交通大學資訊科學與工程研究所學位論文
國立交通大學,正常發行
選擇卷期
- 學位論文
本論文提出並且實作以暫存器庫為基底之3GPP長期演進技術接收機平台。此平台透過shared memory pool 與 shared bus整合快速傅利葉轉換(Fast Fourier Transform)、算術邏輯單元(Arithmetic Logical Unit)兩種運算單元，以及蜂巢搜尋(Cell Search)、載波頻率偏移(Carrier Frequency Offset, CFO)、取樣時脈偏移(Sampling Clock Offset, SCO)、通道估測(Channel Estimation)和等化器(Equalizer)等通訊演算法，達到了LTE-advanced當中1024點與2048點兩種載波規格要求。使用硬體描述語言Verilog實作平台架構，並且提供足夠的擴展空間以降低未來平台的設計成本。
- 學位論文
本論文試著提出以軟硬體協同設計的方式，設計一個JAVA 加速處理器(Java Accelerator IP, JAIP)配合任何通用處理器（General Purpose Processor, GPP）來執行JAVA 程式。論文的重點分成軟體架構和硬體架構的設計。在硬體方面，我們設計了一個針對Java Virtual Machine(JVM) 運作特性所設計的客製化 4-port memory，做為在Java 加速器的stack memory，在較低的硬體成本的情形下，可以降低Java 加速器double-issue 時因為local variable accesses 所造成的結構危障(structure hazard)。 在軟體方面，我們是以 Java 語言的dynamic class loading 的運作模式，來設計我們GPP和JAIP 的系統軟體整合介面。我們設計的介面，僅需GPP 系統平台提供中斷服務的功能以及標準C 語言的函式庫，就可以讓我們整合JAIP 至任何作業系統的環境裡。另外我們在系統軟體中設計了快速原生方法（Native Method）呼叫的功能，以支援JAVA 系統物件型別（system classes）中的系統功能呼叫。整體而言，我們所提出的軟硬體協同設計的Java 加速系統同時具備易整合以及高相容的特性。 配合這樣的架構底下，論文當中也在Xilinx 的FPGA上實作出我們所提出的堆疊記憶體，以及完整的系統軟體以進行驗證。特別是我們完整的支援JAVA 物件導向特性中的繼承與介面機制、以及動態連結等機制。並把 Java Micro Edition 中CLDC 的大部份系統物件型別移植到我們的平台上。
- 學位論文
本論文重點在於實作低價攝影機的相機參數校正和三角定位，並探討其用於實際定位時誤差的估量，在實作的部分利用一市售之低價3D WEBCAM作為取像的來源，並且拍攝特徵的標記點，前端取像的流程會根據流程執行的平台不同而有所差異，在Windows下使用OpenCV來輔助兩個webcam一起作取像的動作，在Linux下則使用系統所提供的V4L2 API來撰寫兩個webcam取像的程序，取得的圖片作為相機校正流程的來源圖片，經影像處理計算出校正用特徵點於來源圖片中的像素座標，經過相機校正的程序之後可以算出該相機的內外部參數，得知世界座標系與相機座標系的轉換關係，再利用影像處理計算特徵點在左右兩張圖像中的位置，可藉由這些資訊利用三角定位計算出物體在世界座標系空間中的位置，再將我們定位出來在世界座標系中的座標點，和已知的座標點位置的特性去作比較來衡量誤差，並於不同的實驗變因下作測試，最後根據使用者實際操作虛擬介面時的可能情境，設計合理的虛擬立體物件以及場景，並且架設相機於可以捕捉使用者操作介面之位置，並進行座標定位的誤差測試。
- 學位論文
近年來，為因應高效能以及低耗能的需求，系統的開發已朝向多核心發展，其中異質多核心系統(heterogeneous multi-core system)為現今的發展趨勢，而又以CPUs+GPUs 架構最引人注目。然而，隨著系統中核心數量的增長，現今的系統變得相當複雜，也讓程式設計者面對更大 的挑戰。CUDA (Compute Unified Device Architecture)正是因應愈來愈普及的GPGPU 運算環境，其制訂程式開發介面，簡化程式開發者撰寫CPU 與GPU 間工作分配與溝通的程序，幫助運用執行緒(thread)的平行化，達到高性能運算的效率。在CUDA 架構中，資源管理是程式效 能很重要的考量點，其中包含了全域記憶體(global memory)、共享記憶體(shared memory)及暫存器(register)的管理，許多研究提出了針對記憶體管理來增進效能，但卻沒有研究能有效的管理暫存器來提升效能。在GPU 中，暫存器的使用量深深的影響到執行緒同時執行的數量，因為暫存器的數量是有限的，若每個執行緒對暫存器的使用量能夠減少到某一定程度，則表示能增加更多同時執行的執行緒，則全域記憶體的存取延遲能夠被更有效的遮掩，如此，便能獲得較好的程式效能。此篇論文中，我們提出了一個暫存器管理的架構，此架構包含了一個模組 (model)來決定暫存器使用量需降到何種程度來提升同時執行的執行緒數量以及兩個暫存器最 佳化方法，其一利用重算指令來重算暫存器中的值，其二利用共享記憶體來儲存暫存器的值， 使用此二個最佳化方法來將暫存器的使用量降低至某一程度，進而增加程式的效能。我們將使 用此架構與未使用此架構的CUDA 程式比較，結果顯示能使核心程式(kernel code)有14.8%幾何平均的效能提升，而整個程式能有5.5%幾何平均的效能提升。
- 學位論文
現今高效能運算領域中，以異質多核心系統進行平行運算已成為一大重要發展趨勢，妥善運用不同種類核心之計算能力優勢，可大幅提高運算效能。OpenCL 即為因應愈來愈普及的異質多核心運算環境所提出的程式開發模型，幫助程式開發人員撰寫有效率、具移植性的異質多核心程式，提升計算效能，但目前於系統虛擬化環境中並不支援OpenCL，無法以系統虛擬化幫助進行更佳的OpenCL運算資源管理。在本篇論文中，我們以KVM虛擬機器為基礎提出了一個OpenCL虛擬化架構，並以API Remoting的方式達成OpenCL運算資源多工。本論文的OpenCL虛擬化架構分為：(一)適用於客戶虛擬機器(guest virtual machine)環境下的OpenCL函式庫，負責包裝OpenCL函式請求與回覆。(二)Virtio-CL，為一虛擬裝置，負責客戶虛擬機器與虛擬機器管理者(hypervisor)之間的資料傳輸。(三)一個新的執行緒(thread)，其負責真正執行OpenCL函式，稱為CL執行緒。由於API Remoting的特性，OpenCL程式在OpenCL主端與客戶端間資料傳輸量直接影響虛擬化負擔。在實驗中發現，我們選用的OpenCL運算密集型(device-intensive)測試程式僅有少量虛擬化負擔，平均為6.4%，且當客戶虛擬機器數量增加時，虛擬化負擔增幅不大，代表我們的虛擬化架構能實現有效的OpenCL運算資源管理。
- 學位論文
腦部的磁振造影技術 (MRI)，已被廣泛的使用在研究人類的腦部結構上，腦 模板 (template) 提供一個共同對位 (registration) 的標準空間，做為分析腦 部結構和比較腦部結構差異的基準。然而，對於一個不適當的腦模板空間，可能 會造成受測者的磁振造影影像需要過大的空間形變，才能對位到腦模板上，對位 後的成像容易會產生較大的誤差，對於研究分析特定族群的腦部結構，如何建構 一個無偏頗 (unbiased) 的腦模板是必要的。 此研究的主要目的是發展一個標準的建構客製化腦模板 (customized brain template) 流程。首先，我們會運用影像分析，將所有的受測者影像，截 取出純腦 (brain-only) 結構影像和不同腦組織 (tissue) 影像。接著，我們會 選取一個參考影像當作起始的腦模板空間，藉由腦模板和受測者影像之間反覆性 的影像對位流程，逐步的優化該選取的起始腦模板影像，並得到一個代表性的影 像 (representative image)。最後，將所有的受測者影像對位到此代表性影像 亦為腦模板空間，在平均所有對位到該空間的影像後即可得到腦模板影像。 在此研究中，我們利用216 個正常受測者 (normal subject) 的影像，在台 灣建立一組腦模板稱為BTT216。在和ICBM152 腦模板的評比中，這216 個受測 者影像對位到不同的腦模板後的成像，BTT216 提供較高的影像相關性 (correlation)。在平均形變量 (magnitude of deformation) 的評比上，BTT216 亦提供較小的形變差異。除此之外，我們針對特定的研究族群 (study-specific) 建立該族群的腦模板，例如不同性別和年齡層的腦模板，在評比中亦顯示此特定 的腦模板影像相較於其他腦模板提供較好的對位正規化空間。 我們的研究中，建立一個標準的建構腦模板流程，並針對特定族群所建立的 客製化腦模板，提供一個更佳的對位空間。
- 學位論文
本論文之目的在發展睡眠腦電波之循環交替模式偵測演算法，並利用分類器進行改善A-phase之子模式分類準確度。而現代人生活中，睡眠品質的重要性節節提高，但睡眠品質主要利用宏觀結構之睡眠階段來作為判斷依據。微觀結構部分，醫學文獻指出睡眠中循環交替模式與A-phase之子模式可用於判斷睡眠品質。但由於人工判讀循環交替模式費時費力且較主觀，所以尚未大量應用在臨床上。本研究結合過去方法之優點，利用相對性的功率譜數值作為腦波睡眠正規化特徵，並計算最適當循環交替模式長度，以發展改良型長度變化模板式演算法來進行睡眠循環交替模式之偵測。在本演算法中，比較相對性的功率譜數值與閾值來判斷循環交替模式中的A-phase 之存在與否和長度，而在判斷出A-phase之後，利用循環交替模式之標準評比方式決定出單一睡眠循環與睡眠循環序列。在A-phase之子模式分類中則結合相關Carlo Navona等學者在2002年所提出之方法、碎型維度與k最近鄰居法分類器以提升分類準確度。 首先我們利用二位有失眠疾病的受測者的睡眠腦波作為腦電波特徵的測試資料，此兩位受試者循環交替模式之偵測準確度為66%，A-phase之子模式分類準確度為67%。並藉由和Barcaro演算法做比較，驗證本演算法結合改良型長度變化模板式演算法與閾值之優越性。接著我們利用147位呼吸中止指數大於五的呼吸中止症受試者與41位呼吸中止指數小於五的無呼吸中止症受試者睡眠腦波作為腦電波特徵的測試資料。在不同的年齡層中，計算循環交替模式率的結果，呼吸中止症的受測者顯著高於無呼吸中止症的受測者。且在重度呼吸中止症受試者之循環交替模式率會有顯著提升。可驗證我們所設計的睡眠循環交替模式演算法能夠偵測到可信賴的循環交替模式率。
- 學位論文
在大型監控環境中，要建置多台攝影機才可以涵蓋整個範圍，但以傳統人工的方式來監視是沒有效率的，所以我們欲發展自動化的長程追蹤系統來增進效率。我們使用網路攝影機(IP camera)的原因是因為透過網路攝影機容易取得影像而且影像解析度高，相對的，使用網路攝影機可能造成影像不穩定更新率(unsteady frame rate)的問題。針對不穩定更新率所造成追蹤失敗，在本論文中，我們提出穩定且有效率的方法來解決。 系統主要分為兩個部份，第一部份為前景偵測，第二部份是物體追蹤。前景偵測主要使用密碼本(codebook)演算法，物體追蹤的方法使用改進均值位移(modified mean shift)演算法。基於目標模型的立方圖(histogram)，改進均值位移一步步遞迴尋找下一個目標出現的位置，但不穩定更新率使得物體跳動太大讓改進均值位移追蹤失敗，因此，我們提出結合改進均值位移和移動重置(motion relocation)的方法，除了原始追蹤位置外，在物體出現率最高的前景區域重置另一個起始追蹤視窗，這兩位置分別套用改進均值位移找到收斂位置後，以跟目標模型的相似度來衡量哪個結果為追蹤目標。此外，我們也提出前景擴張(foreground extension)方法來解決物體因停留太久變成背景而追蹤失敗的問題。 本論文中，我們發展了即時追蹤系統，在不穩定更新率的情況下，仍然有穩定的追蹤結果，根據實驗結果顯示，我們提出的改進均值位移比原始均值位移(original mean shift)更據可靠性，而且使用移動重置也提昇了很高的準確率。
- 學位論文
在自動化的車輛監視系統中，顏色辨識是一項重要的議題。車輛的顏色是一項重要的特徵，它可以幫助我們去辨識這輛車子的身分。在這篇論文中，我們提出一個以降低反光影響的方法去分類車輛的顏色。首先，使用影像切割演算法把影像切成幾個區域，找出最有可能是車輛外殼的那個區域。由於受到車殼上反光的影響，會使得影像切割後車殼會變成幾塊破碎的區域，我們將很難找到完整的車輛外殼的區域。因此，我們使用了一個去反光的方法分開反光的成分和漫射的成分，以降低反光所造成的影響。最後，我們找出車輛車殼的區域，計算它的主要顏色以分類車輛的顏色。我們從幾個不同的網站上下載七種不同顏色的車輛圖片當作實驗的資料，實驗的結果顯示出我們提出的方法有令人滿意的結果。
- 學位論文
近年來智慧型手機在手機市場上大幅嶄露頭角，尤其又以Android系統為主的手機更是普及。無論是收發電子郵件、GPS導航系統、甚至是玩遊戲、聽音樂、看影片...等，都能在小小一台智慧型手機上完成。Android系統秉持著開放原始碼策略，讓每個人都能自行撰寫應用程式，來自四面八方的應用軟體在Android Market上不斷的增長，更不用提其他網站自行提供的應用軟體。其中，隨之而來的是有心人士開始散佈惡意軟體，竊取使用者個人隱私資料，或是擅自使用付費服務，造成使用者金錢損失。Android Market並沒有對上載的應用程式提供嚴格的審查機制，加上Android手機允許安裝非Market上的應用程式，這些都會讓使用者容易下載到惡意軟體仍渾然不覺。因此，如何保障Android手機上的安全，是我們研究的主要目標。我們的滲透測試系統蒐集各種Android系統上的漏洞，並提供檢測和相應的建議，並透過Wi-Fi攻擊途徑來實現這些檢測。