2023年beat365

信息技术研究生论坛（十二）

场次一、

时间：2023年05月23日（星期二）15：00-18：00

地点：beat365308A教室

报告题目一：基于数字孪生的复杂设备预测性维护技术研究

报告人：杨圆圆

报告简介：复杂设备是工业生产中不可缺少的组成部分。复杂设备一旦出现故障，将造成经济损失，甚至导致安全事故。随着工业设备的日益复杂，传统的维修方式如按期更换部件或根据经验诊断异常情况等已不能满足要求。目前复杂设备诊断和健康管理的方法主要分为视情维护、定期维护和预测性维护。视情维护和定期维护在一定程度上保证了精度和可靠性。视情维护是指当事故发生后的维修，这种方法往往会导致不可预知的故障和事故，属于弥补措施，具有很大的风险。定期维护是指根据经验对设备定期维修，这种方式可能导致不必要或不及时的维护。预测性维护是预测设备中即将发生的故障或剩余使用寿命，并在最优的时间点采取维护措施，从而降低故障发生率和故障危害程度，降低故障发生率和故障危害程度。复杂设备在使用的整个生命周期中存在着零部件的磨损和性能的退化，导致精度的下降和可靠性的降低。在先进的建模、感知、数据分析的基础上，充分考虑其生命周期中状态的变化，实施有效、准确的预测性维护，可对复杂设备的寿命进行智能预测，对故障进行智能诊断，从而减少故障造成的非计划停机时间。

报告题目二：面向微服务的日志异常检测技术研究

报告人：徐准

报告简介：日志自动化分析方法逐步取代人工阅读日志，但是在云原生软件生态的环境下，传统的自动化分析方法还不能很好的适应基于微服务的软件系统。微服务软件系统有着运行环境复杂，难以掌控的特点。微服务软件应用始终处于高速自主更新演化的状态，服务间的调用导致微服务软件系统具有高度的动态性。研究的内容是如何设计一个在少量数据集中具有优秀表现并能有效减少日志更新带来的影响的日志解析技术，并以该解析技术为基础设计一个轻量级的基于日志的异常检测技术。

报告题目三：电力互联网云边协同环境下的多教师蒸馏技术研究

报告人：黄炳政

报告简介：异常检测被广泛应用于现实世界的很多领域，在电网面临的可靠性运行挑战中，基于数据驱动的异常检测方法能够动态检测电网故障，实现准确分类和定位。为了能够在靠近故障边缘的低资源设备上运行深度学习模型处理复杂的异常检测任务，提出了一种分类器复用的多教师蒸馏方法，通过特征对齐复用具备特征信息教师分类器，可以更好地获取教师知识，并减少重新训练学生分类器的时间，缓解教师和学生间的能力差距，获得较好的蒸馏效果，同时减少推理时间和内存开销。同时为了解决传统的模型被部署到边缘设备后不能实时更新，性能不佳的问题，提出一种自适应多教师蒸馏的云边协同计算算法，通过在边缘设备增加基于计算的标签信息熵来判断任务处理的好坏，选择适当的阈值来确定边缘和云协同工作的最佳点，并通过结果动态选择最可靠的教师模型对学生模型进行蒸馏，能够确保学生获得最佳的知识。通过实验证实，上述方法在实现电力互联网异常检测任务中具有良好的效果。

报告题目四：基于多模态数据的一种微服务系统异常检测方法

报告人：许东琪

报告简介：微服务系统的自动故障诊断一直是人们非常感兴趣的话题，尤其是在识别根本原因实例和确定故障类型时。大多数方法都依赖于单一模态数据，如跟踪、日志或度量，来捕获故障模式。仅仅依靠单一模态数据来诊断微服务系统中的故障是不够有效的。考虑到微服务系统中的依赖关系形成了一个图结构，我们应用图神经网络GNN来学习微服务系统中的故障模式，以确定根本原因实例和故障类型。在本文中，我们提出了MultiLMT，这是一种基于多模态数据（跟踪、日志和度量）的自动异常检测方法。

报告题目五：边缘计算环境下车联网轻量级的大小感知缓存研究

报告人：欧平杰

报告简介：许多关于缓存和推荐的相关工作仍然集中在问题的一方面单独考虑缓存和推荐并不能充分发挥它们的优势。推荐和缓存是相互协同的。实际上，推荐会影响用户的内容请求行为，进而影响缓存决策。本研究考虑缓存决策与推荐优化之间的协同工作机制，并联合使用缓存转码，满足用户不同质量要求。构建用户友好、网络友好的无线内容缓存系统，关键在于联合内容交付、缓存放置和推荐决策。利用D2D的优势，汽车微基站既可以为车内终端用户提供更丰富高质量的信息娱乐体验，又可以实时传递车对车、车对人、车对基础设施等多路通信信号，对自动驾驶起到关键的作用。

报告题目六：针对时空敏感型边缘计算卸载的联合多智能体方法

报告人：刘仪菲

报告简介：随着智能车辆和5G无线通信技术的快速发展，智能车载应用迅速增长。边缘计算的兴起使得可以通过卸载增强车辆的计算能力。但由于车辆移动性和应用程序规范的变化而导致的时空不确定性在决定卸载位置时带来了具挑战性的障碍。为了应对车辆环境的动态挑战和单智能体的状态空间和动作空间随着移动设备数量的增加呈指数增长带来的维度灾难问题，我们提出了一种基于时空敏感型和MADRL的任务卸载策略。

报告题目七：CGSDP:一种融合代码特征和结构特征的即时软件缺陷预测方法

报告人：刘玮涛

报告简介：软件质量保障一直是软件开发过程中的重要环节，软件缺陷是威胁软件质量的关键要素。为了减少维护软件质量的成本，研究者们设计了众多的软件缺陷预测方法。但随着软件规模的不断扩大，现有软件缺陷预测数据库样本不足，缺陷预测方法不能充分考虑代码上下文语义的问题逐渐显现，同时软件日益复杂的结构信息和更快的软件开发速度也为缺陷预测带来了新的挑战。针对以上问题，提出了一种融合代码特征和结构特征的即时软件缺陷预测方法——CGSDP，以适应软件开发的速度并提高即时软件缺陷预测的精准度。

报告题目八：基于TCN的轻量级边缘设备异常检测方法研究

报告人：蒙创颖

报告简介：日志通常记录一段时间内网络中不同设备的运行状态。通过日志检测可以及时有效地发现系统中的异常。然而，由于服务的复杂性，系统通常会产生海量的日志，所以通过日志分析检测潜在的异常成为目前的研究热点。尽管在高性能计算云平台上的日志异常检测研究方面已经取得了一定的进展，但在边缘设备上实现实时准确的异常检测仍然是非常困难的。这是由于边缘端设备计算资源有限，这些算法由于计算开销过大而无法部署在边缘设备上。边缘计算服务模式具有时延短，传输速度快的特点，同时它更靠近终端用户，故节省了传输资源的时间，在面对巨大的日志数据量时，该模式能更好地及时执行数据分析与存储操作，提高了服务质量。为了在边缘设备计算资源有限的情况下满足实时、高精度的异常检测需求，本文提出一种轻量级移动边缘设备日志异常检测方法。为了实现这一目标，本文利用word2vec模型将解析后的日志模板序列转化为语义向量，然后使用PCA-PPA算法对语义向量进行降维处理，因此我们能从非结构化日志中提取到更紧凑、更有效的特征表示。此外，本文将逐点卷积操作和多核扩张卷积核结合起来设计了一种轻量级的时间卷积网络。我们所提出的方法与近年来提出的最先进的日志异常检测方法相比，在检测精度和计算消耗方面都具有显著优势。

报告题目九：算力网络下的资源管理

报告人：郑盈盈

报告简介：随着云计算、大数据、人工智能、区块链等技术的不断发展，数据经济将推动海量数据产生，数据处理需要云、边、端协同的强大算力和广泛覆盖的网络连接，算力网络是以计算为核心，通过网络实现连接，通过感知实现匹配与调度的服务，资源管理是算力网络核心服务之一，因此，算力网络下的资源管理逐渐成为工业界和学术界关注的重点。总结了算力网络下的资源管理基于运营商角度重点关注绿色和可靠性；针对用户层面考虑服务质量和安全性总结了4类管理模型；最后对算力网络下资源管理面临的挑战进行了讨论，并提出了未来可研究的方向。

报告题目十：基于图神经网络的多元时间序列异常检测

报告人：黄相恒

报告简介：在大规模工业系统中，实体的许多关键性能指标都是实时监控的。这些多变量时间序列由高维、高噪声、随机和随时间变化的数据组成。时间序列异常检测作为人工智能IT运营(AIOps)中实现的一种常用方法，得到了广泛的研究和应用。现有的方法一个主要的限制是它们不能明确地捕捉不同时间序列之间的关系，从而导致不可避免的假警报。本次报告将介绍图神经网络在多元时间序列异常检测中的应用。该方法能够学习到变量之间现有关系，图神经网络在多元时间序列异常检测中得到了有效应用，能够学习多变量时间序列在时间和特征维度上的复杂依赖关系，进而提高异常检测精确度，进行准确的异常诊断，及时报警确保系统的安全。

报告题目十一：智慧环卫场景下的轻量化流感知目标检测方法

报告人：黄贻晖

报告简介：随着移动算力平台的逐渐成熟和计算机视觉计算的快速兴起，自动驾驶技术正在被广泛关注和研究。然而，在相关法律未出台且道路情况复杂的情况下，乘用车自动驾驶技术在短期内难以商业化。但是，在封闭场景下运行且车速较低的特殊领域车辆上，自动驾驶环卫车由于其独特的应用场景，在应用落地方面具有天然优势。其中环境感知为自动驾驶汽车的决策和控制提供外界环境信息，是智慧环卫场景下自动驾驶的前提和保障，目标检测是环境感知的重要内容，因此，在自动驾驶技术的时代背景下，研究环卫车场景下兼具实时性和鲁棒性的流感知目标检测技术前景十分广阔。但是目前现有的图像目标检测方法往往将图像帧当成单独的检测任务，不适用于视频流处理，而视频目标检测方法往往计算开销过大，并不适用于计算受限的智慧环卫场景。因此，面向智慧环卫场景，充分建模视频流上下文信息，研究轻量化的流感知目标检测方法是有意义且必要的，他能充分权衡模型运行时延与准确度，从而保证自动驾驶系统的可靠性与鲁棒性。

报告题目十二：移动边缘计算中协作高效用的绿色编码缓存技术研究

报告人：袁雪梅

报告简介：随着物联网的不断发展，智能设备的数量呈现出爆炸式增长，如手机、智能手表、智能网联汽车、制造机器、传感器等，这些设备所产生的数据量也在不断增加。同时，这些智能设备所提供的服务和应用需要高效和实时的数据收集和处理，导致核心网络的算力承受巨大压力。频繁的数据请求和传输还会导致回程链路的潜在拥堵。为了应对这些挑战，研究高效的边缘缓存策略是一个可行的解决方案。边缘缓存是一种分布式缓存机制，将存储和计算资源部署到边缘基站（BS）可以分担核心网络云服务器的压力，从而减轻回程链路的负载压力，降低内容访问时延并提高能源效率。

场次二、

时间：2023年05月26日（星期五）16：30-18：30

地点：beat365509教室

报告题目一：一种基于北斗三号B2b信号的精密单点授时方法

报告人：苑文卓

报告简介：授时是卫星导航系统的基本服务之一，在先进电子设备研制和智能时空信息服务中具有重要作用。针对当前全球卫星导航系统授时方法存在的受地面共视观测站和通信网络限制的问题，提出一种基于北斗三号 B2b 信号的精密单点授时方法（B2b signal based Precise Point Timing，B2b-PPT）。 该方法利用北斗三号地球静止轨道卫星播发的B2b信号，结合双频伪距和载波相位观测值，根据精密单点定位算法实时估算接收机钟差。经过世界协调时偏差改正和硬件延迟校准后，B2b-PPT接收机对本地时钟进行驯服，从而实现高精度的时频同步。并且经过实验验证表明：使用B2b-PPT方法的单站授时精度为0.58 ns，10 h的频率稳定度为6.9E-15；站间模式的授时精度为0.33 ns，10 h的频率稳定度为 1.1E-14。与传统的精密单点授时方法相比，B2b-PPT方法授时精度更高，并且具有成本低、不依赖地面通信网络和分析中心的优势。

报告题目二：图像去噪

报告人：刘鑫

报告简介：图像去噪是指从受损图像中恢复出清晰无噪声的原始图像。图像噪声污染不仅影响到图像的视觉质量，还会对后续图像分析和处理产生负面影响。因此，如何提高图像去噪效果和速度一直是研究人员关注的焦点。

1.背景

早期的图像去噪方法主要是基于传统信号处理的思想，采用线性或非线性滤波等方式进行去噪，例如均值滤波、中值滤波、小波变换等。这些方法可以去除一些简单的噪声，但面对复杂噪声和细节场景时往往难以达到较好的去噪效果。

2.现状

近年来，深度学习技术的发展为图像去噪带来了新的思路和方法，并且已经取得了很大成果。深度学习方法通过自适应学习图像特征，能够有效地提高图像去噪的效果和鲁棒性。特别是基于卷积神经网络（CNN）的方法，已经取得了很好的成果。如SRCNN、DnCNN、RIDNet等方法可以有效地去除高斯噪声、椒盐噪声、泊松噪声等多种类型的噪声。

3.前景

未来，深度学习技术会继续在图像去噪领域发挥重要作用，并得到更广泛的应用。与此同时，还需要进一步研究如何提高深度学习模型的可解释性，以及如何针对低功耗硬件进行优化，使其更适合于嵌入式系统的应用场景。此外，结合其他领域的技术，如人工智能、模式识别等，也有望推动图像去噪技术的发展。

报告题目三： 光纤光栅传感解调系统设计

报告人：潘雪梅

报告简介： 现代社会生产工业和基础建筑设施中，温度、应力是两个相当重要的物理量，生产设备的工作温度变化及关键运行部位的应力变化能够反映其运行状态是否正常，而光纤光栅传感器是最具有代表性的光纤传感无源器件之一，通过对光纤光栅反射光的波长解调即可实现外界温度、应变、 振动和压力等物理量的测量。近年来光纤光栅的制作方法发展迅速，更是极大地推动了光纤光栅传感器的发展。但是随着光纤光栅阵列应用领 域的扩充与发展，也存在一些领域对光纤光栅解调技术有着极高的要求。本报告对现有的解调方法进行研究，分析了不同解调系统的优势和不足，探讨一种扫描激光器型光纤光栅波长解调仪的设计方法，并研究了基于硬件解调系统的高速信号实时采集、处理与传输方法。

报告题目四：卫星相干激光通信系统与技术发展

报告人：马宁

报告简介：自由空间光通信(Free Space Optical Communication,FSOC)尤其是基于相干体制的卫星激光通信,正逐渐成为突破微波通信瓶颈、建设天地一体化网络、实现高速数据传输的重要手段。总结了欧空局、德国、日本及国内卫星相干激光通信的重要进展,给出了成功验证的相干激光通信系统的激光器、传输速率、多普勒频移补偿范围等参数,重点分析了基于 Costas 光锁相环(Optical PhaseLocked Loop,OPLL)技术的零差相干激光通信系统,并提炼出关键技术以及未来星间相干激光通信的发展趋势,可为卫星相干激光通信的研究提供一定的参考。