基于时间序列的蜂窝网络能量优化方法

针对移动终端在蜂窝网络中的能耗过高问题,提出了一种基于时间序列的能量优化算法--平衡优化算法（BOA）.该算法对移动终端在蜂窝网络中传输的数据块建立自回归滑动平均模型,通过预测下一个数据块的到达时间来动态调整尾巴时间,达到降低能耗的目的.实验结果及分析表明,BOA能达到93.86%的模型匹配率;相比于原标准下的Fixed-tail算法,能达到42.25%的能量优化效果,且用户使用移动终端时间越长,能量优化效果越好.     

基于ARM处理器的嵌入式软件能耗统计模型

提出了一种嵌入式软件能耗的统计模型,包括处理器、存储器和I/O控制器等硬件单元产生的能耗,然后通过分析ARM指令周期数的规律,设计了指令周期数的相应计算方法,该方法能够快速地计算软件运行时处理器产生的能耗。在高精度指令级嵌入式软件能耗模拟器HMSim中进行了模型实现。实验结果表明,该模型的能耗计算结果与实际仪器测量结果的误差在10%以内,可较准确地反映软件实现方式对系统能耗的影响程度。     

基于机器学习的MEC随机任务迁移算法

针对移动边缘计算（MEC）,提出了一种基于机器学习的随机任务迁移算法,通过将任务划分为可迁移组件和不可迁移组件,结合改进的Q学习和深度学习算法生成随机任务最优迁移策略,以最小化移动设备能耗与时延的加权和.仿真结果表明,该算法的时延与能耗加权和与移动设备本地执行算法相比节约了38.1%.     

智慧医疗场景下考虑终端移动性的任务卸载策略

针对工作流任务、边缘服务器无线信号覆盖范围、智慧医疗场景以及终端移动路径,分别构建模型进行描述,根据移动终端的实时位置和移动速率构建基于移动路径的工作流任务执行时间及能耗模型. 根据边缘服务器的无线通信模型,引入任务执行延迟和任务迁移2种情况以保障服务的连续性和执行时间限制. 从全局角度综合考虑任务在云端、边缘服务器和本地的执行效益,设计工作流任务优先级划分算法和边缘服务器卸载优化算法,并使用遗传算法设计基于最佳移动路径的工作流任务卸载决策及调度算法,在可选路径中搜索满足用户响应时间约束,且移动端能耗最低的最佳路径和相应的任务卸载、调度方案. 仿真结果说明：该算法能够合理地分配计算资源,在用户响应时间约束下充分降低移动终端能耗,相较未考虑终端移动性的卸载算法,移动端能耗降低了19.8%.     

移动边缘计算时延与能耗联合优化方法

针对移动边缘计算中时延与能耗是关键性能指标,且相互制约的问题,研究了通过在边缘与终端之间进行任务分配,对时延与能耗进行联合优化。首先,建立了能耗与时延联合优化的0-1整数规划模型;其次,设计了对任务进行分配的分支定界算法。仿真结果表明,该方法能够有效降低移动边缘计算能耗与时延。     

无线异构网络中终端的能耗分析模型

为了对无线异构网络中多模终端的能耗分析问题进行研究,通过考察终端的工作机理,利用半马尔科夫链描述终端的通信状态,从而得到终端的能耗分析方程. 相比已有的工作,提出的模型更全面地考虑了终端的工作状态,还考虑了终端发现wireless local area network(WLAN)的概率和业务类别等因素的影响. 分析结果表明,终端能耗随呼叫到达强度和呼叫持续时间增大而增大;终端能耗与话音业务的比例和发现WLAN的概率均成近似线性关系;使WLAN模块进入低能耗的等待状态并不会节省终端能耗.     

联合优化时延与能效的移动终端计算迁移方法

为了在实际应用中实施合理的计算迁移,必须找到能够综合考虑减小执行时间和节约能耗的迁移决策方法．面向长期演进应用背景,提出了一种能够联合优化处理时延与能耗的移动计算迁移方法．该方法首先建立了计算迁移模型;在此基础上,分析计算迁移的相关参数,构造计算迁移代价函数;最后,以减小时延与降低能耗为约束条件,合理规划计算迁移,达到联合优化移动终端处理时延与能耗的目标．仿真分析表明,该方法在减小移动终端的处理时延与降低能耗方面性能显著．     

Android应用程序隐私数据泄露检测

针对安卓(Android)系统的隐私数据泄露问题,提出基于半格理论数据流分析的分层架构检测方法.对未获取Root权限的应用程序,根据应用程序申请的权限信息,细粒度地锁定产生污点数据的源函数和泄露隐私数据的锚函数范围.当源函数和锚函数同时存在于应用程序时,进行数据流分析.当源函数和锚函数位于不同组件时,将组件间通讯(ICC)问题转换为IDE分析问题.实验结果表明,该方法能够有效地检测出应用程序组件内或组件间的隐私数据泄露,正确率达到91.5%;与同类具有代表性的检测工具相比,在准确率和召回率接近的情况下,所提出方法的检测时间明显缩短.     

基于组件与Petri网技术的虚拟仪器的研究

为了建立可以与任何通用软件系统无缝集成的虚拟仪器模型,提出了运用组件建立多线程共享缓冲区的通用虚拟仪器架构,同时引进Petri网技术来分析和控制组件内部多线程运行中产生的并发与冲突、活性、安全性等.实验表明,该技术由于不受平台和语言环境的限制,能够增强虚拟仪器组件与应用程序开发的独立性和使用的安全性,能够大大地拓展虚拟仪器的应用范围.     

基于速度和加速度概率分布的电动汽车能耗计算模型

根据随机过程遍历性理论以及电动汽车能耗在速度时间序列上的时间平均与在VA(速度-加速度)相空间的统计平均之间的等价关系,建立了基于VA概率分布的电动汽车能耗计算模型。相比以往的利用速度时间序列计算能耗,基于VA概率分布能耗模型的计算效率得到了很大提高,能够满足电动汽车道路能耗实时计算的要求。通过道路试验能耗与基于VA概率分布能耗模型仿真计算结果的对比,表明模型具有较高的计算精度。     

缓存辅助边缘计算的卸载决策与资源优化

提出一种缓存辅助边缘计算的卸载决策制定与资源优化方案,以进一步降低移动边缘计算（MEC）系统中终端设备的能量消耗.首先,建立该优化问题为最小化用户在任务执行时最坏情况下的能耗值,并将这一混合整数规划问题转化为非凸的二次约束二次规划（QCQP）模型,使用半定松弛及随机概率映射方法获得缓存辅助下的预选卸载集合;其次,分别采用拉格朗日对偶分解法和二分法求得性能约束下的最优传输功率及边缘计算资源分配,从而通过对比该集合中的设备能耗得到理想的卸载决策集合与资源分配方案.实验数值结果表明,所提方案能够有效降低用户能量消耗,提升边缘计算系统的服务性能.     

面向移动边缘计算的动态规划算法研究

移动边缘计算可以将用户任务卸载至边缘服务器,以减少移动设备的能耗与时延。通过研究边缘计算场景,提出了一种自适应动态规划算法,以优化用户的卸载决策。所提算法采用创新的比特流填表方式以节省计算时间,同时在满足时间约束的条件下减小能耗与时延。结果表明,该算法可在满足应用程序执行时间约束的前提下找到近似最优解,同时在不损失计算效率的前提下处理较大的卸载问题。     

应用情景检测的安全任务内电压调度算法

针对移动嵌入式实时系统的低功耗设计,提出一种改进的应用情景检测的安全任务内电压调度算法.该算法利用任务程序少数参数的值域定义情景并在任务处理过程中进行检测,因而在处理在线的情况下,可较为精确地预测后续处理的部分路径,优化地调度处理电压.通过所提出的情景检测点设置算法,在任务程序中找到检测参数情景最合适的点,给出算法的实...     

无线传感器网络节能动态任务分配

为了延长网络生存期,减少网络能量消耗,在分析现有无线传感器网络任务分配机制的基础上,提出一种面向分层结构、多跳传感器网络的节能任务分配方法.该算法根据节点工作状态、剩余能量以及能耗,基于熵理论,建立代价函数,结合粒子群优化算法,实现优化任务分配策略.同时,针对无线传感网络动态变化使当前的任务分配策略可能不再是最优的情况,对任务进行动态调整.仿真实验结果表明该分配机制能有效减少无线传感网络计算时间和网络能耗,提高网络寿命.     

Energy-efficient computation offloading strategy for the terminal in mobile cloud environment

As the popularity of smart mobile terminals increase in recent years, mobile applications are becoming more diverse and complex These applications require large amounts of computing resources and energy. Therefore, there is an urgent need for new technologies capable of improving the computing performance and battery life of mobile terminals. Orienting to LTE, an energy efficient computation offloading strategy for mobile terminals is proposed which can be used in mobile cloud environment. By taking the transmitting power and CPU speed as constraints, the strategy analyzes requirements of an application program, the mobile terminal 's computing power and the status of fading channel; afterwards it optimizes the transmitting power and CPU computing resources sensibly. It can minimize the mobile terminal 's energy consumption by implementing reasonable computation offloading. Simulation results show that the proposed strategy can save a mobile terminal 's energy consumption, and it does not bring obvious additional delay simultaneously.     

DVS系统硬实时周期任务动态调度算法

与实时任务的可调度分析不同,实时DVS调度在保证任务截止时间限制同时,还要关注任务执行的处理器功耗。功耗研究一段时间的累积效果,传统基于最坏执行时间的任务调度模型不能满足实时DVS调度需要。该文采用实际执行时间(AET)概率分布建立实时任务调度模型,利用随机分析的方法分析AET分布对实时DVS调度算法性能的影响,提出了基于平均执行时间的实时DVS动态调度算法。实验结果表明,该算法在任务具有不同AET分布情况下可保持稳定的功耗性能。