【摘 要】
：
5G通信技术的快速发展和应用,加快了整个社会的信息化和智能化进程。作为智能交通系统（Intelligent Traffic System,ITS）重要组成部分的车载自组织网络（Vehicular Ad-hoc Networks,VANETs）也随之演进,表现为车辆的信息化、网络化和智能化程度越来越高。在此过程中,越来越多的计算密集型车辆应用不断涌现,对车辆自身有限的计算资源提出了严峻的挑战。为此,
论文部分内容阅读
5G通信技术的快速发展和应用,加快了整个社会的信息化和智能化进程。作为智能交通系统（Intelligent Traffic System,ITS）重要组成部分的车载自组织网络（Vehicular Ad-hoc Networks,VANETs）也随之演进,表现为车辆的信息化、网络化和智能化程度越来越高。在此过程中,越来越多的计算密集型车辆应用不断涌现,对车辆自身有限的计算资源提出了严峻的挑战。为此,移动边缘计算（Mobile Edge Computing,MEC）技术被引入车联网,以实现将车辆的复杂计算任务卸载到MEC服务器节点中执行,从而减轻车辆自身的计算压力。车辆与移动边缘计算结合产生的新型计算模型称为车辆边缘计算（Vehicular Edge Computing,VEC）,而如何在满足车辆计算任务对于低时延要求的前提下,实现计算任务的有效卸载决策和资源分配,是VEC研究领域中亟待解决的关键问题。论文以提高车联网中车辆的任务完成率和减少任务完成所需的时间为目标,面向城市环境中两种车辆边缘计算场景展开研究,主要研究工作如下:（1）面向多MEC服务器、多辆车且每辆车有多个独立计算任务的场景,考虑任务卸载和本地两种执行方式,对在多台MEC服务器中进行多任务卸载问题进行研究。提出一个基于Q学习的车载任务卸载算法对问题进行求解。在此算法中,对Q学习中的奖励函数进行重构,引入了任务完成时间等因素。仿真结果表明,与其他对比算法相比,提出的基于Q学习的任务卸载算法具有更少的任务平均完成时间。（2）面向多台MEC服务器、多辆车且每辆车有多个具有依赖关系的计算任务的场景,采用有向无环图来描述任务之间的依赖关系,并围绕依赖任务的卸载决策和MEC服务器的选择问题构建了问题求解的优化模型,在综合考虑了车辆的机动性、服务器协作、多种执行方式等因素的前提下,设计了一种基于优先级的启发式算法来对优化模型进行求解。仿真结果表明,所提出的启发式算法相比于已有方案,在应用完成率、应用平均完成时间指标上有显著提高。综上所述,针对城市环境中车辆边缘计算任务卸载问题,论文在满足车辆机动性和任务时延要求的基础上,分别研究了两种典型车辆边缘计算场景下的任务卸载策略。论文的研究工作及取得的研究成果,不仅有助于提升车辆的智能化和信息服务水平,还有助于为智能交通系统建设提供坚实的技术支撑,具有重要的理论和现实意义。
其他文献
作为高精度探测仪器,有源相控阵雷达的阵面天线均能独立收发电磁波,因而有源相控阵雷达能够高效、准确、稳定地探测和跟踪目标,使得它在军事、导航和通信等领域中拥有极其重要的作用。有源相控阵雷达在工作时,由于天线热源的热功耗使得阵面发生热变形,一定程度上恶化了雷达的馈电性能,因而对雷达热变形的仿真预测和补偿研究是提高雷达性能的重要措施之一。采用传统有限元仿真由于并未考虑结构的形体边界约束带来的非相似性热变
伴随着互联网技术的快速发展,基于定位的服务已经融入了我们的生活,变成日常生活中不可缺少的一部分。而随着移动设备的快速更新,许多的移动应用也嵌入了定位功能。在室外环境下,北斗定位系统,全球定位系统（GPS）,伽利略系统等等基于卫星信号和雷达的定位技术已经非常成熟,并且由于具有抗干扰能力强,精度高,实时性好等特性,这些定位系统已经可以满足广大人民的日常生活需求。但是在人们经常活动的室内环境中,GPS等
随着集成电路技术的发展,工艺制程逐渐逼近极限,单核处理器已经进入了瓶颈期,多核处理器应运而生,受到了广泛的关注。任务调度算法是多核处理器并行计算能力能否充分发挥的关键因素之一。在对现有多核处理器静态任务调度算法广泛研究的基础上,以基于复制的任务调度算法作为研究对象。针对现有算法中存在的关键路径估算误差较大、解空间搜索不充分等问题,分别提出了面向异构多核处理器的带资源约束的任务复制调度算法TDSA-
随着处理器的发展,仅仅依靠处理器的单核性能来提升整体性能已经遇到了瓶颈,多核处理器的计算并行化是现在以及将来研究的热点,如何合理调度所有的计算单元,使得系统的计算能够并行化展开,提升计算单元的利用率将是提升多核处理器计算性能的关键。围绕上述问题,本文设计了一种面向异构多核计算系统的动态任务调度控制器。通过对系统计算行为的分析,主要实现了动态监控计算单元的负载情况、动态任务唤醒、任务并行性自动提取、
随着物联网和边缘计算的快速发展,智能终端设备由于在硬件资源与供电上受到较强限制,迫切需要满足低功耗要求的新型计算单元。作为一种具有广泛应用前景的高效低功耗计算范式,近似计算（又称为非精确计算）在图像处理、深度学习、物联网、边缘计算及实时信号处理等领域均已表现出明显优势。在这些具有良好容错性的应用中,近似计算通过产生近似的计算结果（足够好但不完全精确的计算结果）,获得性能和功耗的大幅优化。因此,相比
随着云计算和安全多方计算等技术的发展,相关技术涉及的数据安全和隐私保护问题也日益凸显。全同态加密可以在无需密钥的前提下对密文进行任意操作,从根本上解决了云计算过程中所面临的数据安全和隐私保护问题,这使得全同态加密具有重要的理论意义和应用价值。基于环上带错学习（Ring-Learning With Error,RLWE）的密码方案具有结构简单、抵抗量子攻击等优点,这使得基于RLWE的密码学成为密码学
合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天候、全天时的特点,并且可获取高分辨率的地表图像。然而相干斑噪声影响了SAR图像的应用,因此SAR图像去噪成为了遥感图像处理中的一个重要研究方向。传统的去噪方法具有一定的局限性,无法有效实现去噪能力与结构保持之间的平衡。随着深度学习方法的不断发展,卷积神经网络（Convolutional Neural Network,C
基于全同态加密方案的机器学习可以有效解决因共享敏感数据带来的隐私保护和合法性问题。但原文经过加密之后,密文的数据位宽达数百万位,因此大整数乘法单元成为了加密神经网络训练和推理的基本工具。此外在航空航天等高端应用场合,利用大整数的高精度运算特性,将浮点数的尾数替换成大整数,可以有效解决浮点数运算精度不足的问题。因此,为了提高上述应用的性能,针对大整数乘法器进行创新设计是非常有必要的。本文的主要工作如
移动通信技术的迅猛发展促使通信需求的急剧增长,带来了对通信的数据速率和时间延迟的更高要求。与此同时,通信设备能耗的急剧增加也带来了绿色通信的迫切需求。为了支持日益繁荣的移动通信应用和实现无线通信系统的可持续发展,设计有效的低时延与低能耗的传输方案成为产业界和学术界的热点研究问题。本文分别从低时延与低能耗的角度,针对异构无线网中的常见场景,研究了采用全双工中继的低时延的云无线接入网（Cloud Ra
超声多普勒技术在临床医学实践中有着广泛的应用,如超声多普勒胎儿心率测量、超声多普勒血流速度测量、超声医学成像等。在传统的超声多普勒系统中,超声回波信号的解调多采用正交解调的方式,但是正交解调电路复杂,对外围电路要求高,而且数据处理的数据量大。针对正交解调存在的问题以及提取更为精确的超声多普勒频移信号,本文设计了一种单通道乘法器解调电路。本文的主要工作如下:1、提出了一种用于超声多普勒回波信号解调的