《Internet of Things》：Real-Time Scalable UAV Condition Monitoring Framework with Hardware-Level Acceleration for IoT Applications
编辑推荐：
实时可扩展无人机状态监控框架设计与优化研究，提出融合边缘计算与核心服务器的分布式架构，结合OpenMP并行化和AVX2硬件加速技术，实现计算效率提升3.06倍，同时保持高精度缺陷检测能力，并完成1-50无人机集群的全面可扩展性分析。
安东尼奥斯·恩蒂布（Antonios Ntib）| 迪米特里奥斯·迈克尔·马尼亚斯（Dimitrios Michael Manias）| 阿卜杜拉·沙米（Abdallah Shami）
加拿大安大略省伦敦市西安大略大学电气与计算机工程系
摘要
无人机（UAV）是新兴智慧城市的关键组成部分，支持紧急响应、交通、环境监测和基础设施检查等应用。尽管无人机的资源有限，但确保其可靠性需要能够实时检测缺陷的条件监测框架。本研究提出了一种实时、可扩展的无人机条件监测框架，该框架能够高效地在核心服务器和边缘节点之间分配计算任务。这项工作的创新之处主要体现在两个方面：（i）设计并实现了一个适用于实时无人机监测的框架，该框架具备向边缘和核心资源卸载计算能力的功能；（ii）整合了硬件级别的加速策略，包括基于OpenMP的并行化和AVX2 SIMD向量化技术，显著提升了计算效率、可扩展性和实时可行性。这些创新使得该框架成为适用于大规模无人机群部署的实用解决方案。总体而言，该框架在处理时间上实现了显著减少，并提高了资源利用率，同时保持了预测性能。通过对三种框架（一个基线级的Python框架、一个中级的C++/Cython编译版本以及一个完全优化的基于OpenMP/AVX2的框架）的比较评估，证明了该框架适用于集成到关键的基于无人机的物联网（IoT）系统中。
引言
无人机（UAV）已成为智慧城市不可或缺的一部分，其应用范围涵盖紧急服务[1]、交通系统[2]、环境保护[3]、农业[4]和基础设施监测[5]等领域。虽然无人机被广泛用于监测外部系统，但确保无人机本身的健康状况变得日益重要。因此，无人机条件监测和缺陷检测领域受到了广泛关注。早期研究主要集中在电机组件的监测上，而最近的研究则侧重于检测由天气、基础设施、振动和野生动物等环境因素引起的旋翼缺陷。为应对这些挑战，已经提出了多种将信号处理技术与机器学习方法相结合的框架[6][7]。
尽管先前的研究表明无人机旋翼缺陷检测是可行的，但当前的框架通常依赖于计算成本较高的特征提取方法或复杂的实现方式，这阻碍了实时部署。例如，Gemayel等人[8]开发了一个综合性的旋翼状态监测系统，该系统使用了多种特征集和机器学习分类器。尽管他们的方法取得了较高的准确率，但由于特征提取需求量大，计算开销显著增加，使得在大规模无人机群部署中难以实用。
研究空白与动机：在能够实现高检测准确率的研究原型与能够在资源受限的分布式无人机群环境中实时运行的生产就绪系统之间存在显著差距。填补这一空白不仅需要算法效率的提升，还需要系统的硬件-软件协同设计、明确的卸载策略以及现有无人机条件监测文献中尚未充分探索的可扩展性量化分析。本研究的目标是提出一个足够灵活的框架，以便能够利用现有的硬件资源，无论是否存在特定的硬件。这表明，随着物联网（IoT）应用变得越来越关键，加速框架的重要性日益凸显，而利用不同硬件架构来实现多功能性和低功耗仍然是物联网设备制造商面临的挑战。
本文通过介绍一种实时、可扩展的无人机条件监测框架来弥补这一空白。该框架采用了计算效率高的特征提取技术，利用C++/Cython和FFTW库进行性能优化，并引入了基于OpenMP并行化和AVX2 SIMD指令集的硬件级别加速技术，这些技术可以在通用CPU上实现。
本研究的创新之处主要体现在三个方面：
适用于部署的框架架构：我们提出了首个专为分布式边缘-云无人机群部署设计的条件监测框架，该框架具备动态卸载能力、多无人机资源分配以及端到端模型选择流程，能够满足实际部署需求。
硬件-算法协同设计方法：我们系统地将算法简化（减少了基于STFT的特征集）与硬件级别加速相结合，与基线版本相比实现了3.06倍的加速效果，与单核实现相比实现了1.85倍的加速效果，同时保持了Gemayel等人[8]分类方法的准确率。
全面的可扩展性分析：我们首次对无人机条件监测系统进行了严格的可扩展性分析，包括理论模型、1至50架无人机部署的实证验证，以及详细的硬件级别性能分析，为实际部署决策提供了依据。
本文的其余部分结构如下：第2节概述了现有研究进展和相关工作；第3节提供了本研究的数学背景；第4节介绍了所提出的方法论；第5节展示了分析结果；最后，第6节总结了本文并讨论了未来的研究方向。
相关工作
相关研究
条件监测技术已越来越多地应用于与1)基础设施（桥梁[9]、输电线路[10]、道路[11]、光伏电站[12]、风力涡轮机[14]）2)精准农业（作物监测[15]、灌溉[16]、作物喷洒[17]3)环境监测（洪水监测[18]、野火追踪[19]、石油泄漏测绘[20]相关的无人机应用中。随着这些应用的不断发展，对无人机本身的状态监测也变得尤为重要。
背景
所提出的方法论依赖于一系列信号处理和频谱分析技术，这些技术能够实现高效的特征提取和缺陷检测。以下小节详细介绍了这些理论基础。所有数学符号及其描述列在表2中。
方法论
本节概述了所提出框架的所有方法论组成部分，包括系统模型、各种算法和硬件考虑因素，以及本工作的实现细节。
硬件级别性能分析结果
本节提供了所提出的无人机处理框架三种实现的详细硬件级别性能分析结果：（i）在[8]中介绍的基线Python框架；（ii）提出的单核C++/Cython框架；（iii）利用OpenMP和AVX2向量化技术的并行化框架。性能指标通过perf stat工具收集，包括CPU周期数、每周期指令数（IPC）、缓存行为、内存故障、上下文切换和系统级指标等。
结论
本研究对无人机条件监测框架进行了全面的优化研究，是在[8]中提出的框架基础上进行的。研究过程从[8]中提出的框架开始，逐步开发出单核C++/Cython框架，最终利用OpenMP和AVX2指令集在通用CPU上实现了多核C++/Cython框架。AVX2并行化的C++/Cython实现
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益和个人关系：
A.S.：担任IEEE网络与服务管理交易（IEEE Transactions on Network and Service Management）主编、IEEE信息取证与安全交易（IEEE Transactions on Information Forensics and Security）副主编、IEEE通信调查与教程（IEEE Communications Surveys & Tutorials）副主编
D.M.M.：担任IEEE网络与服务管理交易（IEEE Transactions on Network and Service Management）副主编
还有其他作者，则...CRediT作者贡献声明
安东尼奥斯·恩蒂布（Antonios Ntib）：撰写 – 审稿与编辑、撰写 – 原始草案、可视化、验证、方法论、调查、形式分析、概念化
迪米特里奥斯·迈克尔·马尼亚斯（Dimitrios Michael Manias）：撰写 – 审稿与编辑、撰写 – 原始草案、资源管理、项目协调、方法论、调查、形式分析、数据整理、概念化
阿卜杜拉·沙米（Abdallah Shami）：撰写 – 审稿与编辑、撰写 – 原始草案、监督、资源管理、项目协调、方法论、调查
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
