实时操作系统调度策略的分析与改进

在RT-Linux的基础上提出一个能统一支持硬实时、软实时和尽力而为应用的调度框架,在该框架之下,硬实时应用的响应时间短且可预测.对软实时应用进行接入控制,从而可以保证软实时应用的QoS.对尽力而为的应用保留CPU资源,从而保证它不会饥饿.     

基于UML的嵌入式建模方法改进策略研究

统一建模语言UML(unified modeling language)在嵌入式系统设计建模中已经获得了广泛的承认,有很多成功的应用.但UML在嵌入式建模中存在时间约束描述能力不强和所建模型形式化复杂、验证难及模型重用性不高等问题.针对这些问题提出了一种改进策略:定义实时语义和映射规则,建立实时描述模式模板,使用模板中实时描述模式描述时间约束信息.改进后的方法能可视化地分析模型、纠正错误和简单地进行形式化转换,能利用支撑工具对模型进行验证,较好地解决了UML在嵌入式系统建模中存在的问题.     

随机早期诊断(RED)队列管理算法的改进研究

本文总结了近十年来RED队列管理机制的各种改进研究思路，并对限制高带度流量进行了仿真以证实其对丢包性能的影响，最后分析了根据总的丢包量度大小来估计某流量的到达率的不合理性，从而我们很有必要利用仿真工具来验证比分析的正确性，并对RED加以修正使其拥塞控制的性能更好。     

片上网络化运动控制器的设计与实现研究

该文针对现有运动控制器在网络化、体积和功耗等方面存在的不足,结合最新出现的SoC技术和嵌入式Internet技术,提出一种片上网络化运动控制器的体系结构,它支持基于Internet的远程运动控制功能,并在Altera公司推出的EPXA1开发板(可编程芯片Excalibur系列)上实现了它的原型系统:SoC_Eweb_step。SoC_Eweb_step采用SoC技术,将控制器的大部分功能在单个芯片上实现,具有功耗低、体积小的优点;采用分布式嵌入式Internet技术,通过在Excalibur芯片内嵌的处理器上运行嵌入式WebServer实现网络通信功能。     

移动Agent的安全性问题探讨

介绍了移动Agent的安全性问题：1）保护运行移动Agent的主机或称运行环境免遭恶意移动Agent的攻击和破坏;2）保护移动Agent免遭运行环境的攻击。并就这两个方面问题的一些解决方案的思想、各自的特点、实现方法以及存在的问题作了详细的分析、介绍与讨论。最后探讨了问题1）与2）的解决方案之间的矛盾与互斥性问题。     

异构环境下实时多媒体信息组播技术

该文先介绍了组播骨干网(Mbone)和组播的相关概念,然后讨论了Internet和Mbone的异构性,在此基础上论述了如何有效地在异构环境下传输实时多媒体信息,并比较了两种对异构性的不同解决方案.     

基于iSCSI的网络存储体系结构研究

数据的爆炸式增长和网络技术的飞速发展引发了网络存储技术的出现,iSCSI作为端到端的协议,定义了SCSI到TCP的映射,使计算机可以通过网络进行块级存储,实现了存储和现有TCP/IP网络的无缝融合。基于iSCSI的SAN可以被看作是负责存储传输的“后端”网络,而“前端”网络负责正常的TCP/IP传输,它是目前新型的分布式存储解决方案。     

移动无线传感网络节点协同避障的改进方法

传统蜂拥控制模型在协同避障跟踪方面,目前有Reynolds和Tanner的蜂拥模型。笔者曾对其做出了改进,提出了与Steer to Avoid法则相结合的避障模型,该模型在跟踪过程中对凸形障碍有较高的避障效率。由于在Steer to Avoid的方向判断中,目标对节点具有引力,使节点群陷入凹形区域无法绕出。将协同避障模型引入凹形障碍环境中,对模型进一步改进,在Steer to Avoid转向判断时暂时取消目标对节点群的引力,让节点群在进入凹形后自行做出环境的判断并沿着障碍边缘不断搜索路径,最终绕出障碍到达目标。仿真实验结果表明：与传统两个模型相比,该模型在避障的平均速率和时间效率上有显著提高,适用于避开未知的凹形障碍。     

一种面向体系结构自适应软件中的高可靠性组件分派方法

随着软件在关键领域的普及应用,比如航空、航天、电厂以及地铁系统等,软件可靠性获得广泛的关注,但当前考虑可靠性,主要是在设计时,考虑可靠性的最优分派问题,而本文是针对系统的在线决策,即在运行时利用组件冗余分派满足动态的系统可靠性问题.通过扩充面向体系结构的自适应演化模型,提出分布式体系结构可靠性模型,并针对当前面向体系结构可靠性模型中对冗余热备以及结构特征考虑的不足,对传统的可靠性模型进行修正以适合面向体系结构的自适应软件,最后在已有理论的基础上,提出一种冗余组件的分派算法解决运行演化时的可靠性满足问题,实验表明,该算法实现简单,计算时间较优,适合于动态演化时对可靠性的实时求解.     

显著对象的非监督粗糙认知算法

提出了一种显著对象非监督粗糙认知算法.算法首先定义了一种粒计算模型,然后按双概念拓扑划分论域,依据尺度过滤掉过小拓扑等价类;用拓扑连通强度、拓扑分布密度等计算出拓扑等价类的拓扑显著度;借改进Fisher线性判别算法找到最大跃变点,裁掉拓扑显著度过小的拓扑等价类,得到候选区;以维扫梯度等捕捉拓扑等价类间的渐变模式,完成局部粗糙分割,得到候选对象,更新候选对象的拓扑显著度;再次调用Fisher线性判别算法裁减,如果还剩多个对象,用位权选择最终显著对象.最后,以实验分步验证了算法的执行过程,并与同类3种算法的提取结果作了比较分析,证实了新算法有着较优的语义逼近能力和快捷的速度.