• 學位論文

智慧家庭中可信賴ZigBee網路之設計與實現

近年來無線網路發展迅速，人們在智慧家庭中使用許多異質性質的網路設備，像是WLAN、ZigBee、藍芽…等，都是用於2.4GHz ISM頻段中，所以可能會有頻率相互干擾問題。本論文主要是建立可信賴的ZigBee網路，我們使用ZigBee RF4CE的頻率捷變技術，以跳頻方式掃描ZigBee 11~26的通道，並藉由Visual Basic人機介面查看目前有哪些是ZigBee網路與ZigBee協調者適合使用的通道。在佈署ZigBee網路節點位置時，利用封包接收率做為可信賴的參考依據，節點就能夠擺放到適合的位置，達到網路的穩定度。為了實際模擬在居家環境中的狀況，我們以WLAN與ZigBee的共存情況下做實驗分析，由此可得知ZigBee的頻率中有四個通道和WLAN正在使用的一個忙碌通道重疊，所以會造成嚴重的同頻干擾，封包接收率即會顯著的下降，ZigBee只要以跳頻的方式避開這些干擾的通道，或是將兩者擺放的距離長度拉長，調整AP的信標間隔和傳遞資料待傳指示訊息(Delivery Traffic Indication Message, DTIM)，都可增強ZigBee封包的接收率，達成可信賴的ZigBee網路。

• 學位論文

運用KINECT姿態辨識的使用者辨識研究

近年來，在智慧型環境中辨識安全系統慢慢受人們重視，而演化出許多身份辨識系統，本論文提出一種架構於KINECT骨架資訊於姿態辨識的使用者辨識系統，其中包含兩種型態的特徵值，分別為無學習方法的特徵型態以及經由學習方法所產生的學習特徵型態。基於人體骨架關節的三種特徵值，分別為相鄰關節距離、固定骨架角度、融合相鄰關節距離與固定骨架角度，以及兩種基於學習演算法特徵值，分別為重心偏移量(Gravity of Learning Offset, GLO)與轉移矩陣偏移量(Transfer Matrix of Learning Offset, TMLO)，各作為使用者辨識演算法之特徵值。 本論文使用者辨識方法使用支撐向量機(Support Vector Machine, SVM)、高斯混合模型(Gaussian Mixture Model, GMM)、主成分分析法(Principal Component Analysis, PCA) ，並由這些方法發展出SVM使用者合法性確認、GMM及PCA使用者身分辨識，並提出以下三種架構之使用者辨識模型，PCA學習特徵之SVM使用者合法性確認、GMM-PCA並聯模型及PCA學習特徵之GMM使用者身分辨識，對傳統單一模型之使用者辨識作進一步性能改良。 本研究將三種無學習特徵值分別建立於SVM、GMM及PCA方法上，並以辨識率較好的特徵值提出運用於混合模型，以SVM和PCA選取相鄰關節距離特徵值、GMM則選取融合相鄰關節距離與固定骨架角度，將無學習特徵建立於GMM-PCA並聯模型並以雙模型累計正規化分數方法之共同決策判斷。 在使用者辨識時，動作會因為使用者的習慣與時間而改變，而影響每一次的辨識成效，在此以加入機器學習方法解決這個問題。本論文以相鄰關節距離為特徵值建立於PCA之中，再由PCA學習演算法發展出兩種基於PCA學習演算法的學習偏移量特徵值 ，各別為PCA-GLO與PCA-TMLO，並結合SVM以及GMM方法。PCA-GLO第16次學習建立於SVM的辨識率為94.3%，PCA-TMLO第10次學習建立於SVM的辨識率為98.9%，PCA-GLO第16次學習建立於GMM的辨識率為99.8%，由數據得知SVM的PCA-TMLO經學習後能超越傳統SVM辨識率，而學習次數辨識性能也優於SVM的PCA-GLO，而在GMM的PCA-GLO上則是在學習16次後能優於傳統GMM及PCA辨識率，以證實經由PCA學習方法求得的特徵值，具有學習之成效性。

• 學位論文

應用基因演算法於非球面與自由曲面多焦點人工水晶體之最佳化光學設計

隨著年齡層的增長，水晶體的調焦功能會慢慢的退化，而產生老花眼、白內障等症狀，使光線無法聚焦在視網膜上，因此在醫學上究出了人工水晶體進行矯正，當光線進入人眼時，可經由人工水晶體的調整，重新達到光線聚焦的效果。而人工水晶體則是先經由外部的光學模擬測試，將所模擬出之透鏡與原內部的水晶體互換，使原本混濁之水晶體改善為清晰之透鏡，而本研究主要之目的就在於人工水晶體模擬測試之部分。 本研究主要有分為兩個部分，第一部分在於非球面人工水晶體設計，採用市面上可調節式人工水晶體進行模擬分析，以非球面透鏡作為鏡組之設計，在可調節之狀態下實現多焦點之功能，因非球面可經由變焦段之距離各別改變其變焦段曲率、厚度及非球面係數，在優化的過程中鏡組的變動性較為自由，因此分為遠、中、近三個變焦段；而第二部分採用多焦點不可調節式之自由曲面設計，主要是利用菲涅爾透鏡(Fresnel Lens)作為水晶體鏡組設計，因在不調節水晶體的狀態下實現多焦點的功能，在優化的過程中鏡組的限制較為繁雜，因此分為遠、近兩個變焦段。軟體則使用光學模擬軟體CODE V進行光學設計。為了得到最佳化光學設計，使用基因演算法(GA)來求得最佳曲率、厚度、非球面係數以及繞射光柵之值，藉此找出人工水晶體多焦距之最佳解，模擬出人工水晶體對應遠、中、近距離之調節狀態，減少三階像差，並且提高MTF。 由研究結果得知，在非球面透鏡中分為兩個部分，第一部分為人工水晶體之模擬，以像差來說SA及TCO分別有10%、4.16%的改善率。而由MTF曲線圖來看，空間頻率為15 cycle/mm時，GA對於CODE V之優化結果平均有41.69%的改善率；第二部分為遠視，在像差的分析結果上SA及TCO分別有7.37%、3.61%的改善率，MTF在空間頻率為15cycle/mm時平均也有34.1%的改善率，由此結果得知GA在非球面之優化是有達到最佳化的功能。 自由曲面有兩個不同的入瞳孔徑(5mm、6mm)，主要是分析在不同瞳孔的狀態下優化的效果，當入瞳孔徑為5mm時，在人工水晶體的模擬結果中皆有優劣的部分，在人工水晶體近距離的變焦段中，GA在Spot Diagram 和MTF(空間頻率15cycle/mm)的改善率分別平均為10.08%、2.86%，但在遠距離卻劣於CODE V分別平均為16.32%、10.47%；在遠視的狀態則是近距離時，Spot Diagram 和MTF(空間頻率15cycle/mm)劣於CODE V分別平均為23.33%、5.13%，但在遠距離GA分別平均卻有0.1%、2.86%的改善率，以整體結果看來GA與CODE V在入瞳為5mm時的優化效能是相近的。 在入瞳孔徑為6mm時，在人工水晶體方面，SA及TAS、SAS的部分沒有辦法做到改善，平均分別劣於CODE V優化0.885%、13.59%、4.775%，但是在Spot Diagram及MTF的分析上皆有良好的結果，在Spot Diagram近、遠距離的改善率分別平均為17.27%、11.32%，而在MTF(空間頻率15cycle/mm)的分析上，近、遠距離的改善率分別平均為10.78%、10.06%。 整體的優化結果當中，在非球面的部分GA是有達到改善的，而在自由曲面的優化結果上，雖然在入瞳為5mm時優化的結果沒有辦法做到整體改善，但是其效能是與CODE V優化差不多的，且在入瞳為6mm時整體的優化效果是有提升的，由此可得知在整體的優化結果中，GA確實是可以達到改善的效果。 關鍵詞：非球面、自由曲面、菲涅爾透鏡、基因演算法

• 學位論文

以數位訊號控制器dsPIC30F4011為基底實現伺服馬達控制

本論文應用Microchip公司所生產的數位訊號控制器dsPIC30F4011為基礎實現伺服馬達定位控制。所提架構不同於一般工業界應用可程式邏輯規劃控制器(PLC)完成伺服馬達定位控制時，必須由人機介面(HMI)監控再搭配PLC設計動作程序，以及使用軸控卡與伺服馬達驅動器達到伺服馬達定位控制，此外，受限於PLC型號，每個模組都必須使用同樣廠牌之設備才能應用。所提之伺服馬達定位控制系統可直接由人機介面透過串列傳輸方式與數位訊號控制器交握傳達控制指令，藉由數位訊號控制器內部進行伺服馬達控制程式之運算，再將運算結果以正弦脈寬調變方式應用於驅動所研製之三相六開關換流器上，最後由換流器輸出所規劃之三相交流電壓控制伺服馬達運轉，達到伺服馬達定位控制。 以數位訊號控制器內部運算實現伺服馬達定位控制方面，本論文利用馬達回授電流完成向量控制策略，將三相電流回授訊號與命令電流訊號進行Park正/逆轉換及Clarke正/逆轉換達到d-q軸轉換使伺服馬達全程皆可維持最大轉矩運轉。另外，應用伺服馬達內部光編碼器之A、B、Z三個回授訊號，以Z訊號觸發當作數位訊號控制器內部程式之原點定位位置訊號及伺服馬達旋轉圈數計數訊號，再由A相訊號控制dsPIC30F4011正交編碼器內部位置計數暫存器計數馬達的旋轉位置達成精準位置定位控制。同時將數位訊號控制器內部位置計數暫存器之數值微分轉換成速度回授訊號，再與速度命令訊號相互比較，將速度差訊號經PI控制器後當作電樞電流訊號之控制訊號完成閉迴路速度控制，將可使馬達具有穩定的運轉速度。 本文以數位訊號控制器dsPIC30F4011完成伺服馬達定位控制系統，系統將具有原來PLC控制伺服馬達之穩定速度及精準定位控制，且與傳統PLC定位控制系統比較，本文所提之方法能大幅降低成本並可縮小全系統的體積，此外，也不受到PLC及周邊設備須使用同廠牌之限制，並可以依照伺服馬達特性進行伺服馬達定位控制。

• 學位論文

雙層棋盤架構Zigbee網路應用於任意室內面積定位法之研究

近年來最常用ZigBee短距離無線通訊技術來做為室內定位的研究。在不同的室內環境中使用ZigBee系統進行定位時，由於無線電波在通道傳播常會受到各式障礙物的影響，因此針對不同室內環境將各別量測出不同距離實際相對應接收訊號強度來建立該環境模型曲線，做為估算待測點距離的參考基準。藉此可更契合各環境障礙物對接收信號強度的影響，估算出更為正確之待測點定位坐標。 在本文中所使用的定位方法為本實驗室過去所提出的自我調整誤差定位法，該方法須在一預設矩形面積下進行定位，其面積大小與採用Zigbee設備之接受信號強度能力有關。在本實驗室採用之設備規格下，選擇3公尺x 3公尺與3公尺x 5公尺的矩形面積下進行自我調整誤差法之定位實驗，從定位結果得知其誤差可達85公分至15公分的高精準度。但此定位方法其最大的缺點就是只能在預設的矩形面積下定位，若室內定位之面積大於該定位矩形面積時，將無法對該室內區域進行完整之定位。所以本實驗室過去提出擴展區域定位法以棋盤式細胞拓樸來擴展單一矩形面積(細胞)的定位範圍。棋盤細胞拓樸實際上是將單一矩形面積視為一棋盤方格向外擴展組合成一棋盤，其棋盤範圍可延伸至整個室內面積。在該棋盤拓樸下其定位方法分為兩階段: 第一階段先利用判定正確定位細胞法判斷待測節點位於整個棋盤(室內面積)中之正確棋盤方格(細胞)，得知待測點所在的單一矩形面積後，第二階段再利用原來提出之自我調整誤差法進行實際座標定位。在第一階段的判定正確定位細胞法實驗中，選擇4公尺x 4公尺的單一矩形定位面積做為一個細胞尺寸，待測節點判斷正確棋盤方格(細胞)統計成功率為82.35%；而4.5公尺x 4.5公尺做為一個細胞尺寸下，其待測節點判斷正確細胞的成功率下降至76.47%。從前面兩種不同細胞尺寸的實驗結果得知，雖然其判斷成功率高達76%以上，但其數字代表尚有20%以上的失敗率。 由於過去提出之判定正確定位細胞法無法達到100%成功率，因此當該方法無法成功判定正確細胞時，便無法進行第二階段之正確定位。因此本研究為將提出一個改善棋盤式細胞拓樸缺點之雙層棋盤Zigbee網路架構。雙層棋盤拓樸之做法為在整個室內面積建立兩個棋盤拓樸，兩個棋盤分別在水平與垂直方向以1/2棋盤方格距離交錯布置於整個室內面積上。本文將提出一新的判定正確定位細胞方法可同時判斷待測節點位於此雙層棋盤中之個別正確棋盤方格(細胞)，並可選擇其中任一細胞(矩形面積)執行自我調整誤差法進行定位。由於待測節點對應此二細胞(矩形面積)內之相對位置不同，因此利用自我調整誤差法進行實際座標定位時，其定位誤差精確度會有所不同。為了待測點在可二擇一細胞(矩形面積)中挑選出定位誤差較小的細胞進行定位，本文將更進一步提出動態三邊定位參考節點選擇策略找出優化的定位參考節點，從實驗結果驗證都能選擇正確的細胞(矩形面積)，而且可正確的選擇進行定位的三角形區域，執行自我調整誤差法定位。從實驗結果得知其優化定位參考節點後，選擇定位誤差較小的細胞進行定位之優化判斷率達71%。其優化判斷率未達100%之原因從研究中將更進一步發現待測節點位於其中一細胞(矩形面積)內之定位三角形中心區域，而位於另一細胞(矩形面積)內之定位三角形邊緣區域時其擇優效果較佳，反之擇優效果較差。 為更進一步分析擇優效果較佳三角形區域之範圍，將針對三角形定位區域明確劃分可擇優區域及較無擇優效果之模糊區域。最後，將進行一隨機擺放測試點之實驗，分別於兩個區域中隨機擺放12個測試點，結果顯示其優化定位判斷率高達 83%。從統計學的觀點，當不使用動態三邊定位參考節點選擇策略時，隨機擺放待測點進行定位之優化定位判斷率應該是50%。因此本文所提出動態三邊定位參考節點選擇策略確實具有明顯的優化定位判斷效果。而且從實驗結果得知在使用自我調整誤差定位法進行定位後，誤差值具有縮小的效果。所以我們提出的研究方法除了有效擴展室內定位面積也具有縮小定位誤差變動率的效果。

• 學位論文

硬體化影像差距係數總合演算法之自動對焦控制系統

本論文完成一套被動式影像自動對焦系統，以系統可程式化晶片(System-On-a-Programmable-Chip, SOPC)的架構，實現於可程式化邏輯閘陣列(Field-Programmable-Gate-Array, FPGA)開發平台。以FPGA晶片內部所建立的32位元處理器作為系統控制核心，並藉由硬體化的馬達運動控制模組與影像處理模組達到自動對焦的目的，同時藉由模組化的設計，提高系統在開發與移植上的彈性。 馬達控制迴路包含位置控制與速度控制，分別採用PD（比例-微分）控制器與PI（比例-積分）控制器。另外，實現CSDT(Constant Sample-time Digital Tachometer)估測法作為馬達的轉速量測，並且選用影像差距係數總合(Sum-modulus-difference, SMD)演算法作為影像清晰度的計算方法。系統採用執行二次全域搜尋法的方式作為進行一次對焦的焦點搜尋策略。 本論文的最後，將採用三種不同樣版的物體進行實際的對焦測試，以驗證此系統的可行性，並且比較以軟體實現SMD與硬體化SMD模組，兩者在效能上的表現差異。

• 學位論文

永磁式線性同步馬達伺服驅動系統於靜止座標下之強健控制設計

本文應用強健背進式控制原理設計永磁式線性同步馬達伺服驅動系統，針對永磁式線性同步馬達於α-β靜止座標軸的動態模式，進行系統化的分析與控制演算法則設計，由模糊類神經網路預測系統的未定值，並予以即時的補償，以確保系統強健性與穩定性。此外，將系統的動態描述為五階非線性的數學模型，根據此模型採平方項總合(sun of squares, SOS)的方法設計觀測器，做為未來無感測器驅動系統研究的基礎。在實現控制理論方面，使用數位訊號處理器做為系統控制核心，撰寫系統控制程式，組裝硬體、進行實體控制，再經由電腦模擬與實作測試控制器對於各種運動軌跡的控制成效，驗證控制理論的可行性與正確性，完成馬達驅動系統之設計。

• 學位論文

具高功因修正之自激式單級LED驅動電路探討

本論文提出利用自激觸發方式控制切換式轉換器作為LED驅動電路切換控制使用。其中切換式轉換器為單級架構，結合主動式功率因數修正(APFC)與諧振轉換器，達到輸入高功因與直流輸出作為LED驅動電路之效能。本論文使用之自激觸發方式為在諧振電路中加入一個自激式觸發之變壓器，其具有易飽和之特性。在製作電路時可利用變壓器飽和之特性作為BJT功率開關之切換頻率操作與導通週期控制，達到節省電路之成本，增加其競爭力。利用單級架構既可達到節省元件的使用且能降低功率開關的切換損失，達到低成本、高效率之特色。而在單級架構下兩BJT功率開關之導通電流大小不一致時，將影響其導通週期不相等之特性，因此本文利用一簡單之測試平台，設計出控制變壓器飽和之特性使功率開關導通週期與頻率達到最佳化之目的。本論文使用LC半橋諧振電路，利用其諧振電流經過作為自激式觸發源，可達到較穩定之自激觸發訊號且能使BJT功率開關達到軟切換之優點，降低電路損耗達到高效率之性能。本文實際製作一28瓦具高功率因數與功率開關達到軟切換之自激式觸發之LED驅動電路，其功因達0.989與效率到82.3%之效能。

• 學位論文

具有高實用性與隱私權保護之資料隱藏技術研究

近年來，由於雲端科技蓬勃發展，使得存放於雲端資料庫上個人資料的隱私權保護成為熱門研究課題。其中，加密影像資料隱藏技術提供了影像所有人以加密形式存放影像於資料庫上，影像內容在未經授權狀況下，無法解密還原影像內容，但是，透過資料隱藏技術可以從加密影像中取得一些次級重要訊息進行資訊處理。本研究論文提出一個具有隱私權保護的新型加密影像資料隱藏技術，新方法可以有效達到高安全性、高隱藏量且具有非常低的失真性。基本上，在加密影像中做資料隱藏技術的研究，其研究難度是非常高地。這是由於在加密影像中進行額外訊息嵌入，會破壞加密影像內容，導致日後原始影像無法還原，而且加密影像的額外訊息可嵌入量是非常低的。本研究論文提出一個新型的資料嵌入演算法，主要是利用透過犧牲非常少的原始影像失真性，來達到顯著地隱藏量提昇。最重要地，新方法可以獨自從加密影像中直接取出額外嵌入的訊息，因此，可以有效地保護影像內容的隱私權，並且在訊息取出後，加密影像可獨立進行影像復原處理。從大量實驗結果與分析比較的數據中證明，本研究論文與現存的加密影像資料隱藏技術相比，無論在隱藏量提昇、原始影像失真性或影像內容隱私權保護均可達到顯著的改善。

• 學位論文

以行為切換為基礎之軟式計算方法於未知環境中移動式機器人導航

本篇論文提出一個新的以行為切換為基礎之軟式計算於未知環境中移動式機器人導航。我們把行為分成三個區塊而分配不同的任務。第一個行為模式是使用多策略蜂群演算法(Multiple Strategy Artificial Bee Colony algorithm, MSABC)為基礎設計出的補償性類神經模糊網路控制器(Compensatory Neuro-Fuzzy Controller, CNFC) 於導航模式上面。第二個行為模式是模糊控制器為基礎的避障沿牆模式用於沿牆避開障礙物。第三個行為模式是使用主成分分析之倒傳遞網路來診斷出特殊的環境。當機器人為導航模式時，CNFC的輸入是距離感測器的值和機器人與目標物的夾角，輸出為機器人兩輪的速度。而適應函數的設計是根據CNFC在導航模式中評估控制器的三個因子。適應函數要評估的因子總共有三個:導航時間、起點到終點的直線距離和機器人往終點前進的總里程。利用這些因子去設計出一個不用訓練資料也可以評估的適應函數。而原始蜂群演算法(ABC)中雖然有好的探索力，但是開發力卻很差的演算法。因此本論文提出一個多策略蜂群演算法來提升原始演算法的效能。我們將多個差分演算法裡的突變策略引入到多策略蜂群演算法並且自適應策略來平衡蜂群演算法的開發和探索問題。當機器人為避障沿牆模式時，模糊邏輯控制器的輸入是距離感測器的值，輸出是機器人兩輪的速度。避障沿牆模式的目的是為了當機器人遇到障礙物或特殊障礙物時，可以用沿牆來避開障礙物。第三個行為模式是使用倒傳遞網路來診斷環境，如果倒傳遞網路診斷出前方為特殊環境，機器人就會在前方建立虛擬牆使機器人不會進入到特殊環境中並切換到第二個行為來延牆避開障礙物。我們利用第二個行為與第三個行為來避障沿牆所有的障礙物。最後本論文將比較多策略演算法、原始蜂群演算法和其它演算法設計補償性模控制器於導航任務上的效能。本論文在實驗部分將新的行為切換為基礎之軟式計算方法應用於真實的移動機器人並在現實未知環境下進行測試並驗證方法的可行性。最後實驗結果證明了使用以行為切換為基礎之軟式計算的方法，機器人可以在遇到特殊環境前建立虛擬牆使機器人不會進入陷阱裡並到達目標物。