关键词： Energy density   Energy   Basis sets   Reaction products   Chemical calculations  

摘要： Nuclear shielding calculations for local hybrid (LH) functionals with position-dependent exact-exchange admixtures within a coupled-perturbed Kohn-Sham (CPKS) framework have been implemented into the Turbomole code using efficient seminumerical integration techniques to deal with two-electron integrals. When using gauge-including atomic orbitals, LHs generate additional terms within the "pre-loop" section of the CPKS scheme compared to global hybrid (GH) functionals, related to perturbed electron-repulsion integrals. These terms have been implemented and tested in detail, together with dependencies on grid sizes and integral screening procedures. Even with relatively small grids, a seminumerical treatment of GHs reproduces analytical GH results with high accuracy while improving scaling with system and basis-set sizes significantly. The extra terms generated by LHs in the pre-loop part increase the scaling of that contribution slightly, but the advantages compared to the analytical scheme are largely retained, in particular for the typically large basis sets used in NMR shift calculations, allowing for a very efficient computational scheme. An initial comparison of four first-generation LHs based on LDA exchange for a shielding test set of 15 small main-group molecules against high-level CCSD(T) benchmark data indicates a substantial reduction of the systematically underestimated shieldings compared to semilocal functionals or GHs for non-hydrogen nuclei when a so-called t-LMF is used to control the position dependence of the exact-exchange admixture. In contrast, proton shieldings are underestimated with this LMF, while an LH with a so-called s-LMF performs much better. These results are discussed in the context of experience for other properties, and they suggest directions for further improvements of LHs regarding nuclear shieldings.

关键词： air quality   enhanced living environments   internet of things   mobile computing   mobile health  

摘要： This paper presents a real-time air quality monitoring system based on Internet of Things. Air quality is particularly relevant for enhanced living environments and well-being. The Environmental Protection Agency and the World Health Organization have acknowledged the material impact of air quality on public health and defined standards and policies to regulate and improve air quality. However, there is a significant need for cost-effective methods to monitor and control air quality which provide modularity, scalability, portability, easy installation and configuration features, and mobile computing technologies integration. The proposed method allows the measuring and mapping of air quality levels considering the spatial-temporal information. This system incorporates a cyber-physical system for data collection and mobile computing software for data consulting. Moreover, this method provides a cost-effective and efficient solution for air quality supervision and can be installed in vehicles to monitor air quality while travelling. The results obtained confirm the implementation of the system and present a relevant contribution to enhanced living environments in smart cities. This supervision solution provides real-time identification of unhealthy behaviours and supports the planning of possible interventions to increase air quality.

关键词： attestation   BYOD   mobile computing   MCC   security   TPM  

摘要： The surge of the presence of personal mobile devices in multi-environment makes a significant attention to the mobile cloud computing (MCC). Along with this concern, security issues also appear as a barrier to prevent the propagation of this trend. This paper focuses on an important feature in many security protocols and application, which is the device attestation in the MCC. The existing remote attestation mechanisms are currently used in trusted computing environment such as binary attestation and property-based attestation. In this paper, by taking advantage of the combination of technologies and trends, such as trusted platform module, cloud computing, and bring your own device, we introduce property-based token attestation to secure the mobile user in the enterprise cloud environment. In order to accomplish a secure MCC environment, security threats need to be studied and acted accordingly, and therefore, we first represent the common threats and then explain a novel attestation schema for addressing these threats by providing security proofs. In addition, Scyther is in use to verify the correctness of our protocol.

关键词： Chemical shift  

关键词： 深度学习   边缘计算   移动计算   图像识别  

摘要： 近年来,深度学习一直处于可视化计算的前沿,深度学习提高了一些复杂任务的计算效率,如人脸识别,物体识别,动作识别等。随着移动互联网技术与5G技术的发展,深度学习网络方面突破性的进展使其对移动设备与穿戴设备更加具有吸引力,但由于穿戴设备的计算能力较弱,深度学习网络模型需要很长时间才能在资源有限的穿戴设备做出推断,并且深度学习网络模型部署在穿戴设备中也会占用更大的存储空间。由于高延迟或者缺乏连接,将穿戴设备的计算移到云端通常是不可行的。如何有效的解决上述问题,仍是该领域目前研究的热点。针对上述问题,本文将深度学习技术与边缘计算技术相结合,从实际应用部署的角度出发,提出了一种移动端与边缘端协同计算的策略,简称大小模型协同策略。该策略通过将移动端的深度学习模型计算部分卸载到边缘端,在保证系统识别准确率的前提下,有效的降低移动设备的计算压力。此外,本文针对一些特殊的应用环境,如地震搜救等存在网络通信不稳定的问题,提出了一种复杂网络环境下的边端模型协同策略,该策略针对不同的网络状态,对系统进行自适应的调度,使系统在通信故障的情况下仍然具有独立工作的能力,进一步提高了系统的鲁棒性。最后,本文针对由于拍摄角度,视野受限等原因难以采集图像的问题,结合图像特征检测以及边缘计算的一些相关技术,提出了一种基于边缘计算的图像融合策略。本文使用cifar和Minst公共数据集对大小模型协同策略和复杂网络环境下的边端模型协同策略进行了实验评估,实验结果表明,在不改进深度学习算法的前提下,本文提出的大小模型协同策略在cifar和Minst数据集上分别降低了移动设备89.80%和63.7%的计算量,在非公共数据集中降低了移动设备29.34%的计算量。复杂网络环境下的边端模型协同策略可以在网络故障的环境中让系统保持正常运行,在cifar和Minst数据集中分别降低了移动设备与边缘端62.6%和96.63%的传输延迟。

关键词： 移动计算   资源分配   卸载策略   多线程计算  

摘要： 随着5G的发展,配备多核处理器的移动设备需要处理越来越复杂的应用程序。这些应用程序为人们提供便利的同时,移动设备也必须承担更多的能耗和更高的延迟。然而,移动设备的计算和能量资源有限,特别是电池容量受到移动设备物理尺寸的限制,这些限制降低了用户体验。因此,如何利用移动设备有限的资源高效地完成计算任务是一个迫切需要解决的问题。基于此,移动计算(Mobile Computing,MC)应运而生,为移动用户提供远程计算服务。由于云服务器计算能力强,移动设备可以将密集型任务发送到云服务器进行处理,避免了本地计算的大量延迟和能耗问题。此外,由于多线程计算(multi-threaded computing,MTC)与MC相似,都具有扩展移动设备电池容量和提升计算能力的技术特点,而当前多核移动设备又十分普及。因此,考虑将MTC与MC结合,研究如何高效地调度移动设备的多核资源与边缘计算资源。本文为多线程依赖型任务设计联合调度多核资源与云资源的卸载算法。多线程依赖型任务是能进行并行计算且子任务之间具有依赖关系的任务。根据依赖关系的复杂程度,分别设计了两种计算卸载策略,基于多线程的移动云计算卸载策略与多线程应用程序的细粒度卸载策略。这二者都联合调度本地多核计算频率,上行传输功率以及卸载决策。基于多线程的移动云计算卸载策略解决复杂依赖型任务的计算卸载问题,由于依赖关系复杂,只能根据所提出的策略找到次优解。准确地说,首先,制定多线程计算原则以降低计算能耗或时延。接着,根据该原则即将复杂依赖型任务化简为串行任务。最后,利用凸优化方法与回溯算法结合的方式求解串行化复杂依赖型任务的优化调度解。仿真结果表明,与本地MTC策略和单线程卸载策略相比,将MTC与MC结合可以显著降低多线程应用的计算能耗,提高计算能力。多线程应用程序的细粒度卸载策略解决简单依赖型任务的计算卸载问题,由于依赖关系简单,可以通过所提出的策略找到联合调度最优解。精确地说,首先制定单线程卸载的最小能耗问题。在此基础上,证明了问题的凸性,并利用标准凸优化技术求解。接着,将优化目标从单线程应用扩展到多线程应用,设计多线程应用的计算规则,以降低计算成本。最后,根据这些计算规则和最优解,提出多线程卸载策略来解决多线程应用的计算卸载问题。仿真结果表明,该策略有效地降低了移动计算的最小延迟要求。

关键词： 疲劳驾驶检测   传感器   智能手表   移动计算  

摘要： 疲劳是驾驶员频繁出现并且难以避免的一种生理现象,疲劳驾驶严重危害了个人及他人生命财产安全。已经成为一个非常严重的社会问题,关乎个人生命健康与财产安全,引起了许多国家的高度重视。现有的疲劳驾驶检测技术存在如下几个问题:接触式的信号采集方式以及专业测量设备的复杂性使得在车辆驾驶环境中信号监测不方便;信号监测容易受车辆运动,道路状况,环境因素等的影响,检测结果的可靠性不高;采集的信息内容涉及到用户的隐私。这些问题严重阻碍了现有的疲劳驾驶检测技术在实际生活中的应用。随着移动可穿戴技术的发展,智能手机和移动可穿戴设备有望提供一种更方便、实用的驾驶疲劳检测方法,个人移动设备的感知与计算解决了信息监测不便与用户隐私问题。然而,由于商用移动智能设备嵌入式传感器类型简单,无法直接获取到评估疲劳相关的生理特征信息,因此如何通过监测数据挖掘潜在的个体生理信息特征,是保证检测可靠性需要解决的一个问题;其次,由于单一类型的信号检测结果环境适应性差,且考虑到用户隐私的问题在结合驾驶员疲劳行为特征进行检测时,如何通过移动设备监测的非敏感数据检测驾驶员疲劳生理行为特征,是增强检测结果鲁棒性需要解决的一个问题;最后,由于移动终端的功率受限、监测信号的传感器功耗较高使得设备不能长时间监测司机驾驶疲劳,因此如何科学设计高功耗传感器启动机制,减少系统功率消耗是我们需要解决的问题。本研究围绕上述问题展开,首先基于移动设备采集的非敏感数据,在疲劳特征提取过程中,设计了基于统计分析的心率变异性特征提取方法,从心率数据中获取RRI(RR interval,心电图中相邻两个R波之间的时间间隔),并提取心率变异性时域和频域特征,解决了心率变异性特征监测困难的问题。同时设计了驾驶员手部相对运动检测算法,旨在减少方向盘运动特征提取中的干扰;其次,以哈欠作为典型个体疲劳生理行为代表,深入研究并挖掘心率数据与哈欠行为之间的关系,提出了心率哈欠匹配算法来检测司机的打哈欠行为,提升疲劳检测精度的同时增强了鲁棒性;最后,针对系统的功率消耗问题,提出了一种普适性的驾驶姿势检测算法来控制高功耗的心率传感器,极大地减少了系统的功率消耗,使得系统能够满足驾驶员长时间的疲劳驾驶检测。经过实验验证,本研究设计方法检测精度可达97.1%,能耗降低33%。实验结果表明,该研究能够为疲劳检测研究提供新的思路和有益参考。

关键词： 噪声地图   移动智能   大数据   噪声源识别  

摘要： 随着人们环保意识的增强,城市建设项目和交通工具等带来的噪声引发许多矛盾。噪声地图是体现噪声分布情况的工具,被运用于噪声污染防治等领域。然而由于传统的绘制噪声地图方式存在采集设备成本高、覆盖率低、地图更新不及时等问题,严重影响了噪声地图的推广与应用。伴随移动网络技术的不断发展,移动智能终端普及率越来越高。在此背景下,使用智能终端替代传统测量设备,结合大数据技术,开发一款实时监测环境噪声及动态展示噪声地图的App应用,成为一种可行的解决方案。论文以环境噪声地图系统建设为研究对象,对国内外移动端噪声地图绘制现状进行分析,总结现阶段绘制噪声地图的若干问题,重点研究基于移动智能计算方法实现噪声地图系统。设计系统的主要模块:移动端噪声数据采集、后台服务、前端地图展示,系统具备噪声测量校正、噪声源识别、噪声数据信息上传、后台数据处理、地图详细信息展示、噪声知识科普等功能。论文利用Android和Hadoop框架,采用分布式架构,结合噪声处理算法和实时流式处理分析技术,实现基于Android移动端的环境噪声地图系统。移动端使用MP+MFCC时频域特征提取方法,基于SVM分类器投票的算法识别噪声源类型,将处理后的噪声数据上传至服务器。后端大数据流式处理平台具有极高拓展性和伸缩性,通过Docker Compose部署管理服务器集群,实时处理数据。移动端App通过Web Server接口获取指定位置的噪声数据,调用高德地图SDK绘制噪声地图,将实时噪声分贝值和噪声动态变化进行可视化展示。系统通过用户登录、测量噪声、识别噪声源以及噪声地图展示等功能测试,能够正常收集测量周围环境噪声信息,通过大数据相关技术及时处理数据,实时更新环境噪声地图,已经达到方案的设计需求。此系统的建成基本解决了现阶段面临的问题,通过推广本系统,不仅能够收集更多的噪声数据,还可以整合用户分享的数据,绘制出完整的噪声地图,满足公众和政府部门的需求。

关键词： 人脸关键点   目标检测   卷积神经网络   模型加速   移动计算  

摘要： 实时人脸关键点检测技术在增强现实、人机交互等媒体娱乐领域具有广阔的应用前景。但是在实际应用中仍存在很多问题。由于APP难以满足人脸关键点检测服务的跨平台需要,而云计算带来的网络延迟又难以满足人脸关键点检测的实时性要求。端计算作为终端智能的一个重要组成部分,为云计算提供了有益补充,因此端计算模式下基于Web的实时检测为人脸特征点检测提供了一种跨平台、普适化的解决方案。但是在Web环境中运行神经网络模型存在的主要问题是浏览器计算能力受限,而主流的目标检测网络因为模型体积较大,计算量较高,在Web端达不到实时的效果,因此在Web端进行实时的人脸特征点检测,需要使用轻量级的目标检测网络结构并通过有效的神经网络模型加速与压缩方法减小模型的计算量与内存占用。本文的研究工作主要包括两方面:一方面,设计并实现了一种轻量级的人脸特征点检测神经网络。另一方面,在实现的轻量级目标检测网络的基础上实现了端计算模式下基于Web的人脸关键点实时检测系统。最后,进行了相关实验,测试了基于Web的人脸关键点实时检测系统功能的可用性,验证了基于回归方法的轻量级人脸特征点检测网络的有效性与模型加速方法的有效性。

摘要： Presents the 2019 subject/author index for this publication.