一、Internet系统设计(论文文献综述)
檀超,张静宣,王铁鑫,岳涛[1](2021)在《复杂软件系统的不确定性》文中认为复杂软件系统(如信息物理系统CPS、物联网IoT以及自适应软件系统等)在其开发和运行过程中会遇到各种类型的不确定性问题.针对这些不确定性问题,研究人员开展了大量的研究工作,提出了一系列的方法,取得了诸多成果.然而,由于此类系统本身固有的复杂性和其内在与外在不确定性的共同作用,截止目前研究人员针对该研究领域仍然缺乏系统性和整体性的理解和分析.为了深入探究该领域的研究现状,采用系统研究的方法(systematic mapping study)识别出142篇相关文献,并基于这些文献研究信息物理系统和物联网等系统生命周期中各个阶段和系统开发过程中产生的各种制品的不确定性及其处理方法.通过对相关文献进行分析发现针对复杂系统的不确定性研究主要集中在其生命周期的设计定义、系统分析和运行等阶段.此外,首先将文献划分为3种不确定性类型,包括外部不确定性、内部不确定性和传感器不确定性,并将142篇相关论文关注的不确定性进行了分类.为了深入探究不确定性,将外部不确定性细分为环境不确定性、基础设施不确定性、用户行为不确定性以及经济属性不确定性,将内部不确定性细分为系统结构不确定性、内部交互不确定性、支持系统运行的技术不确定性以及处理系统运行技术的不确定性.针对复杂系统中的开发制品,提出了对应的不确定性类型,包括模型的不确定性、数据的不确定性和参数的不确定性等8类.针对复杂系统的不确定性问题,研究人员主要采用不确定性下的决策、不确定性推理和不确定性规约/建模等方法进行不确定性分析和处理.基于文献分析结果,进一步探讨和展望了该领域未来的研究趋势.
刘菊[2](2021)在《应用于病房的物联网监测控制系统设计与实现》文中研究说明随着物联网时代的到来,智慧医疗、智能物流等多个领域开始探索物联网技术的应用。考虑到病人群体具有较低免疫力,对环境因素较敏感的特点,医院需要对病房环境进行有效监测和评估。现阶段的物联网技术存在异构性强,耦合度高的问题以及海量数据信息处理的需求,使得其对计算、存储、分析等方面都有更高的要求。这些要求都需要依托于处理能力与之匹配的平台,这使得物联网发展受限。论文以此为背景,结合病房内环境监测和电器设备操控的实际需求,设计一个应用于病房的物联网监测控制系统,提高病人修养环境。论文通过云平台实时监测病房内环境参数,实现对传感器节点与控制器节点的双向控制,并预测某一时间段的设备使用情况。论文主要分为两大部分,分别是物联网硬件系统和软件系统。(1)在物联网硬件系统中,论文设计了环境监测节点和控制器节点,节点包括主控制模块、Wi Fi联网模块、电源及外围电路模块、传感器模块和控制器模块。在硬件的基础上,编写软件程序,传感器节点实现了病房环境参数的采集,并将采集到的数据信息通过Wi Fi模块上传至云服务端;控制器节点可以接收云服务端发送的控制指令,根据指令完成相应操作,从而实现系统的双向控制。论文实现的节点模块主要有温度采集模块、湿度采集模块、二氧化碳采集模块、灰尘采集模块、重力采集模块和智能灯等控制模块。(2)在物联网软件系统中,论文基于消息队列遥测传输(Message Queuing Telemetry Transport,MQTT)的Mosquitto框架,实现了客户端和服务器端发布订阅模式的消息传输。利用Nginx作为服务器,通过Python编程语言编写服务处理程序,实现了云平台服务端与传感器节点/控制器节点的双向通信,存储和管理采集环境数据的功能;利用Web开发技术实现传感器节点状态变化的实时动画展示和操控,以可视化图像的形式展示数据;为实现用户个性化定制需求,对指定用户做出差别响应,利用attention机制对用户历史行为做数据挖掘,捕捉对目前行为预测有帮助的重点信息,预测未来设备状态,为系统日后二次开发提供方向。最后测试了物联网软硬件模块之间的通讯效果、交互效果和预测准确率,结果表明应用于病房的物联网监测控制系统长时间通信效果稳定,实时双向交互功能良好,可视化操作友好方便,不同设备的状态预测准确率近90%,可以满足病患监测病房环境和操控病房设备的需求。
王鑫[3](2021)在《物联网实训系统设计》文中研究表明近年来,由于物联网技术与“互联网+”理念的迅速发展,市面上增加了大量基于物联网技术的智能设备。在推进物联网产业的进程中,急需大量熟悉专业技术,具备开发与创新能力的技术型人才,为物联网专业与希望从事物联网相关工作的学生带来挑战。本文基于物联网的思想与架构,设计并实现了物联网实训系统。该系统具有完整的结构,集成多种通信方式、多种传感器、多种执行器,有助于学生理解物联网架构,培养学生的实践能力。物联网实训系统主要由测控终端、网关、实训系统服务器以及用户终端四部分组成。测控终端由主控模块、采集模块、无线通信模块与执行器模块组成。测控终端利用采集模块获取传感数据,控制执行器模块,利用无线通信模块与网关通信。网关由主控模块、无线通信模块、串口屏和有线通信模块组成。网关通过无线通信模块与测控终端进行信息交互,在串口屏上显示测控终端采集到的传感数据,再通过有线或无线通信模块与实训系统服务器进行数据交互。实训系统服务器实现的功能包括:与网关通信、数据处理、数据库连接与管理以及与用户终端通信等功能。用户终端分别基于Windows系统和安卓系统进行设计,其功能包括:与实训系统服务器通信功能、数据查询与显示功能、修改测控终端阈值功能等。研发尾期,利用白盒与黑盒的测试原理与方法对测控终端、网关、实训系统服务器和用户终端进行逻辑和功能方面的完整性测试。最后,整理了针对该实训系统详细和丰富的实验指导。
刘丹[4](2021)在《物联网中继与移动边缘学习系统性能优化算法研究》文中进行了进一步梳理物联网(Internet of Things,IoT)是5G及之后移动网络最有前途的技术之一。IoT中低功耗电池供电IoT设备随时可能由于距离汇聚节点远或障碍物而经历服务质量(Quality of Service,QoS)的降低。因此,将中继技术融入IoT提升QoS的研究工作具有重要实际意义。深度学习(Deep Learning,DL)促进人工智能(Artificial Intelligence,AI)在无线网络边缘获得大量应用,进而在边缘侧催生出海量数据。边缘计算(Edge Computing,EC)可以缓解IoT设备资源受限问题。近年来,将基于云的DL计算下沉到靠近IoT设备和数据源侧的边缘学习(Edge Learning,EL)成为研究热点,其中边缘端海量数据收集成为关键问题之一。将无人地面车(Unmanned Ground Vehicle,UGV)作为移动边缘服务器引入IoT EL系统中以辅助数据高效收集是一个可行且有价值的尝试,同时关于IoT移动EL系统的构建及其性能优化算法的研究具有重要意义。与此同时,IoT中继系统中存在频谱资源受限和能量受限问题,全双工(Full Duplex,FD)技术和双向中继技术分别是提高系统频谱效率和频谱利用率而缓解频谱资源压力的高效方案之一;无线携能(Simultaneous Wireless Information and Power Transfer,SWIPT)技术是为能量受限网络提供稳定和永久电能供应、保持设备持久连接性的非常有前途的解决方案。基于以上问题,本文开展相关研究,主要工作包括:针对信道状态信息(Channel State Information,CSI)非完美估计下的IoT MIMO SWIPT FD中继系统,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)的几何规划算法。其中,中继采用放大转发(Amplifying-and-forward,AF)方式并使用时间切换中继(Time Switching Relaying,TSR)携能策略。针对这一系统,建立了在发送功率和收集能量的约束下最大化系统可达速率的源传感器节点波束赋形矩阵和中继节点波束赋形矩阵的联合优化问题模型,提出了基于SVD算法的几何规划(Geometric Programming,GP)方法的非凸问题优化求解方案。建立了中继节点的天线数不少于源传感节点天线数情况下的GP推导的一般表达式。通过对比不同参数下所提方案与波束赋形矩阵设置为初始值的独立方案及基于SVD的交替优化(Alternating Optimization,AO)方案的仿真实验结果,验证了所提方案的有效性及优越性。针对IoTMIMO双向FD设备节点携能中继系统,设计了一种使系统总均方误差最小化的联合优化设计方案,提出了基于可行点追踪逐次凸逼近(Feasible Point Pursuit-Successive Convex Approximation,FPP-SCA)的AO与基于对角化算法的低复杂度AO两种优化算法。首先构建了在所有节点发送功率及传感器设备节点无线携能接收机收集能量的约束下使系统总均方误差(Mean Square Error,MSE)最小化的传感器设备节点波束赋形矩阵、中继节点波束赋形矩阵以及传感器设备节点接收矩阵的联合优化问题模型。然后提出了基于FPP-SCA的AO与基于对角化算法的低复杂度AO两种多变量耦合非凸问题求解方案。以总MSE及误码率(Bit Error Rate,BER)作为系统性能评价指标并与独立方案及常规SDR方案进行仿真实验结果对比,展现出两种方案的有效性、优越性及适用性。同时,通过对比仿真实验结果证实,在不同的SNR值下,所提出系统性能也优于MIMO双向HD传感器节点携能中继通信系统,验证了所提方案的有效性。针对IoTEL系统中,基于UGV进行数据收集和处理时所遇到的学习性能优化及无线通信路径损耗下的系统性能受限问题。构建了基于F-measure的优化模型,提出了一种基于禁忌搜索(Tabu Search,TS)的路径优化算法。设计UGV辅助的IoT移动EL系统,即EL-UGV系统,该系统包括路径规划、能量规划以及样本量规划模块,UGV使用时分多址(Time Division Multiple Access,TDMA)协议访问 IoT设备且以单跳方式收集数据,支持多DL任务。提出使用F-measure作为性能指标评价数据样本不平衡下的系统性能,并在仿真验证所提出的基于F-measure的学习曲线模型的合理与准确基础上,建立了一个在通信容量、总执行时间、总能量消耗以及图移动性约束下使得系统中所有任务的最小F-measure性能最大的联合UGV移动路径、发送时间、发送功率以及少数类样本量规划的优化问题,即JPESP优化问题模型,提出了求解所建立的大规模混合整数非线性规划(Mixed Integer Nonlinear Programming,MINLP)问题的基于 TS 的算法方案。通过对比UGV始终停靠于起始点的固定EL方案及UGV访问所用顶点的全路径EL方案,仿真实验结果验证了所提方案的可行性、优越性和智能性。论文提出了 IoT中继与移动EL学习系统遇到的频谱资源受限、能量受限以及UGV移动边缘服务器进行高效数据传送中的学习性能优化和无线通信路径损耗下系统性能受限问题的解决方案,并通过仿真验证了系统的有效性和可行性,为深化IoT相关研究提供了有效实验方法及理论依据。
田雨丝[5](2021)在《物联网中节点捕获攻击的早期检测方法研究》文中研究说明当前,物联网正在深刻改变人们生产生活、社会管理和公共服务,呈加速发展的态势,物联网所承载的用户数据也日益庞大。因此,如何保护物联网的网络信息安全一直以来是研究者们十分关注的问题。物联网节点设备因体积小、功耗小且常分布在无人值守的角落的特点,使得其成为攻击者控制网络的主要入口。对于物联网感知层设备来说,节点捕获攻击是其最容易受到的威胁之一,过去的几十年信息安全技术发展迅猛,越来越多防范节点捕获攻击的策略被不断的提出或改良。针对节点捕获攻击中节点重归网络阶段和恶意节点发动内部攻击阶段,大量的研究者完善并改进了基于节点位置检测和恶意数据注入检测等方法。为了尽可能早的检测出异常节点,本文将研究节点捕获攻击早期阶段的检测方法,并考虑将物联网中最常用的MQTT协议的特点与典型检测方法的核心思想结合,以实现检测物联网感知层异常节点设备的目的。本文首先说明了课题研究背景和意义,介绍了研究现状。然后介绍了节点捕获攻击的概念、典型检测方法的思想,和MQTT协议的报文类型、网络架构、心跳机制、消息服务质量等级等特点。接着,针对监控方式误报高的问题,本文提出了服务器-客户端架构下的节点捕获攻击早期检测方法,决定利用心跳消息和问候消息来共同监控节点状态,并在发现异常时,设计审查环节对节点状态做出最终的确定,避免误报的产生;为了实现检测率和网络流量消耗的平衡,本文还分析了心跳消息频率和网络中被捕获节点总数之间的关系,设计了心跳频率的自适应机制,并通过实验证明了本文所提检测方法和自适应机制的有效性。除此之外,本文还设计了设备状态监控系统,将该检测方法在实际场景中进行测试,验证了真实环境下的可用性。最后,本文对所做研究进行了总结并对未来的研究进行了展望。
陈亚雷[6](2021)在《基于互联网和智能车载终端的车联网服务平台设计》文中研究说明随着汽车工业和车联网技术的发展,车联网服务平台的应用越来越广泛,它可以将汽车行车信息实时显示在平台上,为不同客户群体提供服务。论文结合在线车载诊断、GPS定位、车辆事故预警、GPRS无线传输、服务器系统研发、PC端软件开发、手机APP开发等技术,研发具备实时车况监测、故障诊断、定位跟踪、车辆事故预警、行车历史数据查询、车队管理和精准服务等功能于一体的车联网服务平台。首先,根据驾驶人、车队管理机构、汽车4S店三个主体的需求和车联网服务平台研发的国内外研究现状,提出以智能车载终端、云服务器、服务端平台三部分组成的车联网服务平台系统总体设计方案。并对OBD诊断系统接口、OBD故障码、OBD-II通信协议,CAN总线通信以及CAN总线报文结构等车载诊断技术进行了分析。其次,根据硬件设计方案构建了智能车载终端硬件电路总体设计图,确定了硬件芯片具体型号,设计了最小系统电路、OBD数据采集电路、GPS定位电路、GPRS通信电路、稳压电路和陀螺仪模块电路,对各个模块进行软件程序调试,并将各模块集成为智能车载终端。对定位模块、通信模块和陀螺仪模块以及集成后的智能车载终端分别进行了多次性能测试,测试结果显示模块性能良好,可以实现行车数据的采集与上传。再次,利用Visual Studio开发平台完成了服务器的开发,将所开发的服务器部署在阿里云服务器上,对云服务器端口进行了配置,完成数据库的创建,将接收到的智能车载终端所上传的数据信息实时存入数据库中,车联网服务平台可以随时访问数据库。并通过提取智能车载终端上传到数据库中里程数据,设计了动态里程预测算法,分析车辆到达维护保养周期所需要的时间,以便汽车4S店为客户提供精准服务。最后,面向驾驶人用户、车队管理机构和汽车4S店分别开发了车联网服务平台。针对个人用户开发设计了“智能出行”手机移动端APP;针对车队管理公司和汽车4S店用户开发设计了“智能车联网平台”PC端网页版软件。此服务平台可以为驾驶人提供行车数据查询、定位信息查询、故障诊断查询、事故预警等服务;为车队管理机构提供车队车辆管理、实时车况查询、历史记录查询等服务;为汽车4S店提供客户车辆精准服务信息。
张佳靖[7](2021)在《基于物联网的智慧社区设计与实现》文中提出随着城市化的建设,居民对于社区居住的安全性、便捷性和高效性等要求越来越高。因此,智慧社区的建设近年来逐步得到关注和重视,智能监控和智慧停车是智慧社区建设中的两项重要内容。本文以呼和浩特市万锦领秀项目为背景,对该小区的监控系统和地下停车路径规划展开深入研究。监控系统研究的主要内容包括监控摄像头布置优化、网络拓扑结构优化和小区异常行为预警系统的设计。首先,为节约成本减少监控范围重叠,在满足小区监控全覆盖的条件下,以监控成本为目标函数通过穷举法实现对监控摄像头布置方式的优化。其次,针对传统网络拓扑结构容易造成视频卡顿及系统瘫痪的问题,提出用分散单元式网络拓扑结构对传统网络拓扑结构进行优化。为提升小区的安全性,提出了在监控系统中利用HOG加LS-SVM的方法对小区的异常行为进行预警。测试结果表明该智能监控系统具有较高的可靠性和实时性,可满足社区智能监控系统的需求。为解决小区专用商业车位停车难的问题,实现对商业车辆停车进行最优路径规划及引导。本文基于栅格图法进行建模,提出将蚁群优化算法和粒子群优化算法相结合的混合优化算法应用到社区地下停车场,对车辆停车路径进行规划,引导车主快速泊车。通过不同场景的仿真和算法对比,仿真结果验证了混合优化算法在停车路径规划中的优越性。
吕浩[8](2021)在《物联网设备识别信息提取系统的设计与实现》文中研究表明随着物联网技术的飞速发展,物联网安全问题也日益突出,其中最主要的问题之一就是物联网资产的暴露问题。暴露在公网上的物联网设备,一旦存在安全漏洞就很容易被攻击者利用,造成严重的后果。研究发现,同一品牌、系列或型号的物联网设备往往具有相同的安全漏洞。因此,对网络空间中的物联网设备进行品牌、类型和型号等信息的细粒度识别对于确保物联网安全至关重要。本文设计并实现了一个基于规则的物联网设备识别信息提取系统,相比现有的物联网设备细粒度识别研究,该系统在识别效果上有所提升。该系统从物联网设备的HTTP和HTTPS响应数据出发,结合搜索引擎的辅助,进行细粒度的设备识别,提取设备的品牌、类型和型号信息。本文的具体工作主要包括:首先,本文对现有的物联网设备识别研究进行了分析,总结了现有研究在识别效果上的缺点和不足,提出了本文的部分优化点。其次,本文设计并实现了基于规则的物联网设备识别信息提取系统。其核心模块包括:1.数据预处理模块。该模块首先过滤掉非物联网设备的HTTP(S)响应,然后综合多维度特征从余下的HTTP(S)响应中提取可能包含设备信息的文本,最后过滤掉文本中的无关字符串。2.候选设备关键词提取模块。该模块基于规则库从数据预处理模块得到的文本中提取候选的设备品牌、类型和型号关键词。在提取过程中考虑到了特殊设备指纹字段蕴含的设备信息,同时基于FlashText算法实现了 O(N)时间复杂度的高效提取。3.基于搜索引擎的设备信息提取模块。单凭HTTP(S)响应中提取出的候选设备关键词可能无法确定最终的设备信息,该模块借助搜索引擎来辅助确定最终的设备信息。现有研究在搜索策略、从搜索结果中提取设备信息的方法等方面存在缺陷,本文对此进行了改进和创新,提出了一套新的结合搜索引擎辅助确定设备信息的方法,实现了更好的识别效果。4.重定向和动态HTML响应处理模块。相当一部分物联网设备的HTTP(S)响应存在重定向和动态HTML现象,本文对这两种现象进行了全面的分析和处理,相比现有研究可识别出更多的物联网设备。最后,设计了针对本文物联网设备识别信息提取系统的功能和性能验证实验。验证了本文设备识别方法的可行性和有效性,也验证了本文设备识别方法相比现有方法可以实现更好的识别效果。
杨鲲鹏[9](2021)在《基于强化学习的移动边缘视频监控系统设计与与优化》文中认为视频监控系统是物联网的重要应用,其产生的海量物联网数据以及用户对于低时延和智能化系统的服务质量要求给整个系统带来了巨大的挑战。为了应对该挑战并且及时、准确地获取有用的监控信息,系统不仅需求高效的图像识别算法,更为关键的是如何解决计算和通信资源的瓶颈。近年来,“边缘+AI”成了智能化解决海量数据处理的一种可选项,也被广泛地使用。“边缘”是指移动边缘计算(Mobile Edge Computing,MEC)技术,能够将云端的计算能力部署到视频监控系统的网络边缘,能够很好地支持计算密集型和时延关键型任务。另一方面,很多人工智能(Artificial Intelligence,AI)算法开始被应用于图像识别、压缩以及计算卸载、资源分配等领域,利用深度神经网络对各项任务处理进行智能化决策。本文以人脸识别应用为例,先研究如何利用移动边缘网络构建视频监控系统,并基于强化学习(Reinforcement learning,RL)方法对各个系统中任务的计算卸载和通信资源的分配进行设计和优化。然后,研究如何搭建支持视频捕捉和数据传输的开放无线接入网(Open Radio Access Network,ORAN)视频监控平台。首先,针对单摄像头的视频监控场景,研究识别任务计算卸载和图像压缩率选择的联合决策算法设计和优化。为了实现系统的高识别准确度和低识别时延,分别对图像识别算法和计算卸载策略进行设计。一方面,在摄像头传感器端采用复杂度较低的局部二值模式(Local Binary Pattern,LBP)识别算法,在后端MEC服务器端采用复杂度较高的卷积神经网络(Convolutional Neural Network,CNN)识别算法,通过前后端协作处理完成识别任务;另一方面,利用动作-值方法和-贪婪算法,通过共同优化卸载策略和图像压缩参数来训练系统的决策。仿真结果表明采用的动作-值方法相比于其他策略,能够提高识别任务计算卸载的效率,获得了更高的识别准确度和较低的处理时延;-贪婪算法能够在通信环境条件变化的情况下,自适应地调整决策策略并获得较好的性能表现。然后,针对多摄像头的视频监控场景,研究识别任务计算卸载、信道资源分配和图像压缩率选择的联合决策算法设计和优化。利用强化学习中的深度Q网络(Deep Q-Network,DQN)算法作为决策算法来解决维度诅咒对传统迭代式求解法的影响。此外,为了减少训练的参数以节省计算和存储资源,提出了一种两层学习框架,即DQN和基于反向传播神经网络的多层网络(DQN and Layers based on Back Propagation Neural Network,DQN+NN)算法。仿真结果表明,提出的两种RL方法都提高了决策性能,DQN+NN算法无论是收敛速度还是整体收益值表现上都要好于其他策略。最后,为了支持视频、图像等识别任务的数据传输,搭建了面向视频监控的ORAN平台。使用Open Air Interface(OAI)搭建核心网(Evolved Packet Core,EPC)和4G基站(evolved Node B,e NB),并使用USRP B210对信号进行收发。接着对ORAN平台各部分进行编译测试,验证了平台的连通性,并进行了数据传输速率测试。此外,通过树莓派4B和USB摄像头连接搭建的ORAN平台实现了对视频的捕捉。通过Open CV编程实现树莓派实时回传监控视频,并能够展示在远程服务器终端上。
谢泰荣[10](2021)在《面向电力监测的窄带物联网终端能耗优化研究》文中提出随着万物互联时代的到来,物联网技术得到了前所未有的发展。以窄带物联网为代表的低功耗广域覆盖技术应运而生,同时也成为了智能电网进一步发展的强大动力。然而在面向电力井盖和电力管廊等应用场景中的电力监测时,如何延长终端的使用寿命依然是一个难题。虽然这类监测所获取的数据量较小,但电力监测终端分布范围广且所处的地理环境复杂多样,往往难以更换监测终端的电池,从而限制了终端的生存期。因此,在电力监测场景下,研究面向电力监测的LPWA终端能耗优化具有重要的意义。本文主要研究内容如下:(1)针对面向电力监测的NB-IoT终端的能耗优化问题,本文以电力监测终端承载的体量最大且最为基础的周期主动上报业务为例,构建了基于马尔可夫的终端状态转换模型。该模型的优点是首次加入了终端掉线状态,同时将终端连接状态和休眠状态进一步分成随机接入状态、数据收发状态、短周期休眠状态和长周期休眠状态,从而进一步细化了终端能量的耗散源。然后根据该模型提出相应的能耗、时延分析模型,通过系统的分析得出NB-IoT终端状态的能耗分布情况,为NB-IoT终端能耗优化研究提供有针对性的优化方向,同时根据分析结果给出了终端参数配置方案。(2)随机接入状态中出现严重的网络拥塞时会消耗NB-IoT终端大量的能量。首先通过分析随机接入过程中的ACB策略的工作过程,对面向电力监测的网络负载建立数学模型,并对网络负载的变化进行预测估计。然后根据网络负载预测结果构建一个自适应参数更新函数,对随机接入限制因子p进行自适应更新,以最大化系统吞吐量。之后结合NB-IoT电力监测终端中不同终端的任务优先级需求,提出了以时延为导向的终端接入优先级分类方案。最后综合以上分析提出了mACB算法。仿真结果表明,与ACB算法和EAB算法相比,本文算法可以在大规模NB-IoT终端随机接入的场景下保持更高的接入成功率和更低的接入平均时延,可以有效避免NB-IoT终端在进行随机接入过程时因网络拥塞而消耗大量的能量。(3)以面向电力井盖的监测任务为例,设计了一个面向电力井盖监测的NB-IoT终端低能耗系统。本文从硬件芯片选择、程序控制与硬件电路相互结合、数据传输协议与平台算法相互结合等方面出发进行低能耗系统设计,同时还为终端设计了终端附网方案和数据传输方案,从而达到降低终端能耗的目的。
二、Internet系统设计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Internet系统设计(论文提纲范文)
(1)复杂软件系统的不确定性(论文提纲范文)
1 引言 |
2 背景知识和相关工作 |
3 研究框架 |
3.1 研究问题 |
3.2 相关文献搜索 |
3.3 文献筛选 |
3.4 文献质量评估与保障 |
3.5 属性抽取与细化 |
3.6 研究问题调研 |
4 实验结果 |
4.1 研究问题1:复杂系统的不确定性研究的相关文献随时间的发表情况是怎样的? |
4.2 研究问题2:复杂系统的不确定性研究的相关文献发表在哪些刊物上?文献发表数量排名靠前的期刊和会议都有哪些? |
4.3 研究问题3:复杂系统的不确定性研究具有哪些高频关键词以及它们之间的关系是怎样的? |
4.4 研究问题4:复杂系统的不确定性相关文献关注在系统开发生命周期的哪些阶段? |
4.5 研究问题5:不确定性出现在哪些复杂系统中? |
4.6 研究问题6:复杂系统的不确定性可分成哪些类型? |
4.6.1 外部、内部和传感器不确定性 |
4.6.2 系统开发过程中各制品的不确定性 |
4.7 研究问题7:针对复杂系统的不确定性,研究人员提出了哪些不确定性的处理方法? |
4.8 研究问题8:针对复杂系统的不确定性,自动化和计算机领域(尤其是软件工程)研究的关注点有什么差异? |
5 总结和发展趋势 |
6 结束语 |
(2)应用于病房的物联网监测控制系统设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文研究的背景与意义 |
1.2 国内外研究现状 |
1.3 论文主要工作与结构安排 |
2 应用于病房的物联网系统总体方案设计与关键技术介绍 |
2.1 应用于病房的物联网系统总体方案设计 |
2.2 物联网关键技术介绍 |
2.2.1 物联网平台介绍 |
2.2.2 物联网通信架构介绍 |
2.3 神经网络关键技术介绍 |
2.3.1 Attention模型的介绍 |
2.3.2 Attention机制的发展 |
2.4 本章小结 |
3 应用于病房的物联网硬件模块设计与实现 |
3.1 传感器节点与控制器节点结构分析与功能设计 |
3.2 传感器节点与控制器节点功能实现 |
3.2.1 主控制模块的应用实现 |
3.2.2 WiFi联网模块的应用实现 |
3.2.3 ASM1117电源模块及外围电路应用实现 |
3.2.4 应用于病房的传感器及控制器选择 |
3.3 传感器节点与控制器节点模块整合 |
3.4 病房环境监测模块与控制器节点模块软件功能实现 |
3.4.1 病房温度传感器节点功能实现 |
3.4.2 病房湿度传感器节点功能实现 |
3.4.3 病房二氧化碳传感器节点功能实现 |
3.4.4 病房光学灰尘传感器节点功能实现 |
3.4.5 病房重力传感器节点功能实现 |
3.4.6 病房控制器节点模块功能实现 |
3.5 本章小结 |
4 应用于病房的物联网软件模块设计与实现 |
4.1 云服务端的设计与实现 |
4.1.1 云服务端的框架设计 |
4.1.2 云服务端环境搭建 |
4.1.3 MQTT通信协议的应用实现 |
4.1.4 服务端处理程序的设计实现 |
4.2 云平台客户端的设计与实现 |
4.2.1 云平台客户端运行原理 |
4.2.2 云平台客户端的样式设计实现 |
4.2.3 云平台客户端性能优化的实现 |
4.3 数据库的设计与实现 |
4.3.1 数据库选择 |
4.3.2 数据库表设计 |
4.3.3 数据可视化图表设计与实现 |
4.4 预测模块设计实现与测试 |
4.4.1 神经网络的函数与优化算法选择 |
4.4.2 预测模块的设计 |
4.4.3 预测模块数据的提取与处理 |
4.4.4 预测模块模型选取与搭建 |
4.4.5 预测模块模型训练与测试 |
4.5 本章小结 |
5 应用于病房的物联网系统调试与功能测试 |
5.1 系统综合调试 |
5.1.1 传感器终端与云服务端测试 |
5.1.2 云平台客户端与云服务端测试 |
5.1.3 物联网控制系统功能整合测试 |
5.2 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(3)物联网实训系统设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景 |
1.2 研究现状 |
1.3 研究内容 |
1.4 章节安排 |
第二章 系统方案设计 |
2.1 系统需求分析 |
2.2 系统方案设计 |
2.3 测控终端模块选型 |
2.3.1 主控模块选型 |
2.3.2 采集模块选型 |
2.3.3 无线通信模块选型 |
2.4 网关模块选型 |
2.4.1 主控模块选型 |
2.4.2 无线通信模块选型 |
2.4.3 有线通信模块选型 |
2.4.4 串口屏选型 |
第三章 系统设计与实现 |
3.1 实训系统硬件设计与实现 |
3.1.1 测控终端硬件设计与实现 |
3.1.2 网关硬件设计与实现 |
3.2 实训系统软件设计与实现 |
3.2.1 测控终端软件设计与实现 |
3.2.2 网关软件设计与实现 |
3.2.3 实训系统服务器软件设计与实现 |
3.2.4 用户终端软件设计与实现 |
第四章 系统调测与实验指导 |
4.1 测控终端调测 |
4.1.1 采集模块调试 |
4.1.2 无线通信模块调试 |
4.1.3 测控终端测试 |
4.2 网关调测 |
4.2.1 无线通信模块调试 |
4.2.2 有线通信模块调试 |
4.2.3 串口屏调试 |
4.2.4 网关测试 |
4.3 实训系统服务器调测 |
4.4 用户终端测试 |
4.4.1 手持终端APP测试 |
4.4.2 PC端软件测试 |
4.5 系统联调 |
4.6 实验指导 |
4.6.1 GPIO实验 |
4.6.2 Systick时钟计时实验 |
4.6.3 E2PROM读写实验 |
4.6.4 DMA实验 |
4.6.5 EXTI外部中断实验 |
4.6.6 ADC转换实验 |
4.6.7 OLED显示实验 |
4.6.8 USART串口收发实验 |
4.6.9 继电器驱动实验 |
4.6.10 PWM输出实验 |
4.6.11 RTC时钟实验 |
4.6.12 温度测量实验 |
4.6.13 湿度测量实验 |
4.6.14 空气质量测量实验 |
4.6.15 LoRa通信实验 |
4.6.16 ZigBee通信实验 |
4.6.17 WiFi通信实验 |
4.6.18 以太网通信实验 |
4.6.19 串口屏实验 |
4.6.20 LoRa测控终端综合实验 |
4.6.21 ZigBee测控终端综合实验 |
4.6.22 网关综合实验 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
附录 |
在学期间的研究成果 |
致谢 |
(4)物联网中继与移动边缘学习系统性能优化算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 物联网中继系统 |
1.2.1 物联网体系与物联网中继系统 |
1.2.2 物联网中继系统的国内外研究现状与发展趋势 |
1.3 物联网移动边缘学习系统 |
1.3.1 物联网边缘计算系统和边缘学习系统 |
1.3.2 物联网移动边缘学习系统国内外研究现状与发展趋势 |
1.4 论文研究目的 |
1.5 主要研究内容及创新点 |
1.5.1 主要研究内容 |
1.5.2 研究工作主要创新点 |
1.6 论文结构和章节安排 |
第二章 研究工作的核心理论及关键技术 |
2.1 研究工作方法与思路 |
2.2 凸优化理论与求解 |
2.2.1 凸优化问题定义 |
2.2.2 GP问题 |
2.2.3 QCQP问题及其求解 |
2.2.4 MINLP问题及其求解 |
2.3 MIMO技术 |
2.3.1 MIMO技术优势及特点 |
2.3.2 MIMO系统信道容量计算与MIMO波束赋形技术 |
2.4 中继技术与FD技术 |
2.4.1 中继技术 |
2.4.2 FD技术 |
2.5 SWIPT技术 |
2.6 EL技术与基于CNN的DL技术 |
2.6.1 EL技术 |
2.6.2 基于CNN的DL技术 |
2.7 本章小结 |
第三章 非完美CSI下物联网MIMO全双工中继携能系统研究 |
3.1 系统模型建立 |
3.2 系统信号模型建立 |
3.2.1 能量收集信号模型建立 |
3.2.2 信息传输信号模型建立 |
3.2.3 系统可达速率计算 |
3.3 优化问题建立及求解 |
3.3.1 优化问题建立 |
3.3.2 优化问题求解方案 |
3.4 仿真结果与分析 |
3.5 本章小结 |
第四章 物联网MIMO双向全双工设备节点携能中继系统研究 |
4.1 系统模型建立 |
4.2 系统信号模型及优化问题建立 |
4.2.1 系统信号模型建立 |
4.2.2 优化问题建立 |
4.3 优化问题求解 |
4.3.1 基于FPP-SCA的AO方案 |
4.3.2 基于对角化算法的低复杂度AO方案 |
4.4 仿真结果与分析 |
4.5 本章小结 |
第五章 UGV辅助的物联网移动边缘学习系统研究 |
5.1 系统框架搭建 |
5.1.1 路径规划模块搭建 |
5.1.2 能量规划模块搭建 |
5.1.3 样本量规划模块搭建 |
5.2 EL-UGV系统下基于F-measure的学习曲线模型建立及验证 |
5.2.1 EL-UGV系统下基于F-measure的学习曲线模型的建立 |
5.2.2 基于F-measure的学习曲线模型验证 |
5.3 JPESP优化问题的建立 |
5.4 JPESP优化问题求解 |
5.4.1 基于TS算法的JPESP问题求解 |
5.4.2 JPESP问题中其余变量的优化 |
5.5 求解问题流程 |
5.6 仿真结果与分析 |
5.6.1 理论结果的验证 |
5.6.2 单任务场景下的仿真结果分析 |
5.6.3 多任务场景下的仿真结果分析 |
5.6.4 与现有工作的对比验证 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 未来工作展望 |
参考文献 |
附录1 变量说明与参数说明表 |
附录2 定理5-1的证明 |
附录3 缩略词表 |
致谢 |
攻读学位期间取得的研究成果 |
(5)物联网中节点捕获攻击的早期检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.3 主要研究内容 |
1.4 本文组织架构 |
第二章 基础理论及方法 |
2.1 节点捕获攻击 |
2.2 早期检测方法 |
2.3 MQTT协议介绍 |
2.3.1 MQTT协议报文 |
2.3.2 服务器-客户端架构 |
2.3.3 心跳机制 |
2.3.4 消息服务质量等级 |
2.4 本章总结 |
第三章 服务器-客户端架构下的早期检测方法设计 |
3.1 节点存活性监控 |
3.2 服务器-客户端网络架构 |
3.2.1 网络结构设计 |
3.2.2 节点消息设计 |
3.3 方法设计 |
3.4 仿真实验设计 |
3.4.1 仿真流程 |
3.4.2 仿真网络模型设计 |
3.4.3 仿真网络环境设置 |
3.5 实验结果与分析 |
3.6 本章总结 |
第四章 心跳频率自适应机制研究 |
4.1 节点安全风险分析 |
4.2 心跳频率可变性研究 |
4.2.1 MQTT协议心跳频率 |
4.2.2 心跳频率单点修改方式 |
4.3 方法设计 |
4.4 实验结果与分析 |
4.5 本章总结 |
第五章 基于MQTT的节点设备状态监控系统设计 |
5.1 系统设计 |
5.1.1 系统架构 |
5.1.2 系统硬件模块设计 |
5.1.3 数据传输流程设计 |
5.2 系统实现 |
5.2.1 服务器节点功能实现 |
5.2.2 终端节点功能实现 |
5.2.3 管理平台功能实现 |
5.3 系统测试 |
5.3.1 系统界面 |
5.3.2 节点数据显示功能测试 |
5.3.3 节点监控功能测试 |
5.4 本章总结 |
第六章 结论与展望 |
6.1 论文总结 |
6.2 工作展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(6)基于互联网和智能车载终端的车联网服务平台设计(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景 |
1.2 车联网服务系统国内外发展现状概述 |
1.2.1 国内外科研机构的车联网服务系统研究现状 |
1.2.2 国内外汽车企业的车联网服务系统发展现状 |
1.2.3 国内外第三方科技公司开发的车联网服务产品 |
1.3 目前存在的实际问题 |
1.4 主要研究内容 |
2 车联网服务平台总体架构及车载诊断技术分析 |
2.1 车联网服务平台总体架构 |
2.2 车载诊断技术分析 |
2.2.1 OBD系统概述 |
2.2.2 OBD-Ⅱ诊断系统接口 |
2.2.3 OBD-Ⅱ故障码 |
2.2.4 OBD-Ⅱ通信协议标准 |
2.2.5 CAN总线通信技术 |
2.2.6 CAN总线报文结构格式 |
2.3 本章小结 |
3 智能车载终端的设计 |
3.1 智能车载终端设计的总体框架 |
3.2 核心控制器的设计 |
3.2.1 核心控制器的选择 |
3.2.2 STM32F103C8T6 简介 |
3.2.3 最小系统电路设计 |
3.2.4 主控芯片引脚连接 |
3.3 OBD数据采集模块设计 |
3.3.1 OBD数据采集模块硬件设计 |
3.3.2 OBD数据采集模块软件设计 |
3.4 GPS定位模块的设计 |
3.4.1 GPS定位模块的选择 |
3.4.2 GPS定位模块硬件设计 |
3.4.3 GPS定位模块软件设计 |
3.4.4 GPS定位芯片性能测试 |
3.5 陀螺仪模块设计 |
3.5.1 预警数值的确定 |
3.5.2 陀螺仪模块的选择 |
3.5.3 陀螺仪模块性能测试 |
3.6 GPRS通信模块的设计 |
3.6.1 通信方式的选择 |
3.6.2 通信模块的选择 |
3.6.3 GPRS通信模块电路设计 |
3.6.4 GPRS通信模块软件设计 |
3.6.5 GPRS芯片通信测试 |
3.7 电源模块设计 |
3.8 智能车载终端模块集成 |
3.8.1 串口资源分配 |
3.8.2 模块集成遇到的问题以及解决方案 |
3.9 本章小结 |
4 服务器的开发 |
4.1 服务器开发工具选择 |
4.2 云服务器端口配置 |
4.3 云服务器数据接收 |
4.4 云服务器数据库创建 |
4.5 精准服务模块动态里程预测算法 |
4.6 本章小结 |
5 PC端车联网服务平台的开发 |
5.1 开发工具、框架及数据获取 |
5.2 开发功能 |
5.2.1 车辆管理机构功能 |
5.2.2 汽车4S店企业功能 |
5.3 系统流程图 |
5.3.1 车辆管理机构流程图 |
5.3.2 汽车4S店企业流程图 |
5.4 系统设计 |
5.4.1 车队管理 |
5.4.2 车辆管理 |
5.4.3 车辆车况信息 |
5.4.4 车辆定位 |
5.4.5 故障信息 |
5.4.6 行驶记录 |
5.4.7 行驶轨迹 |
5.4.8 精准服务 |
5.5 车队管理机构服务平台 |
5.5.1 车队管理 |
5.5.2 车辆管理 |
5.5.3 查看车辆信息 |
5.5.4 显示车辆车况 |
5.5.5 显示车辆定位信息 |
5.5.6 查看车辆故障信息 |
5.5.7 查看车辆行驶记录 |
5.6 汽车4S店服务平台 |
5.6.1 车队管理 |
5.6.2 车辆管理 |
5.6.3 精准服务 |
5.7 本章小结 |
6 手机移动端车联网服务平台开发 |
6.1 开发工具、框架及数据获取 |
6.2 开发功能 |
6.3 系统用例图 |
6.4 系统流程图 |
6.5 系统设计 |
6.5.1 注册模块 |
6.5.2 登录模块 |
6.5.3 行车行驶数据模块 |
6.5.4 车辆定位模块 |
6.5.5 获取故障码模块 |
6.5.6 车辆预警模块 |
6.5.7 传感器模块 |
6.6 驾驶人服务平台 |
6.6.1 注册登录界面 |
6.6.2 行车数据界面 |
6.6.3 故障检测界面 |
6.6.4 车辆预警界面 |
6.6.5 传感器数据界面 |
6.6.6 汽车定位界面 |
6.6.7 帮助界面 |
6.7 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
在学期间发表论文和科研情况说明 |
附录一 数据库 |
附录二 雪佛兰汽车保养表 |
(7)基于物联网的智慧社区设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容与结构安排 |
1.3.1 研究内容 |
1.3.2 结构安排 |
第二章 相关技术介绍 |
2.1 监控系统关键技术 |
2.1.1 视频压缩编码 |
2.1.2 方向梯度直方图 |
2.1.3 最小二乘支持向量机 |
2.2 路径规划关键技术 |
2.2.1 栅格图法 |
2.2.2 蚁群优化算法 |
2.2.3 粒子群优化算法 |
2.3 本章小结 |
第三章 智慧社区系统设计 |
3.1 系统设计需求分析 |
3.1.1 视频监控系统设计需求 |
3.1.2 智慧停车系统设计需求 |
3.2 系统总体结构与功能设计 |
3.2.1 视频监控系统总体结构与功能 |
3.2.2 智慧停车系统总体结构与功能 |
3.3 系统总体工作流程设计 |
3.3.1 视频监控系统工作流程 |
3.3.2 智慧停车系统工作流程 |
3.4 本章小结 |
第四章 智能监控系统实现与测试 |
4.1 监控摄像头布置优化 |
4.2 网络拓扑结构调整与优化 |
4.3 视频监控系统功能实现 |
4.3.1 监控信息采集处理与分析 |
4.3.2 视频数据编码与传输 |
4.4 智能监控系统测试与分析 |
4.4.1 监控视频本地播放测试 |
4.4.2 监控视频Web端播放测试 |
4.4.3 异常行为预警测试 |
4.5 本章小结 |
第五章 智慧停车系统设计与实现 |
5.1 基于栅格图的地下停车场建模 |
5.2 基于混合优化算法的停车路径规划研究 |
5.2.1 车位定位 |
5.2.2 蚁群优化算法在路径规划中的应用 |
5.2.3 粒子群优化算法在路径规划中的应用 |
5.2.4 混合优化算法原理 |
5.3 仿真结果与分析 |
5.3.1 不同场景下的混合优化算法性能分析 |
5.3.2 蚁群优化算法与混合优化算法性能对比分析 |
5.4 智慧停车系统手机客户端设计与实现 |
5.4.1 智慧停车系统手机客户端设计 |
5.4.2 智慧停车系统功能测试与效果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 论文展望 |
参考文献 |
致谢 |
攻读硕士学位期间的科研成果 |
(8)物联网设备识别信息提取系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.2.1 基于流量特征的设备识别方法 |
1.2.2 基于协议标语的设备识别方法 |
1.3 主要工作 |
1.4 论文组织结构 |
第二章 相关技术介绍 |
2.1 物联网设备的协议栈 |
2.2 网络扫描技术 |
2.2.1 网络扫描工具 |
2.2.2 网络空间搜索引擎 |
2.3 HTTP(S)响应的处理 |
2.3.1 HTTP身份认证的方式 |
2.3.2 动态HTML |
2.3.3 网页重定向 |
2.4 文本处理相关技术 |
2.4.1 命名实体识别 |
2.4.2 字符串匹配算法 |
2.5 本章小结 |
第三章 物联网设备识别信息提取系统的设计与实现 |
3.1 数据收集模块 |
3.1.1 规则库的建立 |
3.1.2 HTTP和HTTPS响应数据的收集 |
3.2 数据预处理模块 |
3.2.1 数据过滤 |
3.2.2 文本提取 |
3.2.3 文本过滤 |
3.3 设备关键词提取模块 |
3.3.1 设备品牌和类型的提取 |
3.3.2 设备型号的提取 |
3.3.3 特殊设备指纹的分析与总结 |
3.3.4 设备关键词提取结果分析 |
3.4 基于搜索引擎的设备识别信息提取模块 |
3.4.1 搜索策略的设计 |
3.4.2 搜索结果的提取 |
3.4.3 设备识别信息的提取 |
3.5 重定向和动态HTML响应处理模块 |
3.6 本章小结 |
第四章 系统测试与分析 |
4.1 实验环境 |
4.2 系统功能测试 |
4.2.1 设备识别信息提取功能测试 |
4.2.2 设备品牌和类型发现功能测试 |
4.2.3 设备识别系统功能对比 |
4.3 系统性能测试 |
4.3.1 数据集说明 |
4.3.2 特征选择对比实验 |
4.3.3 设备发现实验 |
4.3.4 性能指标测试 |
4.4 本章小结 |
第五章 总结与未来工作 |
5.1 论文工作总结 |
5.2 未来工作 |
参考文献 |
致谢 |
(9)基于强化学习的移动边缘视频监控系统设计与与优化(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写、符号清单、术语表 |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 视频监控系统设计与优化 |
1.2.2 基于MEC的视频监控计算卸载策略 |
1.2.3 强化学习在计算卸载和资源分配问题中的应用 |
1.2.4 开放式无线接入网平台 |
1.3 论文主要贡献和结构安排 |
2 单摄像头场景的移动边缘视频监控系统设计与优化 |
2.1 系统模型 |
2.1.1 前端和后端的人脸识别算法 |
2.1.2 图像压缩算法 |
2.1.3 置信度的评估 |
2.2 基于动作-值方方法的决策算法 |
2.2.1 平稳信道状况下的动作-值方法 |
2.2.2 非平稳信道状况下的(?)-贪婪方法 |
2.3 仿真结果及分析 |
2.3.1 人脸数据库和参数设置 |
2.3.2 动作-值算法测试 |
2.3.3 (?)-贪婪算法测试 |
2.4 本章小结 |
3 多摄像头场景的移动边缘视频监控系统设计与优化 |
3.1 系统模型 |
3.1.1 部署场景 |
3.1.2 前端队列模型 |
3.1.3 传输模型 |
3.1.4 任务计算卸载策略和无线信道分配 |
3.1.5 等待队列更新 |
3.2 问题建模 |
3.2.1 系统状态和动作 |
3.2.2 收益函数 |
3.2.3 优化目标 |
3.3 深度强化学习方法 |
3.3.1 基于DQN的联合决策算法 |
3.3.2 基于DQN+NN的联合决策算法 |
3.4 实验结果及讨论 |
3.4.1 参数设置 |
3.4.2 仿真结果 |
3.5 本章小结 |
4 面向视频监控应用的ORAN平台搭建 |
4.1 Open Air Inteface介绍 |
4.1.1 开源网站介绍 |
4.1.2 OAI整体框架 |
4.1.3 基于USRP B210的e NB+EPC OAI平台搭建 |
4.2 基于树莓派4B的视频捕捉实现 |
4.3 仿真平台测试 |
4.3.1 测试环境 |
4.3.2 OAI平台测试 |
4.4 本章小结 |
5 总结与展望 |
5.1 论文主要工作 |
5.2 未来展望 |
参考文献 |
攻读学位期间的学术论文及研究成果 |
(10)面向电力监测的窄带物联网终端能耗优化研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 终端能耗模型与分析研究现状 |
1.2.2 随机接入拥塞控制优化研究现状 |
1.2.3 电力监测终端低功耗设计 |
1.3 课题来源与研究动机 |
1.4 本文组织结构与贡献 |
2 基于马尔可夫的NB-IoT终端状态模型与能耗优化 |
2.1 马尔可夫链 |
2.2 NB-IoT基本工作模式和工作状态 |
2.2.1 NB-IoT基本模式 |
2.2.2 NB-IoT基本状态 |
2.3 NB-IoT终端状态转换模型 |
2.4 NB-IoT终端能耗与时延模型分析 |
2.4.1 NB-IoT终端能耗分析 |
2.4.2 NB-IoT终端时延分析 |
2.5 NB-IoT终端能耗与时延数值分析 |
2.6 NB-IoT终端参数配置方案分析 |
2.7 本章小结 |
3 面向电力监测的NB-IoT终端大规模随机接入拥塞控制优化 |
3.1 NB-IoT随机接入过程 |
3.2 ACB机制 |
3.3 NB-IoT随机接入系统模型 |
3.3.1 NB-IoT接入等级限制 |
3.3.2 NB-IoT电力监测终端激活模型 |
3.3.3 NB-IoT网络负载估计 |
3.3.4 自适应随机接入限制因子分析 |
3.4 随机接入拥塞控制优化算法 |
3.4.1 基于时延和任务优先级的终端等级划分 |
3.4.2 μACB算法步骤分析 |
3.5 仿真分析 |
3.6 本章小结 |
4 面向电力井盖监测的NB-IoT终端低能耗系统设计 |
4.1 面向电力井盖监测的NB-IoT终端低能耗系统架构设计 |
4.2 面向电力井盖监测的NB-IoT终端低能耗系统终端硬件设计 |
4.2.1 监测终端的硬件架构设计 |
4.2.2 监测终端的硬件低能耗设计 |
4.3 面向电力井盖监测的NB-IoT终端低能耗系统的终端软件设计 |
4.3.1 监测终端的软件架构设计 |
4.3.2 监测终端的软件功能设计 |
4.3.3 数据通信过程设计 |
4.4 面向电力井盖监测的NB-IoT终端低能耗系统平台设计 |
4.4.1 数据采集平台设计 |
4.4.2 数据展示平台设计 |
4.5 监测终端系统验证与监测终端系统低能耗测试 |
4.5.1 监测终端系统验证 |
4.5.2 监测终端系统的终端低能耗测试 |
4.6 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
四、Internet系统设计(论文参考文献)
- [1]复杂软件系统的不确定性[J]. 檀超,张静宣,王铁鑫,岳涛. 软件学报, 2021(07)
- [2]应用于病房的物联网监测控制系统设计与实现[D]. 刘菊. 大连理工大学, 2021(01)
- [3]物联网实训系统设计[D]. 王鑫. 北方工业大学, 2021(01)
- [4]物联网中继与移动边缘学习系统性能优化算法研究[D]. 刘丹. 北京邮电大学, 2021(01)
- [5]物联网中节点捕获攻击的早期检测方法研究[D]. 田雨丝. 北方工业大学, 2021(01)
- [6]基于互联网和智能车载终端的车联网服务平台设计[D]. 陈亚雷. 烟台大学, 2021(09)
- [7]基于物联网的智慧社区设计与实现[D]. 张佳靖. 内蒙古大学, 2021(12)
- [8]物联网设备识别信息提取系统的设计与实现[D]. 吕浩. 北京邮电大学, 2021(01)
- [9]基于强化学习的移动边缘视频监控系统设计与与优化[D]. 杨鲲鹏. 浙江大学, 2021(01)
- [10]面向电力监测的窄带物联网终端能耗优化研究[D]. 谢泰荣. 广东技术师范大学, 2021