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
在鎖相迴路(Phase-Locked Loop, PLL)的設計中，頻寬的大小影響了迴路的鎖定時間(Locking time)與鎖定狀態下迴路的相位抖動(Jitter)。藉由提高迴路頻寬的方式，可以加快鎖定時間，可是提高頻寬的同時，反而會使得相位抖動變大。為了同時得到較佳的鎖定時間與較小的相位抖動，因此動態調整迴路頻寬的適應性鎖相迴路(Adaptive PLL)的概念被提出，讓鎖相迴路根據不同的鎖定情形，來調整迴路的頻寬。 此篇論文研究中，採用雙緣相位頻率偵測器(Dual-edge Phase-Frequency Detector)來比較輸入訊號和鎖相迴路中回授訊號正緣的相位差異與負緣的相位差異，控制電荷幫浦對低通濾波器充放電，相較於傳統相位頻率偵測器多了一倍的比對結果，增加了電流幫浦充放電的次數，因此可以加快迴路的鎖定速度。不過因為雙緣相位頻率偵測器會增加迴路的雜訊，因此在接近鎖上時，切換為單緣相位頻率偵測器，來減少輸出頻率的鏈波。另外雙緣相位頻率偵測器的訊號經過簡單的處理後，即可得知迴路的鎖定狀態，並藉此來調整頻寬。 本研究主要是結合雙緣相位頻率偵測器和動態調整頻寬的概念，將雙緣相位頻率偵測器的訊號經過簡易頻寬控制單元(Bandwidth Control Unit, BCU)的處理，來判斷何時切換頻寬，來達到快速鎖定及縮小相位抖動的目的。其鎖定狀態的判斷，比一般鎖相迴路的使用延遲單元 (Delay cell) 所組成的相位誤差偵測器又擁有更佳擴充性和應用性以及抗製程變異能力。
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
在這篇論文裡面，我們提出了一個具有寬廣的頻率追蹤範圍的標準單元化(standard cell-based)全數位鎖相迴路(All-Digital Phase-Locked Loop, ADPLL)。除此之外，我們也提出了一個結合三種不同的控制方法(包含延遲路徑選擇、控制驅動能力以及控制負載電容)及使用新的排列方式組合而成的三段調控式數位控制震盪器(Three-Gear Digitally Controlled Oscillator, 3G-DCO)，可同時達到改善數位控制震盪器可提供之最高頻率、頻率範圍及解析度的目的。搭配我們所提出的鏡像式數位控制震盪器的校準機制(Mirror-DCO-Based Calibration Mechanism)以及智慧型控制碼跳躍機制(Smart Code-Jumping Mechanism)，當三段調控式數位控制震盪器所產生的週期來到某一個週期區間的端點時，它可以直接跳至鄰近的週期區間中，週期與當下的週期最相近的點。如此一來，我們的ADPLL可以克服先前數位控制震盪器所面臨的非連續性的問題，創造出一個幾乎連續的頻率追蹤範圍，讓ADPLL更適合操作在擁有溫度變異的環境中，並且能更接近傳統類比電路的效能。另外，在設計此ADPLL的過程中，我們採用了一般標準單元電路設計的設計流程，更縮短了其電路在更換製程時所耗費的時間。我們利用TSMC 0.18m 之標準單元庫來實現此電路，經過佈局後之實驗結果顯示，我們所提出的三段調控式數位控制震盪器在TT-corner的情況下，可以操作在89 MHz ~ 1013 MHz 並且具有 2.54 ps 的平均解析度。而當ADPLL鎖定在1000 MHz 時，其方均根時脈抖動量及峰對峰的時脈抖動量分別為2.2 ps 與 17 ps。
- 學位論文
為了要了解人腦結構以及功能上面的秘密，科學家一直致力於腦方面的研究，但是由於人腦功能太複雜，而且人腦的圖片取得不易，因此科學家便找了果蠅腦來做研究，果蠅的腦部被發現和人腦有很多類似的地方：像是記憶或學習。果蠅的腦部雖然被發現有很多和人腦相似的地方，但是其構造卻簡單許多，所以果蠅腦中的結構和神經傳導的關係成為科學家研究的一項重要課題。 為了研究果蠅的相關構造及功能，腦科學中心利用共軛焦顯微鏡與染色的方式得到腦殼的模型影像切片，配合影像的切割技術，我們可以將切割完的影像重建成三維的模型，這個模型可以幫助科學家探討果蠅腦中的結構和相關問題，科學家會將一些神經網路和組織放入這個腦模型來觀察他們的相互關係。然而如果只靠單一的果蠅腦模型來做觀察是不夠合理的，最好的做法是將多個腦模型做平均，把平均完的模型拿來當作標準的模型。 我們知道了建立平均模型的重要性，因此在這篇論文我們提出一個適用於嗅覺小球合理自動化對位的理論，先經過整體的對位，接著利用局部對位的理論來做細部的調整，最後將每個模型合理的對位在一起，然後再將所有的模型做平均，建立出一個平均的嗅覺小球模型。這個對位的方法也可以適用於影像的切割，對於一開始拿到的醫學影像，我們先利用邊緣偵測來偵測出可能的嗅覺小球邊界，偵測出來的邊界有可能不是封閉的曲線，這時候我們就用以平均模型為基準的理論去切割這些邊緣資料，最後達到嗅覺小球完整的切割。我們的理論可以適用於完整的模型或是非封閉區線的邊緣資料。
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
本論文提出一個利用寬頻巴倫(balun)來實現一個新式寬頻偶極天線的架構，可用的頻帶可從1.7GHz~6.2GHz，包含了目前市面上所有通用的網路頻帶標準，即1.71GHz~2.69GHz(GSM1800、GSM1900、UTMS、802.11b、802.11g、802.11n、WiMax、LTE)，3.4GHz~3.69GHz(WiMAX)，5.15GHz~5.85GHz(802.11a、WiMAX)，且在主要頻帶的反射損耗(return loss)皆在-15dB以下。因為偶極天線是個平衡的輸出而輸入常常是用同軸電纜(coaxial cable)等不平衡的輸入，所以必須要利用巴倫來轉換傳輸。此寬頻天線利用微帶線(microstrip)到槽線(slotline)的轉換傳輸來傳送訊號及能量，並在輸入到天線的兩端電流創造出180度的相位差，即造成偶極天線電流同向的效果。此天線的場型在可利用的頻帶幾乎都呈現全向性(omni-directional)的結果，且增益在2dBi~5dBi之間，平均3.56dBi。本論文除了寬頻天線外，還模擬與實作準八木天線(quasi-Yagi)及改良它的巴倫頻寬。利用柴氏(Chebyshev)阻抗轉換器及槽線弧形截線(radial stub)去達到微帶線到共面槽線的轉換傳輸並達到寬頻的特性。除此之外還探討了阻抗匹配的問題，在一定的條件下可以加以利用把天線拆成兩部分設計。實作出的準八木天線主要操作頻帶，在目前所應用最廣泛的2.45GHz附近，除了巴倫頻寬改善外，增益表現及場型都與原本準八木天線相近。本論文希望能在無線網路用的天線提供些微的貢獻。
- 學位論文
隨著科技的進步與人類對於健康管理的需求，工程科技與生物醫學的結合發展將帶給人們便利與許多新的契機，人體植入晶片的應用，即是半導體科技與生物醫學的結合產物，現今的生醫植入系統晶片逐漸發展成為無線電源傳輸架構，不僅能夠減少使用者的不舒適感，也改善植入裝置電池壽命的問題，而透過雙向的資料傳輸，我們可以控制植入系統，也可以從植入系統獲得資訊。 本研究論文中，建立一個無線電源傳輸與資料的收發電路，晶片端包含的Power Regulator、ASK(Amplitude Shift Keying)解碼器與FSK(Frequency Shift Keying)編碼器構成，使用TSMC 0.18μm CMOS製程，總面積為0.031mm^2(不包含PAD)。傳輸系統利用線圈電磁場耦合接收外部電源與資料，Power regulator產生穩定電源提供給晶片內部或其它電路，ASK解碼器負責解調接收到的ASK訊號，解調植入裝置的控制訊號，並且提供植入裝置時脈訊號，而FSK編碼器可將植入裝置欲傳輸的資料訊號進行編碼，在透過線圈耦合傳出。 本論文提出一個無電阻電容、具有高效率資料傳輸、可靠度高、並且可彈性應用的ASK 解碼電路，其Modulation Index可低達4.05%、Modulation Rate為50%，利用自我解調(Self-Sampling)的概念架構，能同時把時脈訊號與資料一起解碼出來，提供植入晶片系統的時脈與資料，實用性高、擁有穩健的解調功能，不受限於製程上的誤差而喪失功能，在面積與功率也不會消耗太大的系統資源。並且可以彈性控制其Modulation Index隨著不同的應用系統而改變。
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
隨著科技的發展，影像/視訊內容的分享越來越普及，許多人喜歡將生活周遭發生的事物透過行動裝置，例如：手機、PDA、…等，立即分享給親朋好友。但是受限於行動裝置螢幕大小的限制，我們必須對於這些影像/視訊進行畫面濃縮處理才能在這些行動裝置上進行播放。但無可避免的這個過程會造成資訊上的損失。近年來已經有不少研究課題討論如何實現基於內容為主的影像/視訊畫面濃縮，目的是希望畫面經過濃縮之後能盡量維持畫面中人眼感興趣的區域，並且縮小或裁切掉人眼較不感興趣的區域，使得濃縮後的影像/視訊能呈現原始影像/視訊所要分享的訊息。然而，對於濃縮後的視訊如何確保畫面之間在空間軸上以及時軸上的一致性將會是影響視訊品質的關鍵。目前現存的方法對於同時包含有背景鏡頭移動與物體移動的影片很難在畫面濃縮後保持在時軸上的一致性。因此這裡我們提出了一個新的視訊濃縮方法，利用全景接圖導引的方式去決定每一個相對應區域的縮放比例，以確保畫面之間在時軸上的一致性。我們提出的方法先將影片中屬於同一個場景的每一張畫面接合產生一張全景圖，並根據全景圖產生一張全域縮放圖，接著每一張畫面參考全域縮放圖上的資訊與提出的空間軸上限制做最佳化處理，最後得到每一張畫面個別的局部縮放圖和濃縮後的畫面。實驗的結果顯示我們提出的視訊濃縮方法可以有效維持濃縮後的視訊畫面在時軸上的一致性，甚至對於包含有背景鏡頭移動與物體移動的影片也能有不錯的效果。
- 學位論文
在可攜式裝置的晶片中，通常需要動態電壓調變及快速儲存之特色以完成低功耗及穩定的關機程序。許多可攜式裝置的系統使用一個靜態隨機存取式記憶體以達成快速且低電壓之讀寫操作，並另外使用一個內嵌式快閃記憶體做為資料備份。然而，因序列式資料傳輸，使用二個記憶體的方式會造成資料轉輸時間過長。非揮發性靜態隨機存取式記憶體以平行方式傳輸資料，使得資料備份及資料復元時間更短，對可攜式裝置而言是個更好的選擇。 此作品為第一個已驗證之電阻式非揮發性靜態隨機存取記憶體(Rnv8T)，其架構由八個電晶體及二個電阻式記憶體元件所組成，可達到快速且低耗能非揮發性儲存動作和低讀寫操作電壓。 此Rnv8T cell 使用可快速儲存且低儲存電流之RRAM元件，三維堆疊於8T cell上方，使其達到低操作耗能與小的cell面積。另外，比傳統SRAM六個電晶體架構多出的二個電晶體，除了作為RRAM開關外還可提供靜態隨機存取式記憶體寫入輔助的功能。由於此寫入輔助功能，我們可調整電晶體大小以防止因元件製程漂移及雜訊影響，在低電壓下讀取失敗的情況。此16千位元Rnv8T晶片已下線驗證其讀寫及儲存/喚回功能，且最低讀寫操作電壓為0.45伏特，在所有非揮發性靜態隨機存取式記憶體與二個記憶體方式中，其儲存耗能及最低讀寫操作電壓最低。
- 學位論文
本論文之目的係在沒有提供任何已知的資訊下，將能暗示語音頻譜變化速率線索的參數相互的結合，建構一個自動音素分段系統。研究方法提出一個文本不特定(Text-independent)的循序式音素分段法沿著時間一次只找一個候選音素邊界點(Candidate Phoneme Boundary)，找到之後即作確認，經確認後才算是偵測到的音素邊界點而進行音素分段。偵測候選音素邊界點時採用改變音框長度之小波特徵參數，接著再針對找到的候選音素邊界點，採用梅爾頻率倒頻譜係數建立單一高斯機率模型後透過貝式資訊修正準則(Bayesian Information Criterion Correct)計算出之分數值(Delta BICC)，同時結合以小波特徵參數為輸入之正規化頻譜變異函式做為確認候選音素邊界點的雙重確認條件，進行候選音素邊界點的確認演算。以TIMIT語料進行系統之測試評估，實驗結果顯示：在20ms容忍度下，640句實驗語料中有422句之F估測值超過70%，且此422句之平均F估測值達到76%，640句語料之平均F估測值也有72%；另一種評量分段演算法好壞的R-值，640句語料在±20ms容忍度下的平均R-值有75%的表現。除此之外，本文還計算了分類音素邊界的偵測率（擊中率），結果顯示系統對於塞音(Stops)接母音(Vowels)、母音接塞音、摩擦音(Fricatives)接母音、母音接摩擦音、母音接鼻音(Nasals)、鼻音接母音、塞音接半母音與流音(Semivowels & Glides)的邊界擁有較高的偵測率，惟在鼻音接鼻音、半母音接靜音、鼻音接靜音、鼻音接塞音的邊界偵測效果仍有待改善。
- 學位論文
現今機器人自動導航領域中，最重要的議題不外乎是讓機器人能夠在未探索過的環境中自我定位與建立環境地圖 (Simultaneous Localization and Mapping)。但由於SLAM為高複雜度的演算法，因此往往需要很長的運算時間與大量的記憶體空間，才能達到高準確度的自我定位與建立地圖。這篇論文中，我們提出了一個適用於室內環境之輕量化粒子濾波器 (Rao-Blackwellized Particle Filter) 來進行機器人定位，並藉由從雷射測距儀掃描環境後得到的距離資訊中，提取出線段 (line segment) 來描繪環境地圖，同時只存放這些線段在我們的地圖中來達到降低記憶體使用量的效果。由於一般室內環境中，主要的環境結構 (牆壁、門、家具…) 擁有互相垂直與平行的特性。因此在我們的系統中，只考慮具有正交特性的線段來保證建立地圖的準確度與降低機器人定位所需的運算量。其中我們是利用一個參考角度 (reference direction) 來判斷從雷射測距儀所截取出的線段中屬於環境的水平與垂直線段。並且藉由動態的修正參考角度，我們的演算法可在機器人的起始位置沒有與環境的主要架構對齊時，也可以順利的判斷出環境中的水平與垂直線段。 實驗結果顯示，我們所提出的方法不但可在複雜的室內環境中準確的將機器人定位與建立環境地圖，且當機器人行走一段距離並繞行環境一周後，能夠順利將地圖銜接起來 (loop closing)。同時，經由統計結果可見，相對於一般搭配柵格狀地圖之粒子濾波器的方法，我們所提出的輕量化粒子濾波器只需要極低的記憶體使用量與運算時間就可以達到準確的效果。
- 學位論文
新一代自動語音辨認系統採用以知識為基礎的特徵參數，對特殊音提供更具其代表性特徵參數，以提升偵測正確率。本論文探討了容易混淆的鼻音與半母音特性，利用小波轉換計算每一頻帶範圍的能量值，藉由鼻音與半母音屬於低頻成分較多的性質，進而取出其特徵參數，特徵參數包含梅爾倒頻譜係數(Mel-frequency cepstral coefficients, MFCC)、能量比值(Energy ratio)以及希爾伯轉換後的包絡線值(Hilbert envelope)變化量，比較特徵參數分離效果，再使用支持向量機(Support Vector Machine, SVM)技術達到分類的目的，將音框分類之後，可以找出鼻音的釋放(Release)以及結束(Closure)的轉換點，找出語音分段邊界，並探討此方法的準確性。實驗語料使用TIMIT語料庫，鼻音偵測正確率可達到82%，比上以HMM作音素辨識之關鍵詞檢測架構的偵測率正確率80%可高上2%，其特徵參數使用的是MFCC+△MFCC+△△MFCC+ logEnergy +△logEnergy +△△logEnergy。而以本文方法實驗的釋放與結束轉換點，其偵測的結果與手動標示的記號誤差平均分別是9.74ms及-8.9ms。在假警報率的部分分別對母音、半母音、摩擦音、塞擦音及塞音的分類而言，其百分比分別是2.4%、1%、2%、1%、及0.2%，效果顯示不會有太多誤判的情形。