目前出现的大规模(large-scale)的多媒体应用对 Internet 提出了新的挑战。传统的 IP 组播(IP multicast,IPM)由于实现技术的复杂性,很难在 Internet 上推广。相反,基于叠加网络(overlay network,ON)的解决方案则受到各方面的关注。本...目前出现的大规模(large-scale)的多媒体应用对 Internet 提出了新的挑战。传统的 IP 组播(IP multicast,IPM)由于实现技术的复杂性,很难在 Internet 上推广。相反,基于叠加网络(overlay network,ON)的解决方案则受到各方面的关注。本文针对大规模实时多媒体应用需求,通过建立评价参数模型对 ON 协议进行研究。尤其对 overlay组播(overiay multicast,OM)的 QoS 控制、可靠性以及可伸缩性机制进行了分析。与 IPM 相比,OM 虽然有性能代价(performance penalty)问题,但是 OM 能方便、灵活地利用多种高层的功能实现,基于 hop-by-hop 方式有效地提供E2E(end-to-end)的可靠性和 Qos 保障,并且较好地支持 TCP-friendliness,具有良好的可伸缩性。此外,OM 的基础网络(infrastructure/underlay network)无关性,也使其容易在 Internet 中进行配置。以上特性使得 OM 成为支持 Inter-net 上大规模实时多媒体应用的最具前景的技术。展开更多
无人机实时图像应用(Realtime Image Applications based on Unmanned aerial vehicle,RIAU)在民事和军事领域具有广泛的应用前景,研发这种系统面临着许多挑战.本文提出了“人在环路上”RIAU系统的概念,采用人工智能技术来提升RIAU系统...无人机实时图像应用(Realtime Image Applications based on Unmanned aerial vehicle,RIAU)在民事和军事领域具有广泛的应用前景,研发这种系统面临着许多挑战.本文提出了“人在环路上”RIAU系统的概念,采用人工智能技术来提升RIAU系统的能力;研究了人在环路上RIAU的典型计算模式,分析了地面计算和机载计算两种模式系统的特点;研究了RIAU系统的关键技术和基于YOLOv3算法的图像目标检测方法;设计实现了RIAU原型系统.试验结果表明,系统的总时延主要取决于计算单元处理时延和通信单元传输时延;在机载计算模型下利用神经网络计算棒,目标识别时间不超过1秒;采用4G技术,通信单元之间的距离可以不受限制.展开更多
文摘目前出现的大规模(large-scale)的多媒体应用对 Internet 提出了新的挑战。传统的 IP 组播(IP multicast,IPM)由于实现技术的复杂性,很难在 Internet 上推广。相反,基于叠加网络(overlay network,ON)的解决方案则受到各方面的关注。本文针对大规模实时多媒体应用需求,通过建立评价参数模型对 ON 协议进行研究。尤其对 overlay组播(overiay multicast,OM)的 QoS 控制、可靠性以及可伸缩性机制进行了分析。与 IPM 相比,OM 虽然有性能代价(performance penalty)问题,但是 OM 能方便、灵活地利用多种高层的功能实现,基于 hop-by-hop 方式有效地提供E2E(end-to-end)的可靠性和 Qos 保障,并且较好地支持 TCP-friendliness,具有良好的可伸缩性。此外,OM 的基础网络(infrastructure/underlay network)无关性,也使其容易在 Internet 中进行配置。以上特性使得 OM 成为支持 Inter-net 上大规模实时多媒体应用的最具前景的技术。
文摘无人机实时图像应用(Realtime Image Applications based on Unmanned aerial vehicle,RIAU)在民事和军事领域具有广泛的应用前景,研发这种系统面临着许多挑战.本文提出了“人在环路上”RIAU系统的概念,采用人工智能技术来提升RIAU系统的能力;研究了人在环路上RIAU的典型计算模式,分析了地面计算和机载计算两种模式系统的特点;研究了RIAU系统的关键技术和基于YOLOv3算法的图像目标检测方法;设计实现了RIAU原型系统.试验结果表明,系统的总时延主要取决于计算单元处理时延和通信单元传输时延;在机载计算模型下利用神经网络计算棒,目标识别时间不超过1秒;采用4G技术,通信单元之间的距离可以不受限制.
