面向移动计算的WEB中间件关键技术研究

摘要

移动计算环境动态多变且异构，面向移动计算的 WEB中间件需要适应这些复杂性，本文从提高移动计算平台应用软件的适应性、意识性支持等方面入手，分析了中间件技术的发展现状和趋势，结合移动计算中间件特点和面临的各种挑战，提出了基于意识的 Web中间件体系结构，力图实现一种能够较好支持移动计算环境的软件基础架构，并通过原型系统验证该中间件体系结构的有效性。本文主要内容和贡献点包括：
　　1.提出了基于意识的移动 WEB中间件架构，分析设计了中间件中的 WEB技术引擎、上下文感知引擎和意识核心引擎，通过上下文感知引擎，中间件能够获取动态环境中的各种上下文信息，并结合近场通讯（Near Field Communication-NFC）技术，利用意识核心引擎，解决动态环境中服务的自动获取，以及应用的适应性问题。
　　2.提出了基于NFC的上下文意识中间件架构，解决了移动计算中具有上下文意识的，并能适应各种上下文变化的高级应用问题，提供了上下文意识应用的基础设施支持。同时，基于改进的AdaBoost算法和LBP(Local Binary Pattern)算法，实现了面向移动设备的快速人脸识别系统。基于 NFC的上下文意识中间件框架和人脸识别算法，有效支持各种上下文的获取、解释和访问，应用进一步验证该方法能更好地改善用户体验。而且，论文提出了一种跨平台 NFC软件栈架构。通过 NFC软件栈运行时环境提供抽象的、无差异的操作系统基础服务；通过NFC控制器抽象层向上层屏蔽不同NFC控制器之间的差异；通过NFC服务接口层来适应不同的操作系统或应用框架，以实现对第三方 NFC应用的兼容。基于该架构实现的 NFC软件栈可以适应多种软硬件平台，使其功能和性能满足移动WEB中间件要求。
　　3.提出了面向移动计算的、具有 QoE意识的 WEB中间件架构，提出了面向多媒体服务的QoS/QoE相关模型，研究了无线网络环境中使用QoS参数评价QoE的方法。使用提出的QoS/QoE相关模型，基于论文提出的移动WEB中间件开发的应用，能够预测特定网络环境中多媒体服务的 QoE值，并自动调整应用参数，解决移动多媒体计算环境中应用自动意识并适应网络环境的问题，改善多媒体服务的QoE。而且，论文提出的QoS/QoE相关模型测试QoE的方法与基于模型的方法测试QoE结果做了对比验证，进一步证明论文提出方法的有效性。
　　4.提出了面向移动多媒体计算的、具有私密保护意识的中间件架构，基于NFC传感器获得动态环境中私密保护上下文需求信息，提供端到端的视频通讯安全策略，确保只有授权的用户看到视频信息。并采用基于伪随机数的方法实时在DCT域对视频信号加扰，即Intra宏块的变换域参数符号做伪随机翻转，从而使得非授权用户无法正确解码所需要的视频。为保证产生伪随机数的种子状态值的安全传输，对称密钥加密和公钥加密技术用于确保其安全送达接收方。同时，尽可能减少私密意识计算复杂度对实时视频通讯的影响。
　　5.提出了针对HTML5 Canvas的渲染算法。该算法改进了Canvas的渲染流程；并在优化了 Grid算法的基础上实现了线性渐变和放射渐变填充；通过动态跟踪图形的失效区域，合理划分出多个局部待渲染区域，实现了局部渲染，与传统算法相比，在大分辨率的设备上性能提高非常明显；通过分析 Canvas中曲线绘制原理，提出了任意圆弧的轮廓化算法，该算法通过中点规则计算出圆弧Bézier曲线的控制点，相比传统算法，算法复杂度小，绘制效率高，适用移动设备。最后的仿真测试验证了以上几个方面优化的良好效果。

目录

封面

声明

中文摘要

英文摘要

目录

缩写词表

第一章 概述

1.1研究的背景及意义

1.2论文的主要工作

1.3论文的结构和组织

第二章 基于意识的移动WEB中间件架构

2.1基于意识的移动WEB中间件架构

2.2 WEB技术引擎

2.3 上下文感知引擎

2.4 意识核心引擎

2.5 本章小结

第三章 NFC上下文意识的移动WEB中间件

3.1 引言

3.2 跨平台NFC软件栈研究

3.3 NFC上下文意识的WEB中间件

3.4 本章小结

第四章 QoE意识的移动WEB中间件

4.1 引言

4.2 QoS/QoE体系结构

4.3 QoE意识的中间件架构

4.4 QoE/QoS相关模型研究

4.5 QoS指标权计算

4.6基于QoS/QoE相关模型的QoE测试

4.7 模型对比验证

4.8 本章小结

第五章 私密意识的移动WEB中间件

5.1 引言

5.2 私密意识的WEB中间件架构

5.3 变换域加扰算法

5.4 端到端的安全策略

5.5 原型验证

5.6 本章小结

第六章 HTML5 Canvas 2D 渲染的优化

6.1 引言

6.2 图形渲染技术

6.3 测试

6.4 本章小结

第七章 总结与展望

7.1 本文的创新

7.2 未来的工作

致谢

参考文献

攻读博士期间取得的研究成果