多工排程效能比較

如果不使用多工排程，如圖5.6 中(A)所示，其最大的問題就在於如果程序 A 必須每隔一段時間就必須執行一次，換言之，就是執行的時間限制非常嚴格，但 由於必須要執行程序 B，所以會造成程序 A 會有延遲的現象產生。解決這個問 題的方法有兩個：一是自行規劃與切割，使得程序 B 的執行時間不會干擾到程 序 A 的執行頻率，另一個方法則是交由系統做多工排程。如果使用多工排程則 可以將原本比較大塊的處理程序分解成許多小塊的處理程序，並將其插入空閒的 位置，如圖 5.6 中(B)所示。如此一來，將可以準確的確保程序 A 可以符合其執 行的頻率，而這也是我們使用多工排程的原因。因為，我們必須讓接收無線模組 訊號的處理程序一定頻率便執行一次，以便確保其取樣頻率的準確度。

圖5.6、程序排程示意圖

在多工排程的效能評比上，我們以兩個頻道的資料，接收資料的頻率為每個 頻道約65Hz，以接收足夠資料與資料處理為一次完整的流程，執行這個流程 1000

次，分別比較使用多工排程與不使用多工排程兩種方法所需的時間。如表5.1 所 示，不使用多工排程的程式做完1000 次的資料處理循環需要 40 分 25 秒，而使 用多工排程的情形下只需32 分 13 秒。平均而言，不使用多工排程的程式每個循 環需要2.425 秒，而使用多工排程僅需 1.933 秒。如果扣除資料接收的時間，不 使用多工排程的情形下，每做一次循環將會延遲近0.6 秒，而使用多工排程的話，

僅延遲不到0.1 杪。所以，把時間拉長來看，多工排程的效果會越明顯。

表 5.1、 效 能 比 較 表

純資料接收 不使用多工排程 使用多工排程 執行1000 次

時間

30 分 38 秒 (1838 秒)

40 分 25 秒 (2425 秒)

32 分 13 秒 (1933 秒) 平均一次時間 1.838 秒 2.425 秒 1.933 秒 平均延遲時間 0 秒 0.587 秒 0.095 秒

接著我們來看實際執行的情形，我們擷取使用多工排程與不使用多工排程個 一段執行影片，並每三個frame 擷取一張圖像來觀察。首先，我們觀察剛開始的 一段時間，由圖5.7 以及圖 5.8 可以發現，加入多工排程後執行起來會比較平順。

由圖5.7 看來，後三張圖片幾乎是相同的，而在圖 5.8 則沒有這個現象發生。然 而，這也是我們使用多工排程最大的原因，我們希望讓資料接收的頻率固定，而 圖看來則是希望看起來較平順，而沒有時間上斷斷續續的問題。

圖5.7、不用多工排程的執行過程

圖5.8、使用多工排程的執行過程

(a)訓練資料 (b)測試資料 圖5.9、不含PCA的演算法測試

(a)訓練資料 (b)測試資料 圖5.10、含PCA的演算法測試

經由在PC 上的測試，我們證明第四章所提出的即時分析演算法之準確度與 可行性。接著，我們將在OMAP 上作實際驗證，但由於 OMAP 上的分析演算法 分布在DSP 與 ARM 上，所以在驗證上我們分成幾個步驟來做驗證：

首先，我們測試 DSP 上的運算程式以及做 PCA 模型之前的訊號後處理程 式，將其運算的結果放入電腦中作為模型訓練的輸入特徵，皆以其訓練出的摸型 的準確度與電腦上處理的結果做比較。同時，我們針對不同Average 的方法作測 試與比較，其結果比較如表 5.2 所示。整體來說，我們在 OMAP1510 上所實現 的訊號處理方法的測試效果都還不錯，而三種方法中又以方法一的效果最好，而 其消耗時間也最短。由表中的結果發現，由我們在 OMAP1510 上實現的的三種 方法所訓練出的模型，再由訓練資料套回去的測試結果似乎都比電腦運算好，但 由於這只是訓練的資料，並無法真正代表其成效，要測試資料亦能到達很好的效 果才可以下定論。

表 5.2、 DSP 處 理 測 試 比 較 表

資料一 資料二 資料三 平均 電腦運算準確度 0.87 0.89 0.95 0.9033

準確度 0.96 0.93 0.93 0.94 方法一 消耗時間 39:01 39:05 38:53 39:00

準確度 0.96 0.94 0.89 0.93 方法二 消耗時間 41:35 41:27 41:09 41:24

準確度 0.95 0.91 0.91 0.9233 方法三 消耗時間 41:19 41:18 40:53 41:10

接著，我們測試 ARM 上面後處理程式，測試流程如圖 5.11 所示。我們將 DSP 運算以及 ARM 訊號後處理完的資料分別在 ARM 以及 PC 上乘上 PCA 的矩 陣，最後在PC 上做整體的效能評估與驗證，其結果如圖 5.12 所示，綠色的虛線 為ARM 做運算的結果，而紅色的實線則是在 PC 上做運算的結果，而根據圖上 顯示，這兩條線是完全重合的。

圖5.11、PCA矩陣處理驗證流程

圖5.12、PCA矩陣處理驗證測試

最後，我們使用已經完成量測的兩筆資料放入嵌入式單板作處理，做完處理 圖5.13、PCA維度與預測精確度的關係

(水平軸為 PCA 的萃取維度，垂直軸為辨識準確率)

(a)訓練資料 (b)測試資料 圖5.14、在OMAP上做系統測試

(a) Section 1 預測 Section 2 (b) Section 2 預測 Section 1 圖5.15、以方法三在OMAP上做預測測試

5.2 系統整合與討論

系統整合架構圖如圖5.16 所示，以 OMAP1510 為核心的嵌入式生理訊號分 析系統會藉由無線傳輸系統接收即時量測到的電生理訊號做運算與分析，分析的 結果會顯示在遠端的電腦上，如有需要提醒駕駛員時，則會有警告聲音發出。顯 示介面如圖5.17 所示，圖中 Frame A 與 Frame B 為原始腦電位訊號的圖形，而 Frame C 以及 Frame D 則是預測的結果。如圖中(a)所示，如果駕駛員的精神狀態 很好，右半面的Frame C 以及 Frame D 是空白的，然而，如果駕駛員的精神狀態 不佳，則將在Frame C 中出現藍色的峰值(peak)，這個峰值代表計算出的駕駛員 的駕駛軌跡與車道中心線的誤差，根據第四章的說明，誤差越大則駕駛員的精神 狀態越差，其峰值也就越高，如圖中(b)所示。

圖5.16、系統整合架構圖

(a) (b) 圖5.17、顯示介面圖

因為，疲勞提醒裝置是根據的線性迴歸的輸出值來判斷其受否啟動，在5.1.3 中以驗證過我們所提的汽車駕駛員疲勞狀態偵測演算法有不錯的準確率，只要設 定適當的門檻值，將可使得提醒系統的效能大為提升。

根據無線模組的傳輸速率以及我們所要求的取樣頻率，我們可以求出我們系 統所能容忍的最多頻道數。首先，我們以RF3100/3105 的鮑率 38400 來作計算，

每秒傳送38400bits 而依照我們每十四個鮑率傳送一個 byte 的實現方式，每秒約 可以傳送2743bytes，如果系統的取樣頻率訂在 256Hz，系統可以承受 10 個頻道，

128Hz 的取樣頻率則是 21 個頻道，64Hz 的取樣頻率將讓系統可以到達 42 個頻

5.3 相關研究比較與討論

2. 無線傳輸系統

相較於其他研究而言，本研究從嵌入式系統以及硬體的觀點出發，提出許多

第六章 結論與未來展望

的開發，在我們系統中也非常的有效。但是，未來可以在我們所發展的平台 上開發一些新的排程演算法，使其在工作量塞滿處理器時亦能負荷。

3. 周邊控制介面：

在週邊控制上，目前我們主要使用的介面是 UART、網路介面，未來可以使 用USB 介面，以提升其傳輸速率。

隨著這一套系統的誕生，我們看到了『未來』，也希望有朝一日可以將這套系 統應用於日常生活中，使得未來的行車環境更加安全。本論文讓我們對『科技始 終來自於人性』這句話有更深的體會，因為，科技的進步會讓我們的生活更加舒 適與安全。未來我們將讓這套系統更加人性化，為人類帶來更多進步與舒適的生 活。

參考文獻

[1] M. Falkenstein, J. Hohnsbein, J. Hoormann, and L. Blanke,” Effects of crossmodal divided attention on late ERP components. II. Error processing in choice reaction tasks,” Electroencephalography and Clinical Neurophysiology, vol. 78, pp. 447-55, 1991.

[2] J. Klopp, K. Marinkovic, P. Chauvel, V. Nenov, and E. Halgren,“ Early widespread cortical distribution of coherent fusiform face selective activity,”

Human Brain Mapping, vol. 11, pp. 286-293, 2000.

[3] S. Makeig, and M. Inlow,“ Lapses in alertness: Coherence of fluctuations in performance and EEG spectrum,” Electroencephalography and Clinical Neurophysiology, vol. 86, pp. 23-35, 1993.

[4] S. Makeig, A. J. Bell, T. P. Jung, T. J. Sejnowski,“ Independent Component Analysis of Electroencephalographic Data," Advances in Neural Information Processing Systems, vol. 8, pp. 145-51, 1996.

[5] S. Makeig, S. Enghoff, T. P. Jung, and T. J. Sejnowski,“ An efficient basis for brain-actuated control,“ IEEE Trans. Rehab. Eng, vol. 8, pp. 208-211, 2000.

[6] S. Makeig, M. Westerfield, T.P. Jung, S. Enghoff, J. Townsend, E. Courchesne, and T. J. Sejnowski,” Electroencephalographic Sources of Visual Evoked Responses, “ Science, vol. 295, pp. 690-94, Jan. 25,2002.

[7] 連怡仲，“數位腦波機系統之設計與研製”，國立台灣大學，碩士論文，民國

[13] 吳炎法，“研製無線化多通道腦波系統並運 NAB 方法進行腦波分類之研 究”，國立台北科技大學，碩士論文，民國九十二年。

[14] Ming Cheng, Xiaorong Gao, Shangkai Gao, and Dingfeng Xu,” Design and Implementation of a Brain-Computer Interface With High Transfer Rates,” IEEE Trans. biomedical Eng., vol. 49, no. 10, 2002.

[15] Obermaier B,“ Design and implementation of an EEC based virtual keyboard using hidden Markov models”, Ph.D. dissertation, Technical University-Graz, Graz, Austria, 2001.

[16] Obermaier B, Neuper C, and Pfurtscheller G,“ Information transfer rate in a 5 classes brain-computer interface,” IEEE Trans. Rehab. Eng., vol. 9, pp. 283-288, 2001.

[17] Xiaorong Gao, Dingfeng Xu, Ming Cheng, and Shangkai Gao,“ A BCI-Based Environmental Controller for the Motion-Disabled,” IEEE Trans. Neural Syst.

and Rehab. Eng., vol. 11, no. 2, pp. 137-140, June 2003.

[18] G. Edlinger, G. Krausz, F. Laundl, I. Niedermayer, C. Guger,” Architectures of Laboratory-PC and Mobile Pocket PC Brain-Computer Interfaces,” Proceedings of the 2 International IEEE EMBS Conference on Neural Engineering, Arlington, Virginia, March 16 - 19, 2005.

[19] Ashwin K. Whitchurch, B. Han Ashok, R. Vinod Kumaar and K. Sarukesi, and Vijay K. Varadan,“ Wireless system for long term EEG monitoring of Absence Epilepsy,” Biomedical Applications of Micro- and Nanoengineering, Proceedings of SPIE Vol. 4937, pp. 343-349, November 2002.

[20] Young Han Nam, Zeehun Halm, Young Joon Chee, Kwang Suk Park,”

Development of Remote Diagnosis System Integrating Digital Telemetry for Medicine,” Proceedings of the 20th Annual Znternational Conference of the ZEEE Engineering in Medicine and Biology Society, vol. 20, no. 3, pp. 1170- 1173, 1998.

[21] W. C. Kao, W. H. Chen, C. K. Yu, C. M. Hong, S. Y. Lin, “ A real-time system for portable homecare applications,” Consumer Electronics, 2005, pp. 369- 374, June 14-16, 2005.

[22] F. Lamberti, C. Demartini,“ Low-Cost Home Monitoring Using a Java-Based Embedded Computer,” Proceeding of the 4th Annual IEEE Conf. on Information Technology Applications in Biomedicine, UK, pp 342-345.

[23] Luigi Bianchi, Fabio Babiloni, Febo Cincotti, Marco Arrivas, Patrizio Bollero, and Maria Grazia Marciani,” Developing Wearable Bio-Feedback Systems: A General-Purpose Platform,” IEEE Trans. Neural Syst. and Rehab. Eng., vol. 11, no. 2, pp.117-119, JUNE 2003.

[24] Piccini, L. Arnone, L. Beverina, F. Cucchi, A. Petrelli, L. Andreoni, G. Bioeng.

Dept., Politecnico di Milano,” Wireless DSP architecture for biosignals recording,” Signal Processing and Information Technology, 2004. Proceedings of the Fourth IEEE International Symposium on, pp. 487- 490, Dec. 18-21, 2004.

[25] Kondra S, Yew C, Ahmed F, Hofmann UG," Prototype of a Patient Monitoring Device based on an embedded RISC/DSP system," ICMP 2005/BMT 2005 conference, Nuremberg, Germany, September, 2005.

[26] C. T. Lin, R. C. Wu, T. P. Jung, S. F. Liang, and T. Y. Huang, “Estimating driving performance based on EEG spectrum analysis,” EURASIP Journal on Applied Signal Processing, vol. 2005, no. 19, pp. 3165-3174, Mar. 2005.

[27] C. T. Lin, R. C. Wu, S. F. Liang, W. H. Chao, Y. J. Chen, and T. P. Jung,

“EEG-based drowsiness estimation for safety driving using independent component analysis,” IEEE Transactions on Circuits and Systems I, vol. 52, no.

12, pp. 2726-2738, Dec. 2005.

[28] http://ibru.vghtpe.gov.tw/chinese/bci.htm [29] http://faculty.washington.edu/chudler/1020.html

[30] 高士政，“以雙核心處理器為基礎之即時嵌入式無線腦波訊號感測與處理系

[33] http://www.getgoal.com.tw/tech/tech-13.htm

[34] http://www.ancher.com.tw/rf3100.html [35] http://www.ancher.com.tw/rf3105.html

[36] 淡 江 大 學 智 慧 型 控 制 實 驗 室 ， ”An Introduction Altera CPLD/FPGA &

VHDL”，民國九十一年。

[37] 陳慶逸、林柏辰，”VHDL 數位電路實習與專題設計”，文魁資訊股份有限公 司，民國九十二年。

[38] http://www.slat.org/project/software-map/b1.01/map.html [39] GNU Compiler Collection, http://gcc.gnu.org

[40] Code Composer Studio Getting Started Guide Rev C(SPRU509C), Texas Instruments.

[41] Toshihiro Kobayashi, Kiyotaka Takahashi, Linux DSP Gateway Specification Rev2.0, Nokia Corporation, November 13 2003.

[42] W. Richard Stevens, Advanced Programming in the UNIX Environment, Addison-Wesley, June 1992.

[43] http://web.thu.edu.tw/wenwei/www/cgi/stat/pca/