中正大學資訊工程學系學位論文
國立中正大學,正常發行
選擇卷期
- 學位論文
在圖形處理系統中，有一種加速器稱為圖形處理單元( GPU)。因為其特性能夠平行處理大量的資料或大規模的程式，所以此種加速器在圖形處理的領域中很受歡迎。為了更廣大的應用範圍，圖形處理單元演變成了一般通用圖形處理器(General-Purpose GPU)。GPGPU不僅能用於圖形處理之加速，也能使用在一般的計算中。譬如說GPGPU能夠透過平行化的技術將科學計算加速。現在也有不少的TOP 500排名中的超級電腦和Green 500排名(注重低功耗效率且高效能)中的超級電腦中都有安裝了數個GPGPU加速器，以幫助增加運算的效能。目前在GPU上的運算資源要如何分配適當的工作量以達到高處理效能，只能反覆試驗以得到結論。但是在程式設計師方面，手動配置可能導致得到一個效能不佳或高功耗的次優解。目前都是使用一種先進的分析模型來解決這樣的問題。本篇論文所提出來的方法有兩個好處。第一，此法提供了一套效能和功耗的評估模型分析程式，並且此模型的評估值具有很高的平均保真度。第二，此方法提供了一套自動化調校流程，可以幫助程式開發者自動化取得接近最佳解的參數組合。此外她也可以實現以下兩種最佳化。(一) 能使程式的執行時間幾乎是最小值，並且夠滿足使用者對能源消耗限制的上限值。 (二) 程式的能源消耗幾乎為最小值，同時也滿足使用者對執行時間限制的上限值。此流程是一種最佳化的流程，要實現此方法可以搭配模擬退火演算法和遺傳基因演算法。本篇論文的實驗結果得到了以下結論。我們提出的效能模型和能源消耗模型的保真度分別是0.86和0.89。此外，模擬退火演算法和遺傳基因演算法的Normalization Optimality Offset (NOO)分別為0.94%和0.79%。
- 學位論文
隨著網路迅速的發展，有許多生活上的特殊應用出現，像是無線環境應用及電子商務應用。但衍生了一些安全上的問題，例如如何在公開訊息的環境下去保護個人機密與隱私，就是一個重要的問題。而認證方法就是一種公認既有效又安全的解決方案。不過我們發現現有的認證方法，並不完全適用於無線環境及電子商務上。因此，我們研究著重在發展新的適用於無線環境應用與電子商務應用認證方法。 在認證方法方面，我們提出了一種基於生物資訊並使用智慧卡的認證方法。在傳統的密碼系統上，必須要利用通行碼才能達到認證的目的。而高科技的發展，生物資訊是一種極難被偽造的特徵碼，我們利用其特性結合智慧卡提出一種新的認證方法。所提出的方法不需要用到同步機制，就可以抵擋重送攻擊。 接著，我們結合認證方法與無線環境，提出了兩個新協定。在第一個協定中，我們基於在無線感知環境，每個感測器無法進行複雜的運算，但利用感測器來收集訊息時，必須要是合法的使用者，才能進行工作。所以我們針對安全性與效能為主要考量，提出兩者兼備的新協定。在第二個協定中，我們基於橢圓密碼系統發展一個適合在無線通訊的新協定。我們的協定除了可達到高安全性的標準也可以用比較少的運算來完成通訊認證。 而在電子商務上，我們利用認證方法為基礎，提出了一個新的電子支票機制及兩個企業數位權利管理機制。電子支票在電子商務中是一個重要的議題，但是在傳統的方法上，如何決定面額大小是一直在討論的問題。在前人的方法中，都必須要事先決定，這對使用者是非常沒有彈性的。因此，我們提出一個可以讓使用者自行輸入面額電子支票機制。 數位權利管理是一種保護數位產品的機制，而企業數位權利管理是針對企業中的數位資料進行保護。在此研究中，我們提出一個基於赫序函數及互斥或的新機制，來達到高安全性及高效率性。另外，我們設計一個金鑰分發系統適用於企業數位管理。
- 學位論文
隨著多媒體與通訊裝置的蓬勃發展，顯示器解析度的增加已成為未來必然的趨勢，舊有低解析度視訊影片，在新興高解析度顯示裝置中撥放，已無法滿足使用者的視覺需求。視訊超解析度提升(video super-resolution)，即在此科技需求中孕育而生。視訊超解析度提升方法，是將低解析度視訊中的影像，與前後多張影像一併考慮處理後放大為高解析度影像。視訊超解析度提升時，會考慮該視訊中前後多張具有時間關聯性的低解度影像，彼此在空間與時間上的特徵資訊進行影像的放大，因此在影像提升後會具有較佳的視覺影像品質。 軟式計算(soft computing)可區分為最佳化演算法(optimization algorithm)和機器學習(machine learning)兩類。常見的最佳化演算法有粒子群最佳化(particle swarm optimization, PSO)與基因演算法(genetic algorithm, GA)等。機器學習方面最常用的有類神經網路(artificial neural network, ANN)與支撐向量機(support vector machine, SVM)等。粒子群最佳化演算法是一種以族群為基礎的迭代演算法，可以在較短的訓練時間內獲得可靠的近似解，其可以較低的運算來解決高複雜性問題。類神經網路是模擬生物神經元訊息處理，與傳導結構的數學模型，可以利用統計學中的統計模型加以詮釋，因此，成為數學統計學習方法中可應用於實際問題處理的模型。 本論文中，我們首先提出一種採用影像融合方式的視訊超解析度(super-resolution)提升方法。在本方法中，我們使用視訊運動補償(motion compensation)與影像內插方法，分別產生四張解析度較佳的視訊影像。隨後，利用時間與空間上的特徵資訊，對要處理的視訊影像進行分類，依據分類的結果，使用粒子群最佳化演算法來找尋可靠且有效的融合參數，對四張解析度較佳的視訊影像進行融合成為超解析度視訊影像(super-resolved frame)。 第二個部分，我們以nonlocal-means (NLM)視訊超解析度強化方法為基礎，提出可移動式之視訊運動搜尋(motion search)方法，在減低視訊運動搜尋計算量的同時，進一步保持運動搜尋效果。此外，一個適應性的patch大小調整方法，則使用來提升超解析度視訊影像的視覺效果。 第三個部分，我們提出一個以類神經網路學習方法為基礎的視訊超解析度提升方法。在本方法中，我們利用視訊運動搜尋方法，對視訊影像收集適當的訓練資料供ANN進行訓練，依據訓練結果所得之參數與權重可以有效提升視訊影像的解析度。我們也在此基礎下，加入適當的分類方法，對要提升的視訊影像進行分類處理，以改善超解析度視訊影像中物體邊緣的視覺影像品質。此外，一個以雙向濾波器為基礎的方法則被運用來對收集的訓練資料進行前處理，以進一步改善類神經網路的學習效果，並提升超解析度視訊影像的品質。實驗結果顯示，本論文所提出的三個方法皆可有效改善視訊超解析度於影像提升後的品質。 本論文研究之主要貢獻，在利用所提之方法提取出空間與時間特徵，並與軟式計算方法加以結合運用在視訊超解析提升上，最後以實驗結果證明所提之概念的可行性與有效性。
- 學位論文
由於資訊與通訊科技的進步，電腦與網路已經成為生活與工作的有利工具，但是社會上仍有部分人，不會使用電腦或網路，形成所謂數位落差。根據數位落差的研究與調查，性別與年齡為影響數位落差的其中兩項因子，女性比男性有較低的電腦與網路使用率，另外成長經驗中比較沒有機會學習電腦的中高齡者亦有較低使用率。 本研究即針高齡者與女性設計系列資訊素養課程，並觀察課程對學習者電腦態度的影響。課程設計採Multimedia-Based Worked Examples方式，並根據高齡者初學電腦學習需求，安排助教於課堂上即時輔助。前三項研究，採教師控速(Teacher-Pacing)由教師以多媒體廣播系統統一示範教學，研究四則將教學錄製為線上視訊課程，由學習者採自我控速(Self-Pacing)方式學習。 研究一為15位社區婦女學習電腦的個案研究，發現婦女學習電腦後，電腦焦慮感顯著降低，比較不會害怕用壞電腦，更加感到使用電腦是必要的，而經濟狀況較落後與會限制孩子使用電腦的婦女，學習之後電腦態度有顯著正向。研究二進一步經由175位參加資訊素養課程的婦女，探討女性學習電腦後電腦態度的差異，婦女參加訓練後整體電腦態度改善，電腦焦慮感降低、喜好度增加與有用性認知降低，而年齡、教育程度、國籍與擁有PC等特質對婦女電腦態度會有顯著影響。研究三則是研究95位55歲以上高齡者學習電腦後的電腦態度，發現高齡者的電腦焦慮感降低、信心增加，而男性高齡者與較年輕高齡者(55 - 69歲)有類似態度改變，即電腦焦慮感降低、信心增加，而女性高齡者與較高齡高齡者(大於等於70歲)則只有焦慮感降低。性別與年齡交叉比較，發現較年輕男性高齡者(55 - 69歲)態度最正向，焦慮感與信心都有正向增加，較高齡女性高齡者(大於等於70歲)態度相對較落後，不過學習之後焦慮感也有顯著下降。研究四比較高齡者自我控速學習方式與教師控速學習對電腦態度影響的差異，發現教師控速組在電腦有用性態度上雖然課前落後，但課後則不再有差異，而自我控速組則在課後電腦焦慮感顯著低於教師控速組。 配合量化分析，本文同時應用質性訪談資料，歸納整理婦女與高齡者學習電腦的幾項特點，包括中文輸入的障礙、高齡者生理上的退化、資訊工具使用上的文化差異、資訊近用差異，以及學習機會，並提出建議。而在高齡者部分則需更注意較高齡婦女(大於等於70)，她們的態度顯示較為落後，但是經由學習則可改善她們的焦慮感。高齡者自我控速線上學習雖然在焦慮感有改善，但是有用性則是較落後，可做為未來設計高齡線上學習系統的參考。
- 學位論文
WiMAX技術(IEEE802.16)是第四代無線網路標準，可擁有低成本，高速度與較大的傳輸範圍。WiMAX系統已經被使用於提供較高的吞吐量與透過長距離的服務品質控制在不同的應用上。在本論文中，我們於WiMAX多跳網路中研究多跳網路公平性排程並考慮服務品質控制的問題。一開始，我們提出一個整數線性規化的模型來解決此問題，雖然整數線性規化在小規模的問題中可獲得最佳解，但在較大規模的問題中必須花費大量的時間與空間成本。因此，在現實情況中，一個啟發性的演算法需要有較好的執行時間與較好的延展性。因此，我們提出一個啟發性的排程演算法，該演算法在OFDMA的網路中可使網路中滿足率最低的SS的滿足率最大化，並且可滿足所有SS的服務品質要求。並且我們與先前相關文獻比較吞吐量，服務品質滿足率與最低需求滿足率。實驗結果中顯示我們的方法在於服務品質滿足率上較好。而當網路中，資源不足以滿足所有SS的服務品質要求時，我們提出三個貪婪演算法，以網路提供者的觀點來看，目標為最大化網路提供者可獲得的利潤做為評估標準。在於延伸的實驗中，我們也驗證了各個演算法在各種情況下何種方法較適合。我們的實驗結果如下: 1.當PrtPS_min=1或1.5 且 PrtPS_add=1時,(QoS * hop smallest first)會較其他方法好。 2.當PrtPS_min =0.5 且 PrtPS_add=1時,案比例分配的方法會較其他方法好。 3.當PrtPS min =0.25~1.75 且 PrtPS add=1時,並且平均跳躍數為1時，按比例分配的方法會較好。 然後當平均跳躍數大於1時，(QoS * hop smallest first)的方法將會比其他方法好。 (PrtPS_min表示當SS滿足基本傳輸率時該付的價格，PrtPS_add 表示當SS使用額外傳輸率時該付的價格)
- 學位論文
科技日新月異，許多大螢幕的顯示器紛紛推出，而在相同的訊號播放之條件下，在顯示於螢幕的解析度變高變成一種新的問題，所以超解析度(super-resolution)的方法被提出來解決這個需求。 本論文中，我們提出一種使用基要畫框和適應性細節扭曲的視訊超解析的方法，首先將基要畫框與非基要畫框做動作估計 (motion estimation) ，找出在非機要畫框在基要畫框內對應點，將對應點在基要畫框內的細節擷取出來，再利可適性細節扭曲的方法來估計非基要話框的細節，使用非局部均值濾波的遮罩來做細節的估計，估計出直接用內插得到的模糊視訊所失去的細節，最後將細節與模糊影像生成出高解析度的視訊結果。根據實驗結果顯示，本研究所提方法比其他系統有叫好得效能。
- 學位論文
碰撞偵測對許多不同的應用來說是一個基礎的問題，像是電玩、物理模擬、實體建模、虛擬實境等等。 碰撞偵測最主要的目標是在三維的空間中給定兩個物體，判斷出兩物體是否有相互交集（也就是說產生碰撞）。 要解決碰撞偵測的問題，需要大量的線性代數以及幾何運算。 本篇碩士論文最主要的目標是透過GPU的計算加速使用於CNC工具機防碰撞偵測的演算法。 由於現今GPU的計算能力已經明顯勝過於CPU的運算能力，使用GPU來偵測物體的碰撞與否將會是一個非常合適的做法。
- 學位論文
別名分析（Alias analysis）在compiler上，是用來決定兩次記憶體存取是否參考到相同的記憶體位置的一個機制，現今大部分的別名分析都著重在高階程式語言的分析，卻鮮少有研究是在低階組合語言的分析，在組合語言分析上，我們可以取得整個程式的完整資訊，像是系統函式庫以及第三方函式庫，這些在高階程式語言上是無法分析的，此外，組合語言分析可以讓許多編譯器以及post-link做最佳化，然而，我們在低階分析上執行跨函式（inter-procedural）的別名分析，卻遇到記憶體使用量太大，致使整個分析變得非常緩慢。 根據我們的觀察，我們找到幾個可以減少記憶體使用量以及提昇分析效能與準確度的因素，包含抽象化記憶體位址，用於儲存記憶體內容的記憶體資訊表（memory information talbe），以及資料流（data-flow）的分析方式等三個因素。在此篇論文中，我們會將這三個因素實作在低階跨函式別名分析上，並且利用Diablo來輔助分析，Diablo是一個post-link最佳化工具，它可以在link-time時將執行檔重新合成到指定的ARM處理器架構上。我們針對這些因素，以不同的設定方式來評估分析效能、記憶體用量以及準確度，在我們測試的程式中，實驗結果顯示，適當地設定抽象化記憶體位址參數，記憶體資訊表 在 basic block 之間不做傳遞，以及用meet operation來限制分析的資料量，我們的方法與Debray的作法比較，比它準確2.95倍，並且能在少於7分鐘內完成分析，且記憶體用量少於133MB。
- 學位論文
相機模擬是使用精確的幾何光學模擬，能夠提升影像成像、透鏡設計、以及擴增 實境的真實性方法。我們將重點部分放在基於真實相機鏡頭結構與透鏡組的光學 現象，如景深、單色像差、扭曲形變、光圈曝光值等。 我們研究的方法是使用光跡追蹤演算法來實作成像公式，並在計算透鏡折射效果 後對場景成像。我們也提供了互動式的使用者介面， 讓使用者可以控制相機參數， 並且展示虛擬相機系統設計圖及合成的場景成像結果。 為了提升整體光跡追蹤演算法的效能，我們使用 GPGPU 程式語言、 CUDA 及 OptiX 光跡追蹤引擎，實作我們的系統並平行化大量光跡取樣計算。最後我們優 化取樣方法以及即時的像素出瞳計算，讓整體效能更接近即時且互動式的相機模 擬。
- 學位論文
本論文提出一個驗證感知的設計方法，此方法為開發人員提供了一個系統化而且可靠的方法來進行循序程式的執行緒管線平行化，相較於傳統的設計流程，本文主張在進行平行化之前先建構一個行為模型的程式，再以此行為模型做為橋樑，幫助開發人員逐步利用執行緒管線平行化技術，因此，本文所提之設計方法也將驗證機制整合到設計流程之中，為了證明該方法之實用性，我們將此方法應用到三維景深產生器的執行緒管線平行化，接著此平行三維景深產生器將進一步整合到三維視訊播放系統以便針對驗證開銷及系統效能進行評估，結果顯示，透過五級管線的平行系統，在D1及HD720解析度下可分別達到33.72 fps及12.22 fps的處理速度，在此同時，本文所提之驗證方法在進行平行程式的驗證時，可將驗證過程所造成的效能下降幅度在D1及HD720解析度下分別控制在23％及21.1％，另一方面，本文也開發出執行緒層級超純量管線平行化方法來進一步提升三維視訊播放系統的平行度，最後，平行三維視訊播放系統可針對HD720解析度的視訊資料達到63.66 fps的處理速度。