近年来,随着深度学习人脸识别轻量级算法和AI硬件加速的发展,传统设备也具备了智能视频分析能力。本文主要面向边缘智能计算通讯领域,充分考虑了边缘智能设备网络环境差异大和易受攻击等问题,重点研究了边缘智能计算队列调度算法和通讯协议相关算法,并完成了嵌入式实时通讯系统的设计与实现。本文研究内容将有助于边缘智能计算实时通讯调度系统的安全可靠,具有极其重要的理论和应用价值。本文的主要工作如下:根据边缘智能计算Qo S的需求,研究和设计了一种基于WF~2Q+的动态感知队列调度算法。由于传统的WF~2Q+各个数据流权值固定,在调度速率较低的情况下,实时性数据得不到优先传输。本文提出综合PQ算法,保证核心实时性数据具有最高的优先级,改进的WF~2Q+算法根据队列积压的长度动态调整非核心实时性数据流的权值,因此改进的WF~2Q+结合PQ算法既能够满足实时性数据的传输,又具有一定的公平性。此外,大量的数据突然间发送到网络中可能会导致网络拥塞,采用令牌桶技术对流量进行整形。根据边缘智能计算软硬件资源有限和易受攻击的特点,研究和设计了一种基于MQTT的数据安全可靠传输方法。由于MQTT默认不采用加密进行通讯,数据有被窃听、篡改和冒充的风险。本文提出在网络传输层采用SSL/TLS安全认证方案,在应用层使用用户名和密码进行验证,针对消息队列中topic权限访问控制机制,采用ACL表进行约束。由于软硬件资源受限,大文件采用分包的传输方式,同时采用停止等待、滑动窗口和超时重发等机制保证数据的可靠传输。由于MQTT是一种适合于M2M通讯的轻量级协议,不适合于海量物联网数据的分布式存储,本文提出将MQTT协议接收的数据发送到kafka消息队列中。最后,综合基于WF~2Q+的动态感知队列调度算法和基于MQTT的安全可靠传输方法,本文提出了面向边缘智能计算的实时通讯系统解决方案,搭建面向边缘智能计算的实时通讯系统。实验结果表明本文所设计的通讯系统在实时性、安全性和可靠性方面均可以满足边缘智能计算应用场景的需求。