一、基于对象的协议实现架构x-kernel之分析与应用（论文文献综述）
王晨[1]（2021）在《面向拥塞控制的用户态自定义传输协议的研究和实现》文中研究说明基础设施和网络技术的发展促使了各类分布式应用的爆发增长,复杂变化的应用场景使得传输协议的研究再一次成为网络领域的热点。其中拥塞控制作为传输协议的核心机制,近年来在机器学习等技术的推动下不断有新的算法被提出,针对应用需求进行拥塞控制自定义是传输协议发展的趋势。然而这些算法大多都止步于理论仿真,在传输协议中实现甚至部署一直是研究人员的痛点。因此本文研究分析了传输协议发展以来的实现方案,提出了一个面向拥塞控制的用户态自定义传输协议框架CCUTP,并面向分布式机器学习应用的传输需求进行定制化的拥塞控制实现。本文的核心工作如下:（1）通过对比现有传输协议实现方案的优劣,结合面向应用的拥塞控制研究需求,选择基于UDP的用户态传输协议方案,设计并实现了CCUTP协议框架方便快速自定义各类拥塞控制算法。首先,根据拥塞感知方式的不同抽象出三种拥塞控制协议模型:丢包控制机制、时延控制机制、混合控制机制,基于三种模型设计不同的控制事件来适应各类拥塞控制算法。其次,CCUTP实现了统一的数据传输功能,将基础传输与拥塞控制解耦,使算法研究屏蔽底层通信,达到快速自定义拥塞控制的目的。最后介绍了CCUTP自定义拥塞控制的开发流程,基于CCUTP对应抽象模型,实现了三种拥塞控制算法TCP-Reno、Verus和DMLCC,验证了框架的可行性。（2）分布式机器学习是一种典型分布式应用,本文基于上述框架进一步研究了面向分布式机器学习应用的自定义拥塞控制。针对分布式机器学习应用场景下的长尾流和有限丢包容忍的传输特点,设计实现了基于在线学习的拥塞控制算法DMLCC。拥塞感知方面,DMLCC将时延梯度、丢包率、吞吐作为拥塞信息,通过效用函数将拥塞信息转化为效用值,更细粒度地感知网络状态;速率控制方面,DMLCC根据效用值的变化直接控制数据包的发送间隔,不受窗口大小的限制,能够尽可能提高吞吐来降低流完成时间。最后和分布式机器学习常用的TCP拥塞控制算法进行对比测试,结果表明DMLCC在低丢包率下相比TCP能提高至少两倍带宽利用率,能够更快的完成大数据量的传输。
黎颖[2]（2020）在《uMUSER高速相关数据实时处理流水线设计与实现》文中提出太阳射电观测对太阳活动研究及空间天气监测有着重要意义,MUSER（Mingantu Spectral Radioheliograph）,即明安图射电频谱日像仪是基于综合孔径成像原理构建的太阳射电观测设备,在太阳射电研究领域发挥着重要作用。相关器是MUSER系统的重要组成部分,是MUSER高速相关数据输出的源头。其性能的提升会带来相应的数据量的提升,在升级完成后其数据输出速率可以达到约3GB/s。如此高的数据速率给数据的实时处理和存储都带来了不小的挑战,因而需要构建相应的高速相关数据实时处理流水线来实现对数据的简单处理和数据缩减。GPU强大的运算和并行处理的能力及多线程技术的发展,为uMUSER（Upgrade MUSER）高速相关数据实时处理流水线的设计与实现提供了理论及实现基础。在此基础上,本文基于C/C++在Linux操作系统上开发了一个高速数据处理流水线设计框架uMUSER pipeline。该框架对pipeline结构进行了抽象,对数据类型进行了弱化和封装,并将Frame作为框架中数据处理的最小单元,可以有效的对同种及异构数据进行处理。在uMUSER pipeline框架的基础上本文实现了RFI检测与带宽综合高速实时处理流水线,用于对uMUSER 8通道相关器高速相关数据的实时RFI（Radio Frequency Interference）的检测及带宽的综合,有效做到了高速实时处理及相关数据的缩减。同时,还基于uMUSER pipeline框架设计实现了离线MUSER数据解析流水线,有效提升了MUSER离线数据的解析处理效率。本课题以具体应用为主,侧重于uMUSER pipeline的工程实现,uMUSER pipeline结合了多线程技术及GPU并行运算的优点,实现了对高速相关数据的实时处理,并提供了相应的数据接口,让开发人员可以有效的对数据进行处理。同时,uMUSER pipeline框架具有良好的扩展性,开发人员可以借助框架有效实现对应的高速数据实时处理流水线。
董芳[3]（2020）在《面向软件定义自组织网络的网络功能组合机制研究》文中研究指明以车联网等为典型应用的自组织网络是万物互联的最常见形式,已成为大众工作和生活最为依赖的基础性网络。受到网络僵化问题和移动性的制约,自组织网络的创新缺乏内生动力,使得人们对自组织网络服务的期许无法得到根本性满足。因此,开放网络核心功能、提升自组织网络服务能力是自组织网络可持续发展的最迫切需求。近年来,灵活可编程的软件定义网络,为实现以服务为导向的网络功能组合提供了现实依据。融合了软件定义思想,软件定义自组织网络具备了强大的可操控性。因而,面向软件定义自组织网络的网络功能组合,被认为是提升自组织网络服务能力的根本性方法。目前,面向软件定义自组织网络的网络功能组合机制研究存在以下问题:（1）相关研究和成果多集中于网络局部性能的改善,极少触及网络功能结构设计的本质性创新;（2）传统的自组织网络内部功能结构相对封闭,缺失实现动态网络功能组合的能力;（3）拓扑频繁变化显着增加服务中断的可能性,目前链路恢复机制难以保障网络服务持续有效。本文针对软件定义自组织网络中实现网络功能组合面临的以上三个问题,以软件定义自组织网络功能结构设计创新为出发点,以实现网络功能结构的柔性控制、抽象分解和动态组合为手段,将自组织网络服务能力具体化为网络基础互联传输能力、服务提供能力和服务保障能力逐一提出解决方案。首先,分析软件定义自组织网络功能结构的柔性控制机制,建立可扩展的网络控制平面和灵活的数据平面,支持控制流与数据流的高效传输;其次,分解和抽象网络功能组合的基本单元——元协议,构建网络节点内部和全网范围内实例化的网络功能组合——动态协议栈,以此改善节点性能和优化网络路由,保证动态提供网络服务;第三,提出链路故障下网络服务快速、有效的恢复方法,保障持续提供网络服务。具体地,本文主要研究成果如下:1.针对软件定义自组织网络在功能结构设计上创新乏力问题,本文针对软件定义自组织网络控制要素、功能结构和控制方式等本质性问题提出研究思路和设计原则。首先,合理收敛软件定义自组织网络的控制要素,支持SDN向移动性扩展;其次,建立“物理上分布,逻辑上集中”的软件定义自组织网络混合式控制结构,分析网络控制平面和数据平面工作流程,支持软件定义自组织网络简单组网;第三,在混合式控制结构下,针对移动组网需求,设计控制器选举算法;最后,分析、比较控制平面与数据平面性能,从算法收敛时间、资源代价等方面,验证了软件定义自组织网络具备良好的基础互联能力。2.针对软件定义自组织网络缺失网络功能组合基本单元的问题,本文分解和抽象软件定义自组织网络功能的基本单元——元协议,并通过构建动态协议栈提升网络节点的服务提供能力。首先,依据混合式网络控制结构,将软件定义自组织网络功能基本单元抽象为元协议,以开放网络核心功能;其次,提出基于元协议的网络节点构建方法,兼容传统网络节点;第三,以服务需求为依据,兼顾资源与效用,具体设计节点内动态协议栈构建算法;最后,仿真相关算法,分析节点性能。结果表明,以上算法能够取得更高的服务接受率和实例平均效用;验证了具备网络功能组合机制的软件定义自组织网络节点,拥有天然的良好的服务提供能力。3.针对全网范围内缺乏网络功能组合实现方法的问题,本文提出一种以服务为导向的、全局性的节点间动态协议栈构建算法,并以路由为节点间动态协议栈的物理部署形式,从而提升软件定义自组织网络的全局性服务提供能力。首先,提出一种基于服务特征的分层次路由模型,作为动态协议栈的构建依据;其次,设计服务节点选择算法,构建节点间动态协议栈;第三,依据有序服务节点,部署软件定义自组织网络路由。最后,搭建仿真实验平台,比较分析相关算法。结果表明,软件定义自组织网络路由使得节点能耗更均衡、资源占用率更低、网络效用更优,从而验证网络功能组合机制提升了全局性的网络服务提供能力。4.针对无线环境影响网络功能组合稳定性的问题,本文提出一种基于服务路径恢复的动态协议栈重建方法,保障了网络服务的持续性和有效性。首先,提出服务路径的概念,兼顾链路状态与服务有序性,从而将相对复杂抽象的动态协议栈重建问题,转化为易于工程实现的服务路径恢复问题;其次,提出动态协议栈重建的核心算法——服务路径分级恢复算法,通过备份恢复和计算恢复相结合的过程,提高了动态协议栈重建的时效性;第三,提出恢复判定定理,保证动态协议栈重建的有效性。最后,仿真分析相关算法。结果表明,服务路径分级恢复算法在恢复时延、恢复成功率等方面更具优势,从而验证网络功能组合机制提升了软件定义自组织网络的服务保障能力。
刘付金[4]（2020）在《基于QEMU的嵌入式通信加密系统设计与实现》文中进行了进一步梳理伴随着高科技水平不断上升,嵌入式设备的特点之一程序化高度集中,使得嵌入式设备开发调试面临着困难的挑战,深刻影响着每个有嵌入式开发和调试需求的企业及个人。虚拟化技术为底层的嵌入式开发带来了新的机遇,可以让嵌入式设备开发效率提高和成本的下降,然而这些虚拟化平台通常对嵌入式的处理器虚拟化达不到相应的效果,存在虚拟化程度低或者操作复杂,甚至不安全的隐患。QEMU是一个代码开源且移植性高的虚拟化仿真平台,相比其他开源的虚拟化平台,可以提供更强的灵活性、更少的操作、更好的控制和更低的成本,更擅长虚拟化常见的嵌入式设备处理器。本文提出基于QEMU虚拟化平台,去虚拟化PowerPC嵌入式设备,设计研究出PowerPC的通信加密系统解决方案为用户和企业提供开发效率高、成本低和安全的嵌入式开发的一个系统。因此本文具体工作内容主要为以下:（1）搭建基于QEMU的PowerPC嵌入式平台,它是由多个宿主机和客户机组成的,客户机主要是QEMU仿真PowerPC405GPR开发板,现在很少有关于PowerPC开发板虚拟化的文献研究,而且QEMU里关于可提供虚拟化的处理器架构也很局限,因此本文借鉴QEMU运行模拟器的实现原理,自定义开发PowerPC405GPR开发板,并在QEMU中注册,将开发的PowerPC开发板加入到QEMU可提供的虚拟化处理器架构里,并为此设计对应的Bootloader。宿主机是要基于内核版本是2.4.18下运行的虚拟机,在此基础上本文搭建基于QEMU的PowerPC嵌入式平台。（2）在基于PowerPC嵌入式平台上进行二次开发,设计并实现了基于QEMU的嵌入式通信加密系统模型。本方案设计了PCI通信数据接口和USB通信数据接口功能,完成了PCI设备和USB设备的仿真,为仿真设备创建了数据交互区,实现了宿主机和客户机之间通过内部总线设备来实现通信。相比硬件开发大大节约了开发的成本和快速解决通信接口测试问题。（3）基于通信数据接口添加了TLS加密算法设计,通过对TLS加密协议解析和实践研究,设计证书密钥管理分配和数据安全加密策略,在宿主机和客户机的通信数据接口上进行了加密设置,从而实现了数据安全,而且有效保证不被第三方攻击的可能。实验结果证明,基于QEMU的PowerPC嵌入式通信加密系统是一个稳定存在QEMU注册中,而且基于PowerPC的通信加密系统为用户提供了快速地找到软件问题,定位出现故障地方,从而很大程度上提升虚拟化可靠性、操作性甚至安全性。
丁浩[5]（2020）在《基于FPGA OpenCL的证件文本信息检测系统设计与研究》文中研究表明证件文本信息检测属于文本图像检测的研究范围,目前针对该领域的研究已有颇多成果。传统图像处理的方法虽然算法结构较为简单,并且运行速度快,但是在很多情况下泛化能力较差,复杂场景下检测准确度较低;而对于深度学习算法来说,由于复杂的网络结构,巨大的参数运算,导致其对系统硬件设备的性能依赖较高。FPGA设备具有体积较小、能耗比高等特点,在并行计算以及深度学习领域引起越来越多的关注。但是传统方法开发FPGA加速程序门槛较高,过程复杂,周期较长,无法快速适应场景和需求的变更。OpenCL是由苹果公司最先主导开发的一款通用并行计算框架,使用高级编程语言能够方便快速地实现并行算法加速系统。同时因其具有跨平台多设备的特性,使得在OpenCL规范框架中开发的并行加速系统能够快速移植到不同硬件设备中,实现软件系统的高度兼容性,并且根据不同需求场景选择OpenCL支持的不同硬件实现系统快速部署。本文设计实现了一种基于FPGA平台符合OpenCL编程规范的图像文本信息检测系统。该系统采用了CTPN文本检测网络作为核心算法模型,在系统设计过程中深入研究了CPTN网络的算法结构,以及OpenCL并行加速原理。在OpenCL并行编程框架下针对网络结构中使用到的算法进行并行化设计,提出了一种基于归并思想的简单、高效、快速的并行矢量累加算法,有效提升了算法中数据累加过程的运算效率;同时提出了适用于CTPN网络的并行VGG16卷积神经网络、并行Bi LSTM双向循环神经网络以及并行RPN区域生成网络算法。相对于串行算法来说并行算法能够显着提升运算速度,经过不同规模的数据进行测试及性能分析,单次三维卷积运算的性能提升高达142倍,Bi LSTM网络中并行运算性能提升10倍以上,同时将并行算法整合实现了系统整体运行速度提升88.6倍。对于系统的检测效果本文采用了身份证件类、车票类、银行卡类、毕业证书类以及营业执照类等五种不同类别的文本证件图像对其进行测试,验证了系统在不同场景下文本检测的效果以及泛化能力。
李博杰[6]（2019）在《基于可编程网卡的高性能数据中心系统》文中研究说明数据中心是支持当今世界各种互联网服务的基础设施,面临硬件和应用两方面的挑战。硬件方面,通用处理器的性能提升逐渐放缓;应用方面,大数据与机器学习对算力的需求与日俱增。不同于容易并行的Web服务,大数据与机器学习需要各计算节点间更多的通信,这推动了数据中心网络性能的快速提高,也对共享数据存储的性能提出了更高的要求。然而,数据中心的网络和存储基础设施主要使用通用处理器上的软件处理,其性能落后于快速增长的网络、存储、定制化计算硬件性能,日益成为系统的瓶颈。与此同时,在云化的数据中心中,灵活性也是一项重要需求。为了同时提供高性能和灵活性,近年来,可编程网卡在数据中心被广泛部署,利用现场可编程门阵列（FPGA）等定制化硬件加速虚拟网络。本文旨在探索基于可编程网卡的高性能数据中心系统。可编程网卡在加速虚拟网络之外,还可以加速网络功能、数据结构、操作系统等。为此,本文用FPGA可编程网卡实现云计算数据中心计算、网络、内存存储节点的全栈加速。首先,本文提出用可编程网卡加速云计算中的虚拟网络功能,设计和实现了首个在商用服务器中用FPGA加速的高灵活性、高性能网络功能处理平台ClickNP。为了简化FPGA编程,本文设计了类C的ClickNP语言和模块化的编程模型,并开发了一系列优化技术,以充分利用FPGA的海量并行性;实现了ClickNP开发工具链,可以与多种商用高层次综合工具集成;基于ClickNP设计和实现了200多个网络元件,并用这些元件组建起多种网络功能。相比基于CPU的软件网络功能,ClickNP的吞吐量提高了10倍,延迟降低到1/10。其次,本文提出用可编程网卡加速远程数据结构访问。本文基于ClickNP编程框架,设计实现了一个高性能内存键值存储系统KV-Direct,在服务器端绕过CPU,用可编程网卡通过PCIe直接访问远程主机内存中的数据结构。通过把单边RDMA的内存操作语义扩展到键值操作语义,KV-Direct解决了单边RDMA操作数据结构时通信和同步开销高的问题。利用FPGA可重配置的特性,KV-Direct允许用户实现更复杂的数据结构。面对网卡与主机内存之间PCIe带宽较低、延迟较高的性能挑战,通过哈希表、内存分配器、乱序执行引擎、负载均衡和缓存、向量操作等一系列性能优化,KV-Direct实现了 10倍于CPU的能耗效率和微秒级的延迟,是首个单机性能达到10亿次每秒的通用键值存储系统。最后,本文提出用可编程网卡和用户态运行库相结合的方法为应用程序提供套接字通信原语,从而绕过操作系统内核。本文设计和实现了一个用户态套接字系统SocksDirect,与现有应用程序完全兼容,能实现接近硬件极限的吞吐量和延迟,多核性能具有可扩放性,并在高并发负载下保持高性能。主机内和主机间的通信分别使用共享内存和RDMA实现。为了支持高并发连接数,本文基于KV-Direct实现了一个RDMA可编程网卡。通过消除线程间同步、缓冲区管理、大数据拷贝、进程唤醒等一系列开销,SocksDirect相比Linux提升了7至20倍吞吐量,降低延迟到1/17至1/35,并将Web服务器的HTTP延迟降低到1/5.5。
肖云飞[7]（2019）在《基于边缘计算和深度学习的车道保持系统设计与实现》文中提出车道保持是自动驾驶的基本功能之一,可以避免车辆行驶中因车道偏离而造成交通事故。自动驾驶是一项多学科领域交叉的技术平台,各种先进技术可以在此平台上相互促进发展,共同完成目标。近几年深度学习技术领域得到较多突破,其原因主要归功于当前硬件计算能力的发展,以及大数据时代训练数据样本的大量增加,不少学者也将深度学习应用于自动驾驶领域,以实现车辆道路标志识别、自动避障或车道保持等功能。在此背景下,本文基于边缘计算的系统架构,应用端到端的卷积神经网络（CNN）,设计一套集合数据采集、传输和训练的车道保持系统,并在车辆终端应用深度学习模型实现车道保持的功能。设计采用一台搭载单目摄像头的树莓派控制的小车,通过遥控方式进行道路图像采集并自动标注,通过物联网传输协议将训练样本文件传输至边缘端服务器,在服务器应用端到端的卷积神经网络进行训练,并最终在小车终端应用模型以实现车道保持的功能。由于自动驾驶领域数据集的采集和标注工作是一项繁琐的工作,因此本文提出应用边缘计算框架实现训练数据的传输,有效节省采集和标注数据样本的时间成本,从软件架构层面上对数据样本的收集方式进行改进,实现深度学习样本数据在自动驾驶领域的扩充和应用。通过系统在树莓派小车平台的应用,实验结果表明,该车道保持系统能够自动采集和标注道路图像素材,作为深度学习模型的训练样本,小车载入训练后的模型能够在具备标志线的跑道上实现车道保持的功能。
郑少斌[8]（2019）在《支持多协议的微服务化物联网平台研究与实现》文中指出作为物联网产业结构的关键组成要素,物联网平台既要面对海量异构设备的接入需求,也要在设备、用户和云端之间搭建高效稳定的交互通道。因此,物联网平台既需要满足可扩展性,以支持新的异构协议设备的接入,也需要满足可用性,为大量设备和用户的交互提供良好的服务质量。结合微服务架构和Docker容器技术对物联网平台进行构建和部署,是实现平台可扩展性和可用性的可行方案。本文以笔者所在研究课题组的EMCloud物联网平台为背景,对实现平台可扩展性和可用性过程中存在的问题进行研究,具体的工作和创新如下:（1）对EMCloud物联网平台的可扩展性和可用性需求进行分析,提出了物联网平台在构建、部署和运行过程中存在的具体问题,研究了与问题相关的技术,并提出本文的设计思路。（2）构建和部署支持多协议的微服务化物联网平台。对基于单体架构的物联网平台进行微服务划分,在平台接入层以微服务的形式提供多协议支持,并制定符合平台微服务特性的服务通信机制,使平台满足可扩展性。针对物联网平台中不同微服务所需实例资源数量不同的问题,提出基于分层模糊综合评价方法的微服务冗余度模型,评估微服务的冗余度,并根据冗余度进行服务的初始化部署,构建微服务集群,保证平台的可用性。（3）设计并实现一种基于会话标识的负载均衡调度策略。针对物联网平台的微服务集群需要满足负载分配的均衡性、局部性和会话粘性的需求,本文提出Maglev-Round负载均衡调度算法,并基于设备会话标识实现设备网络地址变动时的会话粘性。（4）设计并实现一种基于服务负载和性能预测的容器动态调度策略。针对因服务的访问负载动态变化而导致部署的容器实例数不能满足服务需求的问题,本文结合服务负载预测模型和服务性能预测模型进行服务性能状态的预测,并根据预测值进行容器调度决策,实现服务的水平伸缩。最后,本文使用微服务初始化部署策略部署物联网平台,并对平台的基础功能、多协议支持特性、负载均衡调度策略以及容器动态调度策略进行测试,验证了 EMCloud平台的可扩展性和可用性。
杨骐溪[9]（2019）在《基于深度学习的信号分析方法研究》文中认为随着人工智能技术的飞速发展,以美国为首的西方军事强国已经开始着手发展基于机器学习理论的认知无线电及认知电子战项目。与此同时,面对学术界和工业界的需求,以深度学习为代表的现代机器学习方法也开始在无线电通信领域崭露头角且发展迅速。在当前以硬件高速运算能力为依托的海量数据背景下,对于无线电信号分析中调制识别与辐射源个体识别问题,相关工作与以深度卷积神经网络和深度循环神经网络为代表的深度学习模型的结合能够开创性地在原始数据层面挖掘、寻求和归纳电磁信号特征,并以此为基础实现相应电磁环境下的目标识别准确度指标。从而在缺乏先验信息的条件下,帮助操作人员在短时间内挖掘出蕴含在目标数据结构中的重要信息,减少传统方法在人工特征提取阶段所消耗的时间成本。结合仿真实验验证结果表明,经过改进的部分典型深度神经网络在无线电信号分析任务中能够产生明显的性能增益,从而促进提升深度学习技术视角下的电磁信号侦察效率。基于此,以深度学习为技术核心的新型信号分析与识别算法对电子对抗领域意义重大。
胡皓[10]（2019）在《基于x2M的车载嵌入式终端GUI的设计与开发》文中研究指明近年来随着信息化步伐的加快,嵌入式系统得到了快速的发展,并且已经被广泛应用于各个领域。随着嵌入式产品的不断发展和图形显示设备的广泛应用,人们对轻型却不失美观的嵌入式GUI（Graphical User Interface）的需求也越来越迫切。因此,嵌入式GUI也成为嵌入式系统开发过程中一个非常重要的环节。目前比较成熟的面向嵌入式的GUI系统有Qt/Embedded、MiniGUI和MicroWindows等。但这些嵌入式GUI类库都有各自比较明显的缺点。而随着互联网技术的快速发展,UI Web化将是嵌入式GUI系统的发展趋势。本文的课题目标是基于x2M软件平台,研发一款应用于公共交通领域的车载嵌入式终端GUI系统。该GUI系统可以提供良好的人机交互体验,并且便于公交车驾驶员对行驶车辆的操控。本文主要从课题背景、国内外发展现状、系统设计目标、关键技术的研究、系统设计方案、系统实现和系统测试等方面阐述目标嵌入式GUI系统的设计和开发过程。本文设计的车载嵌入式GUI系统采用B/S（Browser/Server）架构,该架构是在嵌入式设备和嵌入式Linux操作系统的基础上搭建的。研发过程中需要解决的关键问题在于响应式网页的设计与实现、在目标嵌入式设备中搭建嵌入式Linux系统,以及通过交叉编译的方法移植嵌入式服务器和嵌入式浏览器。最终,本文运用响应式前端框架实现了响应式网页形式的嵌入式图形用户界面。实现的嵌入式GUI系统不仅符合UI Web化的发展趋势,还可以为车载嵌入式设备在公共交通领域的应用提供一个可移植性高、简洁美观的人机交互界面。而且采用结合Buildroot工具交叉编译Chromium源码的方法实现了嵌入式浏览器的移植,为今后开源浏览器作为嵌入式浏览器的移植提供了参考,这将更加有利于嵌入式GUI和Web技术的结合。
二、基于对象的协议实现架构x-kernel之分析与应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于对象的协议实现架构x-kernel之分析与应用（论文提纲范文）
（1）面向拥塞控制的用户态自定义传输协议的研究和实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作内容 |
| 1.4 论文的结构安排 |
| 第二章 相关理论及技术基础 |
| 2.1 传输协议概述 |
| 2.1.1 内核态传输协议 |
| 2.1.2 用户态传输协议 |
| 2.2 拥塞控制概述 |
| 2.2.1 拥塞控制原理 |
| 2.2.2 拥塞控制算法分类 |
| 2.3 本章小结 |
| 第三章 面向拥塞控制的用户态自定义传输协议框架研究 |
| 3.1 需求分析 |
| 3.1.1 现有用户态传输协议对比 |
| 3.1.2 研究目标 |
| 3.2 拥塞控制算法抽象建模 |
| 3.2.1 丢包控制机制 |
| 3.2.2 时延控制机制 |
| 3.2.3 混合控制机制 |
| 3.3 CCUTP设计与实现 |
| 3.3.1 CCUTP分层架构 |
| 3.3.2 CCUTP协议模型 |
| 3.3.3 CCUTP功能模块设计和实现 |
| 3.4 CCUTP自定义开发流程 |
| 3.5 本章小结 |
| 第四章 面向分布式机器学习应用的拥塞控制研究和实现 |
| 4.1 研究背景 |
| 4.1.1 分布式机器学习应用数据传输特点 |
| 4.1.2 面向分布式机器学习应用的拥塞控制目标 |
| 4.2 DMLCC算法设计 |
| 4.2.1 算法模型 |
| 4.2.2 效用函数 |
| 4.2.3 速率控制 |
| 4.3 算法实现及对比测试 |
| 4.3.1 实验环境及工具 |
| 4.3.2 DMLCC算法实现及参数分析 |
| 4.3.3 DMLCC性能对比分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（2）uMUSER高速相关数据实时处理流水线设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 射电望远镜 |
| 1.1.2 太阳射电和明安图频谱日像仪MUSER |
| 1.2 研究内容及含义 |
| 1.3 本章小结 |
| 第二章 基本原理及理论 |
| 2.1 综合孔径 |
| 2.1.1 空间相干函数与复可见度函数 |
| 2.1.2 综合孔径成像 |
| 2.2 相关器 |
| 2.2.1 相关器原理 |
| 2.2.2 Lag相关器与FX相关器架构 |
| 2.2.3 FX相关器的相关改进—多相滤波 |
| 2.3 射频干扰识别算法 |
| 2.4 本章小结 |
| 第三章 uMUSER pipeline设计准备 |
| 3.1 uMUSER相关器与数据获取 |
| 3.2 uMUSER数据格式及特点 |
| 3.3 高速天文数据处理 |
| 3.4 本章小结 |
| 第四章 uMUSER Pipeline框架设计 |
| 4.1 流水线、多线程与CPU |
| 4.2 流水线和GPU |
| 4.3 CUDA与 GPU |
| 4.4 uMUSER pipeline框架 |
| 4.5 本章小结 |
| 第五章 框架应用与uMUSER高速相关数据处理流水线 |
| 5.1 uMUSER相关器实验设备环境 |
| 5.2 RFI检测与带宽综合高速实时处理流水线 |
| 5.2.1 RFI检测与带宽综合高速实时处理流水线 |
| 5.2.2 模块实现细节 |
| 5.2.3 RFI检测与带宽综合高速实时处理流水线运行结果 |
| 5.3 离线MUSER数据解析流水线 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（3）面向软件定义自组织网络的网络功能组合机制研究（论文提纲范文）
| 摘要 |
| ABSTRCAT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 软件定义自组织网络 |
| 1.2.2 网络功能组合 |
| 1.2.3 现状分析 |
| 1.3 相关概念 |
| 1.3.1 元协议 |
| 1.3.2 动态协议栈 |
| 1.4 研究问题分析 |
| 1.5 论文结构和章节安排 |
| 第二章 面向基础互联能力的软件定义自组织网络控制机制 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.3 网络控制要素分析 |
| 2.3.1 移动性分析 |
| 2.3.2 控制粒度 |
| 2.3.3 控制变量 |
| 2.4 软件定义自组织网络的控制结构 |
| 2.4.1 混合式网络结构 |
| 2.4.2 扩展的控制平面 |
| 2.4.3 灵活的数据平面 |
| 2.5 控制器选举机制 |
| 2.5.1 设计思路 |
| 2.5.2 代价度量定义 |
| 2.5.3 选举算法设计 |
| 2.6 组网分析与比较 |
| 2.6.1 控制平面性能分析 |
| 2.6.2 数据平面性能分析 |
| 2.7 本章小结 |
| 第三章 面向服务提供能力的节点内部网络功能组合方法 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 元协议模型 |
| 3.3.1 设计原则 |
| 3.3.2 元协议原型 |
| 3.4 软件定义自组织网络的网络节点设计 |
| 3.4.1 元协议结构 |
| 3.4.2 节点结构 |
| 3.5 节点内动态协议栈构建算法 |
| 3.5.1 问题描述 |
| 3.5.2 效用函数 |
| 3.5.3 算法设计 |
| 3.6 实验仿真与分析 |
| 3.6.1 算法性能与比较 |
| 3.6.2 节点性能评估 |
| 3.7 本章小结 |
| 第四章 面向服务提供能力的全网协同网络功能组合方法 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 动态协议栈与路由 |
| 4.4 面向路由的服务特征建模 |
| 4.4.1 服务特征整体模型 |
| 4.4.2 分层次的服务特征建模 |
| 4.5 网络接入层面的动态协议栈构建 |
| 4.5.1 基于节能的动态协议栈构建过程 |
| 4.5.2 构建算法描述 |
| 4.6 网络核心层面的动态协议栈构建 |
| 4.6.1 效用函数 |
| 4.6.2 基于效用的动态协议栈构建过程 |
| 4.6.3 构建算法描述 |
| 4.7 实验仿真与分析 |
| 4.7.1 仿真平台设计 |
| 4.7.2 仿真验证与分析 |
| 4.8 本章小结 |
| 第五章 面向服务保障能力的网络功能组合重建方法 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 动态协议栈重建问题分析 |
| 5.3.1 服务冲突 |
| 5.3.2 问题描述 |
| 5.4 服务路径分级恢复算法 |
| 5.4.1 分级恢复的提出 |
| 5.4.2 恢复判定分析 |
| 5.4.3 算法描述 |
| 5.5 实验仿真与分析 |
| 5.5.1 方法描述 |
| 5.5.2 比较分析 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 研究工作创新性 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 作者简历 攻读博士学位期间完成的主要工作 |
（4）基于QEMU的嵌入式通信加密系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究创新及主要工作 |
| 1.4 本文结构安排 |
| 1.5 本章小结 |
| 第二章 相关理论与研究基础 |
| 2.1 虚拟化技术 |
| 2.2 QEMU基本介绍 |
| 2.2.1 QEMU模块区分 |
| 2.2.2 QEMU运行机制 |
| 2.3 QEMU的翻译解析 |
| 2.3.1 QEMU的二进制翻译解析流程 |
| 2.3.2 TCG的代码生成流程 |
| 2.3.3 翻译块链 |
| 2.4 QEMU硬件设备机制 |
| 2.4.1 QOM的特性与注册流程解析 |
| 2.4.2 QOM硬件关系与属性 |
| 2.4.3 QEMU的设备模型 |
| 2.5 QEMU的PCI模型 |
| 2.5.1 QEMU的PCI设备 |
| 2.5.2 QEMU的PCI桥 |
| 2.6 QEMU的USB模型 |
| 2.7 QEMU通信安全技术 |
| 2.7.1 通信加密技术 |
| 2.7.2 信息认证技术 |
| 2.7.3 数据一致性校验技术 |
| 2.8 文章小节 |
| 第三章 PowerPC嵌入式平台搭建 |
| 3.1 PowerPC嵌入式平台需求分析 |
| 3.2 PowerPC嵌入式平台架构 |
| 3.3 PowerPC嵌入式平台功能模块设计 |
| 3.4 嵌入式平台基础功能模块配置 |
| 3.4.1 QEMU的编译安装 |
| 3.4.2 平台编译环境的配置 |
| 3.4.3 宿主机和客户机的搭建 |
| 3.5 QEMU仿真Power P405GPR处理器 |
| 3.5.1 目标PowerPC处理器硬件需求 |
| 3.5.2 目标仿真处理器注册QEMU流程 |
| 3.6 Power P405GPR的Bootloader设计 |
| 3.6.1 仿真处理器Bootloader工作流程 |
| 3.6.2 Bootloader的移植 |
| 3.7 GDB工具修补vmlinux2.4 补丁 |
| 3.8 本章小节 |
| 第四章 PowerPC嵌入式通信加密系统设计 |
| 4.1 PowerPC嵌入式通信加密系统需求分析 |
| 4.2 PowerPC嵌入式通信加密系统构架 |
| 4.3 PowerPC嵌入式通信加密系统功能模块设计 |
| 4.4 QEMU的PCI通信数据接口 |
| 4.4.1 PCI仿真设备和PCI仿真桥底层设计 |
| 4.4.2 PCI设备的数据交换区设计 |
| 4.4.3 PCI报文读取发送模块 |
| 4.5 QEMU的USB通信数据接口 |
| 4.5.1 USB仿真主控制器和USB仿真设备设计 |
| 4.5.2 USB设备的数据交换区设计 |
| 4.5.3 USB文件模块设计 |
| 4.6 通信数据接口加密设计 |
| 4.6.1 CA加密证书与密钥管理策略 |
| 4.6.2 PCI数据传输加密设计 |
| 4.6.3 USB文件加密设计 |
| 4.7 Main ROM固件程序设计 |
| 4.8 文章小节 |
| 第五章 PowerPC嵌入式通信加密系统测试验证 |
| 5.1 测试环境简介 |
| 5.2 PowerPC嵌入式通信加密系统测试实验 |
| 5.2.1 PowerPC405GPR开发板仿真测试 |
| 5.2.2 客户机和宿主机仿真测试 |
| 5.2.3 客户机Bootloader功能测试 |
| 5.2.4 PCI通信数据接口功能测试 |
| 5.2.5 USB通信数据接口功能测试 |
| 5.2.6 嵌入式通信加密系统性能分析 |
| 5.2.7 嵌入式通信加密系统安全性分析 |
| 5.3 文章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）基于FPGA OpenCL的证件文本信息检测系统设计与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 图像文本检测模型研究现状 |
| 1.2.2 FPGA并行加速研究现状 |
| 1.3 本文主要研究内容和成果 |
| 第二章 基于CTPN模型的文本检测系统设计 |
| 2.1 系统包含的网络结构及算法 |
| 2.1.1 VGG16卷积神经网络 |
| 2.1.2 Bi LSTM循环神经网络 |
| 2.1.3 RPN区域生成网络 |
| 2.1.4 NMS非极大值抑制算法 |
| 2.2 CTPN文本检测模型 |
| 2.2.1 模型结构 |
| 2.2.2 参数训练策略 |
| 2.3 本章小结 |
| 第三章 基于OpenCL框架的并行加速算法设计 |
| 3.1 OpenCL并行计算架构及加速原理 |
| 3.1.1 平台模型 |
| 3.1.2 执行模型 |
| 3.1.3 内存模型 |
| 3.1.4 整体流程框架 |
| 3.2 系统并行加速算法设计 |
| 3.2.1 并行矢量数据累加算法 |
| 3.2.2 并行卷积神经网络算法 |
| 3.2.3 并行循环神经网络算法 |
| 3.2.4 并行区域生成网络算法 |
| 3.3 本章小结 |
| 第四章 整体系统设计研究与实现 |
| 4.1 Tensorflow平台网络参数训练 |
| 4.2 GPU平台算法内核程序实现 |
| 4.2.1 环境搭建 |
| 4.2.2 算法实现 |
| 4.2.3 性能分析 |
| 4.3 FPGA平台算法移植与系统实现 |
| 4.3.1 环境搭建 |
| 4.3.2 系统实现 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于可编程网卡的高性能数据中心系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 优化软件 |
| 1.2.2 利用新型商用硬件 |
| 1.2.3 设计新硬件 |
| 1.3 本文的研究内容和贡献 |
| 1.4 论文结构安排 |
| 第2章 数据中心与可编程网卡概论 |
| 2.1 数据中心的发展趋势 |
| 2.1.1 资源虚拟化 |
| 2.1.2 分布式计算 |
| 2.1.3 定制化硬件 |
| 2.1.4 细粒度计算 |
| 2.2 “数据中心税” |
| 2.2.1 虚拟网络 |
| 2.2.2 网络功能 |
| 2.2.3 操作系统 |
| 2.2.4 数据结构处理 |
| 2.3 可编程网卡的架构 |
| 2.3.1 专用芯片(ASIC) |
| 2.3.2 网络处理器(NP) |
| 2.3.3 通用处理器(SoC) |
| 2.3.4 可重构硬件(FPGA) |
| 2.4 可编程网卡在数据中心的应用 |
| 2.4.1 微软Azure云 |
| 2.4.2 亚马逊AWS云 |
| 2.4.3 阿里云、腾讯云、华为云、百度 |
| 第3章 系统架构 |
| 3.1 网络加速 |
| 3.1.1 网络虚拟化加速 |
| 3.1.2 网络功能加速 |
| 3.2 存储加速 |
| 3.2.1 存储虚拟化加速 |
| 3.2.2 数据结构处理加速 |
| 3.3 操作系统加速 |
| 3.4 可编程网卡 |
| 第4章 ClickNP网络功能加速 |
| 4.1 引言 |
| 4.2 背景 |
| 4.2.1 软件虚拟网络与网络功能的性能挑战 |
| 4.2.2 基于FPGA的网络功能编程 |
| 4.3 系统架构 |
| 4.3.1 ClickNP开发工具链 |
| 4.3.2 ClickNP编程 |
| 4.4 FPGA内部并行化 |
| 4.4.1 元件间并行化 |
| 4.4.2 元件内并行 |
| 4.5 系统实现 |
| 4.5.1 ClickNP工具链和硬件实现 |
| 4.5.2 ClickNP元件库 |
| 4.5.3 PCIE I/O通道 |
| 4.5.4 Verilog元件 |
| 4.6 应用与性能评估 |
| 4.6.1 数据包生成器和抓包工具 |
| 4.6.2 OpenFlow防火墙 |
| 4.6.3 IPSec网关 |
| 4.6.4 L4负载平衡器 |
| 4.6.5 pFabric流调度器 |
| 4.7 讨论: 资源利用率 |
| 4.8 本章小结 |
| 第5章 KV-Direct数据结构加速 |
| 5.1 引言 |
| 5.2 背景 |
| 5.2.1 键值存储的概念 |
| 5.2.2 键值存储的工作负载变化 |
| 5.2.3 现有键值存储系统的性能瓶颈 |
| 5.2.4 远程直接键值访问面临的挑战 |
| 5.3 KV-Direct操作原语 |
| 5.4 键值处理器 |
| 5.4.1 哈希表 |
| 5.4.2 Slab内存分配器 |
| 5.4.3 乱序执行引擎 |
| 5.4.4 DRAM负载分配器 |
| 5.4.5 向量操作译码器 |
| 5.5 系统性能评估 |
| 5.5.1 系统实现 |
| 5.5.2 测试床与评估方法 |
| 5.5.3 吞吐量 |
| 5.5.4 能耗效率 |
| 5.5.5 延迟 |
| 5.5.6 对CPU性能的影响 |
| 5.6 扩展 |
| 5.6.1 基于CPU的分散.聚集DMA |
| 5.6.2 单机多网卡 |
| 5.6.3 基于SSD的持久化存储 |
| 5.6.4 分布式键值存储 |
| 5.7 讨论 |
| 5.7.1 不同容量的网卡硬件 |
| 5.7.2 对现实世界应用的影响 |
| 5.7.3 可编程网卡内的有状态处理 |
| 5.8 相关工作 |
| 5.9 本章小结 |
| 第6章 SocksDirect通信原语加速 |
| 6.1 引言 |
| 6.2 背景 |
| 6.2.1 Linux套接字简介 |
| 6.2.2 Linux套接字中的开销 |
| 6.2.3 高性能套接字系统 |
| 6.3 架构概览 |
| 6.4 系统设计 |
| 6.4.1 无锁套接字共享 |
| 6.4.2 基于RDMA和共享内存的环形缓冲区 |
| 6.4.3 零拷贝 |
| 6.4.4 事件通知 |
| 6.4.5 连接管理 |
| 6.5 系统性能评估 |
| 6.5.1 评估方法 |
| 6.5.2 性能微基准测试 |
| 6.5.3 实际应用性能 |
| 6.6 讨论: 连接数可扩放性 |
| 6.6.1 基于可编程网卡的传输层 |
| 6.6.2 基于CPU的传输层 |
| 6.6.3 多套接字共享队列 |
| 6.6.4 应用、协议栈与网卡间的接口抽象 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 未来工作展望 |
| 7.2.1 基于片上系统的可编程网卡 |
| 7.2.2 开发工具链 |
| 7.2.3 操作系统 |
| 7.2.4 系统创新 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（7）基于边缘计算和深度学习的车道保持系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 项目背景 |
| 1.2 自动驾驶技术国内外发展现状 |
| 1.2.1 科研院校对自动驾驶技术的研究 |
| 1.2.2 边缘计算在自动驾驶的应用 |
| 1.2.3 深度学习在自动驾驶的应用 |
| 1.3 本文主要的工作和组织结构 |
| 第二章 技术综述 |
| 2.1 基于树莓派的软硬件平台 |
| 2.2 边缘计算框架 |
| 2.3 消息队列遥测传输协议 |
| 2.4 卷积神经网络 |
| 2.5 本章小结 |
| 第三章 车道保持系统的分析与设计 |
| 3.1 系统需求分析 |
| 3.2 系统概要设计 |
| 3.3 功能模块详细设计 |
| 3.3.1 车辆控制模块 |
| 3.3.2 边缘计算框架 |
| 3.3.3 卷积神经网络模型训练 |
| 3.3.4 决策模块 |
| 3.4 本章小结 |
| 第四章 车道保持系统的实现 |
| 4.1 总体实现 |
| 4.2 车辆控制模块 |
| 4.2.1 控制接口 |
| 4.2.2 图像采集和自动标注 |
| 4.3 边缘计算框架 |
| 4.3.1 基于Edge X Foundry的设备服务 |
| 4.3.2 数据处理模块 |
| 4.3.3 基于MQTT协议的消息传输 |
| 4.4 卷积神经网络模型训练 |
| 4.5 车道保持功能测试 |
| 4.6 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（8）支持多协议的微服务化物联网平台研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 微服务架构研究现状 |
| 1.2.2 容器部署和调度研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 1.5 本章小结 |
| 第二章 相关技术研究与设计思路 |
| 2.1 物联网通信协议 |
| 2.2 微服务架构 |
| 2.3 Docker容器技术 |
| 2.3.1 Docker技术简介 |
| 2.3.2 容器集群管理 |
| 2.4 负载均衡技术 |
| 2.4.1 传统负载均衡调度算法 |
| 2.4.2 一致性哈希算法 |
| 2.5 ARIMA和极限学习机 |
| 2.5.1 ARIMA模型 |
| 2.5.2 极限学习机 |
| 2.6 设计思路 |
| 2.7 本章小结 |
| 第三章 物联网平台构建和部署 |
| 3.1 物联网平台的微服务分层架构 |
| 3.2 支持多协议的物联网平台通信策略 |
| 3.2.1 多协议设备接入机制 |
| 3.2.2 多协议设备通信机制 |
| 3.2.3 服务间通信机制 |
| 3.3 物联网平台的微服务初始化部署策略 |
| 3.3.1 微服务冗余度模型 |
| 3.3.2 微服务冗余度计算 |
| 3.3.3 物联网平台微服务配置 |
| 3.3.4 微服务初始化部署策略 |
| 3.4 本章小结 |
| 第四章 负载均衡调度和容器动态调度 |
| 4.1 负载均衡调度和容器动态调度总体概述 |
| 4.2 负载均衡调度策略 |
| 4.2.1 负载均衡框架设计 |
| 4.2.2 Maglev哈希算法 |
| 4.2.3 Maglev-Round调度算法 |
| 4.2.4 基于会话标识的负载均衡调度策略 |
| 4.3 容器动态调度策略 |
| 4.3.1 容器动态调度总体概述 |
| 4.3.2 服务负载预测模型 |
| 4.3.3 服务性能预测模型 |
| 4.3.4 基于服务负载和性能预测的容器动态调度策略 |
| 4.4 本章小结 |
| 第五章 应用实验与分析 |
| 5.1 测试目的 |
| 5.2 测试环境 |
| 5.3 测试内容与分析 |
| 5.3.1 EMCloud物联网平台初始化部署与功能测试 |
| 5.3.2 EMCloud物联网平台多协议支持测试 |
| 5.3.3 负载均衡调度测试 |
| 5.3.4 容器动态调度测试 |
| 5.4 同类系统对比分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士期间取得的研究成果 |
| 致谢 |
| 附件 |
（9）基于深度学习的信号分析方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 论文的研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.4 论文的主要研究内容及章节安排 |
| 第二章 无线电信号分析基本概述—传统方法vs深度学习技术 |
| 2.1 无线电信号的基本特性 |
| 2.1.1 信号时域与频域描述 |
| 2.1.2 信号参数特性 |
| 2.2 无线电信号分析主要内涵 |
| 2.2.1 无线电信号分析目的 |
| 2.2.2 无线电信号分析内容 |
| 2.2.3 无线电信号分析要求 |
| 2.3 传统信号分析方法 |
| 2.3.1 主要概念及理论分析方法 |
| 2.3.2 工程分析方法 |
| 2.3.3 总结 |
| 2.4 基于深度学习的无线电信号分析方法 |
| 2.4.1 主要概念 |
| 2.4.2 主要分析方法 |
| 2.4.3 总结 |
| 第三章 深度学习模型应用——基于改进卷积神经网络的信号调制识别研究 |
| 3.1 无线电信号调制数据描述 |
| 3.1.1 信号数学模型 |
| 3.1.2 信号数据集 |
| 3.2 经典卷积无线电调制识别网络 |
| 3.2.1 网络基本原理 |
| 3.2.2 网络基本结构 |
| 3.2.3 网络运作方式 |
| 3.3 改进的卷积无线电调制识别网络 |
| 3.3.1 VGG-Net无线电调制识别网络 |
| 3.3.2 残差无线电调制识别网络 |
| 3.4 基于深度学习的调制信号识别相关数学分析 |
| 3.4.1 信号统计模型与马尔可夫随机场 |
| 3.4.2 数据预处理 |
| 3.4.3 信号数据分布 |
| 3.5 本章小结 |
| 第四章 深度学习方法实践—通信辐射源个体自动识别技术研究 |
| 4.1 无线电通信辐射源信号数据描述 |
| 4.1.1 辐射源信号类型 |
| 4.1.2 辐射源信号统计依据 |
| 4.1.3 辐射源信号原始数据与特征数据 |
| 4.2 基于深度学习方法的辐射源个体识别网络 |
| 4.2.1 端到端识别结构简介 |
| 4.2.2 循环类神经网络应用——LSTM无线电辐射源个体识别网络 |
| 4.3 网络仿真实验 |
| 4.3.1 辐射源信号采集与数据集构建 |
| 4.3.2 网络参数设置 |
| 4.3.3 训练过程 |
| 4.3.4 结果分析 |
| 4.4 LSTM辐射源个体识别网络与经典方法对比 |
| 4.5 本章小结 |
| 第五章 论文总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文及取得的研究成果 |
（10）基于x2M的车载嵌入式终端GUI的设计与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 研究内容 |
| 1.3 嵌入式GUI发展现状与前景 |
| 1.3.1 嵌入式系统的发展状况 |
| 1.3.2 嵌入式GUI的发展现状 |
| 1.3.3 嵌入式GUI的发展前景 |
| 1.4 论文的结构安排 |
| 第二章 系统设计目标 |
| 2.1 嵌入式系统一般需求 |
| 2.1.1 面向应用 |
| 2.1.2 可靠性 |
| 2.1.3 效率性 |
| 2.1.4 开发工具 |
| 2.2 嵌入式GUI特殊需求 |
| 2.2.1 功能需求 |
| 2.2.2 效率性 |
| 2.2.3 可移植性 |
| 2.2.4 可裁剪性 |
| 2.3 系统的功能设计 |
| 2.4 可行性分析 |
| 2.4.1 经济可行性 |
| 2.4.2 技术可行性 |
| 2.5 本章小结 |
| 第三章 关键技术研究 |
| 3.1 B/S架构 |
| 3.2 HTTP协议与WebSocket协议 |
| 3.3 X窗口系统 |
| 3.4 GUI模型设计工具 |
| 3.5 HTML、CSS和 JavaScript |
| 3.6 响应式前端框架 |
| 3.7 AngularJS框架 |
| 3.8 嵌入式开发模式 |
| 3.9 Buildroot |
| 3.9.1 Buildroot介绍 |
| 3.9.2 Buildroot构建交叉编译器 |
| 3.10 本章小结 |
| 第四章 车载嵌入式终端GUI系统的设计 |
| 4.1 系统总体结构设计 |
| 4.2 GUI功能模块设计 |
| 4.2.1 登录页面 |
| 4.2.2 主显示页面 |
| 4.3 GUI页面布局设计 |
| 4.3.1 网页样式设计 |
| 4.3.2 网页内容设计 |
| 4.4 本章小结 |
| 第五章 车载嵌入式终端GUI系统的实现 |
| 5.1 关键问题分析 |
| 5.2 响应式前端Web网页 |
| 5.3 构建嵌入式Linux操作环境 |
| 5.3.1 硬件环境 |
| 5.3.2 嵌入式Linux |
| 5.3.3 开发环境 |
| 5.3.4 通过Buildroot构建目标机嵌入式Linux系统 |
| 5.4 嵌入式WebSocket服务器的实现和移植 |
| 5.4.1 libwebsockets |
| 5.4.2 WebSocket服务器的移植 |
| 5.5 嵌入式浏览器的实现 |
| 5.5.1 开源浏览器的选择 |
| 5.5.2 Chromium源码的获取和本地编译 |
| 5.5.3 Chromium源码交叉编译 |
| 5.6 系统关键技术总结 |
| 5.7 本章小结 |
| 第六章 车载嵌入式终端GUI系统的测试 |
| 6.1 响应式网页兼容性测试 |
| 6.2 WebSocket服务器功能测试 |
| 6.3 移植后的WebSocket服务器功能测试 |
| 6.4 移植后的Chromium浏览器功能测试 |
| 6.4.1 目标机-笔记本电脑 |
| 6.4.2 目标机-IHMI |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、基于对象的协议实现架构x-kernel之分析与应用（论文参考文献）
- [1]面向拥塞控制的用户态自定义传输协议的研究和实现[D]. 王晨. 电子科技大学, 2021(01)
- [2]uMUSER高速相关数据实时处理流水线设计与实现[D]. 黎颖. 电子科技大学, 2020(01)
- [3]面向软件定义自组织网络的网络功能组合机制研究[D]. 董芳. 战略支援部队信息工程大学, 2020(03)
- [4]基于QEMU的嵌入式通信加密系统设计与实现[D]. 刘付金. 西安电子科技大学, 2020(05)
- [5]基于FPGA OpenCL的证件文本信息检测系统设计与研究[D]. 丁浩. 西安电子科技大学, 2020(05)
- [6]基于可编程网卡的高性能数据中心系统[D]. 李博杰. 中国科学技术大学, 2019(08)
- [7]基于边缘计算和深度学习的车道保持系统设计与实现[D]. 肖云飞. 南京大学, 2019(07)
- [8]支持多协议的微服务化物联网平台研究与实现[D]. 郑少斌. 华南理工大学, 2019(01)
- [9]基于深度学习的信号分析方法研究[D]. 杨骐溪. 中国电子科技集团公司电子科学研究院, 2019(02)
- [10]基于x2M的车载嵌入式终端GUI的设计与开发[D]. 胡皓. 华南理工大学, 2019(01)
标签：qemu论文; 拥塞控制论文; 嵌入式技术论文; 可编程逻辑控制器论文; 加密芯片论文;