面向手机的云端VR三维场景立体显示与交互框架

针对手机无法渲染可交互的高质量三维场景这一弊端,提出一种面向手机的云端VR应用框架。此框架结合云渲染和VR技术在手机端实现可交互高质量三维场景的立体显示,并以手机浏览器作为客户端,利用视频块流传输图像数据、消抖算法(AJA)处理交互数据,实现Web端轻量级渲染,不仅降低了移动端数据可视化运算成本,还避免使用插件和下载安装包。实验表明本文框架的显示帧率能达到30帧每秒,带宽控制在80 kb/s以内,能稳定地在手机上实现传统App无法实现的逼真VR体验。     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求,提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method,ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型;然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm,NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化,从而为车载计算任务找到有效的计算迁移策略;最后根据多目标决策准则（multi-criteria decisionmaking,MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution,TOPSIS）选择出最优的计算迁移策略.实验结果表明,ICOM方法能够使车载计算任务在期望时间内完成,同时也保证边缘设备的负载均衡.     

基于移动设备云迁移的节能决策算法

随着云计算的兴起,云迁移计算开始成为移动设备获取计算资源和降低功耗的有效方式.云迁移的主要想法是将移动终端的复杂任务经由无线网络迁移到云端执行,然后再接收计算结果.然而,无线网络的不稳定性和数据传输的高功耗限制了云迁移计算在移动设备中的应用.不同于已有工作,本文通过引入数据压缩的方法完善了云迁移计算决策模型,并且基于对未来时段网络期望的预测,提出了一种节能迁移计算决策算法——EPVAD.基于实际的3G网络带宽数据和开发测试平台,实验结果显示:EPVAD算法的节能效果较同类算法平均优14.9%,并且算法自身的系统开销可忽略.     

浮式生产储油轮诱导软刚臂系泊系统的动力响应

建立软刚臂系泊系统的理论模型和动力方程,模拟实际几何与物理特性及作用机制.开发误差判断结合变步长迭代搜索的数值逼近求解方法和软件,计算分析软刚臂系泊系统在浮式生产储油轮(FPSO)空间6自由度运动诱导下的动力响应特性,并进行模型试验验证.结果表明,该模型的数值计算与试验结果符合很好,而且迭代计算次数少、收敛快、误差小,可用于海上软刚臂系泊FP-SO系统动力性能的实时监测或理论预报.建议进一步研制实时监测装置,实现安全监控与防护.     

星地融合网络中的流量卸载研究

卫星网络与地面网络融合,可以拓展网络覆盖范围、提高网络灵活性以及提升网络资源利用率.针对地面网络流量激增带来的网络拥塞、传输时延长、数据吞吐量低等问题,从网络架构、流量卸载方案、流量卸载决策等3个方面对星地融合网络中的流量卸载进行了研究.从网络架构来看,未来通信网络正逐渐走向卫星网络和地面网络融合的一体化网络;从流量卸载方案来看,星地融合网络中流量卸载的关键技术主要包括软件定义网络、网络功能虚拟化、移动边缘计算以及星间链路协作;从流量卸载决策策略来看,分别基于时延、能耗和吞吐量分析归纳总结了几种主流流量卸载决策策略;指出了星地融合网络中流量卸载研究存在的主要挑战及下一步的潜在研究方向.     

基于移动云迁移的XMPP协议节能方法

XMPP是移动应用中普遍使用的即时消息推送协议,但未考虑节能问题。针对节能问题,提出一种基于云迁移的XMPP协议节能改进方法（ E2-CXHA）,利用云迁移方法将持久连接的通信迁移至云端,由云端统一调度实现心跳聚合过程。该方法摒弃原XMPP协议中默认心跳周期,通过选择最长心跳周期,有效地减少移动端持久连接数量与通信量,减少数据包的发送频率,达到最佳节能效果。仿真结果表明,E2-CXHA方法在保证服务质量不变的情况下,可以有效降低应用程序能耗。     

基于实测的软刚臂横摆疲劳分析

针对浮式生产储存卸货装置中软刚臂系泊系统所产生的横摆问题,运用相位分析方法分析软刚臂横摆与船体横摇的共振现象,研究了软刚臂横摆的疲劳分析方法;以软刚臂上铰点为例,运用雨流计数方法统计上铰点1a的循环次数,并推算出其15a的循环次数,利用有限元方法计算15a的循环次数下的疲劳损伤.结果表明,上铰点的整体损伤达到了0.57.在软刚臂的设计年限内,上铰点存在疲劳失效的隐患风险,亟需寻找切实可行的方法以降低共振所带来的影响.     

VANET云环境下基于人工神经网络的车辆任务卸载策略

在VANET(vehicular ad-hoc network)云环境中,由于车辆自身资源受限等原因需要将部分计算密集型任务卸载至周围车辆协同处理。而车辆移动的随机性是影响车辆任务卸载性能好坏的重要因素之一,对此,提出了一种车辆间的卸载任务分配策略。考虑到车辆之间连接时间的随机性,提出一种基于人工神经网络的连接时间预测方法,该方法能够通过对历史数据的学习,较为准确地对未来车辆行驶轨迹进行预测。此外,车辆将空闲资源进行共享意味着自身能耗增加,由于车辆本身的自私性使得车辆不会无偿为周围车辆提供服务。为了激励车辆之间进行协作,制定了一种分布式买卖博弈方法达到车辆资源需求与收益之间的平衡,还设计了一种集中式任务分配策略以获得任务卸载的最大效用。仿真显示,提出的方法在最大化卸载效用与提高任务卸载成功率方面都有较好的性能。     

边缘计算下面向位置隐私保护的中继分流模型

随着基于位置服务（location-based services,LBS）的广泛使用,人们越来越关注位置隐私的保护问题.基于假人的位置隐私保护方法通过在真实位置信息中混入多个虚假位置信息,能够有效保护用户位置隐私.然而,传统基于假人的位置隐私保护方案大多部署在云端的远程服务器中,其面临着用户获取结果时延过高的性能瓶颈.针对上述问题,本文将基于假人的位置隐私保护方法迁移到边缘计算环境下进行部署,并针对边缘服务器的服务能力与覆盖范围具有上限的特点,提出了面向位置隐私保护的中继分流模型,实现了其中的分流方法,并在真实数据集中运行了本文所提出的方法.实验结果表明该方法在保证用户位置隐私保护效果的同时,可以降低用户获取结果的时延.     

基于公交车缓存机制的移动数据分流研究

为了应对爆炸式增长的车辆流量数据和用户日益增长的应用程序需求给蜂窝网络运营商(如3G/LTE)造成的巨大的流量负载和网络拥塞等问题，当前已有很多工作提出将数据通过高容量的用户设备间通信进行分流。通过蜂窝网络分发数据对象到一部分订阅用户(称为种子用户)，由种子用户通过本地机会通信的方式传送给其他订阅用户。为了最大化分流的效率，大多数的工作根据分流的对象和意义，提出了多种分流的方案，但是这些工作大都关注于种子用户的选择问题上。为了研究数据的缓存分配对分流的影响，着眼于城区VANET环境下的数据分流，根据城区多种数据异构的特性，提出利用公交车作为种子用户，通过制定数据缓存分配方案来间接完成数据分流的方案。缓存方案越好，用户命中自己想要的数据的概率就越大，分流的数据量就越多。据此，相应制定出几种贪心的缓存方案，一种启发式方案。通过大量的实验验证了启发式分配方案在分流数据量较多的情况下的优势，同时指出影响数据分流效率的几个重要参数。