Τα τελευταία χρόνια γίνονται αρκετές μελέτες πάνω σε συναισθηματικές εκφράσεις προσώπου. Σκοπός τους είναι η μελέτη της αντίδρασης του εγκεφάλου πάνω σε σχετικά ερεθίσματα, κάτι που βρίσκει εφαρμογή σε πολλούς τομείς, όπως οι Νευροεπιστήμες, η Τεχνητή Νοημοσύνη και η Ψυχολογία. Διενεργούνται αρκετά πειράματα, τα οποία βασίζονται σε απεικονίσεις εκφράσεων προσώπου, οι οποίες συνήθως ομαδοποιούνται σε βάσεις δεδομένων με φωτογραφίες εκφράσεων προσώπου. Στην παρούσα Διπλωματική εργασία, γίνεται προσπάθεια αναβάθμισης υπάρχουσας βάσης δεδομένων με φωτογραφίες συναισθηματικών εκφράσεων Ελλήνων. Αρχικά μελετάται το θεωρητικό υπόβαθρο των συναισθημάτων και των συγκινήσεων, καθώς και ο ρόλος τους στην ανθρώπινη συμπεριφορά. Στη συνέχεια δίνεται έμφαση στις βάσεις δεδομένων διαφόρων μελετών πάνω σε φωτογραφίες συναισθηματικών εκφράσεων του προσώπου, όπου και παρουσιάζεται ο τρόπος ανάπτυξης τέτοιων βάσεων. Η συνέχεια περιλαμβάνει την ψηφιακή ανάλυση των φωτογραφιών με τη χρήση λογισμικών πακέτων, δηλαδή τη μορφοποίηση και την ανάλυση χωρικών συχνοτήτων. Στην πρώτη περίπτωση επιλέγονται δύο συγκεκριμένα συναισθήματα και κατασκευάζονται καινούριες ενδιάμεσες (μορφοποιημένες) φωτογραφίες. Στη δεύτερη, εφαρμόζονται φίλτρα ως προς τη χωρική συχνότητα και προκύπτουν φωτογραφίες με χαμηλές και υψηλές χωρικές συχνότητες. Το σύνολο των φωτογραφιών που προκύπτει, αποτελεί τη βάση δεδομένων για το σύστημα διαχείρισης που κατασκευάζουμε. Πρόκειται για ένα πρόγραμμα που διαχειρίζεται ποικιλοτρόπως τη βάση δεδομένων και παρέχει αρκετές ευκολίες στον πειραματιστή στην έρευνά του. Στα πλαίσια του προγράμματος, αξιολογητές προσπαθούν να βρουν τι είδους συναίσθημα απεικονίζεται στις φωτογραφίες που βλέπουν. Η κάθε απάντηση των χρηστών αποθηκεύεται και μπορεί να χρησιμοποιηθεί για στατιστική επεξεργασία. Απώτερος στόχος είναι να γνωρίζουμε ποιες φωτογραφίες αποτελούν ορθότερη αναπαράσταση για τα συναισθήματα που εν γένει απεικονίζουν, για να αποτελέσουν μια αρκετά αξιόπιστη βάση δεδομένων, η οποία θα μπορεί να χρησιμοποιηθεί σε πληθώρα πειραμάτων. Με τον τρόπο αυτό, το προτεινόμενο πρόγραμμα της εργασίας συνεισφέρει στη μελέτη του εγκεφάλου. / -

Αντικείμενο αυτής της μεταπτυχιακής εργασίας είναι ο εντοπισμός της ύπαρξης μιας κυρίαρχης ευρείας ζώνης ισοτροπικής πηγής κι η εκτίμηση των συντεταγμένων θέσης αυτής, όταν αυτή βρίσκεται σ’ έναν τρισδιάστατο ή δισδιάστατο χώρο, ο οποίος εποπτεύεται και παρακολουθείται από ένα δίκτυο τυχαία διασκορπισμένων αισθητήρων. Οι κόμβοι του δικτύου μπορούν να περιέχουν ακουστικά, παλμικά κι άλλου είδους μικροηλεκτρομηχανολογικά στοιχεία αίσθησης του περιβάλλοντος. Κατά την αίσθηση ενός γεγονότος ενδιαφέροντος μπορούν να αυτοοργανωθούν σ’ ένα συγχρονισμένο ασύρματο ραδιοδίκτυο χρησιμοποιώντας χαμηλής κατανάλωσης πομποδέκτες spread spectrum, ώστε να επικοινωνούν μεταξύ τους και με τους κεντρικούς επεξεργαστές. Ο εντοπισμός της ύπαρξης μιας κυρίαρχης πηγής σ’ ένα δίκτυο αισθητήρων, με τα παραπάνω χαρακτηριστικά, επιτεύχθηκε με τη χρήση μιας τυφλής μεθόδου μορφοποίησης λοβού, γνωστή ως μέθοδος συλλογής της μέγιστης ισχύος. Η μέθοδος αυτή, η οποία υλοποιήθηκε στα πλαίσια αυτής της εργασίας, παρέχει τις εκτιμήσεις των σχετικών χρόνων καθυστέρησης άφιξης του σήματος της κυρίαρχης πηγής στους αισθητήρες του δικτύου ως προς έναν αισθητήρα αναφοράς. Κύριο αντικείμενο μελέτης αυτής της εργασίας είναι ο υπολογισμός του κυρίαρχου ιδιοδιανύσματος του δειγματοληπτημένου πίνακα αυτοσυσχέτισης. Αυτό επιτυγχάνεται στη βιβλιογραφία που μελετήθηκε είτε με χρήση της δυναμικής μεθόδου είτε με χρήση της μεθόδου ιδιοανάλυσης. Ανά στιγμιότυπο δειγμάτων απαιτείται η ανανέωση του πίνακα αυτοσυσχέτισης κι ο υπολογισμός του κυρίαρχου ιδιοδιανύσματος. Όμως, οι δύο παραπάνω μέθοδοι για τον υπολογισμό αυτό χρειάζονται αυξημένη πολυπλοκότητα μιας κι η διάσταση του πίνακα είναι αρκετά μεγάλη. Η συνεισφορά της εργασίας αυτής έγκειται στη μείωση αυτής της πολυπλοκότητας με τη χρήση μιας προσαρμοστικής μεθόδου υπολογισμού του κυρίαρχου ιδιοδιανύσματος. Τέλος, αντικείμενο της εργασίας αυτής είναι και το πρόβλημα εντοπισμού και παρακολούθησης των συντεταγμένων θέσης της κυρίαρχης πηγής από τις εκτιμήσεις των σχετικών χρόνων καθυστέρησης άφιξης. / Object of this postgraduate work are the detection of presence of an isotropic wideband dominant source and the estimate of its coordinates of placement (localization), when the source is found in a three or two dimensional space, which is supervised and watched by a randomly distributed sensor network. The nodes of the network may contain acoustical, vibrational and other MEM-sensing (Micro-Electro-Mechanical) elements. Upon sensing an event of interest, they can self-organize into a synchronized wireless radio network using low-power spread-spectrum transceivers to communicate among themselves and central processors. The detection of presence of a dominant source in a sensor network, with the above characteristics, was achieved with the use of a blind beamforming method, known as the maximum power collection method. This method, which was implemented in the context of this work, provides estimates of the relative time delays of arrival (relative TDEs - Time Delay Estimations) of the dominant source’s signal to the sensors of the network referenced to a reference sensor. The main object of study of the work is the calculation of the dominant eigenvector of the sampled correlation matrix. This is achieved, in the bibliography that was studied, either by using the power method or with use of the SVD method (Singular Value Decomposition). Per snapshot of samples it is required to update the autocorrelation matrix and to calculate the dominant eigenvector. However, the above two methods for this calculation have an increased complexity because the dimension of the matrix is high enough. The contribution of this work lies in the reduction of that complexity by using an adaptive method for the dominant eigenvector calculation. Finally, this work also focuses on the problem of localization and tracking of the coordinates of placement of the dominant source from the estimates of the relative time delays of arrival.