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
隨著智慧型手機的普及與先進感測技術的發展，許多感應裝置被應用在智慧型手機上，使智慧型手機具有連結網路與定位的能力，基於適地性服務(Location-Based Service, LBS)的應用也隨之被廣泛應用。由於使用適地性服務的查尋會包含使用者的位置，使用服務會暴露使用者的位置，引起了隱私上的擔憂。匿名法是一項普遍被用來保護位置隱私的技術。在過去的文獻中，最常見的是集中式的架構，需要建置一台受信任的匿名伺服器。然而集中式的作法具有幾項明顯的弱點，如伺服器效能的瓶頸、單點故障的問題、容易成為攻擊的目標等。更重要的是，有些使用者可能不願信任匿名伺服器。在本文中，我們提出一種利用同儕計算(Peer-to-Peer)獨特的架構及線上社群朋友間的信任關係為基礎的分散式架構，在此架構下使用者可自行保管自己的位置資訊及決定要信任的朋友，並可達到不需要第三方信任匿名伺服器的介入即可達成位置保護的目的。我們利用實際使用者資料及線上社群關係來評估我們提出的架構與方法。此外我們也在具有小世界(Small World)特性的拓樸上進行多項評估。我們的實驗結果證實我們的實驗方法可以產生合理大小的模糊位置區域並可抵擋一些常見的攻擊。
- 學位論文
快速模擬器QEMU為廣為大家所使用的嵌入式系統模擬器，除可進行單一應用程式模擬(Application Simulation)，更可進行全系統的系統模擬(System Simulation)，但在全系統的模擬速度表現上，與Desktop PC大約會有10倍左右的slow down，在過去較為重視的是模擬結果正確性，但在現今嵌入式平台已邁入多核心處理器應用和處理器頻率仍不斷往上攀升的情況，提升模擬器速度，減少與真實機器間的模擬速度差異，已成為極需重視的議題。 在真實系統運行中，記憶體存取指令碼佔有很重的比例，約佔整體執行指令碼的20%~40%，但記憶體的存取速度遠比不上處理器的執行速度，因此為能加速記憶體存取速度，硬體設計上使用MMU(Memory Management Unit)來加速記憶體位址轉換，同時處理器內部也有TLB(Translation Lookaside Buffer)作為記憶體位址轉換的快取。QEMU在全系統模擬上，以軟體方式實作了MMU和TLB的支援，稱為Soft-MMU和Soft-TLB，但在全系統模擬的指令碼翻譯上，卻大幅增加了記憶體存取指令碼與其他指令碼間的數量差異，造成了約5倍的指令碼數量差異，這5倍的指令碼數量差異，讓記憶體存取指令碼所佔整體比例，由20%~40%推升至56%~77%。 因此為能加速QEMU原有的記憶體存取效率，減少各指令的執行時間差異，本論文分別就Soft-MMU、Soft-TLB提出改善方法。本論文是以x86-64bit平台對映ARM-32bit平台進行觀察測試和全系統模擬，預設兩邊平台的作業系統分為Linux-64bit和Linux-32bit，這也是目前在Android系統平台開發上，使用QEMU進行全系統模擬時，最為大家普遍使用的設定。
- 學位論文
近年來，快速傅立葉轉換（Fast Fourier Transform）是一個在通訊、影像處理以及數位信號處理中應用最廣泛使用的計算核心。這些通訊應用需要高運算能力、高靈活性、及高擴充性的能力。而在靈活性、實現的複雜度和能源效率的取捨上，可組態式架構(reconfigurable)是一個最有彈性的架構。傳統的FFT 架構在設計上可以分為兩類：管線式(pipeline-based)與記憶體式(memory-based)架構。管線式具有較高的吞吐量(throughput)和控制器的設計較為簡單的優點。但是所佔用的硬體面積較大。而記憶體式具有相反的優點和缺點。 憑藉部分動態可組態式架構(partial dynamic reconfiguration)技術的靈活性和可擴展性，並整合管線式與記憶體式的架構，我們提出一個新的具有高擴充性的FFT 架構，稱為空間 - 時間共享的可組態式快速傅立葉轉換（STARFFT）架構。STARFFT 可以同時運算多個64 到8192 點的可變長度FFT，涵蓋了現今最常用的通訊標準。STARFFT 支援多個管道式架構，並採用radix-2 運算硬體單元，透過分時多工的方式切換多種應用，顯著地達到節省硬體資源。STARFFT 的資源分配(resource allocation)會同時考慮並滿足各種應用在時間與空間上的限制。最後我們提出了兩種演算法以提高硬體資源利用率。實驗顯示，在多個應用下與傳統的管線式FFT 架構相比，可以減少近50％的資源消耗，降低功耗約60％。
- 學位論文
本論文提出一個在休眠式快速開機系統上加快應用程式反應的方法。休眠式快速開使用具有高速隨機存取特性device作為secondary storage(e.g., flash drives)。過去的研究假定random access的速度與sequential access的速度相同。因此縮減hibernation file就可以達到最佳的開機速度。 對於使用者而言，更快的開機速度並不一定代表更佳使用者體驗(user experience)。使用者體驗包含了開機埘間及重新啟動應用程式的時間。我們將user mode application中response time高度相關的code、data存放於hibernation file。雖然hibernation file變得更大，但我們在快速開機系統中用sequential access讀取hibernation file，因此較大的hibernation file只會稍微的增加開機時間。我們所提出的方法能有效的減少重新啟動應用程式所造成的random access(e.g.,swap-in)。在本篇論文中，我們依照secondary storage的random access存取速度，同時對開機時間及應用程式重新啟時間進行最佳化以提升使用者體驗。
- 學位論文
在異質多核心系統中，由於處理器計算能力的多樣性，我們很難針對工作排程演算法找到一個最佳解以避免處理器在工作執行之間的閒置。除此之外，若工作之間的傳輸時間與工作的計算時間造成的比值非常大，處理器在排程中的閒置情形將會每況愈下。因為觀察到了系統的此種缺陷，我們提出一種重新排程方法試圖去解決這個問題。重新排程方法是利用可切割工作之特性，將工作切割並分配於二個不同處理器中以填補處理器在排程時形成的洞 (閒置時間)。排程中的洞可以分為二種類型，固定的洞和容易變動的洞。我們針對不同類型的洞提出了不同的因應策略，其中包含了資料事先剖析的切割策略以及動態切割策略。而重新排程方法可同時結合以上二種切割策略；預期重新排程方法能降低排程的完工時間以及處理器整體閒置時間。實驗結果顯示重新排程方法可降低百分之十四的完工時間，且能減少百分之五十的閒置時間。
- 學位論文
辨證是中醫特有的臨床診斷形式。中醫的證型包含疾病的病因以及病位資訊，根據病患的症狀及體徵資訊來辨識疾病的病因及病位即是中醫的辨證。中醫證型的種類數量很多，每一證型所包含的症狀及體徵數量更是可觀，因此中醫自動辨證系統的研製是中醫實證醫學化的重要研究議題。本論文根據《中醫證候學》的證型架構及審因定位的辨證方法，研製出一個中醫自動辨證系統。此系統包含病因辯證(辨識病因)及臟腑辨證(辨識病位)。本論文也利用《中醫證候學》的證候資訊(包含疾病的病因、病位、及病機資訊)來評估《中醫證候學》的證型架構及審因定位的辨證方法的一致性。評估結果顯示《中醫證候學》的證型架構及審因定位的辨證方法有相當高的一致性。期望本研究所研製的中醫自動辨證系統未來可以作為中醫的研究平台，成為中醫實證醫學化的基礎建設。
- 學位論文
EPON-WiMAX整合網路整合了可提供大頻寬的乙太被動式光纖網路(Ethernet Passive Optical Network, EPON)及以OFDM/OFDMA的技術為基礎的全球互通微波存取行動網路(WiMAX)，被視為未來最具潛力的有線網路與無線網路整合方案之一。 EPON-WiMAX整合網路優點包含了(1) 提供寬頻網路存取，(2)支援移動性用戶，以及(3)降低網路設計與維運成本。 但是目前EPON-WiMAX整合型網路上，大部分的研究都是在設計上行封包排程或頻寬分配，而下行封包排程及頻寬分配的相關研究並不多，因此本研究利用EPON-WiMAX的特性，加入合作傳輸的技術，設計了下行鏈路的資源分配方法。我們利用合作傳輸的優點，設計出合作傳輸的策略，以提昇整體的系統產能，並且保證各種連線的服務品質。我們的模擬結果顯示採用合作傳輸可大幅提昇系統的效能。
- 學位論文
關鍵詞擷取技術對於文章知識的重點擷取扮演非常重要的角色。在資訊檢索領域中，對於資訊重點進行擷取也有助於提昇檢索結果的準確度。如何提昇關鍵詞擷取的準確度及關鍵詞擷取的應用也是我們相當有興趣的範圍。 本論文實作了一個關鍵詞擷取的方法，使用TF-IDF演算法計算關鍵詞的權重，並利用引號區塊詞彙擷取及詞彙擴張法產生新詞提昇關鍵詞擷取的準確度，最後將關鍵詞擷取技術應用在焦點新聞偵測的方法。
- 學位論文
經驗模態分解（Empirical Mode Decomposition；EMD）已被證實在「非線性（non-linear）」與「非穩態（non-stationary）」的訊號分析中有著卓越的效果，但其運算量與耗用記憶體極大，故少見其應用在嵌入式即時訊號處理中。本論文針對EMD需求大量記憶體之立方雲線計算提出「分段式（segmented）立方雲線（cubic spline）計算」有效降低系統緩衝記憶體需求；另外對於分段式立方雲線中的兩組參數分段長度(n)及重疊點數(m)影響提出一套探索方法，並指出當其變化時對於系統整體處理能力、訊號品質、平行化程度及記憶體使用量的影響程度。最後本論文提出「適用於軟體與硬體的EMD平行計算架構」進一步地縮減其整體的計算時間。本論文所提出之「分段式立方雲線計算」、「分段系統參數探索方法」及「適於分段式立方雲線EMD平行計算架構」等最佳化設計均以FPGA完成驗證。並相對於原始EMD演算法中的立方雲線計算，本論文所提出之設計在處理長度2,048點並篩選10次時，可減少95.3%的記憶體使用量。