透過您的圖書館登入
IP:18.221.24.140

清華大學電機工程學系所學位論文

國立清華大學,正常發行

選擇卷期


已選擇0筆
  • 學位論文

加護病房中存在高抗藥性肺炎病菌的威脅,若病人感染肺炎,則需要診斷為何種肺炎菌種才能對症下藥,而目前普遍採取菌種培養的診斷方法,但此方法需要約五到六天才能得知結果,往往緩不濟急,病人就去世了。因此,想將具肺炎菌種辨認功能的電子鼻晶片安裝於人工呼吸器上,隨時偵測病人呼出的氣體中是否含有肺炎菌種氣體成分,以幫助醫生作早期診斷並對症下藥,把握治療的黃金時期。本論文研究過程中使用奈米複合材料陣列感測器,蒐集病人呼出的氣體訊號,使用樣式識別方法來分析資料。此論文的資料分析方面,使用KNN作為分類器,並且使用循序的特徵選擇方法挑出對肺炎辨識具有影響力的感測器以提高辨識率。實驗結果顯示,肺炎偵測使用特徵選擇方法,正確率從73%稍微上升至75%;而肺炎菌種辨認正確率則從66%明顯提高至73%。 論文中也提出基於構成成分作決策的混合氣體辨識方法(Individual Constituent-Decision Method, ICDM),此方法不只將混合的涵義包含在內,且可以針對各構成成分的辨識作最佳化,將所有的構成成分決策結果綜合起來,即為混合氣體的辨識結果。由於本研究尚未有肺炎菌種氣體的主要構成成分資料,所以使用市售的混合果汁氣體資料來驗證此方法。此論文將ICDM和一次把混合後的所有組合作分類的方法比較,實驗結果發現ICDM有比較高的辨識率,並且各構成成分的辨識模型(最佳特徵子集合、分類器參數)皆有所不同,表示ICDM能針對各構成成分的辨識作最佳化。

  • 學位論文

在日常生活中,靜態隨機存取記憶體存在於各種電子產品中,且於各種電路及系統單晶片中占據了越來越多的面積。這代表了靜態隨機存取記憶體佔據了晶片中大量的功耗。所以,如何減少靜態隨機存取記憶體功耗而又不降低操作性能是一個相當大的挑戰。 要降低靜態隨機存取記憶體之功耗,降低操作電壓是一個有效的做法。但是降低操作電壓會使得靜態隨機存取記憶體面臨以下問題: (1) 讀取失真及半選擇失真 (2) 寫入能力及半選擇失真容忍之抵換 (3) 降低感測邊限造成的讀取錯誤跟低操作速度。過去的作品可以解決讀取失真的問題,但是都無法解決寫入能力及半選擇失真容忍之抵換,除非使用寫回的機制,但是寫回機制會耗去額外的時間跟功耗。以上的種種問題導致過去的作品無法於低壓下操作、並且有較好的操作速度。 在這個作品,我們提出了一具有雙重資料警覺寫入輔助及負壓讀取字元線之八電晶體靜態隨機存取記憶體。受惠於雙重資料警覺控制之: (1)資料警覺之記憶胞源極電壓 (2) 資料警覺之寫入字元線,這個行基的雙重資料警覺寫入輔助初次解決了寫入能力及行列上的半選擇失真容忍之抵換問題。負壓讀取字元線加大了讀取位元線之振福且改善了讀取速度。 透過六十五奈米互補式金氧半邏輯製程技術,建構出一容量為十六千字元之雙重資料警覺寫入輔助之八電晶體靜態隨機存取記憶體。藉由示波器以及測試機台PK2之量測,此晶片可於三百毫伏之操作電壓下以四十八百萬赫茲的頻率下運行且最低可達到兩百一十毫伏之操作電壓與七點三百萬赫茲之操作頻率。這個作品之品質因數: 記憶胞穩定性乘以操作頻率除以記憶胞面積乘以最低操作電壓為其他低操作電壓之靜態隨機存取記憶體之十四倍。

若您是本文的作者,可授權文章由華藝線上圖書館中協助推廣。
若您是本文的作者,可授權文章由華藝線上圖書館中協助推廣。
  • 學位論文

手持式消費性電子產品、智慧型車用電子等產品需要非揮發性記憶體做程式的儲存。而產品要達到高效能與快速回應的目標,對於執行程式將有高速讀取的需求。藉由非揮發性內嵌式記憶體與微控制單元(MCU)整合,可成功大大提高MCU之高速資料處理速度。 目前傳統的內嵌式記憶體都使用快閃記憶體,然而快閃記憶體(Flash memory)有讀取與寫入速度慢,寫入操作無法直接寫入(需要block erase),並需要高電壓。製程縮小至奈米等級之後,快閃記憶體在微縮上遇到了許多物理限制,使其成本上升或是特性劣化。因此開發新型態非揮發性記憶體是必需且迫切的。電阻式記憶體(RRAM)為公認相當具有潛力取代快閃記憶體,如給予適當的寫入驅動電流,其可達到快速直接寫入、低寫入電壓與低功耗、具有快速讀取度、寫入阻值均勻穩定並可在長時間儲存後擁有穩定而不漂移的阻值等優點。 電阻式記憶體目前面臨兩個主要的挑戰: 1. 滿足寫入驅動電流的要求並減小驅動電晶體的面積來提高密度 2. 加大讀取電流提高資料讀取良率與讀取速度的同時避免讀取干擾 在此篇論文中,我們使用了與CMOS製程相容的創新之寄生BJT元件,可節省4.5倍以上的面積。但BJT驅動能力對溫度具有較高的敏感度,若是以傳統箝制電路將位元線電壓固定,在高溫時即可能因溫度升高而造成讀取干擾的問題。而若是以預留邊限(margin)改變箝制電壓使傳統箝制電路在高溫時不會讀取干擾,則在低溫時讀取電流將下降並影響良率。 因此我們提出具溫度警覺位元線偏壓讀取機制(Temperature-Aware Bit-line Bias Scheme)來解決BJT溫度變異的問題。此機制在低溫下可提高4.7倍的細胞電流,配合具溫度警覺之加速機制可提高1.6倍的讀取速度。 我們分別以0.18微米與65奈米製程實作1Mb與2Mb的BJT RRAM記憶體測試晶片。量測結果其讀取速度可達到4.2ns and 4.7ns, 為目前全世界Mb等級RRAM晶片中最快的速度表現。

若您是本文的作者,可授權文章由華藝線上圖書館中協助推廣。
  • 學位論文

摘要 本論文提出一個應用於感應器陣列式之十位元行平行處理(Column-Parallel)的類比數位轉換器(Analog-to-Digital Converter, ADC),為降低單一類比數位轉換器之功耗,本論文採用漸近式類比數位轉換器(Successive Approximation ADC)的架構,並利用功耗較低的電容式數位類比轉換器(Capacitive Digital-to-Analog Converter)來產生類比數位轉換過程中所需的參考電位。由於傳統電容式數位類比轉換器是造成漸進式類比數位轉換器面積過大的主要原因,在行平行處理的應用中由於要將之實現在行寬(Column Pitch)中,因此,本論文提出一多分段電容式數位類比轉換器(Multi-Segmented Capacitive DAC)以降低數位類比轉換器所占的面積與功耗。為了解決分段DAC固有的不匹配問題,本論文提出了一種新的數位校正方法,使得SNDR從51.79dB提升至57.63dB。 為了驗證本電路,本論文利用0.18微米CMOS製程來實現一原型實驗晶片。本實驗晶片操作在1V 的供給電源和4MS/ s 的採樣速率。在接近Nyquist 頻率所測得的有效位元數(ENOB),是9.28 位元。在經過校正後差動非線性誤差(differential non-linearity, DNL)由 +0.52 / -1 LSB 提升至 +0.62 / -0.65 LSB,積分非線性誤差(integrated non-linearity, INL)由 +3.2 / -3.1 LSB 提升至 +0.64 / -0.48 LSB。整顆晶片總功耗為53.5 微瓦,所計算的等效figure of merit(FoM)則為21.5fJ/Conversion-step。

  • 學位論文

傳統聲源定位的方法,是藉由聲源到達麥克風陣列中每支麥克風的時間差(TDOA,Time Difference of Arrival),來回推聲源的入射角度,這種方法雖然計算量並不大,但是在空間中的解析度卻會受到取樣頻率的影響。本論文引用了目前聲源定位的諸多方法中,解析度較高的MUSIC(Multiple Signal Classification)演算法,此演算法即使在多聲源的情況下,不但可以得知聲源的數目,更可同時找出個別的入射角度,再利用粒子定位法(Particle Localization Method)實現二維平面的聲源定位。但在實際操作後,發現此演算法的計算量非常龐大,以至於無法直接套用在real-time系統中。因此,我們也採用了幾種解決方案,解決計算量過大的問題。另外在非理想環境中,定位結果容易受到環境雜訊以及回聲的影響,造成定位不穩定。因此,本論文還引入了兩種線性預估的方法,粒子濾波器(Particle Filter)以及卡爾曼濾波器(Kalman Filter),事先對聲源位置做預測,來改善定位結果。從實驗結果發現,卡爾曼濾波器的誤差收斂速度比粒子濾波器要快,且對於移動聲源的追蹤也較佳。

  • 學位論文

為了在非線性不確定系統下解決多目標H2/H infinity模糊追蹤控制問題,本篇論文中提出一個多目標模糊控制設計使在非線性不確定系統下能夠保證H2和H infinity的軌跡追蹤效能可以同時滿足。首先利用T-S fuzzy model來使線性系統近似非線性不確定系統,接著基於T-S fuzzy model和模糊控制器所組成的擴充矩陣,多目標H2/H infinity模糊追蹤控制問題可以被公式化成一個多目標問題來同時最小化非線性模糊問題的H2追蹤誤差和H infinity擾動抑制程度。因為直接解多目標問題不容易,所以提出一個間接的方法來解決多目標控制設計問題,即假設H2追蹤誤差和H infinity擾動抑制程度有其上界,然後藉由盡量降低這兩個上界達到同時最小化H2和H infinity,讓多目標問題轉變成最小化帶有三個線性矩陣不等式限制條件的多目標控制設計問題。接著藉由MATLAB的LMI toolbox使用結合了線性矩陣不等式的多目標演化演算法從多目標問題得出的一組Pareto最佳化解讓使用者可以根據使用需要來挑選。另外,為了與本篇論文提出的多目標控制設計方法做比較,也展示用weighted sum 方法解決多目標H2/H infinity模糊追蹤控制設計問題,同時在本篇論文中也簡述了演化演算法的設計流程。最後,給出一個二連桿機器手臂的例子來說明設計流程及證明帶有線性矩陣不等式約束的多目標演化演算法在非線性不確定系統下對H2/H infinity模糊追蹤控制問題的表現。

若您是本文的作者,可授權文章由華藝線上圖書館中協助推廣。
  • 學位論文

對於實現高解碼吞吐量的低密度奇偶檢查碼(Low-Density Parity Check Codes, LDPC codes) 使用最小和演算法(Min-Sum Algorithm, MSA)硬體,傳統數位電路在檢查節點更新(check-node units, CNU)實現找正確的前兩小值以及他們的位置(index)是採用樹狀結構演算法,然而此演算法在多項輸入比較值特別是在找尋第二小值,會對硬體面積以及複雜度產生很大的影響。本篇論文提出將數位域(digital-domain)轉成時域(time-domain)的方式來找尋正確前兩小值,因時域計算相較數位電路可以改善在多筆輸入訊號或長字長(long word length)情況的硬體複雜度,並且也有降低電路延遲(latency)等優點。 然而同樣採取時域計算的ISSCC2013[8]在長字長情況下,數位時域轉換器的硬體面積會有越來越大的趨勢且運算速度會降低。為了增加運算速度以及減少晶片面積,這篇論文亦提出針對各輸入比較訊號的最高位元(Most significant bit, MSB)資料做先行處理:設計出一種分類電路將其分類再將剩餘的數位值轉時域做計算,以此達到減少延遲電路數量的目的。本篇論文為了了減少設計的複雜度跟降低電路布局時間,除了為了減少高延遲電路的硬體面積以及因在數位流程中沒有仲裁電路布局是使用自行電路佈局方式,其他電路以及最後的架構整合均使用數位電路設計流程。本篇論文提出兩種依據解碼吞吐量(throughput)要求找小值電路架構,相較於傳統數位電路實現方式,可以減少約30%的晶片面積以及減少電路延遲。

  • 學位論文

在現實中,一個太陽能發電系統的運作條件不是時刻穩定的。在太陽能板上的陽光照度不但在整個白天改變而且有時候經過的雲朵或是影子也會改變。為了要滿足這些動態的運作條件,在一個太陽能發電系統中增加一個控制器是有必要的。傳統上,在一個太陽能發電系統中的控制器是以類比電路所實現。在這篇論文中,控制器是由集成數位電路所構成。相較於類比電路,數位電路有較佳的靈活性和較低的複雜度可以在一個太陽能發電系統上實行更多的功能。 該控制器是可編程的並且有能力以高速來執行多個程式。控制一個太陽能發電系統要執行兩個程式。一個是〝修改版預測式電流控制(MPCC)〞而另一個是〝最大功率點追蹤(MPPT)〞。程式被修改用以適應定點運算和縮短執行時間。 最終的設計是一個有著時脈100MHz的雙核心處理器位於一個現場可程式閘陣列(FPGA)平台上。它負責控制一個3通道10位元的類比數位轉換器(A/D)在1MHz的取樣頻率下取得必要的資料。主要的輸出是一個有最小精度是0.002占空比的100kHz脈沖寬度調變(PWM)訊號。每個核心有1千位二進位位元組的程式記憶體和256位元組的資料記憶體。一個多核心控制器負責控制核心到核心和核心到外面的交流。數位脈沖寬度調節器(DPWM)根據MPCC和MPPT的計算結果產生一個PWM訊號。MPCC程式搭配一個2千位二進位位元組的查表(LUT)記憶體執行並且當它在100MHz的單核心上操作時花費了2.74μs,而MPPT程式在同樣條件下花費了2.58μs~3.1μs。

  • 學位論文

傳統的車輛偵測系統,僅使用車尾偵測器來偵測行車前方的車輛,但針對駕駛輔助的需求,該系統無法對鄰近的超車車輛進行偵測,超車車輛有變換車道等發生碰撞的可能,所以我們提出超車車輛的偵測系統。 將車載攝影機行駛於道路所拍攝的影像作為輸入,使用車尾偵測器和車輪偵測器,來偵測實際駕駛環境中攝影機車輛的前方車輛和兩側道路的超車車輛,超車車輛的外觀變化非常急遽,不同的位置和角度,讓車輛的側面外觀變化複雜,所以我們選擇了外觀變化小的車輪部位來建立鑑別性良好的偵測器,達到超車車輛的完整偵測結果。 在影像上計算MB-LBP特徵,再使用AdaBoost所訓練的車尾和車輪這兩種偵測器進行掃描,有別於一般偵測物體的方式,除了變化搜尋的尺度,也建立了三種長寬比例的車輪偵測器,以克服在實際的行駛狀況下,畫面中不同位置和角度的車輛側面有不同的輪胎長寬比例,使用串聯分類器有助於提高偵測速度和選出具有鑑別性的特徵來提高偵測率,車輪偵測器的偵測率達0.96,車尾偵測器的偵測率達0.92。 一般車輪偵測只使用在靜態車輛的側面部位定位之用,從實驗結果能夠看出,將其應用到行車環境後依舊有良好可靠的偵測效果,最後利用偵測到的車尾和車輪位置來在畫面上標示出車輛的所在位置。

若您是本文的作者,可授權文章由華藝線上圖書館中協助推廣。