隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展和普及,萬物互聯(lián)的時代將全面開啟,伴隨著智能終端種類和設(shè)備的持續(xù)增多,其產(chǎn)生的海量數(shù)據(jù)所面臨的數(shù)據(jù)傳輸處理問題日益浮現(xiàn),這些設(shè)備不僅有智能手機(jī)或筆記本電腦,還包括智能汽車,自動售貨機(jī),智能可穿戴設(shè)備,外科醫(yī)療機(jī)器人等。以傳統(tǒng)云計算為核心的大數(shù)據(jù)計算方式,需要將無數(shù)類型的智能設(shè)備生成的海量數(shù)據(jù)集中入云進(jìn)行數(shù)據(jù)計算、管理和分析,大規(guī)模數(shù)據(jù)接入傳輸會消耗大量的網(wǎng)絡(luò)基礎(chǔ)架構(gòu)和云基礎(chǔ)架構(gòu)資源,從而加劇延時和帶寬負(fù)載問題,導(dǎo)致物聯(lián)系統(tǒng)中的實(shí)時計算需求無法滿足。因此,基于邊緣計算模型的邊緣式大數(shù)據(jù)處理方式逐漸集成到大型物聯(lián)網(wǎng)系統(tǒng)中。在物聯(lián)網(wǎng)系統(tǒng)中,邊緣計算層離物聯(lián)網(wǎng)終端設(shè)備更近,因此,它不僅可以進(jìn)行數(shù)據(jù)收集處理等任務(wù),還可以減少終端設(shè)備與云中心間的傳輸延遲。但邊緣節(jié)點(diǎn)的計算和存儲資源十分有限,難以處理大規(guī)模數(shù)據(jù)。因此,本文提出了一種將云與邊緣節(jié)點(diǎn)相結(jié)合并利用深度學(xué)習(xí)技術(shù)進(jìn)行傳感數(shù)據(jù)接入傳輸?shù)姆椒?該方法可以縮短響應(yīng)時間,提高數(shù)據(jù)傳輸效率,同時還可以減少網(wǎng)絡(luò)流量,達(dá)到降低帶寬負(fù)荷的作用。論文的主要工作包括:第一,本文通過對傳統(tǒng)物聯(lián)網(wǎng)系統(tǒng)數(shù)據(jù)接入需求進(jìn)行分析,闡述了基于云和邊緣計... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究問題及分析
    1.4 本文主要研究內(nèi)容
    1.5 論文的組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)
    2.1 邊緣計算
        2.1.1 邊緣計算簡介
        2.1.2 兩種計算模型
        2.1.3 邊緣計算優(yōu)勢
    2.2 物聯(lián)網(wǎng)
        2.2.1 物聯(lián)網(wǎng)簡介
        2.2.2 物聯(lián)網(wǎng)數(shù)據(jù)接入機(jī)制
        2.2.3 物聯(lián)網(wǎng)數(shù)據(jù)傳輸調(diào)度
    2.3 深度學(xué)習(xí)
        2.3.1 深度學(xué)習(xí)簡介
        2.3.2 深度學(xué)習(xí)典型模型
        2.3.3 深度學(xué)習(xí)應(yīng)用發(fā)展
    2.4 本章小結(jié)
第三章 基于邊緣計算的數(shù)據(jù)接入原理
    3.1 系統(tǒng)總體架構(gòu)
        3.1.1 物聯(lián)網(wǎng)設(shè)備層
        3.1.2 邊緣計算層
        3.1.3 云中心層
    3.2 邊云協(xié)同方法
        3.2.1 邊云協(xié)同方法原理
        3.2.2 邊緣端數(shù)據(jù)接入算法
        3.2.3 云端數(shù)據(jù)預(yù)測算法
    3.3 本章小結(jié)
第四章 物聯(lián)數(shù)據(jù)接入系統(tǒng)設(shè)計與實(shí)現(xiàn)
    4.1 物聯(lián)數(shù)據(jù)接入系統(tǒng)總體設(shè)計
    4.2 物聯(lián)數(shù)據(jù)接入系統(tǒng)邊緣端的設(shè)計與實(shí)現(xiàn)
        4.2.1 樹莓派
        4.2.2 Keras框架
        4.2.3 邊緣端數(shù)據(jù)接入方法的實(shí)現(xiàn)
        4.2.4 邊云協(xié)同預(yù)測方法的實(shí)現(xiàn)
    4.3 物聯(lián)數(shù)據(jù)接入系統(tǒng)云端平臺部署方案
    4.4 邊緣設(shè)備和Things Board平臺模塊的數(shù)據(jù)傳輸
        4.4.1 邊緣設(shè)備和云平臺的數(shù)據(jù)傳輸方式
        4.4.2 邊緣設(shè)備與云端數(shù)據(jù)傳輸具體流程
    4.5 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果分析
    5.1 實(shí)驗(yàn)環(huán)境
    5.2 數(shù)據(jù)預(yù)測的精度評估
        5.2.1 實(shí)驗(yàn)數(shù)據(jù)
        5.2.2 實(shí)驗(yàn)方法
        5.2.3 實(shí)驗(yàn)分析
    5.3 帶寬負(fù)載評估
        5.3.1 實(shí)驗(yàn)方法
        5.3.2 實(shí)驗(yàn)分析
    5.4 數(shù)據(jù)傳輸延時評估
        5.4.1 實(shí)驗(yàn)方法
        5.4.2 實(shí)驗(yàn)分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 主要結(jié)論
    6.2 研究展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號：3464992