EasiSHA:一种软硬件协同的物联网可重塑终端架构

提出了一种软硬件协同的物联网可重塑终端架构EasiSHA,采用以可重塑计算部件为核心的终端体系结构,能够针对应用需求动态调整软硬件资源配置,在提供较高通用性的同时能够有效降低终端的硬件冗余度.提出了一种软硬件任务调度机制,根据物联网应用运行时所需终端的性能指标,实时动态改变计算任务的执行方式,在终端性能满足应用需求的前提下优化终端整体功耗.提出了一种计算任务复用机制,采用软硬件协同的方式实现应用程序与标准计算任务之间的松耦合,减小应用程序与计算任务之间的关联度,并结合云端任务共享机制实现任务的可复用性,能够有效优化物联网应用的开发速度和成本.     

无线传感器网络中多日冕分割定位算法的设计

无线传感器网络中结点定位一直是研究热点。本文提出了一种新的基于多日冕分割的定位技术来计算节点的位置。我们利用跳数形成的日冕来划分传感器网络,并将非锚节点锁定在一个日冕层中,当多个锚节点的日冕相交时,重叠相交区域被认定为非锚节点可能所在的位置。随着锚节点数量的增加,更多的日冕层将逐渐缩小至交叉点区域来进行结点定位。仿真结果表明,本算法在较少的锚节点情况下就可以达到较高的定位精度。本文还设计了一种快速计算相交区域的算法,在很大程度上减少了计算量,便于在传感器节点中应用。最后,我们将多日冕分割定位算法与LSVM、DV-Hop和CAB进行了比较,实验结果表明多日冕分割定位算法的定位精度明显优于LSVM和DV-Hop,在噪声环境下也优于CAB。     

面向物联网的可见光近场通信方法研究

为了满足物联网应用中边缘感知系统信息交互的需求,可以采用传输便捷、功耗较低的近场通信方法。然而,传统的近场通信方法基于电磁波的广播通信,广播通信存在着安全性的先天不足。针对这一安全问题,使用移动设备上的可见光传感器实现了一种面向物联网的可见光近场双工通信系统。在该系统中,上行链路和下行链路采用不同的传感器模块进行数据传输。上行链路由环境光传感器感知光强变化完成数据接收,并且针对可见光源信号不稳定的特点,提出了一种基于可见光通信的状态转化调制STM(State Transaction Modulation)策略。在下行链路中,采用图像传感器扫描移动设备屏幕实现数据传输,并提出了一种能耗自适应的信号传输方法降低下行链路的能量开销。实验结果表明,在上行链路中,STM调制的传输速率高于PWM和PIM调制且能耗大幅降低,在传输序列有重复的情况下吞吐率亦优于DH-PIM调制。     

网络能耗最小化的射频能量源布置与发射功率设置

射频能量捕获是应对无线网络节点能量受限的有效方法之一.射频能量源（energy source,简称ES）的布置位置和发送功率决定了各个节点的能量捕获功率.现有的研究工作大部分考虑的是没有给定侯选位置的场景.然而,在实际应用场景中,网络区域往往存在很多不可布置能量源的区域,使得能量源只能在一些合理的候选位置中布置.目前仅有少量相关工作研究如何在ES的候选布置位置中选择合适布置位置.已知节点位置、节点的能量捕获功率需求值、ES的个数以及ES的候选布置位置.研究并设计了最小化ES总供能的ES布置与发送功率设置方案.首先将该问题建模为混合整数规划问题;然后分别提出了一种具有较低复杂度的启发式算法和一种能够达到更小总供能的基于遗传算法的算法.仿真结果表明,与布置位置随机挑选法相比,这两种算法的网络总功耗降低了约90%,而遗传算法可达到比启发式算法高约35%的节能效果.因此,基于遗传算法的布置算法可用于中小规模的ES布置场景,而启发式算法可用于大规模的ES布置场景.     

面向专业学位水平评估体系的计算机技术专业 培养改革方法研究

以首次专业学位水平评估体系为出发点,探讨计算机技术专业学位相关评估体系的特点,指出当前计算机技术专业研究生在培养过程中普遍存在的问题,并提出改革的目标和手段。     

内存体系划分技术的研究与发展

在多核计算机时代,多道程序在整个共享内存体系上的“访存干扰”是制约系统总体性能和服务质量的重要因素.即使当前内存资源已相对丰富,但如何优化内存体系的性能、降低访存干扰并高效地管理内存资源,仍是计算机体系结构领域的研究热点.为深入研究该问题,详述将“页着色(pagecoloring)”内存划分技术应用于整个内存体系(包括Cache、内存通道以及内存DRAM Bank),进而消除了并行多道程序在共享内存体系上的访存干扰的一系列先进方法.从DRAM Bank、Channel与Cache以及非易失性内存(non-volatile memory, NVM)等内存体系中介质为切入点,层次分明地展开论述:首先,详述将页着色应用于多道程序在DRAM Bank与通道的划分,消除多道程序间的访存冲突;随后是将页着色应用于在内存体系中Cache和DRAM的“垂直”协同划分,可同时消除多级内存介质上的访存干扰;最后是将页着色应用于包含NVM的混合内存体系,以提高程序运行效率和系统整体效能.实验结果表明,所提内存划分方法提高了系统整体性能(平均5%-15%)、服务质量(QoS),并有效地降低了系统能耗.通过梳理...     

EasiCache:一种基于缓存机制的低开销传感器网络代码更新方法

随着应用环境越来越复杂多变,传感器网络需要具备远程代码更新的能力,对节点进行灵活地配置和升级以适应环境变化.然而过高的代码更新开销一直困扰着远程代码更新在传感器网络中的大规模应用.代码更新开销主要包括存储代码引起的重组开销和节点通信产生的传输开销.在工程实践中,作者发现重组开销甚至有可能超过传输开销成为主要的更新开销.为此作者提出了一种基于代码缓存机制的低开销远程代码更新方法——EasiCache.该方法通过代码缓存机制在低功耗RAM上动态保存并执行需要频繁更新的代码,尽量避免对高功耗闪存flash进行读写操作,从而有效降低了重组开销.此外,该方法通过函数级代码差异对比,降低了传输代码量,同时保存了代码缓存机制所需的程序结构信息,进一步降低了重组开销.实验结果验证了该方法在降低代码更新开销方面的有效性.     

EasiDEF:一种水平化轻量级物联网数据交换协议

物联网系统中数据交换协议私有化的问题日益突出,异构应用系统之间缺少水平、无缝地交换数据和共享信息的方法.而现有互联网中广泛采用的XML(eXtensible Markup Language)等数据交换协议存在数据冗余和解析复杂的问题,并不适用于资源受限的物联网前端设备.因此文中提出了一种新型的水平化轻量级物联网数据交换协议EasiDEF.该协议根据环境监测类物联网的应用数据特点,将数据类型分为单次请求数据和周期连续上报数据两种常见形式.针对单次出现的数据请求采用三级压缩机制,包括:(1)一种XML文件的序列化方法.该方法基于XML标准设计,保证了数据交换的通用性和水平化.同时序列化的操作使得在低功耗设备中应用XML成为可能;(2)一种将XML文件的字符串标签转化为占用空间小的数值标签的字典映射机制,其中字典的设计面向典型的物联网应用;(3)一种基于LZW(Lempel-Ziv-Welch)的改进数据压缩算法EasiLZW,该算法基于物联网应用字典压缩数据,保证协议的轻量性.而针对周期连续上报数据类型,对连续数据传输提出了一种增量式压缩算法.在保证协议低开销的前提下,EasiDEF可有效压缩XML文件,降低数据传输量.实验结果显示EasiDEF比传统方法提升了5～10倍的压缩效果,能够在物联网的资源受限环境中支持水平化的数据交换.     

面向非稳态场景的生命体征监测优化方法

使用基于调频连续波的毫米波雷达监测生命体征信息,具有无接触、隐私保护性好、高分辨率以及抗干扰性好等优势,逐渐成为研究热点.然而,目前研究者主要关注如何提高被测对象处于稳态（如静止）时的体征监测效果,但受制于肢体运动对雷达信号的干扰,使得该技术在非稳态场景中的应用受到限制.提出一种基于人体运动状态识别的非稳态场景体征监测方法,以best-effort方式实现了存在大幅度肢体动作的场景中对体征信息的监测,并且能够识别对应的动作类型.首先,根据运动特征计算出带有距离-主导速度信息的特征频谱图.其次,使用一种滑动窗口采样方法以采集连续样本.随后训练ResNet-18网络来识别运动状态以及分类运动类型.最后,基于运动状态分类结果,在运动间歇期提取信号的相位信息,采用变分模态分解算法进行呼吸速率和心率的提取.实验结果表明,训练后的网络可以精确地识别运动状态和运动类型,识别准确率接近97%,识别延迟小于1.1 s.对呼吸和心率的监测结果的平均绝对误差（MAD）下降到1.7 bpm和3.4 bpm.     

贪心选择在地铁站内行人疏散中的应用

大型室内场所空间布局较为复杂(如地铁站), 人群的高密度聚集往往存在一些潜在的风险. 本文在分析国内外人群快速疏散研究现状的基础上, 提出了一种基于贪心选择的行人疏散方法. 该方法以地铁站内复杂场景作为研究背景: 首先, 针对地铁站内的行人的行动轨迹难以获取问题, 本文利用地铁站内行人真实出站数据, 基于元胞自动机, 构建了行人疏散轨迹半仿真模型, 并利用实际流量数据优化该半仿真模型; 其次, 基于该轨迹模型, 为了满足高动态场景中的实时性, 采用复杂度较低的贪心选择策略分配最优疏散出口; 最后, 以杭州武林广场地铁站为例, 使用真实出站数据设计对比实验, 验证行人轨迹模型的有效性以及出口分配方法的性能. 结果表明, 本文所提出的行人轨迹模型能够较好的模拟行人的轨迹, 仿真中各出口疏散人数同真实出站数据拟合程度的可决系数R2达到了0.67. 相较于最短路径和最短时间出口分配方法, 本文所提出的方法在整体疏散效率上分别提高了27.2%和16.5%.