云环境下基于多虚拟机的在线视频监控系统设计

针对常规视频监控系统在线实时性不强,海量视频数据传输迟滞,任务管理单一等问题,提出了构建在云计算环下基于多虚拟机技术在线视频监控系统 ,利用云计算平台中的物理资源与服务资源提升在线视频监控系统数据处理能力,虚拟机可同时处理大量的视频监控数据,并将视频数据以云存储的方式存储于云端服务器,降低了设备建设成本,可根据不同用户需求定制相关服务。本系统基于云计算平台设计,应用数十台乃至数百台虚拟机对在线视频监控数据进行处理,设计实现了云平台下在线视频监控系统的结构设计、以太网通信接口设计、服务器硬件配置和虚拟机控制。在软件设计方面通过对各虚拟机资源利用率的计算而动态分配资源,从而可以有效减少网络传输系统状态信息的带宽开销。通过系统功能与性能测试表明,在常规公共网络10M带宽的情况下,本系统在线视频监控数据的传输延迟时间相比于传统视频监控减少了85%以上,监控视频数据量减少了75%以上。     

基于WiFi和虚拟仪器的噪声监测系统的设计

提出一种基于WiFi和虚拟仪器的嵌入式噪声监测方案,主要由噪声采集单元、主控电路、存储单元、WiFi模块及监控中心组成。噪声提取电路将数据通过单片机控制器处理后输出到与其相连接的存储器中,并通过WiFi模块输出,监控中心通过无线AP点接收噪声数据,利用虚拟仪器软件对噪声数据进行解析和实时显示数据。实验结果表明,该装置功耗低、通信速率高、抗干扰性能好,具有全双工通信的特点。     

基于GPRS的下水道气体远程监测系统设计

为了提高城市下水道气体监测的实时性和可靠性,本文设计了基于GPRS的下水道气体远程监测系统。该系统主要包括前端气体采集模块、GPRS数据无线传输模块、数据接收模块及监控中心;气体采集模块由气体传感器和数据采集单片机组成;单片机实时采集气体传感器中的数据,并将采集到的数据通过GPRS无线传输模块进行实时上传;数据接收模块把接收到的数据传送至监控中心服务器,由服务器对数据进行处理、显示、存储和统计等。通过对18个监测点的监测实验效果表明,该系统运行稳定可靠,能实现对下水道气体远程采集、无线传输和实时监测的目的。     

基于WIFI的农业物联网温室大棚环境监测系统的设计

针对现代农业温室大棚环境监测中存在的问题,设计了基于WIFI技术的农业物联网温室大棚环境监测系统。该系统由监控中心、WIFI基站、环境采集节点与视频监控构成。环境采集节点以STM32F作为主控器,采集温室大棚内光照度、环境温湿度、土壤温湿度等信息;视频监控采用有线与无线结合的方式;所得环境数据通过WIFI无线网络及光纤传回监控中心。设计了基于B/S架构的上位软件和基于C/S架构的移动终端环境监测软件来实现环境的监测与控制的下达。现场应用结果表明,所设计的环境监测系统网络结构简单、可靠性强、性能稳定。     

基于6LoWPAN的智慧校园空调监控系统设计

针对总线制空调监控系统存在布线施工成本高、联网结构复杂、维护难度大等问题,设计了一种基于6LoWPAN的智慧校园空调监控系统。首先给出了系统的整体功能及网络架构;然后,给出了传感器节点、系统核心模块及网关节点的硬件设计;接下来对6LoWPAN协议及简化进行了描述,给出了系统嵌入式软件的设计;最后给出了相关的空调控制策略。测试和实验结果表明,该空调监控系统具有结构简洁,扩展性高,实时在线响应,有效解决了校园空调物联网的信息互联问题,利用云平台智能管理达到节能减排目标。     

飞行参数在线自动监控技术的研究

针对“黑匣子”功能局限性与卫星数据传输的高成本问题,提出了飞行参数在线自动监控系统(FPOAMS)的新型设计思路;该系统可在线对飞参数据进行分析,并在发现数据超限时自动将飞参数据传送到地面监控中心;在此以航迹监控模块为核心模块,利用Visual Studio作为软件开发环境,通过面向对象技术和MATLAB引擎调用技术完成对飞行数据的解算、监控和航迹仿真;结果表明,该系统有助于地面监控中心在航迹偏离前后对飞机进行及时定位与预警,并且相对于传统的卫星数据链缩减了传输费用;由此可见该FPOAMS系统具有实时性、有效性和广泛应用性。     

基于OpenCL与FPGA异构模式的Sobel算法研究

随着计算机科学技术的迅速发展,嵌入式领域实时图像处理应用越来越广泛,然而传统硬件因为自身架构导致并行化程度不高,针对在视频监控、机器视觉、视频压缩、医疗影像分析等领域需要对图像进行高性能计算的问题,提出一种以OpenCL软件模型和FPGA异构模式的高性能图像处理解决方案,实现了图像显示和OpenCL加速功能,以Sobel边缘检测算法为研究对象,进行了算法并行性分析,并在系统中运用OpenCL加速内核算法,与基本的ARM平台和OpenCL共享内存加速机制相比较,展开性能测试,对加速效果进行了研究。实验数据表明,使用该系统处理不同分辨率的图像,OpenCL加速子系统的处理较基于片上ARM硬核的软件处理,实现相同功能上有100倍左右的性能提升。     

基于物联网的地铁区域安全监控系统设计

为更好的保障地铁行车安全,及地铁站内环境安全和对灾害事故的预防,需要对地铁区域安全监控进行设计。当前采用的方法是利用传感器获取的监控信号经过现场中心接口传送至监控中心,在监控中心完成对数据信号的采集分析,通过网络与数据中心进行数据通信,在监控数据中心中完成对数据参数的处理以及预警和报警等功能,并对地铁进行实时监控。虽然该方法成本较低,但存在监控数据过程中产生数据丢失问题。为此,提出一种基于物联网的地铁区域监控安全监控系统设计方法。该方法首先对地铁区域安全硬件系统进行设计,硬件系统主要由感知层模块以及网络层模块和应用层模块三部分构成,利用分段曲线算法对监控到的数据进行传输,以传输的数据为基础,结合粒子滤波对监控数据进行处理,以数据处理结果完成对地铁区域安全监控系统设计。实验结果表明,所提方法能有效地提高地铁行车的安全性,保证乘车安全,为地铁安全建设发展提供依据。     

基于INtime的EtherCAT实时采集系统主站设计

为了满足EtherCAT网络通信的高实时性,提出了一种新的主站程序设计方案;基于Windows XP系统扩展INtime实时核的开发环境,使EtherCAT网络主站能够实现实时通信的要求;首先,介绍了EtherCAT网络的体系结构,然后,在分析INtime实时核扩展原理及EtheCAT网络通信原理的基础上,对主站功能模块进行了详细的划分,并给出了基于INtime实时系统的主站程序具体设计方法;最后,采用EtherCAT从站平台―高速多功能信号测试仪,验证了基于INtime的实时主站的功能,并对系统进行了测试分析,给出了实时性能测试的结果;实验结果表明设计的多功能采集系统主站具有高的实时性和可靠性特点。     

基于EtherCAT总线的串联型分布式数据采集系统设计

针对海洋工程实验室现场数据采集过程中,数据量大、测点分散、实时性要求高、数据种类不一致的问题,设计了一种基于实时工业以太网EtherCAT总线的串联式数据采集系统。从整体结构、工作原理、主站软件和从站软硬件方面详细介绍了系统的方案设计。在实验水池中,通过采集实际波浪信号对数据采集系统进行了测试。结果表明,系统性能稳定,精度高,实时性好,为分布式数据采集监控系统的研究提供了应用和技术上的参考。     

静态磁场测试平台的采集监控系统的设计与实现

介绍了静态磁场测试平台的结构和特点,详细描述了采集监控系统的体系架构,该系统是由数据采集管理系统和操作监控平台组成的。根据该系统的特点,设计了基于Qt的数据采集管理系统和基于EPICS的操作监控平台。该系统实现了对静态磁场测试平台的实时控制、设备状态检测及监控、数据采集、存储及查看。该应用运行稳定,能满足静态磁场测试平台对采集监控的需求。     

测控数据实时监测软件设计方法研究

测控数据实时监测软件是测控系统中的关键分系统之一,承担着大量测控信息的实时监视任务,由于其监测的数据具有信息量大、发送频率高、种类多样等特点,如何提升软件的性能和效率,成为了测控软件领域的一项重要课题。为实现该软件信息监测功能实时、全面、可靠,从软硬件平台、软件架构和算法设计等方面开展研究。采用多线程设计实现大量并行数据的接收,利用面向对象程序设计方法使数据处理层和展现层分离,对有曲线显示需求的数据存储方法进行了算法优化,从而实现软件的全面效能提升设计。设计的软件经实际环境测试,设计方法能够有效提升软件的效能,保证了测控数据监测功能的实时性和可靠性,增强了测控数据实时监测软件的数据承载能力。同时该方法设计的软件具有较好的可扩展性和可维护性。     

云计算环境下资源调度系统设计与实现

在云计算环境下,对开放的网络大数据库信息系统中的数据进行优化调度,提高数据资源的利用效率和配置优化能力。传统的资源调度算法采用资源信息的自相关匹配方法进行资源调度,当数据传输信道中的干扰较大及资源信息流的先验数据缺乏时,资源调度的均衡性不好,准确配准度不高。提出一种基于云计算资源负载均衡控制和信道自适应均衡的资源调度算法,并进行调度系统的软件开发和设计。首先构建了云计算环境下开放网络大数据库信息资源流的时间序列分析模型,采用自适应级联滤波算法对拟合的资源信息流进行滤波降噪预处理,提取滤波输出的资源信息流的关联维特征,通过资源负载均衡控制和信道自适应均衡算法实现资源调度改进。仿真结果表明,采用资源调度算法进行资源调度系统的软件设计,提高了资源调度的信息配准能力和抗干扰能力,计算开销较小,技术指标具有优越性。     

云计算Hadoop平台的异常数据检测算法研究

近年来,随着我国互联网技术的飞速发展与大规模网络运算平台研究的深入,云平台下的数据处理已成为大规模数据的主要处理方式。但是,现有的云计算Hadoop平台在海量数据异常涌入状态下,常常出现数据逻辑错误、数据链完整性缺失、数据失效的问题,造成无法对上述异常数据进行有效检测处理,严重影响云计算Hadoop平台的数据运算准确性。针对上述问题,提出云计算Hadoop平台的异常数据检测算法研究方法。采用JNS数据采集筛查模组、算法逻辑补偿模组与动态反馈模组对现有的云端计算平台存在的问题进行针对性解决。通过仿真模拟实验证明,提出的云计算Hadoop平台的异常数据检测算法研究方法,具有异常数据识别率高,准确性高,速度快、可实施性强、稳定性好的特点。     

基于云服务器的地磁感应电流监测系统的设计

地磁暴引起的地磁感应电流(GIC) 可能引起变压器直流偏磁, 对电网的安全稳定运行带来威胁, 远程实时监测GIC对电网的GIC防御具有重要的指导意义。设计了一种基于云服务器的电网GIC远程监测系统, 数据采集终端实时采集变压器中性点的GIC, 多监测点数据经GPRS分端口发送至云服务器的内网进行存储, 用户可通过云服务器的公网IP远程访问并对数据进行绘图、下载等处理, 实现了电网GIC数据的实时发布与共享。结合空间天气的预测数据, 还可以初步实现GIC的预警。对系统的数据采集终端以及基于云服务器的监测软件平台两大模块进行了实验室及变电站现场测试, 测试结果表明该系统实现了设计要求, 满足功能需求。     

ITER PF电源现场层监控系统网络拓扑延时分析

为保障ITER极向场(PF)电源系统的高实时性控制需求,根据其设备体积大、分布分散等特点,选取了支持多种设备连接拓扑的实时工业以太网现场总线EtherCAT作为ITER PF电源现场层监控系统的数据通讯协议。为研究ITER极向场电源现场层监控系统的实时性,分析了数据帧在几种适合ITER PF整流器单元现场层信号采集与控制的现场总线设备网络拓扑中的传输延时,通过搭建测试平台验证了方案设计的可行性与正确性。在满足控制系统高实时性要求的同时,经对比找出了较为适合的设备网络拓扑来设计ITER PF电源现场层监控系统,也为ITER PF电源的其他子控制系统的拓扑优化提供了借鉴。     

基于Open VG云电子书系统的多级优化框架设计

针对电子书应用存在的文件格式、性能效率低下和图像失真等问题,设计了一种应用于云电子书系统的多级优化框架,优化框架主要体现在如下三个方面。第一,对向量图形类库的性能进行描述,并提出了一种优化算法,减少了类库的时间复杂度。第二,在嵌入式GPU上并行进行坐标系统的计算。利用GPU在并行计算方面的优势,云电子书在向量图形类库方面获取了显著的性能提升。第三,云电子书将文件转化功能转嫁给Hadoop云平台,节省了移动设备的能量消耗和计算时间。同时为了对Hadoop调度过程中的数据位置问题进行优化,将位置感知调度器运用到提出的系统。实验结果表明：云电子书系统与最初的Open VG类库相比,性能提升了约70%,而且云电子书系统与连续服务器平台相比,计算时间减小了约60%。     

Heterogeneous platform-aware workload feature recognition for edge intelligence

With the advent of the Internet of Everything, the combination of AI (Artificial Intelligence) and edge computing has become a new research hotspot, and edge intelligence has emerged, which enables network edge devices to analyze data through AI algorithms. Since the edge computing environment is more complex and variable than cloud computing, there are many issues in building edge intelligence, such as lack of quantitative evaluation criteria, heterogeneous computing platforms, complex network topologies, and changing user requirements. To analyze the performance of edge intelligence workloads running on heterogeneous hardware platform, we target machine learning workloads in edge intelligence and analyze the impact of algorithm model complexity, edge data characteristics and heterogeneous platform differences in edge intelligence in terms of relative performance. By analyzing the machine learning workload in edge intelligence, we find that the inference time and memory usage of a model can be predicted based on the amount of computation and number of parameters of the model. Moreover, image complexity, edge data network features, and batch size all affect the performance of edge intelligence workloads. Furthermore, the upper limit of model performance on the same computing platform is limited by hardware resources. And finally, the model performance of a platform depends on its own computing power and bandwidth.