基于集群的轻量可扩展TCP容错方法

针对现有TCP容错方案在高可用性方面的不足,提出了一个新的容错方案——轻量拷贝的传输控制协议ER-TCP.该方案采用日志管理配合主动复制的方法,可降低通信转发结点的负载;采用高效的同步算法可以减轻多个备份服务器的同步对通信造成的性能损失．与其他TCP容错方案进行性能测试的结果比较表明,ER-TCP对通信造成的性能损失小,在多个备份服务器的情况下ER-TCP仍可保持较高的通信效率．     

嵌入式系统中USB Host功能的开发

采用自下向上的设计流程,在没有嵌入式操作系统支持的条件下,自主设计和实现了嵌入式USB Host功能．以ISP1362驱动USB海量存储类设备为例,描述了嵌入式USB Host系统的框架结构和底层驱动的设计方法．实验结果表明,遵从海量存储类子协议的USB设备,都能够被系统驱动,而且数据传输速度优于PC机驱动方式．     

普适计算的访问控制研究

普适计算环境是由移动用户、系统的服务、嵌入在物理环境的传感器和资源组成的联合环境．用户在该环境中能够在任何时间任何地点访问资源．但是保证这样应用的安全是很困难的,因为相互合作的实体具有事先不可预知性,传统的在静止的、封闭的环境中基于身份的访问控制方法是行不通的．提出了普适计算的动态访问控制模型．模型的操作过程表明它适合普适计算应用．     

不完备广义多尺度决策系统的逐步最优尺度选择

现有的最优尺度选择算法有可能无法得到全局最优尺度组合,且具有较高的时间和空间复杂度。针对该问题,提出了不完备广义多尺度决策系统的逐步最优尺度选择算法。介绍了不完备广义多尺度决策系统,给出了上下近似集的性质;采取属性约简与尺度选择同步优化策略,以得到全局最优尺度组合;给出了一个快速的求相容类方法,并提出了不完备广义多尺度决策系统的逐步最优尺度组合选择算法,该算法显著降低了时间复杂度与空间复杂度。数值实验表明所提出的算法是有效的。     

基于量子的免疫进化算法及收敛性

分析和探讨了量子计算的特点及免疫进化机制,并结合免疫系统的动力学模型和免疫细胞在自我进化中的亲和度成熟机理,提出了一种基于量子计算的免疫进化算法。该算法使用量子比特表达染色体,通过免疫克隆、记忆细胞产生和抗体相似性抑制等进化机制可最终找出最优解,它比传统的量子进化算法具有更好的种群多样性、更快的收敛速度和全局寻优能力。在此不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

XML在嵌入式环境下的应用

由于嵌入式系统平台种类繁多,在不同平台间进行互操作需要自定义规范,新规范的引入可能导致系统复杂性增加并降低扩展能力。该文针对上述问题,通过引入可扩展标记语言XML来统一对嵌入式设备的访问,降低了异构平台间互操作的复杂性,提高了扩展性;使用expat对嵌入式XML解析器进行了实现。     

基于烟花算法的基站群协作计算卸载模型研究

车联网、AR、AI等计算密集、时延敏感型应用迅速发展,而移动设备因自身计算能力相对不足,执行此类应用任务时会因高时延而严重影响用户体验甚至无法满足用户需求。针对此问题,提出综合考虑时延与成本的多用户、多MEC (mobile edge computing)服务器的基站群协作计算卸载模型。并提出基于凸优化的改进烟花算法（improved fireworks algorithm based on convex optimization, CVX-FWA）来对模型进行求解,对用户任务进行合理的卸载与资源分配。仿真结果表明,提出的计算卸载方案有效降低了任务总时延成本值,实现计算卸载资源的整体优化配置。     

税控收款机Flash文件系统的设计与实现

针对税控收款机设计了一种Flash文件系统,通过Flash空间分配实现方式优化、断电保护和空间回收等关键技术,并结合嵌入式数据库设计思想,向用户提供方便可靠的数据导入导出及日常检索功能,从而为税控收款机的推广提供了系统软件支持。     

UCLINUX下自主移动机器人运动系统设计

设计了在嵌入式操作系统UCLINUX下的自主移动机器人运动系统。该系统主控制器采用了ARM7微处理器,操作系统使用UCLINUX,利用脉冲宽度调制(PWM)技术对直流电机转速进行控制。详细介绍了UCLINUX下电机控制器的设备驱动程序设计和移动机器人基本动作的应用程序设计。该系统已经应用于一个移动机器人原型中,能够成功地实现各种动作。     

MEC架构下基于DDPG的车联网任务卸载和资源分配

为了缓解车联网中个体车辆计算资源配置过低而导致的任务处理时延较大的问题,提出了一种移动边缘计算(mobile edge computing, MEC)架构下的动态任务卸载策略和资源分配方案。以最小化全网任务处理时延为目标,将车联网中的任务卸载和资源分配问题建模为马尔可夫决策过程(Markov decision process, MDP),并利用深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法进行了问题求解。仿真结果表明,与执行者-评价者(actor-critic, AC)和深度Q网络(deep Q-network, DQN)这2种算法相比,DDPG算法以最快的算法收敛特性获得最小的全网任务处理时延。