mac系統佔用空間的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

基於LoRa資料傳送之物聯網應用

為了解決mac系統佔用空間的問題，作者侯亮宇 這樣論述：

老人照護與流浪狗照護是現今台灣非常重視的議題，如何保護弱勢又避免佔用過多的社會資源、人力和心力，一直是社會乃至於每個人努力的方向，因此尋找低成本、且操作容易的設備取代人力是非常窘迫的事情。 近年來隨著科技的進步，物聯網(Internet of Things，IoT)應用技術越來越成熟，但因為一般的IoT設備難以同時兼顧長距離、低成本與低功耗的考量，故本研究將建置一套基於LoRa傳輸訊息的系統，LoRa擁有長距離、低成本與低功耗的優勢，且使用Arduino協助開發任務，Arduino可以當作各種硬體與軟體介面溝通的橋樑，可以讓轉換後的訊息得到更好的應用。 有鑑於以上的考量，

本研究提供了有別於一般的方式；以LoRa作為傳輸的媒介。如果有突發狀況，像是老人昏倒或是暈倒，或是受管理照顧之動物突然有著異常的行動軌跡，能立即定位老人或動物的座標點後，經由LoRa傳輸，Arduino轉換數據後呈現在網頁上，此種方式除了可以有效節省照護者的時間、被照護者有更多的自由空間之外，更可以當被照護者有異常的狀況發生時，照護者可以立即做出反應。

腦波訊號偵測之硬體演算法優化設計與實現

為了解決mac系統佔用空間的問題，作者陳佑杰 這樣論述：

多通道陣列之腦波細胞的神經訊號量測，提升了腦波分析時所需要的資訊量，但也同時增加了硬體實現的困難度。因此，突顯了於前端硬體電路中之腦波資料壓縮的重要性。神經細胞分類，為一種在時域特徵的資料壓縮架構，透過神經細胞分類，記錄不同神經細胞所觸發電壓訊號 (spike) 的時間與頻率，避免傳送大量的原始波型於後級。在頻率特徵的部份，則透過濾波器的設計，留下具有生理訊號意義的特徵，避免大量原始資料的處理。本論文以神經細胞分類系統為例，提出在時域特徵的硬體電路設計，簡化所需要的硬體資源。在頻率特徵方面，則以腦內深層閉迴路刺激為例，進行演算法的簡化與系統實現。時域特徵的實現，一般應用於神經科學領域的微電子

系統，是先將微小的神經電壓訊號放大後，再將其放大後的類比電壓訊號轉換為數位訊號。因此在電壓轉換數位訊號時的訊雜比，將受限於電晶體操作的電壓動態範圍。類比轉時間轉換器 (Analog-to-time converter, ATC) 能避免受到電壓動態範圍的限制，透過電路的正回授機制，將類比電壓轉換為脈波的時間寬度訊號。針對ATC輸出之脈波時間訊號，則是透過時間數位轉換器 (Time-to-digital converters, TDC) 將脈波時間寬度轉換為數位訊號。有別於一般TDC的動態範圍不夠寬的缺點,本論文提出兩種TDC的架構皆可提供4096:1的高動態範圍: 雙刻度計數器 (Dual-s

cale counter, DSC) 可提供最少的晶片面積; 延遲線計數器 (Delay-line counter, DLC) 則可提供最少的晶片功耗。TDC所輸出的數位訊號，則使用二維乘法累加器 (Two-dimensional multiply-accumulator, 2D-MAC) 的乘加器進行後續的計算。此ATC已實現於標準的0.35微米半導體製程，可提供6位元之脈波寬度轉換為數位訊號的解析度。TDC與2D-MAC則是透過場域可編程邏輯閘陣列 (Field programmable gate array, FPGA) 進行實現。最後，此方法實際整合應用於神經訊號的分類功能，以進行功能

展示與驗証。在頻率域方式的實現，有別於一般小波轉換 (Wavelet transform, WT) 於硬體實現方面，需使用多組不同頻率的濾波器，且濾波器之係數為符點數之缺點, 本論文以WT為基礎，提出 (Simplified discrete wavelet transform, Sim-DWT) 以解決使用多組濾波器與系數為符點數的缺點。 本論文以Sim-DWT演算法進行局部場電位 (local field potential, LFP) 神經訊號中的高電位震盪 (high-voltage spindles, HVSs) 特徵的偵測。以低階8位元的微處理器為實現平台，其時脈為8MHz，並佔用

4資料點 (約32位元) 的資料暫存空間，其含接口(IO)的整體功耗約為6mW。Sim-DWT具備低硬體資源的特點，適合用於低階的微處理器或是實現於低功耗的專用集成電路 (Application specific integrated Circuit, ASIC) 晶片中。此系統已實測於動物實驗，並於Sim-DWT中，以不同母波函式 (Haar, DB4, Morlet) 分析其偵測HVS的準確率。分析結果可得知，依偵測HVS訊號特徵方面，使用DB4的母波函式可達到與電腦平台相當的準確率。未來，Sim-DWT可進一步整合至閉迴授之腦內深層電刺激微系統。