研究兴趣：智能物联网、嵌入式系统、人工智能

本文提出AFS-RT方法，通过通信与控制协同优化框架改进TSN网络在机器人遥操作中的应用。该方法将流量调度与控制性能直接关联，采用增强型深度强化学习代理和时隙相关性特征提取技术来优化调度决策。实验表明，AFS-RT在控制延迟和运动偏差等关键指标上显著优于现有算法，能适应不同网络条件。该研究为工业控制场景的网络优化提供了新思路，后续将探索更广泛的通信-计算-控制协同设计。

本文介绍了Cloud-Fog Telerobotics（CFTel），这是一种基于Cloud-Fog Automation（CFA）范式的远程机器人架构，旨在解决传统基于云计算的远程机器人系统中存在的延迟、可靠性、可扩展性和弹性问题。CFTel通过分布式云-边缘-机器人计算架构，实现确定性连接、确定性连接智能和确定性网络计算。文章综合了CFTel的最新进展，强调其在促进可扩展、低延迟、自主和AI驱动的远程机器人中的作用。

本文提出了一种工业物联网（IIoT）的事件驱动采样架构及优化方法。针对工厂操作条件多变导致传感器数据分布广泛的问题，该方案采用智能数据采样结合上下文事件，实现更严格的流程控制。通过连接-订阅者模式优化MQTT协议通信，显著提升可扩展性；采用数据采集计划（DCP）管理采样流程，并引入异步服务、缓存配置等优化手段降低CPU消耗。实际应用表明，该方法能有效提高信号噪声比，减少误报，将故障检测从被动转为预测性，在湿法处理、PVD等场景中实现了更精准的异常检测和质量控制。该标准化方案可扩展至各类工业物联网场景。

本研究提出了一种基于TinyML的EMG手势识别方法，旨在解决现有实时分类系统在准确性、延迟和功耗方面的挑战。研究通过使用EMG模块从10名健康个体中捕获六种手部动作的包络EMG信号，并采用窗口技术进行数据分段和特征提取。人工神经网络用于分类，模型在测试集上达到了98.35%的准确率。将模型转换为TensorFlow Lite后，部署在Raspberry Pi Pico上，实时测试显示准确率在95%到99%之间，反应时间为23毫秒。该方法在假肢、康复、智能轮椅等领域具有广泛应用前景，为资源受限设备上的实时手

传统ML则在更强大的计算环境中运行，包括云和本地服务器，利用更大的数据集和更复杂的模型。另一项研究中，作者开发了一种基于TinyML的时间卷积网络（TCN），用于使用sEMG数据估计手势动态，优化了模型以处理sEMG信号在不同会话中的变异性，实现了9.58%的平均绝对误差（MAE）和每步更新40.4微焦耳的能耗。此外，文章深入讨论了将TinyML整合到HBA中的挑战和限制，包括技术约束、数据质量问题和伦理考量，并概述了未来研究方向和开放性问题，为研究人员和从业者提供了利用TinyML推进HBA的基础资源。

文章详细阐述了 Unsloth 的必要性，包括打破微调的硬件壁垒、提升训练速度、降低内存需求、简化微调流程、降低硬件要求、引入更好的训练技术以及支持新型模型（如 MoE、Llama2、Mixtral、Gemma 等）。Unsloth 通过 QLoRA 技术，将微调模型的精度降至 4 位，大幅减少了内存需求，同时结合 PEFT 技术，避免了重新训练数十亿参数的需要。Unsloth 通过优化模型内部结构，实现了训练速度的 2-5 倍提升，并支持多种技术，如 QLoRA、8 位和 4 位训练、梯度检查点等。

通过TinyML为语音助手赋能，推动以用户为中心的创新和现实世界应用。

本文介绍了LLMind，这是一个基于大型语言模型（LLM）的任务导向型人工智能代理框架，旨在通过LLM实现物联网设备与人类之间的高效协作，以完成复杂任务。该框架受到大脑功能分区理论的启发，将LLM与特定领域的AI模块相结合，通过语言描述转化为代码的方式生成控制脚本，从而实现复杂任务的执行。此外，LLMind还引入了一种新颖的经验积累机制，通过用户与机器的持续交互提升响应速度和效果，推动系统不断进化。

本文介绍了一种名为SAGE（Smart Home Agent with Grounded Execution）的智能家居助手框架，该框架通过利用大型语言模型（LLM）的常识推理能力和广泛的知识，解决了现有智能家居助手在理解用户自然语言命令、与环境交互以及缺乏用户习惯和偏好知识方面的局限性。SAGE通过构建动态的LLM提示树来控制用户请求触发的一系列离散动作，这些动作可以用于检索信息、与用户交互或操作设备状态。

本文探讨了Open RAN架构及其在6G网络中的应用，重点关注能效和低延迟。文章总结了6G Open RAN的不同可能架构，提出了多种新颖的用例，并讨论了Open RAN在6G中面临的前景和问题。文章还提供了设计原则和复杂流程的潜在解决方案。

作为 TEACH ME 系统智能对话能力的核心，该模块基于 GPT 架构的 LLM，经过在包含与家庭和物联网设备命令相关的通用语言以及特定领域语言的数据集上进行微调。：作为 TEACH ME 系统智能对话能力的核心，该模块基于 GPT 架构的 LLM，经过在包含与家庭和物联网设备命令相关的通用语言以及特定领域语言的数据集上进行微调。TEACH ME 的编程模型集成了人工智能（AI）、自然语言处理（NLP）和物联网（IoT）技术的先进功能，使用户能够与环境进行智能且轻松的交互。

本文提出了一种利用 TinyML 技术增强康复设备中语音分类功能的手部康复方法。该方法通过卷积神经网络（CNN）模型对不同手部运动模式的语音信号进行分类，帮助患者在康复过程中更有效地完成手部运动练习。研究重点在于开发一个能够在资源受限的 TinyML 平台环境中工作的语音分类系统，以提高康复设备的可及性、个性化和效率。

近年来，扩展现实（XR）技术在工业和学术界引起了广泛关注，尤其是在开发创意和沉浸式应用方面。然而，许多XR应用仍然依赖于传统的输入设备（如鼠标、触摸屏或游戏控制器）和输出设备（如屏幕或投影仪）。随着物联网（IoT）解决方案的普及，将这些设备集成到新一代创意应用中成为可能。然而，这种集成通常成本高昂且需要大量定制开发。本文旨在填补这一空白，提出一个框架，使开发者能够利用IoT设备创建数字孪生或作为应用的输入和输出设备，从而为软件开发开辟新的可能性。

TinyML因其能够在边缘设备上提供低成本且即时的性能而备受关注。尤其是常用的微控制器单元（MCU）对峰值内存（SRAM）和存储（Flash）施加了极端限制。现有的TinyML方法通常依赖于定制且难以获取的推理库，并且需要使用高级神经架构搜索（NAS）算法来寻找可部署的架构，这耗时较长。为了解决这些问题，本文充分利用MCU中的资源，并推导出在极端MCU约束下设计模型的硬件导向指南。

本文研究了基于消息队列遥测传输（MQTT）的物联网（IoT）网络中的匿名通信问题。MQTT 是一种广泛应用于物联网的发布-订阅通信协议，但当前的 MQTT 标准并不支持物联网设备和用户的隐私保护。为此，本文提出了一种基于洋葱路由的匿名 MQTT 协议（A-MQTT），通过分布式物联网代理网络实现匿名通信。该协议重新设计了隐私概念，包括可追溯率、设备匿名性和路径匿名性，并通过模拟结果验证了其在安全性能上的显著提升。本文提出了一个分布式物联网代理网络架构，其中多个代理节点相互连接并作为消息传输的中间节点。

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。