多目标在线跟踪是视频监控中的关键问题之一.针对日益增长的智能化视频监控的需求，提出了一种基于模糊空时线索的多目标在线跟踪算法.在该算法中，引入模糊空时多属性特征定义距离函数，利用模糊C均值聚类优化得到交叉隶属度矩阵，实现目标与观测间的数据关联.为了减少错误的轨迹起始，利用空时线索定义了遮挡度函数，判别出新目标并起始相应的目标轨迹.实验结果表明，本文算法能够准确地估计出目标的运动轨迹.本文算法可应用于视频监控、安防以及自动驾驶等领域.
针对空间声信号处理中二维声场合成与实际声源维数失配问题及近场声源合成中的近场失真问题，本文提出了一种2.5维声场合成方法和一种改进的维纳滤波的近场补偿方法.2.5维声场合成基于高阶Ambisonics的球谐函数展开.改进的维纳滤波方法用于补偿高阶Ambisonics合成2.5维近场声源时引入的近场失真.基于连续扬声器阵列假设理论，推导出了扬声器激励信号的一般表达形式.声场合成实验结果表明：与余弦正则化方法产生的相对误差0.23相比，所提方法合成2.5维近场声源的相对误差减少到了0.031；与高通滤波法相比，所提方法可以提供更大范围的有效听音区.
标定多个监控摄像机的位姿是智能监控系统的基础.传统的标定方法需人工逐一标定每个目标摄像机，且难以处理非重叠监控视场以及摄像机运动和扰动的情况.对此本文提出一种基于三维重构的交互式标定框架，通过引入场景三维特征点云作为中间层，仅需一次性建立其与参考背景模型间的几何变换关系，即可通过目标摄像机图像与三维点云的匹配实现自适应标定，可显著降低工作量.由于匹配是建立在监控图像与三维点云之间而非监控图像之间，因此可以处理监控视场非重叠的情况.对于摄像机运动和扰动，提出了一种在线相对姿态传递方法，能够克服摄像机扰动和运动带来的姿态变化问题.实验证明了本文方法的有效性.
现有的图像分割模型存在对初始化信息敏感，分割速率慢，图像弱边界区的泄露等现象.提出了一种混合快速分割方法.该方法利用偏压场近似估计图像的局部统计信息，并结合全局信息相容性及改进的距离正则化方法建立模型，最后将模型嵌入水平集框架中，与此同时，引入双重终止准则以提高分割的速度.最后利用合成图像和真实图像进行分割实验，并与CV（Chan-Vese）模型、非线性自适应水平集方法以及局部尺度拟合模型对比，表明本方法不仅对初始化信息敏感度降低，而且分割速度提高3~5倍.
硬件无损压缩技术可以发挥专用电路的速度和功耗优势，被广泛应用于大数据计算以及通信领域.本文以GNUzip（Gzip）数据无损压缩技术为原型设计了一种硬件压缩电路.通过采用双Hash函数、并行匹配处理、面向硬件存储的LZ77压缩存储格式、高效数据拼接器等加速方法，发挥并行计算和流水线结构优势，提升压缩速率.该硬件压缩电路基于Verilog HDL设计，使用现场可编程门阵列（FPGA）进行测试和验证.测试数据表明：与软件压缩方式相比，该硬件压缩电路在获得适中压缩率（65.9%）的同时，其压缩速率得到显著提升，平均压缩速率达171Mb/s，满足网络通信、数据存储等实时压缩应用需求.
针对旋转机械故障诊断方法中信号处理和模式识别的不足，即端点效应和判别片面性问题，提出一种基于互相关匹配延拓局部特征尺度分解（Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition，CELCD）和改进多变量预测模型（Variable Predictive Model based Class Discriminate，VPMCD）的智能故障诊断方法，首先探索待分解信号前后端的数据规律，选取匹配波形完成端点延拓，然后利用局部特征尺度分解（Local Characteristic scale Decomposition，LCD）得到各去除端点效应的内禀尺度分量（Intrinsic Scale Component，ISC），最后输入到基于多模型融合的多变量预测模型（Multi-model Fusion-Variable Predictive Model based Class Discriminate，MFVPMCD）分类器中进行概率状态判定.实验分析结果表明，所提方法能有效地对滚动轴承的工作状态进行识别.
本文根据传统漏洞挖掘Fuzzing技术的特点，针对其存在的不能求解非线性解和只能有单个的输入的问题，提出了一种基于遗传算法的漏洞挖掘测试用例生成的新方法.该方法能够利用遗传算法的优势，同时可以应对多输入测试用例问题和非线性求解问题.从自测程序的结果看出，相比于传统随机生成Fuzzing测试用例的方法，本方案在效率和覆盖率方面具有明显的提高.
本文通过简化视频质量评估中人眼感知模型的复杂性，提出了一种新的无参考视频质量评估模型.首先通过分别抽取视频的空间域和时间域特征，然后按照视频局部块、视频帧、视频段等从细到粗的不同粒度，模拟人眼感知特性进行多重加权汇聚，最终得到整段视频的特征向量描述.本方法以支持向量回归器为评估模型训练工具，通过有监督的视频样本库训练，以无参考方式完成未知视频的质量评估.实验结果表明，该评估算法的性能不但要优于当前已知最经典的无参考评估算法Video BLLINDS，而且与部分参考评估算法相当.
为了实现数据驱动技术在工业中的实际应用，开发了以蒸馏塔作为被控对象的半实物仿真系统，将数据驱动方法应用到流程工业半实物仿真系统.针对动态主元分析方法存在的计算负荷大，计算效率低的问题，提出了一种改进动态主元分析方法，利用不可区分度和交叉程度去除众多变量中的不相关变量或相关度较小的变量，减少数据量.针对系统中的典型故障，数据驱动方法能够检测出半实物仿真系统中的异常，而且与传统动态主元分析比较，改进算法降低漏报率和误报率，提高诊断可靠性，并且能及时检测出生产过程的微小故障.
本文针对老年人日常活动类型及特点提出了一种基于三轴加速度传感器和HMM（Hidden Markov Model）的活动识别方法.本文首先提取了针对老年人相异、相似活动的标准差、能量、相关系数、RAF（RAtio Forward）、RVF（Ratio Vertical Forward）等特征值.然后定义老年人的HMM活动识别模型.最后在经过Baum-Welch算法对HMM进行参数训练后使用Viterbi算法来进行老年人活动识别.实验结果表明，本文方法适用于老年人的日常活动的识别，平均识别精度达到了93.3%，尤其是对于相似步态活动的识别准确率达到了93.7%.
航路飞行目标的属性异常检测是确保及时发现飞行异常的关键问题.常用的概率框架需要受到先验信息的局限.可传递置信模型（Transferable Belief Model，TBM）不需要先验信息，能高效处理异质信息，但是传统的TBM无法处理时间上的不连续与不确定性，因此针对异常航路目标检测问题，将马尔可夫模型与TBM框架结合，建立了基于TBM的双层融合架构，实现了多特征融合航路属性异常检测.第一层是通过对多属性冲突信息的分析，实现对多特征的检测，并通过特征贡献度分析，对多特征信息进行打折后再融合；第二层是通过在时间序列上的指派融合，对比预测值和观测值差异，检测航路目标异常变化.仿真试验验证，在切换航路场景与偏离回归场景中，相较动态证据推理方法，本文方法具有更好的决策准确性与时间精确度.
基于阵列的信源定位在无线通信、雷达、声纳等领域运用广泛.针对均匀圆阵下单个高频近场源参数估计存在相位模糊的情况，本文提出利用旋转使同一阵元形成虚拟短基线的解模糊算法.首先，为了对旋转前后两组观测数据进行配准，在圆阵中心设置参考阵元并利用其初始相位差对其他阵元数据进行相位补偿；随后，在通过复共轭积计算各阵元旋转前后无模糊相位差的基础上，使用最小二乘法反演出近场源的方位、俯仰和距离；进一步地，利用反演得到的无模糊近场源参数消除旋转前最长基线阵元间接收信号的相位差模糊，得到长基线下的高精度参数；最后，利用仿真实验验证了本文算法在高频单近场源下的解模糊性能.
相比于常规的两步定位方法，目标直接定位方法具有更高的定位精度，但现有的直接定位方法主要是针对静止目标所提出的，并具有较大的运算量.本文提出了一种针对匀速运动目标的多普勒频率直接定位方法.文中首先基于最大似然准则推导了直接估计目标初始位置和运动速度的优化模型，针对该优化模型是以矩阵特征值的形式给出而难以数值求解的问题，提出了一种基于矩阵特征值扰动定理的Newton型迭代算法，该算法可以避免多维参数网格搜索所导致的庞大运算量.此外，文中还推导了关于目标初始位置、运动速度以及运动航迹估计的克拉美罗界的闭式表达式.数值实验表明新方法的目标位置估计方差可以达到克拉美罗界，并且具有较少的运算量.
针对振荡器功耗大和振荡频率低的问题，提出了一种基于电流差分级联跨导放大器的三阶正交振荡电路.该电路仅使用一个电流差分级联跨导放大器和三个接地无源电容，可以同时产生两组等幅正交电流信号和一组等幅正交电压信号.电路结构简单，功耗低至1.8mW，最大灵敏度绝对值仅0.5，振荡频率可达10MHz数量级，而且振荡条件和震荡频率可相互独立地电控调谐.计算机模拟和流片芯片测试结果验证了理论分析的正确性.
工作流可满足性（WS）是资源分配对访问控制（AC）策略提出的基本要求.相关工作主要围绕WS决策问题展开，通过找到一个具体的解来说明AC策略的正确性.然而为了进一步验证AC策略在资源异常情况下的合理性，统计所有解的数量将更有帮助.本文对互斥和绑定约束下的WS计数问题进行研究，通过构造从典范性#P完全问题#3SAT到该问题的多项式计数归约，证明其属于#P完全问题，为其恰当地求解奠定了理论基础.
针对移动无线射频识别认证协议面临的身份认证和隐私保护、动态密钥安全更新和去同步化攻击问题，提出一种可动态更新共享密钥的移动RFID双向认证协议.协议基于Hash密码机制，利用随机数同时进行密钥安全更新和身份认证，并采用对分表存储的当前和历史共享密钥进行动态添加和删除的方法，保留最后一次合法认证后的一致共享密钥.安全性能分析与效率分析表明，该协议能够实现动态密钥安全更新和身份认证、能够在遭受去同步化攻击后保证密钥同步，且具有较强的计算和存储性能.通过和同类RFID认证协议比较，协议弥补了同类RFID协议存在的不足，适用于被动式标签数量庞大的RFID系统.
目前的人脸识别算法在其特征提取过程中采用手工设计（hand-crafted）特征或利用深度学习自动提取特征.本文提出一种基于改进深层网络自动提取特征的人脸识别算法，可以更准确地提取出目标的鉴别性特征.算法首先对图像进行ZCA（Zero-mean Component Analysis）白化等预处理，减小特征相关性，降低网络训练复杂度.然后，基于卷积、池化、多层稀疏自动编码器构建深层网络特征提取器.所使用的卷积核是通过单独的无监督学习获得的.此改进的深层网络通过预训练和微调，得到一个自动的深层特征提取器.最后，利用Softmax回归模型对提取的特征进行分类.本文算法在多个常用人脸库上进行了实验，表明了其在性能上比传统方法和普通深度学习方法都有所提高.
本文提出了一种基于少模光纤布拉格光栅（Few-mode FBG）的模分复用通信系统，阐述了基于少模光纤布拉格光栅的模分复用/解复用原理，建立了2×2的模分复用实验系统，分别利用LP01和LP11模作为独立信道，实现了1.25Gbps和622Mbps两路伪随机序列（PRBS）的10km传输实验，给出了传输后的眼图，分析了当激光器波长为1549.228nm时，实验系统的误码特性.实验验证了基于少模光纤布拉格光栅的模分复用通信系统的可行性，为进一步实现长距离高速率的模分复用通信奠定了实验基础.
冰壶比赛对阵编排问题是一个难于收敛的多约束优化问题.为此提出一种求解此类问题的逐层优化的单亲遗传算法.首先将待求解问题的多个约束进行分层；其次设计了靶向自交叉算子进行第一层优化以提高搜索效率，设计了定点-随机自交叉算子进行第二层优化以保持种群的多样性；最后，将改进的算法用于解决冰壶比赛对阵编排的多约束优化问题，构建了该问题的适应度函数.仿真实验表明，与粒子群算法和经典遗传算法相比，所提算法能够有效求解冰壶比赛对阵编排的多约束优化问题.
目前采用IEEE 1500测试外壳的方法可以一定程度上解决NoC（Netword on Chip）路由器测试的问题，但当测试外壳的旁路出现一个以上的故障时，很可能导致一整条扫描链上的NoC路由器测试失败.针对该问题，本文通过提出一个深度优先最短路径算法得到从固定的扫描输入端到扫描输出端的最短路径，并通过提出的递归划分逐步求精法对路径进行筛选分块排序，构造多条扫描测试链将整个网络中的路由器分开测试.本文给出了测试外壳旁路故障的诊断和容错方法，使用节点分类测试方法实现对NoC路由器旁路故障的定位，并通过本文提出的测试外壳结构实现对故障旁路的容错.
从医学图像中分割脑肿瘤区域可以为脑肿瘤的诊断以及放射治疗提供帮助.但肿瘤区域的变化异常且边界非常模糊，因此自动或半自动地分割脑肿瘤非常困难.针对这一问题，本文结合softmax回归和图割法提出一种脑肿瘤分割算法.首先融合多序列核磁共振图像（MRI）并标记训练样本，再用softmax回归训练模型参数并计算每个点属于各个类别的概率，最后将概率融入到图割法中，用最小切/最大流方法得到最终分割结果.实验表明提出的方法可以更好地得到脑肿瘤的边界，并能较准确地分割出脑肿瘤区域.
针对窃听方发送恶意导频干扰破坏系统安全性能的问题，本文将研究场景扩展到三节点MIMO（Multple-Input Multiple-Output）网络，首先分析存在恶意导频干扰时最小二乘和最小均方误差准则下的信道估计结果，并推导基于人工噪声的系统安全速率公式，得出当窃听方到达发送方的导频干扰功率大于合法接收方达到的功率时，安全速率值只能为零.然后，进一步分别研究半双工窃听方和全双工窃听方场景下的最优功率分配方案.最后，通过数值仿真分析窃听者位置、窃听者类型和干扰功率等因素对安全性能的影响.
在功耗旁路信号统计模型的基础上，提出了一种基于核最大间距准则的硬件木马检测方法及改进的检测方法.将原始功耗旁路信号映射到高维空间，使其具有更高的可分性，然后再投影到低维子空间，从而发现原始数据中的非线性差异特征，实现功耗旁路信号的非线性特征提取与识别.针对AES加密电路中木马电路的检测实验表明，该方法测得超出检测边界的样本数（792）多于Karhunen-Loève变换（400），取得更好的检测效果.
针对2小区MIMO-MAC中传统有限反馈干扰对齐码字选择方案的不足，本文提出了一种最大化用户速率下界的直接码字选择方案，并结合比特分配算法来减少和速率的损失，同时采用最大信干扰算法译码.不同于传统的基于最小弦距离或对齐度准则来选择码字，本文从最大化用户速率下界的角度来选择的码字；进一步地，在格拉斯曼空间中生成与期望预编码接近的码字集合，在该集合中只需简单的搜索便可找到优化的码字组合，同时实现了低复杂度和次优的全局搜索.仿真实验表明，相对于现有的典型算法，本文算法在提升系统和速率的同时，也提高了系统用户速率的下界.
X射线图像质量评价是射线检测正确与否的关键问题，传统的人工主观评价方法效率低，实时性差，常用的对比度、清晰度等考核指标，受成像过程的散射及噪声影响，存在一定的局限性.为此论文提出基于递变能量线性约束的X射线图像质量评价方法.文章首先通过分析递变能量成像过程中图像序列的灰度变化规律，提出序列间灰度增益分布图，并依据成像器件的线性最优成像，从分布图中提取线性散布度评价图像质量；进一步针对过曝光影响散布度评价失败问题，综合线性散布度和平均对比度，构建了新的图像质量综合评价标准，实现射线图像质量评价.最后通过实验验证了论文方法的可行性，能够有效避免传统单一评价指标的局限性.
为了更好地在Contourlet域里自适应地选择水印的嵌入位置和嵌入强度，克服Contourlet变换最后一层低频子带没有被划分的缺陷，给出了一种Contourlet域虚拟树结构的具体构造方法.基于该构造方法，结合混沌序列，利用果蝇算法（FOA）优化支持向量回归机（SVR）的参数，提出一种自适应的鲁棒数字水印算法，实验结果表明该算法在有较强的鲁棒性和安全性的同时，也具有很好的保真度.
软件定义网络（SDN）通过转发与控制分离，借助控制面的集中化实现网络的灵活性和开放性.控制器部署是SDN部署运行的基础和前提.针对层次型多中心SDN的控制器部署问题，该文采用多层k路划分方法实现大规模SDN网络的区域划分，将传统的SDN多控制器直接部署转化为区域划分和域内控制器部署，同时通过减少图划分的域间割边数以降低SDN跨域流数量以提高流表构建效率.通过实验验证，较其他传统方法，该文提出的层次型多中心控制器部署方法可有效减少网络通信代价，降低流表构建代价.
本文通过集成多次FCM（Fuzzy C-Means）聚类结果以及采用软化分方式，提出一种新的自动确定聚类个数的模糊聚类算法.本算法首先利用不同的聚类数目对数据进行FCM聚类，然后充分利用多次FCM聚类得到的隶属度信息构建一个累积邻接矩阵，最后采用迭代方式对累积邻接矩阵进行图切分以获取最终聚类结果.大量的仿真实验表明，相对现有集成聚类方法，本文方法能够有效减少FCM的聚类次数，并且在图切分过程中的迭代次数为现有方法的1/2左右.
传统的压缩感知重建算法利用信号在某个特征空间下的稀疏性构建目标优化函数，但没有充分考虑信号的局部特性和结构化属性，影响了算法的重建性能和算法的适应性.本文考虑图像的非局部自相似性（Nonlocal Self-Similarity，NLSS），提出一种基于图像相似块低秩的压缩感知图像重建算法，将图像恢复问题转化为聚合的相似块矩阵秩最小问题.算法以最小压缩感知重建误差为约束构建优化模型，并采用加权核范数最小化算法（Weighed Nuclear Norm Minimization，WNNM）求解低秩优化问题，很好地挖掘了图像自身的信息和结构化稀疏特征，保护了图像的结构和纹理细节.多个测试图像、不同采样率下的实验证明了算法的有效性，特别是在低采率下对于纹理较为丰富的图像，提出的算法图像重建质量较明显的优于最新的同类算法.
该文提出了一种基于最大池图匹配的形变目标跟踪算法，适用于跟踪目标产生较大形变或者严重遮挡等场合.此方法首先将目标搜索区域过分割为候选目标部件并建立动态图表示，即目标部件的表象特征和它们之间的几何位置关系.然后采用最大池图匹配算法，得到目标图和候选图中部件的匹配关系，从而确定出目标位置的置信图.联合考虑目标整体和目标部件对目标位置的支持，投票决定出精确的目标位置.在各种形变目标的跟踪序列测试下，该算法与其他跟踪器的对比验证了其有效性和鲁棒性.
本文根据给定的期望极化方向，定义了扫描波束的期望主极化和交叉极化方向，并进一步给出了主极化方向性系数的定义，它可以更为准确的表征天线集中辐射主极化分量的程度.在没有副瓣约束和交叉极化约束的条件下，给出了任意阵列主极化方向性系数最优解的解析表达式.并且，在含副瓣约束、零陷约束以及交叉极化约束的条件下，我们发展了一种基于凸优化的高效数值综合方法，实现多约束条件下的主极化方向性系数的优化.数值阵列综合结果表明了本文所提出的最优主极化方向性系数解析解的正确性，以及这种可以综合考虑副瓣约束、零陷约束和交叉极化约束的数值方向性优化方法的有效性.
数字抠像是将一幅图像中的前景物体与背景进行分离的问题，它的关键在于Alpha通道的计算.以往通过采样方法求得的Alpha中，由于采用逐点计算的离散化方式，求解出的Alpha通常不连续，并且包含很多噪声，因而需要对Alpha进行后处理，这不仅会增强Alpha在视觉上的平滑性，而且能够进一步提高Alpha的精确度.在目前国际上，有关数字抠像后处理领域已经进行了许多研究，但缺少相关的综述性文献，并且对后处理后的Alpha如何进行定量的评价也仍未系统解决.本文首先将数字抠像中的后处理方法分为2类： 与仿射类方法相结合的方式及自平滑方式，其次，对两类方法进行了全面的总结和梳理，并对方法的优缺点进行了分析，对将来研究方向提出了建议，最后，针对后处理后的Alpha结果进行了全面的量化比较，弥补了传统方法基本上仅在视觉层面上进行比较的缺陷.
基于支持向量机（SVM）的入侵检测方法受时间和空间复杂度约束，在高维特征空间计算时面临"维数灾害"的问题.为此，本文提出一种基于自编码网络的支持向量机入侵检测模型（AN-SVM）.首先，该模型采用多层无监督的限制玻尔兹曼机（RBM）将高维、非线性的原始数据映射至低维空间，建立高维空间和低维空间的双向映射自编码网络结构，进而运用基于反向传播网络的自编码网络权值微调算法重构低维空间数据的最优高维表示，从而获得原始数据的相应最优低维表示；最后，采用SVM分类算法对所学习到的最优低维表示进行入侵识别.实验结果表明，AN-SVM模型降低了入侵检测模型中分类的训练时间和测试时间，并且分类效果优于传统算法，是一种可行且高效的轻量级入侵检测模型.
为进一步减少片上系统（System-on-Chip，SoC）测试耗时、降低测试成本，本文结合异步时钟测试机制，提出一种基于聚类的测试调度方法.该方法利用了SoC各测试的特征以及异步时钟测试的特点，对测试数据进行预处理.在ITC'02基准SoC集上，将本文方法与未采用异步时钟机制以及基于混合整型线性规划模型求解的方法进行对比.结果表明，本文的方法分别能平均减少测试耗时20.39%和5.53%，提升了调度算法的优化效率.并且在功耗约束较强时，最终调度结果与耗时下界仅相差0.9%.
信息化条件下的复杂网络对节点的蓄意攻击非常脆弱，因此准确发掘出网络中的核心节点并进行重点保护对提高网络抗毁性至关重要.在分析特殊条件下通信网络特征属性的基础上，借鉴通信系统中关于"信息量"的定义方法，提出了改进的适用于有向加权网络的节点重要性评估方法.在小规模混合加权网络中对该方法和已有方法进行了对比分析，验证了本文方法的有效性和优势性.构建了一种基于BBV（Barrat-Barthelemy-Vespignani）的混合加权网络演化模型，并对生成的大规模通信网络进行了节点重要性评估仿真，实验结果表明：与现有评估方法相比，本文方法能够更加简单、有效地评估网络节点的重要性.
针对真值标注的歧义性、偏差性问题和具有缩放场景的视觉跟踪应用情况，提出了一种新的视觉跟踪单目标基准评价指标.首先，在重叠率基础上提出了加权重叠率框架；其次，提出了多区域标注方法，通过多区域标注降低标注者歧义性，在具有缩放场景的应用中，通过反演进行多区域标注，使评价更符合应用实际；再次，针对标注的偏差性，提出了多标注融合方法，提高了标注的可信度；最后，将应用于单次跟踪评价的重叠率框架推广到多次跟踪评价，利用加权结果图使评价更具解释性.通过著名评价标准VOT、OTB的真值标注融合实验验证了本文标注规则的准确性；通过在具有缩放场景的视觉跟踪实验和重复实验，与其他跟踪指标的比较验证了本文指标的有效性.
中低轨卫星之间跨层激光链路的无缝切换直接决定了双层卫星光网络的稳定性.异步切换方法会导致网络拓扑频繁重构，而集中同步切换将造成两层间连接中断，网络运行状态失控.为此，本文提出了中低轨卫星星座激光链路的二次同步切换方法，在保证中低轨道卫星连通的基础上，可降低网络拓扑重构频率.研究了整数周期比的中轨道和低轨道卫星空间位置特性，建立了中低轨卫星星座构形二阶非球摄动模型，确定了中低轨道之间轨道周期比为3的双层卫星星座构形.按连接和切换顺序将该星座构形中跨层激光链路分为两组，以相对周期的1/4为基准，每次令其中一组同步切换，通过交替完成切换.研究结果表明，二次同步切换方法使得网络拓扑重构频率降低到链路切换频率的1/7，比集中切换方法在网络平均时延方面降低了30ms.
