摘要：移动边缘计算技术为低时延要求、资源敏感的计算任务需求提供解决方案,通过研究任务请求特征以提高调度算法效率是边缘计算的重要研究方向。不同于现有研究将任务请求特征建模为单一随机变量的做法,提出基于任务请求生灭过程模型的边缘计算架构,将求解最优调度决策的过程建模为无限期平均成本马尔可夫决策过程。在使用贝尔曼方程分析问题的过程中,利用任务的生灭特性对未来的请求到达做出估计以判断当前决策对未来系统时延能耗成本的影响,进而辅助确定当前状态的最优决策,并结合任务相关性感知提出批处理任务调度控制算法。所提算法根据生灭状态信息对策略迭代的状态空间和决策空间进行剪枝以降低策略改进的复杂度,突破了策略迭代算法的复杂度瓶颈。仿真结果表明,所提算法相较于传统的策略迭代算法具有明显的低复杂度优势,且能在不同系统条件下保持低时延、能耗成本。

摘要：针对间歇过程的最终产品质量只能在生产结束后进行离线测量,质量反馈严重滞后,且需要较高的人力和时间成本问题,为了设计准确性高、解释性强的数据驱动软测量方法,提出了基于非线性因果效应的间歇过程软测量方法.首先,针对间歇过程影响因素较多、多变量关联耦合等问题,提出基于信息论的非线性因果效应度量方法,实现间歇过程因果特征的自动选择;然后,考虑间歇过程的多时段特性,在分时段因果特征选择的基础上,提出多时段模型集成的最终产品质量在线预测方法,在因果和预测两个层面上赋予数据驱动模型可解释性;最后,以注塑成型过程这一典型的间歇过程为例,通过工业现场数据及对比实验,验证了所提出方法的有效性.

摘要：HTML5应用程序缓存使浏览器可以离线地访问Web应用,同时也产生了新的缓存中毒攻击手段。首先,对应用程序缓存中毒攻击的原理及危害进行了分析,然后针对使用应用程序缓存的站点,首次提出了2次替换manifest文件的新式缓存中毒攻击方法 RFTM。在RFTM攻击中,服务器端不会收到客户端发送的异常HTTP请求,故对服务器进行配置无法防范,攻击更具隐蔽性。最后设计了一套能有效防止此类攻击的应用层轻量级签名防御方案Sec-Cache。实验表明Sec-Cache防御方案能够有效地防御RFTM攻击,并有良好的性能与兼容性。

摘要：为了充分利用免许可频段,减轻蜂窝网络压力,提高用户吞吐量,针对WIFI融合网络中无线接入点(AP)部署方式,提出基于优先级划分的AP部署方案.通过分析AP与小基站(SBS)覆盖范围特点,将AP划分为高优先级的专属AP与低优先级的共享AP.针对提出的部署方案,设计业务卸载、资源共享、混合模式3种AP资源调度方式.动态分析WIFI融合网络在未饱和、半饱和、饱和3种工作状态下的整体性能.结果表明:与传统的AP部署方案相比,提出的方案在未饱和状态下用户平均吞吐量的性能提升了3%~10%,在半饱和状态下平均吞吐量性能提升了5%~20%,在饱和状态下可提供与传统AP部署方案相同的性能.

摘要：针对移动通信网络中AMR-WB编解码器在话音分组传输中的抗丢包问题,提出了一种与VoLTE系统中语音编码速率相匹配的AMR-WB抗丢包实现方案.通过实验分析AMR-WB编解码器中经过错误隐藏恢复的各个参数对语音质量的影响,利用多描述编码(multiple description coding,MDC)技术设计了AMR-WB抗丢包方案,并进一步结合删余卷积编码提出了双重差错保护的增强型抗丢包算法,实现了多码率下的差错保护和速率匹配,该方案可兼容原有AMR-WB编码模式下的语音编码速率.仿真结果表明,提出的新方案能够增强AMR-WB的抗丢包能力,并且不需要增加额外的信令开销,兼容现有系统网络中的多速率语音编码.

摘要：针对目前星座通信系统星地链路资源分配不灵活、缺乏有效服务质量(QoS)保障机制等问题,提出一种基于QoS的星座通信系统跨层资源分配算法.利用自适应编码调制(ACM)技术,通过定义用户信道质量评估算法、可调公平性调度算法、业务QoS分类调度算法及用户业务分配权重函数,为终端用户指定工作频率、时隙、编码方式、调制方式等物理层工作参数,实现根据业务QoS保障要求灵活分配物理层信道资源,达到提高系统资源利用率与满足业务QoS保障需求的平衡.仿真实例验证该算法可以实现星座通信系统根据业务QoS和用户信道质量对星地链路资源的合理分配和调度.

摘要：随着业务过程的逐步成熟以及市场法规的持续变化,围绕同一业务主题会形成大量不同版本的过程模型。基于这些过程模型之间的结构相似性,为了改进模型存储,方便用户追溯变更历史,对过程模型存储机制进行了研究。在使用Petri网表示过程模型的基础上,应用图编辑算法中的贪心算法设计相似性算法度量模型之间的结构相似性,进而提出五种过程模型存储方案并设计实验,对各方案进行了比较。结果显示,结合用户需求,应用不同的存储方案可以在响应时间和存储空间上取得较好的平衡。

摘要：为了解决校园网络日志存储中流量变化导致的机械硬盘平均访问时间长、波动大的问题,设计了一种通过流量预测进行日志写入的方法。首先,提出流量定界算法对流量进行划分为高峰期、中间期与低谷期。然后,利用BP神经网络对不同时期的流量数据进行训练,构建流量预测模型。最后,基于流量预测模型,设计日志存储算法。实验结果表明:与已有的日志写入方法相比较,基于流量预测的日志写入方法在流量高峰期时机械硬盘的平均访问时间从90 ms减小至59 ms以下,同时,平均访问时间的方差从224.5降至50.2。

摘要：为了提高内容中心网络的内容分发效率及降低网络开销,提出了网络状态感知的路由机制NSAR(network status aware routing)。NSAR利用从内容服务节点返回的数据分组收集当前网络状态信息,并在回传过程中对路径上各节点上匹配端口的转发概率进行更新,在对后续的兴趣分组进行转发决策时引入转发概率,从而提高内容分发效率。仿真实验表明,与传统内容中心网络路由算法相比,NSAR可以有效地降低内容请求平均时延,减少网络流通分组数以及降低网络带宽开销。

摘要：针对声纹识别领域中存在信道失配与对短语音或噪声条件下声纹特征获取不完全的问题,提出一种将传统方法与深度学习相结合,以I-Vector模型作为教师模型对学生模型ResNet进行知识蒸馏。构建基于度量学习的ResNet网络,引入注意力统计池化层,捕获并强调声纹特征的重要信息,提高声纹特征的可区分性。设计联合训练损失函数,将均方根误差(MSE,mean square error)与基于度量学习的损失相结合,降低计算复杂度,增强模型学习能力。最后,利用训练完成的模型进行声纹识别测试,并与多种深度学习方法下的声纹识别模型比较,等错误率(EER,equal error rate)至少降低了8%,等错误率达到了3.229%,表明该模型能够更有效地进行声纹识别。