淡江大學電機工程學系碩士班學位論文
淡江大學,正常發行
選擇卷期
- 學位論文
命名中心網路(Named Data Networking, NDN)主要是使用以資料名稱命名而不是以現有網路的IP位址來進行資料的傳輸、建立網路路由資料暫存庫與基於內容命名的路由機制，來降低資料傳輸的流量，加快資料獲取的相對應速度。在命名中心網路當中，網路可以辨別資料內容，並且將他們儲存到最近的路由器上，藉此提供從用戶端到最近的資料內容的最佳化路徑，透過最佳化的路徑和資源來確保資料內容傳輸的高效性。 命名中心網路(NDN)是下一代網路中熱門的議題之一，而針對於命名中心網路的路由尋徑目前仍鮮少受到討論，但是路由尋徑在網路架構當中依舊扮演著重要的角色。在本論文中在NDN中利用平行名稱查詢(Parallel Name Lookup, PNL)，將NDN以名稱前綴樹(Name Prefix Tree, NPT)的方式構築，讓通過路由器接口的資料封包做紀錄，紀錄各接口流量與接入檔案的類型，儲存成經歷記錄儲存至轉發資料庫當中，當接收到下一個興趣封包時，就能透過經歷記錄計算出各接口的流量與檔案類型，透過貝式分類法做演算選擇最佳的接口，藉以修正蟻群最佳化路由(Ant-colony Optimization Routing)的嗅探封包(Sniffing Packets)計算出的最短路徑之接口，來確保較短的傳送路徑而且避免蟻群最佳化中途點有目標資料的浪費情況。本論文以資料接口流量與資料類型做為路徑預判的決策，藉由此種分類決策增進尋徑效能並大幅減少資料搜尋時產生的興趣封包，同時降低路徑選擇的風險與帶來的衝擊。
- 學位論文
本論文係以符合FIRA (Federation of International Robot-soccer Association) RoboSot規則之中型足球機器人全方位視覺系統為發展平台，研究基於PSO模糊分類器之多目標色彩模型的設計，取代傳統以人工建立多目標色彩模型的方法，提升建立色彩模型之效率，並且改善一般以HSV色彩空間中色相、飽和度與亮度之上下界建立色彩模型容易包含過多不屬於目標色彩範圍的問題，減少機器人誤判目標物的可能。本論文提出解耦合模糊分類器的方法簡化PSO訓練參數之複雜度，一個模糊分類器建立一種目標色彩模型，單一模糊分類器之輸入為像素之三分量－色相、飽和度、亮度，輸出為像素對應模糊規則庫之最大歸屬度與其所屬規則類別，綜合模糊分類器獲得歸屬度最大之所屬類別即為輸出。PSO模糊分類器為監督式學習方法，一般樣本空間以事先在多種環境下取得之多目標樣本組成，而本論文以固定位置作為基本定位，定義感興趣之多目標物範圍後就地取樣，建立適合當時環境之色彩模型。實驗結果呈現本論文提出之建立多目標色彩模型方法較使用六個閥值建立之色彩模型貼近多目標物之色彩模型，且提升人工建立色彩模型之效率。
- 學位論文
在機械手臂抓取和放置物件的路徑規劃上，本論文以蟻群最佳化演算法提出一個在短時間內可以自行規劃出機械手臂夾具末端點最佳路徑的設計與實現方法。本論文所提方法被用來解決一個機械手臂夾具末端點抓取和放置24個物件的路徑規劃問題，其是依據「上銀科技」所舉辦之「上銀智慧機器手實作競賽」之「眼明手快」比賽項目所建立的。即在一個有24個物件(圓球有4種顏色，每種5顆；正方體有4種顏色，每種1顆)的桌面上，如何規劃一個路徑來讓機械手臂可以依序的抓取桌面上所有圓球與正方體，並且放置到相同顏色與形狀的洞口內。在實驗的驗證上，本論文首先讓系統能夠透過桌面上的攝影機來擷取桌面上的影像，自動辨識與判斷四種顏色之圓球、正方體以及箱子上圓形與正方形洞口，並且建立這些物件的座標，然後應用本論文所提方法來規劃機械手臂抓取桌面上四種顏色的圓球與正方體以及將所抓取的物件放置在正確的箱子洞口內的最短路徑。也就是決定抓取桌面上圓球與正方體之先後順序，再讓機械手臂自主依照這個路徑規劃去依序抓取桌面上圓球與正方體，並且放入相同顏色與形狀的箱子洞口內，讓機械手臂在時間限制內完成任務。由實驗結果可知，所提的方法確實可以很快速的規劃出一個最短的路徑，讓機械手臂以較短的時間完成物件抓取和放置的任務。
- 學位論文
在本論文中，我們探討具有放大和前送中繼站的合作式通訊系統在快速雷利衰減通道下，使用差動二元相位鍵移調變之效能。當通道增益具有快速變化的特性時，使用差動調變可以使得通道估計的過程變得較為簡單，同時可以免除同調調變中導航信號所需消耗的功率及頻寬負擔。先前關於此主題的研究文獻，假設兩個相鄰符號週期的通道增益是相同的，且各通道間具有相同的都卜勒展延。於此論文中，我們將相鄰通道增益的時間選擇性及不同通道可能具有相異的都卜勒展延加入考慮。基於最大概似準則，我們針對具差動二元相位鍵移調變的合作式通訊系統推導出最佳多樣性組合權重。由於該最佳的組合權重值相依於中繼端到目的地端的通道增益，而使用差動二元相位鍵移調變的系統中確實得知通道狀態資訊是不實際的，因此我們提出了一種次佳多樣性的組合規則，它使用通道增益的二階統計量來取代瞬間通道增益。與並無考慮時間選擇性之多樣性組合規則在基於放大和前送中繼的合作式通訊系統於快速雷利衰減通道下之效能做一比較，電腦模擬的結果顯示出我們所提出的多樣性組合規則具有較優越的性能，尤其是當中繼節點和目的節點有不同的都卜勒展延時。
- 學位論文
隨著生醫電子的快速發展，應用於健康管理以及居家照護的人體無線傳輸穿戴式或植入式生理訊號感測器將成為為來發展的趨勢，感測器所傳輸的資料包含各種控制訊號與感測結果資料，因此所需之傳輸資料速度會隨著所傳輸資料內容的不同而有很大的變化。 由於在此類的晶片電源主要來自電池，因此電路之生命周期直接受限於電路的功率消耗。由於大部分感測電路的生命週期需求必須長達數年，甚至十年之久，因此降低感測器之功率消耗成為設計感測器電路的首要考量。 相較於OOK調變FSK調變具有較好之抗干擾特性，本論文提出一可變傳輸速率之超低功耗頻率鍵移解調電路架構，突破先前最高解調速度10Mb/s之限制，最高可達40Mb/s，因此可大幅降低接收每單位資料所需之能源消耗，提高能源效益。 我們在TSMC 0.18μm製程中實現一適用於人體無線傳輸之超低功耗頻率鍵移解調電路，分別對數位電路以及類比電路進行超低功耗之設計，使數位電路操作在低電壓的環境下，使類比電路之電晶體皆操作在次臨界區，當資料解調速度為40Mb/s時，電路僅消耗436.3μW，此時電路每單位資料所需之能源消耗為11pJ/bit。
- 學位論文
隨著近年攝影機的發展，使得數位化及高解析度的監視系統日漸普及，也對保全系統造成革命性的衝擊，根據研究報告指出，在英國有四百多萬的監視攝影機分布於城市街道，人們可以藉由將攝影機擺在關鍵的地點，藉此對該區域做日以繼夜的監控。因此，數位監視攝影系統在現今的保全上扮演著愈來愈重要的角色，越來越多的監視攝影機被配置於各種場合以確保人員及財產的安全。然而，大量的數位監視攝影資訊管理並不容易，需要花費大量的人力來監視監控畫面，負責監視監控畫面的人員在長時間專注盯著螢幕的情況之下也會造成的體力與精神的衰減與考驗，往往導致安全維護效率的降低。 在本論文中，我們提出一個高效率的影片檢索系統，透過此系統，使用者感興趣的物件(Region of Interest, ROI)可以藉由電腦視覺中的物件偵測與物件辨識在長時間的影片中快速且有效率的被擷取出來，並且快速得索引與瀏覽。其利用了高斯混合模型(Gaussian Mixture Model, GMM)作為物件偵測的方法，為了讓使用者有效率的找出符合搜尋條件的物件，本文提出低複雜度範圍樹(Range Tree)來做為搜索的方法，其透過影片摘要(Video Abstraction)的技術，搜索到的物件將在短時間中播放，藉此達到快速檢索與瀏覽進而節省時間的目的。透過本系統，前處理物件擷取的部分FPS可以達到32，而搜索的的部分，時間複雜度則是從O(N)下降為O(logD-1N)。
- 學位論文
生物辨識可以藉由生物獨特的幾何特性或行為特徵來辨識物件的身份，包含人臉辨識、虹膜辨識、指紋辨識、手寫辨識、靜脈辨識、掌形辨識與步態辨識。上述的生物辨識大多需要與使用者近距離的接觸取得影像資訊與特徵或特殊擷取裝置才可以進行身份比對，但步態辨識僅需藉由攝影機從遠距離擷取出影像，即可進行身份比對。步態辨識是一個新興的生物辨識技術，可藉由每個人行走模式的不同去進行身份辨識，且可從遠距離擷取資訊，因此步態辨識漸漸成為一個熱門的生物辨識技術。在這篇論文當中，我們提出了一個新的方法來描述步態特徵，這個新方法是基於局部二元特徵延伸而出，我們改變了局部二元特徵原本的排序方式，並依照影像上漸層的方向而有不同的排序方式，我們稱為條件式排序的局部二元特徵。我們將條件式排序的局部二元特徵應用在步態能量影像上，經由條件式排序的局部二元特徵轉換後的影像即為新的特徵影像，之後使用此一新特徵來進行步態辨識，並提出選取其特徵方式。從本篇論文的研究結果中，我們所提出的特徵描述方法能夠有效的應用在步態辨識中，比其他現有的文獻還要有更高的辨識結果。
- 學位論文
本論文運用兩個單板電腦PICO820和Roborad-100及兩個網路攝影機C905(其可辨識距離約4米)，實現加強型SIFT與傳統型Hough Transform於人形機器人視覺自動導引的目標抓取之比較。其中目標被放置於視覺系統可辨識距離之外(例如，約10米)的未知的三維位置。 首先經由攝影機擷取影像並傳輸至單板電腦PICO820以進行相關影像處理(例如，將彩色影像轉換為灰階影像，以利SIFT之運算並辨識相關之地標)，並計算地標中心點之影像座標，將其輸入至事先學習好的類神經網路以獲取其相對應之世界座標，藉此估算人形機器人所在之絕對世界座標，經過與預先規劃的路徑比較後，機器人就可以自主地修正其所在位置，以導正到預先設定的路徑上。經過事先安排的地標，獲取其相關絕對世界座標，並經由特定目標之搜尋，以完成目標抓取之任務。此外，當機器人到達目標附近約12公分後，將目標所估算的世界座標輸入至事先學習好的類神經網路以估算其左右手之馬達角度，以利機器人進行目標抓取的動作。 最常見也最為經典的長廊之視覺導引即是應用Hough Transform (HT)以進行其直線邊緣之偵測，並沿著所偵測的直線導引人形機器人行走。因此也在相同環境中進行加強型SIFT(即以SIFT辨識相關之地標及以類神經網路之三維定位)與傳統型Hough Transform於人形機器人視覺自動導引的目標抓取之比較。最後，各以兩個實驗比較相關優劣。
- 學位論文
隨著網際網路的進一步發展，現今大多都被高速和與影像相關的服務所佔據，下一代網路將對ISP的網路進行優化。美國國家科學基金計畫提出了新的網路架構Named Data Network（NDN），建立網路資料暫存和基於內容命名的路由機制，來降低傳輸流量、加快相應速度。 本論文將以NDN的架構，提出合適NDN的QoS方法，針對NDN網路中不同類型資料做QoS分類，導入IP封包逾時即丟棄的存活時間(Time To Life, TTL)概念，取代傳統記憶體更新方式-先進先出演算法(FIFO)及最久沒有使用演算法（LRU），給予不同的存活時間，資料在來源端時先做分類，定義各種資料在暫存器中的存活時間，降低路由器暫存器(Content Store, CS)的負載量，在不增加服務延遲時間的前提下，使NDN網路的建置得以減少大量記憶體建置成本，在低網路傳輸的狀況下，減少服務延遲。並且動態調整資料封包存活時間類型，以網路環境參數最佳化暫存時間的長度，最後模擬與驗證中，本論文提出的方法可以在低網路流量時，減少約莫15%服務延遲。
- 學位論文
隨著科技的發展進步，各種微型化的產品越來越小；越來越快。電晶體的操作速度越來越快，隨之而來的問題，電晶體的操作電壓卻越來越低。使得要在低電壓域(Voltage Domain)設計電路變得越來越難。尤其是在類比電路的設計上，要達到高解析度變得十分困難。反之，由於電晶體的操作速度越來越快，因此在時間域(Time domain)上處理訊號可達到的解析度越來越高。 近幾年時間數位轉換器(Time-to-digital converters, TDCs)被廣泛的使用於量測特定的事件間的時間差量，如射頻全數位頻率合成器、晶片抖動量測、單分子螢光光譜、螢光影像和雷射顯微掃描如。在高速情況下，時脈的量測，資料的傳輸及接收，在傳輸過程中雜訊之干擾問題，是很重要的問題。 此篇論文使用不同以往於數位TA的架構，提出一個類比式的時間放大器架構，在0.18um製程下實現精確並可調整的放大倍率。將此TA架構應用於Coarse-Fine TDC中，將大大提升電路的解析度。