智能手机能耗多目标优化机制研究

智能手机的网络请求导致其续航能力下降,合并转发技术可有效降低能耗,但设置最优的合并转发时间仍是技术发展的关键,通过大量人工实验解决该问题耗时耗力。因此,基于统计模型检验,使用工具UPPAAL-SMC,以概率时间自动机对安卓设备中用户请求以及WiFi模块进行仿真建模,量化能耗、延迟、用户满意度等属性,进而利用统计模型检验,对不同请求频率的场景进行蒙特卡洛模拟,获得延迟对能耗以及用户满意度的影响。最终进行多目标优化,求得通用最优合并转发延迟时间为22 s,在满足用户体验的前提下平均降低了20%的能耗。该方法可在不同的使用场景下模拟得到通用最优合并转发延迟时间,为开发者提供参考。     

基于多级中继的无人机多链路定位研究

无人控制器是当今世界先进科技发展的热点载体,本文针对无人机超视距定位这一难点,提出了一种新的基于多级中继的无人机多链路定位方法.重点描述了无人机多级中继的选择和该方法与捷联惯导系统的组合,并且对该定位方法在无人机上的应用提出了建议方案.     

基于AOA的无线传感器网络节点定位算法

在无线传感器网络节点SDP定位算法基础上,提出了一种改进的基于信号到达角(AOA)信息的无线传感器网络节点自身定位算法。本算法在所有节点的坐标轴方向都是未知的假定下,将AOA测量值用于计算信号到达差分角信息,将所有节点之间的角度关系表述为凸规划约束条件,从而将定位问题转化为一个凸集优化问题。在理想情况下,将定位问题转化为一个线性规划问题。实际情况中,考虑到测量误差,通过引入辅助变量,将定位问题转化为一个二次规划问题。仿真结果表明:改进算法与原算法相比,对AOA测量误差在10°以下时,定位精度提高约为5%~20%。     

基于 UPPAAL 的手机功耗流量建模方法研究

由于智能手机电池容量有限,应用程序的功耗是其主要消耗之一,因为应用程序可能会产生意外功耗或能源错误,其中 大多数是设计错误。 为分析应用程序功耗和通信流量特性,提出使用基于模型检测的功耗流量分析方法。 把手机各硬件组件 作为研究对象,对时间自动机模型进行扩展,使用模型检测工具 UPPAAL 构建模型。 该方法可以在开发的早期阶段使用,为应 用程序的设计和分析提供了异步功耗的形式化模型。 设计 WiFi 省电模式实例进行研究分析,验证分析该模型的主要属性,然 后用手机应用 QQ 进行了实验对比。 分析结果表明,该模型符合一般模型验证需求,与 PowerTutor 的测量结果相比,其相对误 差均低于 7%,能为复杂手机系统提供可参考的建模分析思路。     

基于SAE-SVM算法的振动信号定位方法研究

针对传统振动信号短时能量检测法精度低、需手工参数选择等问题,提出了一种稀疏自编码器(SAE)网络,用于提取振动信号有效特征,并将其用于支持向量机(SVM),从而检测脚步振动信号。为了缓解了振动信号色散效应造成的信号失真问题,使用了小波分解(WT)方法,并基于实验分析优化了分解参数,然后基于广义互相关和到达时间差(TDoA)算法进行定位解算。实验结果表明,相比人工特征筛选,SAE-SVM算法的活动段检测精度可达96.8%,系统平均定位误差为0.82 m。     

基于FPGA的快速电池分选系统设计

在动力电池生产过程中,电池内阻和电压是最主要的测试参数。由于动力电池的开路电压较高,现有的内阻测试仪只能在电池未成组之前进行测试,测试结果和成组后实际内阻差异较大。设计了一种基于FPGA(现场可编程门阵列)的快速电池分选系统,以硬件逻辑为基础,内建有硬件乘法器,控制、运算和分选等功能均由硬件完成。硬件电路直接由FPGA控制和协同工作,以减少处理器的介入和响应及通讯时间。该系统既能测试整个电池组的内阻,又能测量其它参数如电压、阻抗等,从而可有效提高动力电池的分选效率。     

基于各种传感器的自动导引车的制导方式

自动导引车(AGV)作为一种移动机器人在近些年得到了飞速的发展,尤其是传感器技术在自动导引车中的普遍应用,使得自动导引车的制导方式突破了单一的铺轨方式,向多元化发展。阐述了基于各种传感器的8种自动导引车制导方式,提出若干性能指标对各种技术进行了综合比较,介绍了目前国内外自动导引车导向技术的开发、研制和使用情况。     

基于深度强化学习的多目标边缘任务调度研究

针对深度强化学习在边缘计算环境下的多目标任务调度时存在优化效果差等问题，提出了一种新的基于改进的竞争深度双Q网络的多目标任务调度算法(IMTS-D3QN)。首先将深度双Q网络对目标中的最大操作分解为动作选择和动作评估，以消除过高估计；采用立即奖励经验样本分类方法，对经验样本按照重要性程度分类存储，训练时选取更多重要性程度高的经验样本，提高了实际样本的利用率，加快了神经网络的训练速度。然后，通过引入竞争网络结构对神经网络进行优化。最后，采用软更新方法提高算法的稳定性，并采用动态ε贪婪指数递减法寻找最优策略。通过不同线性加权组合得出帕累托最优解，达到响应时间和能耗最小化。实验结果表明，IMTS-D3QN算法与其他算法相比，在不同任务数下响应时间与能耗上具有明显的优化效果。