磁共振无线充电技术:进展与展望

无线充电技术具有非接触、自动化以及易维护的供能特性,可以有效解决未来智能物联网(AIoT)在大规模应用时的能量供应难题.在现有无线充电技术中,磁共振无线充电技术在能量传输效用与空间自由度上有着更为均衡的技术优势,已成为当今无线充电领域的研究热点,拥有更为广阔的应用前景.为此,大致回顾了磁共振无线充电技术的发展历程并对其相关背景概念进行了简要概述.对近年的磁共振无线充电技术相关研究进行了系统梳理,并基于设计动机和技术实现从反馈通信、优化调度、感知应用、安全保障4个角度出发,详细总结了对应工作的基本原理、实施方法等核心内容,为后续的研究提供了有效参考.其中,根据传输方式将反馈通信方面工作分为两大类,根据系统结构将优化调度方面工作分为两大类,根据应用场景从三大类介绍感知应用方面工作,根据保障对象将安全保障方面工作分为三大类.最后在上述工作的基础上,讨论了磁共振无线充电技术现有工作的可改进之处,并对未来研究方向进行了展望.

面向序列诊断的强化计算机自适应测验方法

计算机自适应测验旨在根据学生历史表现为学生选择合适的题目,快速有效地测量学生的真实能力.然而在智能教育场景下,现有自适应测验策略仍存在目标复杂和知识稀疏等问题.为此,文中构建用于智能场景的可精准测评学生知识能力的面向序列诊断的强化计算机自适应测验方法,包括基于序列诊断的学生模拟器和学生画像模型,并针对真实场景中自适应测验的目标复杂性,设计薄弱点准确率、预测表现耦合、自适应测验时长、测验异常率和测验的难度结构这5个评价指标.进一步地,提出基于强化学习的计算机自适应测验选题策略,利用双通道自注意力学习及矛盾学习模块缓解知识稀疏的问题.真实数据上的实验表明,文中选题策略不仅可高效测量学生真实能力,还可优化学生的作答体验,同时选择的题目也具有一定的可解释性,从而为智能教育场景下的计算机自适应测验提供一个可行方案.

面向计算机视觉的领域特定语言

在Computer Vision(CV)领域应用模型的开发过程中,领域专家和技术人员之间的沟通存在很大问题,同时,种类繁多的CV算子间的组合调用较为困难,难以集成.为解决以上问题,本文基于Xtext框架,采用模型驱动开发的方式,设计实现了面向计算机视觉的领域特定语言--Computer Vision Domain Specific Language(CVDSL). CVDSL整合了常用CV算子,为CV领域的应用模型开发提供了统一的平台.本文首先为CV领域构建了领域元模型;其次在领域元模型的基础上,本文定义了语法规则体系,并针对领域相关语法规则库,定制了语法检查器;最后本文设计实现了可将CVDSL转换为C++的代码自动生成器.本文通过具体的CV领域应用模型的开发和DSL定性评估框架(FQAD),对CVDSL进行了评估,验证了CVDSL的优点.

实时计算机系统结构综述

在时间敏感的嵌入式系统中,任务需要满足其最后截止期限,错失任务期限会显著影响服务质量或带来灾难性后果.与通用系统相比,实时系统研究进展缓慢,甚至很多基本概念都未达成共识.精确计时(precision timed,PRET)机和实时处理单元(real-time processing unit,RPU)是2套现有的实时系统解决方案,以它们为例介绍实时系统相关的概念,阐述实时系统发展中遇到的问题,比较异同,并分析实时系统各个层次遇到的问题和现有的解决方法.在应用层,用户需要定时操作的接口;在指令集架构(instruction set architecture,ISA)层,应充分利用硬件提供的资源,向上层提供足够的时间语义抽象和计时精度;硬件层需要支持ISA的时间属性和时间语义,并在保证实时性的基础上尽可能地提高性能.对实时系统的研究面临许多挑战.在现有的实时系统设计研究的过程中,关键问题在于上层应用的时间语义难以与底层实现保持一致.

中文新词识别技术综述

新词识别是中文信息处理领域的关键技术。新词识别主要包括候选字串的提取过滤和词性猜测两项任务。中文没有特定符号标志词边界,因此任何相邻字符都有成词的可能性,这给新词提取过滤带来了很大困难;由于没有先验知识和统计数据,新词词性猜测一直是中文词性标注的技术瓶颈。详细分析了中文新词识别技术的研究现状,重点讨论了候选新词提取和词性猜测的研究方法与存在的主要问题,最后对新词识别研究方向进行了展望。

Android安全加固技术

为了保护Android智能手机安全,在深入分析Android系统安全机制的基础上,提出了一个基于强制访问控制的安全加固技术。该技术首先通过修改Android内核,添加一个平台无关的强制访问框架,其次为进程、文件等系统对象添加安全属性,最后通过制定一套细粒度的强制访问规则,对应用程序实施强制访问控制。通过在模拟环境中的测试,验证了该技术可以有效保护Android系统安全。

移动平台Android操作系统虚拟化技术的实现

虚拟化技术的研究正逐渐从服务器端转向移动智能设备领域。现有的虚拟化架构需要在物理硬件层和虚拟系统间进行大量的指令翻译,开销大,效率低。针对这一问题,提出了一种轻量级的移动操作系统虚拟化架构。通过在Linux内核命名空间机制的基础上扩展Driver命名空间框架,实现了多个虚拟Android系统的同时运行。此外,针对多个虚拟系统同时访问一套硬件设备发生冲突的问题,设计了通用的active-inactive模型来保证虚拟系统间对硬件设备的隔离复用。实验结果表明,虚拟后的Android系统在CPU使用率上并没有增加额外的开销,在内存使用量上减少了6.7%,此虚拟化架构具有很好的通用性与实用性。

面向绿色数据中心的能耗有效查询优化技术

降低能耗开销、建设绿色数据中心,已经成为目前大规模数据中心的重要需求.在绿色数据中心,如何使数据库系统在满足性能需求的前提下尽量地节约能耗,即如何提高数据库系统的能耗有效性,是目前研究的重点.数据库系统中的能耗有效性旨在使用更少的电能来提供相同的服务.能耗有效性越高,说明数据库系统可以用更少的能耗就能够响应同样数量的操作,换句话说,可以用更少的能耗达到同样的性能.据此提出了一种面向绿色数据中心的能耗有效查询优化方法.该方法首先利用回归分析建立操作符层的功耗预测模型,从而可以准确地预测给定查询在执行过程中的平均功耗.接着,在PostgreSQL查询优化器中扩充了结合预测能耗成本和时间成本的新的查询执行代价计算模型,并引入性能退化度因子调节性能和能耗的权重.最后构建了数据库系统能耗测试平台,在PostgreSQL上基于TPC-H和TPC-C基准测试进行了实验.结果表明:所提出的功耗预测模型比已有方法准确度更高.同时,提出的性能退化度因子为数据库系统提供了性能和能耗之间的灵活折中方案,并且通过设置适当的性能退化度因子,可以实现比原始PostgreSQL更高的能耗有效性.

基于转移学习的命名实体挖掘技术

研究了针对大规模查询日志中丰富的命名实体的挖掘技术,通过利用Wikipedia数据,结合转移学习方法构建目标类别的分类器.该技术很好地利用了监督学习的优越性能以提高查询日志中命名实体挖掘的准确性,同时也解决了监督学习方法中大规模标注的问题.实验结果表明,基于转移学习的命名实体挖掘技术具有优越的命名实体挖掘性能.

基于机器学习分类算法的前提选择技术研究

前提选择是提高定理自动证明成功率的关键技术,可以根据证明目标的相关性选择最有可能成功证明当前猜想的引理。已有的前提选择算法推荐的引理相关度不高,无法进一步提高定理的自动证明能力。针对以上问题,文章提出一种基于机器学习分类算法的组合方案,从公式结构和符号之间的依赖关系出发,提取有效特征向量集,并在k-近邻算法和朴素贝叶斯算法的基础上引入LDA主题词提取技术,进一步捕捉符号和依赖项之间的相关性,使得最后的组合算法预测的准确性更高。实验结果表明,该方案推荐的引理比现有的前提选择算法相关性更高,可以有效提高定理自动证明的成功率。

一种基于HXDSP的移位器查找表技术

高性能信号处理应用的快速发展,对相应处理器的运算速度及吞吐效率提出了巨大挑战。移位器是数字信号处理器(DSP)上的重要部件,通过为移位器设计额外专用随机存取存储器(RAM)和查找表(LUT),并对其指令集及架构进行优化调整,从而达到提高处理器使用效率和传输速率的目的。此外,基于移位器与相应查找表指令,可在数据暂存的同时进行移位、提取、算术与逻辑运算处理,将部分数据运算的过程直接合并在对移位器RAM的数据存读取过程中,显著地提高了运算部件的使用效率。结果表明:基于移位器查找表的暂存技术可以达到与传输总线接近的吞吐率,对信号处理算法快速傅里叶变换(FFT)可以达到加速比约为1. 15~1. 20的性能提升效果。

P4与POF协议无关可编程网络技术比较研究

软件定义网络(SDN)使用户可以根据需求对网络进行编程来动态配置网络,通过分离控制平面与数据平面,极大增加网络的灵活性。OpenFlow作为其中的一个代表性协议,已经进化了多个版本,但由于其协议规范的约束,用户对网络设备数据平面的操作受到限制。P4高级编程语言和POF技术的提出有效解决了上述问题。本文分别从转发模型、流程控制及指令操作三个方面阐述P4和POF的不同之处,并总结二者的优点与不足。

基于环境的Fuzzing测试技术

鉴于传统Fuzzing(模糊)测试技术在测试漏洞库中已有漏洞时覆盖率偏低的特点,提出一种基于环境的Fuzzing测试技术.通过提取程序运行所需的操作系统环境、中间件库函数依赖、环境变量等不可信环境因子,构造相应的包含了环境特征的Fuzzing测试用例集.这样的测试用例集合对漏洞库中的已有漏洞表现出了更全面的覆盖,同时还可以有效地发掘未知漏洞.以sftp服务器测试为例,选取Windows平台下的5款sftp服务器软件进行测试,除可以发掘已有漏洞外,还发现了3款软件的3个新漏洞,提交SecurityFocus并通过.

程序断言与切片技术在检测程序非崩溃错误中的应用

针对程序非崩溃错误难以被发现的问题,提出一种基于程序断言与切片技术的程序执行监测方法:根据程序执行过程中断言是否被违反来检测程序异常,并根据断言违反信息对反馈的程序异常进行自动分类;在程序切片技术的帮助下,对分类后的程序异常进行分析,判断程序是否真的出错并找到程序错误来源.实验结果表明,该方法可以有效地发现程序执行过程中发生的非崩溃错误,对程序异常进行合理的分类,约简程序代码和不变量,并将程序错误来源定位到具体的汇编指令,从而帮助程序员快速方便地找到错误来源.

视频图像去雨技术研究前沿

户外视觉系统越来越广泛地应用于军事、交通及安全监控等领域,但是恶劣天气严重影响了系统的性能,而下雨是最频繁的恶劣天气之一,会严重损害视频图像的质量,因此检测和去除视频图像中的雨滴对于一个全天候的户外视觉系统来说是必不可少的。去雨技术不仅可以恢复被雨滴影响的视频图像,而且有利于对视频图像的进一步处理,包括基于视频图像的目标检测、识别、追踪、分割和监控等技术的性能提高。为了去除视频图像中的雨滴,首先要分析其成像规律,深入研究雨滴的几何、亮度、色彩和时空等特性,然后基于这些特性进行雨滴检测,最后去除雨滴,修复视频图像。讨论了目前的各种去雨技术,从视频图像中雨滴的特性入手,详细地阐述了各类去雨算法及其优缺点。为了内容的全面性和完整性,对部分具有代表性的算法进行了定量和定性分析。最后对该研究领域中亟待解决的问题进行了总结,并且在此基础上对其未来的发展方向做了进一步展望。

序列比对算法中的BW变换索引技术研究及其改进

面向大规模长序列的序列比对问题是生物信息学中最重要的基础问题之一。针对序列比对算法的主流索引技术BW变换(BWT)进行研究,提出一种新的二阶BWT索引方法。与传统BWT方法的逐位索引查找不同,改进后的BWT方法按双位索引查找。实验结果表明,改进后的方法减少了序列比对算法中的循环遍历和计算次数,降低了序列比对算法中索引方法的复杂度,提高了查找效率,尤其适合长序列和大规模序列的索引和查找。

基于KVM的远程声卡显卡虚拟化技术

针对家庭多媒体环境下的设备共享问题,提出了一种基于KVM虚拟机的远程设备虚拟化技术方案.该方案利用了KVM虚拟机的设备模拟技术,在其设备模拟模块QEMU中实现远程设备虚拟化,使得本地用户能够像使用本地的设备一样使用远程的真实物理设备.接着描述了远程虚拟声卡和显卡的具体实现以及相应的优化措施,并且利用远程虚拟显卡实现了屏幕扩展功能,最后通过实验进行性能分析.本方案优点在于仅需要在用户态的虚拟设备层添加所需要的远程设备的虚拟化,方便灵活且系统的安全性高同时不需要修改客户操作系统.

面向协议无感知转发技术的SDN试验床

基于Open Flow的软件定义网络(SDN)中的转发设备不便于支持新协议的转发,因此协议无感知转发(Protocol Oblivious Forwarding,POF)技术被提出.本文基于POF技术和Open Flow控制器POX,设计并实现了一种支持POF技术的SDN控制器,POF控制器可以充分利用POF转发设备并且体现了SDN的可编程性.同时,我们基于POF控制器搭建了POF试验床,实验结果表明POF控制器能够有效地管理POF网络,并提供高效的控制功能.

分片式处理器上的谓词执行技术优化

谓词执行能使分片式处理器充分利用众多的执行单元,开发指令级并行性.但因此形成的超块也使得分支误预测代价增大,所以提高分支预测器的性能至关重要.本文提出一种基于剖析信息决策的谓词执行技术,该技术利用剖析信息对谓词执行前后的执行周期进行估算,从而对分支的谓词执行进行决策.该技术使分支预测器的命中率提高了0.68%～3.50%,使系统性能提高了1.67%～8.33%.同时,利用select指令表示谓词化指令也消除了重命名阶段寄存器多定义问题.

程序阶段性分析和阶段检测技术

对称多处理器的飞速发展和近年来提出的动态异构处理器(DHMP)为性能优化提供了新的机遇。一个机遇是找出程序每个阶段的性能瓶颈,提出了静态程序阶段分析方法,即通过分析结构参数和计算相似度矩阵来找出程序每个阶段的资源瓶颈;另一个机遇是给出动态异构处理器重构的时间节点,提出了DPDA和HTPD两种动态阶段检测算法,检测出阶段的变化能够为动态可重构处理器提供重构的时间节点。DPDA算法效果很好且软硬件实现代价小,而HTPD算法是目前为止第一个使用统计学方法进行动态检测阶段的算法。实验表明,与BBV相比,DPDA和HTPD能避免BBV离线、动态算法需添加额外硬件、结果与编译器相关等限制,并且阶段划分的稳定性和正确率与BBV相当。DPDA和HTPD算法由于本身不依赖额外硬件,因此都能直接在主流处理器和动态异构处理器(DHMP)中使用。