关键词： 人工智能   第四代   半导体公司   FPGA技术   Arm公司   可编程逻辑   移动计算   赛灵思  

摘要： PC到移动计算的飞速变迁,加速了Arm公司的迅速崛起,而云到边缘计算的不断迁移,则在为eFPGA技术提供更广阔发展空间的同时,促进了Achronix的快速发展。与赛灵思不同,作为eFPGA IP供应商,Achronix是第一家向SoC开发企业提供量产eFPGA IP的公司,帮助他们创建支持各种全新应用的可编程数据加速器。长期以来,Achronix在可编程逻辑领域不断创新,为业界树立了领先性能、功耗和成本的标准。2018年底,Achronix获得全球半导体联盟(GSA)认可,成为其“2018年最受尊敬的私有半导体公司奖”的三名最终入围者之一。

关键词： 《财富》500强企业   物联网   斑马技术公司   竞争   移动计算   信息系统   提供商   服务  

摘要： 物联网可以实现“万物互联”,逐渐打通线上和线下的数据鸿沟,企业也越来越关注物联网发展和应用趋势。物联网涉及移动计算、EFID、信息系统等多项技术,需要专业技术公司提供服务。斑马技术公司(Zebra Technologies)是全球领先的智能互联解决方案提供商之一,为全球100多个国家(地区)的客户提供服务,几乎所有《财富》500强企业都是其客户。

关键词： 沉浸边界法   矩阵解法   平行处理   高速运算   移动计算范围   流固耦合  

摘要： 沉浸边界法在这里用来解决流体中的运动物体，其座标系使用固定不动的直角座标系，时间方面使用分步法。此方法首先应用于探讨低雷诺数下的二维振翅运动，将结果与实验进行比较，得到很好的一致性。将此方法推广于计算三维的压力驱动的波苏拉流，及上边界带动的库艾特方管流，其模拟的边界条件为主流场方向周期性边界条件。为加速计算，使用快速复立叶变换可使三维的压力波松方程简化为二维的矩阵计算。尽管如此，平行计算效率仍在48颗CPU后效率下降，原因乃是波松方程计算过程中资进行所有资料收集的动作耗掉大部分的时间。因此舒康补矩阵解法被采用来减少计算处理器间的资料交换并增加计算效率，然而尽管资料交换的时间减少了，但计算单元内的计算却增加了，因此得到更长的计算时间。最后，为了更多减少三维物体于流体中的计算时间，移动计算范围法因而在此发展出来。此方法是当物体运动时，计算网格跟着物体增加及减少。二维的反复振翅运动被首先用来检验此方法的准确性，而计算范围为原计算域的四分之一。与实验以及其他模拟结果比较，本方法结果显出相当地准确性。三维的自由掉落球体也被进一步地模拟出来，其预测的阻力系数对不同雷诺数的结果也与统计的实验结果相符合。最后，一于重力下自由掉落的椭球体也进一步地被模拟，而雷诺数从44.5到1617。在此雷诺数范围下，其运动轨迹为二维运动，而反复摆荡的运动模式在所有雷诺数中都存在，除了在低雷诺数44.5下垂直掉落的模式外。模拟结果与先前文献的研究结果皆符合，而当此椭球摆荡时，不同的涡流结构产生于其分支尾端，其中也包含着名的发夹形状的涡流。

摘要： Presents the 2018 subject/author index for this publication.

关键词： SMOKING cessation   SUBSTANCE abuse   ETIOLOGY of mental illnesses  

摘要： P.701

关键词： 白盒攻击环境   白盒密码   移动计算   物联网  

摘要： 随着社会信息化程度的日益加深，信息技术广泛地渗透到各种各样的社会活动中。计算与通信平台开始呈多样化发展，移动智能、物联网、云计算等技术广泛普及，涉及密码学的应用程序越来越多地被部署到此类应用中。一些情况下，传统密码在设计时的假设不再成立：通信终端和运行环境不再被认为是可信的，攻击者可能拥有执行环境的完全控制权，能够观测甚至篡改密码实现的执行过程，这就是白盒攻击环境。　　近年来，一系列针对白盒攻击的密码算法被提出。然而，其中大多数方案被攻破。攻击者在白盒攻击环境下的巨大权限，以及多种通用攻击的出现，都对新的白盒密码的设计提出了巨大挑战。除此以外，现有的部分白盒密码方案还需要大量存储空间，并且存在性能瓶颈，无法适用于计算设备性能有限的无线传感网络、物联网等场景，而这些场景下往往很容易出现白盒攻击。　　鉴于白盒攻击环境中数据安全的重要性，本研究提出三种新的白盒密码方案：　　一种是基于Feistel网络结构的密码方案。此方案可有效对抗包括SASAS结构分析的现有白盒攻击。此外，此方案支持通过调整参数以权衡安全性与运行效率，适用于多种使用场景，尤其适合在嵌入式设备等计算资源有限的平台使用。　　一种是基于状态依赖随机选择替换的密码方案。此方案根据加密时的状态选择随机替换，以增加密码方案的安全性。与此同时，此方案具有良好的运行效率，同样适用于嵌入式平台。　　一种是空间难度模型下的白盒密码方案。此方案使用链式结构，将分组密码与密钥数据结合，以远小于同类工作的受保护存储空间达到极高的安全级别，同时还兼容现有分组密码及硬件，效率良好。　　对上述方案，本研究不仅从安全性、操作数量以及数据体积等理论方面进行分析，还通过实验对真实性能进行评估，并将其与现有工作进行比较，证明其在保证安全性的前提下，具有良好的性能，适用于面临白盒攻击威胁的各类应用。

关键词： 移动边缘计算   计算迁移   最大流最小割   拍卖理论   资源调度  

摘要： 目前,移动设备已经成为我们日常生活中不可缺少的一部分,开发人员也在开发具有更复杂功能的多样化移动应用程序。而由于体积和重量受到限制,移动设备在处理能力、存储能力和电池容量等方面不能满足未来的需求。移动边缘计算（Mobile Edge Computing,MEC）及其计算迁移技术通过将移动设备的计算复杂的任务迁移到附近资源丰富的服务器,利用服务器高效的计算能力和资源来完成任务。通过计算迁移,能够延长电池寿命并提高移动设备性能。现有的计算迁移决策方案通过对移动程序在应用、模块和函数等不同粒度下的进行分解达到降低移动设备能耗和应用延迟的目的。但这些算法的复杂度很高,对于大规模应用来说,需要花费大量的求解时间。因此,本文提出了基于最大流最小割的计算迁移算法,选择合理的程序分解粒度并设计程序分解算法完成计算迁移。而在多用户的场景下,由于MEC服务器的资源有限以及用户需求的异构性,MEC服务器并不能满足所有用户的需求。本文提出了多用户环境下基于拍卖理论的资源调度算法来满足用户需求并且能够达到利益最大化。本文的主要工作和贡献如下:本文提出基于最大流最小割的计算迁移算法。首先,通过定义移动应用程序的网络图模型,给出移动程序计算迁移的目标函数,将程序分解问题转化为求解网络图最大流量最小割问题。接着,通过简化和压缩网络图来加快算法求解速度,通过基于标签传播算法将网络图划分为子网络,定义压缩条件并对网络图进行了压缩。最后,用最大流最小割的预流推进算法求解新网络图的最大流最小割,得到移动应用程序计算迁移的最优解。通过仿真实验,证明本文的算法能够实现延迟和能耗的优化,并且加快算法求解速度,在大规模网络上也能有良好的效果。本文提出多用户环境下基于拍卖理论的资源调度算法。本文针对多用户多MEC服务器的拍卖场景建立拍卖模型,在计算资源和无线资源的限制条件下,给出了移动用户和MEC服务器的匹配问题的目标函数。根据MEC服务器的动态资源指标设计移动用户对的MEC服务器优先级向量,用户根据优先级进行竞标,并使用蚁群算法求解确定胜利者,为用户匹配到合适的计算迁移MEC服务器。为了使服务网络资源能够按照用户的真实需求进行分配,避免用户恶意竞价或虚拟竞价,同时保证所有用户的收益最优,基于VCG理论的设计了拍卖支付规则。通过仿真实验,证明本文的算法能够在保证真实性的前提下响应更多的用户并能使系统带来更高的收益。

关键词： Machine Learning Processor   SLAM & Autonomous Navigation   High-performance   Low-power VLSI   Real-time Machine Vision   Algorithm   Software and Hardware Co-design   Digital Architecture and System   Thesis  

摘要： Technology scaling has driven computing devices to be faster, cheaper, and smaller while consuming less power in past decades. However, as technology scaling has become increasingly difficult in recent years, power has become the major constraint in performance, and thus, the improvement in the performance of mobile devices has begun to diminish. Moreover, emerging intelligent mobile systems are demanding increasing computing power. In light of this challenge associated with artificial intelligence, domain-specific architectures are widely believed to be the path to realizing considerable improvements in the efficiency, performance and cost of intelligent mobile systems. This thesis presents several algorithm, architecture and circuit co-optimized solutions for intelligent and autonomous mobile systems, including vision-based stereo depth, optical flow, simultaneous localization and mapping (SLAM) and convolutional neural network- (CNN)-based image recognition. Four prototypes are implemented for demonstration and verification. The first two prototypes include a depth estimation processor and a 6D vision processor that enable real-time dense depth and motion perception, respectively. The third prototype is a CNN-SLAM processor that estimates ego-motion for vision-based navigation. Together, these prototypes form a geometric understanding of the environment for mobile systems. The fourth prototype is an ReRAM-CNN processor that enables semantic understanding through machine learning. The work presented in this dissertation exploits various optimizations including parallelism, scheduling, exploiting sparsity and circuit customization to overcome the complexity of these problems for extremely energy-efficient, real-time, robust operation. The impact is significant in the age of AI as mobile systems can become increasingly intelligent in daily life, powered by these proposed solutions.

关键词： 室内定位   可见光通信   信道模型   无线感知   移动计算  

摘要： 如今,LED已成为主流室内照明技术,此外,由于LED灯还支持高频切换亮灭状态,使其具有了额外的用途——无线通信和室内定位。同基于射频的室内定位相比,可见光定位具有许多优势,比如带宽资源丰富、安全性高,以及最重要的,可见光传播几乎不受多径干扰。一个理想的能惠及普通用户的室内定位系统应该具有准确性(至少亚米级定位精度),能利用常见移动设备(手机、平板电脑或可穿戴设备)进行定位,可部署在现有基础设施之上,并且对环境变化具有鲁棒性。但遗憾的是,包括可见光定位及其他无线定位在内,目前尚未出现能满足以上全部需求的室内定位系统。最近,基于相机或图像传感器的可见光通信(Light-to-Camera Communication,LCC)技术引起了室内定位领域的特别关注。已有的基于LCC的室内定位方案中,LED灯发射调制光信号广播其身份或坐标信息,相机拍摄LED灯(们)的影像并解码信息,然后利用摄影测量进行定位。然而,由于这类方案要求LED灯的拍摄影像必须达到足够的分辨率,所以只能在LED灯近距离范围内才能够定位。本文从LCC信道模型的研究出发,以普适性、健壮性、高精度、低成本为目标,提出了基于非视距LCC的室内定位解决方案,并构建原型系统进行了实际效果验证。本论文主要研究成果及创新工作如下:1)虽然LCC在短距离通信和室内定位等领域的研究已取得了很大进展,但是目前仍缺乏关于LCC信道模型的理论基础。本文在LED灯辐射模型、可见光信道模型和相机成像模型的研究基础上提出了LCC信道模型。由于LCC对可见光的调制主要采用强度调制/直接检测(Intensity Modulation with Direct Detection,IM/DD)方案,因此直流增益是表征信道最重要的单个参数。不同于可见光通信(Visible Light Communication,VLC)中光电探测器可以对光信号进行连续高频采样,直接将光信号转换为电信号,LCC利用卷帘快门机制实现对光信号的采样,采样结果为接收光功率波形与快门函数的卷积。2)针对现有LCC系统吞吐量低,不支持多入多出(Multiple-Input Multiple-Output,MIMO)的问题,本文提出了一种支持空间多路复用的非视距LCC方案,HYCACO。为实现和多盏LED灯同时进行非视距通信,本文提出了一种混合相移键控调制(Hybrid Phase-Shift Keying,HPSK)方案来传输信号,同时还相应地提出一种叠加方波分解(SUperimposed Rect-wave Division,SURD)算法解调信号。通过对卷帘快门效应的深入研究,论证了LCC中拍摄曝光时长和光信号频率之间的对应关系,由此得出了光信号频率和曝光时长的最佳选择策略。同时还提出了一种简单的可以从信号层重建原始光信号的方法,从而提高了LCC系统的鲁棒性。3)针对目前基于LCC的室内定位方案存在信号传输距离短、定位范围小、定位时必须拍摄灯具的缺点,本文利用LCC信道模型提出了一种相机测量光信号接收信号强度(Received Signal Strength,RSS)方法,并在此基础上提出了基于非视距LCC的定位和定向方案,LIPO。由于在非视距LCC中,兴趣区域可以轻松占满图像而不受相机到LED灯距离的限制,所以相较于基于摄影测量的方案,LIPO不仅具有更远的定位距离,而且可以将定向范围从相机的视野扩展到360度。LIPO还设计了一种高占空比的可见光调制方案,使得LED灯经过调制后,亮度几乎没有降低。4)针对LIPO中存在的定位盲区问题,同时为进一步降低系统部署成本,提高用户体验,在LIPO研究成果的基础上,引入相机投影模型,提出了一种轻量级普适可见光定位方案,STARLIT。基于LCC信道模型和相机投影模型,得出针对相机中单个传感器像素的信道模型,提出一种利用智能手机相机创造出一组虚拟传感器来测量光信号RSS的方法。STARLIT利用虚拟传感器阵列测量一盏LED灯的信号强度,得到多个RSS值。最后用最优化算法计算出智能手机的3D位置。STARLIT原型系统实现了只需一盏LED灯的分米级精度的室内定位系统。LCC信道模型的研究不仅有助于提高系统吞吐量,设计新的可见光定位系统,将来还有望运用在可见光感知、入侵检测等研究领域。

关键词： 大数据处理   MapReduce   Hadoop   移动计算   数据倾斜   数据本地化   集群异构   能耗优化  

摘要： 近年来,大数据已经深入到人们生活的方方面面。为了挖掘海量数据背后潜藏的价值,研究人员提出了MapReduce并行计算模型,同时开发出了Hadoop、Spark等开源的大数据处理系统,以应对传统数据库技术在处理大数据时的缺陷。随着移动终端计算能力的快速提升,其所处理的数据量飞速增长,以移动边缘计算（Mobile Edge Computing,MEC）为代表的移动大数据处理系统得到了越来越广泛的应用。新技术为大数据处理带来便利的同时,也带来了新挑战。本文在全面、深入地研究大数据处理领域相关成果的基础上,以大数据处理系统性能优化和设备节能为目标,从以下方面开展了研究工作。（1）提出了针对数据倾斜的MapReduce计算负载均衡策略MRSIM（Mitigate Reducer Skew In MapReduce）,解决了由数据倾斜引起的Hadoop集群中各Reducer节点之间负载不均,从而导致MapReduce作业执行性能较低的问题。为了降低额外的系统开销,MRSIM策略在每个DataNode上嵌入了一个负载监控模块,该模块结合Shuffle阶段Reducer节点计算资源较为充足的特点,利用该Reducer节点拉取中间结果的过程进行负载统计。在均衡Reducer节点上负载的过程中,MRSIM充分考虑了数据传输所引发的系统开销。（2）提出了基于贝叶斯分类器的MapReduce计算模型的优化策略BAPM（naive BAyes classifier based Partitioner for Mapreduce）,该策略综合考虑了数据本地化和数据倾斜,提升了 MapReduce作业执行性能。BAPM能够在不同带宽条件下,对于不同类型的MapReduce作业,自动地在数据本地化和数据倾斜二者中确定作业运行速度的主要影响因素。BAPM包含了两个优化算法LPS（data Locality Prior to data Skew）和SPL（data Skew Prior to data Locality）,它们以相反的顺序考虑数据本地化和数据倾斜两个因素。根据map阶段产生中间结果的数据量与map阶段输入数据量的大小关系,BAPM将MapReduce作业进行分类。BAPM以MapReduce作业类型和Hadoop集群DataNode间的可用带宽作为类别属性,利用贝叶斯分类器在LPS和SPL两个算法间进行自动选择,从而有效提高MapReduce作业的运行效率。（3）提出了 MapReduce计算模型的优化策略PIY（Partitioner In Yarn）。该策略针对异构Hadoop集群,在综合考虑数据倾斜和数据本地化的基础上,提升了MapReduce作业的执行性能。在PIY策略中,首先,提出的并行蓄水池抽样算法能够快速准确地获得MapReduce作业输入数据的分布。其次,基于子集合求和问题,提出的BASH算法考虑了集群的异构因素,将存在倾斜的中间结果数据按照节点的计算能力分配到各个Reducer节点上;最后,针对既承担Map作业又承担Reduce作业的DataNode,BASH减少了 shuffle阶段这些节点上的数据传输量,从而增加了 Reduce作业的数据本地化程度。为了解决PIY中数据存在的长尾现象,提出了近似松弛子集和求和算法,并将其融入到前述BASH算法中,形成了新的算法E-BASH（Extension of BASH）。此外,提出了一种确定最佳抽样率的方法,从而保证了并行蓄水池抽样算法的抽样准确性和抽样速度。（4）提出了移动大数据处理系统中移动终端能耗优化算法APO（Adaptive Partial migration algOrithm）。该算法针对一个移动终端可以和多个异构边缘服务器集群（Edge Server Cluster,ESC）通信并且选择其中的一个服务器进行计算迁移的应用场景,基于动态电压调整技术,使移动终端通过自动调整CPU主频、传输功率、确定适当的部分迁移比例和选择恰当的边缘服务器进行计算迁移,从而达到在保证作业执行时间约束的基础上最小化移动终端能耗的目标。对于此问题我们建立了数学模型,并且利用参数消减法推导证明了该问题是一个凸优化问题,从而通过APO算法得到全局最优解。实验分析结果表明,本文提出的方法能够有效地提高大数据处理系统的性能,减少设备的能耗。