Patient Centered Real-Time Mobile Health Monitoring System

In this paper, we introduce a system architecture for a patient centered mobile health monitoring (PCMHM) system that deploys different sensors to determine patients’ activities, medical conditions, and the cause of an emergency event. This system combines and analyzes sensor data to produce the patients’ detailed health information in real-time. A central computational node with data analyzing capability is used for sensor data integration and analysis. In addition to medical sensors, surrounding environmental sensors are also utilized to enhance the interpretation of the data and to improve medical diagnosis. The PCMHM system has the ability to provide on-demand health information of patients via the Internet, track real-time daily activities and patients’ health condition. This system also includes the capability for assessing patients’ posture and fall detection.

边缘计算下差分隐私的应用研究综述

为了解决传统云计算模式的延迟和带宽限制,应对物联网和大数据时代的需求,边缘计算开始崭露头角并逐渐受到广泛关注。在边缘计算环境下,用户数据的隐私问题成为了一个重要的研究热点。差分隐私技术有着坚实的数学基础,它作为一种有效的隐私保护算法,已经被广泛应用于边缘计算中,两者的结合有效缓解了隐私保护低和计算成本高的问题。首先介绍了互联网发展带来的问题,其次介绍了边缘计算的基本概念、特点和组成部分,并概括了与传统云计算相比的优势,然后对差分隐私的基本概念和原理进行了概括,进而详细阐述了差分隐私的3种扰动方式和常用的实现机制,最后对边缘计算下差分隐私的应用研究进行了综述,并指出了未来的研究方向。总之,将差分隐私技术应用于边缘计算场景对隐私保护和数据分享都是一种有效保护手段。

外测实时数据融合方法分析

针对目前任务模式复杂、测量装备种类多且跟踪能力不同的问题,充分利用汇集于中心的大量装备测量数据,改变原有的接力分段处理的方式,研究测元级和弹道级的实时融合处理方法,给出切实可行的数学模型和方法步骤,并模拟异常数据分别计算,分析两种方法的处理精度和适用情况。该方法已经在实时处理软件中使用,保障了多项任务的实时数据处理,较传统处理方式有明显提高。

基于云边协同的智能制造系统中的实时数据处理与分析研究

旨在探讨基于云边协同的智能制造系统中的实时数据处理与分析的方法与应用。随着制造业的数字化转型,实时数据处理与分析对提高生产效率和质量至关重要。作为一种新兴的计算范式,云边协同允许将数据处理任务分布到边缘设备,以满足实时性要求。提出了一种基于云边协同的框架,通过实验验证了其有效性。结果表明,所提出的框架能显著提高数据处理效率,满足实时性需求,为智能制造系统的数字化转型提供了有力支持。

基于YOLO模型的车流量实时采集系统研究

对于一座现代化城市来说,合理的交通规划是一个城市高效运行的关键,作为交通规划的关键信息的城市车流量信息,原本需要人工进行识别、获取、验证的提取方式,随着计算机视觉技术的蓬勃发展弊端尽显,终将退出历史的舞台。为了提高城市车流量信息的准确性和及时性,利用现有的计算机技术设计一种基于YOLO模型的车流量实时采集系统。该系统基于YOLO视觉检测模型,采用DeepSORT算法对检测到的目标车辆进行跟踪识别、判断车辆的运行状态、实现当前路段的车流量统计、对已记录车流量信息进行可视化展示以及数据输出等。该系统可以有效地代替传统消耗人力的死板工作,实现自动化数据收集以及道路交通情况的快速监测。该系统操作简单,交互性强,为城市的交通管理和交通规划提供准确实时的信息数据。

一种FPGA集群轻量级深度学习计算架构设计及实现

传感器技术的发展带来了边缘、端设备功能的迅速迭代升级,也带来了战场前端的数据量成倍增长。针对边缘、端设备数据量的急剧增长和芯片计算处理能力的矛盾,结合Map/Reduce框架,提出了一种基于现场可编程门阵列(Field Programmable Gate Array,FPGA)计算集群资源的深度学习架构,能够实现多个深度学习算法的并行快捷部署和应用。该轻量级深度学习计算架构同时满足军事应用对“端”的智能处理能力提出的新要求,即不仅局限于数据采集和智能的应用,还必须具备分布式并行智能实时计算的能力。该FPGA集群轻量级深度学习计算框架部署不同类型算法容易,实时性高(ms级任务响应),可扩展性好,在多种类异构传感器、大场景大数据吞吐量的军事场景及森林防火等民用场景有广泛的应用前景。

基于数字孪生的加工生产线虚实交互技术研究

针对传统加工生产线运行过程中设备数据采集困难和可视化程度低的问题,研究了数字孪生(DT)技术在加工生产线虚实交互方面的应用问题。首先,以某电机外壳加工生产线为例,分析了生产线的加工流程,设计了虚实交互技术的总体框架,并提出了具体的方法;然后,对加工生产线进行了数字孪生体建模,对模型中的关键要素,几何、物理、行为属性及通讯接口的构建进行了详细的阐述;最后,采用过程控制的对象链接和嵌入(OPC)技术进行了加工生产线中多源异构数据的采集与处理,完成了实时数据间的映射。研究结果表明:采用虚实交互技术可以完成物理生产线与数字孪生体间的实时映射;电机外壳加工生产线中机械臂虚实交互的可靠性为99.95%,可满足精确性要求;采用服务模块能够更加直观、有效地反映生产线的实际加工状态,可满足加工过程信息动态可视化要求,证明了该方案具有可行性和有效性。

基于流计算和大数据平台的实时交通流预测

目前交通流预测实时性差,很难满足在线分析和预测任务的需求,基于此提出一种Flink流计算框架和大数据平台结合的实时交通流预测方法。基于流计算框架实时捕捉和预处理数据,包括采用Flink的transform算子对数据进行校验和处理,将处理后的数据sink到大数据的HDFS文件系统,交由下一步的大数据并行框架进行分析建模与训练,实现基于流计算和大数据平台的实时交通流预测。实验结果表明,Flink能够实时捕捉和预处理交通流数据,把数据准时无误送入分布式文件系统中,在此基础上借助大数据框架下的并行分析和建模优势,在实时性数据分析与预测方面取得了较好的效果。

油库多源设备数据采集和处理系统设计研究

为解决大规模成品油库异构设备的数据采集和实时处理问题,创新性地设计了一种针对成品油库的通用化、高可用性的工业实时数据采集和处理系统,以定义异构数据采集的四层架构,并规范油库设备设计的四层级编码和数据格式化处理规则。按照开放平台通信统一架构(OPC UA)标准协议,对油库多源异构设备进行数据采集和协议转换。利用消息队列遥测传输(MQTT)协议与云平台进行数据转发和传输,同步提出采集的高可用性策略,实现多源异构设备设施与平台端大规模数据的实时采集和交互。云平台端利用Kafka、Storm、MySQL和Redis实现大规模实时数据的高速处理。该系统在多座大型成品油库试点应用,实现对油库安全生产的实时数据采集、处理和预警推送,采集监控点超过5000个,测试数据采集和处理最大时延低于1.5 s。应用结果证实了该系统的有效性。

高吞吐量基础设施检测数据实时处理技术

为满足基于5G传输的车地无线传输系统中检测数据实时处理需求,提出融合分布式流处理平台Apache Kafka(简称Kafka)和分布式处理引擎Apache Flink(简称Flink)的高吞吐量实时检测数据处理方法。基于Kafka构建实时检测数据仓库,实现对实时检测数据的有序快速读取与存储;以Flink作为实时计算引擎,实现高吞吐量数据流下对检测数据的实时处理与分析。为缩短实时检测数据关联台账数据的时间,提出基于时空索引的台账关联方法。通过对综合检测列车采集的实时检测数据的处理,证明了所提方法能确保高吞吐量数据流下数据处理稳定高效进行,且实时检测数据平均处理时间在1 min以内,能满足地面工作人员对综合检测列车检测设备状态的远程实时监控需求。

基于网络的磁力仪台站远程实时监测方法

磁法勘探中,磁力仪台站仪器采集地磁静日变化数据用于探区的地磁场数据的日变改正。为避开电磁干扰,磁力台站通常设置在偏远位置,很难实时监测仪器状况和数据质量,一旦出现问题会导致所有流动站的数据无法进行日变改正而作废。针对此问题,本文提出一种基于移动网络的远程实时监测磁力台站工作状况的方案,具有实时回传台站数据和状态异常警报功能,能够实时进行台站远程监测,解决了台站监测离不开人的难题。

支持实时流计算应用的关键技术研究进展

信息系统在进行知识的挖掘和管理时,需要处理各种形式的数据,流数据便是其中之一.流数据具有数据规模大、产生速度快且蕴含的知识具有较强时效性等特点,因而发展支持实时处理应用的流计算技术对于信息系统的知识管理十分重要.流计算系统可以追溯到29世纪90年代,至今已经经历了长足的发展.然而,当前多样化的知识管理需求和新一代的硬件架构为流计算系统带来了全新的挑战和机遇,催生出了一系列流计算领域的技术研究.首先介绍流计算系统的基本需求以及发展脉络,再按照编程接口、执行计划、资源调度和故障容错4个层次分别分析流计算系统领域的相关技术;最后,展望流计算技术在未来可能的研究方向和发展趋势.

基于深度学习的用气趋势预测与管网气量调配算法——以中国石油西南油气田公司为例

生产实时数据是油气生产的重要资产,通过监测实时数据,管理人员可以及时掌握油气田的生产运行状况,目前数据使用主要集中在数据监测、设备联锁、支撑报表自动生成等应用。为了提升已有数据价值、支撑调度管理,对某气矿已采集天然气开发生产实时数据再利用,通过深度学习进行用户用气量趋势预测,并研究出一种管网气量调配的算法,实现了管网输气调配方案的自动生成。研究结果表明:①通过对历史数据的处理,可以对异常值进行分析和过滤,从而获取能够使用分析的数据,并能生成参数的正常运行区间,对有效数据提取、指导工艺参数运行范围具有重要意义;②通过神经网络进行用户用气量小时趋势的预测,能较好地捕获未来一段时间内的用气量变化趋势,从而实现对需求量变化的提前感知;③通过构建最少调整次数和最接近标定产能两种基于管网汇总气量的井口产量调整算法,实现了气井生产管网调配方案的自动计算,减少了人工计算分析管网气量调配的工作量。

室内移动机器人激光点云2D墙线检测实验

快速、准确地识别墙线环境元素是室内移动机器人导航功能的重要基础。该文针对传统霍夫变换方法易丢失信息和产生过多冗余线段问题,提出一种基于激光雷达点云数据空间特性的2D墙线直接提取算法。首先通过点云直通滤波技术去除原始三维点云数据中的地面点云干扰;然后将清洗后的点云投影到二维地平面上,转化为二值化图像后进行直线检测;再利用自定义的直线滤波增强算法,在减少冗余线段的同时保留更多有效墙线信息,从而快速生成更为吻合的建筑物墙线模型。仿真实验结果表明,新算法在不同复杂度场景下提取的线段数量整体平均降低50.8%,且处理时间小于100 ms,满足移动机器人导航过程中实时环境识别需求。该实验适合用作高校教学实验,有助于学生将理论知识与实践操作相结合,深入理解室内地图构建与环境感知技术。

基于FPGA的大动态范围数据采集系统设计

针对传统数据采集系统受动态范围限制,进行测量时对大信号易过载、小信号易丢失等问题,设计了一种基于FPGA的大动态范围多通道数据采集系统,讨论了噪声相关性与放大器增益对动态范围的影响。该系统采用一种分立式架构的双ADC同步采集单元,结合FPGA高速并行处理的特点进行数据融合,对前端可变增益放大电路实时控制,实现多通道数据采集系统对微小信号采集时的高分辨率以及对大信号采集时的高容差。对采用动态范围最大为108 dB的AD7768芯片研制的实验样机进行测试,结果表明其在64 kHz的采样频率下可达到160 dB以上的动态范围,系统采样精度达到0.1%,线性度优于0.005%,通道间相位精度达到±0.05°。

自动化在化工工艺控制中的应用与优化

文章聚焦于化工工艺控制中自动化技术的应用与优化,提出了模型预测控制、实时数据处理与辨识算法、多元化安全策略等自动化优化策略。通过在乙烯裂解生产中的实践,模型预测控制实现了8%的反应收率提升,实时数据处理技术提高了产量5%,多层次安全防护体系有效防范了爆炸危险。研究结果显示,这些策略为化工工艺控制的智能化与最优化提供了切实可行的路径。

风电场实时数据处理与监测方法研究

随着可再生能源的快速发展,风电场在能源领域占据了重要的地位。风电场的运行数据监测与分析是确保风电场安全可靠运行的关键步骤。风速是风电场运行的关键参数之一。对于风速数据的监测来说,可以使用气象塔和杆塔上的风速传感器进行实时监测。通过统计学方法可以对风速数据进行分析,常用的方法有概率密度函数、累积分布函数以及频率分析方法。基于此,本文重点研究风电场实时数据处理与监测方法,以期为风电场运行提供有益的参考。

高效能配电自动化系统的设计与实施

在现代社会中,电力系统作为关键的基础设施,对经济活动和日常生活的稳定运行至关重要。配电自动化系统作为电力系统的重要组成部分,通过高度的信息化和自动化技术,保障了电力的高效、可靠分配。随着能源需求的增长和智能电网技术的发展,设计高效能的配电自动化系统成为提升电网性能的关键,但目前在系统集成效率、能耗优化和可持续性方面仍存在不足。文章探讨了如何通过先进的设计方法和技术,构建更高效能的配电自动化系统,旨在推动电力系统的高效化和可持续发展,为未来技术和市场挑战提供解决方案。

信息工程中基于软件设计的实时数据处理与分析技术研究

本文基于软件设计原则构建了适用于实时环境的软件模块,探索信息工程领域的实时数据处理与分析技术。通过系统梳理发展现状和关键理论,选择合适的开发环境和工具,并深入分析软件开发流程。实践案例验证表明,该技术能高效处理实时数据,为各行业提供可靠的解决方案,对信息工程领域发展具有指导作用。

基于AI的5G网络智能优化与自适应调整

文章探讨了人工智能(Artificial Intelligence,AI)在5G网络优化与自适应调整中的应用,重点涵盖网络规划与设计、资源分配与管理、网络维护与故障检测等方面。通过数据驱动的优化方法、深度强化学习以及实时数据处理与反馈机制,实现网络性能的显著提升。此外,进一步讨论了动态频谱管理、自适应负载均衡、网络切片动态调整、实时流量预测以及网络资源实时分配等自适应调整技术。