多顆同步衛星天線自動接收系統

多顆同步衛星天線自動接收系統

研究成果報告(精簡版)

計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 99-2622-E-151-007-CC3 執 行 期 間 ： 99 年 06 月 01 日至 100 年 06 月 30 日 執 行 單 位 ： 國立高雄應用科技大學電子工程系 計 畫 主 持 人 ： 蘇德仁 計畫參與人員： 此計畫無其他參與人員：臨時工陳立偉 此計畫無其他參與人員：臨時工孫瑞駿 處 理 方 式 ： 本計畫涉及專利或其他智慧財產權，研究成果報告(精簡版)2 年後可公開查詢

中 華 民 國 100 年 07 月 26 日

多顆衛星天線自動追蹤系統 

 

計畫類別：■個別型計畫 □整合型計畫

計畫編號：NSC      99‐2622‐E‐151‐007‐CC3 

執行期間： 99 年 6 月 1 日至 100 年 6 月 30 日 

 

執行機構及系所：國立高雄應用科技大學  電子工程系 

 

計畫主持人：蘇德仁  教授 

計畫參與人員：陳立偉、孫瑞駿 

 

 

成果報告類型(依經費核定清單規定繳交)： 

■精簡報告 □完整報告 

 

本計畫除繳交成果報告外，另須繳交以下出國心得報告：

□赴國外出差或研習心得報告

□赴大陸地區出差或研習心得報告

□出席國際學術會議心得報告

□國際合作研究計畫國外研究報告 

 

 

 

處理方式：除列管計畫及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年■二年後

可公開查詢

 

中      華      民      國      100 年 7 月 20 日 

 

 

I 

中文摘要 

此計畫提出一個多顆同步衛星天線自動追蹤系統，可應用於偏遠山區之家庭 用戶以及有線電視網路難以佈及之區域。整個系統架構包含Ku 頻段(12-18GHz) 天線系統、全球衛星定位系統(GPS)、控制法則、天線驅動系統與衛星接收系統。 追蹤系統中最重要的參數為天線的方位角與仰角，針對此問題，我們結合自適應 粒子群最佳化演算法、細菌趨化尋優演算法，來滿足對穩定度與精確度的要求。 本系統在衛星未被阻隔的地方，可以應用在多媒體衛星通訊，不需要任何電 纜或光纜就可實現多顆衛星通訊。 關鍵詞：衛星接收系統、自適應粒子最佳化演算法、細菌趨化尋優演算法 

 

 

英文摘要 

 

This project provides a tracking antenna system automatically for Geostationary Earth Orbit(GEO) satellites. The ststem can be applied to remote mountainous areas of the home users, where cable television distribution network is not available. The main system includes Ku band(12~18GHz) antenna, global positioning system(GPS), control algorithm, antenna driver and satellite receiver. Two important parameters, azimuth and elevation of the

antenna, are designed by the adaptive particle swarm optimization (APSO) and

bacterial foraging optimization (BFO) to meet the stability and precision requirements.

This system will be available for multimedia satellite communication anywhere under line-of-sight(LOS) communication with satellites condition. Without any cable or optical fiber, it can achieve the broadband communication with multiple satellite communication.

Keywords: satellite receiving system, adaptive particle swarm optimization algorithm, bacterial foraging optimization.

   

 

1 

一、前言

          在科技快速進步的時代中，加速了社會變化。二十世紀下半期，傳播科 技的發展快速，現代社會中的主導溝通模式已經轉型，由印刷媒介改為電子媒介 以至數位媒介，加快全球化的步伐，革命性地改變了社會的結構，塑造了新的文 明。行動通信與數位廣播對我們的生活型態有著直接的影響，並形成一個連結的 世界，而在緊湊的現代生活步調下，隨時掌握即時資訊並充份享受行動樂趣，已 成為生活新趨勢，這也代表著高感性數位行動娛樂時代即將來臨，隨時接收即時 資訊與影視娛樂的需求，戶外收看電視不再是夢想，期望打造一個行動電視平台， 提供消費者一個任何時間、任何地點的優質數位行動生活體驗，走到哪看到哪， 在車上、家裡、露天咖啡座或者是戶外野餐，皆可收看具有知識性及娛樂性、即 時、免費的數位節目[1]。  衛星通訊相對於其他通訊方式具有許多的優勢，如通訊容量大、傳輸距離遠、 傳輸品質高、覆蓋面積大、全天候通信及網路架構靈活等特點，由於近年來隨著 製程、組裝等技術急速發展以及企業需求量逐漸增加，促使通訊技術不斷進步， 通訊設備持續朝小型化以及整合化方向發展，亦因此增加了許新內容，使衛星通 訊的應用領域更加廣闊[2]。  近年來小型衛星地面電台(Very Small Aperture Terminal, VSAT)在降低成本、 擴大服務範圍、與各種使用者設備或地面網站連接以及開發更為方便、靈活的 網路系統等方面已有重大發展、突破，因此能提供天線直徑小、設備價格低、 系統功能強、架設靈活之設備。利用衛星其通訊距離遠、覆蓋面積大的優點， 便能夠隨時隨地傳送更高品質、更多元化的娛樂多媒體，以滿足人類對娛樂的 需求。 

 

二、研究目的

  國內目前衛星接收天線，一般仍以固定式安裝為主，收訊範圍就受到侷限且 一個盤面天線只能接收一顆衛星多媒體訊號圖 1.1 所示。透過此建構方式所接收 的節目遠少於有線電視節目，許多使用者為了能夠接收更多的節目採用多碟架構 的方式用於接收更多的衛星訊號節目。如圖 1.2 所示。 

  圖 1.1    衛星小耳朵實體圖  圖 1.2    多碟架構實體圖    另外，方位及仰角的調整，必須具有安裝經驗的工程人員，利用特殊的工具 及搭配個人的經驗及常識來調整角度，才能使用戶收視到最佳訊號的頻道；台灣 是多颱風的地區，往往經過強風襲擊之後，消費者常因天線鬆脫而無法收視，必 須花費請技術人員調整，積年累月就是一筆不小的負擔。雖然國外已有類似衛星 搜尋系統，但價格非常昂貴，並非一般家庭可負擔的，其體積也大上許多。  本計劃在於設計一多顆衛星天線自動追蹤系統來改善同步衛星接收系統的 衛星搜尋時間並以硬體方式實現在搭載 ARM7 微處理器之嵌入式系統的平台上： 該系統搭配了全球定位系統 Global  Position  System,  GPS)、電子羅盤(Compass)來 得知衛星與地面接收系統的相對方位角及仰角，以嵌入式系統為平台配合著自適 應粒子群最佳化演算法及調諧器(衛星訊號強度)資訊等設備，驅動步進馬達，調 整天線的方位角(Azimuth)及仰角(Elevation)，使得衛星天線能在任何無障礙物的 地區也能精確的對準衛星，提供消費者「Any  Time」、「Any  Where」的環境，在 方便操作、快速、穩定、精準的品質之下，隨時維持清晰不斷訊的收視畫面，讓 消費者可輕鬆自行安裝在汽車、休旅車、巴士或任何平坦的空間，隨時享受即時 的行動收視樂趣。 

 

三、研究方法

 

3.1  粒子群最佳演算法[3][4] 

 粒子群最佳化之發展背景 

粒子群最佳化(particle swarm optimization, PSO)為進化計算(evolutionary   

3 

computation)方法的一種。於 1995 年時，由 R. Eberhart  與  J. Kennedy 提出。它 的基本概念來自於社會行為的模擬，在一個社會群體中，每一個個體的行為不但 會受到過去經驗及認知的影響，同時也會受到整體社會的影響。 

 

 粒子群最佳化演算法介紹 

PSO 演算法初始時，族群中的每個粒子，於搜尋空間中隨機產生且個別代表 目標函數的一個隨機解，然後以世代搜尋目標函數最佳解。在每一次世代演化過 程中，粒子藉由追蹤兩個最佳值，不斷更新自己的速度與各個空間中所處位置。 第一個最佳值就是粒子個體所擁有的個體最佳值 pbest，另一個最佳值則是目前 群體最佳適應值和最佳位置，稱之為群體最佳值 gbest。  當獲得 pbest  與  gbest  這兩個最佳值後，粒子將根據目前在設計空間所處 的位置 j id x ，  j 為目前的世代數；並遵循 Eberhart  與 Kennedy  最初所提出的速度 更新法則式(2.1)與式(2.2)，更新粒子前進的速度 j id v ，並獲得其在設計空間中的新 位置 j1 id x 。  1 1 () ( ) 2 () ( ) j j j j j id id id id gd id v w v   c rand  p x  c rand  p x   (2.1) 1 j j j id id id x  x v  t  (2.2) 其中 i =1,2,...,n；n 為粒子數目，d 表示粒子所處的維度，j =1,2,...,k；k 代表 最大疊代數(maximum generation)；c1 及 c2 為等加速度常數(acceleration constant)  c1 及 c2 通常為相等值，一般介於 0 到 4 之間，但沒有硬性規定，可由設計者針 對應用目的並調整為適合之大小；  pid 為粒子個體最佳值於維度 d 所處的位置； pgd 為族群總體最佳值於維度 d  所處的位置；rand()表示均勻分佈於[0,1]之間獨 立的隨機變數，隨機變數的作用，主要是做為各個粒子朝 gbest  與 pbest  前進速 度的權重，使粒子位置的更新(update  position)能更具多樣性；t 為時間差，一 般設定時間差為 1，因此式(2.2)可將t 省略改寫成式(2.3)。  j id j id j id x v x 1     (2.3) 由式(2.1)，我們可以計算出此次更新的速度向量，再利用式(2.3)更新粒子的 位置朝 gbest  附近移動搜尋最佳值，如圖 2.1 所示。 

  圖 2.1    粒子位置更新方式 

 

 粒子群演算法流程與流程圖 

執行 PSO 演算法時，根據以下步驟進行： 1. 初始化：於 d 維設計空間中隨機產生 n 個粒子，由這些粒子所構成的群 體稱為族群(population)，每個粒子的位置 j id x ，均是設計空間中的一個隨機 解。 2. 計算粒子 i 於 d 維空間中的目標函數適應值(fitness of particle, fi )。 3. 進行 pbest 的更新：將粒子的目標函數適應值 fi 與其本身所搜尋過的最佳

目標函數適應值(fitness of pbest , fi,p )進行比較，若現在粒子的目標函數適

應值 fi 優於 fi,p，則將 pbest 替換成該粒子現在的位置 j id

x ，而 fi,p 亦替換

成現在的 fi。反之，則略過步驟 4，依步驟 5 進行下一個粒子的運算。 4. 進行 gbest 的更新：比較 fi,p 且替換後，fi 將與整個族群所搜尋過的總體

最佳目標適應值(fitness of gbest , fg )進行比較，若 fi 優於 fg，則 gbest 將

替換至該粒子現在的位置 j id x ，而 fg 亦替換至其對應的目標函數適應值 fi。 5. 更新速度與位置：每個粒子根據式(3.1)進行速度更新獲得v 後，再由式(2.3)idj 進行位置更新而得粒子新的位置 j 1 id x  。

5 

6. 迴圈(粒子)：若 i 小於族群總數 n，則重回步驟 2，進行下一個粒子的計算， 直至計算完族群中所有的粒子。

7. 迴圈(世代)：當總體最佳目標函數適應值誤差 (error of the best fitness,

error

f ) 小於或等於所要求的目標函數適應值誤差 (required error of the best fitness, f_errorreq ) 或最大世代數 (the maximum generation, jmax) 到達時，則 停止運算，演算法輸出總體最佳函數適應值 fg 與總體最佳設計值 gbest， 即為演算法執行最佳化的結果。反之，重回步驟 2，繼續進行世代運算， 其流程如圖 2.2 所示。 開始 隨機產生n個粒子的 速度與位置 更新速度與位置 計算粒子 i 的目標函 數的適應值 fi _ ? i fi p f  ? i fg f  i 等於族群總數n ? 停止運算,輸出 與gbest g f 將gbest替換粒子現在 的位置, fg  fi 結束 max j j 或 req error error f  f pbest , fi_ = p fi 是 否 是 否 否 否 是 是 j=j+1 i=i+1 圖 2.2 粒子群最佳化演算流程

 

3.2  自適應粒子群最佳演算法 

依序上面之章節，我們可以得知研究學者藉由模擬自然界生物的群體行為， 進而發展為最佳化演算法，而在這些遺傳性演算法中，可以藉由參數上的變化， 使整體收斂有些差異，基於這樣的想法，研究學者將標準型的粒子群最佳化演算 法做些修正，以達到更好的收斂成果。

在許多遺傳性演算法，標準型的粒子群最佳化演算法屬於優點較多的一種演 算法，但是還是會常落入局部最佳解中，在為了解決局部最佳解之問題，但是還 是會常落入局部最佳解中，在為了解決局部最佳解之問題，並且又能將粒子群有 著最佳化的變動，調整慣性權重之學說就被研究學者提議出來[5][6][7][8]。 慣性權重適當的選擇將給予整體和局部之間搜尋的平衡性，研究顯示較大的 權重能幫助增加收斂速度而較小的權重則能精準收斂值。藉由慣性權重因子，提 升族群初始時全域搜索及末期時局部搜尋的能力，自適應粒子群最佳化演算法的 慣性權重 w 以表示，如式(2.4)。

(

1)

ini end ini

w

w

w t

w

t

MaxIteration



 





  (2.4) 其中  : MaxIteration   最大迭代數。 

w

_ini

:

初始慣性權重。  : t   迭代次數。 

w

_end

:

最終慣性權重。  因此在本論文將使用自適應粒子群最佳化演算法來減少衛星搜尋的時間及降 低落入局部最佳解的機率，自適應粒子群最佳化演算法更改後可以加速更新收的 方程式入式(2.5)表示。  

3.3 步進搜尋法 

步進搜尋法主要是以登山法（Hill Climbing）的技術為基礎[9][10]，其登山法 是指經過評價當前的問題狀態後，限於條件，不是去縮小，而是去增加這一狀態 與目標狀態的差異，經過迂回前進，最終達到解決問題的總目標。就如同爬山一 樣，為了到達山頂，有時不得不先上矮山頂，然後再下來，這樣翻越一個個的小 山頭，直到最終達到山頂。可以說登山法是一種以退為進的方法，往往具有退一 步進兩步的作用，後退乃是為了更有效地前進。 本論文之步進搜尋法則，主要是利用迂迴前進的方式，持續搜尋衛星信號的 一個方法，此方法主要輪流驅動方位角與仰角在一段時間內移動，取得信號最大 值，利用衛星天線的接收信號來搜尋最佳點信號，此方法比只有用一個軸(方位 角或仰角)搜尋信號大小還要來得好，降低與最佳信號點之間的誤差。 1 1 2 2

(

1)

( )*

( )

*

() *(

)

*

() *(

)

id id id id

7  一開始讀取天線接收的信號強度值，會測得一個較低的信號，判斷其信號值 大小，設定衛星天線初始需移動的角度(步進角度)，依照步進角度，移動方位角 到下一個位置，比較接收的信號值前後的差異如果之前的信號比之後的信號還要 低，則表示移動的方向正確，持續往前移動，但如果之後的信號比較低，則往後 移動。如此判斷信號值是否有加強的趨勢，當方位角移動完後，再以相同的方法 移動仰角，重複這些步驟，即可找到最佳點，此法即稱做步進搜尋法，如圖 3.5 所示，其流程如圖 3.6 所示。執行步進搜尋法流程時，首先，讀取現在衛星所接 收到的強度，然後驅動方位角及仰角移動至下一個位置，讀取新的訊號強度值， 再來判斷是否達到所要求的強度值，若達到要求則停止搜尋，否則繼續驅動方位 角及仰角進行移動，接著不斷重複剛剛的步驟，直到達程停止條件。 圖 2.3 步進搜尋法示意圖 開始 讀取現在位置的 衛星訊號強度 驅動方位角與仰角 到下一個位置 讀取新位置的 衛星訊號強度 信號是否 達到要求? 結束 是 否 圖 2.4    步進搜尋法流程圖 

 

3.4 細菌搜尋最佳化演算法 

細菌搜尋最佳化(Bacterial  Foraging  Optimization,  BFO)早期是由Passion在 2002年所提出來一種最佳化的方法[11]，用來解決最佳化和控制方面的問題。它 是由趨化，群聚，繁殖和環境變遷等四種特性所組合而成的。 

 趨化 

大腸桿菌是透過兩種運動形態來搜尋食物，分別是前進和停滯轉向，前進是 移動距離，停滯轉向是會朝順時針或逆時針的不同方向做旋轉，將前進和停滯轉 向的兩種運動形態做結合去搜尋最好的食物。假設在某一個空間內搜尋食物，當 搜尋到有毒物質，就利用停滯轉向的運動形態，朝向不同方向移動，反之搜尋到 非有毒物質，就朝同一方向前進，一直循環下去，直到搜尋到最好的物質。   細菌是由身上鞭毛的感應，來趨使細菌群做移動與停滯轉向的趨化。以下用(2.6) 式表示細菌的趨化作用。 

(

1, , )

( , , )

( )

( )

i i

j

k l

j k l

C i

j















  (2.6) 其中i( , , )j k l 為  i 階  細菌在 j 階的趨化，k 階繁殖和 l 階環境變遷步驟,  C i 是( ) 細菌的移動長度和 ( ) j 是停滯轉向的範圍。 

 群聚 

藉由細菌群中的細胞和細胞之間互相吸引，使分佈在各區域內的細菌群，會 受到攝取高營養濃度的細菌群所影響，會往高營養濃度的區域做移動，避開低營 養濃度的區域，讓所有細菌群在相同的區域內攝取高營養濃度，這種行為叫做群 聚效應。可以用(2.7)式表示  2 1 1 2 1 1 ( ( , , )) ex p ( ) ex p ( ) p S n i i cc a ttra ct a ttra ct m m i m p S i rep ellen t rep ellen t m m

i m J j k l d w h w              _ _  _                









  (2.7)

9  其中  ₁,,_p_T是求 p 維空間的最佳位置及 i m  是 m 階構成的第 i 階細菌的位 置i_{。在求得各細菌與尋得營養濃度最佳之細菌的位置相對關係之後。因此可將} 求得之化學訊息與日前大腸桿菌所在位置所求得之營養成分做總和，即可表示成 大腸桿菌之群聚效應，如(2.8)式所示：

( ,

1, , )

( , , , )

_ccn

( ( , , ))

i

J i j



k l



J i j k l



J



j k l

  (2.8) 其中 ( , , , )J i j k l   為原大腸桿菌所在位置之養分濃度，以目標函數來做表示。將原 目標函數加上化學訊息方程式，即成新的目標函數  J i j( , 1, , )k l ，並以此(2.8) 式取代原營養濃度。 

 繁殖 

在大腸桿菌族群中，搜得較高養分濃度者將擁有較高健康程度，且可獲得繁 殖機會，反之，健康程度較差，無法進行繁殖者將易遭淘汰。大腸桿菌之繁殖方 式即以自身分裂步驟進行複製，產生新生者以取代淘汰群，是成本函數中趨化的 健康程度(2.9)式。  1

( , , , )

C N i health j

J

J i j k l







  (2.9) 由上式可知，大腸桿菌以其在該世代中進行趨化作用所獲得之養分總和，決定其 健康程度，而  n health J 之值越低，代表健康程度越高。 

 環境變遷 

由於大腸桿菌居住的環境可能會發生漸進性或突發性的環境變遷，因而導致 大腸桿菌族群的遷移現象，故藉由環境變遷，大腸桿菌族群將有可能朝向含有更 高養分濃度之位置移動。在本演算法中，為了模擬大腸桿菌族群可能遭遇到之遷 移與滅亡現象，故設定環境變遷率 (P ) 來表示大腸桿菌所在之環境改變，於迭_ed 代過程中，若達到所設定之機率，則大腸桿菌將會被遷移，亦即當大腸桿菌每次 進行趨化作用後，將投入環境變遷之影響因素，令族群中之菌隻進行所在地之遷 移，如此可避免求解過程陷入局部解，且能有效尋出全域最佳解。  

 

四、結果與討論 



實驗結果分析

  比較步進搜尋法、自適應粒子群最佳化搜尋法、粒子群最佳化搜尋法與細菌 搜尋最佳化搜尋。做 10 次實驗的結果如表 4.3 所示。在系統啟動後，到達鎖定 衛星需要的時間，皆能在 1 分鐘內完成動作，從下圖中可以看出透過 APSO 搜尋 來做演化搜尋的方式，其平均搜尋速度可比其它搜尋法的方式還要快，實驗結果 如圖 4.12 所示。    圖 4.12    各搜尋法比較圖    表 4.3    各搜尋法搜尋 10 次時間與平均  搜尋法 次數

步進搜尋 PSO 搜尋 APSO 搜尋 BFO 搜尋

1 19 秒  16 秒  12 秒  13 秒  2 18 秒  13 秒  14 秒  16 秒  3 17 秒  15 秒  13 秒  14 秒  4 18 秒  21 秒  14 秒  18 秒  5 18 秒  18 秒  13 秒  15 秒  6 17 秒  20 秒  14 秒  16 秒  7 19 秒  21 秒  12 秒  18 秒  8 17 秒  17 秒  15 秒  21 秒  9 19 秒  20 秒  14 秒  19 秒  10 18 秒  18 秒  14 秒  18 秒  平均 18 秒  18 秒  14 秒  17 秒 

11  透過圖 4.12 可以發現到 APSO 搜尋法在每一次的搜尋時間要比其它搜尋法來 的少，且時間穩定度也較為穩定。無論是何種類型的演算法，只要有隨機灑點的 步驟，皆須有個初始化產生粒子位置的動作，所產生的粒子位置有可能都沒有偵 測到衛星訊號值，所以必須重新亂數產生粒子重新做偵測的動作，故在此動作耗 費了許多時間。  

結論

  本論文所提出之衛星接收系統，是透過電子羅盤以及 GPS 得知位置資訊，計 算系統與衛星的方位角及仰角資訊，搭配使用自適應粒子群最佳化演算法及其它 搜尋法來做方位角與仰角的誤差搜尋法則，其核心目的在於更快速準確地搜尋到 衛星，且不需靠人工經驗與不斷嘗試錯誤來做為設計依據，達到節省設計者時間 的目的。          由實驗結果發現，各演算法皆能在 1 分鐘內搜尋到指定的衛星，使用自適應 粒子群最佳化演算法來搜尋衛星，在搜尋速度上較其它搜尋方式穩定許多，且平 均搜尋速度也可快上約 4 秒左右的時間。由此可見，自適應粒子群最佳化演算法 可有效提升系統的效能並能夠廣泛的應用在實務上。   

參考文獻 

[1] F. S. Sutton, J. H. Kim, D. F. Diener, M. P. Pounds and R. E. Welling, “Wideband  On‐The‐Move  Satellite  Communications  Ground  Terminal”,  IEEE  Military 

Communications Conference, Vol. 2, pp. 770‐774, October, 2001.   

[2] 陳克任，衛星通訊 NII 主角，初版，儒林圖書有限公司，台北，1999。  [3] J.  Kennedy  and  R.  Eberhart,  “Particle  swarm  optimization”,  IEEE  International 

Conference on Neural Networks, 1995, vol. 4, pp.1942‐1948 

[4] X.  Shenheng  and  R.  S.  Yahya,  “Boundary  conditions  in  particle  swarm  optimization revisited”, IEEE Transactions on Antennas and Propagation, 2007, 

vol. 55, NO. 3, pp. 760‐765. 

[5] Y.  Shi  and  R.  Eberhart,  “Parameter  Selection  in  Particle  Swarm  Optimization”, 

Proceedings  of  the  7th  International  Conference  on  Evolutionary  Programming  VII, Lecture Notes in Computer Science, Vol. 1447, 1998. 

[6] M. Zhang, C. Li, X. Yuan and Y. Zhang, “An Improved PSO and Its Application in  Research  on  Reservoir  Operation  Function  of  Long‐Term”,  Third  International 

Conference on Natural Computation (ICNC 2007), Vol. 4, pp. 118‐122, 2007. 

[7] 黃明元，自適應粒子群最佳演算法應用於無限感測網路覆蓋率之最佳化， 國立高雄用科技大學，碩士論文，高雄，2010。 

[8] Zhi‐Hui  Zhan,  Jun  Zhang,  Yun  Li,  H.S.‐H  Chung,  “Adaptive  Particle  Swarm  Optimization”, IEEE Systems, Man, and Cybernetics Society, China, Guangzhou,  Sun Yat‐Sen Univ, pp.1362‐1379, April, 2009. 

[9] A.  Pirhadi,  M.  Hosseini  and  M.  Hakkak,  “A  Novel  Implementation  of  GEO  Satellite  Step  Track  Subsystem”,  Iranian  Journal  of  Electrical  and  Computer 

Engineering, Vol. 4, pp. 71‐76, Spring, 2005. 

[10] J.  I.  Laine,  “2D  Model‐Based  Step‐Track  Procedure”,  IEEE  Transactions  on 

Aerospace and Electronic Systems, Vol. 36, No. 4, pp. 1386‐1391, October, 2000. 

[11] K.M. Passino, “Biomimicry of bacterial foraging for distributed optimization and  control”, IEEE Control System Magazine, pp. 52‐57, June, 2002. 

13 

國科會補助專題研究計畫成果報告自評表 

 

 

 

 

 

請就研究內容與原計畫相符程度、達成預期目標情況、研究成果之學術或應用價

值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性）

、是否適

合在學術期刊發表或申請專利、主要發現或其他有關價值等，作一綜合評估。

1. 請就研究內容與原計畫相符程度、達成預期目標情況作一綜合評估 

■達成目標 

□ 未達成目標（請說明，以 100 字為限） 

□ 實驗失敗 

□ 因故實驗中斷 

□ 其他原因 

說明： 

 

2. 研究成果在學術期刊發表或申請專利等情形： 

論文：□已發表  □未發表之文稿  □撰寫中  □無 

專利：□已獲得  □申請中  □無 

技轉：□已技轉  □洽談中  □無 

其他：（以 100 字為限） 

 

3. 請依學術成就、技術創新、社會影響等方面，評估研究成果之學術或應用價

值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性）（以

500 字為限） 

 

我們在於線性矩陣不等式領域上努力研究，也多方面來學習與精進，因而順

利完成本計畫之研究目標，在研究內容部份也都達成研究之相關總目標。 

 

日期:2010/07/22

國科會補助計畫

計畫名稱: 多顆同步衛星天線自動接收系統 計畫主持人: 蘇德仁 計畫編號: 99-2622-E-151-007-CC3 學門領域: 自動化系統整合技術

研發成果名稱

(中文) 多顆同步衛星天線自動接收系統

(英文) An Auto-receiving Antenna System for Multiple GEO Satellites

成果歸屬機構

國立高雄應用科技大學

發明人

(創作人)

蘇德仁,李柏松

技術說明

(中文) 此計畫提出一個多顆同步衛星天線自動接收系統，可應用於偏遠山區之家庭用戶 以及有線電視網 路難以佈及之區域，透過自動接收同步軌道衛星多媒體訊號，可豐富數位節目之 內容。整個系統架構 包含Ku 頻段(12-18GHz)天線系統、電子羅盤方位裝置(Compass)、控制法則、天 線驅動系統與衛星信 號接收系統。接收過程中最重要的參數為天線的方位角與仰角，針對此問題我們 採用細菌趨化尋優演 算法和模糊規則的混合演算來控制加以克服，來滿足對穩定度與精確度的要求。 本系統可應用在數位家庭多媒體衛星通訊接收方面，無需繁複的程序，只需選定 欲收訊之衛星按 鍵，天線系統會自動定向至收訊最佳之位置，就可享受多媒體的資訊，有效提升 以及推廣數位家庭之 科技。 表

(英文) Both of the azimuths of antenna and the angles of elevation are important parameters in receiving

process. We use (Bacterial Foraging Optimization, BFO) and fuzzy rules algorithms to improve the

perfprmance of the auto-receiving system.

This system can be applied to multimedia satellite communication for digital home. We don’t need the

complicated procedures, and just choose the satellite key that we desire. And then the tracker will turn to the

optimum position automaticly. The multimedia information can popularize to digital home universally.

產業別

電機及電子機械器材業

技術/產品應用範圍

本系統可應用在數位家庭多媒體衛星通訊接收方面

技術移轉可行性及

預期效益

技轉預期效益200000元，可預期生產效益1000000元。 註：本項研發成果若尚未申請專利，請勿揭露可申請專利之主要內容。

計畫主持人：蘇德仁 計畫編號：99-2622-E-151-007-CC3 計畫名稱：多顆同步衛星天線自動接收系統 量化 成果項目 實際已達成 數（被接受 或已發表） 預期總達成 數(含實際已 達成數) 本計畫實 際貢獻百 分比 單位 備 註 （ 質 化 說 明：如 數 個 計 畫 共 同 成 果、成 果 列 為 該 期 刊 之 封 面 故 事 ... 等） 期刊論文 0 0 100% 研究報告/技術報告 0 0 100% 研討會論文 0 1 100% 篇 論文著作 專書 0 0 100% 申請中件數 0 0 100% 專利 已獲得件數 0 0 100% 件 件數 0 0 100% 件 技術移轉 權利金 0 0 100% 千元 碩士生 2 2 100% 博士生 0 0 100% 博士後研究員 0 0 100% 國內 參與計畫人力 （本國籍） 專任助理 0 0 100% 人次 期刊論文 0 0 100% 研究報告/技術報告 0 0 100% 研討會論文 0 0 100% 篇 論文著作 專書 0 0 100% 章/本 申請中件數 0 0 100% 專利 已獲得件數 0 0 100% 件 件數 0 0 100% 件 技術移轉 權利金 0 0 100% 千元 碩士生 0 0 100% 博士生 0 0 100% 博士後研究員 0 0 100% 國外 參與計畫人力 （外國籍） 專任助理 0 0 100% 人次

(

無法以量化表達之成 果如辦理學術活動、獲 得獎項、重要國際合 作、研究成果國際影響 力及其他協助產業技 術發展之具體效益事 項等，請以文字敘述填 列。) 成果項目 量化 名稱或內容性質簡述 測驗工具(含質性與量性) 0 課程/模組 0 電腦及網路系統或工具 0 教材 0 舉辦之活動/競賽 0 研討會/工作坊 0 電子報、網站 0 科 教 處 計 畫 加 填 項 目 計畫成果推廣之參與（閱聽）人數 0

成果項目

本產學合作計畫預估研究成果及績效指標_{（作為本計畫後續管考之參據）} 計畫達成情形 技術移轉 預計技轉授權 0 項 完成技轉授權 0 項 國內 預估 1 件 提出申請 0 件，獲得 0 件 專利 國外 預估 0 件 提出申請 0 件，獲得 0 件 博士 0人，畢業任職於業界0人 博士 0人，畢業任職於業界0人 碩士 2人，畢業任職於業界0人 碩士 2人，畢業任職於業界0人 人才培育 其他 0人，畢業任職於業界0人 其他 0人，畢業任職於業界0人 期刊論文 0 件 發表期刊論文 0 件 研討會論文 0 件 發表研討會論文 0 件 SCI論文 0 件 發表SCI論文 0 件 專書 0 件 完成專書 0 件 國內 技術報告 0 件 完成技術報告 1 件 期刊論文 0 件 發表期刊論文 0 件 學術論文 0 件 發表學術論文 0 件 研討會論文 0 件 發表研討會論文 0 件 SCI/SSCI論文 0 件 發表SCI/SSCI論文 0 件 專書 0 件 完成專書 0 件 論文著作 國外 技術報告 0 件 完成技術報告 0 件 其他協助產業發展 之具體績效 新公司或衍生公司 0 家 設立新公司或衍生公司(名稱)： 計畫產出成果簡 述：請以文字敘述 計畫非量化產出之 技術應用具體效 益。（限 600 字以 內） 此計畫提出一個多顆同步衛星天線自動追蹤系統，可應用於偏遠山區之家庭用戶以及 有線電視網路難以佈及之區域。整個系統架構包含 Ku 頻段(12-18GHz)天線系統，本 系統在衛星未被阻隔的地方，可以應用在多媒體衛星通訊，不需要任何電纜或光纜就 可實現多顆衛星通訊。