學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890
Browse
2 results
Search Results
Item 基於深度學習之光流法應用於全天空影像之日射量估計與預測(2023) 陳家豪; Chen, Chia-Hao因應太陽能發電日益重要，又因太陽能發電量受制於日射量的影響，同時考量太陽能發電是間歇性的能源，故提出一種基於深度學習光流應用於全天空影像之日射量估計與預測的方法。由於日射量變化容易受到天氣狀況影響，本文藉由全天空影像，建立一個以影像特徵為基礎之日射量估計與預測系統，其影像特徵包括，利用紅藍比例法計算影像中雲層比例、雲層厚度，及藉太陽位置演算法得到影像中太陽位置，分析太陽附近雲層特徵，萃取全域與局部的雲層權重。同時用基於深度學習的光流法推算雲層移動的狀態，並製作未來數分鐘之天空預測圖像，將這些預測圖像作長短期記憶(LSTM)之輸入特徵，日射量作為訓練輸出，其深度學習光流法是透過卷積神經網路來實現。本文將資料集區分為月、季、半年與一年，分別進行10分鐘至60分鐘的日射量預測。同時，本文使用多個效能指標評估效果，包括平均絕對誤差(Mean Absolute Error)、均方根誤差(Root Mean Square Error)與判定係數(R^2)。最後，與文獻的方法進行比較，本文所提的方法具有較好的結果。Item 應用於音頻之低功耗三角積分調變器的設計與實現(2023) 陳家豪; Chen, Jia-Hao隨著半導體製程技術的進步，積體電路的元件尺寸能夠設計得越來越小，從而大幅度縮減晶片的面積，相對地供應電壓也能下降，以降低晶片的功率消耗。在當今技術的進步下，低功耗、高效能晶片不斷地推出，市場對此的需求也越來越高。類比數位轉換器有多種實現方式，其中三角積分調變器相較於其他類比數位轉換器，具有獨特的超取樣技術和雜訊移頻特性，不僅能降低非禮想效應對電路的影響，還能滿足市場對高效能、高解析度、低功耗的電路的需求。因此，該架構在在音頻及通訊領域得到廣泛應用。本文提出了一個1.4V的二階反向器基底的三角積分調變器，採用雜訊移頻逐次逼近式的方式實現類比數位轉換器，並採用了二階CIFF低失真架構。使用了自己式偏壓反向器基底積分器，不需要額外的共模回授和偏壓電路，從而改善了傳統運算放大器高功耗和佔用面積的缺點。此外，為了降低開關時脈饋入對電路影響，提出了分裂電容的方法，以提高運算放大器輸入電壓的穩定性和並減少開關寄生電容對效能的影響。提出的架構使用T18 0.18um 1P6M CMOS 製程技術。晶片核心面積為0.098mm2，此電路在取樣頻率4.5MHz，頻寬為20kHz，最佳效能為SNDR 88.29dB，SNR為88.63dB，ENOB為14.37 Bit。在1.4V供應電壓下功率消耗為113.1uW。