臺灣大學電子工程學研究所學位論文
國立臺灣大學,正常發行
選擇卷期
已選擇0筆
- 學位論文
隨著製程與封裝技術的進步，使得晶片接腳數量增多，直接影響到半導體自動測試機台 (ATE) 的測試通道數必需增加，測試功能電路板和待測晶片載板的佈線密度勢必提高，使得印刷電路板設計難度提高，成本也跟著大幅提升，且印刷電路板上電路和機構特性上的影響，使得電路會有路徑時間偏差 (Skew) 的問題存在，會造成測試時序錯誤，測試成本提高。 綜合以上問題，需有方法來實現路徑時間偏差的校正功能，讓測試時序的精準度提高，且此方法可使待測晶片載板設計規範放寬，設計難度降低，並降低成本。但目前的校正技術都屬於較高成本或開發時程較長且使用上較不具彈性變動使用，如開發ASIC、專用校正載板或使用外部時序量測儀器。 所以本論文提出以DE2-70 Altera Cyclone II FPGA來實現路徑時序偏差的校正功能，以符合成本較低且使用彈性較高的原則，其主要架構由個人電腦與FPGA共同完成量測的工作，FPGA硬體則由Wishbone匯流排、延遲線 (Delay Line) 電路和控制電路等組成，其中延遲線電路為主要的部份，其解析度會影響到所量測出路徑延遲的準確度，所以選擇LUT-Based的延遲線，其解析度可達15ps，因量測出的數值呈常態機率累積分佈函數，可直接推估得出路徑時序偏差值，再結合圖形化使用者介面的控制和計算，可將校正程序自動化，並在得到補償值後自動補償，驗證後得到的路徑時序偏差可縮小至55ps。
- 學位論文
目前投射式觸控面板技術在計算觸控位置資訊時，容易有雜訊的問題，使得計算位置資訊時，其精準度及穩定度皆偏低。且現今的觸控面板的尺寸愈來愈大的情況下，雜訊所造成的影響便愈來愈嚴重。此外，由於不同的介質觸碰面板所產生的影響，會使量測出來的資訊產生反轉的現象，導致錯估位置資訊。螢幕邊緣的精準度也是目前觸控技術的一大難題，如何在欠缺邊緣資訊的情況下提昇邊緣的精準度。 因此在此篇論文中主要分成兩大部份：雜訊抑制以及精準度提昇。 在雜訊抑制的部份中，根據觸控面板的硬體架構進行討論，並從硬體架構的分析上找出其缺陷，利用將感應線分組處理的方式將無法由硬體去除的低頻雜訊改用後端演算法的方式加以抑制去除。 而在提昇精準度的章節中，根據重心法無法處理的情況如反轉現象及邊緣問題，此論文提出了一個新的方法投票法來修正重心法的缺陷。此外根據觸控面板邊緣的情況，此論文提出了延伸法及比較法等方式去嘗試解決重心法的不足。 最後，此篇論文為了提高測試環境的品質及速度，建立了一個由電腦數值控制機床為主的測試環境，利用此測試環境，提高測試品質及完成自動化測試的流程。
- 學位論文
隨著摩爾定律的規則,半導體元件的尺寸持續微縮。近幾年,將傳統的元件的尺 寸按比例縮小的方式已經達到極限。為了要繼續符合摩爾定律的需求,微縮尺寸 的方向朝著以更換有著更高載子遷移率的通道材料以及創新元件結構前進。因此 鍺或其他三五族的通道材料成為近幾年熱門的研究題目,在 22nm 奈米製程結點開 始,新的 3D 鰭式電晶體結構開始取代傳統的平面式電晶體結構。 本論文中,我們利用 TCAD 電腦輔助模擬軟體來建立出雙閘極電晶體的臨界電壓 模型,並且考慮了不同通道濃度、通道寬度的影響,並且闡述其元件物理的特性。 此外也進行了在奈米尺寸具有優勢的無接面環繞式閘極電晶體的模擬與探討其物 理特性與優勢,之後更實際與真實元件作比對,並提出電晶體的改良設計方案。
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
近幾年來，視覺辨識技術參予了許多影片及圖片分析等智慧型應用，而像是機器控制、智慧型環境監控、人類動作辨識都因為電腦視覺的演進而變的可行，其中機器學習扮演了重要的角色，機器學習已經變成電腦視覺應用中的基本核心模組，而我們相信如果我們能對機器學習的領域做任何可能的貢獻，我們就能將電腦視覺的進展推向新的世代。 雖然我們的主要目標是要在機器學習做出突破，但我們暫時將目標專注在物體辨識，我們相信藉由視覺相關的應用所呈現的結果較能展現機器學習的進步所帶來的效能，而現在的物體偵測依然有許多的限制，我們需要許多的訓練資料來達到好的物體偵測模組，但是因為人為標誌的資料太過昂貴而且花時間，導致藥準備所有我們希望能夠偵測的物體資料是不可能的。因此我們需要找出一種方法可以讓物體偵測系統有效的運用少量的資料進而線上學習，更好的狀況是讓系統可以自己學習新的資料並更新現有的模組。 在這篇論文中，我們呈現了數種機器學習的演算法架構，同時我們也對他們做了全方位的比較。我們所開發的系統可以偵測追蹤物體，並且自己更新核心模組，這部份最主要的貢獻在於我們藉由這個物體辨識系統證明自動學習的可能性，並且我們將該系統原本的核心學習演算法改成較有擴展性並適合即時應用的自動向量機(SVM)。 最後，我們呈現了一個全新並適合硬體實現且基於SVM的學習概念，並大大的改進了訓練以及預測的效能，這兩個概念分別是漸進式壓縮及叢林式投票，他們同時改進了記憶體使用量、線上運算的時間。 整體的來說，我們發展出了一個可以自動更新學習核心的物體偵測系統，同時我們針對SVM做出了重大的突破。
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
電腦視覺的相關研究已經進行多年，並徹底地改變了每個人的生活。幸虧科技的進步，使我們進入巨量資料與智慧型裝置的時代。有了機器學習演算法的幫助，電子產品能夠自動從網路等巨量資料庫學習有用的知識，進行自我校正與進步。電腦視覺與機器學習的結合帶來許多不同的應用，使我們的生活更加迅捷與方便。電腦視覺的終極目標是發明一個智慧型機器人，使得此機器人能夠和具有與一般人無異的感知與互動。而要達到此終極目標的第一步則是：使得機器能夠解讀動態影片背後所代表的實質意義。 比起靜態的影像，擁有時空資訊的動態影片往往蘊含更多的知識。因此，人體動作辨識的應用則成為機器人視覺最重要的基礎之一。動態影片所包含的各種變化大幅增加了分析的難度，使得許多研究學者專注於提高動作辨識的準確度。然而，在過去的研究中，從動態影片中取出特徵值的演算法依然太過複雜以致於難以達到即時。 在此論文中，我們首先介紹一些電腦視覺的基礎與應用。這些角點偵測和特徵選取的演算法非常重要，是所有視覺辨識工作的根基。將平面的辨識工作擴展到具有時空的三維空間裡，我們將面臨額外的挑戰。藉由比較和分析各種不同的演算法之優缺點，我們決定使用區域性時空特徵來處理動作辨識。考慮到系統的效率以及準確度，我們使用MoFREAK特徵來穩固地描述動作影片。MoFREAK分別以FREAK來描述靜態資訊、MIP來描述動態資訊，通過許多資料組的驗證，可以證明是一種表現良好的影片描述子。藉由分析整個系統之中每個步驟所花的時間，我們做實驗來證明此系統可以即時運作。接續的是以不同的資料組來驗證整個系統的效率與準確度之實驗結果，從中亦可以看出此系統之實用性。最後，將此系統應用在實際的影片之結果亦描述在最後一章。我們開發了一種創新的滑動式累計直方圖架構來因應動作會持續改變的影片，並探討各種參數的影響。 總結而言，我們設計了一個即時線上的人體動作辨識系統。此系統利用快速的特徵選取、匹配演算法，以及線上的架構讓它可以立即地判別人體動作。
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
本論文利用陽極氧化法特有之電場效應，於經電子束定義並蝕刻之矽基板上成功形成自我對準之雙層單晶矽奈米線，研究得到寬度9nm之單晶矽奈米線。並利用此氧化方法成長超薄氧化層於非平面矽基板上，將其製作成不同閘極面積之非平面電容元件並探討元件之電特性行為。我們比較傳統平面電容元件與非平面電容元件從空乏區至深空乏區之電容-電壓響應。在非平面元件中，由於元件空乏區之耦合效應，將導致突起稜角處呈現較寬的空乏區寬度。在元件進入強反轉時，由於非平面稜角處將會聚集較多的少數載子，因此產生明顯的低頻響應。此外，非平面元件在不同的閘極面積下將呈現不均勻之深空乏行為，而平面元件則與閘極面積相依。我們更利用高低頻電容法萃取元件之介面缺陷特性，由於非平面電容元件存在非(100)之晶向，因此展現介面缺陷重分佈行為。在平面電容元件將由類施體介面缺陷主導，而非平面元件則會同時擁有類施體及類受體兩種介面缺陷種類。在非平面結構中之凸起及凹起稜角處，其氧化層電場也呈現不均勻之分佈，導致非平面元件經過穩定度測試後之飽和電流行為與平面元件具有差異。最後，我們也利用突起稜角處之增強式空乏區寬度，將超薄氧化層之非平面電容元件應用於光電容偵測器，實驗發現在照光強度為90mW/cm2下，非平面元件可增強至85.5%之光電容敏感度，而平面元件之光電容敏感度約為7%。
- 學位論文
這篇論文的主題主要分為兩個部分，第一個部分是設計一個低於微瓦且低溫度係數的弛張振盪器，此電路運用電晶體工作在次臨界區，電流模式的比較器以及汲取電流式反向器來減少消耗的功率。且汲取電流式反向器是利用跟絕對溫度成正比以及跟絕對溫度成反比的電流源相加來減少其對溫度的變異。利用電阻的串並聯和跟絕對溫度成正比以及跟絕對溫度成反比的電流源來更進一步的降低溫度係數。量測的平均溫度係數為64.3ppm/°C，功率優值為0.78nW/kHz。 第二部分利用不同閘極氧化層厚度的電晶體來實做低溫度係數的電流源和曲度電流源使得振盪器有低溫度係數。在0.18-μm CMOS的製程中，完成了振盪頻率為1.4M赫茲和28k赫茲的振盪器。1.4M赫茲的振盪器中，在1.2伏特的供給電壓下，消耗功率為615nW，在-20~80°C平均的量測溫度係數為56.4ppm/°C 計算的第一優值和第二優值分別為124dB 和 103dB。28k赫茲的振盪器中，在1.2伏特的供給電壓下，消耗功率為40.2nW，在-20~80°C平均的量測溫度係數為95.5ppm/°C 計算的第一優值和第二優值分別為119dB 和 92dB。
- 學位論文
智慧型手機及手持裝置的普及使消費者大量使用手機上網及通訊功能，而大量傳輸訊息的需求則推進了數位通訊的演進，從可遠距離傳輸的2G、3G到4G LTE及較短距離或室內常用的WIFI都大幅提高了資料傳輸量(Data rate)以滿足我們的需求。然而在較高的資料傳輸量情況下對於射頻發射端電路設計日益受到挑戰，如何能維持良好的訊號品質並減少發射端消耗功率變成一個重要的課題。 本論文主旨在提出一新架構的射頻調變器，以達到維持相同訊號品質情況下且降低功率消耗為目標。本架構利用25% Duty Cycle Lo波形在相差90度之間彼此不會互相影響並改良傳統射頻調變器的架構以達到一高增益射頻調變器，可降低後級驅動器功率消耗。 我們採用了TSMC 90-nm CMOS製程設計並實現了一個全積體化的射頻調變器電路，包含除頻器(Divider)、四分之一周期訊號產生器(25% Duty cycle generator)、輸入驅動器(Input Buffer)、射頻調變器(Modulator)、驅動器(Driver)、單端轉雙端轉換器(Single to Differential end Balun)、雙端轉單端轉換器(Differential to Single end Balun)，並將系統設計符合IEEE WLAN 802.11 b/g/n規範及頻帶上。 在輸入CW tone時IRR= -52dBc，Carrier feedthrough= -58dBc，而在電源供應器1.2及1.8伏下，功率消耗為83mW。本晶片在輸入802.11g調變訊號時平均輸出功率為-5 dBm、EVM=3.8%且通過Mask規範。輸入802.11n調變訊號時平均輸出功率為-7.4 dBm、EVM=2.6%且通過Mask規範。
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
在以物理模擬為基礎的繪圖演算法中，光子映射（photon mapping）是一種可模擬相當多樣光影效果的演算法。光子在電腦繪圖中是從場景中光源散布出的能量的概念，而光子映射繪圖於近十多年來被提出，直到今日仍是熱門的研究發展領域，在近年來更時常被整合至追求高繪圖效果的先進繪圖演算法。這種發展趨勢顯示光子的概念在進代的繪圖演算法中扮演了相當重要的角色。 然而純軟體的光子映射演算法在今日仍然難以達到實時的效能。光子映射演算法包含了兩項步驟：光子追蹤（photon tracing）和光子密度估計（photon density estimation）；光子追蹤即為光線追蹤（ray tracing）的步驟，而光線追蹤的硬體加速以經被研究多年，在現代的GPGPU或純硬體化的ASIC中大約可以達到每秒追蹤400M道光線的效能；而光子密度估計的硬體加速系統在今日則仍只有GPGPU為主的研究，純粹硬體ASIC的加速方式則是一門尚未被研究的領域。根據這樣的研究背景，這篇論文將重點放在探討光子密度估計的硬體實作方式。 k-近鄰（kNN）搜尋是光子密度估計的基本演算，在適當減少光影效果的雜訊下，通常數百萬數量級的光子和搜集點需要被計算，光子密度估計則利用每個搜集點附近的光子能量總合來計算每個圖片像素的顏色能量。為了達到更高的效率，近似k-近鄰（kANN）演算法通常被使用，而本論文則研究並實現在大數量資料點下的近似k-近鄰硬體架構。 本論文提出了第一個以光子密度估計應用為目標的近似k-近鄰硬體架構，適用在如光子映射的大量資料點搜尋。架構以合理的硬體使用實現在Altera DE4 FPGA上，並經由PCIe連接電腦作為k-近鄰搜尋引擎，在256x256的解析度、每像素4個樣本下，繪畫具有反射或折射光影效果的場景可達到4-5秒的效能，較純軟體的實作約超出3-4倍。由於FPGA效能的限制，系統僅實行在125MHz的速度上，記憶體的頻寬也遠低於現代GPU的規格，然而這樣的結果顯示了在先進製程下此硬體架構達成實時光子密度估計的可能。