• 學位論文

微電網應用之電力轉換器垂降控制研究

因申請專利緣故，資料延後公開

• 學位論文

基於三維虛擬基地台轉換技術之行動定位處理器設計與實作

自從美國聯邦通訊委員會提出行動定位技術需求之後，行動定位技術被廣泛地運 用在許多方面。本篇論文延伸二維的行動定位演算法，並且與三維虛擬基地台轉 換技術結合，提出三維行動定位演算法。演算法中的凸型最佳化問題普遍使用遞 迴式的方法來解決問題，例如：子梯度演算法，然而，遞迴式演算法最棘手的問 題是遞迴的計算之間有順序的依賴性，導致子梯度演算法的執行次數變少，進而 使得定位的精準度下降。本篇論文為此提出新的子梯度演算法，在沒有改變定位 處理器吞吐量的情況下，新的子梯度處理器可以執行較多的遞迴次數來增進定位 精準度，並且，新的子梯度處理器擁有較低的硬體複雜度，此外，新的子梯度處 理器在長時間運作下，硬體使用率趨近於100%。在本篇論文中的粒子濾波器交 替運算接收訊號功率強度，藉以提高硬體使用率為96.15%。本篇論文中針對粒 子濾波器提出功率節省的概念，並且引用文獻所提出具有休眠功能的低功率消耗 靜態隨機存取記憶體，作為粒子濾波器的粒子儲存記憶體。最後，本篇論文使用 台積電90 奈米製程實現三維行動定位處理器。

• 學位論文

應用於即時人體呼吸特徵萃取之低複雜度超寬頻雷達訊號處理系統

此論文提出了可在超寬頻雷達系統擷取人體呼吸訊號中，分析且萃取呼吸訊號特徵的演算法，並且real time實作在訊號處理系統的平台上。在傳統的雷達偵測呼吸訊號的演算法中，大多以偵測出呼吸頻率為主要目標，並將偵測到的頻率用在醫療診斷中。然而在雷達偵測出的人體呼吸訊號中，除了呼吸頻率外，事實上含有更多可以提供醫護人員做為診斷的資訊。因此我們提出了Four Segment Linear Wave的訊號模型來模擬原始呼吸的波形，使用了early stop correlation的方式來取得model中的參數，而這些參數的意義表示了呼吸波形中除了頻率的其餘特徵，例如呼吸的強度、吸氣的狀態、呼氣的狀態、以及呼氣吸氣間轉換的停止狀態。另外，將呼吸model化並取得呼吸特徵參數也可視為壓縮後的呼吸訊號，可以應用在遠端照護監視系統中當作傳輸的標的，如此一來，在不失原本呼吸趨勢的情況下，要表示一周期的人體呼吸可以只用些許的參數來取代至少上千點的取樣資料，明顯的很大的減少需要儲存資料量，也就是使用次方法後可以減少傳輸的頻寬，以及節省傳送的電力消耗。最後，我們此演算法以硬體實現，並透過FPGA邏輯晶片來結合超寬頻雷達系統完成real time的系統驗證。此裝置可適用於呼吸頻率介於0.1Hz到1Hz間的人體呼吸訊號，對於每個呼吸週期分析及萃取。

• 學位論文

用於非監督式特徵學習的快速稀疏編碼

影像辨識是機器視覺中基本的研究主題。在整個辨識系統中，影像表示法是關鍵的部分，也因此愈來愈多研究著重於此。Bag of visual words模型與其延伸方法已經被廣泛使用於各種影像表示系統。其中主要有三個步驟：首先對密集取樣的影像區塊取得低階影像表示；第二步驟，低階表示經過編碼過程得到高階表示；最後，整張影像切成不同的小區域，各自小區域中使用pooling得到對應的區域表示法，串接每個區域表示法得到最終影像表示。在本篇論文我們提出了三種加速影像編碼的方法：第一種為簡化傳統正交匹配演算法；第二種是使用新的pooling方法，用以加速字的選擇；第三種為使用locality-sensitive hashing演算法快速搜尋出預先儲存的影像編碼。我們提出的方法可以加速傳統的影像編碼過程同時又能維持相當的影像辨識率。

• 學位論文

多種致癌的核心和特殊網路標記

癌症是一種細胞不正常的增生而造成腫瘤的一種複雜的疾病，是造成全世界死亡的原因之一，一般都是出於多種蛋白質的基因突變或途徑的失調。了解導致癌症的原因和其潛在的致癌機制，可以幫助對抗這種疾病。因此，在這篇論文中，我們使用了一個結合微陣列基因表現以及蛋白質交互作用和癌症相關功能資訊的系統生物學方法，從系統的觀點來進行研究。利用這樣的資料，結合一個簡單的線性迴歸模型以及系統鑑別與統計方法，可以分別建構四種癌症和其非癌症的蛋白質互動（PPI）網路。根據這個網路比較，並配合致癌相關值的計算，我們可以找到每種癌症重要的蛋白質，而從中皆擁有的部分稱為核心的網路標記以及每種癌症個別有的部分稱為特殊的網路標記。我們總共找出了二十八個共同的重要蛋白質，並藉此來了解形成癌症的機制和其扮演的重要角色。此外，也進一步去探討跟已知的生物途徑的關係，我們發現到七條共同的生物途徑和癌症的發生過程有緊密的聯繫，某些特定的癌症細胞還擁有特異的異常途徑。以上這些結果以及新的癌症樣本的測試，加強證明了我們的發現和方法，可以讓我們對於形成癌症的過程以及機制更加瞭解，更重要的是，我們找出的這些重要的蛋白質和途徑提供了可能的分子目標和治療癌症。

• 學位論文

利用系統化方法於大腸桿菌細胞族群控制裂解基因電路設計

細胞族群控制被使用於調控其細胞族群密度和維持特定的細胞族群密度。在本研究中，我們利用了從Biobricks裡的BBa_K11700元件來裂解宿主大腸桿菌。BBa_K11700是藉由在抑制型TetR調控的啟動子-核糖體元件或促進型LuxR調控的啟動子-核糖體元件下的裂解基因電路來調控其細胞族群密度。在這裡，我們提供了有效的設計方法學來設計裂解基因電路達成想要的細胞族群密度控制。我們首先建構了裂解基因電路。基於裂解電路的穩態模型，裂解電路的能力是被用於描述啟動子-核糖體元件和誘導物濃度之間的關係，從此關係我們可以觀察出主要影響細胞族群密度的因子，然後，良好特性化的啟動子-核糖體元件結合位元件庫被建立以及裂解速率從實驗的量測數據裡被識別出來。最後，依據使用者的設計規範，一個系統化設計方法被提出來達成強健的穩態細胞族群密度控制，藉由從啟動子-核糖體元件結合位元件庫選擇出一組適當的啟動子-核糖體元件組合和相對應的適當可執行範圍的誘導物濃度來提供合成生物學家達到想要的細胞族群密度調控。因此，根據本文的設計流程，我們相信我們所提出的使用者為導向的設計方法來達成想要的細胞族群密度控制，將提供於快速成長的合成生物領域，一個有用的設計指引來設計日漸複雜的基因調控網路。

• 學位論文

基於輸入樣式非同步完成檢測電路

更好的效能，一直是積體電路設計的目標之一。由於設計工具的可用性和簡化設計方法，同步電路設計已經為今天的積體電路設計的主要設計方法。同步電路需要一個全域時脈信號，這個時脈樹已被證明消耗總功率很大一部分。 此外，由於時脈頻率被提升到數十倍千兆赫茲範圍內，時脈抖動和傾斜便扮演了更重要的角色。非同步設計方法不需全域時脈，因此可以提高的效能。為了真正得到非同步設計的優點，完成檢測信號必需被產生，以表示完成當前任務，並開始下一個任務。 一個很好的完成檢測電路應該是能夠產生完成訊號並僅使用非常小的花費在面積，功耗和延遲時間。在這篇論文中提出一個基於輸入模式檢測完成方法。大的電路塊被分成更小的電路塊;如此對於一個單獨的電路塊僅需要小面積;權衡被檢測輸入樣式的個數和電路複雜度可以被利用，內部完成信號在各電路塊之間，可進一步減少完成電路的複雜性;合併電路，結合各自完成信號，以形成整體的完成信號也進行了研究。結合所有技術，展示5位元RCA的完成信號，可在平均延遲時間快17％的速度比最壞的情況下的延遲，並與綁定數據的方法相比，用小3.5倍的面積。

• 學位論文

應用於液晶顯示器源極驅動器之低成本數位類比轉換器設計

因申請專利緣故，資料延後公開

• 學位論文

以線性預估法回推聲源進行帶脂肪注射手術之成效評估

在日常生活中，我們每天都會透過聲音來與人溝通，然而，隨著年紀漸長或其他疾病引起的聲帶異常疾病，往往使人無法正常發聲而前往耳鼻喉科門診求診。在門診中，多數聲帶異常疾病皆會造成聲帶閉合不全的問題，而解決這類問題最常見的治療方式就是聲帶脂肪注射手術(lipoinjection thyroplasty)。 雖然大部分的患者經手術治療後都能恢復正常的嗓音，但對部分患者而言，因為脂肪會被吸收而需要作重複注射(re-injection)或聲帶內移手術(Medialization surgery)。一般在醫院裡除了使用內視鏡等醫療儀器作檢測外，也會用多向度嗓音分析儀(MDVP)對患者之錄音檔作分析，以此判斷手術成效。然而，比起用錄音檔來分析，若能直接對發聲端－聲帶產生的波形作分析，或許可以更精準地評估手術成效。 在本論文中，我們利用線性預估方法(Linear Prediction)求出模擬聲帶端波形的預估誤差波形(Prediction Error)，在設定的振幅範圍內，計算預估波形每音框平均通過的波峰數作為新的聲音指標，以此評估手術成效。我們收集17位進行聲帶脂肪注射手術的患者資料，其中9位為手術成功組，其餘8位為手術失敗組。我們將所有患者之手術前、手術後一個月以及手術後三個月錄音檔作新聲音指標分析，發現手術失敗組與成功組的指標結果呈現不同的趨勢，並以ROC曲線下面積(AUC)作其分辨力的評估，確實可區別手術失敗組與成功組至一定程度(AUC>0.7)。 在未來，期盼能收集更多患者資料進行分析，並將此指標實際應用於醫療上，及早為患者安排最適當的治療規劃，並節省其診療時間及不必要的花費。

• 學位論文

基於人臉正面和側面特徵之唐氏症辨識

唐氏症(Down Syndrome)是目前新生兒群體中，較為常見的先天性遺傳疾病。其患者可能因為人體中第21條染色體上的基因異常，導致發展遲緩，甚至五官和身體上的部份畸變。而目前醫學上，對於新生兒的唐氏症疾病診斷，最準確的方法乃是採用染色體檢驗。然而，儘管染色體檢驗方式能夠達成較高的準確率，但此方法仍需花費昂貴的金錢和冗長的時間去做DNA分析。因此，我們希望能提出一個辨識方法，以用來進行簡單、快速的疾病診斷。其中使用者不需要擁有醫學上的專業知識，就可自動化的將判別作業交由系統處理，進而有效節省其人力資源。 正如之前所提，唐氏症患者由於基因的異常，因此五官部分相較於正常人會有部分明顯的特徵。例如 : 鼻子太扁、耳朵位置較低和兩眼距離過寬等等。因此，此篇論文主要想法就是希望藉由擷取這些明顯的人臉特徵，以區分出孩童中患有唐氏症的患者。我們的目的是希望能夠建立一個唐氏症疾病辨識系統，其能夠藉由輸入的人臉正面和側面影像，並擷取其中的主要特徵，再經過分類器的篩選，以確定患者是否患有唐氏症疾病。 在這個辨識系統中，我們針對提供的正面及側面的兩張人臉，設計了8個重要且常見的唐氏症臉部特徵來加以擷取：其中5個特徵是從正面擷取，剩下3個是從側面。其分別是針對兩眼的距離、眼睛的傾斜程度和形狀、鼻梁的傾斜度、鼻尖的上仰角度和耳朵在側臉中的相對位置來進行分析。而擷取出來的特徵，會再被輸入之前所訓練好的分類器加以分類，進而得到其識別的結果。 實驗結果顯示，其系統在唐氏症患者的辨識上，對於輸入的測試資料具有將近九成的成功辨識率。