JVM实时内存管理模型的设计与实现

本文根据Java实时规(RTSJ)的要求,设计并实现了一个Java虚拟机实时内存管理模型.该模型包含了RTSJ内存管理机制实现的各个基本要点,如内存区域(Memory Area)的分配机制,领域堆栈(Scope Stack)的维护,使用Display树的内存引用检查等.实验结果表明该模型满足RTSJ内存管理实时性的要求.     

在数控系统中应用嵌入式Web服务器

提出了一种可应用于数控系统远程支持的嵌入式Web服务器,并说明了这种嵌入式Web服务器具体实现方法和主要功能特点.     

一种实时Java处理器''''区域''''内存实现模型

Java实时规范（RTSJ）提出的‘区域’内存（Scoped Memory）既避免了垃圾回收对系统实时性的影响，又能充分利用内存空间，引起了众多研究人员的重视．本文讨论了‘区域’内存的实现及影响最坏情况下执行时间（WCET）的因素，并提出一种针对嵌入式实时Java处理器的‘区域’内存实现模型．该模型中非实时处理在字节码被执行之前完成，消除了运行时管理‘区域’内存对WCET的影响，在简化处理器实现的同时保证了运行时WCET的可预测性．     

一种用于硬Java实时平台的非堆内存模型

针对Java实时规范中的非堆内存抽象,讨论实现中的不确定因素以及运行时不可预测的时间特性,提出并实现了一种用于硬Java实时平台的非堆内存模型.模型基于硬Java实时平台预处理机制的支持,采用一种基于静态约束的安全访问检查算法,将运行时单亲规则及赋值规则检查等影响系统实时性的操作在运行前完成,保证了运行时的可预测.同时,针对当前关于静态分析方法研究中多不支持作用域多线程共享的现状,模型在不改变实时Java句法及编程模式的前提下,保留了对作用域多线程共享的支持.     

基于CSD编码的FIR数字滤波器优化设计

研究数字滤波器的动机就在于它正成为一种主要的DSP操作,乘法运算是数字滤波器中的核心操作,其性能的好坏直接影响整个滤波器的特性.采用CSD编码技术来实现对数字滤波器的优化.实验结果表明,该方法的应用能提高乘累加器的运行性能,达到减少资源、优化面积的目的.数据还表明在最优状态下,CSD编码占用的资源仅仅是2C编码的26.7%,DA算法的40.7%.     

动态系统描述语言的特性、设计和实现

介绍一种新型的动态系统描述语言,PDSDL.它比SystemC更加高效和灵活.(1)PDSDL使用了Python面向对象动态语言,(2)PDSDL创新性地提出了动态系统的概念.系统的建模、验证和综合全都依赖于运行时动态系统特性,而非传统的存储在非易失记忆体(例如文件)的静态描述.因此设计者能使用程序和高级人工智能方式来进行更高效的结构探索.本文的重点在于探讨动态系统描述语言的特性和实现机理.文末给出简要试验结果.     

基于GPU的zk-SNARK中多标量乘法的并行计算方法

针对zk-SNARK（zero-knowledge succinct non-interactive argument of knowledge）中计算最为耗时的多标量乘法（multi-scalar multiplication,MSM）,提出了一种基于GPU的MSM并行计算方案。首先,对MSM进行细粒度任务分解,提升算法本身的计算并行性,以充分利用GPU的大规模并行计算能力。采用共享内存对同一窗口下的子MSM并行规约减少了数据传输开销。其次,提出了一种基于底层计算模块线程级任务负载搜索最佳标量窗口的窗口划分方法,以最小化MSM子任务的计算开销。最后,对标量形式转换所用数据存储结构进行优化,并通过数据重叠传输和通信时间隐藏,解决了大规模标量形式转换过程的时延问题。该MSM并行计算方法基于CUDA在NVIDIA GPU上进行了实现,并构建了完整的零知识证明异构计算系统。实验结果表明：所提出的方法相比目前业界最优的cuZK的MSM计算模块获得了1.38倍的加速比。基于所改进MSM的整体系统比业界流行的Bellman提升了186倍,同时比业界最优的异构版本Bellperson提升了1.96倍,验证了方法的有效性。     

基于GPU的轮廓提取算法的并行计算方法研究

为解决高质量的轮廓提取算法计算复杂、实时性差的问题,基于GPU并行计算架构提出了一种针对高质量的轮廓提取算法——Pb(probability boundary,概率轮廓)提取算法的高效并行计算方法。重点讨论了如何利用多计算单元加速计算最耗时的梯度计算部分。详细介绍了多方向直方图并行统计机制及χ2并行计算中访存冲突避免机制。对比实验表明,在GPU上基于该并行方法的轮廓提取相比传统CPU方式具有明显加速效果,且随着图像分辨率变大,加速效果更加明显,例如图像大小为1024×1024时可获得160倍的加速;此外,基于伯克利标准测试集验证了该并行方法可保持原有算法的计算准确度。为大规模图像数据智能分析中的轮廓提取提供了快速、实时的计算方法。     

实时Java平台的类预处理器研究

设计并实现一种针对32 bit嵌入式实时Java平台的类预处理器,通过把标准class文件转换成适合Java处理器——Jpor32直接执行的内存映像,将在运行时动态装载和解析class的工作交由类预处理器提前完成,从而消除影响运行时实时性的一些操作,并降低Java处理器的设计复杂性。     

移动机器人模糊Q-学习沿墙导航

针对在基于行为的移动机器人沿墙导航控制器的设计中缺乏足够的先验知识的问题,采用Q-学习方法让机器人通过学习来自动构建导航控制器.将模糊神经网络和Q-学习相结合,用模糊神经网络直接逼近连续状态和动作空间中的Q值函数.利用对Q值函数的优化获得控制输出.模糊神经网络中的节点根据状态动作对的各个分量和时间差分的新颖性进行自适应地添加和构造,这样不仅能克服节点选择的困难还能使网络保持适度的规模.网络中的参数采用扩展卡尔曼滤波方法进行自适应调整.基于Khepera 2机器人的沿墙导航实验验证了该方法的有效性和优越性.