
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
本文提出了一种新型的移动雾人工智能(Mobile Fog AI)概念,旨在为战场物联网(IoBT)提供支持。IoBT是一种将士兵与智能装备(如装甲、无线电、武器、弹药、健康传感器、GPS等)连接起来的技术,这些设备通常具有有限的存储、计算能力和能源。现有的基于设备到设备(D2D)、点对点(P2P)和低功耗广域网(LPWAN)的IoBT技术存在速度慢、安全性差和可扩展性不足的问题。因此,本文提出了移

论文介绍了一种基于边缘计算的智能睡眠监测系统,使用微服务架构和缓存技术。该系统通过在数据源附近进行数据处理来减少延迟,提高实时监测能力。缓存技术用于减少数据库负载和优化随机存取存储器(RAM)的使用。研究针对物联网(IoT)健康监测平台在网络质量差的环境中的延迟和响应时间挑战,同时优化了Jetson Nano边缘计算设备上的数据库负载和资源使用。使用心电图(ECG)数据作为输入,系统表现出色,提高

本文提出了一种前瞻性策略,旨在将边缘计算的潜在威胁转变为机遇,推动未来边缘基础设施的可持续演进,使其在环境和经济上都具有竞争力,以加速其被采纳。: 总结了文章的主要发现,并提出了未来的研究方向,包括探索更高的IT功率密度的两相浸没冷却的阈值、评估创新的流体冷凝方法、制定可持续的方法来定制和部署边缘联合体等。: 讨论了在设计支持边缘计算的基础设施部署和运营时需要考虑的三个因素,包括边缘基础设施的战略

然而,提出的硬件组件和用于过程诊断的数据收集方法,以及故障识别的原则,不仅适用于模型,也适用于生产线的其他组件上实施的PDM系统。: 本文的核心是设计一个系统,通过监测生产过程中选定参数来评估生产设备和机器的状态,额外的传感器子系统用于数据收集。传感器信息直接在监测设备的传感器级别上处理,并将各个子系统的结果以触发器的形式存储在数据库中,用于预测性维护过程。: 尽管项目在实验室条件下的简化环境中实

通过利用其非授权频谱的特性和在边缘计算中常见的开源实现,提出了一种信道跳变优化模型,并基于TinyML实现了LoRa传输的信道跳变模型。结果表明,使用TinyML在微控制器中进行信道跳变是可行的,同时证明了TinyML在学习预测LoRa传输最佳信道选择方面的有效性,并通过与随机跳变机制相比,RSSI提高了63%,SNR提高了44%。本节展示了实验和模拟结果,包括对低功耗通信解决方案(LoRa)在提

介绍了基于原型的联合优化和训练软件系统,该系统可以在多个无人机和边缘服务器上运行,包括优化模块和训练模块。作者信息:Enze Yu1,2, Haipeng Dai1,2, Haihan Zhang1,2, Zhenzhe Zheng3, Jun Zhao4, Guihai Chen1,2。总结了本文提出的基于原型的无人机辅助边缘计算网络的联合训练和优化软件系统,验证了系统的性能,并强调了其在实际应

最近DeepSeek已经成为一个非常热门的话题,整天被刷屏。今天我也凑个热闹,在RK3588开发板上实现DeepSeek-R1-Distill-Qwen-1.5B的部署,看看端侧推理的效果。把DeepSeek部署在嵌入式开发板上显然不是为了解决目前DS服务器不好用的问题。更多的是探索AI在嵌入式领域的应用前景。将 DeepSeek 部署在嵌入式开发板上有诸多意义,主要体现在以下几个方面:DeepS

在Quectel Pi M2(RK3576)上,基于Debian 13与Python 3.13.5,成功部署完全离线的中文唤醒词检测。采用sherpa-onnx + Zipformer KWS模型(3.3M),通过自定义keywords.txt实现“你好小智”唤醒。关键点:模型按拼音建模,需正确配置关键词文件与阈值参数。经测试音频验证,可稳定识别指定唤醒词,全程无需联网,适用于低功耗端侧语音助手场
行空板K10作为一块物联网开发板,内置了MQTT的支持,不过它的MQTT有限制,只支持阿里云、OneNet、EasyIoT和SIoT4种MQTT服务器。这对想使用其他MQTT服务器的用户来说不太方便。本文就尝试使用Nanmq轻量化MQTT代理的桥接转发功能实现行空板K10访问任意的MQTT服务器。本文的方法实现了K10开发板接入到任意的MQTT服务器。不过这个方法仍然比较麻烦,因为需要安装一个本地

论文讨论了物联网(IoT)生态系统中边缘设备面临网络攻击的问题,以及如何在这些设备上使用机器学习(ML)技术进行本地入侵检测,以减少对云基础设施的依赖并增强数据隐私。









