實驗室介紹 (About)

3. 實驗室設備

德州儀器生產 TMS320C6701 EVM 數位訊號處理之模擬模組發展工具： Code Composer Studio Version 2、個人電腦X5、ASUS A45VD-033F3210M筆記型電腦、APPLE MBAIR13.3筆記型電腦、IPAD平板電腦、數位系統開發平台 Altera   DE2-115數位開發板、TI數位訊號發展板、HPZ-420中階繪圖工作站伺服器、Matlab   2016a、Real -time software   technology   for   TMS-320DSPs硬體及時模擬器、TEXAS   INSTRUNENTS內崁式數位訊號處理板、SAR全極化影像資料系統等。

4. 近五年內主要研究成果說明

近年主要從事遙測影像、水下訊號處理和MIMO-OFDM通訊系統通道估測和等化器之研究。

I . 遙測影像處理之研究

研究成果說明：

1.應用SAR影像於目標偵測之研究

文獻相關研究大多僅考慮油污偵測，研究團隊提出海洋多元目標偵測法，可同時提供海洋油污和船隻之自動偵測。除了可監控海洋環境和提供船隻管理外，還可抓到漏油的可疑船隻。研究中先針對SAR影像提出適應性濾波法，此法結合邊緣偵測和訊號的局部特性，除了可有效濾除斑駁雜訊，也可維持影像的空間解析度。接著發展階層式影像切割技術，此技術先藉由影像形態學處理先將海洋與陸地分離，再依據海洋區域目標物之统計分佈及空間之紋理特性將影像切割為適當的區間。研究所提以影像區間為基礎之油污和船舶目標偵測法，是以切割的影像區間為基礎，建立海洋油污染和船舶之資料模式，並結合最大可能偵測理論推導出多目標自動偵測法則。此外考慮到許多海洋現象會導致類目標特徵而引起誤判，因此透過目標物與類目標物特徵差異之分析，並依此建立後級決策機制以提升目標偵測準確度。本研究是以影像區間為海洋目標之判斷基準，可有效提昇目標偵測之效能。

部分研究已發表於

●Y. L. Chang, A. A. Ayele, Lena Chang*, W. L. Chen, M. C. Wu, and C. Chu, “SAR Image Segmentation Based Framework to Ship Detection”, the International Conference on Space, Aeronautical and Navigational Electronics 2017 (ICSANE 2017), Nov. 23-24, 2017, Sarawak, Malaysia, Grant Nos. MOST 106-2221-E-019-013, MOST 105-2221- E-019-030. (corresponding author)

●Y. L. Chang, Lena Chang*, M.C. Wu, A. A. Ayele, W.L. Chen, “Hierarchical SAR image feature-based framework for marine target detection,”  Proc. of Remote Sensing Satellite Technology Workshop 2017, Dec. 5, 2017 , Hsinchu, Taiwan, Grant Nos. MOST 106-2221-E-019 -013 and MOST 105- 2221-E-027-120. (corresponding author)

●Lena Chang and Po-Yuan Chen ,“Automatic detection of oil spills and ships in SAR images by region-based segmentation,” 2015 ICEO&SI and ICLEI Resilience Forum, Kaohsiung, Taiwan, 2015.

●M. C. Wu, W. Y. Chang, Y. L. Chang and L. Chang, “Preliminary study on monitoring the land surface change induced by heavy rainfall using Sentinel-1 C-band SAR data,” J. of Ocean and Underwater Technology, Vol. 27, No. 3, pp. 37-48, 2017.

●張麗娜、陳威霖，“應用階層式影像切割技術於SAR 影像船舶偵測,” 船舶科技, 第五十期, pp. 1-13, 2018.

●Y. L. Chang, C. Y. Hsiao, W. H. Lee, A. A. Ayele and Lena Chang “SAR image ship detection based on YOLOV2 deep learning framework,” in Proc. of  IEEE International Geoscience and Remote Sensing Symposium IGARSS2018, July 22–27, 2018, Valencia, Spain.

2. 多頻譜/高頻譜影像分類之研究

針對高頻譜影像分類，改良正交子空間投影須先預知背景資訊的限制，提出一訊號子空間投影法進行目標分類。此外，依據高頻譜影像頻帶間之高相關性將影像分群，提出結合部分濾波和訊號子空間投影法進行目標偵測和分類，以增進其效能。

此研究成果部份發表於國際會議

●Lena Chang, Zay-Shing Tang, Hsien-Sen Hung, Yang-Lang Chang, "An efficient classification by signal subspace projection and partial filtering for hyperspectral images," Proc. of SPIE, Satellite Data Compression, Satellite Data Compression, Communications, and Processing IX [8871-7], 26-27, San Diego, CA, USA , August 2013.

另外研究團隊也提出以最鄰近特徵空間法進行高頻譜影像分類，並以GPU實現，以加速運算效能。

此研究成果部份發表於國際會議

●Yang-Lang Chang, Min-Yu Huang, Hsien-Tang Chao, Lena Chang, Jyh-Perng Fang, Tung-Ju Hsieh, "GPU Acceleration of Incenter-Based Nearest Feature Space Approach to Hyperspectral Image Classification,"  The Fourth IEEE International Workshop on Parallel and Distributed Computing in Geoinformation and Remote Sensing (IEEE PDCGRS 2014), in conjunction with ICPADS 2014 : IEEE 20th International Conference on Parallel and Distributed Systems, December 16-19, 2014,  Hsinchu, Taiwan. (EI).

●Yang-Lang Chang, Lena Chang, Min-Yu Huang, and Tzu-Wei Tseng, "Adaptable nearest feature space classification for hyperspectral images," 2015 ICEO&SI and ICLEI Resilience Forum, Kaohsiung, Taiwan, 2015.

●Y. L. Chang, Lena Chang, M. X. Xu, C. Chu,  "A modified adaptable nearest feature space classifier for remote sensing images," in Proc. of IEEE International Geoscience and Remote Sensing Symposium IGARSS2017, July 23-28, 2017, Fort Worth, Texas, USA, Grant No. MOST 105-2221-E-027-120 and MOST 105-2116-M-027-001 (EI).

●Y. L. Chang, Lena Chang, T. W. Tseng, C. Chu, "Impurity function band prioritization based on particle swarm optimization and gravitational search algorithm for hyperspectral images," in Proc. of IEEE International Geoscience and Remote Sensing Symposium IGARSS2017, July 23-28, 2017, Fort Worth, Texas, USA, Grant No. MOST 105-2221-E-027-120 and MOST 105-2116-M-027-001 (EI).

●張陽郎、張麗娜，"最鄰近特徵空間分類法應用資料融合遙測影像於海岸線變遷研究," 海洋及水下科技季刊，第二十七卷第三期，pp. 31-36, 2017.

3. 高頻譜影像目標偵測之研究

有別於其他以單一限制條件設計濾波器進行目標偵測的研究，我們提出一具有多限制條件的強健性濾波器，以減緩因目標物頻譜特徵估測誤差或因大氣干擾等因素造成目標偵測之效能衰減。此多限制條件的濾波器可提升目標物偵測與非目標物的抑制能力，並使得干擾的影響達到最小。

此部分研究已發表於

●Zay-Shing Tang, Lena Chang*, and Hsien-Sen Hung, "A linearly constrained signal subspace projection approach developed to detect targets in hyperspectral images," Journal of Marine Science and Technology, Vol. 23, No. 2, pp. 191-201, 2015 (SCI). (corresponding author) (supported by MOST 103-2221-E-019-004)

●Lena Chang, Yen-Ting Wu, Zay-Shing Tang, Yang-Lang Chang, "A multiple constrained signal subspace projection for target detection in hyperspectral images," Proc. SPIE DSS 2015 - Sensing Technology + Applications, Baltimore, Maryland, USA, 2015. (EI).

另外，我們針對高頻譜影像目標偵測提出以generalized sidelobe canceller (GSC)架構為基礎之適應性濾波法來提升高頻譜影像目標偵測的效能。此法可將多限制條件最佳化的問題轉換為無限制條件最佳濾波器設計的問題，並可於時變環境下提升目標偵測的精確度。之後，我們並以適應性演算法即時調整GSC濾波器權重，以提升時變環境下GSC濾波器於目標偵測的效能。

此部分研究已發表於

●Lena Chang, Zay-Shing Tangb and Yang-Lang Chang, "An adaptive filtering based on generalized sidelobe cancellation for target detection of hyperspectral images," Proc. SPIE 9124, Satellite Data Compression, Communications, and Processing X, 91240G , doi:10.1117/12.2055446, Baltimore, Maryland, USA, 2014. (EI)

最近，又針對高頻譜影像目標偵測提出結合頻帶縮減技術和部分濾波法，藉由結合頻帶分群和頻帶選取技術降低資料維度。除了簡化濾波器設計的計算複雜性，並提升適應性濾波法於目標偵測的實用性。

此部分研究已發表於

●Lena Chang and Chung-Chi Miao, "An Efficient Target Detection by Band Reduction and Partial Filtering for Hyperspectral Images," IEICE Technical Report of ISCANE 2016- International Conference on Space, Aeronautical and Navigation Electronics, Vol. 116, No. 319, pp. 139-144, Nov. 24-25, 2016, Taipei, Taiwan.  Grant No. MOST 104-2221-E-019-020-(EI).

●張麗娜、張陽郎，"應用適應性GSC濾波法於高頻譜影像目標偵測," 海洋及水下科技季刊，第二十七卷第三期，pp. 49-58, 2017.

4. 高頻譜影像壓縮之研究

提出一高頻譜影像聚類分群壓縮技術，此法結合頻帶分群和子空間投影切割法，將影像依其頻帶間和空 間之相關性分割為適當的區間，再透過轉換進行壓縮，此法同時具可平行執行壓縮架構。充份利用高頻譜影像頻帶間和空間資料的相關性，結合階層式影像切割和頻帶聚類分群技術，將具高相關性資料聚集為相同的群組，有利於資料冗餘性的移除，可提升影像壓縮效能。聚類分群壓縮法是透過影像切割和頻帶分群技術，將高相關的資料聚集為一群組後，再對各影像群組進行PCA轉換和JPEG2000資料壓縮。

     研究成果發表於國際期刊

●Lena Chang , Yang-Lang Chang and Z.S. Tang, "Group and region based parallel compression method using signal subspace projection and band clustering for hyperspectral imagery," IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 4, no. 3, pp. 565-778, 2011.

5. 高維遙測影像之資料模擬退火特徵選取及維度縮減

研究團隊於九十九年度提出一個改良「貪婪模組特徵空間」的「模擬退火選取特徵空間法」以改善「貪婪模組特徵空間」，只求得的「最佳近似特徵解」的缺憾。

●Yang-Lang Chang, Kun-Shan Chen, Bormin Huang, Wen-Yen Chang, Jon Atli Benediktsson, and Lena Chang*, "A Parallel Simulated Annealing Approach to Band Selection for High-Dimensional Remote Sensing Images," IEEE Journal of Selected Topics in Applied Eart Observations and Remote Sensing, Vol. 4, No. 3, pp. 579-590, 2011. (corresponding author)

II. 水下訊號處理之研究

 研究成果說明：

1. 訊號源方位估測

為達及時估測水下訊號源方位的目的，針對線性等間距的天線陣列，提出不需進行方位搜尋(如：MUSIC)或解根程序(如：root_MUSIC)的方位估測法。此法，可大量減少方位估測法之計算量。

研究成果發表於

● Lena Chang, Z. S. Tang and S. C. Chang， "A novel doa estimation based on signal subspace structure of uniform linear array, "海洋及水下科技季刊，pp.21-26, 2010.

2. 近場訊號源方位估測

針對近場訊號源提出一遠場校正法，可將適應性特徵分解法所估測之近場訊號子空間遞迴校正為對應之遠場訊號子空間，以估測近場訊號之方位。此外，藉由結合遠場校正法、空間平滑法和訊號子空間聚焦法，可估測近場、同調、寬頻訊號之方位。此法將具計算量少、可平行處理、不需進行頻譜搜尋和不需預估方位等優點，因此可減緩近場、同調、寬頻等非理想訊號源模式所造成方位估測偏差。

此研究成果部份發表於國際會議   

●Lena Chang, Ching-Min Cheng, "A fast near-field signal tracking using adaptive far-field transformation," 2008 IEEE AP-S International Symposium on Antennas and Propagation and 2008 USNC/URSI National Radio Science, San Diego, California, USA. 

●Lena Chang and Ching-Min Cheng, "Adaptive target tracking for wideband sources in near field," Proc. of the 12th IEEE International Conference on Information Fusion, Seattle, WA, USA, July 6-9, 2009.

完整研究成果發表於國際期刊

●Lena Chang, "Signal subspace transformation for direction-of-arrival estimation of wideband sources in near field," Journal of Marine Science and Technology, Vol. 18, No. 6, pp. 830-836, 2010. (SCIE)  

III. MIMO-OFDM系統通道估測和等化器之研究

研究成果說明：

結合空時碼(space-time coding, STC)、多輸入多輸出(multiple input multiple output, MIMO) 和正交分頻多工 (orthogonal frequency division multiplexing, OFDM)技術已成為第四代寬頻行動通訊的標準技術之ㄧ。本研究針對MIMO STC-OFDM系統其訊號所具有的結構特性，發展一以快速子空間分解法為基礎之半盲蔽式通道估測法並提供接收端一高效能之適應性等化器，藉此改善現有以子空間分解為基礎之通道估測法的高計算複雜度和收斂慢的缺點，並使其能適用於時變的通訊環境。首先，我們利用訊號自相關矩陣對稱的結構特性，發展以快速子空間分解法為基礎之通道估測技術來提升通道估測的準確性，並且降低計算複雜度。此外，為了適用於時變的通道環境，發展一可追蹤通道環境參數的適應性通道估測法以及可即時解調傳送訊號的適應性等化器。藉由一適應性子空間調整法，即時調整訊號自相關矩陣所對應的雜訊子空間來追蹤通道環境參數。近年先後指導研究生進行MIMO-OFDM系統通道估測和等化器的研究，發展以子空間分解法為基礎的半盲蔽式通道估測和適應性等化器技術。

研究成果部份發表於國際會議

●Lena Chang, Ching-Min Cheng and Zay-Shing Tang, "A fast forward/backward semi-blind channel estimation for MIMO STC OFDM systems,"  Proc. of SPIE Optics+Photonics, Satellite Data Compression, Communications, and Processing IX [8871-26], 26-27 San Diego, CA, USA. August 2013. (supported by NSC 99-2221-E-019-004)