1.

 呂竣維—基於時域DPCM之即時倒車影像視訊壓縮編碼法 ( 2010 )

<<

2.

 許晉輔-平行N- FINDR演算法的分析應用於遙測高維影像之端元萃取 ( 2010 )

<<

3.

 王宏原-平行粒子群優法應用於高維度影像特徵抽取 ( 2010)

<<

4

王祺淵-有效率的全域繞線方法考慮優先方向及時間繞線成本( 2010 )

<<

5.

 王向明-混合平行計算模型應用於遙控測影像分類之研究( 2010 )

<<

6.

 黃敏彧-基於GPU之LDPC架構的分析應用(2010)

<<

 

 

呂竣維—基於時域DPCM之即時倒車影像視訊壓縮編碼法 ( 2010 )

摘要:
為了行車的倒車安全,許多汽車都安裝了有線視頻後視系統,當車子倒車時,有線視頻後視系統就會將位於車子後側的影像,透過攝影機傳送至汽車前座的螢幕上,便可避免因為駕駛的視覺死角而導致的事故;目前一般市面上安裝的有線視頻後視系統,需要於汽車結構內佈線,對於尚未安裝後視系統的汽車而言,無線視頻後視系統更方便安裝。

然而在無線視頻系統技術上面臨兩個關鍵考量,(1)系統即時性和(2)頻寬限制,若是太複雜的壓縮編碼,會使系統運算時間增加,故兩者的平衡會是倒車視頻壓縮最重要的考量重點。

倒車影像屬全景移動影像且連續影像間相似度高,針對上述的特性,本研究提出以一個時域取代空間型式的誤差脈衝編碼調變編碼法(Differential Pulse Code Modulation, DPCM),去除連續影像間的重覆資訊,並利用人眼對亮度與彩度變化的敏感程度高低,調整影像縮放參數,以符合目前最小規格通用型無線頻寬的6Mbps傳輸率。經研究證明此方法可以即時輸出影像,且影像可以維持一定的品質。

Top

 

許晉輔-平行N- FINDR演算法的分析應用於遙測高維影像之端元萃取 ( 2010 )

摘要:
衛星遙測影像可以大範圍的顯示各種地形的區域概況,藉以了解在各種不同地形地貌的分布情形,但是潛藏在這些地形地貌的異常物與相異物質卻難以被辨識出來。加上衛星感測器持續不斷的更新開發,造成光譜資訊日益龐大,更加深了偵測異常物與相異物質的困難性。因此如何快速、有效率的針對異常物(anomalies)偵測與相異物質區別,成為了一門重要的課題。

如何快速且有效率地對高光譜影像進行異常物偵測和相異物質區別是本論文所探討的。由於異常物或是相異物質的光譜特性與背景影像有著極大差異,但其面積相對背景影像來的較小,因此可透過N-FINDR演算法找尋和背景影像分佈不同的像素,來達到異常物偵測與相異物質區別的目的。然而其高資料量與複雜的計算相當費時,因此本論文透過使用『混合模型』(Mix-model)的技術來提高N-FINDR演算法對高光譜影像的異常物偵測與相異物質區別。

最後由實驗數據結果顯示,以平行N-FINDR演算法的Endmember萃取技術,能快速有效地針對影像做異常物偵測與相異物質分類,提升整體的運算效率。

Top

 

王宏原-平行粒子群優法應用於高維度影像特徵抽取 ( 2010)

摘要:
隨著衛星影像的普及,高維度影像的龐大資料量會帶來費時的複雜計算問題,且特徵值的品質也左右著分類器,因此如何萃取高相關度的特徵值、降低雜訊,並且提升運算效率是相當重要的。

傳統粒子群優法(Particle Swarm Optimization, PSO)在搜尋最佳解時,初期收斂速度較快,到了後期卻容易因為粒子逐漸往搜尋空間的最佳解靠近,導致無法完整搜尋整個粒子空間因而陷入區域最佳解。

本文提出平行計算粒子群優演算法,有效的針對整個粒子空間做最完整的搜尋。本論文主要著重在三個部份,首先利用PSO演算法具有的快速收歛特性應用在降低資料維度,並利用排序觀念來進行空間轉換,使得PSO演算法的向量空間能對應到降維的相關係數陣列(Correlation Coefficient Matrix)解空間,來解決空間型態不同的問題;其次是重新設定PSO演算法參數,並使用變異數概念在相關係數陣列做特徵選取方式,使得PSO演算法能更有效的萃取高相關度的特徵值;最後採用CUDA(Compute Unified Device Architecture)技術應用於PSO演算法,有效提升整體運算速度並且更有機會逼近最佳解。

Top

 

王祺淵-有效率的全域繞線方法考慮優先方向及時間繞線成本( 2010 )

摘要:
現今的積體電路設計中,繞線問題面臨了更多更新的挑戰,全域繞線問題首當其衝,因此在積體電路實體設計中,全域繞線扮演了一個相當重要的角色。

在此篇論文當中,我們設計了一個全域繞線器,我們的繞線器命名為” WinGr”,我們期許我們的繞線器能優過於其他的繞線器。我們主要整合了一些演算法在其中,相對於其它的來說,我們兼顧了減少總線長,overflow數,及時間效能的考量。

首先我們使用了FLUTE方法建立了表格儲存繞線資訊,以讓我們簡化及容易進行以後的設計;再來我們引用較少通道生成樹的方法,企圖減少繞線路徑中的通道;隨後我們使用IFR方法進行主要的繞線還有成本考量工作;最後,透過Robust的階層分配方式,完成最後的繞線工作。

此外,我們使用了線段平移來優化我們的繞線器,它能透過在相同平面的通道平移取代,來減少考慮優先方向史坦納樹的繞線長度;另外我們也使用多執行緒的程式設計方法,來處理多網絡繞線的問題。

總言之,我們整合出來的繞線流程有效率地考量了繞線長度及時間成本,是個有效率且節省成本的繞線器。

Top

 

王向明-混合平行計算模型應用於遙控測影像分類之研究( 2010 )

摘要:
由於人造衛星感測器的硬體技術持續的進步,所以能從中獲得的光譜資訊也飛快增加,但是高維度及大量的資料量卻會為處理資料時帶來相當大的負荷,因此如何降低在處理資料時所需耗費的大量時間已成為一個重要的議題。

本篇論文分為二部份:第一部分為以傳統最近鄰分類(Nearest Neighbor Rule,NNE)為基礎,透過使用由NVIDIA所提出的計算統一架構(Compute Unified Device Architecture,CUDA)來對最近鄰分類演算法進行以測試樣本為基礎之平行化;第二部分為以KDSM(k-dimensional tree classification based on Semi-Matroid structure)演算法為基礎,提出以節點(Node)為基礎的平行訓練(Training)方法,以KDSM為二元分類樹的架構與分割超平面後其分割區域間再也沒交集的特性,透過OpenMP來控制多核CPU去各自對分割後的區域再進行劃分,而分類階段則是使用CUDA以測試樣本為基礎進行平行化。最後並透過MPI(Message
Passing Interface)及OpenMP(Open Multi-Processing)來控制叢集電腦及多核心中央處理器(Central Processing Unit,CPU)去使用個電腦所擁有的兩張圖形顯示卡,進而平均分散資料量來達到大量降低分類時間之需求。

 最後實驗結果證明,分類演算法透過平行化後卻時能達到大量降低處理時間之需求。

Top

 

黃敏彧-基於GPU之LDPC架構的分析應用(2010)

摘要:
近年來在通訊領域裡,由於不同體制的存在,使得越來越多的新系統不斷出現,這讓傳統上的硬體設計漸漸失去其優勢,而為了因應此種問題,一種稱為「軟體無線電」的新概念應運而生;在傳統上,我們以硬體解決了「準確」、「快速」和「大量」這三大問題,然而為了因應最新的通訊發展趨勢,我們重新使用軟體來替換掉硬體,這使得舊有的軟體問題「快速」和「大量」浮現了出來。

本論文將實現一種通訊上的編解碼架構LDPC(Low density parity check,低密度奇偶校驗碼)的解碼部分,並將之應用在軟體無線電(Software Defined Radio)上,由於LDPC架構極為適合平行,所以本文利用新的平行技術CUDA(Compute Unified Device Architecture,統一計算架構)進行加速以解決軟體效能低落的問題;在一般上,軟體無線電是以多個CPU來平行加速,但是CP值較低,所以本文提出利用GPU來取代CPU以改善此現象;本研究會對兩種解碼演算法SPA(Sum-Product Algorithm,和積演算法)與MS(Min-Sum Algorithm,最小和演算法)進行測試,並分析在不同GPGPU和不同平行架構下的異同。

Top