• 學位論文

應用於第五代行動通訊之毫米波雙頻及寬頻功率放大器研究

本論文分為三個部分，都是應用於第五代行動通訊系統的毫米波雙頻及超寬頻功率放大器。 第一個部分呈現了使用 0.15 微米砷化鎵假型高速場效電晶體製程設計的雙頻段功率放大器。此電路利用最佳化匹配路徑的分析使得匹配網路在兩個操作頻段的損失能夠最小化，讓整體功率放大器在兩個頻段都有很好的功率特性。 第二個部分提出了使用 0.15 微米砷化鎵假型高速場效電晶體製程設計的超寬頻功率放大器。此電路利用等效磁耦合共振腔得到寬頻的功率特性，並且利用輸入及級間匹配電路作小訊號濾波，使得小訊號也有寬頻的響應。此外，此部分也有討論在功率結合的架構下，輸出匹配必須要在適當的參考平面設計才能夠達到寬頻的阻抗匹配。此電路的量測結果有 75%的小訊號 3-dB 頻寬以及 51%的飽和輸出功率 1-dB 頻寬。 最後一部分提出了使用 90 奈米金氧半場效電晶體製程設計的雙頻段及雙模式功率放大器。此電路的功率級採用固定最佳負載的偏壓方式切換高功率模式及低功率模式，因此設計上可以只用一組匹配網路讓兩個模式都達到最佳的功率特性，匹配網路則是利用最佳化磁耦合共振腔設計，使得兩個頻段都可以在最小損失的情況下達到匹配的目的。此外，在驅動級設計時，利用閘極偏壓的選擇讓振幅對相位失真與功率級反向達到補償效果，以改善整體線性度。

• 學位論文

基於最佳化分析的射頻功率放大器單一數位預失真技術

大規模天線系統預計能提高未來無線通信系統的能源效率，而發射器中最耗电的元件是功率放大器，它可以將訊號功率增强到所需要的水平，因此功率放大器的功率效率需要很高。為了提高小型低成本功率放大器的能量效率，需要將功率放大器驅動到靠近飽和的區域，但由於功率放大器的飽和特性會導致傳輸訊號產生非線性失真，此失真的訊號不僅會降低傳輸訊號的質量還會干擾到相鄰通道的傳輸，因此如何在保持良好功率效率的同時有效地降低功率放大器的非線性失真在近年來是一個備受關注的研究問題。 本篇論文的貢獻主要分成兩個部分，第一個部分我們透過新穎的分析方法為Saleh模型的功率放大器設計相對應的數位預失真器，眾所皆知Saleh模型對於建模高度非線性的功率放大器有較高的準確度，例如行波管放大器。雖然在過往的文獻中已經有方法針對在單一天線的情況下建構數位預失真器，但一般而言混合波束成形大規模天線發射機在天線子陣列中包含多根天線，因此本篇論文將我們的分析方法擴展到多天線的應用，並提出了一種新的數位預失真處理技術。數值模擬的部分說明了整體數位預失真系統的線性化性能得到改善。 本篇論文的第二部分我們考慮了由記憶多項式模型建模的的功率放大器，該模型常用於對固態功率放大器進行建模。在過往的文獻中已經存在對多天線的預失真處理和學習技術，該方法透過組合每個功率放大器的輸出訊號，從而使預期接收器方向上的訊號非線性失真最小化，但應用於更新數位預失真器的多項式係數是眾所皆知的block-LMS參數學習方案，該方案在參數的選擇上不夠穩健。本篇論文提出了一種新的數位預失真參數學習方案，當參數的選擇偏離最佳參數時，整體預失真系統的線性化性能並不會下降太快。數值模擬的結果也說明我們的參數學習解決方案可以補償由記憶功率放大器引起的非線性失真。

• 學位論文

基於髒紙編碼之多用戶多天線混合波束成形系統之排程設計

none

• 學位論文

大規模多輸入多輸出混合式架構下基於波束成型之多段式最 佳化預編碼

從李枝宏教授實驗室所提出的波束成型選擇空間預編碼(Beamformingselection spatial precoding,BSSP)方法的架構下，為了節省毫米波多輸入多輸出(mm-Wave multiple-input multiple-output, mmWave MIMO)系統硬體上的成本，本實驗室先前提出了傳送端之混合式預編碼(Hybrid Beamforming)的方法，而在本篇論文中，我們解決了本實驗室先前在最佳化過程中，運算時間太長以及維度不夠的問題，我們從原本的第二代合作式共同粒子群最佳化演算法(CCPSO2)，更改為Grey Wolf Optimizer(GWO)，改善了整體的效益，在本篇論文中討論的誤差比先前本實驗室討論的誤差多了兩種，分別是 Gain Phase Error 跟 Phase Noise，本篇論文在 Hybrid BSSP 方法下又加入了 GWO combiner 以及 GWO FBB，我們在這部分不只最佳化了原本的預編碼矩陣，我們也設計了接收端原本用 MMSE 法則的接收器，還有設計了傳送端原本用 MMSE Baseband Precoder 方法的基頻預編碼矩陣，而總共有四個階段，第一階段設計傳送端射頻預編碼矩陣(Ratio Frequency precodingmatrix)，第二階段設計接收端接收器(combiner)，第三階段回到傳送端二次設計預編碼矩陣(Ratio Frequency precoding matrix)，第四階段設計傳送端基頻預編碼矩陣(Baseband precoding matrix)，我們從所做出來的結果當中，發現這樣能讓整體的錯誤率，達到更好的效果。

• 學位論文

深度學習在自然語言處理中的泛化能力

本論文針對深度學習在自然語言處理中的泛化能力，包含跨語言與跨格式。 首先，本論文探討了大型預訓練模型的跨語言能力成因，我們控制預訓練時資料集的大小與輸入模型的序列長度來探討成因。實驗顯示，足夠大的資料集是模型取得跨語言能力的重要因素之一，使用較小的資料集進行預訓練會明顯使得模型的跨語言能力下降。另外在大量的資料集下，足夠長的輸入序列也是必要的，較短的輸入長度會使模型在下游任務的表下下降。本論文進一步的提出隱藏在大型預訓練模型中的語言表徵概念，並提出一種簡易平均動態詞向量的方法來求得此語言表徵，且使用單詞等級的無監督翻譯來證實此語言表徵可達到我們預想的效果。之後，我們提出兩種運用此語言表徵來提高下游任務表現的方法，實驗顯示此二方法在跨語言句子檢索與跨語言遷移學習上不僅有明顯的進步，且在使用簡易，不需大量的計算。 在本論文的第二部分，我們研究了如何使用無監督學習將模型在抽取式問答中所學轉移到選擇題問答上。我們利用模型在抽取式問答中所學到先驗知識取出候選集，並讓選擇題模型從此候選集中學會如何挑選正確答案。儘管候選集中不能保證正確答案且大多含有錯誤答案，實驗顯示模型依然可以從候選集中學會如何作答。我們提出的方法在 MC500 及 RACE 兩項資料集上皆較基線方法來的優異許多。

• 學位論文

對抗性擾動下的組合量化群試：基本極限和演算法

本文研究了帶有雜訊的「量化群試」（QGT）。QGT的目標是通過計數，測量從大小為n的數據集之中檢測有缺陷的項目，每個測量都對選定的部分項目中的缺陷數量進行計數。與大多數文獻考慮的隨機雜訊的「機率性QGT」或無雜訊的「組合QGT」不同，本研究的目標是帶有對抗性雜訊的組合QGT。由於在對抗性雜訊下不可能完美解碼，因此我們關心部分解碼。在對抗性雜訊幅度小於dn= Θ(nδ)且解碼的錯誤數量要求小於kn= Θ(nκ)的情形下，我們的目標是找出需要的最小檢測次數(稱之為最佳檢測複雜度)，設計出能達到最佳檢測複雜度的檢測方法，同時提供一個快速的解碼演算法。我們證明對於非調整型演算法，當0<2δ≤κ <1時，最佳檢測複雜度為Θ 11−2δnlogn 。我們也提出一個接近最佳的非調整型演算法的構造方法，其測試複雜度與最佳測試複雜度只差常數倍。同時，此演算法的解碼複雜度為o(n1+ρ)對於所有ρ >0，幾乎和n呈線性關係。此外，針對有缺陷項目具有稀疏的情況，我們也提出了相應的延伸。

• 學位論文

結構變動之易辛模型的最快速變化偵測

本篇碩士論文在探討具有相關性的高維機率分布發生結構變異的最快速變化偵測問題。我們假設網路上蒐集的資料是基於易辛模型且在發生變化前後，資料的機率分布唯一的差異是易辛模型中的結構。在這樣的假設底下，我們發現此問題與伯努利的最快速變化偵測問題高度相關，甚至當我們適當強化易辛模型的假設，相應的伯努利最快速變化偵測問題將被大大簡化。正因如此，我們能夠提出了一個在新增多條邊的簡化易辛模型問題上，只需要知道變化前網路結構，就能夠達到最佳的最壞平均檢測延遲與平均時間至錯誤警告平衡的方法。在減少一條邊的簡化易辛模型問題上，我們雖然沒能夠在只知曉變化前網路結構下，做到最佳的最壞平均檢測延遲與平均時間至錯誤警告平衡，但是我們的方法從文獻中另一個評量標標準來看，已經達到最優。由於上述提出的方法在實際執行上複雜度較高，我們進一步利用了易辛模型的關聯性傳播特性，提出只需從網路上蒐集少數幾個節點的資料，就能夠順利偵測變化的方法。由於節點的選擇將會影響偵測的表現，我們將選擇解點的問題寫成一個最佳化問題，並提出解決此問題的演算法。

• 學位論文

於正交分頻多工系統中雙選擇性通道之研究

正交分頻多工系統已被廣泛地應用在許多通訊系統中。在接收端使用單通道等化器即可良好的消除多路徑效應造成的符碼干擾。然而，當考慮了裝置的高速移動，通道將具有雙選擇性，此時傳統的接收機將不足以應付。因此，近來許多文獻著重在正交分頻多工系統在雙選擇性通道下的問題。 本文中，考慮了兩種雙選擇性通道模型。當時變效應不嚴重的情況下，通道可以用第一種模型—複指數基底擴展模型來表示。針對此模型的特殊結構，我們的目標是設計一個低複雜度的等化器。我們提出一個低複雜度的近似方法來簡化強制歸零等化器。並且，提出一種新型的混合等化器，以及它的低複雜度近似。實驗結果顯示，我們的方法能以較少的實現成本達到滿意的錯誤率表現。 另外，我們基於分接延遲線模型，提出一個新的時變通道模型。此模型以少量的都卜勒頻率偏移參數，即能有效的描繪都卜勒效應。對於此模型，我們聚焦在都卜勒頻率偏移的估測及接收器設計。我們推導出等效的離散時間上行傳輸雙選擇性通道模型。接著，我們利用天線陣列來接收信號，提出一個盲蔽估測都卜勒頻率偏移的方法。我們將考慮均勻線性陣列及均勻平面陣列。除此之外，我們也提出了兩種對應的等化器。在我們的實驗結果中，使用均勻線性陣列的估測器與接收機有良好的均方誤差及錯誤率表現。此外，使用了均勻平面陣列之後的效能，有更進一步的提升。

• 學位論文

基於人眼視覺具有去噪及色彩校正之低亮度影像增強

在低亮度的環境下，所拍攝的影像通常會面臨許多問題，像是雜訊較大、光源照度不均勻、曝光度不足導致暗處細節與色彩能見度低，而本篇論文主要建構一個低亮度影像增強系統來解決上述問題，並對此系統內部的色彩校正演算法有詳盡的介紹。 於我所提出的低亮度影像增強系統中，分成三個部分進行處理。首先是對低亮度影像做降噪的前處理，有鑑於影像增強的過程中，會導致雜訊跟著被放大與強化，因此我將去雜訊的步驟放置在整個系統的最前線。接著是對降噪後的低亮度影像做亮度的增強，此處以Retinex理論為基礎，將影像分解為光照分量與反射分量，並結合Camera Response Function來估測實際光照成分，透過提高其低光照區的亮度，進而獲取亮度強化之結果。最後是做色彩校正的後處理，由於提高亮度後的影像色彩會有所偏離，甚至因局部強力人造光源造成色偏現象發生，因此我也提出了不同方案去做處理，一種是修正色彩至與原低亮度影像色彩相近，另一種則是透過統計特性，融合白平衡與強力光源，以符合人眼色彩恆常性。