智能嵌入式系统结构与软件关键技术专题序言

作为数字与物理、信息与应用交叉融合的重要基石,嵌入式系统技术在近十年以来已被广泛应用在社会生产、生活、国防等诸多领域,并快速推动了这些领域的数字化、网络化和智能化发展.在人工智能、云计算、物联网、大数据等新兴技术不断发展和交叉应用的万物智联大计算背景下,信息物理深度融合、多维智能能力支撑、应用形态日益多元等新特征对嵌入...     

异构系统双关键级分布式功能的动态调度

异构分布式嵌入式系统是由多种不同关键级功能组成的混合关键级系统,且每个功能又是由多个具有优先级约束的任务组成的分布式功能.异构分布式嵌入式系统的混合关键级调度在性能与时间约束上面临严重的冲突.如何提高系统总体性能,并仍然确保高关键级功能的实时性,在性能与实时性上取得合理的权衡则成为研究的主要优化问题.提出公平策略的动态双关键级任务调度算法F_DDHEFT(fairness on dynamic dual-criticality heterogeneous earliest finish time)以提高系统的整体性能;提出关键级策略的动态双关键级任务调度算法C_DDHEFT(criticality on dynamic dual-criticality heterogeneous earliest finish time) 以满足高关键级功能的实时性;提出时限时距策略的动态双关键级任务调度算法D_DDHEFT(deadline-span on dynamic dual-criticality heterogeneous earliest finish time),在满足高关键级功能实时性的基础上,提高系统的整体性能,最终在性能与时间约束上取得合理的权衡.实例分析和实验结果验证了D_DDHEFT算法的优越性.     

结合带权与或树和AOE-网的任务规划研究

多智能体任务规划中的任务分解、任务协调是相互关联和紧密结合的过程。与或树是人工智能中用于表示问题规约以及求解过程的一种方法,它能把复杂的多阶问题分解成多个易于求解的子问题。针对任务的复杂性和时序约束问题,提出一种结合带权与或树和AOE-网的任务规划方法。根据任务的时序约束,对复杂任务进行逐层分解或变换,建立带权与或树结构;将带权与或树转换为AOE-网,进行基于最早发生时间的任务计划一致协调。仿真结果验证了任务规划方法在多智能体系统中的可行性和有效性。     

异构网络化汽车电子系统中多DAG离线任务调度

公平性和通信开销已成为影响调度性能的主要瓶颈,首先在任务优先级排序阶段,提出基于通信开销权值的轮转调度的公平排序标准;在处理器选择阶段,提出在插入法的基础上将任务分配到具有最小选择值的选择标准;综合上述2个阶段,提出以降低调度长度和减少通信开销为目标的多DAG离线公平任务调度(MDOFTS, multiple DAGs off-line and fairness task scheduling)算法。异构网络化汽车电子系统是一个典型的混合关键级嵌入式系统,既要确保实时性又要降低调度长度,提出了以满足安全关键DAG的多DAG离线优先级任务调度(MDOPTS, multiple DAGs off-line and Priority task scheduling)算法。综合MDOFTS和MDOPTS,提出多DAG离线自适应任务调度(MDOATS, multiple DAGs off-line and adaptive task scheduling)算法,在满足实时性的基础上提高调度性能。实例分析和实验结果表明,提出的算法在调度长度、通信开销、不公平性、最差响应时间和实时性上都优于其他算法。     

车辆边缘计算环境下任务卸载研究综述

计算密集和延迟敏感型车辆应用的出现对车辆设备有限的计算能力提出了严峻的挑战,将任务卸载到传统的云平台会有较大的传输延迟,而移动边缘计算专注于将计算资源转移到网络的边缘,为移动设备提供高性能、低延迟的服务,因此可作为处理计算密集和延迟敏感的任务的一种有效方法.同时,鉴于城市地区拥有大量智能网联车辆,将闲置的车辆计算资源充分利用起来可以提供巨大的资源和价值,因此在车联网场景下,结合移动边缘计算产生了新的计算模式——车辆边缘计算.近年来,智能网联车辆数量的增长和新兴车辆应用的出现促进了对车辆边缘计算环境下任务卸载的研究,本文对现有车辆边缘计算环境下任务卸载研究进展进行综述,首先,从计算模型、任务模型和通信模型三个方面对系统模型进行梳理、比较和分析.然后介绍了最小化卸载延迟、最小化能量消耗和应用结果质量三种常见的优化目标,并按照集中式和分布式两种不同的决策方式对现有的研究进行了详细的归类和比较.此外,本文还介绍了几种常用的实验工具,包括SUMO、Veins和VeinsLTE.最后,本文围绕卸载决策算法复杂度、安全与隐私保护和车辆移动性等方面对车辆边缘计算任务卸载目前面临的挑战进行了总结,并展望了车辆边缘计算环境下任务卸载未来的发展方向与前景.     

面向目标检测与姿态估计的联合文法模型

针对部件模型在描述目标上的局限性,提出了一种判别化的视觉文法模型.该模型利用文法的可描述性和可扩展性能够对通用目标类别进行描述并且处理一般化的识别任务.根据目标检测和姿态估计的特点将文法模型实例化为两个单任务文法,同时对比了文法的异同.通过分析检测与姿态估计在应用背景和研究方法上的互补性,进一步提出了一种联合识别文法.联合文法由一组判别符号合并两个单任务文法,其特点是实现了并行化的目标检测与姿态估计,而且能同时提升检测和估计性能.鉴于参数训练所面临的弱监督环境,引入带隐变量的结构化学习框架优化文法参数.实验分别在单任务和多任务场景下对比了部件模型与提出的联合文法.实验结果说明联合文法在性能上优于当前主流的检测模型和姿态估计模型.     

信息—物理融合系统中建模方法综述

信息—物理融合系统（CPS）不仅包含离散的计算过程、网络通信,还涉及处理连续的物理事件。从CPS所涉及的离散系统和连续系统2个方面出发,分别介绍了当前存在的一些建模理论及基于该理论的开发工具,并概括总结了它们在CPS领域的应用。对CPS亟需解决的问题做了简单介绍,并在此基础上提出了解决CPS建模问题可能存在的4种可行的方法,为CPS建模研究者提供参考。     

时间约束的异构分布式系统工作流能耗优化算法

针对现有异构分布式可变电压/频率(dynamic voltage/frequency scaling, DVFS)计算系统下具有时间约束的工作流能耗优化算法易陷入局部最优的问题,提出了一种新的全局能耗优化算法：反向蛙跳全局能耗感知算法,该算法利用工作流下界完成时间和约束时间之间存在的盈余,逐步从约束时间开始,以不同的跃度值向下界完成时间反向蛙跳,在此过程中基于局部最优解的判断不断调整跃度值直至蛙跳终点,同时保留该过程中工作流满足时间约束且任务运行能耗最小的调度序列.在此基础上利用处理器松弛时间回收技术,在保持任务间依赖关系和满足工作流时间约束的前提下,调整处理器运行电压/频率至更低的合适级别上,从而进一步降低工作流运行能耗.实验表明：该算法能显著降低工作流整体能耗,节能优势明显.     

通信竞争的混合关键级系统多DAG动态调度策略

以多DAG模型研究通信竞争的混合关键级系统(mixed-criticality systems)的调度问题是适应现代汽车电子系统异构化和分布式的需要.首先实现通信竞争环境下“向上排序值(upward rank value)”和“最早完成时间(earliest finish time)”中时间的精确分析,以适应系统中计算与网络均异构,且任务与消息的同步特征.接着提出公平策略的多DAG动态任务与消息调度F_MDDTMS算法,以降低系统的调度长度;提出关键级策略的多DAG动态任务与消息调度C_MDDTMS算法,以确保高关键级应用的实时性;结合F_MDDTMS算法和C_MDDTMS算法,提出混合关键级策略的多DAG动态任务与消息调度MC_MDDTMS算法,既确保混合关键级系统中高关键级应用的实时性,又使得低关键级应用得到积极的处理.实例分析和实验结果验证了提出的算法在调度长度、不公平性、最差响应时间和实时性上的优越性.