• 學位論文

5G使用者終端裝置毫米波頻段雙頻雙極化天線封裝(AiP)技術發展

本論文提出應用於第五代行動通訊(5G)之毫米波頻段天線，分別實現以28 GHz與39 GHz為中心頻率之單頻雙極化天線和滿足兩頻段的雙頻雙極化天線，透過對稱的印刷電路多層板(PCB)架構與低溫共燒陶瓷板材(Low Temperature Co-fired Ceramic, LTCC)，提供低介電常數及低損耗材料，形成小尺寸且具有良好特性之陣列天線封裝(Antenna-in-Package, AiP)，可以將其設計應用於使用者終端裝置當中。 天線單元設計以貼片天線為主，並以堆疊、挖除槽孔、電容耦合和添加寄生元件的方式進行設計，頻寬都能涵蓋整個目標頻段，且都具有線性雙極化特性，並提供2×2和4×4的天線陣列架構設計，本論文回顧相關設計文獻，並介紹設計理論，再提供天線單元設計流程，並將陣列天線設計模擬結果進行討論。

• 學位論文

應用於無人機雷達之波束切換圓形天線陣列

本論文提出一應用於無人飛行器調頻連續波雷達的圓形天線陣列。藉由連接於陣列上的微波開關、功率分配矩陣、以及相移器，該陣列能實現波束成形並以波束切換的方式實現在水平面上的全方位波束掃描。圓形陣列的組態與波束切換機制解決了傳統線性陣列中波束場型隨掃描方向變化的問題，其代價為略高一些的旁瓣位準。基於可取得的商用調頻連續波雷達電路模組，此系統的工作頻率設計於24 GHz，然而為了驗證圓形陣列的概念，我們先在較低頻的5.8 GHz完成原型設計。 在5.8-GHz原型設計中，我們以類八木與田天線OO為天線單元。藉由適當的寄生偶極的擺放，該天線的頻寬與增益能獲得提升。在24-GHz的設計中，藉由計算雷達的連結預算，我們決定了系統的頻寬與增益規格。為了提升增益，我們以鋪放超穎材料的類八木與田天線為天線單元。陣列的大小與各單元天線的相位分布經模擬設計後能夠實現30˚的半功率束寬與小於-13 dB的旁瓣位準。 在量測方面，我們在無反射實驗室完成5.8-GHz原型設計的量測，並得到與模擬相近的結果，進而驗證了設計概念。5.8-GHz系統於5.8 GHz測得的實現增益在4-5 dBi之間。我們也在自建的毫米波量測系統中量測24-GHz 的天線單元場型，得到與模擬相近的結果。24-GHz天線單元在24 GHz測得的實現增益為9.5 dBi。

• 學位論文

藉由色彩嵌入和色彩量化實現可逆的彩色灰階影像轉換

過去二十年，隨著通訊設備以及智慧型手機的普及，影像的保存以及有效率的傳輸都是我們值得探討的主題。現代人們將影像保留於移動設備中，儲存容量以及高畫質的平衡，促使著影像壓縮以及更多元化的影像演算法發展。此篇論文分別介紹彩色灰階影像轉換、可逆資料隱藏，以及可逆彩色灰階影像轉換，在各章節中我們介紹相關方法，以及使用不同的量化指標評估各個方法的實驗結果。將彩色灰階影像轉換應用於評估可逆彩色灰階影像轉換中的灰階影像，將可逆資料隱藏應用於我們提出的可逆彩色灰階影像轉換，再使用色彩量化壓縮彩色的資訊量以完整整個系統架構。提出的系統架構中，在傳送端先將彩色資訊編碼，隱藏於彩色影像的單一通道灰階影像中。而在接收端將灰階影像解碼回原灰階影像，並同時取出所藏匿的彩色資料，還原出原始三個通道的彩色影像。整體而言，與其他相關可逆彩色灰階影像轉換方法相比，時間上及綜合評量上皆有極佳的效果。

• 學位論文

基於資訊理論工具之斑馬魚預期動力學之研究

我們希望藉由分析斑馬魚的運動軌跡來量測它們之間的預期行為。如果其中A魚領先於B魚,而訊息是從B魚傳遞到A魚,則我們稱在此系統中A魚有預測B魚的行為。我們利用時間延遲的互信息 (TDMI) 先建立時序關係,再計算傳遞熵 (TE) 確定兩隻魚之間的訊息傳遞方向。我們設計了單向鏡實驗,證實這些方法可以檢測預期事件。不僅如此,通過部分信息分解 (PID) 方法,我們能夠將 TE與不同的 PID 分解項做連結,不同的系統(斑馬魚系統或模擬系統)之間 TE 和 PID 的關係也不盡相同。最後,我們的實驗結果表明,斑馬魚的預期作用主要發生在異性之間,而公魚更容易有預測母魚的行為。

• 學位論文

基於類仿射投影演算法的前饋式主動噪音消除之設計

脈衝性噪音無所不在，此類噪音在短時間內會達到極高的分貝值，更可能造成人類聽力受損。快速且有效地降低環境脈衝噪音是主動式降噪技術的重要訴求之一。然而，大部分的主動式噪音控制演算法在面對脈衝性時，其噪音消除能力與收斂速度皆有不足。本研究基於最大相關熵準則以及仿射投影演算法，提出了一個兼具收斂速度與降噪能力的MFxAPLMCC (Modified Filtered-x Affine-Projection-Like Maximum Correntropy Criterion)演算法。我們提出一個新的目標函數：最大化多次資料再利用之期望訊號與次級路徑輸出訊號的相關熵和，並且推導了最佳步長使得演算法可以有更好的收斂效能，最後考量運算複雜度的情況下，利用線性近似設計出最佳步長，同時也證明了演算法的穩定性。本研究採用數值模擬的方式驗證演算法之有效性，評量指標主要是平均噪音消除率。輸入信號考慮了:(1)白高斯噪音、(2)粉色噪音、(3)脈衝噪音(對稱阿爾發穩定分布)、(4)混合正弦噪音與脈衝噪音以及(5)實際車內引擎噪音等五種類型的信號。此外，我們也模擬了主要路徑改變時，所提出的MFxAPLMCC演算法之追蹤性能表現。模擬結果顯示MFxAPLMCC演算法相較於其他六種常見的噪音消除演算法，在收斂速度、降噪能力以及追蹤速度上均有顯著的增進。最後我們也驗證了演算法穩定度的理論分析結果與數值模擬結果的一致性。

• 學位論文

應用視覺影像的關鍵角色群體行為辨識

這篇論文總結博士班期間對群體行為分析的研究。研究終極目標是讓人工智慧像人類一樣在複雜的人群快速且正確找出他們的行為跟裡面的關鍵角色。我們依照資料處理的流程把整個系統分成更小的子系統。這些子系統包含多物件追蹤、物件特徵萃取、群體辨識。多物件追蹤是群體行為分析的第一步，礙於物件遮蔽跟複雜背景的關係，傳統學習方法下很難達到好的結果。為了不讓多物件追蹤的表現影響其他子系統，我們利用基準定界框資訊來測試後面的子系統。首先我們設計一個基於協同分割的多人物分割系統去除背景幫助人物的特徵提取或是骨架偵測。接著我們提出了一個基於關鍵角色偵測的群體辨識系統，結合多示例學習加上自行設計的群體行為特徵，改善之前的辨識方法會被非關鍵角色干擾的問題。在我進行博士研究時，正好遇到深度學習顛覆許多電腦視覺領域的浪頭上，鑑於深度學習在特徵萃取上有非常大的優勢，所以使用深度學習神經網路改造基於關鍵角色偵測的群體辨識系統，讓正確率再更一步提升。深度網路需要大量訓練資料來保證模型不會過擬合，這對於沒有大量可預訓練資料庫的題目，像我們的時序分析問題構成挑戰，為了緩解資料不足的狀況，我們使用了生成對抗網路來生成更多戰術的軌跡資料。除了在群體辨識上使用之外，深度學習也可以改良多物件追蹤和協同分割，我們也在文獻回顧跟結論章節列出未來發展的方向。

• 學位論文

利用半監督式學習進行人臉關鍵點偵測

對於各種臉部分析問題，面部標點及輪廓位置都是十分重要，包括臉部表情偵測、頭部姿態估計、面部變形、面部反偽造以及身份檢測。近年來，基於深度學習的人臉關鍵點檢測有著不錯的成效，然而由於標記資料的有限性，預測還是存在著侷限。受近期所流行的自學習方法的影響，我們提出一種半監督式學習的人臉關鍵點預測方法。 在我們的方法中，我們會先利用標記資料訓練一個教導模組，並將未標記數據帶入教導模組中產生偽標籤。產生偽標籤後，我們設計了兩個篩選偽標籤的方法，包括利用Pearson卡方檢測計算預測區域與標準高斯分布的差距，以及利用數據增強前後預測結果的差異做篩選。獲得偽標籤後，我們將標記資料跟偽標籤資料一起訓練學生模組，學生模組得到的結果較教導模組進步5.5%. 除了半監督式學習的方法，我們還提出了一個遮擋區域損失增加的方法，如此我們可以更好處理遮蔽的問題。

• 學位論文

最大池化層卷積神經網路之對抗例攻擊精準度下界之凸鬆弛分析

近年來深度神經網路(DNN)在影像分類上有著卓越的表現，然而神經網路對於含有惡意雜訊的影像—對抗例(adversarial example)是相當脆弱的。於此帶動關於如何訓練出更穩固的神經網路(certify training)以防禦對抗例攻擊之研究，並延伸出另一個相關的子議題—驗證神經網路在受到對抗例攻擊下，其分類精準度下界預測(verification)。針對神經網路精準度下界預測，早期研究多關注於分析較簡單架構的神經網路，如全連接層神經網路(fully-connected network)。然而近年流行之影像分類 的架構，以含有最大池化層(maxpool)的卷積神經網路(CNN)為主，諸如 AlexNet、LeNet、VGG 等。近年雖有研究針對此類神經網路架構做驗證，如 DeepZ、DeepPoly、RefinePoly 等，但此類研究所預測的下界(verified bound)通常與真實神經網路被攻擊下的精準度相差甚遠、抑或需耗費大量驗證時間。在本論文中我們提出一新穎的作法處理含有池化層的卷積神經網路，透過將池化層拆解為多個線性整流函數(ReLU)，並結合凸外界(convex relaxation)技術與對偶理論，進一步以對偶網 (dual network)分析最大池化層卷積神經網路之對抗例攻擊精準度下界。實驗結果顯示在圖片分類問題上，相對於過去的研究(DeepZ、DeepPoly、RefinePoly)，我們提出的作法只需花費相對較少的驗證時間，即可得到一更精準的下界(tighter bound)預測。

• 學位論文

使用智慧反射表面辅助波束成形之重定向行走

現在的虛擬現實（VR）不僅僅是以靜態的姿勢體驗虛擬環境（VE）。用戶可以在虛擬環境中自由行走，而不需要承擔現實生活中的任何不利因素。與傳統的靜態VR體驗相比，VR運動實現了各種技術，讓用戶在虛擬世界中行走，而現實世界的環境卻很有限。重定向行走算法的目的是提供無障礙和無束縛的VR體驗。然而，以前的算法忽略了用戶的 "暈眩"和接收信號的強度，這將導致體驗的質量大大降低。在這篇論文中，我們研究了一個新的優化問題，即在室內VR重定向行走系統中的路徑規劃，該問題被稱為 "帶暈眩和IRS控制的路徑規劃"，該系統具有緩解暈眩和IRS輔助的波束成形功能。 我們的目標是通過為用戶選擇最佳路徑組合和IRS相移陣列配置來實現成本函數的最小化。然後，我們提出了一種名為IRS輔助RW與暈眩減輕的算法。 此外，模擬結果表明，IRS輔助的RW與暈眩減輕算法在成本、暈眩和接收信號強度方面都能有效地超過其他比較標準。

• 學位論文

毫米波頻段多通訊應用之超寬頻天線設計

本論文提出毫米波頻段多通訊應用的超寬頻天線，操作頻率為24 GHz-72 GHz，其中的28/38 GHz主要為第五代通信系統使用、45 GHz給基於IEEE802.11aj標準的無線區域網絡，而57 GHz- 64 GHz 為全球免執照的WiGig系統。論文架構主要分為兩部分，第一部分提出超寬頻的韋瓦第天線，特色為線極化且頻寬非常的寬、具有高指向性且可以透過印刷電路板來製作，其高增益也可以彌補在毫米波頻段中由於空氣傳播所造成的嚴重損耗。本論文以平衡對稱的韋瓦第天線為基礎，透過非對稱切割不必要的基板來修正韋瓦第天線本身波束偏移的問題以及在天線臂上蝕刻槽孔來增進天線在低頻部分的頻寬。第二部分為超寬頻的螺旋天線，其特性為頻寬非常的寬，且具有圓極化的特性，圓極化天線可以減少因發射天線和接收天線之間未對準引起的極化失配損失，以及抑制來自地面和周圍物體反射信號引起的多徑干擾，為了使螺旋天線從雙向輻射變為單向輻射，來符合大多數的通訊應用，本論文在螺旋天線背面加上了一個金屬空腔以及吸波材料。論文中包含上述兩部分的文獻探討、設計流程、模擬結果、量測與討論。