针对现有的复杂事件匹配处理方法存在的匹配代价高的问题，提出了一种利用事件缓冲区（有序事件列表）进行递归遍历的复杂事件匹配算法ReCEP。不同于现有方法利用自动机在事件流上进行匹配，该算法将复杂事件查询模式中的约束条件分解为不同类型，再在有序列表上对不同约束分别进行递归校验。首先，根据查询模式将相关事件实例按照事件类型进行缓存；其次，在有序列表上对事件实例执行查询过滤操作，并给出了一种基于递归遍历的算法来确定初始事件实例并且获取候选序列；最后，对候选序列的属性约束进行进一步的校验。基于股票交易模拟数据进行的实验测试和分析的结果表明，与当前主流的匹配方法SASE和Siddhi相比，ReCEP算法能够有效地减少查询匹配的处理时间，总体性能上均更优，查询匹配效率提升了8.64%以上。可见，所提出的复杂事件匹配方法能够有效提高复杂事件匹配的效率。

随着虚拟现实（VR）一体机的蓬勃发展，内向外六自由度（6DOF）的追踪技术已成为主流的头部追踪方案。然而，由于要同时处理大量视觉及惯性测量单元（IMU）数据，计算量较大，在ARM移动平台计算能力有限的情况下，如何同时达到较好的追踪精度和稳定性成为实现该系统的关键技术难点。为此，基于ARM移动平台和开源ORB-SLAM3算法，设计并实现一套追踪精度高、稳定性好的VR 6DOF头部追踪系统。首先，通过高精度机械臂对IMU和Camera进行联合标定，并通过IMU积分信息与VIO（Visual-Inertial Odometry）进行位姿融合优化；其次，结合VR使用场景，调低单帧图像的特征点规模，以降低算法复杂度，达到近1 kHz的6DOF位姿输出频率；最后，提出一种针对视觉跟踪丢失的快速处理策略，以提高追踪状态的稳定性。经过以上优化后的算法运行在高通XR2平台上的实验结果显示，相较于传统的ORB-SLAM3算法，所提算法在相对位置误差（RPE）和相对旋转误差（RRE）指标上分别减小了44.4%和73.4%，在实时性和精度指标上能满足VR一体机需求。