研究兴趣：智能物联网、嵌入式系统、人工智能

时间敏感网络（TSN）作为一种新兴的通信技术，能够为工业物联网（IIoT）中的实时和确定性交互提供支持。然而，由于计算复杂度高，大规模流的有效和及时调度仍然是一个重大挑战。本文通过调度可行性分析对给定路径的流集合进行预处理，避免无效搜索，并为流路由选择提供优化指导。为了加速潜在解决方案的可行性验证，提出了一种基于流分组和相关性分析的高效流冲突检测方法，以压缩检测空间。结合预处理和高效冲突检测，本文开发了一种可扩展调度算法，通过增量调度合成提高可扩展性，同时确保所有链路的低时隙占用率。

本文探讨了6G网络中时间同步的弹性问题，并提出了一种热备份主时钟（GM）的解决方案。6G网络将物理世界与数字世界深度融合，低延迟和确定性通信的需求不断增加。文章重点讨论了6G与时间敏感网络（TSN）的集成，并提出了选择GM位置的重要考虑因素。此外，文章还提出了几种时间同步架构，并分析了这些架构在标准化时间同步支持下的表现，最后探讨了冗余热备份GM在某些用例中的潜在优势。

本文提出了综合的交通传感器数据管理指南，涵盖静态存档数据和实时数据流。通过部署开源的“Avena”软件平台和NATS消息系统作为安全通信代理，确保了可靠的数据交换。同时，利用TimescaleDB等强大的数据库进行有组织的存储，并通过Grafana等可视化平台提供实时监控能力。对于静态数据，提出了结合云存储和关系数据库的标准，以高效处理非结构化和海量数据集。通过FME等云数据传输工具，实现了从本地存储到云端的高效迁移。此外，将强大的可视化工具集成到框架中，有助于从复杂数据集中提取模式和趋势。

本文研究了时间敏感网络（TSN）中的流量整形机制，特别是针对IEEE 802.1Q标准中的信用基础整形器（CBS）的改进。CBS虽然能够为网络流量提供延迟保证，但在某些情况下无法充分利用可用带宽，导致带宽浪费。为此，本文提出了一种基于恒定带宽服务器（CBSS）的替代流量整形算法，并通过P4语言实现了CBS和CBSS的编程，以验证其在实际网络中的性能。实验结果表明，CBSS能够提高带宽利用率，并减少网络数据包的最坏情况和平均转发延迟。尽管CBSS的实现比CBS更复杂，但其行为仍然可预测。

本文探讨了无服务器计算（特别是函数即服务，FaaS）在计算连续体（从边缘到云端）中的部署和执行挑战。随着越来越多的应用需要靠近用户进行计算，FaaS系统需要在资源有限、硬件异构性高和地理分布广泛的环境中运行。文章回顾了近年来在该领域的研究成果，探讨了当前未解决的关键问题，并提出了未来的研究方向，旨在推动FaaS在远离云端数据中心的环境中更广泛地采用。

时间敏感网络（TSN）通过严格确定性的时间触发（TT）流，为工业物联网中的多样化应用提供可靠的实时传输服务。TT流的端到端传输性能受到路由选择和带宽调度的共同影响，因此优化这两者对于提升TSN网络的整体服务质量至关重要。然而，现有方法通常在确定路由后再处理带宽调度，这种分离的决策方式可能导致潜在的传输冲突，例如提前选择了可用带宽不足的路由，从而无法为确定性流传输分配所需的带宽资源。为最大化TT流的传输能力，本文提出了一种基于多智能体深度强化学习（MADRL）的集成路由和调度方法（MAIRS）。

本文提出了一种基于云的物联网（IoT）解决方案，用于实时监测水质，特别是针对有害藻华（HABs）的检测。该系统利用成本效益高的传感器，通过MQTT和REST API协议将传感器数据传输到托管在Microsoft Azure上的ThingsBoard平台，实现可靠、低延迟的数据传输和存储。通过数值和图形化仪表板，用户可以实时和历史数据监测，支持早期异常检测和快速响应。该系统具有成本效益高、灵活性强、易于扩展的特点，可应用于不同的监测环境，并有助于主动管理水资源和保护公共健康免受藻华威胁。

然后，基于时空网络的连通性，构建连接图，并通过优化方法减少连接图的边数，以提高算法搜索效率。基于此，建立了无人机群配送路径的数学模型，目标是最小化无人机的总配送时间，同时满足飞行安全约束和起飞间隔限制。研究表明，尽管已有研究在无人机配送路径规划方面取得了进展，但在考虑天气变化和起飞间隔限制的情况下，仍缺乏有效的解决方案。为解决这些问题，本文提出了一种基于时变网络的无人机群配送路径优化方法，通过将无人机飞行区域转化为动态网络，并设计多阶段动态优化算法来寻找稳定且最优的路径。

本文探讨了工业通信中对高可靠性和实时响应的严格要求，这些要求被认为是无线技术在工业应用中广泛采用的主要瓶颈。通过将5G技术与时间敏感网络（TSN）协议相结合，可以实现无线与有线通信技术的融合。文章介绍了基于IEEE 802.1CB帧复制与消除可靠性（FRER）方案的5G-TSN集成原型，并在真实工业环境中对不同5G系统进行了实验研究。实验结果表明，该原型能够满足铣削过程智能传感器用例的低延迟（<10 ms）和高可靠性（99.99%）要求，验证了5G与FRER集成在工业生产中的优势。

本文介绍了一个基于物联网（IoT）的温室通风监控系统，该系统通过传感器和互联网连接的设备实现温室通风的自动化和高效控制。该系统的主要优势在于节能（仅在必要时开启风扇）以及远程控制功能。系统通过DHT22传感器采集温度和湿度数据，由客户端微控制器处理后决定是否开启或关闭风扇。数据通过ESP-NOW协议传输至服务器端微控制器，并通过MQTT协议发布至云端，存储在phpMyAdmin和InfluxDB数据库中。

本文提出了一种创新的孤岛检测方案，用于智能电网中的并网分布式网络。该方案结合了离散集合卡尔曼滤波器（DEKF）和物联网（IoT）设备，用于实时监测和通信。通过IoT设备使用MQTT协议从公共连接点（PCC）获取电压信号，DEKF能够精确估计PCC电压状态，而IoT的集成则确保了数据的持续采集和与监控系统的快速通信。计算测量信号与估计信号之间的残差作为孤岛检测的可靠指标。

本文针对高级驾驶辅助系统（ADAS）中多种数据帧的实时传输挑战，提出了一种基于时间敏感网络（TSN）的车载以太网传输技术。现有的基于最短路径的路由算法常导致负载不平衡，而基于固定路径的时隙调度无法确保车联网络中多样化数据流的可靠传输。为此，本文提出了一种联合路由与时隙调度算法，通过扩展路径规划的可行空间，更好地平衡网络负载并优化时隙分配，从而提高网络传输的可靠性和稳定性。实验结果表明，与基于最短路径的时隙调度方案相比，所提算法能够有效实现网络链路负载均衡，并优化TSN的端到端延迟。

随着消费物联网（CIoT）的普及，音乐流量传输作为其关键应用之一，面临着数据泄露和隐私侵犯等安全挑战。本文提出了一种基于深度学习的安全音乐流量传输方法。该方法通过双向长短期记忆时空特征融合结构模块（BTSF）实现音乐流量的安全检测，并引入注意力机制构建音乐流量特征增强模块，以解决流量丢失问题。此外，该方法结合了双向长短期记忆（Bi-LSTM）和卷积神经网络（CNN）的级联网络融合，提高了音乐流量的安全检测和识别能力。

本文针对大规模低地球轨道（LEO）卫星通信网络的动态时空拓扑变化和节点输出端口负载变化问题，提出了一种基于粒子群优化（PSO）的队列调度与优化机制（PSO-QSO）。该机制通过分析网络中传输的各种流量参数，计算网络节点内的最大时敏业务负载，并利用PSO算法优化每个节点输出端口的队列长度和数量，以实现时敏流量的最佳确定性传输性能。通过仿真验证，该机制能够显著降低时敏流量的丢包率和端到端传输延迟，同时提高网络吞吐量，降低微突发（microburst）的影响，并具有较低的计算复杂度。

本文介绍了一种名为ETHEREAL的模型压缩方法，用于Tsetlin机器（TM），旨在提高机器学习应用中的能效和吞吐量。Tsetlin机器是一种替代深度神经网络（DNN）的新型机器学习算法，通过Tsetlin自动机学习数据中的命题逻辑模式，而非依赖多路径算术运算。ETHEREAL通过在训练过程中引入排除状态，稀疏化TM的逻辑模式，从而在保持高分类精度的同时显著减小模型大小。实验表明，ETHEREAL模型在多个TinyML数据集上相比标准TM模型减少了高达87.54%的模型大小，仅牺牲了少量精度。

本文研究了时间敏感网络（TSN）中的流量调度问题，提出了一种用于配置时间敏感（TS）和非时间敏感（非TS）流量的解决方案。该方案通过网络范围内的调度机制，确保不同流量的性能要求（如端到端延迟和抖动）得到满足。文章提出了一个控制平面架构，包括：时间敏感流量调度规划器（TS-FSP）用于定义TS流量的调度计划；以及网络数字孪生（NDT）用于估计非TS流量的性能。文章还提出了高效的算法，以确保流量配置的高精度和短时间完成。通过模拟结果，验证了所提架构的可行性和效率，并指出了当前时间同步机制在高速接口下的局限性。

本文探讨了战场物联网（IoBT）中用于保护位置隐私的“可扩展混合区域（Expandable Mix-Zones）”技术。IoBT通过连接战场上的各种设备来增强军事行动的效率和决策能力。然而，位置信息的泄露可能对士兵的安全构成威胁。因此，本文提出了一种基于混合区域的欺骗技术，通过在动态战场环境中混淆和匿名化多个用户的位置信息，提供强大的位置隐私保护机制。本文扩展了之前的工作，引入了随机游走模型（Random Walk Model），通过模拟分析验证了混合区域在保护位置隐私方面的有效性。

本文提出了一种新型的移动雾人工智能（Mobile Fog AI）概念，旨在为战场物联网（IoBT）提供支持。IoBT是一种将士兵与智能装备（如装甲、无线电、武器、弹药、健康传感器、GPS等）连接起来的技术，这些设备通常具有有限的存储、计算能力和能源。现有的基于设备到设备（D2D）、点对点（P2P）和低功耗广域网（LPWAN）的IoBT技术存在速度慢、安全性差和可扩展性不足的问题。因此，本文提出了移动雾人工智能的概念，通过将支持性人工智能功能转移到车辆或机器人上，克服现有IoBT的局限性。

本文对Eclipse Zenoh在工业物联网（IIoT）场景中的性能进行了全面分析。研究使用基于树莓派设备的真实测试平台，将其性能与广泛使用的MQTT协议进行对比。研究评估了Zenoh在不同网络拓扑结构下的延迟、可靠性和拥塞控制机制，分别使用TCP和UDP传输协议。结果表明，Zenoh在某些特定场景中具有显著优势，使其成为IIoT应用的有力选择。此外，本文还深入探讨了Zenoh的底层原理及其通信能力，将其定位为现代工业环境中灵活且高效的解决方案。

本文提出了一种面向工业5.0的无人机辅助电力巡检框架LCUT-Sv9，该框架集成了时间敏感网络（TSN）以确保数据传输的可靠性。该框架采用改进的轻量级Tiny-YOLOv9模型进行电力线检测，并利用基于自编码器的Latent-Coded UAV-IoT Transmission（LCUT）与MQTT协议进行时敏通信。通过在广泛使用的输电塔/电力线航拍图像（TTPLA）数据集上的评估，LCUT-Sv9在检测精度上比现有技术提高了24.15%。

本文提出了一种基于动态在线分组的可扩展时间触发（TT）流量调度方法（SDOG），用于工业时间敏感网络（TSN）。该方法通过建立基于TT流量冲突指数的无向加权流量图，并将可用时间划分为等间距的时间窗口，在每个窗口内动态对TT流量进行分组调度。通过动态分组，SDOG能够在流量数量翻倍时实现可扩展且高效的调度解决方案，避免数据通信中的冲突。此外，该方法还采用了拓扑剪枝策略，减少不必要的链路变量，进一步缩短调度时间。实验结果验证了SDOG在整体流量可调度性和单个流量调度时间方面的优势。

本文探讨了通过 oneM2M 标准实现空气质量监测（AQM）系统的互操作性。通过在菲律宾大学城市环境空气研究中心（UP CARE）现有的 AQM 研究计划中引入 oneM2M 标准，实现了 Wi-Fi、LoRa 和 Zigbee 等不同无线协议设备的数据标准化和传输。该系统在服务器停机时实现了 0.14% 的平均重传率、356.8 毫秒的最大端到端延迟和 99.5% 的数据可靠性。

本文对物联网（IoT）平台中使用的 MQTT 桥接架构进行了初步研究，重点关注实时数据处理的基准配置选项。研究识别了系统组件部署中的相关 MQTT 可配置参数和指标，并以一个真实世界的 IoT 平台为基准，评估了在跨组织环境中数据传输的延迟和可靠性。研究结果表明，桥接组件的数量、MQTT 数据包大小和主题名称会对使用 MQTT 协议的 IoT 架构的质量属性产生影响。

本文提出了一个基于排队理论的物联网（IoT）发布/订阅通信系统的全面模型。利用马尔可夫（M/M/1）排队过程，对中间件消息队列协议（MMQP）代理的消息传递进行了建模、分析和优化。研究推导了关键性能指标，如平均等待时间、系统利用率以及多线程对性能的影响。该模型旨在通过确定代理服务率与消息到达率之间的最佳关系来优化系统的吞吐量和效率。通过实验评估，验证了模型的准确性及其在改进物联网通信中的价值。

本文介绍了一种新型的无线时间敏感网络（TSN）MAC方案——传输门控时间超通道（TGT-HC）。该方案基于无竞争的载波侦听多址接入（CSMA）协议，并通过时隙感知整形器（TAS）调度器驱动。通过分析、仿真和基于通用软件无线电外设（USRP）的原型测试，结果表明TGT-HC在高帧错误率（FER）下仍能实现与先进先出（FCFS）单服务器相当的低延迟性能。论文还对现有无线TSN MAC方案进行了调研，并比较了不同无竞争CSMA协议在处理周期性流量时的延迟性能。

然而，模型在不同环境下的适用性需要进一步验证，建议针对特定生态系统重新训练模型，以提高其适应性和准确性。实验中使用了Arduino MKR NB 1500作为处理单元，连接上述传感器，总成本约为300欧元，远低于传统硝酸盐水质探头的成本。：评估了六种不同的神经网络架构，最终选择了表现最佳的模型（模型4），其平均绝对误差（MAE）为1.55 mg/L，均方误差（MSE）为5.60 mg/L。测试结果表明，软传感器在不同环境下的表现存在差异，尤其是在实验室条件下，模型预测与实际测量值之间存在较大偏差。

研究内容：开发了一个基于Android Studio开发平台的人工智能家居环境监控系统。系统组成：包括多种传感器、MQTT通信协议、云数据存储和计算以及终端设备控制。数据处理：使用MongoDB软件作为文件导向的NoSQL数据库管理系统，用于处理大数据。数据补全：使用k-最近邻（KNN）算法填补缺失数据。数据传输：使用NodeRED开发软件作为数据接收、存储和计算环境。功能实现：通过MQTT通信协议将室内温度、湿度和二氧化碳浓度数据传输到移动应用进行实时显示和监控。

随着物联网（IoT）的快速发展，选择高效且安全的通信协议以支持多样化的IoT应用成为新的挑战。应用层协议如MQTT、HTTP和CoAP在实现IoT系统中的可靠数据传输、安全性和可扩展性方面发挥着重要作用。每种协议都有其独特的优点和局限性，使得协议选择成为一个复杂的决策问题，尤其是在嵌入式设备中。本研究应用层次分析法（AHP）创建了一个结构化的多标准评估模型，用于选择最适合的IoT应用层协议。

本文提出了一种基于多智能体强化学习（MARL）和深度强化学习（DRL）的自动化管理模型，用于车联网（IoV）通信中的基础设施间（I2I）服务通道的路由和调度。该模型通过时间敏感网络（TSN）确保实时同步的I2I通信，有效地管理数据帧在车联网基础设施设备之间的路由和调度。研究结果表明，该模型在不同拓扑结构和背景流量水平下，能够建立大多数路径，并遵循近似最优的路由和调度策略。具体而言，71%的最优路由路径得以建立，97%的最优调度得以实现。

本文提出了一种基于5G网络的移动机器人远程操作网络架构，旨在利用5G技术的低延迟和高可靠性特性实现工业环境中移动机器人的远程控制。研究重点在于评估网络和端到端（E2E）延迟，实验结果表明，所提出的架构能够实现平均347.19毫秒的E2E延迟，满足工业场景中移动机器人的远程操作需求。

随着物联网（IoT）网络的快速发展，确保设备间安全可靠交互的信任管理系统变得至关重要。本文提出了一种基于统计马尔可夫链模型的新型信任管理框架，用于动态计算信任评分，并结合多属性决策方法（MADM）对设备的信任度进行排名。与依赖大量数据且易受对抗攻击的机器学习方法相比，该统计模型在数据稀缺环境中表现出色，计算效率高，适用于资源受限的IoT系统。系统架构整合了信任管理服务器（TMS）、入侵检测系统（IDS）和分布式账本技术（DLT），以确保数据完整性和实时信任评估。

本文探讨了无人机（UAV）载物联网（IoT）在时间敏感性应用中的无线通信问题，特别是低延迟网络在传输层的挑战。研究提出使用Web实时通信（WebRTC）作为解决方案，并通过户外环境中的实验验证其性能。实验结果表明，在高可靠性网络中，基于WebRTC的无人机载IoT能够实现低于10毫秒的稳定端到端延迟，并显著优于传统的WebSocket协议。研究还分析了WebRTC数据通道在不同网络条件下的性能，并与WebSocket进行了对比。

本文提出了一种基于TinyML的低功耗边缘设备集成方案，用于实时自动化监测和控制水产养殖系统，如收集数据和触发警报，减少人工需求。系统提供实时数据，包括pH值、温度、溶解氧和氨水平，以控制水质、营养水平和环境条件，实现更好的维护、高效的资源利用和对封闭水产养殖空间的最优管理。系统在异常检测时能够发出警报，收集的传感器数据可用于优化水处理过程、饲料分配、饲料模式分析和提高饲料效率，降低运营成本。

本研究的方法将经过严格的测试和模拟，以获得与现有动态调度系统和文献III中探讨的最新发表研究相比较的结果，从而支持所提出的主张和机制。然而，这些异构系统的集成带来了重大挑战，特别是由于TSN协议和无线网络（如5G）的不同特性，例如无线网络容易出现拥塞和抖动问题，这可能导致数据包丢失和延迟增加，从而无法满足严格的时序约束。未来的工作将集中在完善模拟模型，探索额外的优化策略，并进行现实世界的验证，以进一步证明所提出方法的可行性和有效性。实施强大的准入控制机制，持续评估连接到TSN域的所有逻辑网络的资源可用性。

本文提出了一种基于资源受限设备（RCD-IoT）的工业监测与控制解决方案，旨在利用高效的物联网技术实现工业过程的远程监控与控制。研究的核心贡献包括提出了一种基于MQTT的自定义解决方案，实现了高效的通信，平均往返时间（RTT）仅为12毫秒，超越了现有解决方案。此外，实现了一种基于MQTT的实时控制机制，显著提升了系统的响应性。在高QoS和高数据包传输率下，系统表现出良好的性能，适用于大规模无线传感器网络，并考虑了工业环境中的热噪声。

本文研究了在冰川环境中用于天气监测的商业和开源数据记录器的开发与实施。通过对比CampbellCR1000X和基于ESP32的开源数据记录器，展示了在高山地区部署物联网网络的实用性。商业数据记录器根据制造商指南配置，与AWSIoTCore建立安全的MQTT通信；开源数据记录器则需在ArduinoIDE中开发自定义脚本，克服网络重连和数据完整性挑战。实验表明，两种数据记录器的数据传输效率都很高（商业：99.68%，开源：99.69%），开源数据记录器经代码调整后，成为高海拔监测的可行开源解决方案。

尽管如此，仍有一些挑战存在，例如随着网络规模的持续扩展，可能需要更可扩展的方法，以及需要进一步的方法来确保网络控制逻辑的可靠性。基于强化学习（RL）的TSSDN网络规划是一种创新的方法，旨在为时敏软件定义网络（TSSDN）提供设计时的可靠性保证。提出了AVB流量的路由和带宽分配的可扩展配置合成方法，包括SynAVB的概述、截止时间无关的路由、截止时间感知的斜率分配以及算法评估。提出了TSSDN中TT流量的运行时恢复方案，包括系统概述、提出的恢复过程、恢复的路由和调度以及基于CTMC的可靠性分析。

本研究介绍了一种基于物联网（IoT）的智能肉鸡舍控制器的创建和性能评估。该系统结合了ESP32微控制器与Arduino平台，通过实时数据动态调整风扇、加热器和灯光设置，以监测和调节关键环境参数如温度和湿度，确保肉鸡生长的理想条件。研究进行了为期七周的全面性能研究，比较了DHT11和温度计的温度值，以及DHT11和湿度计的湿度值与参考标准。结果显示，平均温度为29.99°C，湿度约为39.95%，温度调节稳定，湿度控制一致但略显不足。研究发现系统湿度管理机制存在问题，依赖风扇和加热器且缺乏足够的准确性。

本文探讨了物联网（IoT）技术在军事领域的应用，即“战场物联网”（IoBT），它通过连接各种军事设备和系统，增强了现代战争中的态势感知、决策过程和整体作战效能。IoBT涵盖了从无人机、地面车辆到士兵穿戴设备、传感器和弹药等广泛的军事资产。这些资产能够从战场收集和传输关键信息，包括位置数据、状态更新、环境条件和敌方动态。IoBT网络依赖于强大的通信网络、安全的数据传输协议、先进的数据分析和与指挥控制基础设施的无缝集成。然而，IoBT设备和系统在动态和具有挑战性的战场条件下运行，面临着独特的通信挑战。

随着微控制器单元（MCUs）计算能力的提升，边缘设备现在可以支持机器学习模型。然而，在这些设备上部署去中心化联邦学习（DFL）面临着诸多挑战，包括间歇性连接、有限的通信范围和动态网络拓扑。本文提出了一种新颖的框架，双层Gossip去中心化并行随机梯度下降（GD-PSGD），旨在解决资源受限环境中的这些问题。该框架采用层次化通信结构，使用分布式K均值（DK-means）聚类进行地理分组，并通过Gossip协议在两个层次（簇内和簇间）进行高效的模型聚合。