סמך לוויני ניווט (כדוגמת GPS). בפרויקט זה נבחן מערכות איכון המתבססות על ת האותות הנשלחים מלוויני תקשורת לצורך איכון מטרות על פני כדוה"א. לצורך כך נצטרך להתחשב בסוגי האותות השונים ובהפרעות ביניהם, בהתחשב באופי המיוחד של משימת האיכון.

מטרת הפרויקט:

בפרויקט נבחן את השימוש בלווייני תקשורת לצורכי איכון, בהתחשב בהפרעות ובאופי האותות השונים, ונחשב את דיוק האיכון עובר אותות תקשורת שונים.

תכולת הפרויקט:

למידת פרוטוקולי התקשורת, וסוגי אותות התקשורת היכולים לשמש לאיכון,
חישוב ביצועים בשימוש בסוגי האותות השונים, בהתחשב בתכונותיהם, וכן חישוב ההשפעה של ההפרעה בין האותות מלוויינים שונים,
הסקת אופן השימוש האופטימלי בלווייני תקשורת לצורכי איכון.

קורסי קדם:

תקשורת ספרתית 1, מערכות פרושות תדר (במקביל לפרויקט)

מקורות:

JJ. Zhao, L. Li and Y. Gong, "Joint Navigation and Synchronization in LEO Dual-Satellite Geolocation Systems," 2017 IEEE 85th Vehicular Technology Conference (VTC Spring), 2017, pp. 1-5, doi: 10.1109/VTCSpring.2017.8108339.

503 Channel prediction for multi-antenna communication using machine learning

חיזוי ערוץ לתקשורת מרובת אנטנות על ידי למידת מכונה

שם המנחה: הודיה הלוי
אחראי/ת אקדמי/ת: פרופ' איציק ברגל

הרקע לפרויקט:

Multi user (MU) MIMO communication allows a transmitter to use multiple antennas and serve multiple users simultaneously in the same time and same frequency. MU-MIMO techniques can bring significant increase in throughput and are considered key technologies in the fifth and sixth generations of cellular communication. Interference between the users is avoided through linear precoding of the transmitted signals from all antennas, but this requires a very accurate knowledge of the channel gain. As there is a time gap between the channel estimation and the transmission precoding, there is a need to predict the channel state for many millisecond ahead.

מטרת הפרויקט:

Implement a good channel prediction mechanism, based on real life measurements and machine learning.

תכולת הפרויקט:

  • Setup a software defined radio to take channel measurement from real Wifi networks.
  • Design a linear predictor that is assisted by a neural network.
  • Use the channel measurements to train the neural network.
  • Test the prediction performance and the resulting improvement in MU-MIMO throughput

The project can be continued to research for MsC.

קורסי קדם:

תקשורת ספרתית 1

מקורות:

Jiang, Wei, and Hans Dieter Schotten. "Deep learning for fading channel prediction." IEEE Open Journal of the Communications Society 1 (2020): 320-332.

504 Analysis and simulations of nano-particle based viral testing

ניתוח וסימולציה של בדיקות וירליות על בסיס ננו-חלקיקים

שם המנחה: פרופ' יצחק ברגל
אחראי/ת אקדמי/ת: פרופ' איציק ברגל

הרקע לפרויקט:

כפי שגילינו במגיפת הקורונה, יש חשיבות רבה ליכולת לבצע בדיקות לגילוי הדבקה בוירוס בצורה מדויקת ומהירה. כיום קיימות שיטות בדיקה מבוססות הגבר DNA, שהם איטיות אך נותנות תוצאות מדויקות מאוד, ולעומתם, בדיקות מהירות שהם פחות רגישות, ומצליחות לזהות את ההדבקה רק בשלבים מתקדמים. הפרויקט יעסוק בסוג חדש של בדיקות שמפותח במעבדה, ובו מפותחות בדיקות מהירות ורגישות המבוססות על הגבר של ננו-חלקיקים. הפרויקט מתאים למעוניינים להמשיך למחקר.

מטרת הפרויקט:

מידול מתימטי של בדיקה וירלית המתבססת על הגבר של ננו-חלקיקים, ואפיון זמני הבדיקה ורגישותה.

תכולת הפרויקט:

בפרויקט יעשה שימוש במדידות שנעשו לאחרונה על ננו-חלקיקים המסוגלים לשחרר חומר מגיב בתגובה לנוכחות של מולקולות ספציפיות. המדידות יתורגמו למודל מתימטי בו יעשה שימוש הן לניתוח והן לסימולציה של מערכת ננו-חלקיקים שמסוגלת לזהות וירוסים.

קורסי קדם:

נושאים מתקדמים בתקשורת (במקביל לפרויקט)

מקורות:

Bergel, Itsik. "Detection and amplification of molecular signals using cooperating nano-devices." In ICASSP 2019-2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 1259-1263. IEEE, 2019.

505 Energy based image steganography

סטגנוגרפיה (הסתרת מסרים) מבוססת אנרגיה בתמונה

שם המנחה: רון שמואלי
אחראי/ת אקדמי/ת: פרופ' יעקב גולדברגר

הרקע לפרויקט:

בצורה כללית (ויקיפדיה), סטגנוגרפיה היא האמונות והמדע של הסתרת מסרים באופן שאף אחד זולת המקבל לא יוכל לראותם או לדעת על קיומם, בניגוד לקריפטוגרפיה, שבה קיום המידע עצמו אינו מוסתר, אלא רק תוכנו.

מסרים סודיים ניתן להחביא בצורה מסיבית במדיה דיגיטלית כמו תמונות או וידאו, בגלל הכמות הגדולה של המידע המועבר ובגלל מגבלות מערכת הראיה האנושית. במהלך השנים נחקרו ויושמו מספר שיטות של החבאת מידע, חלקם במרחב התמונה, וחלקם במרחב ההתמרה (DCT או DWT). כל השיטות עוסקות בחיפוש המקום המדויק להחביא את המידע מבלי לפגוע באיכות התמונה, ולשמר את יכולת השחזור של המידע.

למעשה, התמונה משמשת כ Cover Channel עבור המידע שיכול להיות הנוזקה עצמה (Malware) או המידע המועבר לנוזקה קיים.

מטרת הפרויקט:

העבודה תתמקד בשני אתגרים האחד עיקרי, והשני אופציונלי לפרויקט ובעל אופי מחקרי

האתגר העיקרי בפרויקט הוא חיפוש טכניקה אשר תאפשר להגדיל את כמות המידע אותו ניתן להסתיר בתמונה, תוך השענות על תובנות של מגבלות הראייה האנושית , אזורים עתירי אנרגיה בתמונה, ויכולות של תכנות דינמי.

התוצר הסופי של הפרוייקט הוא יישום לביצוע סטגנוגרפיה בתמונה בכלל זה :

הסתרת מידע כלשהו (קובץ כלשהו) על גבי תמונה כלשהיא, וחילוץ מושלם של המידע המוסתר מתוך תמונה שעברה סטגנוגרפיה .
הצלחה בפרויקט היא ניסיון להסתיר כמות מכסימלית של המידע בתמונה מתחת לסף האבחנה. (הגדלה של כמות המידע תגרום לאבחנה )

המדד איתו נאמוד את סף האבחנה הוא: SSIM

Structural SIMilarity (SSIM) index between images x and y,
נכון לכרגע נקבע אותו להיות 0.99 - כסף האבחנה - אך יש לאמוד את התוצאות בניסוי סוביקטיבי

אתגר מישני בפרוייקט היא היכולת להגן על המידע המוסתר מפני התקפות גם במחיר של הורדת כמות המידע.

לנושא הנ"ל עדיין לא נמצא פתרון ראוי, ואנשי סייבר נסמכים על העובדה שלא ניתן טכנית לכווץ בשנית את כל המדיה המועברת. (חלק אופציולי בפרויקט, עליו לא ינתן ציון במידה ולא יצלח )

תכולת הפרויקט:

מידה של טכניקות שונות בעיבוד תמונה בכלל וסטגנוגרפיה בפרט .
להשלים ידע בהתמרות דו מימדיות דוגמת DCT ו DWT .
איתור האיזורים להטמעת המידע בצורה שלא תפגע איכות התמונה ויתאפשר שחזור מלא של המידע.
בעזרת תכנות דינמי כתיבת היישום לביצוע הסגנוגרפיה וחיפוש של נקודת מקסימום מידע מוסתר ביחס לפגיעה בתמונה (נכון לכרגע שימוש במדד SSIM).
בסיום יבוצע ניסוי סוביקטיבי (MOS) לאימות הפגיעה באיכות ביחס למדד SSIM המחושב שנקבע כעת.

עבור החלק האופציונלי הכרות עם תקן JPEG לדחיסה של תמונות

  1. חיפוש מידע דחוס שקיים ביתירות וניתן להעזר בו להחבאת מידע.
  2. הגנה על המידע כך שדחיסה חוזרת ביחס דחיסה שונה לא יפגע ביכולת האחזור של המידע המוסתר.

קורסי קדם:

  • עיבוד ספרתי של אותות.
  • מבוא לעיבוד תמונה - במקביל לפרוייקט.
  • אותות אקראיים ורעש.

דרישות נוספות:

  • תכנות מתקדם ב MATLAB / PYTHON

מקורות:

  1. Y. L. C. Xiong, X. Han, R. Xiang, F. He, H. Du, “Image steganography using cosine transform with largescale multimedia applications,” Springer link, multimedia tools and applications, (2018).
  2. Baby, Della, et al.” A Novel DWT Based Image Securing Method Using Steganography,” Procedia Computer Science 46, 612-618, (2015).
  3. Fundamentals of Digital Image Processing - JAIN, ANIL K.

506 Video compression by MPEG based algorithm

דחיסת וידאו באמצעות אלגוריתם מבוסס עקרונות MPEG

שם המנחה: ענליה סומך-ברוך
אחראי/ת אקדמי/ת: פרופ' ענליה סומך-ברוך

הרקע לפרויקט:

דחיסת מידע הינה ענף נרחב מאוד בעולמות התקשורת ותעבורת הנתונים. הצורך להעביר כמות גדולה והולכת של מידע בפרק הזמן הקצר ביותר הניתן גרם לפיתוחם של אלגוריתמים רבים לדחיסת סוגים שונים של מידע (אודיו, תמונה וכו'). הפרוייקט מתמקד בדחיסת וידאו.

מטרת הפרויקט:

בנייה, בחינה וניתוח של אלגוריתמים מבוססי MPEG לדחיסת ווידאו.

תכולת הפרויקט

  1. למידה מעמיקה של נושאי הרקע בתחום תורת האינפורמציה והקידוד.
  2. ביצוע סקירה ספרותית של אלגוריתמים שונים בתחום דחיסת הוידאו.
  3. יישום ומימוש של אלגוריתמים לדחיסת וידאו, תוך התחשבות בכלל השיקולים בעולם תוכן זה.
  4. ביצוע פעולות סינון ועיבוד על האות הדחוס טרם פריסתו.
  5. ביצוע השוואה וניתוח של ביצועיי האלגוריתמים.

קורסי קדם:

  • הקורס: תורת האינפורמציה

דרישות נוספות:

  • קורסים בתכנות

מקורות:

  1. The MPEG Handbook by John Watkinson

פרויקטים נוספים מומלצים

304 Quantum Cryptography for Data Centers

הצפנה קוונטית למרכזי נתונים

שם המנחה: אליהו כהן
אחראי/ת אקדמי/ת: ד"ר אליהו כהן

הרקע לפרויקט:

הצפנה קוונטית היא חסינה מתוקף חוקי הטבע. בשיתוף עם חברת מלאנוקס/אנבידיה אנו בוחנים פתרונות הצפנה למרכזי נתונים ומנתחים את החסינות שלהם.

מטרת הפרויקט:

המלצה, מגובה ע"י ניתוח מפורט, למימוש ספציפי של הצפנה קוונטית במרכז הנתונים של אנבידיה.

תכולת הפרויקט:

ביחד עם סטודנטים מהקבוצה ועם התעשייה, המטלה היא לבחון חומרות אופטיות שונות להפצת מפתחות סודיים ולנתח את מידת הפגיעות שלהן ביחס להאזנות. הניתוח משלב סקירת ספרות, מעבר על עלוני מידע של מוצרים מסחריים, חישובים אנליטיים ושיחות עם התעשיה.

קורסי קדם:

קדם - מכניקה קוונטית שימושית. במקביל - חישוב קוונטי.

מקורות:

השפה הקוונטית הסודית של ד"ר אלי כהן

307 Implementation of quantum algorithms on IBM's quantum computer

מימוש של אלגוריתמים קוונטים באמצעות המחשב הקוונטי של IBM

שם המנחה: מאהש ג'ייקודי
אחראי/ת אקדמי/ת: ד"ר אליהו כהן

הרקע לפרויקט:

מחשבים קוונטיים מציעים הזדמנויות מרתקות לשיפור אלגוריתמים קלאסיים. חברות כמו IBM מציעות גישה של כל אחד מאיתנו למחשבים קוונטיים מרוחקים. אנו שואפים לנצל את המחשבים הקוונטיים האלה על מנת להריץ אלגוריתמים קוונטיים חדשים, למשל כאלה שמאפשרים לחשב במהירות חזקות גבוהות של פונקציות טריגונומטריות.

מטרת הפרויקט:

כתיבת אלגוריתם קוונטי לחישוב יעיל והרצתו על מחשב קוונטי מרוחק.

תכולת הפרויקט:

עבודה בשיתוף עם המנחה על מנת להפוך רעיון תיאורטי לקוד תוך שימוש בכלי פשוט של IBM שנקרא QISKIT.

קורסי קדם:

קדם - מכניקה קוונטית שימושית. במקביל - חישוב קוונטי.

מקורות:

Acasiete, F., Agostini, F.P., Moqadam, J.K. et al. Implementation of quantum walks on IBM quantum computersQuantum Inf Process 19, 426 (2020). https://doi.org/10.1007/s11128-020-02938-5

601 Data-streams communication over a noisy channel

שידור מידע סטרימינג בערוץ תקשורת עם שגיאות

שם המנחה: ד״ר רן גלס
אחראי/ת אקדמי/ת: דר' רן גלס

הרקע לפרויקט:

עם עליית כמות התוכן בסטרימינג, נוצר צורך לאפשר שידור זרמי-מידע (datastream) ארוכים מאד מעל קוי תקשורת רועשים, כגון האינטרנט. רעשים ושגיאות שמתווספים למידע במהלך שידורו עלולים לגרום להשהיות בשידור או הצגת מידע שגוי במקלט. כצעד מונע נדרש לקודד את המידע בצורה שתאפשר למקלט לפענח את המידע בצורה מהירה, אמינה, ועם שיהוי קצר ככל הניתן.

מטרת הפרויקט:

מטרת פרויקט זה היא לממש סכמת שתאפשר העברת זרמי-מידע אינסופיים (סטרימינג) מעל ערוץ תקשורת שמשבש את התשדורות. המשדר יבצע קידוד לתיקון שגיאות על זרם המידע, שיאפשר למקלט לקבל את נתוני זרם-המידע עבור חלון זמן מסוים. מכיוון שהמידע אינסופי, המקלט לא מעוניין לדעת את כל השידור מתחילתו ועד סופו, אלא חשוב לו בכל נקודת זמן לדעת רק ״חלון זמן״ מסוים בשידור, נניח, השעה האחרונה. הפרויקט יאפשר למקלט לקבל את השידור של השעה האחרונה, כל עוד כמות הרעש (בשעה האחרונה) לא עלתה מעבר לסף מסוים.

תכולת הפרויקט:

שלבי הפרויקט יכילו:

  1. לימוד רקע תיאורטי על קידוד זרמי מידע
  2. מימוש בתוכנה של סכמת קידוד זרמי מידע בחלונות זמן (לפי מאמר מס׳ 1 במקורות הרצ״ב)
  3. ביצוע סימולציית רעש ומדידת איכות הקידוד המתקבל
  4. השוואה לסכמות קידוד נאיביות, למשל, קידוד המידע ע״י קוד Reed-Solomon בלבד.

המימוש יבוצע בשפה עילית (C, Java, Python) על גבי מחשב יחיד שידמה את שני המחשבים המתקשרים ואת ערוץ התקשורת ביניהם.

קורסי קדם:

מבוא לתורת הצפינה (ניתן לקחת במקביל)
מבני נתונים ואלגוריתמים

מקורות:

1. Efficient Error-Correcting Codes for Sliding Windows Ran Gelles, Rafail Ostrovsky, Alan Roytman SIAM Journal on Discrete Mathematics, 34(1), pages 904–937, 2020

2. Optimal Coding for Streaming Authentication and Interactive Communication Matthew Franklin, Ran Gelles, Rafail Ostrovsky, Leonard J. Schulman IEEE Trans. on Information Theory, 61(1), pages 133–145, 2015

412 Direction of arrival estimation using deep learning for unknown array structure

זיהוי כיוון דובר ע"י למידה עמוקה עבור מערכי חיישנים בלתי ידועים

שם המנחה: ד"ר עופר שוורץ
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

Direction of arrival (DOA) estimation is an important topic in microphone array processing. Conventional methods work well in relatively clean conditions but suffer from noise and reverberation distortions. Recently, deep learning-based methods show the robustness to noise and reverberation. However, the performance is degraded rapidly or even model cannot work when microphone array structure changes. So it has to retrain the model with new data, which is a huge work. In this paper, we will try a supervised learning algorithm for DOA estimation combining convolutional neural network (CNN) and long short term memory (LSTM). Due to a special input feature design, the proposed method can adapt to a new microphone array conveniently only use a very small amount of data. The input feature will include analytical and traditional algorithms for DOA estimation such as SRP-PHAT, SRP-HT, etc. 

מטרת הפרויקט:

בפרויקט נממש מערכת לזיהוי כיוון של דובר ע"י למידה עמוקה. המערכת אמורה להתאמן על מערך בעל מבנה כללי כלשהו כך שיתקבלו תוצאות טובות גם עבור מערך בעל מבנה בלתי צפוי. המערכת תיבדק בתנאים מסובכים של רעש כיווני והדהוד בהקלטות שונות.

תכולת הפרויקט:

בפרויקט זה נבצע:

  1. סקירה של שיטות סטטיסטיות שונות לשיערוך DOA
  2. עריכת הקלטות אמת של דובר בתנאי רעש והדהוד שונים.
  3. מימוש ב MATLAB \Python של מערכת למידה עמוקה הכוללת
    1. אימון על בסיס נתונים רחב המושתת על מערך חיישנים כללי.
    2. בדיקת האלגוריתם על מערכים בעלי מבנה בלתי צפוי.
  4. בדיקה של השיטה לעומת שיטות קיימות ע"י מדדי איכות זיהוי אובייקטיביים

קורסי קדם:

DSP1 , DSP2

מקורות:

  1. Online Direction of Arrival Estimation Based on Deep Learning
  2. C. Knapp and G. Carter, "The generalized correlation method for estimation of time delay," in IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. 24, no. 4, pp. 320-327, August 1976, doi: 10.1109/TASSP.1976.1162830.

תאריך עדכון אחרון : 17/10/2021