泛在嵌入式智能系統專題前言?

郭 兵 ,王 泉 ,鄧慶緒 ,陳銘松 ,張凱龍

1(四川大學,四川 成都 610065)

2(西安電子科技大學,陜西 西安 710071)

3(東北大學,遼寧 沈陽 100819)

4(華東師范大學,上海 200062)

5(西北工業大學,陜西 西安 710072)

目前,世界范圍的科技革命和產業變革正在孕育興起,一些重要科學問題和關鍵核心技術正在呈現革命性的突破先兆.同時,“萬物智聯”時代正在加速到來,IOT/CPS、AIOT 等蓬勃發展,以泛在感知、泛在互聯、泛在智能為特征的各類智慧系統,以嵌入式系統為基礎,與大數據、區塊鏈、云計算呈現融合發展趨勢.隨著人工智能技術和嵌入式AI 芯片技術的發展,人工智能已經開始逐步向嵌入式系統遷移,尤其是伴隨著機器人、無人機、無人車等智能設備的技術成熟,越來越多的應用系統需要在以邊緣計算為主的嵌入式系統上實現.目前,嵌入式系統應用前景愈發廣闊,如5G 通信、智能制造、智能電網、智能交通、國防軍事、航空航天、智能網聯汽車、數字醫療設備、機器人、智慧家庭、智能建筑等產業的創新發展都與嵌入式系統的技術發展息息相關.

本專題采取定向邀請和自由投稿相結合的方式,共收到9 篇投稿,其中8 篇通過了形式審查.特約編輯邀請了13 位領域專家參與審稿,每篇稿件至少邀請2 位專家進行評審,每篇稿件都經過2 輪審稿.共計6 篇稿件通過第1 輪評審,并在CCF 形式化方法專委會年度會議上進行了報告.經過第2 輪終審,最終有6 篇論文入選本專題.

論文“基于1D-CNN 聯合特征提取的軸承健康監測與故障診斷”提出了一種基于1D-CNN 聯合特征提取的軸承健康監測與故障診斷算法.該算法繼承了深層學習模型的準確性和魯棒性,具有較高的故障診斷精度和較低的診斷時延.

論文“一種超低損失的深度神經網絡量化壓縮方法”提出了一種超低損失的DNN 量化方法μL2Q 和量化值擇優分析方法,以降低目標位寬下的量化損失.

論文“基于強化學習的溫度感知多核任務調度”提出了一種基于強化學習的多核溫度感知調度算法:ReLeTA.在該算法中提出了更為全面的狀態建模方式和更加有效的獎勵函數,從而幫助系統進一步降低溫度.

論文“面向優先車輛感知的交通燈優化控制方法”提出了一種面向優先車輛感知的交通燈優化控制方法,通過與道路環境的不斷交互來學習交通燈控制策略,在設置狀態和獎勵函數時增加特殊車輛的權重,并利用Double DQN 和Dueling DQN 來提升模型表現,最終在城市交通模擬器SUMO 中進行仿真實驗.

論文“一種基于功率調控的WiFi Direct 節能優化機制”提出了一種基于功率調控的WFD 節能機制.該機制對WFD 默認節能算法進行了補充和優化,能夠降低設備的傳輸能耗,并通過切換設備角色來平衡組主的能耗.

論文“基于木馬的方式增強RRAM 計算系統的安全性”提出的防御方法是基于良性木馬.也就是說,當RRAM 計算系統未授權時,系統中的木馬極容易被激活,進而影響系統的輸出預測準確性,從而保證系統不能正常運行;當RRAM 計算系統被授權時,系統中的木馬極難被誤激活,從而系統能夠正常運行.

本專題主要關注“泛在嵌入式智能系統”,擬聚焦新興領域和新興系統中智能嵌入式系統的基礎科學理論、關鍵技術方法與系統以及嵌入式系統在深度學習、人工智能等領域的擴展和應用,收錄國內外在智能嵌入式系統設計、實現、理論、工具和應用等方面的高水平研究成果.讀者群體包括嵌入式系統、人工智能、邊緣計算、物聯網、5G 通信、可信計算及其相關領域的研究人員和專業軟件工程師等.感謝《軟件學報》編委會、CCF嵌入式系統專委會對專題工作的指導和幫助,感謝專題全體評審專家及時、耐心、細致的評審工作,感謝踴躍投稿的所有作者.希望本專題能夠在嵌入式系統的創新融合研究與發展方面起到拋磚引玉的作用,促進更多的科研人員參與到這方面的研究之中.