البيانات الاساسيه

السيره الذاتيه

د/ فتحي عبد اللطيف محمد المسيري

مدرس بقسم تكنولوجيا الالكترونات
 كلية التعليم الصناعي- جامعة بنى سويف

 تلبفاكس:   2241932 082 2+

 موبايل: +201016703208
 بريد الكتروني: felmisery@gmail.com

المؤهلات العلميه:-

1- بكالوريوس الهندسه الالكترونيه  جامعة المنصوره مايو 1990  

2- ماجستير الهندسه الالكترونيه- جامعة ايندهوفن التكنولوجيه هولندا اغسطس 1999

3-  دكتوراة في العلوم الهندسه الالكترونيه جامعة المنيا   مارس 2006

 

التاريخ الوظيفي:-

 المواد التي قمت بتدريسها:

Ø      معالجة اشارات رقميه

Ø      دوائر الكترونيه

Ø      حاسب ألي ومحاكاه

• الاختبار وكشف الاعطال

الابحاث المنشوره:

1. Mohammed A. Hussein, Ahmed S. Ali, F.A. Elmisery and R. Mostafa "   Motion Control of Robot by using Kinect Sensor", Research Journal of Applied Sciences, Engineering and Technology 8(11): 1384-1388, 2014 ISSN: 2040-7459; e-ISSN: 2040-7467 © Maxwell Scientific Organization, 2014

2. Hesham F. A. Hamed, F.A. Elmisery, Ahmed A. H. A. Elkader" Implementation of Low area and High Data Throughput CRC Design on FPGA" ijarcsee 2012, Vol 1,No 9,PP 48-54.
3. F.Elmisery ,J.Starzyk,“A neural network based on sequence learning for speech recognition “ICCES’08,Nov. 2008
4. Ossama M. Erfan,  Fathey A. Elmisery, and Hammad. T. Elmetwally ” Neural Network  for Predicting Tool Wear and Current Consumption in Turning AL10% SiCP”, Cairo university, June 2008
5. F.Elmisery, A.H.Khalil, A.E.Salama, F.El-Geldawi, “FPGA Based VQ for Speaker Identification “ICM05, Dec., 2005.
6. F.Elmisery, A.Khalil, A.Salama, F.El-Geldawi,“Adaptation of ANN for FPGA implementation and its application for speaker identification “,ICEEC’04, Sept., 2004.
7. F.A.Elmisery, A.H.Khalil, A.E.Salama, H.F.Hammed, “A FPGA-Based HMM for a discrete Arabic speech recognition system” ICM03, Dec.2003.

الاهتمام العلمي:

 

 تتجه الأبحاث الحالية للدكتور /فتحي عبد اللطيف المسيري الي الأبحاث الخاصة الخلايا العصبيه للصوت واستخدام دوائر المجال القابله للبرمجه في بناء اللوغاريتمات المختلفه

عنوان رسالة الماجستير

دراسة تمثيل دوال الرؤية باستخدام دوائر المجال القابلة للبرمجة

ملخص رسالة الماجستير

يهخص انشسانت ف حص ىًُ الأخهضة انخقه ذُ تَ، و خَى اخخ اُس ان كًى اَث ان طًهىبت ي كخانىج ثى انسهك تُ ع هُا بطش قَت سسىي تُ نخ ثً مُ وظ فُت يع تُ. هَح خذ ذَ قَىو عه بشيدت أخهضة ان طًُق )ب ال د (ٌ، أصبحج شعب تُ. انذانت ان شًاد ح فُ زُها خَى بىاسطت ان كًى اَث انقابهت نهبشيدت . هزا انبحث هىدساست ايكا تَُ اسخخذاو واحذ ي هز انذوال انقابهت نهبشيدت وهى (FLEX) نخ فُ زُ وظ فُت انشؤ تَ. هز انذساست حى ع هًها ف يشكض ف هُ بُس نهخك ىُنىخ اُ انخص عُ )س اف ح (ٍ ض يد ىًعت انشؤ تَ انص اُع تُ . ف هز انذساست حى حص ىًُ انهاسدو شَ لإحذي انىظائف انشؤ تَ انخ حسخخذو ف يد ىًعت واسعت ي انخطب قُاث يثم انخحقق ي انهىحاث الإنكخشو تَُ ان طًبىعت (PCB) ، وانخحقق ي انبص اًث. خَى اسخذعاء انذانت انخىاسصي تُ سق قُ. حخكى انخىاسصي تُ حشقق انحزف ان خًعاقبت ي ان قُاط انسىداء عه طىل حىاف ظًَ ث اُئ يع انحفاظ عه الاحصال حخ خَى ضعفج ظًَ إن خظ انشسى انب اُ )انه كُم انعظ (ًٍ. ف حانت اسخخذاو انبشايح )سىفخى شَ( فا خىاسصو انخشق قُ أَخز كث شُ ي انىقج. نزا حى انهدىء نههاسدو شَ نهخغهب عه هز ان شًكهت. نقذ اسخخذيج نغت VHDL نخص ىًُ انخىاسصي تُ. و سَخخذو اندهاص FLEX 10K نخ فُ زُ رنك. بعذ انخ فُ زُ ف دائشة انفه كُس 10 ك خَُح انس كُهخى بدىدة عان تُ وقج قص شُ )بضع ثىاٌ ).

عنوان رسالة الدكتوراه

بناء تركيبي لتسريع أداء معالجة الاشارات الرقمية

ملخص رسالة الدكتوراه

إن معالجة الإشارات الرقمية (دي إس بي) مميزة عن باقي التطبيقات الأخرى في عِلْمِ الحاسبات من حيث النوعِ الفريدِ للبياناتِ المستخدمة ( الإشارات). في أغلب الحالات، هذه الإشارات تَنشأُ كبيانات حسية من العالم الحقيقي مثل الاهتزازات الزلزالية، صور بصرية، موجات صوتية، الخ. معالجة الإشارات الرقمية هي الرياضيات، الخوارزميات، والتقنيات المستخدمة لمعالجة هذه الإشارات بعد تحويلها إلى الشكل الرقمي. من خلال التطور التاريخي لاستعمال الحاسبات، تطبيقات معالجة الإشارات الرقمية دفعت إلى حدود قوة الحساب، خصوصاً من ناحية حساب الوقت الحقيقي. بينما تَراوحت الإشارات المستعملةَ بشكل واسع من إدارة الوسائط بالصوت، تسجيل صوتي، وفيديو إلى الرادارِ المتَخصصِ وبيانات السونارِ، معظم الحسابات المنفذة بأنظمة معالجة الإشارات لها نفس الخصائصِ الحسابية الأساسية. طبيعة تَوازي البيانات الموجود في العديد من وظائف معالجة الإشارات الرقمية جعلت خوارزميات معالجة الإشارات مثالية لتمثيلها عن طريق هاردوير. بينما التطبيقات شملت حيزا واسعا، فان البارامترات الحسابية الأساسية لمعظم عمليات معالجة الإشارات الرقمية تبقى بدون تغيير: الحاجة لأداءِ في زمن قياسي ضمن البارامترات المعطاة لهذا النظام، وفي معظم الحالات نحتاج إلى تعديل البيانات وشروط الحساب. في هذا السياقِ، مصفوفة بوابات المجال القابلة للبرمجة (إف بي جي أي) تكون انسب في مثل هذه الحالات. حيث هذه الحاسبات المعتمدة علي برمجة الخانة توفر كميات كافية مِن البوابات والمسجلات التي يمكن من السهولة تعديلها لدعم التَوازي في العديد من تطبيقات معالجة الإشارات الرقمية وخصوصا السعة الحالية لهذه الآلات من البوابات تَتجاوز مليون بوابة لكل أداةِ. في هذه الأطروحة تمت دراسة اثنان من تطبيقات معالجة الإشارات الرقمية المعتمدة على معالجة الصوت. هذان التطبيقان هما التعرف على المتكلم وتمييز الصوت. حيث أن هذان التطبيقان لهما تطبيقات كثيرة في الحياة اليومية مثل النظم الآمنة ،التسوق من بعد، وإدارةِ المعرفة. ولكن هذان التطبيقان (التعرف على المتكلّمَ وتمييز الصوتَ) يستغرقان وقتا طويلا في حالة استعمال المعالجِ التقليديِ وهم في حاجة لاستخدام الهاردوير للتطبيقات الحية ذات وقت قصير جدا. تمييز الصوت آليا (أي إس آر) هو العملية التي بواسطتها بتم تحويل إشارة سمعية إلى النَصِ. على وجه التحديد، يمكِن أَن يعتبر تمييز الصوت آليا هو مشكلة تَحويل خطاب صوتي إلى الكلمات مقروءة. حيث أن إشارةِ هذا الخطاب تحول إلى الوحدات الأولية من الخطاب مثل الفونيمات أَو الكلمات وتفسيرِ السلسلة المحولة لكي يسمحا لتصحيح الكلمات المعترف بها لفهم الخطاب. مهام تمييز الصوت آليا يمكن أَن تصنف إلى التابعِ المتوافقِ والأصناف المستقلة. في الأنظمة المعتمدة على المتكلم،المحقق يكون مصمم لمتكلم وحيد.بينما المحقق في حالة المتكلمِ المستقلِ يتم تدريب النظام من قبل عديد من المتكلمينِ ويستخدم أيضا من قبل العديد من المتكلمين.ويعتبر نظام ماركوف الغير مرئي(إتش إم إم) هو إحدى أكثر الخوارزميات الناجحة المستخدمة في تمييز الصوت. نظام ماركوف الغير مرئي يعتمد على تقنية عرض احتمالية التي تَستعمل عدد محدود من الحالات والانتقالات الرسمية المرتبطة بها ليحاكي تغيرات الإشارات. تم استعمال هذا النظام على نطاق واسع لتَشكيل وحدات الصوت الأساسية في تمييز الصوت. قمنا بتعديل الخوارزميةَ الأماميةَ، التي هي قلب نظام ماركوف ، لتمثيلها علي هاردوير. قمنا بتصميم الخوارزم المعدل باستخدام لغة (في إتش دي إل). وتم تطبيقه باستخدام مصفوفة البوابات القابلة للبرمجة( إف بي جي) وإختبرنَا تطبيقَنا باستعمال أحد كروت شركة Xilinx ((STARTER Kit. تصميمنا يشغل 35 % (في حالة قيم العدد الصحيحِ) و81 % (في حالة النقطة العائمة) من مصادر الشريحة الموجودة على الكارت (Spartan3XC3S200-4). حققنا دقة تعرف بنسبة 98 % في زمن قدره 1.62 مايكرو ثانية. إن التعرف على المتحدث آليا هو أحد حقول تمييز المتكلم الذي يعتبر مشكلة مجاراة النمط. أنظمة التعرف على المتكلمِ آليا تنقسم إلى قسمين رئيسيينِ: معتمد على نَص ونَص مستقل. في الأنظمة المعتمدة على النَص، النصوص المستخدمة للتدريب والاختبار واحدة . من الناحية الأخرى في أنظمة النَص المستقل، النص المستعمل في مرحلة الاختبار ليس بالضرورة هو نفسه المستعمل في مرحلةِ التدريب. إن الشبكات العصبيةَ ثبتت ناجحا في مرحلة مجاراة النمط بسبب قابليةِ تعرفها الفائقة على الأنماط . القابلية العالية للشبكات العصبية في التصنيف الدقيق جعلها مناسبة لحل مشاكلِ تصنيف النمط المعقدة للصوت. علاوة على ذلك، طبيعة التَوازي للعمليات للشبكات العصبية يمكن أَن تسرع حساب أعداد كبيرة من مجاراة النمط. بَنينَا الهاردوير لإحدى الشبكات العصبية للتعرف على المتكلم باستخدام لغة ( في إتش دي إل). عد لنَا دالة التحجيم(دالة غير خطية). قمنا ببناء واختبار تطبيقَنا باستخدام أحد كروت شركة .Xilinx بسبب المصادرِ المحدودة للكارت ((Starter Kit إستعملنَا صيغةَ النقطة العائمة المخفضة لتَمثيل الأعداد، خلايا عصبية إفتراضية، وتقنية معايير متعددة الإرسال. تصميمنا يشغل حيزا 76 % من مصدرِ الشريحة Spartan-3XC3S200-4) الموجودة على الكارت. إن البناء للشبكة العصبيةِ نموذج ، ويمكن بسهولة زيادة أَو نقص عددَ الخلايا العصبية وكذلك الطبقاتِ. تصميمنا قدم ليقوم بالتعرف على المتكلّم باستخدام الخلايا الشبكية متبوعا بالتعرف على الكلام باستخدام نظام ماركوف الغير مرأى. أثبتت مصفوفة بوابات المجال القابلة للبرمجة كفاءة في تحسين أداءِ كلتا التطبيقين(متكلّم وتمييز الصوت).