基于通讯录的构件通信和动态迁移算法

可用资源动态性是因特网环境的重要特征之一.通过迁移应用构件可以调节这种动态性,但必须解决构件透明寻址和构件迁移前后的一致性问题.现有工作在构件迁移一致性方面存在不足.提出一种基于通讯录的构件迁移模型以及通信算法,它借助Home站点和组播通信机制解决了上述问题并且具有较好的系统可扩展性.     

基于综合导向的车式移动机器人轨迹跟踪控制

分析了具有不确定性和非完整约束的车式移动机器人系统的轨迹跟踪问题.基于运动学模型分析,提出一种自适应的轨迹跟踪控制方法.通过引入状态微分反馈实现系统的镇定.同时引入人工场,使其和位姿误差一起作用于控制系统,从而改善了对车式移动机器人的导航控制.运用Lyapunov稳定性理论证明了控制器的稳定性.直线和圆周两种轨迹跟踪的仿真实验表明,该控制方法能够使四轮车式移动机器人在导航中具有理想的跟踪轨迹.     

CDMA系统功率控制收敛速度的改善

在码分多址(CDMA)系统中引入博弈论进行更优化的功率控制已成为近年来蜂窝移动通信研究的热点,但传统静态博弈论下的功率控制算法收敛速度不够快,且迭代过程中功率波动幅度较大。针对问题,提出了将动态博弈引入CDMA系统功率控制算法。通过仿真表明,提出的动态博弈功率控制算法与传统静态博弈论下分布式功率控制算法相比,在保证系统总的功率相同的情况下,能大幅度的提高功率的收敛速度。     

流动贮备系统可靠性分析及实例计算

给出了流动贮备系统可靠性模型,对其进行了可靠性分析,并给出了计算实例．     

移动机器人自主越障反应控制行为组合方法

介绍了关节式移动机器人运动系统的元(基本)行为,提出了用模糊逻辑组合方法将原子行为(动作)组合生成高层复杂行为的行为模糊逻辑组合方法;描述了模糊逻辑组合方法组合生成的移动机器人自主越障行为.通过凸台、凹坑和楼梯等典型障碍的越障实验证明,该方法所生成的行为控制自主越障动作协调性好,具有较高的实时性、快速性和可靠性.解决了关节式移动机器人在城区和建筑内运动的越障稳定性和移动性问题.     

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。     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明,所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

椭圆曲线加密算法在移动办公系统中的应用

从移动办公的安全性要求出发,阐述了椭圆曲线及椭圆曲线加密体制的优点,主要研究了在移动办公系统中用椭圆曲线加密算法替代传统的公钥密码算法RSA的实现,并证明了在移动办公系统中椭圆曲线加密算法不仅满足移动办公的安全性要求,而且优于传统的加密算法.     

基于嵌入式系统的移动Agent通信机制研究

随着嵌入式系统技术的不断发展,嵌入式系统对于参与移动计算、分布式计算产生需求.移动 Agent技术具有灵活性、自主性、移动性、平台无关性、支持离线计算等众多优势,特别适合于分布式计算及移动计算.将移动Agent技术应用到嵌入式系统中,十分具有应用价值.通信机制是移动Agent系统的核心机制.在嵌入式系统环境下由于计算资源及网络资源的限制,提出了一种比较可靠的EMA通信机制.     

一种移动机器人SLAM中的多假设数据关联方法

针对移动机器人同时定位与建图(SLAM)中的局部数据关联问题,提出一种基于粒子滤波的多假设数据关联方法.该方法将数据关联问题转换成离散优化问题,利用多个粒子来维持多种数据关联假设,通过计算关联代价来获得粒子权重,用基本剪枝技术在粒子重采样过程中滤除错误的数据关联假设.研究结果表明:该方法弥补了经典的数据关联方法中关联假设一旦确定就不能修改的不足;与ICNN和JCBB数据关联方法相比,该方法能获得更正确的数据关联结果和更高的定位精度.