行走追踪在真实场景中具有广泛应用,可以用于安防监控、老人看护、室内导航等场景.近年来,基于无线射频信号的非接触式行走追踪受到了研究人员的广泛关注,包括基于Wi-Fi信号、RFID信号等的行走追踪系统.然而,现有的行走追踪系统依然面临感知范围小、感知设备部署稠密等问题.在本文中,我们首次将用于物联网低功耗、远距离通信的LoRa技术应用到非接触式的大范围行走追踪中,显著地增加了行走追踪系统的感知距离.特别地,通过利用LoRa网关上配置的多天线,利用两根天线上接收信号的比,可以有效地消除噪声干扰以及收发不同步带来的误差,从而进一步提升了感知范围,然后利用计算切线向量相位变化的方法准确计算原始信号中动态分量的相位变化来在估计行走距离和方向.基于此,本文提出基于LoRa的非接触感知系统,可以在一段自然连续的行走活动中准确地判断人的动静状态并切割出行走片段,进而计算出行走的距离和方向,实现人的行走追踪.实验验证了系统计算行走距离和方向的准确性和实时性,其中距离计算的平均误差为3.8%,准确判断行走方向所需时间为0.7 s.
以SSD(solid state drive)为代表的新型存储介质在虚拟化环境下得到了广泛的应用,通常作为虚拟机读写缓存,起到优化磁盘I/O性能的作用.已有研究往往关注SSD缓存的容量规划,依据缓存读写命中率评价SSD缓存分配效果,未能充分考虑SSD的服...
详细信息
以SSD(solid state drive)为代表的新型存储介质在虚拟化环境下得到了广泛的应用,通常作为虚拟机读写缓存,起到优化磁盘I/O性能的作用.已有研究往往关注SSD缓存的容量规划,依据缓存读写命中率评价SSD缓存分配效果,未能充分考虑SSD的服务能力上限,难以适用于典型的分布式应用场景,存在虚拟机抢占SSD缓存资源,导致虚拟机中应用性能违约的可能.实现了虚拟化环境下面向多目标优化的自适应SSD缓存系统,考虑了SSD的服务能力上限.基于自适应闭环实现对虚拟机和应用状态的动态感知.动态检测局部SSD缓存抢占状态,基于聚类方法生成虚拟机的优化放置方案,依据全局SSD缓存供给能力确定虚拟机迁移顺序和时机.实验结果表明,该方法在应对典型分布式应用场景时可以有效缓解SSD缓存资源的争用,同时满足应用对虚拟机放置的需求,提升应用的性能并兼顾应用的可靠性.在Hadoop应用场景下,平均降低了25%的任务执行时间,对I/O密集型应用平均提升39%的吞吐率.在Zoo Keeper应用场景下,以不到5%的性能损失为代价,应对了虚拟化主机的单点失效带来的虚拟机宕机问题.
暂无评论