随着5G微基站建设密度急剧增加，因采用传统电缆供电方式，5G网络的建设成本和部署难度将大幅提升.光纤信能共传技术作为一种新型供电方式，利用光纤作为传输介质，实现1 064 nm能量光和1 550 nm信号光的共同传输，同时满足高速信号的5G前传和5G微基站的集中化能量管理.本文提出一种基于空分复用技术的光纤信能共传方案，基于10 km弱耦合七芯光纤实验实现了10 W能量光和1.5 Gbit/s速率5G新空口（New Radio，NR）信号光的共同传输，远端通过光电转换效率为35%的光伏电池获得了0.42 W的电功率，可驱动一个远端天线单元（Remote Antenna Unit，RAU），7 h连续监测接收能量光功率的波动范围小于0.4%.与此同时，接收到的5G NR信号误差向量幅度值（Error Vector Magnitude，EVM）仅为0.38%，创纪录地实现了6.3 W·（Gbit/s）·km电功率-容量-距离积.

随着光通信速率需求的不断提高，光纤中的非线性效应成为了限制信道容量增长的主要因素.针对该问题，本文基于四维（Four-Dimensional，4D）非线性串扰模型和几何整形，提出了抗非线性4D调制设计方法.通过在加性高斯白噪声信道（Additive White Gaussian Noise，AWGN）和单跨无中继光纤传输系统中的仿真，详细比较了四类不同调制格式（包括分别针对AWGN信道和光纤信道设计的2D和4D调制格式）的传输性能.数值仿真结果表明，基于4D非线性串扰模型和4D空间联合优化的调制格式不仅有较高的线性整形增益还具有较好的非线性容忍性.以5通道的波分复用传输系统为例，优化得到的NL-4D-1024调制与传统正交幅度调制（QAM）和2D整形调制相比，可以分别减少0.8 dB和0.4 dB的发射功率.

基于四分支类CLEFIA动态密码结构，对2m分支类CLEFIA动态密码结构进行分析，证明基于循环变换的类CLEFIA动态密码结构等价于CLEFIA密码结构.对2m分支类CLEFIA动态密码结构最小差分活动轮函数个数的上界进行研究，证明每轮变换 P_i为基于 \mathrm{G} \mathrm{F} ( {\mathrm{2}}^{\mathrm{s}} )上｛0，1｝构成的动态线性变换，2m分支类CLEFIA动态密码结构最小差分活动轮函数上界为 ⌊\frac{{\mathrm{2}}^{\mathrm{2}m-\mathrm{1}}}{{\mathrm{2}}^{\mathrm{2}m}-\mathrm{1}}mr⌋，其中，r为轮数.另外，可将上述关于差分性质的结果推广得到类CLEFIA动态密码结构线性性质的结果.

对基于神经网络的丢包隐藏方法而言，输入特征是直接影响最终恢复效果的重要因素.此外，如何通过丢包隐藏恢复高自然度的语音，也是亟待解决的难题.为有效恢复丢包语音并提高自然度，本文提出了一种基于先验梅尔谱和神经声码器的语音丢包隐藏方法.该方法采用一种非对称的编解码网络结构.在编码端，用两个独立的编码网络分别从时域波形和梅尔谱中提取深层时频特征.在解码端，将时频深层特征一同送入由时序自适应反归一化层构成的声码器中，以恢复丢失的语音信号并提高自然度.仿真实验表明，该方法在语音感知质量和短时客观可懂度上均优于现有的两种丢包隐藏算法.

随着智慧海洋的发展，水声网络多媒体数据的传输受到学者关注.水声网络高度动态的拓扑导致相邻节点数据传输不完整，压缩的水下图像或视频等数据对重建数据的质量有不同影响，因此水声网络需要具有不等差错保护（Unequal Error Protection，UEP）的编码机制来编解码重要性不等的多媒体数据.递归与限制反馈的在线喷泉码（Recursive Online Fountain Code with Limited Feedback，ROFC-LF）具有开销低、反馈少及编译码简单等特点，因此适用于水声网络.本文针对水声信道带宽窄、延时长及能量受限等特点，系统地分析了ROFC-LF编码机制建立阶段存在的环问题.针对ROFC-LF编码存在的环和无法提供UEP功能这两个问题，本文提出了两个优化目标.此外，还提出了具有不等差错保护的避环ROFC-LF编码机制.该编码机制减少了由于建立阶段最大组件存在环引起的无用编码包的数量，进而降低了网络能耗.不等差错保护的避环ROFC-LF编码机制在建立阶段和完成阶段分别采用权重策略和数据优先级策略来实现UEP特性，并利用随机图理论对该编码机制进行理论分析，理论结果和仿真实验结果一致.结果表明：该编码机制能够快速的恢复重要数据的同时，降低了编码包的数量，适用于网络拓扑结构动态变化的水声网络传输重要性不等的多媒体数据.

基于表面肌电信号分解还原了肌电信号最原始的组成成分，通过分解后肌电信号段的特征研究神经肌肉系统中脑肌电信息传递规律，可以从生物电信息传递机理探索人体运动的本质.本文分别采集了9名受试者最大抓握力量的15%和30%（15%MVC、30%MVC）所对应的EEG（ElectroEncephaloGraph）和sEMC（surface ElectroMyoGraphy）信号，以形态学分解为基础对sEMG信号进行模板重构分解，获得运动单元动作电位MUAP（Motion Unit Action Potential），提取MUAP的幅值、数量和发射速率作为特征，基于该类特征与同步脑电信号的变化趋势以及传递熵值探索大脑皮层与肌肉的信息传递规律.不同抓握力量水平下，30%MVC提取的3个特征均比15% MVC的数值更显著，但两种力量水平提取的3个特征随同步脑电变化趋势相同：当EEG信号形成波峰或波谷信号时，MUAP数量、幅值和发射速率特征均呈现增加的变化趋势，其中MUAP幅值的增加趋势最为明显，且MUAP幅值特征与同步EEG信号的耦合（TE传递熵值）效果最好.虽然力量水平的不同会影响脑肌电信号强弱，但总体呈现的信息传递规律是一致的：当肢体肌肉收缩脑电信号增强而形成波峰或波谷时，MUAP数量、幅值和发射速率3个特征值均呈现上升的变化趋势，其中MUAP幅值特征响应效果最好，该特征能较好体现人体运动控制过程中神经肌肉系统中的信息传递规律.

为解决目前信号分解分量时频域紧邻、重叠和间歇性复杂时频特征的多分量非平稳、非线性信号时，分解困难和效率低的问题，本文提出了一种基于信号时频分布的多分量非平稳信号分解方法——时频滤波分解（Time-Frequency Filtering Decomposition，TFFD）.TFFD通过拟合所选反映信号中各分量时频瞬时特征与规律的时频域基准数据点，得到与分量实际瞬时频率（Instantaneous Frequency，IF）一致的拟合IF曲线，并以拟合IF曲线的时频坐标为基础，设置距离阈值条件确定分量在时频图上的分布区域，构造以拟合IF曲线时频坐标为中心频率、分布区域频宽为通带宽度的时频滤波器组，实现对多分量信号的时频滤波分解.通过对具有代表性时频特征的仿真和实际信号分析，并与经典信号分解方法对比，证明了TFFD方法优良的分解能力和分解效率.

针对非均匀海杂波环境下弱小目标检测困难的问题，本文基于复值残差单元和注意力门机制，提出一种用于海杂波抑制的非对称编解码网络（Asymmetric Encoder-Decoder Network，AED-Net）.该网络以雷达回波经匹配滤波后得到的复值信号为输入，利用复值残差单元取代常规卷积单元进行弱小目标和海杂波特征的提取，增强网络特征提取能力的同时避免特征信息退化.然后采用注意力门模块将编码路径各模块提取的特征信息分别送入到解码路径对应的模块.最终输出海杂波抑制后的复值信号.由于各注意力门的输入和输出维度可根据网络结构自主选择，该网络设计是一种非对称编解码结构.与典型对称编解码网络UNet相比，复值残差单元与注意力门的引入显著降低了特征信息的冗余度，增强特征信息的提取与传递，提升了海杂波抑制性能.与此同时，复值残差单元的参数规模远小于卷积单元，而注意力门的引入也有效减少解码路径单元的数量，整个网络的参数规模显著减小.基于海杂波实测数据的实验结果表明，与典型复值UNet（Complex Value-UNet，CV-UNet）网络相比，AED-Net的输出信杂比平均提升9 dB，有效工作的最低信杂比降低了3 dB，模型参数量和计算量分别减少57.8%、50%.

本文提出了一种基于复合左右手（Composite Right-/Left-Handed，CRLH）理论的双模态毫米波片上传输线（Transmission Line，TL），有效兼顾了宽频段和低损耗特性，并且同时包含支持前向波的右手频段和支持后向波的左手频段.为解决毫米波半导体衬底高损耗、高寄生干扰的问题，本文首先提出T型片上CRLH单元，通过研究CRLH传输线的电路拓扑与结构实现，减小了传输损耗并展宽带宽.此外，文章通过研究色散特性实现左手和右手通带两种模态.基于砷化镓（GaAs）基集成无源器件（Integrated Passive Device，IPD）工艺，加工并实测了一款工作频段覆盖18~44.5 GHz的3阶周期CRLH TL.本文提出的传输线尺寸紧凑，为1.3 mm × 0.55 mm，带有GSG（Ground Signal Ground）焊盘，最小插入损耗为1.18 dB，3 dB相对带宽超过90%.该测试结果表明所提出的片上传输线可广泛应用于实现独特电磁相位特性的片上功能电路和系统.

基于光电容积脉搏波描记法（Photo Plethysmo Graphy，PPG）的柔性传感器可进行心率（Heart Rate，HR）和血压（Blood Pressure，BP）检测，但是对其检测结果的标定报道甚少.据此，本文提出一种基于模拟血液循环的反射式PPG心率检测和血压标定系统.以蠕动泵来产生脉动流，通过调节其转速的大小来控制模拟血液输送的频率和压力，从而引起弹性乳胶管内模拟血液体积的变化，而改变反射光的信号周期与强度，贴近于人体脉搏测量过程的实际场景.该系统心率检测误差均值为0.277 78，95%一致性界限为（-2.595 62，3.151 17），所测收缩压（Systolic Blood Pressure，SBP）和舒张压（Diastolic Blood Pressure，DBP）的拟合优度分别为0.971 85和0.981 11.经标定后的柔性PPG传感器对4名志愿者检测的SBP和DBP的平均偏差（Mean Deviation，MD）±标准差（Standard Deviation，SD）均值分别为（1.21±2.16） mmHg和（0.76±2.02） mmHg，均符合且远小于美国医疗仪器促进协会（Association for the Advancement of Medical Instrumentation，AAMI）所制定的衡量血压计精度的标准指标（5±8） mmHg.结果表明，该系统能够准确高效地标定柔性PPG传感器，为实现便携式可穿戴设备的精准血压检测提供标定基础.

光纤是现代通信网络中最为稳定的信号传输媒介，提升光纤模式的数量是满足通信容量日益增加的有效方法.本文设计了低弯曲损耗的非耦合三模组（LP₀₁，LP₁₁，LP₂₁）渐变折射率光纤，运用分层分析法给出了渐变折射率光纤中模组的严格截止条件.此外，利用有限元仿真软件求解光纤模式的有效模场面积和弯曲损耗，得到低弯曲损耗条件下在C+L波段（1 530~1 625 nm）传输三模组的设计区间.揭示了纤芯中心折射率凹陷和沟槽层共同作用可促进光纤径向高阶模式的截止.模拟结果表明，所设计光纤的模组间有效折射率差大于等于3×10^-3，弯曲半径为30 mm时的最大弯曲损耗为1.3 dB/km，符合ITU-T推荐的低弯曲损耗条件.而且，在1 550 nm波长下，模组内简并模有较小的差分模式群时延（≈176 ps/km），可通过4×4多输入多输出技术补偿简并模之间的串扰.该光纤可适用于C+L波段上实现模组间非耦合的空分复用信号传输.

本文提出了一种基于双层超表面的多层复合吸波体的设计方法，设计的吸波体包含两层核心超表面功能层、顶层吸收增强蒙皮和数层支撑介质层，两层超表面Ⅰ和Ⅱ的结构单元分别为加载贴片电阻的异形金属片和加载贴片电阻的六边形金属环，蒙皮为玻璃纤维层压板，支撑介质为PMI泡沫.仿真结果表明，反射系数低于⁃10 dB的吸波频带覆盖范围为2.80~23.64 GHz，低于⁃20 dB的吸波频带覆盖范围为3.56~22.56 GHz.测试结果表明，反射系数低于⁃10 dB的频带为2.36~23.87 GHz；⁃20 dB吸波频带为3.17~23.16 GHz.仿真和测试所得反射系数曲线具有良好的一致性，验证了该设计方法的有效性.仿真和测试结果表明，50°斜入射的⁃10 dB反射系数频带与垂直入射时基本保持一致，起始和终止频率的偏移量小于0.8 GHz；进一步地，斜入射角为60°时，反射系数低于⁃10 dB的相对带宽最大可达141.8%，表明本研究所设计的复合吸波体具有宽角域入射稳定特性.此外，本文研究了该复合吸波体宽频广角强吸收的相关机理以及主要结构参数对吸波性能的影响，结果表明顶层蒙皮在超宽带范围内可提升吸波率0.2（1.0代表100%吸波），两层超表面吸波频带的互补增强设计能够明显改善其斜入射角度稳定性.

本文设计了一款应用于北斗系统（BeiDou System，BDS）的新型低剖面双频段贴片天线.该天线基于单层贴片天线结构，通过“桥形”缝隙加载的方式，引入新的谐振频率，使天线工作在双频段（分别以1 176 MHz和1 575 MHz为中心频点），实现共面双频辐射.同时加载4个环形缝隙，仅用一组馈电针进行耦合馈电，方便调节阻抗匹配，同时减少馈电针数量，简化馈电网络复杂性.另外在天线侧面加载“π型”金属枝节，进一步优化高频阻抗匹配.实测结果表明，该天线在B1C频段和B2a频段的增益大于3.5 dBic，轴比均小于3 dB.频谱显示，该天线能工作于北斗系统的B1C、B2a频段，有望应用于北斗定位系统终端设备.

本文提出了一种新型高带宽密度、低功耗的面向片上（Die to Die，D2D）互连的7阶相关非归零（Non-Return-to-Zero，NRZ）编码接口电路结构.为了进一步提高5阶相关NRZ编码在D2D互连中的信噪比和带宽密度，设计了基于发射矩阵和接收矩阵的编解码电路.基于发射矩阵，在发射端设计了基于电压模驱动的编码电路，有效降低了功耗；基于接收矩阵，在接收端设计了基于有源可调电感的解码均衡电路，提高了通信速率.同时，为了解决接收端时钟偏斜问题，还设计了误码校准电路.该接口电路采用28 nm CMOS（Complementary Metal Oxide Semiconductor）工艺设计，核心面积为3 mm²，可适用于10~50 mm的片上互连.后端仿真结果表明，在奈奎斯特频率为20 GHz、信道插损为-8 dB的条件下，接收端最窄眼宽为0.45 UI，误码率小于 {\mathrm{10}}^{-\mathrm{15}}，能耗效率为1.2 pJ/b，带宽密度为448 Gbps/mm.

模数转换器（Analog-to-Digital Converter，ADC）是连接模拟信号域与数字信号域的关键器件，而现有研究缺乏ADC辐照效应建模的相关内容.为满足大型模数混合信号系统辐照效应建模仿真的需要，本文提出了建立具有辐照效应的ADC行为级模型的方法.首先根据ADC的工作原理将其拆解为不同的通用模块，使用模拟和混合信号硬件描述语言（Very High speed integrated circuit hardware Description Language for Analog and Mixed Signals，VHDL-AMS）建立了各模块的行为级模型.接着根据基本原理将各模块动态组合为未辐照情况下基本的ADC模型.对于ADC的辐照效应，通过开展辐照试验，测量了ADC芯片HWD7710和SAD9434受总剂量（Total Ionizing Dose，TID）效应和中子辐射（Neutron Radiation，NR）效应影响的工作参数，并利用最小二乘法拟合获得ADC的工作参数与辐照剂量的关系式.最后根据辐照关系式，在基本模型上添加辐照参数模块，并建立两种不同结构ADC的TID与NR模型.通过仿真结果与试验数据对比，验证了所建ADC辐射效应模型的普适性和精度.模型的静态参数仿真结果与试验结果的相对偏差在5%以内，证明该方法支持对不同ADC及不同辐射效应进行辐照效应模型建模.

场-路耦合仿真可以支持跨越芯片-封装-系统的多层级协同分析，多物理场仿真能够对多物理约束下芯片封装的信号完整性、电源完整性以及可靠性进行提前设计.因此，针对场-路结构的多物理场耦合仿真能够实现在初期对芯片封装的设计方案进行筛选和优化，是先进封装仿真技术最重要的发展方向之一.本文基于场-路耦合仿真和多物理场耦合仿真方法的最新研究进展，提出针对非线性场-路结构的频域仿真方法以及电磁-热耦合计算方法.该方法能够解决基于时域仿真方法的场-路耦合仿真的长时间迭代问题，实现多物理约束下非线性场-路结构的电磁与热特性快速分析.计算结果验证了本文方法的准确性和高效性.

在变分量子算法中，参数化量子线路拓扑结构的选择对算法性能具有重要意义.目前已有的拓扑结构存在一些问题，如全连接拓扑结构所需量子门数量较多，环型拓扑结构的表达能力与纠缠能力略有欠缺.为了解决以上问题，本文提出了一种新型的区块环（Block-Ring，BR）拓扑结构，在保障良好性能的同时减少参数规模（即量子门数量），降低线路复杂度.在BR拓扑中，n个量子比特被等分为多个区块，每个区块包含m个量子比特，区块内部所有量子比特两两连接，区块之间采用环型结构进行连接.为了构造BR拓扑结构的参数化量子线路，设计了一种多层线路生成算法，可自动生成由单量子比特门Rx、Rz和双量子比特门CRx或CRz构成的量子线路.IBM Q模拟实验表明，相较于环型拓扑结构，无论单层、双层以及三层BR拓扑结构的表达能力和纠缠能力均有不同程度的提升；相较于拥有最高表达能力与纠缠能力的全连接拓扑结构，BR拓扑结构呈现接近的性能指标，且线路复杂度显著降低，即参数数量与双量子比特门数量均从O（n ²）降低为O（mn），线路深度从O（n ²）降低为O（n/m+m ²）.

霍尔传感器作为磁传感领域最常用的传感器类型，在工业生产、汽车电子、航空航天以及生物医学等方面均有广泛应用.本文利用宽禁带氮化镓（GaN）半导体耐高温、高迁移率等优点，采用标准半导体芯片制造工艺研制出AlGaN/GaN异质结结构霍尔传感器.高温应用环境下的传感器要求封装材料耐高温、产生应力低以及对传感器关键指标影响小.本文通过软件仿真树脂橡胶类3种不同封装材料封装后对传感器及键合线的性能影响规律，并通过实验验证不同材料封装前后传感器灵敏度、失调电压、温漂系数等物理参量的变化，遴选出综合性能最优的、可在550 K高温环境下使用的封装材料.最终得到封装后的霍尔传感器失调电压在1.0 mA激励电流时小于115 μV，信号线性度在0~3.0 mA激励电流和0~1.0 T磁场测量范围内优于0.3%，而温漂系数在300~550 K温度范围内仅有-120.9 ppm/K，优于目前文献报道结果，因此有望应用于极端环境磁场检测中.

行人重识别是计算机视觉领域中的一个重要研究方向，其目的是在不同的监控摄像头中识别并跟踪同一行人.由于视频帧间存在多种时间关系，从这些关系中可以获取到对象的运动模式以及细粒度特征，因此视频重识别相比图像重识别拥有更丰富的时空线索，也更接近实际应用.问题的关键是如何挖掘这些时空线索作为视频重识别的特征.本文针对视频行人重识别问题，提出了一种基于Transformer的长短期时间关系网络（Long and Short Time Transformer，LSTT）.该网络包含长短期时间关系模块，提取重要时序信息并强化特征表示.长期时间关系模块利用记忆线索存储每帧信息，并在每一帧建立全局联系；短期时间关系模块则考虑相邻帧之间交互，学习细粒度目标信息，提高特征表示能力.此外，为了提高模型对不同目标特征的适配性，本文还设计了一个包含不同规格卷积核的多尺度模块.该模块具有多种卷积感受野，能够更全面覆盖目标区域，从而进一步提高模型的泛化性能.在MARS、MARS_DL和iLIDS-VID 3个数据集上的实验结果表明，LSTT模型性能最优.

传统的Pareto支配关系在高维目标空间存在固有缺陷，而一些改进的支配方法在平衡高维目标解群的收敛性与多样性上尚有提升空间.基于此，提出一种参考向量关联区域（小生境）自动缩减的支配关系A2R（dominance relation based on the Automatically reduced region Associated with the Reference vector）.该支配方法在进化全过程中逐代缩减小生境规模，从而实现收敛性与多样性自动平衡，而且不引入额外参数.另外，提出利用基于L_p -范式（p=1/M，M为目标数）的拥挤距离度量高维目标解群的多样性.将上述两种策略嵌入到经典的NSGA-II（Nondominated Sorting Genetic Algorithm II）框架，设计一种基于A2R支配关系的高维多目标进化算法MaOEA/A2R（Many-Objective Evolutionary Algorithm base on A2R）.该算法与其他5种代表性的高维多目标进化算法一同在5-、10-、15-和20-目标的DTLZ（benchmark MOP proposed by Deb， Thiele， Lau⁃manns， and Zitzler）和WFG（benchmark MOP pro⁃posed by Walking Fish Group）基准测试问题上进行IGD（Inverted Generational Distance）和HV（HyperVolume）性能测试.结果表明，MaOEA/A2R算法总体上具有较好的收敛性和多样性.由此表明，MaOEA/A2R是一种颇具前景的高维多目标进化算法.

多个领域的优化可归纳为高维多目标优化问题，高维多目标进化算法是解决此类问题的有效方法，然而该方法普遍存在收敛性和多样性较难平衡的问题.针对此问题，本文提出一种基于动态分解和角度惩罚距离的高维多目标进化算法.该算法基于动态分解将种群分成多个类，此过程无需预先设定参考向量，可根据种群自身分布信息进行分解.之后，基于改进的角度惩罚距离从每类中选择个体，从而平衡收敛性与多样性.此外，设计基于Pareto支配、拐点、m近邻角度三原则的锦标赛匹配选择机制.本文算法与9种高维多目标进化算法在27例高维多目标优化测试题上进行对比实验.实验结果表明，本文算法能有效解决不同类型的高维多目标优化问题，并且在不同目标个数上具有较好的稳定性.

动态社区发现旨在检测动态复杂网络中蕴含的社区结构，对于揭示网络的功能及演化模式具有重要研究价值.由于相邻时刻网络的社区结构具有平滑性，前一时刻网络的社区划分信息可以用于监督当前时刻网络的社区划分过程，但已有方法均难以有效提取这些信息来提高动态社区发现性能.针对该问题，提出一种融合节点变化信息的动态社区发现方法（Semi-supervised Nonnegative Matrix Factorization combining Node Change Information， NCI-SeNMF）. NCI-SeNMF首先采用k-core分析方法提取前一时刻社区网络的degeneracy-core，并选取degeneracy-core中的节点构造社区隶属先验信息，然后对相邻时刻网络的节点局部拓扑结构变化程度进行量化，并将其用于进一步修正社区隶属先验信息，最后通过半监督非负矩阵分解模型集成社区隶属先验信息进行动态社区发现.在多个人工合成动态网络和真实世界动态网络上进行大量对比实验，结果表明，NCI-SeNMF比现有动态社区发现方法在主要评价指标上至少提升了4.8%.

当前，图Transformer主要在传统Transformer框架中附加辅助模块达到对图数据进行建模的目的.然而，此类方法并未改进Transformer原有体系结构，数据建模精度还有待进一步提高.基于此，本文提出一种基于图注意力和改进Transformer的节点分类方法.该方法构建基于拓扑特征增强的节点嵌入进行图结构强化学习，并且设计基于二级掩码的多头注意力机制对节点特征进行聚合及更新，最后引入归一前置及跳跃连接改进Transformer层间结构，避免节点特征趋同引起的过平滑问题.实验结果表明，相较于6类基线模型，该方法在不同性能指标上均可获得最优评估结果，且能同时兼顾小规模和中规模数据集的节点分类任务，实现分类性能的全面提升.

网络功能虚拟化通过将网络功能从专用硬件设备迁移到商用服务器上运行的软件中间盒中，简化了网络服务的配置和管理.在网络功能虚拟化的环境下，由一系列有序的虚拟网络功能组成的服务功能链正在成为承载网络服务的主流形式.将底层物理网络资源分配给服务功能链的需求称为服务功能链部署问题.对于基础设施提供商来说，在有限的资源条件下获得长期高回报是一个重要的挑战.本文形式化定义了服务功能链部署问题，提出了一种基于图注意力网络与模仿学习的服务功能链部署方法（Graph Attention Network and Imitation Learning，GAT-IL）.该方法使用图注意力网络评估每个物理服务器的放置潜力，通过蒙特卡洛树搜索方法给出专家示范，并采用模仿学习方法进行智能体的训练，融入集束搜索策略优化解空间.大量的实验结果表明，本文提出的GAT-IL方法在平均收益代价比和接受率的性能指标上均优于现有代表性算法.

视听双模态情感识别是情感计算领域的研究热点.目前情感识别方法存在无法同时提取视频局部和全局特征，多模态数据融合简单，损失函数在模型优化中无法关注错分样本等问题，导致情感识别结果精确度不高.本文提出一种基于改进的ConvMixer和动态权重焦点损失函数的视听情感识别方法.采用空间和时间邻接矩阵代替ConvMixer中的深度分离卷积，提取视频时域空域上的全局和局部特征.提出跨模态时间注意力模块，以对称结构捕捉模态间的时间相关性，提高特征融合效果.结合混淆矩阵计算具有动态权重的焦点损失函数，差异化地加大错分样本在损失中的占比，优化模型参数.在公开数据集上的实验结果表明，本文方法能提取到代表性特征，可有效优化网络结构，提高了情感识别的准确率.

连续微流控生物芯片是生物化学实验自动化、微型化的革命性技术.多路复用器的控制模式分配作为连续微流控生物芯片自动化设计的关键环节之一，是难的NP（Non-deterministic Polynomial）优化问题.现有工作采用粒子群优化算法求解控制模式分配问题存在过早陷入局部最优解、收敛速度慢以及算法稳定性差的缺点.为此，本文提出一种连续微流控生物芯片下基于混合离散粒子群优化的控制模式分配算法.首先，为了加快算法收敛速度及避免过早陷入局部最优解，提出了离散的自适应区域搜索策略.其次，通过基于样例的社会学习机制提高了算法的稳定性.然后，采用等距抽值的方式筛选出自适应区域搜索策略中重要参数的最佳组合，以进一步提高分配方案的质量.最终实验结果表明，所提算法在多路复用器中阀门使用数量上平均优化了19.01%，在算法稳定性上提高了29.18%，且在现实的生化应用中有良好的性能表现.

基于指令扩展的密码算法实现是兼顾性能和面积的轻量级实现方式，特别适用于日益普及的物联网设备.SM2、SM3和SM4等国密算法有利于提高自主可控设备的安全性，但针对这些算法进行指令扩展的相关研究还不够充分.RISC-V由于其开源、简洁及可扩展等优点已成为业界最流行的指令集架构之一，本文主要基于国产开源RISC-V处理器对国密算法SM2、SM3和SM4进行指令扩展和高效实现.本文基于软硬件协同的理念提出总体指令的扩展方案.对相关密码算法进行深入分析和方案对比，分别设计了硬件单元，提出高效的实现方式.设计实现的协处理器具有2级流水线结构，顺序派遣、乱序执行和顺序写回的指令执行模式，以及独立内存访问单元和大位宽寄存器.协处理器统一接管了密码算法的部分控制逻辑，降低硬件资源消耗.实验结果表明，本文设计的密码协处理器硬件结构精简，资源利用率高.SM2、SM3和SM4算法占用资源少，但执行速率相比纯硬件有一定程度下降，资源面积和花费时间的乘积与其他相关文献相比有不同程度的优势.

损失函数的设计在深度人脸识别中至关重要.常见做法是给所有类别添加固定的间隔项，以修改类别间的决策边界，压缩类内特征间距，提高模型分离不同类别特征的能力.然而，为所有类别添加相同的间隔项可能会忽略人脸识别数据集内类别间的不一致性.为进一步提升模型效果，模型应依据类别的学习难易程度，对不同类别样本特征给予不同程度的关注.文中设计了基于类均值中心与类权重中心之间的偏差挖掘难类的方法，称之为中心偏差估计.本文提出的方法会根据中心偏差估计的程度，为不同类别自适应分配不同大小的间隔项.同时，为解决训练前期中心偏差计算不稳定问题，提出了动态变化的收敛参数，调整中心偏差估计的可信度，开展相关实验验证收敛参数的有效性.在人脸验证基准数据集中，本文提出的方法比基准方法的平均准确率提高了0.26%，达到96.62%.在2个大型人脸验证测试数据集上，在FPR等于0.01%时，提出方法的TPR分数分别提高了0.58%和0.22%，获得88.47%和92.29%的实验结果，且多组实验结果表明提出的方法优于一般现有算法.实现代码参见https：//github.com/TCCofWANG/FR-Centers-Bias.

交通流量因受周期性特征、突发状况等多重因素影响，现有模型的预测精度无法满足实际要求.对此，本文提出了基于误差补偿的多模态协同交通流预测模型（Multimodal Collaborative traffic flow prediction model based on Error Compensation，MCEC）.针对传统预测模型不能兼顾时间序列和协变量的问题，提出基于小波分析的特征拓展方法，该方法引入聚类算法得到节假日标签特征，将拥堵指数、交通事故图、天气信息作为拓展特征，对特征进行多尺度分解.在训练阶段，为达到充分学习各部分数据、最优匹配模型的效果，采用差分整合移动平均自回归模型（Autoreg Ressive Integrated Moving Average Model，ARIMA）、长短期记忆神经网络（Long Short-Term Memory network，LSTM）、限制动态时间规整技术（Dynamic Time Warping，DTW）以及自注意力机制（Self-Attention），设计了多模态协同模型训练.在误差补偿阶段，将得到的相应过程值输入基于支持向量机回归（Support Vector Regression，SVR）的误差补偿模块，对各分量的误差进行学习、补偿，并重构得到预测结果.使用公开的高速公路数据集对MCEC进行验证，在多个时间间隔下对比实验结果表明，MCEC在交通流量预测中的平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）达到17.02%，比LSTM-SVR、ConvLSTM（Convolutional Long Short-Term Memory network）、ST-GCN（Spatial Temporal Graph Convolutional Networks）、MFFB（Multi-stream Feature Fusion Block）、Transformer等预测模型具有更高的预测精度，MCEC模型具有较好的有效性与合理性.

当前，深度主动学习（Deep Active Learning，DAL）在分类数据标注工作中获得成功，但如何筛选出最能提升模型性能的样本仍是难题.本文提出基于弱标签争议的半自动分类数据标注方法（Dispute about Weak Label based Deep Active Learning，DWLDAL），迭代地筛选出模型难以区分的样本，交给人工进行准确标注.该方法包含伪标签生成器和弱标签生成器，伪标签生成器是在准确标注的数据集上训练而成，用于生成无标签数据的伪标签；弱标签生成器则是在带伪标签的随机子集上训练而成.弱标签生成器委员会决定哪些无标签数据最有争议，则交给人工标注.本文针对文本分类问题，在公开数据集IMDB（Internet Movie DataBase）、20NEWS（20NEWSgroup）和chnsenticorp（chnsenticorp_htl_all）上进行实验验证.从数据标注和分类任务的准确性2个角度，对3种不同投票决策方式进行评估.DWLDAL方法中数据标注的F ₁分数比现有方法Snuba分别提高30.22%、14.07%和2.57%，DWLDAL方法中分类任务的F ₁分数比Snuba分别提高1.01%、22.72%和4.83%.

在合成孔径雷达（Synthetic Aperture Radar，SAR）系统中，舰船目标在中高海情下的三维转动会导致多普勒频谱时变和图像散焦，并对后续SAR舰船目标的信息解释造成不利影响.针对三维转动舰船目标的重聚焦问题，本文提出一种基于最小熵准则与生成对抗网络的SAR三维转动舰船目标重聚焦方法，设计了生成器和判别器的网络结构.生成器将散焦SAR舰船复图像变换到距离-多普勒域，利用相位误差系数估计网络逐距离单元估计相位误差系数，并实现对多阶次相位误差的补偿.判别器由一个复数域卷积神经网络构成，其所有元素，包括卷积层、激活函数、特征图和网络参数，均被扩展到复数域.损失函数中引入最小熵准则和对抗损失进行无监督训练，避免非合作舰船目标标注样本难以获取的问题.在仿真数据和高分三号SAR数据上的实验表明，该方法在重聚焦精度和效率上均有显著提升.

流式通信是光纤通信网络和移动通信网络中重要的通信场景，区别于传统的间歇式或分块通信场景，流式通信中传输的数据具有典型的连续流式特性.面向流式通信场景，耦合码因其相对于传统分组码具有显著的性能提升，加之其天然的低编译码时延结构，成为流式通信场景中重要的信道编码候选技术.本文先回顾现有的耦合低密度校验（Low-Density Parity-Check，LDPC）码技术，包括：乘积类耦合LDPC码、部分重编码类耦合LDPC码、空间耦合LDPC码和全局耦合LDPC码.在此基础上，本文进一步介绍了基于便车码技术的耦合LDPC码改进提升设计，并介绍了基于分组马尔可夫叠加传输技术的一类新型耦合LDPC码.最后，本文对耦合LDPC码的发展前景和研究方向进行展望.

近年来国际聚变反应研究获得重大进展，选择抗位移能力强的宽禁带半导体探测器是推动聚变研究的关键技术之一.金刚石超宽禁带半导体具备卓越抗辐照和时间响应等特性，是聚变诊断特别是高能中子诊断的理想材料，碳化硅宽禁带半导体也可测量中子，且大尺寸外延技术更成熟，可覆盖聚变研究装置上的大规模应用.通过这两种宽禁带半导体辐射探测器的研究并实现自主可控的高性能器件制备，将显著提高我国核聚变反应测量系统的性能，支持我国在未来的全球能源革命中处于领先优势.本文将对这两种宽禁带半导体探测器在聚变中子探测应用场景下研制的关键问题和研究挑战进行探讨，助力我国聚变能源开发和应用.