新型便携式谱仪的异构嵌入式系统构建与移植

针对传统单核处理器谱仪在实时性、可控性等复杂谱数据处理中所面临的技术瓶颈,深入探索核能谱测量技术与嵌入式系统交叉融合研究,提出了基于ARM/DSP异构嵌入系统架构下的便携式能谱仪。硬件上以构建异构嵌入式系统TI-OMAP3730平台为例,软件上实现谱数据处理、谱峰参数控制、数据高速传输等多模块并行执行。通过优化内核配置、编译并移植ARM-Linux2.6系统以及Qt/Embedded,平衡了多模块谱数据处理造成的多任务调度系统资源庞大开销。系统测试结果表明:多个谱数据处理单元能高效协作,且系统的实时性、稳定性等指标均优于传统谱仪要求。

从异构嵌入到整合共生:乡村文化教育综合体建设与乡村文化振兴

乡村文化振兴是乡村振兴战略的重要组成部分,乡村教育发展对乡村文化振兴具有根本性作用。乡村文化系统和乡村教育系统虽然具有不同的结构构成,在乡村发展功能上各有侧重,但是它们都是乡村公共文化服务系统的一部分,它们在乡村振兴中具有结构上的互相嵌入性、功能上的相互整合促进性以及发展过程中的共生性。开展乡村文化教育综合体建设,可实现乡村文化和乡村教育的异构嵌入、功能整合、发展共生,进而实现乡村文化的振兴。

嵌入式异构物联网敏感数据流动态挖掘研究

数据召回速率影响网络主机对敏感数据流的挖掘与处理能力。因此,为提升数据召回速率,针对嵌入式异构物联网敏感数据流动态挖掘方法展开研究。以边缘云架构为基础,推导数据标识映射条件,并完善嵌入式异构物联网体系。然后根据滑动窗口构建标准,建立闭合频繁项集合,再通过求解负载配比参数的方式定义关联挖掘规则,从而实现对敏感数据流的动态挖掘。实验结果表明,该方法能够将数据召回速率最大值提升至8.0 bit/ms,使得物联网主机对敏感数据流的挖掘与处理能力得到了提升。

硬件成本缩减的异构分布式嵌入式系统调度算法

随着信息技术的发展,工业嵌入式系统的功能规模迅速地增长,大大增加了硬件成本,需缩减硬件成本以提高利润。同时,为满足系统的功能安全约束,对任务和消息进行整体调度的问题也亟待解决。以硬件成本缩减为目标,设计了硬件成本缩减方案,定义了任务到处理器映射、任务和任务、任务和消息等的时序约束关系,提出了基于整数线性规划的硬件成本缩减(IHCR)算法,在保证功能响应时间约束前提下,尽可能多地减少处理器使用数目。仿真实验验证了IHCR算法在满足任务可调度性下硬件成本节约的有效性。

面向异构信息嵌入模型的交互对比可视分析系统

为理解不同异构网络嵌入模型之间的差异,并解决评估异构网络嵌入模型所存在的定性分析复杂且隐藏的问题,对比分析方法首先应统一模型的评估指标和任务,然后训练模型以获取模型训练过程中的大量参数和特征信息,并保留完整且非均值化的评估结果进行可视化.基于模型参数和特征数据,设计并实现一个交互对比可视分析工具——HINCompare,包括基础评估指标的分布概览和推荐结果对比视图,以及模型嵌入过程中融合的局部拓扑结构特征视图.该工具支持探索模型中不同特征聚合方法所存在的共同模式和不同架构的模型之间的差异.此外,HINCompare通过热力图展示了用户在电影类型和年份上的偏好特征,可结合推荐结果的上下文信息进行分析和评估,解决推荐中的黑盒问题,提供推荐结果的来源信息,增加可解释性.最后,通过真实的豆瓣电影数据验证了系统的有效性.

一种基于孪生神经网络的深度异构网络嵌入算法

针对现有异构网络嵌入方法导致的捕获关系冗余和模糊的问题,提出了一种基于孪生神经网络的深度异构网络嵌入模型。首先,基于面向关系的深度嵌入(Relation-Oriented Deep Embedding,RODE)框架构建了异构网络嵌入模型,以区分同型节点和异型节点之间的关系;其次,将同型节点与异类节点之间的相似性近似到低维空间,通过构建多任务的孪生神经网络来实现节点之间结构和语义关系的深度嵌入;最后,选取四个数据集执行典型网络挖掘任务,并与其他六种算法进行实验对比分析。实验结果表明,保持相同类型节点之间的相似性有助于提高节点分类效率,且损失函数在提高异构网络嵌入质量方面具有良好的优越性;RODE模型能够有效提高稀疏网络的嵌入质量,且具有良好的稳定性和鲁棒性。

异构系统双关键级分布式功能的动态调度

异构分布式嵌入式系统是由多种不同关键级功能组成的混合关键级系统,且每个功能又是由多个具有优先级约束的任务组成的分布式功能.异构分布式嵌入式系统的混合关键级调度在性能与时间约束上面临严重的冲突.如何提高系统总体性能,并仍然确保高关键级功能的实时性,在性能与实时性上取得合理的权衡则成为研究的主要优化问题.提出公平策略的动态双关键级任务调度算法F_DDHEFT(fairness on dynamic dual-criticality heterogeneous earliest finish time)以提高系统的整体性能;提出关键级策略的动态双关键级任务调度算法C_DDHEFT(criticality on dynamic dual-criticality heterogeneous earliest finish time)以满足高关键级功能的实时性;提出时限时距策略的动态双关键级任务调度算法D_DDHEFT(deadline-span on dynamic dual-criticality heterogeneous earliest finish time),在满足高关键级功能实时性的基础上,提高系统的整体性能,最终在性能与时间约束上取得合理的权衡.实例分析和实验结果验证了D_DDHEFT算法的优越性.

信号级协同计算平台架构及应用思考

针对智能化作战对军事电子信息系统计算能力提升的迫切需求,结合云计算的资源虚拟化、大数据的分布式计算等技术,提出了基于嵌入式CPU+ALL(DSP、FPGA、PPC、GPU、AI处理器等)的异构处理的信号级协同计算平台架构,包括弹性、轻量级异构资源虚拟化模型、分布式实时计算框架和智能计算框架等,形成了一套架构统一、资源共用、使用简便的协同计算和智能计算环境。通过战术级无线电认知和智能信号与信息处理两个典型应用场景,探讨了该信号级协同计算平台可能带来的颠覆性效用。