基于嵌入式软件算法级能耗问题研究

能耗已经成为嵌入式系统设计中一个重要的约束条件.嵌入式系统是典型的软件驱动执行系统,硬件的电路活动直接导致系统参数功耗,而软件中的指令执行和数据存取等操作底层的微处理、总线、Cache、存储器和I/O接口等硬件的活动都会间接的导致系统参数功耗.在现代“低碳经济”的背景下嵌入系统的功耗已经引起人们关注的一个重点.而软件设计早期对高层所作的功率耗评估和优化对整个系统的的能耗影响最为显著.本文通过构建算法级能耗估算模型,并通过实例采用神经网络算法、遗传算法等进行能耗求解,同时在求解过程中进行能耗分析.     

实时周期任务的非占先式能耗感知调度

针对实时周期性任务集在变电压处理器上的非占先式能耗感知调度问题，在简单遗传算法基础上，提出了一种通过构造特定的遗传过程以自然地满足时序和能耗约束的启发式算法．与贪婪算法相比，该算法在提高系统性能方面具有明显的优势，而且能耗利用效率随着能耗约束值的减小而增大，说明算法具有良好的能耗感知特性．     

基于先验信噪比估计和增益平滑的语音增强

针对语音增强算法残留“音乐噪声”的问题,分析了基于先验信噪比估计的语音增强算法,并在此基础上提出自适应先验信噪比估计与增益平滑相结合的方法.这种方法先对先验信嗓比进行估计,然后对增益函数进行平滑,减小相邻增益函数的随机跳变,弥补了传统先验信噪比估计的不足.最后对含高斯白噪声的语音信号进行处理,仿真结果表明,该算法在抑制“音乐噪声”的效果上得到一定改善,提高了语音增强的性能.     

嵌入式软件算法级能耗建模与分析

针对嵌入式软件算法级能耗的优化问题,建立算法级能耗估算模型。以旅行商问题(TSP)为例,采用神经网络算法、遗传算法等进行能耗求解,对求解过程中的算法执行次数、算法复杂度以及运行时间这3个特征值进行能耗分析,通过能耗估算模型计算出算法针对TSP问题的能耗估算值,并将该估算值与使用sim-panalyzer功耗仿真平台求解得到的能耗测试值进行比较,结果表明,能耗测试值与估算值的误差在10%左右,证明该能耗估算模型具有较高的准确性。     

基于模糊函数估计和变分泛函数优化的含噪声模糊图像复原算法

针对摄影图像中常见的噪声和模糊同时退化图像的问题,提出一种Radon变换估计模糊函数结合变分泛函优化的图像复原算法。算法首先利用方向滤波器对图像去噪,然后利用Radon变换以去除方向滤波在模糊函数估计中引起的偏差,再利用模糊函数通过去卷积操作去除模糊,最后在去模糊的基础上利用 L0梯度范数的变换泛函的优化算法,去除剩余噪声从而对图像进行复原。实验表明,该算法可以有效地恢复摄影图像中的场景。     

基于移动云计算的计算迁移能效算法

移动云计算可以通过应用任务的计算迁移降低执行延时和改善移动设备能效,但面对多云站点选择时,迁移决策是NP问题。针对该问题,提出一种能效计算迁移算法。为了实现截止期限和预算约束下执行时间与代价的多目标优化,算法将优化过程分解为三步进行。首先根据用户对时间与代价参数的偏好,设计一种CTTPO算法对应用进行分割,生成迁移模块（云端站点执行）和非迁移模块（移动设备执行）;然后为了实现云端多站点间的迁移模块调度,设计一种基于教与学最优化方法的MTS算法,进而产生效率最优的应用调度解;最后设计一种基于动态电压缩放方法的ESM算法,通过多站点的性能缩放进一步降低应用执行能耗。通过两种随机应用结构图进行了仿真实验,实验结果证明,该算法在执行效率、执行代价以及执行能耗上要优于对比算法。     

面向数据中心的虚拟机部署及优化算法

虚拟机动态配置是解决数据中心能耗低效的有效方法。针对动态配置过程中的虚拟机部署及优化问题展开研究,提出一种新的面向系统能耗的虚拟机部署算法以及基于主动迁移的优化策略。为了降低系统能耗,新算法采用基于服务器利用率的最佳适配降序算法求解虚拟机部署方案;同时为了适应应用负载的动态变化,新算法启动主动迁移策略对部署方案进行优化,即通过启发式算法在当前部署的基础上搜索使系统能耗更低的优化方案,并根据新部署对虚拟机执行主动迁移。考虑到迁移会导致应用服务质量降级和额外能耗,新算法通过在优化策略中设置基于服务器利用率的启动门限,对虚拟机主动迁移频率进行控制。仿真实验表明,所提算法在系统能耗、虚拟机迁移频率、服务器状态切换频率以及服务质量等多项性能指标上均有显著提高     

基于能耗优化的深海电动机械臂轨迹规划

由于深海电动机械臂动力学模型较为复杂,难以基于动力学模型构建精确的能耗优化目标函数,因此,本文提出一种利用径向基函数（RBF）神经网络构建机械臂功耗模型的方法．首先,利用机械臂水下运动实验数据集训练所构建的RBF神经网络．利用基于该神经网络的功耗模型,结合机械臂关节空间轨迹规划多项式,建立机械臂能耗目标函数．然后,采用自适应粒子群优化（PSO）算法求解最优轨迹参数．结果显示,RBF功耗网络均方根误差（RMSE）为20.89 W;经过优化的轨迹的能耗比实验轨迹的能耗均值降低410.8 J（18.3%）．实验结果表明基于自适应PSO算法的轨迹规划方法实现了能耗优化的目标．     

嵌入式系统中软件优化的低功耗研究

各种嵌入式处理器及SoC应用于传感器、手机、PDA等各种设备。每种设备都有其对执行性能、体积、成本、功耗、散热等的要求。其中，功耗、散热问题特别重要。本文基于对嵌入式系统中软件的优化，提出一种对指令进行重新排序的算法，以降低系统功耗。     

SQL能耗建模及优化研究

IT系统能耗的节节攀升,使得设计新一代DBMS时必须考虑其能耗效率问题。由于SQL语句的执行过程大约消耗70%~90%的数据库资源,因此对SQL进行能耗建模及优化对提高数据库的能源使用效率具有重要的意义。在对SQL查询处理机制进行研究的基础上,构建了SQL能耗模型,并对一系列查询优化原则进行了实验,以表明不同优化原则对性能提升及能耗减少的有效性。实验及能耗数据分析表明:CPU利用率是影响系统功耗的最关键因素,SQL能耗优化方法可忽略内存优化且应该均衡考虑性能优化及功耗优化两方面,提出的SQL能耗模型及节能优化方法具有较强的应用价值。     

一种新的无线传感器网络高能效协作路由算法

为解决无线传感器网络在数据采集过程中的能量节省与能耗均衡问题,结合LEACH的分簇思想和PEGASIS的链路传输特点,利用协作MIMO技术,提出了一种新的高能效协作路由算法HECRA。该算法利用内网数据融合与协作MIMO技术减少了簇内链路短传输与簇间长输的能量消耗,通过构建代价函数选择最合适的路由路径以实现能耗均衡。理论分析了系统进行数据采集时各节点能耗以及系统总能耗,实验仿真结果表明,相对于LEACH与PAGASIS,提出的HECRA算法在网络生命周期上得到了很大的改进。     

基于Spark的MapReduce相似度计算效率优化

随着互联网的用户及内容呈指数级增长,大规模数据场景下的相似度计算对算法的效率提出了更高的要求。为提高算法的执行效率,对MapReduce架构下的算法执行缺陷进行了分析,结合Spark适于迭代型及交互型任务的特点,基于二维划分算法将算法从MapReduce平台移植到Spark平台;同时,通过参数调整、内存优化等方法进一步提高算法的执行效率。通过2组数据集分别在3组不同规模的集群上的实验表明,与MapReduce相比,在Spark平台下算法的执行效率平均提高了4.715倍,平均能耗效率只有Hadoop能耗的24.86%,能耗效率提升了4倍左右。     

嵌入式系统节能自动调节技术仿真研究

研究嵌入式系统的节能问题.针对工业控制中嵌入式系统的应用广泛,应用的环境复杂,大中小型的系统功耗不断的提高,急需降低系统的能量消耗的问题.为了有效地降低功耗,提出了基于平衡点算法的降低嵌入式系统能耗的方法.利用工业控制系统工作的时候频率调节和工作电压测量技术,计算出系统功耗最低的时候,电压和频率的平衡点,使得系统在平衡点状态下工作.进而达到降低能耗的目的.实验表明.利用调节算法,能够有效降低以 ARM7 为主的 CMOS 工业控制中嵌入式系统的功耗,对工业系统取得较好的效果,为设计提供了依据.     

网格环境下基于复制的能耗有效依赖任务调度研究

随着能耗管理成为可靠和绿色计算的重要课题,能耗感知调度方法以其低成本和可行性引发关注.目前,网格环境下依赖任务的能耗感知调度研究具有极大的挑战性,其需要平衡应用的优先约束性、海量数据传输、系统的异构性和不同性能指标的冲突性的关系.提出的网格依赖任务的能耗有效调度(energy-efficient scheduling of grid dependent tasks,ESGDT)算法旨在优化应用执行时间的前提下降低应用执行能耗,能有效解决上述问题.通过任务复制和渐进比例因子减少通信时间和通信能耗,同时兼顾应用复杂的数据依赖关系;适应芯片微型化和多核技术的发展趋势,采用动态电源管理技术减少任务执行的静态能耗;任务复制条件、渐进比例因子和微调原则均适时兼顾时间和能耗两个相互冲突的调度指标,并提出自适应和动态映射方法适应异构计算环境.模拟实验表明,较HEFT,EETDS和HEADUS算法,ESGDT算法不仅没有影响调度的时间性能,还可进一步降低应用执行能耗.     

一种优化安卓应用3G/4G网络请求能耗的方法

智能手机后台应用的网络请求极大地影响着待机时间.已有的工作提出了节省手机能耗的应用网络请求调度算法,然而,如何将算法自动地应用到既有手机系统,仍面临着巨大挑战：（1）在没有应用源代码的情况下,实现单个应用内的网络请求合并;（2）在不对操作系统进行任何修改的情况下,按需合并多个应用中的网络请求.以安卓应用为目标,给出了一种通过自动程序转换来支持现有移动应用中网络请求延迟调度的方法及其框架实现——DelayDroid,用以提升手机整体待机时间.通过字节码分析和程序自动转换技术解决以上挑战.与已有工作相比,DelayDroid有两大特色：一是程序转换自动执行;二是转换后的应用可支持多应用的后台网络请求调度,该调度机制可以降低安卓应用的待机耗电.此外,DelayDroid被设计为可对只有dex字节码的安卓应用进行转换,更具实用性.     

OM-LSA和小波阈值去噪结合的语音增强

针对OM-LSA(optimally modified log-spectral amplitude estimator)算法产生的残留噪声,提出了一种结合OM-LSA和小波阈值去噪的语音增强算法。首先,进行语音对数幅度谱估计;然后,估计残留噪声,利用带噪语音第一级小波系数和语音不存在时的增益函数进行估计,解决了常规方法对增强后语音噪声估计不准确的问题;最后,在小波域利用软阈值法对语音信号进行阈值处理。实验结果表明,提出的算法有效地去除了OM-LSA算法中的残余噪声,在分段信噪比(segmental signal-to-noise ratio,SegSNR)和对数谱失真(log-spectral distortion,LSD)等指标评价上有较大的提高。     

一种新的基于自适应神经网络模糊推理系统的图像滤波器

提出了一种新的基于自适应神经网络模糊推理系统的去除噪声算法。该算法是一个结合了中值滤波、维纳滤波和自适应神经网络模糊推理系统的综合滤波器。噪声点通过算法被准确地估计出来,自适应神经网络模糊推理系统的参数通过训练得到,训练可以通过简单的计算机合成图像来进行。将含噪声的图像、中值滤波后的图像和维纳滤波后的图像作为系统的三个输入,通过一个固定阈值来判断像素点是否为噪声点作为系统的输出,如果判断是噪声点,则通过中值滤波来进行去噪处理,如果判断是非噪声点,则灰度值保持不变。算法的特点就是在能够保持好线条、边缘、细节和纹理的同时,很好地去除噪声点。仿真实验表明,算法可以对噪声污染的图像进行有效的重建,同时不会扭曲图像中的有用信息。     

含有分数阶有色关联噪声的分数阶系统的卡尔曼滤波器设计

提出基于Tustin生成函数的分数阶卡尔曼滤波器设计方法,以解决含有相互关联的分数阶有色过程噪声和分数阶有色测量噪声的连续时间线性分数阶系统的状态估计问题.通过Tustin生成函数方法,对连续时间线性分数阶系统进行离散化,将分数阶系统的微分方程转化为差分方程.利用增广向量法,将分数阶状态方程和分数阶有色噪声作为新的增广状态向量,从而将分数阶有色噪声转化为高斯白噪声.然后,提出一种基于Tustin生成函数的分数阶卡尔曼滤波算法,有效地实现对含有相互关联的分数阶有色过程噪声和分数阶有色测量噪声的连续时间线性分数阶系统的状态估计.与基于Grddotunwald-Letnikov差分的离散化方法相比,所提出的基于Tustin生成函数的卡尔曼滤波算法得到的状态估计精度更高,状态估计效果更好.最后,通过仿真结果验证所提出算法的有效性.     

随机任务在云计算平台中能耗的优化管理方法

针对云计算系统在运行过程中由于计算节点空闲而产生大量空闲能耗,以及由于不匹配任务调度而产生大量“奢侈”能耗的能耗浪费问题,提出一种通过任务调度方式的能耗优化管理方法.首先,用排队模型对云计算系统进行建模,分析云计算系统的平均响应时间和平均功率,建立云计算系统的能耗模型.然后提出基于大服务强度和小执行能耗的任务调度策略,分别针对空闲能耗和“奢侈”能耗进行优化控制.基于该调度策略,设计满足性能约束的最小期望执行能耗调度算法ME3PC(minimum expectation execution energy with performance constraints).实验结果表明,该算法在保证执行性能的前提下,可大幅度降低云计算系统的能耗开销.     

基于极大似然准则和最大期望算法的自适应UKF 算法

针对噪声先验统计特性未知情况下的非线性系统状态估计问题,提出了基于极大似然准则和 最大期望算法的自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法.利用极大似然准则构造含有噪声统计特性的对数似然函数,通 过最大期望算法将噪声估计问题转化为对数似然函数数学期望极大化问题,最终得到带次优递 推噪声统计估计器的自适应UKF算法.仿真分析表明,与传统UKF算法相比,提出的自适应UKF算法 有效克服了传统UKF算法在系统噪声统计特性未知情况下滤波精度下降的问题,并实现了系统噪 声统计特性的在线估计.