低信噪比下，为解决常规波束形成等权值累加空间谱各方位谱值，导致目标方位谱值被非目标方位谱值淹没，不能实现对水下辐射噪声信号未知的目标检测问题，本文提出了一种基于波束域相位稳定性的目标检测方法.依据水下目标辐射噪声含有稳定线谱及空间谱各方位对应波束域相位稳定性差异，该方法利用波束域相位方差对各方位谱值进行加权统计，实现了对水下目标方位角的有效估计.数值仿真和实验结果表明：相比常规波束形成，该方法可以进一步增强目标方位能量，抑制非目标方位噪声干扰，改善目标检测信噪比增益.
演变中的本体常出现不一致性问题，这将导致标准推理失效.针对不一致性问题，最小不可满足保持子集能够提供本体中概念不可满足的解释.计算最小不可满足保持子集是本体工程中的一项重要的非标准推理任务，但多数计算方法须借助外部的推理机，导致计算的效率不高.为了减少对推理机的依赖，本文提出了一种基于图的最小不可满足保持子集的计算方法.新的方法面向DL-Lite描述逻辑家族，将DL-Lite本体转换成图，将本体中的最小不可满足保持子集转换成图上的最小不可满足保持路径对.对比实验表明，基于图的方法提高了计算的效率和稳定性.
在微电子结构中常见的二维衍射光栅的分析中，严格耦合波分析法（Rigorous Coupled Wave Analysis，RCWA）方法计算耗时，占用内存比较大.本文将微扰法与RCWA相结合的算法应用于二维衍射光栅分析中，以提高其计算效率.求解非矩形光栅问题时，需将光栅做阶梯近似.通过RCWA求解参考层的本征值，其余层的本征值可通过微扰法得到.实验表明，微扰法满足计算精度要求，且计算效率也能得到提高.对于本文中的例子，当光栅的截断阶数选为12时，计算时间可以节省45%.
正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）信号具有较高的峰均功率比（Peak to Average Power Ratio，PAPR），不仅影响功率放大器（High Power Amplifier，HPA）的工作效率，而且HPA使得OFDM信号产生严重的非线性失真，导致系统的误比特率（Bite Error Rate，BER）增大.本文基于限幅和压缩感知（Compressive Sensing，CS）提出了改进的补偿算法，发送端采用限幅降低信号的PAPR，接收端首先采用改进的逆模型方式减小HPA引入的非线性失真，再采用CS抵消由限幅引入的信号失真.仿真表明，所提方法不仅明显降低了OFDM信号的PAPR，而且有效提高了系统的BER性能.
为了实现相对论返波管振荡器（RBWO）永磁包装，本文采用Magic模拟软件在0.5T低磁场相对论返波管（RBWO）器件结构基础上，通过在器件慢波结构末端添加一个部分反射腔，减小电子束质量对束波转换影响，即减小引导磁场的影响，实现了Ku波段相对论返波管振荡器0.3T磁场下运行.当电子束束压600kV、电子束束流7kA时，模拟得到器件输出微波功率740MW，效率18%.尽管该器件的效率低于0.5T磁场下的效率（25%），然而0.3T引导磁场在工程上更容易实现.结合小型化的脉冲功率源进行实验研究，当二极管束压580kV、束流6.5kA，实验获得功率600MW，频率13.10GHz，脉宽25ns的微波输出，该器件的研制可以促进高功率微波（HPM）系统小型化的发展.
链接预测与属性推断是社交网络数据挖掘的两项重要任务.之前的大部分研究工作将链接预测和属性推断视为不同的问题，分别研究解决方法.然而，根据网络结构的同质性理论，社交网络中的链接与属性之间具有内在关联.本文提出了基于社团结构的链接预测和属性推断联合解决方法（LAIC），将社团结构作为链接预测与属性推断的关联因子，利用用户属性和社团结构进行链接预测，利用链接信息得到社团属性进而推断用户属性.LAIC不仅同时解决了链接预测和属性推断问题，而且通过迭代使链接预测和属性推断的准确率可以相互提升.两个真实数据集上的实验证明LAIC方法是有效的.
现有微博文本情感分析方法多面向单一语种语料，如：中文语料.但是，中英文搭配使用的表达习惯已逐渐成为个体意见表达的重要形式.本文提出一种基于双语词典的多类情感分析方法，通过构建双语多类情感词典对微博文本进行多分类语义倾向性分析，以便更准确有效捕捉群体意见，及时发现社会舆论倾向.通过与多数投票算法、支持向量机算法、基于余弦距离的K近邻分类算法相比，本文提出的基于双语词典的多类情感分析模型具有良好的分类效果，其在分类准确率、F1值等方面都有明显提高.
多标签分类在基因分类，药物发现和文本分类等实际问题中有着广泛的应用.已存在的多标签分类算法，通常都是从网络中随机的选取节点作为训练集.然而，在分类算法执行的过程中，网络中不同节点所起的作用不同.在给定训练集数目的情况下，选择的训练集不同，分类精度也会不同.所以我们引入了种子节点的概念，标签分类从种子节点开始，经过不断推理，得到网络中其他所有节点的标签.本文提出了SHDA（Nodes Selection of High Degree from Each Affiliation）算法，即从网络的每个社团中，按比例的选取度数较大的节点，然后将其合并，处理后得到种子节点.真实数据集上的实验表明，将种子节点用作训练集进行多标签分类，能够提升网络环境下多标签分类的准确率.
在射频识别（Radio Frequency Identification，RFID）系统中，针对EPC C1G2协议的Q算法中Q值调整的不灵活性及对空闲时隙和碰撞时隙处理上的缺点，提出了一种基于连续时隙预测的帧时隙Aloha防碰撞算法.通过马尔可夫时隙状态模型，分析不同连续时隙状态下帧长与标签数的关系，提出连续时隙预测机制和自适应散列方案.有效地减少了无效时隙的出现，实现了读取阶段的时隙多数为成功时隙.仿真结果表明，本文提出的算法能够灵活地调整帧长，有效提高吞吐率，降低传输延时和开销，为物联网（Internet of Things，IoT）的海量数据信息完整性问题提供了合理的解决方案.
在同步情况下，基于对偶码可有效重建线性扰码的反馈关系，但非合作通信方同样需要完成盲同步.在无噪声条件下，针对编码加扰序列的盲同步问题，结合反馈多项式检测提出了帧同步盲识别算法.利用初始帧同步中探测的反馈多项式倍式集，可同时完成扰码反馈多项式和扰码序列的估计.实现初始同步后，可借助解扰数据帧结构属性完成精确同步；然后，将算法推广到了含噪信道情况；最后，基于Walsh-Hadamard变换给出了检测统计量的规范计算方案，以降低计算复杂度.
在下行多用户多入多出（MU-MIMO）系统中，基站（BS）所获得的非理想信道状态信息（CSI）会导致频分双工（FDD）系统预编码性能变差.现有的MU-MIMO鲁棒预编码算法虽然可以对抗非理想CSI所导致的系统性能损失，但其只考虑其中一种或两种信道误差的鲁棒性，因此系统性能提升有限.本文通过建立包含信道估计误差、量化误差和延时误差的联合信道误差模型，推导出具有集中式特性的基于最小均方误差（MMSE）的鲁棒波束成形矩阵的闭式解；随后将这种信道条件应用到分布式通信系统，并推导出具有分布式特性的基于信号泄露的MMSE的鲁棒波束成形矩阵的闭式解.数值分析表明，本文所提的集中式和分布式MU-MIMO波束成形算法，与只考虑量化误差的鲁棒MMSE算法相比，具有更优的系统和速率与误码率，补偿了上述三种信道误差所导致的预编码性能损失.
在遥感领域，平台振动是合成孔径激光雷达（SAL）研究中的一个重要问题.目前尚没有针对SAL的平台振动补偿方法.根据对振动机理分析，平台振动的影响体现在相位误差上. 根据对振动机理的分析，可以利用多项式描述平台振动带来的相位误差. 基于这一转化模型利用优化算法对多项式系数进行优化求解可以达到补偿效果。优化过程需要选取合适的目标函数，用优化后的求解结果补偿回波数据相位，补偿结果再用匹配滤波器进行压缩.通过仿真和实验证明，用优化算法实现相位误差补偿可以达到很好的压缩效果.研究工作为平台振动补偿技术提供了一项选择.
针对现有云计算系统中负载均衡方法的不足，借鉴系统逻辑分层和多代理的思想，提出一种基于分层多代理的云计算负载均衡方法.通过对云计算平台逻辑分层，在任务代理层设置任务监控代理和任务子代理，根据用户任务的差异性，采用基于任务优先级和QoS目标约束的调度策略协同完成任务调度；在资源代理层设置资源监控代理和资源子代理，考虑物理节点的异构性，采用基于启发式贪婪的资源分配策略协同完成虚拟机到物理节点的映射.通过评估对比仿真实验，结果表明该方法在任务调度效率、任务完成时间、截止时间违背率和负载均衡度方面表现更优，多代理有效地分担了中心管理节点的管理负载，使云计算平台的任务处理能力、资源利用率及鲁棒性均得到了进一步的提升.
社团结构划分对于分析复杂网络的统计特性非常重要.在非均匀社交网络的信息传播中，社团结构划分更是一个广泛关注的研究热点，相关研究往往侧重于研究紧密连接的社团结构对于信息传播所产生的关键影响.传统社团划分方法大多基于点和边的相关特性进行构建，如标签传播算法LPA（Label Propagation Algorithm）通过半监督机器学习方法，基于网络节点标签的智能交换和社团融合过程进行社团划分，但运行效率较低.为提高LPA类算法的运行速度，使其快速收敛，并提高社团划分精度，特别是重叠社团划分精度，针对LPA算法划分中的低运行效率和低融合收敛速度，本文从标签传播的网络连接矩阵本质出发，将该矩阵的最大非零特征值与网络标签信息传播的阀值相结合，提出了新的基于传染病传播模型的社团划分方法（简称ESLPA算法，Epidemic Spreading LPA）.通过经典LFR Benchmark模拟测试网络、随机网络以及真实社交网络数据上的算法验证，结果表明该算法时间复杂度大幅优于经典LPA算法，在重叠社团划分上精确度优于基于LPA模型的经典COPRA算法，特别是在重叠社团较明显时，划分精度接近精度较高GA、N-cut和A-cut算法，明显优于GN、FastGN和CPM等经典算法.
本文对AIS（Automatic Identification System）信号海上传播二次相位因子的预测算法进行研究.在深入研究海面参数对AIS信号二次相位因子影响的基础上，给出AIS频段的反射系数；在综合分析海水温度、盐度、收发天线高度和传播距离长度对AIS信号二次相位因子影响的结果下，给出不同海态时AIS信号的二次相位因子.研究结果将有助于AIS信号沿海面传播延时的高精度测量.
复杂背景下的运动目标检测一直是计算机视觉领域中一个具有挑战性的问题，本文提出一种基于多层背景模型的运动目标检测算法.该算法首先从视频序列的第一帧中提取每个像素的邻域样本，用于初始化背景模型，只需一帧图像即可完成背景模型的初始化；其次，为实现背景模型的自适应更新，引入随机采样技术，随机选取一个不匹配的码字，采用新的背景像素取而代之，避免错误分类的码字长时间驻留在背景模型中；为处理动态场景中多种干扰因素的影响，提出了多层背景模型策略，每个像素经过多层背景模型的逐层验证，保证了背景模型的精确性.实验结果表明，该算法能够有效克服复杂背景下的多种干扰因素影响，且检测率和识别率均高于现有经典算法.
光伏系统的MPPT架构有集中式、组串式和分布式三种类型.不同MPPT架构光伏系统组件串并联结构不同，对局部阴影和组件参数失配产生的输出功率损失表现出的抑制能力不一样，发电效率有明显差别.本文对不同MPPT架构光伏系统的发电效率进行比较研究，结果表明因局部阴影与组件参数失配影响，分布式MPPT光伏系统年均发电量比集中式MPPT光伏系统提高约4.65%～19.62%，比组串式MPPT光伏系统提高约2.64%～12.86%，具体数值随发生阴影时间比例、参数失配幅度增大而变大，且与具体阴影情形有关.
提出了一种无标记点的人脸表情捕捉方法.首先根据ASM（Active Shape Model）人脸特征点生成了覆盖人脸85%面部特征的人脸均匀网格模型；其次，基于此人脸模型提出了一种表情捕捉方法，使用光流跟踪特征点的位移变化并辅以粒子滤波稳定其跟踪结果，以特征点的位移变化驱动网格整体变化，作为网格跟踪的初始值，使用网格的形变算法作为网格的驱动方式.最后，以捕捉到的表情变化数据驱动不同的人脸模型，根据模型的维数不同使用不同的驱动方法来实现表情动画重现，实验结果表明，提出的算法能很好地捕捉人脸表情，将捕捉到的表情映射到二维卡通人脸和三维虚拟人脸模型都能取得较好的动画效果.
为实现FMCW（Frequency Modulated Continuous Wave）雷达在复杂多目标场合的无模糊测量，本文提出了一种梯形波调制方式，并首次推导了其在最坏情况下的虚假匹配结果数.在此基础上，本文创新地设计了快速中频容差匹配算法（TFBM，Tolerance-Fast Beat frequency Matching）和虚假目标消除算法（FGTC，Fast Ghost Targets Canceling）及其对应的容差匹配条件.其中TFBM算法可以根据一个梯形周期的测量结果，容差、快速地找出所有可能的匹配；FGTC算法可以消除TFBM算法结果中的虚假目标.严格地理论推导和仿真结果表明，在梯形波调制下的FMCW雷达配合使用TFBM和FGTC算法不仅可以无模糊测量多目标的速度、距离信息，而且可以显著地降低计算复杂度.
现有的分簇协作路由没有依据协作通信的特点选择簇头，也没能根据簇头节点的服务能力均衡簇成员负载，因而不能充分发挥协作通信能量高效的优势.本文提出了一种基于演化博弈的分簇协作路由算法CCREG.算法首先定义虚节点剩余能量作为簇头确立的指标，然后通过动态演化博弈为簇联盟问题建立模型.簇成员节点选择不同簇头结成联盟，可获得不同的收益.收益由簇头的能力、簇成员节点个数等因素决定.簇成员节点都可以根据自身得到的信息有限理性的选择簇结成联盟，直到网络中所有节点改变簇联盟都不能获得更高的收益.实验结果表明，与协作多输入多输出路由算法CMIMO相比，CCREG算法的网络生存周期在两个簇头情况下延长14%到70%，三个簇头情况下延长5%到80%.
微结构的光子晶体光纤，通过填充光敏等功能材料，具有可调谐、全光纤结构和易于集成等优点，是光纤光子器件发展的重要方向.毛细管法将高折射率的匹配液，填充到空心光子晶体光纤中邻近纤芯的空气孔中，两端熔接单模光纤，制成高灵敏的应变传感器.实验表明，当填充30mm长，折射率为1.508的匹配液时，测得应变灵敏度约为每应变4.36pm.实验结果与仿真结果相符，这种装置可用于高灵敏的应变传感.
建立方向图可重构天线的联合稀疏模型，基于多任务贝叶斯压缩感知理论提出一种稀疏可重构天线阵的优化设计方法.该方法在实现方向图精确重构的同时可以大幅减少天线数量，节省平台空间，降低设计成本.首先基于多任务贝叶斯压缩感知理论建立多目标方向图的稀疏优化模型，根据权值向量的先验概率分布，利用快速相关向量机估计超参数的最大后验概率来得到多组阵元位置及其激励，实时改变激励以获得不同方向图的稀疏逼近.仿真验证了该方法能够以较少的阵元个数和较高的方向图拟合精度快速实现方向图重构.
在单幅运动模糊图像的盲复原问题中，图像中强边缘部分的利用成为模糊核估计的关键所在.为此，本文提出了一种优化重加权L1范数的图像盲复原算法.首先，建立了基于加权L1范数的模糊核盲估计模型，并引入了一种图像平滑模型对权重进行优化估计，从而减少计算权重时受细小结构以及噪声的影响，其次，设计了模糊核盲估计模型求解的迭代收缩阈值数值算法，最后采用了一种基于超拉普拉斯先验的快速图像非盲复原算法对模糊图像进行复原.仿真和实际数据实验结果验证了本文算法的有效性.
传统的视觉词典模型（Bag of Visual Words Model，BoVWM）中广泛存在视觉单词同义性和歧义性问题.且视觉词典中的一些噪声单词-“视觉停用词”，也会降低视觉词典的语义分辨能力.针对这些问题，本文提出了基于近义词自适应软分配和卡方模型的图像目标分类方法.首先，该方法利用概率潜在语义分析模型（Probabilistic Latent Semantic Analysis，PLSA）分析图像中视觉单词的语义共生概率，挖掘图像隐藏的语义主题，进而得到语义主题在某一视觉单词上的概率分布；其次，引入K-L散度度量视觉单词间的语义相关性，获取语义相关的近义词；然后，结合自适应软分配策略实现SIFT特征点与若干语义相关的近义词之间的软映射；最后，利用卡方模型滤除“视觉停用词”，重构视觉词汇分布直方图，并采用SVM分类器完成目标分类.实验结果表明，新方法能够有效克服视觉单词同义性和歧义性问题带来的不利影响，增强视觉词典的语义分辨能力，较好地改善了目标分类性能.
针对存在节点动态加入和退出的网络，提出了一种基于最大公共路径匹配的拓扑推断算法.该算法根据背景流量影响对“三明治”包中两个小包进行排序重组，利用重组后的“三明治”包对节点对相似度进行计算，以提高节点对相似度的估计精度；利用TTL跳数信息选择匹配路径，按照公共路径长度匹配搜索新加入节点的插入位置，减少测量过程中所需的探测次数，提高拓扑推断的效率.仿真结果表明，该算法能提高网络拓扑结构推断的准确性和效率.
数据中心网络利用多个并行路径为集群计算等网络服务提供高对分带宽.然而，现有的流量调度算法可能会引起链路负载不均衡，核心交换机冲突加剧，造成网络总体性能降低.本文将流调度问题转化成0-K背包问题求解，提出基于离散粒子群的流调度算法DPSOFS（Discrete Particle Swarm Optimization Flow Scheduling）.该算法根据Fat-Tree结构特点定义了粒子速度、位置和运算规则，以两次迭代冲突流个数差值作为目标函数，并限定路径搜索范围，减少随机搜索的盲目性.仿真实验验证了该算法对减少流冲突快速有效，能提高网络对分带宽.
在网络传输过程中宽带音频会由于高频信息的缺失导致音频质量下降，因此，本文提出了一种基于局部最小二乘支持向量机的宽带向超宽带音频频带扩展方法.根据音频频域序列的非线性特性，本文采用相空间重构和局部最小二乘支持向量机对音频信号的高频频谱细节进行预测，并结合高斯混合模型对高频子带能量进行估计，最后经过高频频谱包络调整，所提方法能够有效地恢复7kHz～14kHz频率范围内的高频成分.主客观测试结果表明，该方法改善了宽带音频的听觉质量，其性能优于参考音频频带扩展方法.
射频识别RFID作为一种重要的物联网终端数据采集技术，系统的吞吐率直接影响着数据采集终端的性能，但目前广泛应用于无源RFID系统的帧时隙类防碰撞算法吞吐率普遍较低.本文着重分析了影响无源RFID帧时隙类ALOHA防碰撞算法性能两类因素：帧长和碰撞时隙的处理方式，通过构建和求解帧长调整和标签碰撞的数学模型，给出了无源RFID帧时隙类ALOHA防碰撞算法的具体优化途径和方案：帧长自适应调整和碰撞实时散列.在此基础上提出了自适应二进制散列帧时隙ALOHA防碰撞算法-ABSFSA.实验结果表明ABSFSA算法在同等条件下可以有效减少无效时隙，明显将RFID系统的吞吐率稳定提高到45%.本文的研究工作为无源RFID帧时隙类防碰撞算法的优化提供了可供参考的数学模型，同时对提升物联网数据采集终端的性能具有一定的应用价值.
传统的概率转移矩阵（PTM）方法是一种用于估计软错误对组合电路可靠度影响的有效方法，但传统PTM方法只适用于组合逻辑电路的可靠度评估.触发器是时序逻辑电路的重要组成部分，其可靠度评估对时序电路的可靠度分析研究至关重要.为此，本文提出了基于PTM的触发器可靠度计算的F-PTM方法及电路PTM的判定定理.F-PTM方法首先建立触发器电路的特征方程，再用电路PTM的判定定理生成触发器的PTM，最后，根据输入信号的概率分布函数计算出电路的可靠度.与传统PTM方法相比较，F-PTM方法既能计算组合电路的PTM，又能计算触发器电路的PTM，其通用性强.对典型的触发器电路和74X系列电路中的触发器电路的实验结果表明，F-PTM方法合理可行.与多阶段方法和Monte Carlo方法的实验结果相比较，F-PTM方法得到的结果更精确.
针对无线传感器网络拓扑性能优化单一的问题，本文首先定义了表征双向通信质量的指标.其后将链路质量，节点干扰，剩余能量均衡性等参数融入收益函数，设计了一种基于链路质量的自维护拓扑控制博弈算法SMGLQ.理论证明该算法能保证各节点收敛到帕累托最优.仿真实验表明它能为网络选择通信质量较好的链路，并降低能耗.
视觉注意力是机器视觉领域的研究热点，对目标检测、跟踪等技术发展具有积极意义，本文面向运动目标检测问题，构建了一种基于粒子滤波的视觉注意力模型.首先依据贝叶斯估计理论，推导了基于注意力的粒子权重计算方法；然后将运动注意力和目标颜色注意力分别作为自底向上（Bottom-Up）和自顶向下（Top-Down）注意力的输入，通过重要性采样、粒子权值计算、重采样等形成粒子注意力显著图，并确定目标位置；测试结果显示本文方法能够获取比其它方法更好的目标注意力显著图，并具有准确的目标检测效果.
本文提出了一种基于多元优化算法和贝塞尔曲线的启发式智能路径规划方法.该方法通过用贝塞尔曲线描述路径的方法把路径规划问题转化成最优化问题.然后，使用多元优化算法来寻找最优的贝塞尔曲线控制点以获得最优路径.多元优化算法智能搜素个体协同合作交替的对解空间进行全局、局部迭代搜索以找到最优解.多元优化算法的搜索个体（元）按照分工不同可以分为全局元和局部元.在一次迭代中，全局元首先探索整个解空间以找出更优的潜在解区域.然后，局部元在各个潜在解区域进行局部开采以改善解质量.可见，搜索元具有分工不同的多元化特点，多元优化算法也就因此而得名.分工不同的搜索元之间高效的沟通和合作保证了多元优化算法的良好性能.为了评估多元优化算法的性能，我们基于标准测试地图比较了多元优化算法与其它三种经典启发式智能路径规划算法.结果表明，我们提出的方法在最优性，稳定性和有效性上方面优于其它方法.
遥感分类旨在从图像光谱中提取资源环境监测可用的地理信息，然而基于模式分类的图像处理技术受光谱漂移影响而缺乏历史样本重复利用的有效策略，制约着有限目标样本下遥感分类精度的提高.针对该问题，本文构建了基于改进的贝叶斯ARTMAP神经网络的迁移学习遥感影像分类算法，通过提高谐振匹配性来抑制类别扩散，利用节点的离散增量期望最大化参数更新策略，将历史遥感样本中的地物分类先验信息迁移到目标模型当中.实验结果表明本文方法能有效利用历史遥感数据弥补缺少目标训练数据的不足，相比于其他样本利用策略大幅提高遥感影像分类精度.
为了提高路径覆盖测试数据生成效率，研究了路径自动分割方法并结合人工鱼群算法提出了一种路径覆盖测试数据生成方法.首先在分析变量与节点关系、变量与路径关系的基础上提出了路径分割的自动判定及分离算法，实现了变量对子路径有无影响的自动判定；其次引入Levy飞行策略和共轭梯度法对人工鱼群算法进行了改进；然后结合路径分离的结果和改进的人工鱼群算法实现路径覆盖测试数据的生成.在利用人工鱼生成测试数据的过程中，判断是否有人工鱼穿越分离的子路径.如果有，则记录人工鱼中穿越子路径相应的分量并在人工鱼的觅食、聚群及追尾等行为中固定这些分量，从而使得搜索空间不断减少.最后将提出的方法实现程序的测试数据生成，并与相关方法进行了比较.实验结果表明，本文方法在时间开销、成功率及算法稳定性等方面均具有优越性.
近年来，语义推荐技术已成为信息服务领域的一个研究热点和重点.与传统的推荐算法相比，语义推荐算法在实时性、鲁棒性和推荐质量等方面具有显著的优势.针对语义推荐算法的国内外研究现状、进展，从四个角度进行归纳和总结，即基于语义的内容推荐算法、基于语义的协同过滤推荐算法、基于语义的混合推荐算法以及基于语义的社会化推荐算法，旨在尽可能全面地对语义推荐算法进行细致的介绍与分析，为相关研究人员提供有价值的学术参考.最后，立足于研究现状的分析与把握，对当前语义推荐算法所面临的挑战与发展趋势进行了展望.
通过分析最优自适应波束形成权矢量的子空间组成，发现最优权仅位于低维的干扰加信号子空间中.一般系统所要抑制的干扰数目远小于系统自由度，因此一旦估计出干扰空间和信号导向矢量，只需求解一个低维的组合矢量即可求得自适应权矢量，同时也极大地降低了计算复杂度.本文首先构造一个完备的干扰加信号子空间（IPSS），然后对组合矢量进行稀疏约束，找到一组列数最小的信号加干扰子空间来构造自适应权.仿真实验验证了所提算法的有效性和稳健性.
提出一种约束条件下的结构化高斯混合模型及非平行语料语音转换方法.从源与目标说话人的原始非平行语料中提取出少量相同音节，在结构化高斯混合模型的训练过程中，利用这些相同音节包含的语义信息及声学特征对应关系对K均值聚类中心进行约束，并在（Expectation Maximum，EM）迭代过程中对语音帧属于模型分量的后验概率进行修正，得到基于约束的结构化高斯混合模型（Structured Gaussian Mixture Model with Constraint condition，C-SGMM）.再利用全局声学结构（Acoustic Universal Structure，AUS）原理对源和目标说话人的约束结构化高斯混合模型的高斯分布进行匹配对准，推导出短时谱转换函数.主观和客观评价实验结果表明，使用该方法得到的转换后语音在谱失真，目标倾向性和语音质量等方面均优于传统的结构化模型语音转换方法，转换语音的平均谱失真仅为0.52，说话人正确识别率达到95.25%，目标语音倾向性指标ABX平均为0.82，性能更加接近于基于平行语料的语音转换方法.
