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
本文將於2025/09/16開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
本文將於2025/09/16開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
- 學位論文
多媒體設備與行動通訊對於我們的重要性越來越高。 使用多個天線來創造多輸出多輸出 (MIMO) 的無線通道可以有效的提高數據速率和可靠性來強化傳輸的品質。 傳輸通道的容量會依照傳送和接收的天線輸量而增加。 時空碼 (Space-Time Code) 為一種可以有效提高頻譜效率和降低錯誤率的技術。 可除性代數 (Division Algebra)為一種常見的數學工具用來設計時空碼。 分集與多工增益權衡是評估所用的碼之性能高低比較之公平法則。 在此論文中，我們推算了在頻率選擇快速衰減通道下線性調變的時空碼的設計準則。接著我們依照設計準則來建構一個時供碼。 此時空碼由一個迴旋編碼器和一個空間編碼器所組成。 此空間編碼器是利用可除性代數設計之最佳編碼器。 接著，推導出在頻率選擇快速衰減通道下之此時空碼之分集與多工增益的權衡。
本文將於2025/09/06開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
本文將於2025/09/06開放下載。若您希望在開放下載時收到通知，可將文章加入收藏。
- 學位論文
比較器是類比數位轉換器的一個關鍵元件。它比較輸入訊號並且放大差異，然而，當輸入訊號彼此非常接近時，會出現亞穩態。在這種情況下，它需要很長時間才能解決比較結果。 因此，亞穩態區域對比較器的分辨率，速度和功耗具有決定性的影響。 為了克服這個問題，後續的數位電路需要被精心地設計以處理亞穩性問題。 無論是否需要亞穩檢測信號，拓撲結構以及數位電路的尺寸大小都需要被正確地選擇，以最小化其影響。 本論文著重於分析存在亞穩態的情況下比較器的影響。首先，分析在快閃式類比數位轉換器中的閂鎖設計。第二，分析亞穩態偵測器的設計運作。第三，分析用於異步類比數位轉換器的互斥或閘設計。最後，分析正反器的電容負載對比較器的影響。 透過這些分析，我們設計了一個十位元每秒五百萬次的取樣頻率的連續漸進式類比數位轉換器。此轉換器以0.35um製程設計且操作電壓為3.3伏特。設計的重心則是在連續漸進式的邏輯設計。在設計過程中，為了能迅速找到亞穩區，並能對其影響做出分析，我們也開發出自動化的演算法。此演算法加快了設計速度並讓使用者能夠解決潛在的問題。
- 學位論文
語音情緒辨識對於未來人機互動的開發以及使用者體驗有很重要的影響，本研究從三個方向提升語音對話中語音情緒辨識系統：基於上下文的注意力神經網絡模型，對話中的情緒解碼和基於自動語音辨識的語音特徵。首先，我們改進傳統語音情感識別的建模方法，有別與以往情緒辨識用類神經網路對單一語句的語音特徵來進行辨識，我們利用語者對話資訊來進行更精確的情緒辨識。我們設計一個互動式注意力網路(Interaction-awareattention network)，它有效地將對話中語者的上下文信息融進被預測的語音特徵，因此我們可以更準確地對語音情緒進行預測。我們的成果在情感語音語料庫IEMOCAP的準確率超越了基於單一語句的情緒辨識模型9%，並且有系統地分析不同情緒承接對準確率的影響，印證我們的架構可以有效地利用互動的資訊提升情緒辨識的準確率。在情緒解碼的部分，我們提出一種在推論過程中的情緒解碼演算法，可以可以沿著對話順序對對話中每一句話的情感狀態進行解碼。我們將情感識別系統抽象為兩個獨立的模塊：基於語音的識別模型和對話流情緒解碼器，類比於ASR系統中帶有語言解碼器的聲學模型。因此，我們對語音情緒的預測可以同時考慮了語者情緒的連貫性，以及對話中整體情緒的狀態來改變原本情緒辨識器預測的機率分布，避免單一語句辨識中會出現的情緒狀態在對話不一致的問題，進而達到更佳的準確率，此外，我們的演算法完全基於已經訓練好的模型，可以與不同情緒辨識的架構進行整合，而不是限制在固定的架構上。最後，我們利用端到端（E2E）自動語音辨識（ASR）系統提取語音特徵來取代SER任務的聲學特徵集。我們提出針對ASR系統的領域自適應(Domain Adaptation)方法，以減少ASR域中的語料庫與SER域中的情感語音語料庫之間的聲學差異。通過域自適應，自適應後的ASR特徵要比從預訓練ASR中提取的特徵有更好的準確率。此外，我們比較了來自不同深度的ASR層並分析來自深淺層的特徵對SER的影響，結果發現，自適應後ASR的淺層的特徵可與手工聲學特徵媲美。