一、SBS Manager电池技术（论文文献综述）
蒋帅[1]（2021）在《基于机器学习的网络入侵与恶意软件检测机制的研究》文中认为随着计算机用户与移动智能终端设备数量的爆发式增长,互联网已经成为日常生活的必需品,大数据时代下的网络安全变得越来越重要。相较于防火墙、数据加密等传统网络安全防护手段,入侵检测与恶意软件检测系统在信息误报、软件漏报上有着不可代替的优势,已成为维护网络安全的主要手段。入侵检测系统是一种网络安全设备,实时监控传输过程中的网络数据,当发现异常传输时阻止并执行报警等措施。恶意软件检测系统是通过对应用程序包进行检测,分析其应用程序接口、权限等内容来识别良性软件与恶意软件。伴随着人工智能、大数据等先进技术,机器学习的应用在许多研究领域都取得了飞速发展,但现有的入侵检测与恶意软件检测系统对于机器学习算法的应用还存在一些不足,如计算开销大,检测时间长,检测准确率低等,因此如何利用机器学习技术来应对入侵检测与恶意软件检测的问题是本文的主要研究工作,具体包括以下三个部分:（1）当前入侵检测系统的计算开销大,检测时间长、准确率低,本文提出了一种面向入侵检测系统的网络流量分类机制CPEL。该机制首先使用相关性特征选择算法选出网络流量数据中的最佳特征,再使用主成分分析对选出的特征进行降维与去噪。为了进行对比,使用多种机器学习方法进行分类,选出性能最优的方法使用集成学习技术进行模型融合,提高整体模型的鲁棒性。经过实验,该方法与现有方法相比,准确率高,检测速度快,计算开销低。与此同时,研究了不同的特征选择与降维方法对模型的影响,找到最合适的特征选择方法。（2）在无线传感器网络中,由于传感器节点的资源受限且网络数据冗余,当前无线传感器网络下的入侵检测系统均存在计算开销大、误报率高等缺点,本文提出了一种面向无线传感器网络的入侵检测机制SLGBM。该模型使用序列向后特征选算法对传感器节点的流量数据进行特征选择。然后采用高效的梯度提升决策树算法对流量数据进行分类,降低模型检测的误报率与计算开销,提高模型检测效率。实验结果表明,该模型具有良好的检测性能,实时性较高。（3）对于恶意软件检测,检测模型的特征工程需要大量时间去构建,且通常模型存在检测率低和计算开销高等问题。在本文中,数据的处理使用了特征选择算法来寻找最相关的特征,并通过特征的相关性来划分恶意软件的威胁程度等级。然后提出了一种基于神经网络的恶意软件检测机制DCEL,该方法将首先使用原始数据深度神经网络生成模型,再把原始数据转换成灰度图像使用卷积神经网络生成模型,最后使用集成学习方法进行融合。实验证明,该机制可以高效快速地检测出潜在的恶意软件。
付东[2]（2021）在《基于WSN的库房环境监控系统研究》文中研究指明目前,政府与相关企业对资料的预防性保护日渐重视,纸质材料作为档案资料的主要存储介质,虽然具有质轻、成本低和贮运方便等优点,但当库房的温度、湿度、光照等环境条件不佳时,其损坏速度会大大加快。为了降低不利环境对档案材料存储的影响,本文研究了一套基于无线传感器网络的库房环境监控系统。系统可使管理人员能够实时的获知当前档案馆库房的状态;自动的环境管理模式可以大幅提高库房环境的稳定性;同时现场和远程的人工控制模式对自动控制策略进行补充,提高系统的安全性。对于档案馆库房的环境管理,本课题具有重要的实际意义。本系统主要由数据采集节点、库房网关节点和服务器构成,数据采集节点负责监测库房内不同区域的各项环境参数;库房网关节点则负责对所在库房的环境进行管理;服务器负责对所有库房历史环境数据的存储与分析,并为管理人员提供远程交互功能。本文首先研究了目前国内外智能化档案馆的发展现状,考虑到某档案馆布线工程难度大、周期长,且可能影响库房建筑安全,进一步对无线传感器网络技术进行了详细的研究,重点比较了目前应用广泛的NB-IOT、LoRa和ZigBee三种技术。然后根据某档案馆的实际情况及档案馆建设标准,确定了环境监控各个功能模块的基本需求,然后根据库房内部面积和与监控室的距离,设计了相应的无线通信方案。接着基于Modbus、ZigBee、LoRaWAN等通信协议,设计了数据采集节点、库房网关节点以及服务器之间的通信协议。最后是对硬件部分的相关电路与软件进行了设计与测试。为了保障数据采集节点在资源受限情况下的实时性,本文利用FreeRTOS的协程机制减少传感器的阻塞时长,并根据其低功耗需求,设计了睡眠/唤醒机制。为了提高环境调节设备的稳定性,本文设计了缓冲让渡以及模式管理等机制避免设备管理混乱问题。根据后期的维护需求,研究了基于在线编程技术的远程升级设计。经在某档案馆实地测试,本文设计的环境监控系统具有良好的实用性,可在铺设少量通信线缆情况下,大幅降低不利环境对档案材料的影响程度。
吴康[3]（2021）在《移动边缘计算下的计算卸载与任务分配研究》文中研究说明随着5G技术的逐步商业化,安装了各种新奇应用的用户设备对于我们已经不可或缺。类似VR/AR这样的高计算量应用通常是利用摄像头和本地传感器来执行基于实时感知操作。而这些应用有两个主要特性:第一,用户设备必须对传感器产生的数据流进行高速处理。第二,在数据流中提取有用信息的方式通常需要计算密集型服务支撑。由于上述两个特性,且用户设备计算资源有限,因此很难在用户设备上独立运行具有高计算量需求的应用。为此,可通过计算卸载与任务分配技术来解决应用程序需求与设备能力不匹配的问题。计算卸载一般指用户将高计算量任务迁移到计算资源丰富的服务器,并由服务器端进行任务处理,执行完成的结果通过各种通信网络技术回传到用户设备上。上述过程是在极短的时间内完成的,而这也刚好满足实时性操作系统的低时延要求。任务分配技术是将计算任务进行拆分,并考虑将拆分任务放在适宜该任务的服务器上,以此来降低整体任务执行时延与用户能耗。本文基于上述两个问题,主要研究工作及成果如下。（1）针对边缘环境下的计算卸载,首先,利用软件定义网络和服务组合的思想,形成了软件定义服务组合SDSC架构。在该架构中,SDN控制器部署在网络边缘,并通过集中式管理来进行服务组合。然后,将拥有低时延特性的服务组合定义为SCO约束满足问题,以此来满足用户特殊服务需求。最后,在MEC环境引入了服务质量QOS约束函数,以此来建立服务发现和计算卸载机制,使得用户能够获得较低的延迟与较高的用户服务质量。（2）针对边缘环境下的任务分配,首先,在边缘环境中引入云服务,形成了用户层、边缘层、云层三层协作架构。其次,将应用程序定义为可分区DAG模型,其中DAG中的普通节点计算资源要求少,关键节点计算资源要求高。再次,对任务和计算资源进行了联合约束限制,但是由于只考虑任务分配,因此将资源分配中的资源设置为定值,以此来求解任务分配问题。最后,针对用户任务分配问题,建立了一种启发式任务分配MECTA算法,通过该算法对任务分配进行建模,并对三个经典DAG模型在Matlab上进行了仿真分析,结果表明该算法与其他几种算法相比,能更快的找到任务分配最佳节点,并能减少用户任务执行能耗。
汤卓俊[4]（2020）在《移动边缘计算中任务卸载及基站休眠策略研究》文中提出移动边缘计算（Mobile Edge Computing,MEC）作为5G核心技术,通过在移动网络边缘提供IT服务和计算资源,显着降低数据传输时延并控制网络拥塞情况。随着新型应用对计算需求日益增长,针对多用户多服务器MEC系统,设计合理任务卸载策略,提供优秀服务质量日趋重要。由于移动设备经常受到其自身电量的限制,将中断计算任务的执行和传输,导致用户体验不佳。能量收集（Energy Harvesting,EH）技术被引入以缓解计算任务高能耗与移动设备电池容量有限之间的矛盾,所以在多用户多服务器且用户具备移动性的MEC系统中,研究低时延低能耗的计算卸载策略,解决计算资源竞争问题尤为重要。首先,本文针对任务执行时延和能耗的权衡问题,搭建执行成本问题的优化模型,利用李雅普诺夫优化方法（Lyapunov）分别求解单设备下的最佳能量收集和最佳计算模式选择。其次,针对MEC服务器计算资源竞争问题,引入网络流思想设计用户与服务器的匹配模型,考虑优化整个系统的平均任务执行成本,提出基于最小费用最大流的任务卸载策略。仿真结果表明,该卸载策略能在保证极低任务丢弃率的情况下,迅速获得用户与服务器之间的最佳匹配,与贪婪策略等其它基准方法相比,可以实现更低的平均任务执行成本和更高的任务卸载比率。接下来,针对物联网应用场景的特殊性及进一步降低能耗的需求,本文搭建具有三层结构的异构蜂窝网络,利用异构蜂窝网络中基站发射功率的差异性满足各种区域中不同的数据流量需求。为应对异构网络复杂性及能量效率待提高问题,本文提出基于最大化能效的用户接入和基站MEC服务器休眠联合优化算法,解决异构网络负载均衡问题,有效节约计算卸载过程中的基站能量开销,最大化网络整体能效。最后,仿真结果证明所提方法的有效性。
滕龙[5]（2019）在《雾无线接入网中缓存技术研究》文中研究表明雾无线接入网（Fog Radio Access Network,F-RAN）的核心是借助合理分配边缘缓存资源和计算资源有效地缓解前传负荷,从而达到实现降低时延和提升能效的目标。FRAN中,用户数据流量卸载主要来源于小区蜂窝网中的视频文件。然而,针对边缘缓存应对此类流量卸载,当前的研究在时延和能效性能提升效果上尚有不足,为此,本文对缓存容量受限的小区蜂窝网中视频文件流行度和视频文件的缓存策略展开研究,提出优化的文件流行度预测算法,以及时延缓存算法和能效缓存算法。文件流行度的预测精准度直接影响缓存策略对网络性能的改进。现有的视频文件流行度预测方法主要依赖于请求次数,仅通过请求次数更新文件流行度,却未分析用户喜好和文件属性,导致预测精准度不够高。本文提出一种基于文件属性感知的文件流行度预测算法,从视频标签中提取特征并标记文件,通过特征权重建立用户喜好与文件特征间的关联,在线学习用户请求文件,结合时空因素,实时精确地预测文件在各时隙的流行度。本文研究了两类小区蜂窝网的文件交付流程,聚焦非集群小区蜂窝网的多点协作传输,以及集群小区蜂窝网中联合传输（Joint Transmission,JT）模式和并行传（Parallel Transmission,PT）模式。针对非集群小区蜂窝网,本文提出了一种优化的时延缓存算法。基于非集群小区蜂窝网的时延模型,将时延缓存问题转换为文件缓存位置问题,通过变量松弛将问题由非凸性变为凸性,再利用线性规划和变量恢复求得最终缓存策略。针对集群小区蜂窝网,本文提出一种优化的能效缓存算法。首先建立能效缓存问题模型,分析JT模式和PT模式的成功交付速率,再采用分而治之策略将问题分解为传输消耗限制下最大化缓存命中率和能耗限制下是否转换文件为最流行文件两个子问题,从而实现低算法复杂度的能效缓存策略。仿真结果验证了本文提出的基于文件属性感知的时延缓存算法和能效缓存算法能精准地预测文件流行度,且能分别明显地降低非集群小区蜂窝网的用户时延和提升集群小区蜂窝网的系统能效。
张铭[6]（2019）在《环境经济学着作The Green Economy and the Water-Energy-Food Nexus （Chapter 4-5）英汉翻译实践报告》文中研究表明本次翻译实践文本选自环境经济学着作The Green Economy and the WaterEnergy-Food Nexus（《绿色经济与水-能源-食品关联关系》）中的第四章和第五章。本文主要阐述纽约市和新加坡是如何运用财政与非财政手段,应对水、能源和食品的短缺问题,并达到节约这些资源的目的。该文本为信息功能文本,译者以凯瑟琳娜·赖斯（Katharian Reiss）的文本类型理论为指导,从词汇层面、句法层面以及非语言语境角度对文本进行分析和总结。案例分析部分主要探讨了词义的选择与引申,英语长句的翻译原则与方法、定语从句与被动句叠加产生的长句和状语从句与被动句叠加产生的长句的翻译,以及非语言语境对翻译的影响。译者希望该译文既能在环境类、经济类文本翻译方面具有参考价值,也能为研究环境与经济的专业人士提供借鉴与指导。
范强[7]（2017）在《无线异构网络中的用户接入控制和资源分配机制研究》文中认为近年来,随着移动通信产业的高速发展,智能手机等终端设备的数目呈现出爆炸式的增长。与此同时,多媒体应用大量涌现,用户对各类业务、服务等的需求也在不断攀升。这些现象对现有蜂窝通信系统提出了严峻的考验。为了应对快速增长的流量,支持多种多样业务的服务质量（Quality of Service,QoS）需求,移动运营商们在已有蜂窝网络中部署多类型基站,并引入无线局域网（Wireless Local Area Network,WLAN）来提升系统性能。这种由多类型基站和多种网络协议所构成的网络架构被称为无线异构网络。在移动通信网络中,用户接入控制和资源分配是保证用户业务的QoS需求和提升系统性能的关键。随着网络架构的升级,传统的用户接入控制和资源分配机制也需要进行进一步研究,以适应无线异构网络架构。相比于仅由宏基站组成的蜂窝网络,无线异构网络带来许多新的挑战,包括干扰更加严重、负载分布不均匀、上下行覆盖不对称、上下行业务量不对称、接入网络类型多样化等。此外,由于多样性业务的不断出现,用户通常具有差异化的QoS需求。如何在无线异构网络环境下,通过高效可靠的用户接入控制和资源分配机制,保证用户的QoS需求以及提升系统性能,是一个值得深入研究的问题。因此,本文针对无线异构网络的两类典型场景:异构蜂窝网络和蜂窝-WLAN融合网络,对用户接入控制和资源分配机制进行了系统深入的研究。本文主要工作和贡献如下:1)研究异构蜂窝网络中支持多样性业务类型的资源分配问题,为异构蜂窝网络设计了动态TDD（Time Division Duplex,TDD）传输协议,并结合该传输协议设计出保证用户业务流服务质量的资源分配方案。用户业务的多样性体现在差异化的QoS需求上。在异构蜂窝网络中,不均匀的负载分布和多样性业务会带来小区内流量需求的上、下行不对称性。这种不对称性在热点区域部署的小小区中表现的尤为明显。动态TDD模式可以应对这种上、下行流量需求的不对称性,但是无法解决对多样性业务的支持,且带来的副作用是严重的宏微基站之间的跨链路干扰问题。为了缓解这种跨链路干扰,保证多样性业务的QoS需求,并提高资源利用率,本文将跨链路干扰缓解机制和多样性业务流的资源分配方案的设计有效结合在一起。首先,本文为TDD异构蜂窝网络设计出一种新的传输协议作为干扰缓解机制。在此基础上,引入效用函数来表征用户业务的差异化QoS需求,并将用户业务流的资源分配问题建模成网络效用最大化问题。基于优化理论,利用两层分解方法对该问题进行求解,并设计了多项式复杂度的求解算法。仿真验证了相比于已有研究,所提出的结合跨链路干扰缓解的资源分配方案,不仅提升了上、下行尽力服务业务流的平均吞吐量,而且可以有效降低soft QoS业务流的中断概率。2)研究蜂窝-WLAN融合网络中的用户接入控制问题,提出用户上行蜂窝优先接入机制,并得出基于WLAN可行状态集合的业务流接入条件。为了应对移动通信流量的增长,移动运营商通过部署WLAN来卸载蜂窝网的流量。蜂窝网络和WLAN构成了蜂窝-WLAN异构融合网络。在WLAN中,WLAN接入点（Access Point,AP）和用户设备通过竞争方式访问信道,且在竞争信道的优先级上没有差别。由于固有上、下行竞争信道的不对称性,WLAN中主要的竞争来源于上行流的数据传输。随着蜂窝网中的上行流量不断被卸载到WLAN中,竞争越激烈,这将显着降低WLAN的信道利用率和系统吞吐量。为了保证各类业务的吞吐量需求,并降低WLAN中的竞争和冲突,本文设计出一种最大化WLAN信道利用率和系统吞吐量的接入控制策略,即用户上行蜂窝优先接入策略。本文利用排队理论对WLAN中数据帧传输进行建模,推导出在给定WLAN状态下各类业务流的平均吞吐量,以及WLAN的可行状态集合。进一步的,基于WLAN可行状态集合,得出各类业务流接入条件。最后,通过仿真实验,验证了理论分析的精确性;此外,相比于WLAN优先接入机制,所提机制在不影响蜂窝网络下行吞吐量的前提下,可以提升WLAN的信道利用率,以及融合网络整体下行吞吐量。3)研究蜂窝-WLAN融合网络中吞吐量和功耗感知的接入控制问题,提出了基于势博弈模型的用户接入控制机制。在蜂窝-WLAN融合网络中,影响用户体验的不仅有其可达吞吐量,还有其功率消耗等。从系统角度考虑,WLAN将上行流量迁移到蜂窝网中可以获得最大化的信道利用率和系统吞吐量。但是从用户角度考虑,上行流量的迁移将带来功耗的提升。因此在此场景下,系统吞吐量和用户功耗之间存在折中关系。如果在对用户上行数据流进行迁移时,忽略用户功耗,将会对用户的体验造成影响。基于上述事实,本文在设计用户上行接入控制策略时,同时考虑到用户的吞吐量和功耗对其性能的影响。本文利用排队理论对WLAN中的数据帧传输进行建模,并引入效用函数表征用户的满意程度,进一步将用户上行接入控制问题建模成博弈问题,并通过博弈理论寻找该问题的解,即纳什均衡点。最后通过仿真仿真评估所提出的接入控制机制对系统性能的影响,验证了所提接入控制机制相比于WLAN优先接入机制,可以有效提升所有用户的下行可达吞吐量。
黄晓艳[8]（2015）在《便携式备用电源的锂电池管理系统》文中进行了进一步梳理便携式备用电源具有易于携带、应用灵活等优点,可用于野外通信、旅行探险、医疗急救等电力不足的场景。随着锂电池技术的迅猛发展,因其具有高能量比、寿命长等优点,已经逐渐应用于便携式备用电源中。便携式备用电源将多节锂电池串并联获得较高输出电压和功率,但电池之间的初始容量、电压、内阻等参数一致性较差,导致电池组能量利用率低、寿命缩短等问题,甚至可能引发严重的安全事故。本文针对便携式备用电源中锂电池组的管理进行研究与分析,通过对比现有方案与方法,综合考虑电源效率和设计成本,基于Android平台实现了主动均衡锂电池管理系统。本文主要工作如下:（1）系统架构设计,将锂电池组管理系统模块化,采用总线方式实现锂电池组模块的扩展、拆卸,实现多组锂电池组管理。（2）电池组管理系统硬件设计,系统分为BMS主控模块、电池组均衡模块和电池组数据采集处理模块。其中BMS主控模块采用Tiny210作为主控制核心,在Android系统中实现电池组运行参数显示与管理、充放电记录与安全提示;电池组均衡模块采用TI公司BQ78PL116和BQ78PL102作为电池组电量监测芯片实现多节电池监测;电池组数据采集处理模块以STM8S单片机作为处理器,结合电池组参数判断和控制电池组工作状态,并实现BMS主控模块与电池组均衡模块的通信。（3）采用软硬件结合的方法估算SOC值,实现BMS主控模块辅助电池组前端周期性校正SOC估算初始值;均衡策略定制综合考虑了电池组热平衡和均衡速度,将电池组工作状态与最大最小值法、平均值法和改进的平均值法结合,通过电感式主动均衡方法实现电池组均衡。（4）完成锂电池组均衡策略、参数测量、模块之间的通信协议以及通信流程的软件设计。（5）对系统各个模块进行调试,并对整个系统进行测试,验证系统满足需求并能够正常稳定地运行。本文设计的锂电池组管理系统实现了多组锂电池组的集中管理,保证锂电池的使用安全、提高锂电池组的使用寿命,经过测试验证本系统能够安全、方便、高效的运行。
陈新,袁翔,张劲松[9]（2009）在《电动汽车用智能电池探讨》文中进行了进一步梳理在总结国内外智能电池定义及结构方面研究现状的基础上,提出了电动汽车用智能电池的定义,给出了该定义的基本结构,说明了其内部功能的实现方法和基本控制策略。
陈涛[10]（2008）在《智能电池系统的SMBus总线控制器设计与验证》文中进行了进一步梳理SMBus是智能电池系统中主机、智能电池充电器、智能选择器、智能电池及外设之间的互连接口。由于其面积小、接口信号少、成本低、速度快、兼容性好,在各种SoC产品中采用。采用SMBus标准的接口设计已经成为相关项目开发尤其是PC机智能电池系统开发的优先选择。本文按照智能电池系统功能需求及SMBus规范,采用自顶向下的集成电路设计方法,将SMBus总线控制器细化为若干功能模块,运用硬件描述语言Verilog进行RTL级功能描述,完成了智能电池系统中SMBus总线控制器的设计。通过架构基于总线功能模型的验证平台,完成了SMBus控制器的功能验证。并且使用Synopsys公司的逻辑综合工具Design Compiler对该IP核进行逻辑综合,最后完成了时序仿真,时序完全满足需求。本设计严格按照SMBus2.0标准,具备广播、时钟同步、仲裁、超时及中断处理等功能。为了增强其复用性,该控制器还实现了符合I2C协议快速通信模式的功能。验证平台具有较好的可重用性,验证过程中使用脚本程序提高了验证的自动化程度。设计经逻辑综合得到:总面积小于0.05mm2,最高工作频率超过125MHz,动态功耗0.0137 mW/MHz。本论文最终完成了智能电池系统中SMBus控制器的设计与验证,逻辑综合和时序仿真结果表明:该设计具有良好的性能,为其后续开发奠定了基础,为进行SMBus相关产品开发提供了有力参考。
二、SBS Manager电池技术（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、SBS Manager电池技术（论文提纲范文）
（1）基于机器学习的网络入侵与恶意软件检测机制的研究（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究内容 |
| 1.3 本文组织结构 |
| 1.4 本章小结 |
| 第二章 相关背景知识 |
| 2.1 入侵检测系统 |
| 2.1.1 WSN下入侵攻击 |
| 2.1.2 网络入侵检测方法 |
| 2.2 恶意软件检测 |
| 2.2.1 恶意软件现状 |
| 2.2.2 恶意软件常见手段 |
| 2.2.3 恶意软件检测技术 |
| 2.3 机器学习基本理论 |
| 2.3.1 特征选择 |
| 2.3.2 机器学习 |
| 2.4 本章小结 |
| 第三章 面向IDS的网络流量分类机制 |
| 3.1 问题分析 |
| 3.2 算法描述 |
| 3.2.1 算法框架 |
| 3.2.2 数据建模 |
| 3.2.3 数据预处理 |
| 3.2.4 特征选取与特征降维 |
| 3.2.5 数据分类 |
| 3.3 实验验证与性能分析 |
| 3.3.1 实验环境 |
| 3.3.2 实验数据集 |
| 3.3.3 评价标准 |
| 3.3.4 实验过程与结果分析 |
| 3.4 本章小结 |
| 第四章 面向WSN的入侵检测机制 |
| 4.1 问题分析 |
| 4.2 算法描述 |
| 4.2.1 算法框架 |
| 4.2.2 数据预处理 |
| 4.2.3 模型融合 |
| 4.3 实验验证与性能分析 |
| 4.3.1 实验环境 |
| 4.3.2 实验数据集与性能指标 |
| 4.3.3 实验过程与结果分析 |
| 4.4 原型系统展示与结果分析 |
| 4.5 本章小结 |
| 第五章 基于神经网络的恶意软件检测机制 |
| 5.1 问题分析 |
| 5.2 算法描述 |
| 5.2.1 算法框架 |
| 5.2.2 数据预处理 |
| 5.2.3 特征工程 |
| 5.2.4 分类模型 |
| 5.3 实验验证与性能分析 |
| 5.3.1 实验环境 |
| 5.3.2 数据集 |
| 5.3.3 评价指标 |
| 5.3.4 实验过程与结果分析 |
| 5.4 原型系统展示与结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 附录4 攻读硕士学位期间获得的奖项 |
| 致谢 |
（2）基于WSN的库房环境监控系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容与组织结构 |
| 2 物联网通信技术概述 |
| 2.1 物联网技术 |
| 2.2 WSN技术基本特性 |
| 2.3 WSN常见通信技术 |
| 2.3.1 ZigBee通信技术 |
| 2.3.2 NB-IOT通信技术 |
| 2.3.3 LoRa通信技术 |
| 2.3.4 WSN通信技术对比 |
| 2.4 本章小结 |
| 3 系统需求分析与方案设计 |
| 3.1 系统功能需求 |
| 3.1.1 无线监测网络 |
| 3.1.2 多种环境参数采集 |
| 3.1.3 环境调节 |
| 3.2 系统性能需求 |
| 3.3 基于WSN的环境监控系统总体结构 |
| 3.4 通信方案选择 |
| 3.4.1 LoRa通信 |
| 3.4.2 IR发射器 |
| 3.4.3 ZigBee通信 |
| 3.4.4 RS485集线器 |
| 3.5 本章小结 |
| 4 WSN通信网络设计 |
| 4.1 Modbus通信协议 |
| 4.1.1 Modbus应用数据单元 |
| 4.1.2 Modbus应用协议 |
| 4.2 库房内部ZigBee通信 |
| 4.2.1 ZigBee协议 |
| 4.2.2 ZigBee通信参数配置 |
| 4.2.3 数据采集节点与库房网关节点通信 |
| 4.3 档案馆LoRa通信网络 |
| 4.3.1 LoRaWAN协议 |
| 4.3.2 LoRa通信参数配置 |
| 4.3.3 库房网关节点与LoRaWAN网关通信 |
| 4.4 库房以太网通信 |
| 4.4.1 PHY芯片驱动 |
| 4.4.2 LWIP协议 |
| 4.4.3 库房网关节点与服务器通信 |
| 4.5 本章小结 |
| 5 系统设计与实现 |
| 5.1 开发环境 |
| 5.1.1 微控制器芯片 |
| 5.1.2 开发软件工具 |
| 5.1.3 嵌入式操作系统 |
| 5.2 系统硬件电路设计 |
| 5.2.1 硬件系统结构 |
| 5.2.2 电源电路 |
| 5.2.3 库房网关节点最小系统电路 |
| 5.2.4 以太网通信电路 |
| 5.2.5 RS485通信接口 |
| 5.2.6 环境数据采集电路 |
| 5.3 系统软件设计 |
| 5.3.1 软件功能结构 |
| 5.3.2 环境数据采集 |
| 5.3.3 预警模块 |
| 5.3.4 多模式设备管理 |
| 5.3.5 工控屏人机交互 |
| 5.3.6 数据采集节点低功耗管理 |
| 5.3.7 库房网关节点远程升级 |
| 5.4 本章小结 |
| 6 系统测试与结果分析 |
| 6.1 库房网关节点硬件 |
| 6.2 环境监控功能测试 |
| 6.2.1 库房内部测试 |
| 6.2.2 库房外部测试 |
| 6.3 系统性能测试 |
| 6.3.1 低功耗测试 |
| 6.3.2 通信性能测试 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
| 致谢 |
（3）移动边缘计算下的计算卸载与任务分配研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 计算卸载研究现状 |
| 1.2.2 任务分配研究现状 |
| 1.3 论文组织与结构 |
| 2 相关技术理论概述 |
| 2.1 计算卸载相关理论分析 |
| 2.1.1 计算卸载分类 |
| 2.1.2 计算资源 |
| 2.1.3 计算卸载任务划分标准 |
| 2.2 软件定义网络 |
| 2.2.1 控制层 |
| 2.3 服务组合 |
| 2.3.1 服务组合过程 |
| 2.3.2 基于SDN的服务组合 |
| 2.4 容器技术 |
| 2.5 本章小结 |
| 3 SDN与服务组合下的计算卸载 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 问题建模与算法设计 |
| 3.3.1 问题建模 |
| 3.3.2 SCO算法建立 |
| 3.4 仿真分析 |
| 3.4.1 仿真环境配置 |
| 3.4.2 对比算法选择 |
| 3.4.3 仿真评价指标 |
| 3.4.4 仿真参数设置 |
| 3.4.5 仿真结果分析 |
| 3.5 本章小结 |
| 4 边云协同下的DAG任务分配 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 问题建模与算法设计 |
| 4.3.1 问题建模 |
| 4.3.2 任务分配MECTA算法设计 |
| 4.4 仿真分析 |
| 4.4.1 仿真环境配置 |
| 4.4.2 对比算法与DAG模型选择 |
| 4.4.3 仿真评价指标 |
| 4.4.4 仿真参数设置 |
| 4.4.5 仿真结果分析 |
| 4.5 本章小结 |
| 5 工作总结及未来工作 |
| 5.1 全文工作总结 |
| 5.2 未来研究工作 |
| 参考文献 |
| 致谢 |
（4）移动边缘计算中任务卸载及基站休眠策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 移动边缘计算研究现状 |
| 1.2.2 绿色移动边缘计算系统研究现状 |
| 1.3 论文研究内容及结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构 |
| 第二章 移动边缘计算与任务卸载技术概述 |
| 2.1 移动边缘计算概述 |
| 2.1.1 移动边缘计算架构 |
| 2.1.2 移动边缘计算应用场景 |
| 2.1.3 移动边缘计算服务器部署场景 |
| 2.2 计算卸载技术概述 |
| 2.2.1 基于降低时延的任务卸载策略 |
| 2.2.2 基于降低能耗的任务卸载策略 |
| 2.2.3 基于权衡时延和能耗的任务卸载策略 |
| 2.3 异构蜂窝网络 |
| 2.4 基站休眠策略概述 |
| 2.5 本章小结 |
| 第三章 支持能量收集的MEC系统任务卸载策略 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 具备用户移动性的多用户多服务器模型 |
| 3.2.2 执行成本最小化问题模型 |
| 3.3 基于多用户多服务器的任务卸载算法 |
| 3.3.1 李雅普诺夫优化方法 |
| 3.3.2 最佳能量收集及执行成本优化算法 |
| 3.4 实验仿真及结果分析 |
| 3.5 本章小结 |
| 第四章 基于能效优化的用户接入及基站休眠策略 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 异构蜂窝网络模型 |
| 4.2.2 网络能效优化问题模型 |
| 4.3 用户接入及基站MEC服务器休眠策略 |
| 4.3.1 最优用户接入策略 |
| 4.3.2 基站及MEC服务器休眠策略 |
| 4.4 实验仿真及结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（5）雾无线接入网中缓存技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容与结构安排 |
| 第2章 F-RAN小区蜂窝网流量卸载技术 |
| 2.1 F-RAN与小区蜂窝网 |
| 2.1.1 雾无线接入网网元 |
| 2.1.2 小区蜂窝网网络拓扑 |
| 2.2 传统的文件流行度预测算法 |
| 2.2.1 Zipf分布算法 |
| 2.2.2 LRU预测算法 |
| 2.2.3 MAB预测算法 |
| 2.2.4 传统算法优势和缺陷 |
| 2.3 常用缓存算法 |
| 2.3.1 单点无协作缓存算法 |
| 2.3.2 多点协作缓存算法 |
| 2.3.3 最流行缓存算法 |
| 2.4 本章小结 |
| 第3章 基于文件属性感知的文件流行度预测算法 |
| 3.1 文件属性感知原理 |
| 3.2 数据文件及标签集合来源 |
| 3.3 多标签中的特征提取与特征标记 |
| 3.4 结合时空性的文件流行度预测 |
| 3.5 本章小结 |
| 第4章 小区蜂窝网中缓存算法优化研究 |
| 4.1 非集群小区蜂窝网中时延最小化的缓存优化算法 |
| 4.1.1 非集群小区蜂窝网中时延模型 |
| 4.1.2 时延缓存算法 |
| 4.2 集群小区蜂窝网中能效最大化的缓存优化算法 |
| 4.2.1 集群小区蜂窝网中能效模型 |
| 4.2.2 文件成功交付概率分析 |
| 4.2.3 基于协作多点技术的能效最大化缓存算法 |
| 4.3 仿真结果与分析 |
| 4.3.1 对比算法与仿真参数设置 |
| 4.3.2 仿真结果及分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（6）环境经济学着作The Green Economy and the Water-Energy-Food Nexus （Chapter 4-5）英汉翻译实践报告（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 任务描述 |
| 第一节 原文题材与体裁分析 |
| 一、原文题材 |
| 二、体裁分析 |
| 第二节 翻译目的与意义 |
| 一、翻译目的 |
| 二、翻译的意义 |
| 第二章 译前准备 |
| 第一节 文献综述 |
| 一、相关翻译研究文献述评 |
| 二、相关翻译实践成果述评 |
| 第二节 准备事项 |
| 一、工具、参考文献的准备 |
| 二、平行文本的选择与分析 |
| 三、翻译策略选择 |
| 第三节 实施计划 |
| 一、翻译计划 |
| 二、写作计划 |
| 第三章 翻译执行情况 |
| 第一节 翻译过程 |
| 一、术语表制定 |
| 二、翻译过程执行概述 |
| 三、翻译过程监控策略 |
| 第二节 译后事项 |
| 一、译文审校 |
| 二、译文评价 |
| 第四章 案例分析 |
| 第一节 词义的选择与引申 |
| 一、根据上下文选择词义 |
| 二、根据词语的搭配选择词义 |
| 三、根据词义调整引申 |
| 第二节 长句的翻译 |
| 一、英语长句的翻译原则与方法 |
| 二、定语从句与被动句叠加产生的长句 |
| 三、状语从句与被动句叠加产生的长句 |
| 第三节 非语言语境对翻译的影响 |
| 一、专业知识语境对翻译的影响 |
| 二、背景知识语境对翻译的影响 |
| 第五章 翻译实践总结 |
| 参考文献 |
| 附录1 :原文、译文 |
| 附录2 :平行文本 |
| 附录3 :术语表 |
| 致谢 |
（7）无线异构网络中的用户接入控制和资源分配机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 无线异构网络简介 |
| 1.2.1 异构蜂窝网络简介 |
| 1.2.2 蜂窝-WLAN融合网络简介 |
| 1.3 无线异构网络相关研究 |
| 1.3.1 异构蜂窝网络中资源分配研究 |
| 1.3.2 蜂窝-WLAN融合网络中用户接入控制研究 |
| 1.3.3 无线异构网络面临的挑战 |
| 1.4 论文结构及主要创新点 |
| 第2章 异构蜂窝网络下支持多样性业务的资源分配 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.3 系统模型 |
| 2.3.1 网络架构 |
| 2.3.2 传输协议 |
| 2.3.3 干扰模型 |
| 2.3.4 效用函数 |
| 2.4 传输协议配置 |
| 2.5 业务流资源分配 |
| 2.5.1 网络效用最大化问题 |
| 2.5.2 小区效用最大化问题 |
| 2.5.3 资源分配算法 |
| 2.6 仿真与性能分析 |
| 2.6.1 仿真设置 |
| 2.6.2 仿真结果 |
| 2.7 本章小结 |
| 第3章 蜂窝-WLAN融合网络中上行蜂窝优先接入 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 系统模型 |
| 3.3.1 系统架构 |
| 3.3.2 流量模型 |
| 3.4 上行蜂窝优先接入机制 |
| 3.5 理论分析 |
| 3.6 仿真与性能分析 |
| 3.6.1 仿真设置 |
| 3.6.2 仿真结果 |
| 3.7 本章小结 |
| 第4章 蜂窝-WLAN融合网络中吞吐量和功耗感知接入 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 系统模型 |
| 4.3.1 系统架构 |
| 4.3.2 用户效用函数 |
| 4.4 激励机制 |
| 4.5 用户效用分析 |
| 4.5.1 用户可达吞吐量 |
| 4.5.2 用户功率消耗 |
| 4.6 用户上行接入选择博弈 |
| 4.6.1 博弈分析 |
| 4.6.2 接入选择算法 |
| 4.6.3 无序代价 |
| 4.7 仿真与性能分析 |
| 4.7.1 仿真设置 |
| 4.7.2 仿真结果 |
| 4.8 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文总结 |
| 5.2 下一步工作 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
| 攻读博士学位期间的科研和项目经历 |
| 致谢 |
（8）便携式备用电源的锂电池管理系统（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 便携式备用电源的研究现状 |
| 1.2.2 动力电池的概述 |
| 1.2.3 电池管理系统国内外研究现状 |
| 1.3 本文主要工作与组织架构 |
| 1.4 本章小结 |
| 第2章 系统整体介绍 |
| 2.1 便携式备用电源 |
| 2.2 锂电池组管理系统 |
| 2.2.1 锂电池组管理系统实现功能 |
| 2.2.2 锂电池组管理系统模块划分 |
| 2.3 本章小结 |
| 第3章 电池SOC估计算法和均衡电路研究 |
| 3.1 电池SOC估计算法研究 |
| 3.1.1 电池SOC简介 |
| 3.1.2 常用SOC估计算法 |
| 3.1.3 本文SOC方法 |
| 3.2 电池组均衡电路研究 |
| 3.2.1 电池组均衡方法 |
| 3.2.2 常用的电池组均衡电路 |
| 3.2.3 本文电池组均衡方法 |
| 3.3 本章小结 |
| 第4章 系统硬件设计 |
| 4.1 BMS主控硬件设计 |
| 4.1.1 主控制器简介 |
| 4.1.2 通信电路 |
| 4.1.3 电源供电电路 |
| 4.2 电池组均衡模块硬件设计 |
| 4.2.1 主控芯片简介 |
| 4.2.2 电池参数检测 |
| 4.2.3 均衡电路 |
| 4.2.4 保护电路 |
| 4.3 电池组数据采集处理模块 |
| 4.3.1 主控芯片选型 |
| 4.3.2 温度检测 |
| 4.3.3 通信电路 |
| 4.3.4 电池组切换电路 |
| 4.4 本章小结 |
| 第5章 系统软件设计 |
| 5.1 Android端软件设计 |
| 5.1.1 Android简介 |
| 5.1.2 Android应用层 |
| 5.1.3 Android驱动设计 |
| 5.2 数据通信机制 |
| 5.2.1 485通讯 |
| 5.2.2 SMBus通信 |
| 5.3 温度检测 |
| 5.3.1 DS18B20时序 |
| 5.3.2 温度检测流程图 |
| 5.4 均衡策略 |
| 5.4.1 均衡策略定制 |
| 5.4.2 均衡软件流程 |
| 5.5 本章小结 |
| 第6章 系统测试以及实现效果 |
| 6.1 测试目的 |
| 6.2 测试内容 |
| 6.2.1 硬件测试 |
| 6.2.2 系统功能测试 |
| 6.3 测试结果分析 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文和研究成果 |
（10）智能电池系统的SMBus总线控制器设计与验证（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景与来源 |
| 1.2 国内外相关领域的研究进展 |
| 1.2.1 智能电池技术概述 |
| 1.2.2 SMBus总线及发展 |
| 1.2.3 SMBus控制器实现方法概述 |
| 1.3 课题研究内容及论文安排 |
| 第2章 SMBus简介 |
| 2.1 SMBus基本特征 |
| 2.2 SMBus与12C的区别 |
| 2.3 SMBus应用 |
| 2.4 本章小结 |
| 第3章 SMBus控制器的设计 |
| 3.1 SMBus控制器顶层接口设计 |
| 3.2 功能寄存器设计 |
| 3.3 SMBus顶层模块设计 |
| 3.4 子模块设计 |
| 3.5 本章小结 |
| 第4章 SMBus控制器的验证及综合 |
| 4.1 验证方法及工具 |
| 4.2 验证平台架构及实现 |
| 4.3 验证流程 |
| 4.4 逻辑综合 |
| 4.5 验证结果分析 |
| 4.6 本章小节 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
四、SBS Manager电池技术（论文参考文献）
- [1]基于机器学习的网络入侵与恶意软件检测机制的研究[D]. 蒋帅. 南京邮电大学, 2021
- [2]基于WSN的库房环境监控系统研究[D]. 付东. 华中师范大学, 2021(02)
- [3]移动边缘计算下的计算卸载与任务分配研究[D]. 吴康. 西华大学, 2021(02)
- [4]移动边缘计算中任务卸载及基站休眠策略研究[D]. 汤卓俊. 安徽大学, 2020(07)
- [5]雾无线接入网中缓存技术研究[D]. 滕龙. 重庆邮电大学, 2019(01)
- [6]环境经济学着作The Green Economy and the Water-Energy-Food Nexus （Chapter 4-5）英汉翻译实践报告[D]. 张铭. 黑龙江大学, 2019(03)
- [7]无线异构网络中的用户接入控制和资源分配机制研究[D]. 范强. 中国科学技术大学, 2017(09)
- [8]便携式备用电源的锂电池管理系统[D]. 黄晓艳. 华侨大学, 2015(08)
- [9]电动汽车用智能电池探讨[J]. 陈新,袁翔,张劲松. 公路与汽运, 2009(02)
- [10]智能电池系统的SMBus总线控制器设计与验证[D]. 陈涛. 哈尔滨工业大学, 2008(S2)