嵌入式Linux系统中基于Web的远程监控系统的设计

介绍了在嵌入式Linux操作系统下、基于Web的网络智能设备监控系统的设计方案和软、硬件的实现,研究了嵌入式Linux平台下动态Web技术的实现方法和CGI程序的设计方法,实现了在嵌入式Linux平台下利用Boa作为Web服务器的远程在线监控系统,并给出了测试结果,成功实现了远程监控功能.     

基于B/S架构的嵌入式Linux网络视频监控系统的研究与实现

该课题研究了基于B/S架构的现代主流网络视频监控系统,提出了基于B/S架构的嵌入式Linux网络视频监控系统的设计方案。该网络视频监控系统是基于嵌入式Linux平台下,采用C++语言的QT-Embeded库进行开发,实现了客户端跨平台、免下载软件、无需插件在浏览器进行远程视频监控。     

基于DM643的交通信息采集系统

为实时、准确获取道路交通信息,满足当前智能交通系统的应用需求,设计并实现了一种基于高性价比DSP硬件平台的嵌入式交通信息采集系统。给出了视频输入输出接口／电路和网络通讯接口电路的设计,并基于DSP／BIOS开发了系统驱动程序。实验结果表明,该系统具有很好的稳定性和实时性。     

基于LinuxQt智能衡器的研究和应用

通过对当前衡器产品的调研,并以现代衡器行业发展的需求为依据,提出了一种智能衡器的整体设计方案.以ARMll S3C6410为核心处理器,Linux嵌入式系统为智能衡器提供控制系统,使用Linux Qt完成了控制程序及人机界面.采用WIFI通信技术达到系统远程通信及数据采集的目的,通过STM32芯片设计了USB键盘,并采用热敏打印机来打印交易记录.在传统衡器的基础上,加入了网络和数据库技术,使得衡器更具智能化.测试结果表明,系统稳定可靠、易于操作,达到了设计目标.     

嵌入式远程视频监控系统设计与实现

设计了一种运行在嵌入式Linux平台下的远程监控系统的实现方案．该系统以ARM9微处理器S3C2440作为主处理器,通过USB摄像头采集视频信息,采用JPEG进行视频压缩编码,并基于TCP／IP协议实现视频图像数据传输;通过Javaapplet技术,实现视频图像在网页上的接收和显示．客户端通过浏览器就可以访问Web服务器中的视频监控画面．测试结果表明,系统整体工作稳定,监控画面清晰流畅,网络延迟小．     

嵌入式旋转机械状态监控与故障诊断系统研究

从实现具有自监控、自诊断能力的智能化机械设备的角度,系统介绍了面向Internet的、具有远程监控、诊断、维护和升级能力的嵌入式旋转机械智能状态监控与故障诊断系统的实现技术.该系统采用数字信号处理器(DSP)及嵌入式计算机,实时检测并存储设备运行的转速、振动等信息,由DSP进行故障信号处理和特征分析,并通过自定制的嵌入式Linux操作系统实现了面向Internet的远程软件升级和系统维护,其内嵌的基于移动代理的嵌入式诊断软件可以通过局域网或Internet与远程故障诊断中心自动交互诊断信息,实现协同诊断,有效地提高了设备状态监控与故障诊断系统的智能化水平.     

嵌入式手持设备网络驱动程序的设计与实现

嵌入式系统和Linux的有机结合已经成为普适计算时代最普遍的应用形式．从应用开发的角度阐述了嵌入式LinuX设备驱动程序的工作原理，Linux网络设备驱动程序的特征和运行机制；并总体提出了编写嵌入式Linux网络设备驱动程序的框架，结合普适计算环境下嵌入式手持设备的设计，给出了基于ARM9的S3C2410嵌入式Linux网络设备驱动程序的开发方案及其具体实现．     

基于嵌入式Linux的远程监控系统的研究

视频监控系统已应用于社会生活的各个领域,本文介绍了一种基于嵌入式Linux和S3C2410微处理器的远程视频监控系统的设计方法,并给出了其实现过程．     

基于ARM微处理器的多通道数据采集系统

介绍了一种基于ARM微处理器的数据采集系统,利用基于ARM9的32位高端嵌入式微处理器S3C2410和嵌入式操作系统Linux来改进目前的测控设备,使其具有更强大的运算能力、更方便的网络功能、更先进的远程监控功能.重点介绍了系统的硬件设计、嵌入式操作系统Linux内核的移植过程.     

一种基于ARM9的UPS网络监控方法

提出了一种基于ARM9的不间断电源网络监控方法,重点分析了利用Linux裁剪构造UPS实时操作系统,在其上搭建嵌入式web服务器,运用CGI与Web服务器的交互,最终实现基于B／S模式的网络监控方法．     

基于MAS的智能信号灯系统

智能信号灯系统对提高人们的出行效率和生活质量有着至关重要的意义。将多智能体理论应用于智能信号灯系统,提出了基于MAS（Multi-agent system）的智能信号灯系统的体系结构和关键技术,给出了智能信号灯系统的整体框架。     

基于多智能体的城市交通集成控制系统设计

针对我国城市交通迫切需要解决的关键技术问题,采取传统方法与人工智能相互结合的智能方法与步骤,在引出我国城市交通控制系统结构与功能要求的基础上,阐述一种基于多智能体（multi-agent,MA）协作的城市交通智能控制系统的框架结构。根据该系统框架结构,建立一种面向城市交通实时、有效的控制系统设计思想,完成了基于多智能体的城市路口控制、区域控制的系统智能控制设计,完善我国城市交通控制与管理模式,以确保城市交通智能化控制目标的顺利实现,提高路网通行能力,改善城市环境质量,营造出舒适宜人的交通环境。     

基于多智能体技术的城市交通控制系统的探讨

提出了一种新的基于多智能体技术的城市交通控制系统框架,并在该系统中的智能体模型中引入了学习机制,初步建立了一个具有专家系统的特点、可以不断进化的分布式城市交通智能控制系统.     

设计和开发嵌入式LINUX车载多媒体控制终端系统

针对车载多媒体控制终端系统的架构以及SAA7113视频采集电路进行分析,结合LINUX自身特点,搭建了基于嵌入式LINUX的开发环境;同时充分考虑了车载多媒体控制终端的功能需求,结合嵌入式GUI的结构和实现原理;最后以Qt/Embedded为开发工具,实现了车载多媒体控制终端。     

基于B/C/S的机组远程协作诊断决策支持系统

分析了状态检修过程中远程协作诊断决策技术研究的必要性、意义和效益,提出了以B/C/S为基础的远程诊断决策体系的架构及其实现方案.系统采用现场总线技术组建现地监测诊断子系统,实现了分布式监测诊断和信息集成;采用B/C/S技术屏蔽了软硬件平台、数据库及网络协议上的异构性,采用虚拟现实技术实现了知识的智能表达和交互,并融入多智能代理技术使之进一步具有诊断决策的智能性和自主性.     

基于视觉的缩微智能车车道检测与控制

针对智能车辆自主驾驶行为研究,提出并实现了一种基于视觉导航的缩微智能车系统.从软硬件架构、数据通信方式上介绍了缩微智能车系统的整体设计,并针对缩微道路交通环境中传统车道线检测技术易受光照变化影响的问题,提出一种灰度形态学Top-Hat变换与亮度轮廓扫描方法相结合的车道线检测算法.为分析智能车在缩微交通环境下的自主驾驶表现,设计了一种模拟驾驶员转向行为的舵机模糊控制算法.实验结果表明,该方法可以有效模拟车辆在真实道路交通环境中的自主驾驶行为,为智能交通系统研究提供了一种新思路.     

基于模糊控制理论的嵌入式家居环境智能监控装置设计

针对家居环境因子多且相互作用关系复杂、难以实现环境质量精准决策的问题,设计了基于模糊控制理论的嵌入式家居环境智能监控装置。为了提高系统实时性,装置采用S3C6410作为核心处理器,移植嵌入式Linux操作系统,在此基础上构建基于模糊控制理论的环境综合评价模型,对采集的6种家居多环境因子信息进行综合评价,为家居环境质量实时控制提供科学依据。实验表明,装置安装维护简单、成本低廉、决策准确率达98.2%,具有推广应用价值。     

嵌入式Linux系统在S3C2410上的移植实现

首先对嵌入式Linux操作系统内核和S3C2410处理器进行了简单介绍,在此基础上,对系统引导程序进行了设计,重点介绍了将Linux移植到S3C2410处理器的步骤和方法,并对移植过程的关键部分进行了详细阐述。编译生成的内核在嵌入式系统中运行稳定,结果证明方法可行,对于开发其它嵌入式系统具有参考意义。     

基于Linux LQL流量控制系统的研究与实现

在网络资源有限的情况下,为了高效的管理和分配网络带宽和限制网络中的异常流量,保证重要用户的通信畅通,通常需要实时的网络流量控制。普遍采用的方法是Linux Traffic Control(TC)命令+IPTABLES,但这种方法结构繁琐、效率低下。通过分析Linux网络流量控制原理和LQL库结构的基础上,经过对流量模型策略的重新设计、LQL库的扩充以及U32过滤器的改进,提出了一种基于LQL库的流量控制方法。该方法摒弃了传统方法中所运用的TC命令解析,netlink传输,内核空间执行的3层结构,而直接在Linux内核的框架下,采用LQL库直接对内核进行操控,并改进了相关U32过滤器以对IP段的流量控制,从而实现对系统的智能流量控制。实验表明,这种方法能够大幅度提高Linux内核和用户空间命令解析及传输的时间效率,减少设备延时,增强设备的实时性,同时保证带宽合理利用。     

基于eBPF与LSTM的DDoS攻击检测系统

针对网络异常流量检测中的DDoS攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用Linux内核观测技术eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量特征分析的网络异常流量检测系统。系统采用eBPF直接从Linux内核网络栈最底层高效地采集网络流量特征数据,然后使用基于长短记忆网络LSTM(Long Short Term Memory)构建的深度学习系统检测网络异常流量。在具体实现中,系统首先通过Linux内核网络栈最底层XDP(eXpress Data Path)中的eBPF程序挂载点采集网络流量特征数据。之后,使用LSTM构建神经网络模型和预测分类。将系统应用于一个仿真实验网络环境得出的实验结果表明,系统的识别精确度达到97.9%,同时,在使用该系统的情况下,网络中的TCP与UDP通信的吞吐率仅平均下降8.53%。结果表明：系统对网络通信影响较低,同时也实现了较好的检测效果,具有可用性,为网络异常流量检测提供了一种新的解决方法。