VehLoc:基于低功耗蓝牙多信道RSSI值的车内高精度定位方法

高精度车内定位技术是提供车内智能服务、进行车内用户行为习惯分析等应用的基础,有重要实用价值。低功耗蓝牙(BLE, bluetooth low energy)的RSSI(received signal strength indicator)值可用于定位系统的分析计算。针对无线信号传输易受环境影响的问题,对车内定位提出了一种基于蓝牙多信道多RSSI值(multi-channel multi-RSSI values)的车内定位方法 VehLoc。接收端在传统的采集蓝牙RSSI信号的基础上,同时记录信号的信道来源,通过使用3个蓝牙信标在其不同信道的RSSI值对使用者终端在车内的位置进行粗细粒度与分布相结合的区域分析和位置判断。实验结果表明,VehLoc定位方法对车内5个主要位置的分类正确率均可达90%。

基于分治法求解对称三对角矩阵特征问题的MPI/Cilk混合并行算法

对称稠密矩阵特征问题的求解通常转化为三对角矩阵特征问题的求解,基于对称三对角矩阵特征求解的分而治之方法,提出了一种基于消息传递接口(message passing interface,MPI)+Cilk多任务并行模型的混合求解算法,采用进程间数据并行和进程内多线程任务并行的方法,实现了对分而治之算法中分治阶段和合并阶段的多任务划分和动态调度。进程内利用Cilk任务执行的有向无环图模型,解决了线程级并行的数据依赖和饥饿等待等问题,提高了程序的并行性;进程间通过粗粒度计算任务的划分,优化了MPI部分的数据通信流程和负载均衡问题。数值实验表明,混合并行算法在计算性能和可扩展性方面都要优于纯MPI并行算法。