项目1：AI加速芯片设计及基于FPGA的AI芯片测试与演示验证系统实现
如何设计芯片架构和数据移动策略以满足AI应用不断增长的高性能计算能力和高能效比需求成为AI加速器设计的关键。片上网络将网络设计的思想移植到芯片设计中，将IP核通过网络进行高效互连，具有通信性能优秀、重用性好、扩展性高、并行能力强等一系列优点。相比于传统的片上电互连，片上光互连具有更高的带宽密度、更低的通信时延及系统功耗等优势，并且光互连中多种复用技术给解决AI应用中数据通信遇到的问题带来了良好机遇。如何结合片上电互连和光互连的优势，研究面向AI应用的加速芯片架构和系统成为AI加速器芯片架构设计的关键。
需解决的问题：
（1）针对AI应用的数据处理和移动特性，进行面向AI应用的数据流优化；
（2）AI应用数据流到片上网络架构映射优化；
（3）面向AI加速的光电混合片上网络架构设计；
（4）基于FPGA的AI芯片测试与演示验证系统实现与优化。
项目2：基于FPGA的脉动阵列设计与优化
深度神经网络在计算视觉、自然语言处理等领域发挥着重要作用。以谷歌，Tesla 等为代表的众多加速系统均采用脉动阵列实现深度神经网络应用中的计算任务。脉动阵列计算性 能的高低、以及与存储系统之间数据搬移过程的快慢决定了深度神经网络任务执行的效率。 因此需要对脉动阵列的工作原理、存储访问通信过程进行理解与探索。本课题借助 FPGA 硬 件资源与 Vitis 开发工具，在硬件上实现二维脉动阵列，并利用脉动阵列执行卷积操作，探 索卷积操作加速相关方案。具体要求如下：
(1) 理解脉动阵列中权重固定和输出固定两种典型数据流模式，区分二者的主要差别。
(2)在linux环境下部署Vitis2019.2开发工具，根据教程熟悉并掌握开发流程。相关链接：https://github.com/Xilinx/Vitis-Tutorials
(3) 理解并掌握gemm模块工作原理和代码，并在FPGA上实现基于输出固定数据流模式 的脉动阵列，实现规模任意的卷积层加速。
(4) 针对不同规模脉动阵列执行不同规模卷积操作场景，测定最终执行时间的差异，分 析可能影响执行时间的因素，提出卷积操作加速优化方案。
项目3：数据驱动的智能网络管控系统
随着互联网的不断发展以及物联网、大数据、人工智能等新兴技术的出现,网络中的数据量飞速增长、网络复杂度急剧提升，为网络资源管控带来了巨大的挑战。如何从多元、海 量的网络数据中获取网络知识，及时感知网络环境信息的实时变化，实现自适应的智能网络 管控决策，已成为提升网络服务质量的关键研究问题之一。
本项目拟在 SDN 技术的基础上，研究数据驱动的智能网络管控系统，构建网络运行和决 策分析的可视化平台，实现网络状态的实时呈现，支持分布式网络数据的分析与知识提取， 支持网络智能决策算法的部署和执行。
需解决的问题：
（1）在SDN架构下，设计基于多元网络数据的采集与提取方案；
（2）研究网络流量态势的监控、预测与感知，设计数据驱动的网络流量预测与感知方案；
（3）设计网络运行分析的可视化功能，实现网络状态的实时呈现，支持网络状态的分析；
（4）设计网络智能化决策功能，支持网络智能管控决策的部署与执行；
（5）实现人机交互功能，提高网络资源管控的可操作性。
项目4：分布式AI框架下的同步算法设计
针对目前大规模数据并行训练中多GPU进行模型参数同步产生的高通信开销以及现有的参数同步方法不能有效地利用网络资源等问题，本项目拟研究基于大规模分布式机器学习 的高效参数同步算法，以实现对网络资源的合理分配，使不同网络拓扑下的参数同步开销最 小化成为可能，为加速分布式AI训练过程提供解决方案。
需解决的问题：
（1）分析大规模数据中心或高性能计算中心的常用网络拓扑，确定适合分布式机器学习的网络环境；
（2）结合特定的网络拓扑结构，设计合理高效的参数同步算法，降低通信开销；
（3）根据现有的机器学习平台如horovod，分析参数同步算法的实现流程；
（4）结合分布式机器学习的网络环境，如何在horovod等机器学习平台上实现自主设计的同步算法。
项目5：基于小型无人机的农业巡检系统
通过小型无人机携带温度、湿度等传感器进行巡检。主要功能包括：环境信息采集；检查智能农业系统的温度、湿度、光照等传感器的功能和精度；定时、定点拍照记录并上传服 务器，减轻工作人员负担；异常状态发现。
需解决的问题：
（1）环境重构，通过视觉、GNSS等信息，重构某区域的3D或者2D环境；
（2）路径规划，根据任务要求和重构的环境，规划和优化工作路径；
（3）图像增强和去噪，通过长时间摄像和拍照，进行超分辨率去噪成像；
（4）小型无人机控制；
项目6：农作物图像拍摄和评价系统
基于数字图像处理技术的智慧农业已经成为当前农业信息化中的关键研究领域。利用数字平台获取的农作物图像可以为专家提供非常丰富的信息,比如,农作物的长势,农作物病虫 害情况等。
需解决的问题：
（1）针对农作物的种植需求，研究农作物图像的图像拍摄系统，提出拍摄模板，研 制拍摄软件，用于辅助农作物图像的获取，使普通操作人员也可以拍摄具有有价值信息的农 作物图像；
（2）图像增强和去噪，通过长时间摄像和拍照，进行超分辨率失真校正、去噪和成 像；
（3）提出了一种质量评价方法,识别农作物的生产情况。
项目7：智慧桥梁健康状况监测系统
针对目前桥梁监测技术存在的监测结果滞后、监测数据无法科学整合分析、信息无法实时传输和共享等问题，本项目拟研究基于无线传感技术的具有自学习能力的智慧桥梁监测系 统，以实现对桥梁 24 小时的全天候监测，使桥梁健康状况信息的实时采集和自主分析预警 成为可能，为桥梁实时安全预测提供解决方案。
需解决的问题：
（1）分析影响桥梁健康状况的主要因素，确定系统涵盖的传感器类型；
（2）结合无人值守使用环境的特点，合理选择末端传感器节点与网关之间选用的网 络技术；
（3）如何将边缘计算的概念运用在末端传感器节点，提高数据的可靠性；
（4）如何将单座桥梁的所有传感器数据汇聚至远端监控节点；
（5）结合系统所获取的原始传感器数据，如何评估桥梁健康状况；
（6）如何在同一监控节点管理多座桥梁的健康状况；
项目8：智能猪耳标监控管理系统
在生猪养殖过程中生猪健康因素的检测是一个非常重要的环节。本项目将利用红外测温技术、RFID 射频识别技术、称重技术、自动化控制技术设计出一套准确监测生猪健康状况 的测定系统，以对生猪生长状况的监测实现自动化、智能化、精细化、实时化。通过实时性 监测、报警和对生长性能的数据分析可以更好的判断生猪的健康状况，有利于猪群疫情的防治。
需解决的问题：
（1）根据猪舍环境以及使用场景，选择适宜的网络技术，实时搜集汇总猪只的温度 与身份信息；
（2）结合蓝牙区域定位技术，设计合理的猪只无人称重功能；
（3）结合视觉AI或超声波技术，设计针对猪只的测膘功能；
（4）分析影响猪只生长发育的环境因素，设计猪舍环境健康监测预警系统；
（5）分析某种猪常见疾病的发病症状，研究如何对症状信息进行提取，设计针对该 疾病的预警系统。
项目9：基于SDN架构校园网网络攻防体系设计
当前很多大学的校园网络系统逐步从传统网络架构向 SDN(软件定义网络)架构进行迁移，在安全层面上期待利用 SDN 采用面向业务的分组模式，通过安全组进行统一管理，实现 各种高级复杂的策略控制功能。本项目主要聚焦校园网内针对 SDN 架构的网络安全问题，如 何进行早期识别，如何进行预警以及攻击发生后如何进行防范。
需解决的问题：
（1）传统网络架构中常见的攻击方式在SDN网络中的表现形式有何不同？
（2）针对利用域名服务进行放大式网络攻击，研究其流量特征，早期征兆；
（3）针对利用memcached服务器进行网络攻击，研究其攻击特点，受害者在遭受攻击时的表现；
（4）针对MITM中间人攻击的特点，研究中间人进行窃听的原理，识别中间人攻击的方法；
（5）设计针对各类网络攻击的防御方法，并在虚拟仿真环境中进行测试；
（6）构建面向SDN校园网应用环境下的网络攻防原型系统；
项目10：虚实结合的SDN数据中心仿真环境设计
SDN提出了采用软件定义网络的思路，具有转发和控制分离、控制逻辑集中、网络虚拟化、网络能力开放化等特点。因此SDN技术能很好地契合数据中心网络的集中网络管理、灵 活组网多路径转发、虚拟机部署和智能迁移、虚拟多租户、IaaS等方面的需求，非常适合在数据中心网络中应用。但在SDN数据中心规划、设计、论证、设备选型以及应用功能调试 等阶段，为了有效的验证相关结论，必须在实际网络建成之前预先构建一个验证环境，既要 保证适度的真实性，又要保证规模与实际情况相当，并且还需要尽可能快速部署。本项目主 要聚焦如何构建一个包含实际SDN设备与虚拟SDN网络相结合的低成本半实物仿真验证环境。
需解决的问题：
（1）针对SDN数据中心的一般体系架构，设计半实物仿真验证环境的拓扑；
（2）设计实体SDN白盒交换机与虚拟SDN网络仿真软件间的信息交互接口；
（3）提出若干种测试用例，检验仿真验证环境是否能够逼真的反映数据中心的各项 功能或性能特点。
项目 11：基于 AIOT 的智能车辆数据监控及辅助驾驶系统
设计一款实时的智能汽车监控系统，基于时下 AIOT（人工智能物联网）技术潮流，实现云 端数据仓库以及智能边缘决策。搭建从车辆传感器到云服务器的完整数据通路，实现数据的 采集与上传；开发车辆终端操作页面，流畅显示数据的监控与上云；搭建云端服务器，实现 了系统的云数据仓库，并以此为实现特色功能，包括车辆危险预警、车辆轨迹监控、历史数 据查询、用户定制报表等；设计并开发用于数据展示的 web 页面，为数据仓库的展示与管理 提供交互页面。
需解决的问题：
（1）.实现从终端车辆传感器到云端服务器的数据采集、重载、上传、展示等功能，实时监控汽车的运行时数据，并搭建云端数据的在线管理系统；
（2）.利用边缘计算的处理速度优势，为边缘服务器设计合适的数据挖掘算法，提供即时的 驾驶辅助信息，形成一体化的智能驾驶辅助系统。
