482 results
Search Results
Now showing 1 - 10 of 482
Item 以區域對比估測及攝影色調重現的高動態範圍影像處理(2010) 黃志祥; Chih-Hsiang Huang本文介紹一個色調重現的完整信號處理流程，這是使用在高動態範圍(high dynamic range, HDR)成像系統。流程中首先抽取出像素的區域對比，然後利用直方統計圖均化的方法非線性地延伸動態範圍。在抽取出來的區域對比圖中會產生我們不想要的人造影像，需要經由雙邊濾波器(bilateral filter)和相似濾波器(similar filter)加以平滑化，相似濾波器是找出和中心點顏色相近的周圍其他像素做亮度值的平均，該像素的亮度值被該點本身原來的值及平滑化後之區域對比值的幾何平均數所替換。最後，用攝影色調重現演算法做正規化使得在整個影像中亮度取對數後的平均值大約是18%灰色調。不論是色調重現或者是色彩重現，我們所提出的高動態處理流程比其他常用的方法表現出更好的效果。Item K頻帶互補式金氧半功率放大器設計(2015) 劉家凱; Liu, Chia-Kai第一個電路為變壓器功率結合技術之K頻帶功率放大器，採用半圈變壓器 (Half-turn Transformer)實現功率結合與阻抗轉換以達到節省面積，量測結果在23.5 GHz時，增益為12 dB，飽和輸出功率(P_sat)為22.5 dBm，1dB增益壓縮輸出功率(OP_1dB)為18.1 dBm，最高功率輔助效率(PAE)為21.8%，晶片佈局面積為0.29 mm^2。 第二個電路為變壓器電流結合技術之K頻帶功率放大器，延續第一個設計之功率放大器，運用變壓器電流結合技術(Current Combining Transformer)來提升輸出功率，將功率放大單元直接並聯在進行匹配，而為了要提高增益，採用兩級功率放大器進行設計，量測結果在23 GHz時，增益為19.5 dB，飽和輸出功率(P_sat)為24.9 dBm，1 dB增益壓縮輸出功率(OP_1dB)為20.6 dBm，最高功率輔助效率(PAE)為17.0%，晶片佈局面積為0.97 mm^2。Item IEEE 802.16e 寬頻無線存取網路之動態允入控制及頻寬保留演算法(2010) 林信吉; Lin Hsin Chi對於IEEE 802.16e-2005我們提出動態允入控制及頻寬保留演算法。在IEEE 802.16e的規範把行動式頻寬無線存取系統也加入，所以如何讓連線不中斷並且有較低延遲的無縫細換手就變的非常重要。本研究在IEEE 802.16e無線都會型網路(Wireless Metropolitan Area Network; WMAN)中如何去動態調整允入的QoS參數且在連線允入後去調整換手連線與新進連線之間使用頻寬問題。在IEEE 802.16e行動寬頻網路中為了讓行動端可順利切換到鄰近基地端，因此基地端如何保留適當頻寬給予換手連線用戶以降低換手延遲和丟棄機率，同時又能提高系統使用效率以讓新進連線能有效率的使用頻寬資源將是我們探討的問題。我們將以理論推導的方式分析無線網路中新進連線與換手連線在不同比例下保留頻寬對於服務品質和系統效能的影響，並且以此理論模型為基礎提出我們的連線允入控制與頻寬保留演算法。我們設計的演算法將會考慮目前基地端網路負擔情況來動態調整允入控制的規則和換手連線之保留頻寬，以提昇換手連線用戶的服務品質，並且同時增加頻寬使用效能。Item 於LTE網路使用QoS感知方式來改進後端網路效能(2012) 沈書樺; Shu-Hua Shen這篇研究在4G行動系統裡不同速度方案中提議了一個基於QoS(Quality of Service)的雙播傳輸換手機制來有效地改善後端網路資源的利用度。傳統的雙播傳輸機制可以讓所有潛在的目標基地台(Base Station)掌握住用戶資料，因此可以藉由換手時降低封包波動延遲來達到無縫式的連線。然而這個機制在後端網路中導致資源的耗損。當這個機制廣泛地被運用在即時服務時，這些服務的需求增加，由於雙播傳輸的關係，將會導致後端資源極端地耗損。因此，我們提出一個基於QoS的雙播傳輸換手機制來降低雙播傳輸時間來改善後端網路資源的利用度。模擬結果顯示可以改善後端網路資源的耗損。Item 基於深度學習發展自動車道置中控制應用於多車交通情況之自主駕駛(2021) 黃美琳; Huang, Mei-Lin近年來，自駕車已展現出在道路安全方面帶來重大改進的潛力。同時，許多基於人工智慧的自動駕駛技術被提出，用於從人類數據中學習駕駛任務。然而，針對複雜交通情況下的無人車，要達到人類水平的可靠性和安全反應是一項挑戰。 本文提出了一種自動車道對中系統的深度學習系統，該系統能夠處理多車互動場景。為了避免學習良好駕駛策略的障礙，尤其是在現有端到端方法中使用有限的專家駕駛數據的情況下，我們的系統將自動駕駛控制分為速度和轉向規劃器。此外，為了應對由於高度動態的交通場景和道路用戶交互而造成的複雜性，本論文使用強化學習架構來訓練這兩個規劃器，即使從其真實環境中收集到的數據有限，也可以有效地改善自動駕駛策略。本研究主要目標為，開發的自動車道居中系統可以通過練習新收集的數據和更新駕駛技術表示來模仿駕駛員的行為，從而提高其性能。為此，本研究使用CarSim車輛模擬軟體以及Python進行協同模擬，用於從人類駕駛員模型中學習複雜的駕駛技能的過程。實驗結果驗證了該方法在多車輛交通場景中的良好性能。實驗表明，在具有不同車輛和路況的不同軌道上，車道置中控制具有穩定而準確的性能。Item 實現於圖形處理器上的雙字元平行字串比對演算法(2017) 廖重淯; Liao, Chung-YuAho-Corasick 演算法已經被廣泛使用於網路入侵檢測系統（Network Intrusion Detection System，簡稱 NIDS），用來檢查網路封包裡數以千計數的惡意代碼片段。為了提高網路入侵檢測系統的性能，許多基於 Aho-Corasick 衍生出來的演算法使用圖形處理器（GPU）或特殊硬體來加速多字串比對，其中一種方法便是增加每週期處理的字元數來提升多字串比對的速度。然而，增加每週期處理的字元數將會遇到兩個主要問題，第一個問題是輸入對齊問題，第二個問題則是儲存狀態轉換表所需的記憶體空間大幅增加。這兩個問題導致多字元比對的方法變得不太可行。在本文中，我們提出了一種適合在圖形處理器上執行的雙字元平行字串比對演算法。而前述的兩個主要問題，本文提出了一個新形態的狀態機來解決輸入對齊問題，並用完美雜湊壓縮狀態轉換表以解決記憶體空間爆炸問題。實驗結果證明所提出的演算法無論在性能或記憶體空間需求方面均優於目前最先進的方法。Item 具頭動補償之高速可見光眼動儀系統平行架構設計(2017) 蔡瑞哲; Tsai, Jui-Che眼動儀可應用於學習與認知心理學、商業廣告行為、神經科學等領域，利用眼睛觀看位置的資料進行統計分析，研究人類觀看行為的差異。目前市售的眼動儀多數使用紅外光技術，缺點為環境中的紅外光源會影響系統準確率，因此許多企業及學術單位投入於可見光眼動儀開發，但至今市面上尚未出現高精確度的可見光眼動儀產品。 本文以既有的眼球模型，改良虹膜抓取方法，針對一般辦公室光源環境下，使用每秒輸入480張影像之高速相機記錄眼睛影像。另一方面，利用高速相機影像連貫性的特徵，抓取眼睛固定特徵進行頭動補償，搭配平行化架構設計，以多執行序的技術，使本眼動儀計算速度可達到每秒480張影像，並達到高精確度與精準度的系統目標。Item 基於增強型ICP演算法之雲端多機器人建圖(2015) 溫苡柔; Wen, Yi-Jou迭代最近點演算法是一種用來將兩群點集合對齊的方法，常使用於 2D 和 3D 幾何圖形的對齊。本論文使用機器人搭載雷射測距儀收集雷射資料，透過其掃描資訊作為點集合資訊，再使用迭代最近點演算法疊合，完成一個未知環境地圖的建立。但原始 ICP 演算法容易因為雜訊和離散點的關係，使得對齊效果不準確，尤其是在連續掃描的狀況下，對齊誤差越大，導致疊合精確度低和運算時間龐大。故本論文提出基於增強型ICP演算法實現於雲端運算架構，將原本序列進行所有雷射資料的過程，提出一分散式計算架構，使得所有雷射資料可以透過平行化的過程進行增強型ICP演算法，此演算法可大幅降低計算負擔並提升對齊的精確度，獲得更準確的環境地圖。接著將單機器人延伸至多機器人系統，將增強型ICP演算法結合加速強健特徵法，主要利用影像資訊判斷多機器人是否於相同的環境，在未滿足影像特徵門檻值前，單機器人將於各自的環境建立區域地圖，一旦滿足特徵匹配後，將多機器人的區域地圖資訊再以增強型ICP演算法疊合，進而增加建圖的效率。Item 電泳式顯示器驅動方法研究與平台設計(2009) 葉嘉安; Jia-an Ye不同電子紙其畫面的解析度、速度與對比度的規格不同，面板設計者會採用不同的電泳材料與不同解析度的主動式矩陣背板來完成這些不同類型的電子紙設計，然而在不同的設計需求下，面板的電子特性與光學響應曲線也會非常的不一樣，因此一個好的顯示器的時序控制器，必須要提供簡單的方式來修改，因應不同顯示材質與不同背板設計的驅動波形。在本文中，我們提出一個用於主動式矩陣電泳顯示器可編輯的時序控制器。我們會探討驅動波形設計的原理，而且我們的時序控制器使用波寬調變的方式能夠支援各式不同的驅動波形。我們在文中提出的時序控制器其效能也在許多電泳顯示器測試平台上獲得驗證。Item 應用於X頻帶9.75/10.6 GHz頻率合成器之設計與實現(2014) 趙家祥; Chia-Hsiang Chao在數位傳播衛星(DBS)的規範下，操作在Ku頻帶10.7~12.75GHz的低雜訊模塊降頻器是衛星電視訊號接收鏈中一個重要的部份。因為低雜訊模塊降頻器必需將Ku-Band的RF訊號降頻至L-Band的IF訊號(0.95~2.15GHz)。因此在低雜訊模塊降頻器的設計上，需要一個X頻帶頻率合成器來提供9.75GHz及10.6GHz的振盪源訊號。本論文使用了TSMC CMOS 0.18-µm製程實現了X頻段9.75/10.6GHz頻率合成器。 本論文依序實現了多模除頻器、X頻帶頻率合成器前端電路以及X頻帶9.75/10.6GHz頻率合成器，分別在第三章、第四章及第五章呈現。在第三章實現出了一個七位元多模除頻器，其除數從128~255，在直流偏壓1.5V下最高可操作在3.3GHz，功率消耗為5.85mW。在第四章實現了X頻帶頻率合成器前端電路，包含電壓控制振盪器及除四預除頻器電路兩個部份。電壓控制振盪器部份採用交叉耦合對的方式，同時利用一個開關電路來實現9.75/10.6 GHz頻段切換的功能。其功率消耗為10.5mW。高頻頻段相位雜訊在載波偏移1MHz處-102.95dBc/Hz；低頻頻段相位雜訊在載波偏移1MHz處為-92.199dBc/Hz。預除頻電路部分採用電流模式邏輯式的除頻器架構。同時，刪除了CML的尾電流部分來增加速度。其功率消耗為14.5mW。在第五章實現了X頻帶9.75/10.6GHz頻率合成器。輸出頻率為9.75GHz時，相位雜訊在載波偏移100KHz處為-66.11 dBc/Hz；在載波偏移1MHz處為-89.85 dBc/Hz。輸出頻率為10.6GHz時，相位雜訊在載波偏移100KHz處為-66.77 dBC/Hz；在載波偏移1MHz處為-90.55 dBC/Hz。其功率消耗為34.5mW。