Electronique

Nombre total de résultats : 471
Pertinence Titre A-Z Plus récents Plus anciens
10 25 50
Année de publication
et

Impact of the inhomogeneous structure of the active layer on the transfer characteristic of polysilicon TFT's

Hadjira Tayoub, asmaa bensmain, Baya Zebentout, Zineb Benamara  (2012)
Publication

Recently polycrystalline silicon (pc-Si) thin film transistors (TFT's) have emerged as the devices of choice for many applications. The TFT's made of a thin un-doped polycrystalline silicon film deposited on a glass substrate by the Low Pressure Chemical Vapor Deposition technique LPCVD have limits in the technological process to the temperature <; 600°C. The benefit of pc-Si is to make devices with large grain size. Unfortunately, according to the conditions during deposition, the pc-Si layers can consist of a random superposition of grains of different sizes, where grains boundaries parallels and perpendiculars appear. In this paper, the transfer characteristics IDS-VGS are simulated by solving a set of two-dimensional (2D) drift-diffusion equations together with the usual density of states (DOS: exponential band tails and Gaussian distribution of dangling bonds) localized at the grains boundaries. The impact of thickness of the active layer on the distribution of the electrostatic potential, the effect of density of intergranular traps states and grain size on the TFT's transfer characteristics IDS-VGS have been also investigated. Voir les détails

Mots clés : Transistor TFT, 2D simulation, heterogeneous structure, Grain Size, transfer characteristic

SIMULATION BIDIMENSIONNELLE DU TRANSISTOR MOS EN SILICIUM DEPOSE PAR LES TECHNIQUES BASSES TEMPERATURES

TAYOUB Hadjira (2011)
Mémoire de magister

L’objectif du thème proposé est consacré à une étude sur la construction d’une structure hétérogène de silicium polycristallin permettant de rendre compte les caractéristiques courant-tension du transistor MOSà canal N fabriqué à base de ce matériau. La couche de silicium polycristallin réelle contient de grain et de jointsde grain répartis aléatoirement. Donc pour modéliser plus simplement cette couche, un modèle géométrique 2Dà permet la mise en évidence d’un certain nombre de joints de grain perpendiculaires et parallèles à la surfacede croissance.Pour cela, une simulation approfondie basée sur la résolution numérique, à deux dimensions, des équationsdécrivant le transport dans les dispositifs à semi-conducteurs (équation de Poisson et les deux équationsde continuité des électrons et des trous) est utilisée en tenant en compte de la particularité des propriétés électriqueset physiques du silicium polycristallin. Dans cette simulation, on analyse la sensibilité des caractéristiques de transfert IDS(VGS) en fonction de la structure granulaire du canal, le nombre de joints de grains, défauts intergranulaires et à l’interface etc… Voir les détails

Mots clés : Silicium polycristallin, Structure hétérogène, Transistor TFT, Techniques basses températures, Simulation numérique 2D

Unsupervised weld defect classification in radiographic images using multivariate generalized Gaussian mixture model with exact computation of mean and shape parameters

Nafaa Nacereddine, Aicha Baya Goumeidane, Djemel Ziou  (2019)
Publication

In industry, the welding inspection is considered as a mandatory stage in the process of quality assurance/quality control. This inspection should satisfy the requirements of the standards and codes governing the manufacturing process in order to prevent unfair harm to the industrial plant in construction. For this purpose, in this paper, a software specially conceived for computer-aided diagnosis in weld radiographic testing is presented, where a succession of operations of preprocessing, image segmentation, feature extraction and finally defects classification is carried out on radiographic images. The last operation which is the main contribution in this paper consists in an unsupervised classifier based on a finite mixture model using the multivariate generalized Gaussian distribution (MGGD). This classifier is newly applied on a dataset of weld defect radiographic images. The parameters of the nonzero-mean MGGD-based mixture model are estimated using the Expectation-Maximization algorithm where, exact computations of mean and shape parameters are originally provided. The weld defect database represent four weld defect types (crack, lack of penetration, porosity and solid inclusion) which are indexed by a shape geometric descriptor composed of geometric measures. An outstanding performance of the proposed mixture model, compared to the one using the multivariate Gaussian distribution, is shown, where the classification rate is improved by 3.2% for the whole database, to reach more than 96%. The efficiency of the proposed classifier is mainly due to the flexible fitting of the input data, thanks to the MGGD shape parameter. Voir les détails

Mots clés : Mixture model, Multivariate GGD, radiography, weld defect, classification

Fast Adapting Mixture Parameters Schemes for Probability Density Difference-Based Deformable Model

Aicha Baya Goumeidane, Nafaa Nacereddine  (2019)
Publication

This paper presents a new region-driven active contour using the pdf difference to evolve. The pdf estimation is done via a new and fast Gaussian mixture model (GMM) parameters updating scheme. The experiments performed on synthetic and X-ray images have shown not only an accurate contour delineation but also outstanding performance in terms of execution speed compared to the GMM estimation based on EM algorithm and to non-parametric pdf estimations. Voir les détails

Mots clés : Active contour, Adaptive mixture, GMM parameters update

Contribution à l’amélioration des performances du codage turbo dans les systèmes de transmission numériques

Brahim OUDJANI (2018)
Thèse de doctorat

Pour bénéficier des propriétés des codes LDPC (Low-Density-Parity-Check) et Turbo Convolutional Codes (TCC), nous proposons un codage concaténé de type Gallager/Convolutionnel codé de la manière turbo. Le code modifié crée un équilibre entre les avantages et les inconvénients de LDPC et TCC en termes de complexité globale et de latence. Cela se fera à travers deux décodeurs SISO différents; LDPC et code convolutif récursif systématique (RSC) du même taux de code R= 1/2 sans entrelaceur. Étant donné que les deux décodeurs SISO sont de natures différentes, ils échangent des informations extrinsèques qui seront facilement adaptées l’une à l’autre. L'étude de la complexité de calcul et des performances de décodage sur un canal AWGN indique qu'une telle approche conduit à d'excellentes performances en raison de plusieurs facteurs. L'approche proposée réalise un compromis entre les régions de convergence et de plancher d'erreur. Il réduit la complexité de décodage par rapport au TCC et au 3D-TCC. Il fournit un meilleur gain de codage sur LDPC et PCGC (Parallel Concatenated Gallager Codes). Ces caractéristiques assureront un rapport coût-performance optimal. Comme ils peuvent être un meilleur choix pour les systèmes de communication d'aujourd'hui. Voir les détails

Mots clés : Complexité de calcul; Code convolutif; Information extrinsèque; LDPC; Concaténation parallèle; Turbo code.

A Bayesian Mumford–Shah Model for Radiography ImageSegmentation

N. Ramou, N. Chetih, M. Halimi  (2018)
Publication

This paper investigates the segmentation of radiographic images using a level set method based on a BayesianMumford–Shahmodel. The objective is to separate regions in an image that have very close arithmetic means, where a model based on thestatistical mean is not effective. Experimental results show that the proposed model can successfully separate such regions,in both synthetic images and real radiography images. Voir les détails

Mots clés : Level set

Spatially Varying Weighting Function-BasedGlobal and Local Statistical Active Contours.Application to X-Ray Images

Aicha Baya Goumeidane, Nafaa Nacereddine  (2016)
Publication

Image segmentation is a crucial task in the image processingfield. This paper presents a new region-based active contour whichhandles global information as well as local one, both based on the pixelsintensities. The trade-off between these information is achieved by aspatially varying function computed for each contour node location. Theapplication preliminary results of this method on computed tomographyand X-ray images show outstanding and efficient object extraction Voir les détails

Mots clés : image segmentation, Active contour, Averaged Shifted, histogram, pressure forces, statistics, Spatially varying function

Micrographic Image Segmentation using Level SetModel based on Possibilistic C-MeansClustering

N. Chetih, N. Ramou, Z. MESSALIi, A. SERIR, Y. Boutiche  (2017)
Publication

Image segmentation is often required as afundamental stage in microstructure material characterization.The objective of this work is to choose hybridization betweenthe Level Set method and the clustering approach in order toextract the characteristics of the materials from thesegmentation result of the micrographic images. Morespecifically, the proposed approach contains two successivenecessary stages. The first one consists in the application ofpossibilistic c-means clustering approach (PCM) to get thevarious classes of the original image. The second stage isbased on using the result of the clustering approach i.e. oneclass among the three existing classes (which interests us) asan initial contour of the level set method to extract theboundaries of interest region. The main purpose of using theresult of the PCM algorithm as initial step of the level setmethod is to enhance and facilitate the work of the latter. Ourexperimental results on real micrographic images show thatthe proposed segmentation method can extract successfully theinterest region according to the chosen class and confirm itsefficiency for segmenting micrographic images of materials. Voir les détails

Mots clés : Level set, clustering approach, micrographic images;, image segmentation.

Robust fuzzy c-means clustering algorithmusing non-parametric Bayesian estimation in wavelet transform domain for noisy MR brain image segmentation

N. Chetih, Z. Messali, A. SERIR, N. Ramou  (2018)
Publication

The major drawback of the fuzzy c-means (FCM) algorithm is its sensitivity to noise. The authors propose a new extended FCM algorithm based a non-parametric Bayesian estimation in the wavelet transform domain for segmenting noisy MR brain images. They use the Bayesian estimator to process the noisy wavelet coefficients. Before segmentation based on FCM algorithm, they use an a priori statistical model adapted to the modelisation of the wavelet coefficients of a noisy image.The main objective of this wavelet-based Bayesian statistical estimation is to recover a good quality image, from a noisy imageof poor quality. Experimental results on simulated and real magnetic resonance imaging brain images show that their proposed method solves the problem of sensitivity to noise and offers a very good performance that out performs some FCM-based algorithms. Voir les détails

Mots clés : fuzzy C-means algorithm, Non-Parametric Bayesian Estimation, Wavelet transform, image segmentation, MR Brain Images

Reconnaissance hors ligne des mots arabes manuscrits par les réseaux de neurones

Rachid Zaghdoudi (2008)
Mémoire de magister

Le traitement de l'écrit est un domaine en pleine expansion qui commenceaujourd'hui à voir aboutir certaines réalisations industrielles importantes. Dans cecadre, la reconnaissance hors ligne de l'écriture arabe manuscrite reste cependant undes sujets les plus difficiles et les plus actifs au niveau de la recherche.La difficulté majeure rencontrée lors de la conception d'un système dereconnaissance des mots arabes manuscrits, est le problème de la segmentation de cesmots en caractères en vue de leur reconnaissance, pour remédier à ce problème, nousproposons une méthode globale pour la reconnaissance des mots arabes manuscritsdans un vocabulaire limité. Le système développé s’articule autour de cinq modulesdistincts : Acquisition, prétraitements, segmentation en parties connexes, extractiondes primitives les plus pertinentes et reconnaissance (classification et décision). Cedernier est basé sur les réseaux de neurones de type PMC.Pour tester la fiabilité de ce système de reconnaissance, des expériences ontété effectuées sur une base de données représentant les noms des 48 WilayasAlgériennes. Qui ont montré que l'approche proposée semble une solution intéressanteau problème de la reconnaissance des mots arabes manuscrits. Voir les détails

Mots clés : Reconnaissance d'écriture arabe manuscrite ; approche globale ; extractions des caractéristiques ; réseaux de neurones.