无线供能通信技术是未来6G时代支撑能量可持续无线通信的关键技术.本文首次提出了完整的基于大规模天线的无线供能通信系统的原型设计，并在软件定义无线电平台上实现了由32发射天线基站端、用户端和反馈链路组成的原型系统.在基站端，通过设计灵活的帧结构，原创性地提出了无线能量动态传输方案，实现了原型系统在信道估计准确性与无线能量传输效率之间的性能平衡.在用户端，通过建立实际的非线性能量采集模型和能耗模型，提出了新颖的用户端信息-能量双阈值电池管理方案，以满足不同的信息和能量传输需求.基于用户端状态信息的快速反馈，本文建立了闭环控制的无线能量和信息自适应传输系统框架.丰富的室内和室外实验验证了无线供能通信原型系统良好的无线环境适应性和传输性能.
随着第五代移动通信（5G）技术的快速发展，车联网（Internet of Vehicles，IoV）已成为5G的重要应用场景之一.针对IoV应用对即时性内容缓存的迫切需求，本文研究了支持动态内容缓存的移动边缘缓存方案以确保动态内容的时效性，该方案允许车辆从边缘缓存接入点（Caching-enabled Access Point，CAP）获得具有新鲜度约束的缓存内容.此外，本文基于协作缓存，利用概率论建立了CAP缓存刷新和交付的随机模型.同时，以基于信息年龄（Age of Information，AoI）的缓存命中率为IoV缓存的服务质量（Quality of Service，QoS）指标，建立了系统缓存命中的价值模型.为确保缓存内容的有效性，本文在分层切片框架中考虑了两种具有不同AoI要求的车辆内容请求.最后，本文提出了一个基于协作内容放置的系统内容缓存命中价值最大化的优化问题，这是一个NP-hard多目标多维多选择背包问题.因此，本文将其划分为若干个相互独立的优化问题并设计了一种基于内容年龄价值的最大增量算法进行求解.仿真结果表明，本文采用的CAP协作内容放置策略的性能优于其他传统方法.
分组密码是现代密码学的重要组成部分，而S盒又是分组密码中必不可少的非线性组件，为密码算法提供了很好的混淆作用.无论是传统分组密码中的S盒还是轻量级分组密码中的S盒都非常容易受到错误注入攻击.本文通过具有线性或非线性邻域函数的元胞自动机设计了一种可以检测两个字节错误并纠正一个字节错误的S盒，以抵抗错误注入攻击.对比Advanced Encryption Standard（AES）中的S盒，虽然密码性能有所下降，但是可以抵抗错误注入攻击.并且，本文还考虑了回旋镖均匀度这个密码安全性指标，用于衡量S盒抗回旋镖攻击的能力.
基于证书的密码体制在继承传统公钥基础设施和身份基密码体制优势的同时，避免了证书管理和密钥托管等不足.为了向基于证书的密钥封装机制提供匿名性和抗泄露攻击的能力，本文提出具有多接收者的抗泄露匿名密钥封装机制的形式化定义及抵抗泄露攻击的安全模型，并给出具体的实例化构造；同时基于判定的Diffie-Hellman假设的困难性，对上述实例泄露容忍的选择明文攻击安全性进行了证明.与现有相关构造相比，本文方案不仅具有匿名性、泄露容忍性和多接收者等更优的性能，而且当为多个用户生成封装密钥时具有更优的计算效率.
SM2的优化实现在x86-64架构上已经得到了充分的研究，但在ARMv8-A架构上的优化仍不充分，为此本工作提出了以下优化方案：针对SM2的模p与模n乘法/平方运算，充分利用p与n的数值特点优化了蒙哥马利模乘；针对模p与模n求逆运算，推导并实现了更快的基于费马小定理的模逆算法；针对固定点与非固定点标量乘法，分别实现了宽度为7与5的窗口算法；针对签名生成过程中s的计算，用一个模n加/减法替换一个模n乘法.将上述优化技术集成到OpenSSL（3.0.0-beta1）中后，在华为云鲲鹏920计算平台上的测试表明，SM2签名性能提升8.7倍；SM2验签性能提升3.5倍.在移动设备树莓派4平台上，SM2的签名性能提高9.7倍；验签性能提高3.4倍.
本文提出了一种基于d维Bell态的单态多方半量子秘密共享（Multiparty Semiquantum Secret Sharing，MSQSS）协议，该协议可以实现“只有当所有接收方协同工作时才能恢复发送方的密钥”这一目标.该协议被证实能够抵抗外部攻击和参与者攻击.该协议适用于d维量子系统，仅采用一种d维Bell态作为初始量子资源，且既不需要量子纠缠交换，也不需要酉操作.
补丁验证常用运行测试套件的方法来验证补丁正确性，然而自动修复技术生成的补丁往往数量巨大，而将每个补丁依次通过测试套件则会产生难以承受的开销.针对该问题，本文提出一个由句嵌入模型InferSent和支持向量机分类器组成的静态补丁验证方法.使用InferSent提取代码静态特征并通过支持向量机分类器来预测补丁正确性.该方法更加关注代码的静态特征信息，通过对特征的提取分析，无需运行测试套件即可有效地预测自动修复工具生成的补丁的正确性.本文在多个自动修复工具生成的补丁集合上进行了验证.实验结果表明，在修复工具生成的补丁集合上，本文提出的静态补丁验证方法对补丁预测的F1值达到71.89%，相比其他两种最新静态补丁验证方法分别提高11.64%和6.43%，并在五项评价指标上均优于对比模型.表明该方法可以在不运行测试套件的情况下正确预测补丁，且具有良好的泛化能力.
利兹线广泛应用于无线电能传输、涡流检测等领域.由于利兹线包含的导线股数多且几何结构复杂，交流电阻计算困难是限制利兹线结构和电磁参数设计的主要原因.传统有限元方法和解析法在计算效率和普适性方面无法满足要求.本文采用半解析有限元法结合电路系统，基于Python语言编程计算，综合考虑集肤效应、邻近效应和循环电流，对利兹线的交流电阻进行了分析.在100 Hz到1 MHz频率范围内，基于并联利兹线模型，验证了半解析有限元法对交流电阻计算的精度和效率，并分析了螺距对利兹线空间磁场分布的影响.本文工作可为不同应用场景下利兹线模型的结构和电磁参数选择提供参考.
本文提出一种新颖的基于IGZO（Indium Gallium Zinc Oxide）薄膜晶体管的双向扫描集成栅极驱动（Gate Driver on Array，GOA）电路，特别适用于in-cell触控显示.本文提出的GOA电路采用时分驱动方式（Time-Division Driving Method，TDDM）实现高报点率的in-cell触控，并防止触控信号失真.该GOA电路支持扫描-暂停-重启模式，即输出几十个连续的显示寻址扫描脉冲后，栅极驱动输出暂停以执行触控侦测.在触控侦测期间，GOA电路中的Touch控制单元开始工作，使所有栅极输出低电位以消除显示驱动信号对触控的干扰.此外，本文提出的GOA电路采用双低电平维持（Low Level Maintaining，LLM）模块，能有效抑制LLM晶体管的阈值电压漂移.电学模拟结果表明，本文提出的GOA电路无论工作于正向还是反向扫描，均能产生均匀的输出波形，并且停坑级的输出波形与正常级波形一致.采用IGZO晶体管制作了10.4英寸in-cell触控显示面板以验证本文提出的GOA电路，支持90 Hz显示刷新率与180 Hz触控报点率.此外，借助工艺与设计优化，进一步提高GOA电路在恶劣环境下的使用寿命，成功通过高温高湿（85 ℃/85%）操作500 h的可靠性测试.
本文提出了一种基于机器学习的高效率集成电路可测性设计技术.该技术以自动收集的数据作为训练集，以决定系数为评价指标，为每类目标参数选择出最佳预测模型，并预测出基于不同配置参数的可测性设计结构所对应的目标参数，最后使用最优配置推断技术，以目标参数差值的加权和作为衡量指标，输出最优的可测性设计配置参数.实验数据表明，针对可测性设计技术中最重要的测试覆盖率参数，平均预测误差仅为0.075 6%；根据目标参数差值的加权和的最小值情况，实现高效推断芯片可测性设计的最优配置参数.该技术的预测效果具有高可靠性，能够在保证高测试覆盖率的前提下，有效减少测试成本和面积开销等.
星地融合网络通过实现卫星网络与地面蜂窝网络的有机融合，可为用户提供灵活的网络接入服务，满足多场景用户应用需求.然而，卫星网络拓扑结构的动态变化、星地链路的复杂特性、多网和多用户资源调度粒度的显著差异性，以及资源共享模式的多样性，均对星地融合网络用户关联及资源调度问题带来困难及挑战.本文针对星地融合网络下行链路增强型移动宽带用户（Enhanced mobile broadband User，EU）及高可靠低延迟通信用户（ultra-Reliable and low latency communications User，RU）数据传输场景，研究用户关联及资源调度问题.在满足用户传输需求、网络可用资源、资源共享模式等约束条件下，将联合用户关联及资源块调度问题建模为系统效用函数最大化问题.由于该优化问题为强耦合问题，不易直接求解，本文将原优化问题分解功率分配子问题、用户关联及资源调度子问题.针对功率分配子问题，利用拉格朗日部分松弛法对离散变量进行连续化，进而将功率分配子问题转换为凸优化问题，采用拉格朗日对偶算法进行求解.基于得到的功率分配策略，本文提出一种启发式算法确定用户关联模式及资源块分配策略，在对蜂窝网络可用时频资源状态进行评估的基础上，分别针对时频资源充足及时频资源不充足的情况设计用户关联及资源块调度策略.针对时频资源充足情况，根据用户资源调度模式，分别定义RU及EU的时空资源调度粒度，进而针对采用正交频分多址接入（Orthogonal Frequency Division Multiple Access，OFDMA）模式的RU及EU，基于K-M匹配算法优化确定时频资源块调度策略；进而，针对采用穿孔模式的RU与EU，提出一种基于贪婪算法的EU资源块重调度策略，以满足用户最小传输速率；针对占用相邻子信道的EU优化确定OFDMA模式及非正交多址接入（Non-Orthogonal Multiple Access，NOMA）模式，以实现效用函数的提升.针对蜂窝网络时频资源不充足的情况，为无法接入蜂窝网络的用户分配卫星关联模式，并设计基于Kuhn-Munkres匹配算法的资源块调度策略.最后，通过仿真验证本文所提算法的有效性.
视觉关系检测是在目标识别的基础上，进一步检测出目标之间的关系，属于视觉理解和推理的关键技术.然而，由于关系标签视觉上的相似性以及数据不平衡问题造成少样本的尾部关系检测召回率较低.为了提高尾部关系的检测效果，本文将关系标签进行粗细粒度划分构建了标签的层次结构表示，提出了基于标签层次结构的视觉关系检测模型.模型利用视觉关系之间的相似性以及数据带有的偏见性构建关系标签的层次结构表示，以此将关系区分为粗粒度关系和细粒度关系，使尾部关系在由粗粒度到细粒度的结构上获得更多的关注.同时，针对标签层次结构的性质设计其损失函数，该损失函数通过结构化信息逐层学习不同类别关系之间的差异，使模型更好的检测尾部细粒度关系.分别在公开数据集Visual Relationship Detection（VRD）和Visual Genome（VG）中验证了本文模型检测尾部关系的效果.与现有模型相比，在VRD数据集中平均召回率mR@20、mR@50和mR@100分别提高了0.62%、1.57%和2.47%；在VG数据集中，mR@20、mR@50和mR@100分别提高了0.67%、0.83%和1.15%.
变分图自编码器是图嵌入研究中重要的深度学习模型，但存在着先验正态分布缺陷、训练过程中容易出现后验塌陷等问题．本文从建立云概念空间与隐空间的映射关系入手，引入云模型数字特征对网络中的节点进行不确定性概念表示，设计了一种基于多维云模型的变分图自编码器（Variational Graph Autoencoder based on Multidimensional Cloud Model，MCM-VGAE）．该模型实现了隐空间的多维云概念嵌入及相应的漂移性损失度量，将先验分布扩展为泛正态分布，利用多维正向云发生器及云包络带修正采样算法实现了重参数化过程，有效缓解了后验塌陷现象．在应用效果上，模型在多类型数据集上的链路预测、节点聚类、图嵌入可视化实验表现均优于基准模型，进一步说明了方法的普适有效性．
遥感图像目标具有多尺度、大横纵比、多角度等特性，给传统的目标检测方法带来了新的挑战.针对现有方法应用于目标尺度小、横纵比例不均衡的遥感图像时存在的精度下降问题，提出一种基于多阶段特征融合的目标检测方法MF2M（Multi-stage Feature Fusion Method）.该方法在一阶段对特征图通道进行组合拆分，再采用卷积拼接的融合方式聚合通道维度的特征，从而强化输出的目标空间轮廓信息；二阶段设计多比例的非对称卷积块，增强大横纵比目标的高维全局特征，改善目标与检测框匹配粗糙的问题，同时利用串并行相结合的处理方式减少冗余卷积参数，加速网络收敛.在DOTA（Dataset for Object deTection in Aerial images）数据集上的实验结果表明，基准方法引入MF2M后，在保证检测速度的前提下精度指标mAP提高至76.44%，结果验证了所提算法的有效性与可靠性.
随着智能制造和工业大数据的快速发展，迁移学习在旋转设备故障诊断领域得到了广泛研究.在工业现场，存在大量目标域标签空间为源域标签空间子集的场景，现有迁移学习方法在处理此类场景时，无法消除源域离群类别对目标域分类产生的负迁移影响.部分迁移学习通过限制源域不同类别数据在特征对齐过程的贡献度，实现源域和目标域共享类别特征对齐.然而，现有部分迁移学习方法仅考虑源域和目标域共享类别边缘分布对齐，未考虑源域和目标域共享类别各子类间的状态分布对齐，诊断正确率仍有待提高.为此，本文以Vision Transformer网络为基础网络架构，提出基于双级对齐部分迁移网络的故障诊断方法：一方面构造加权平衡机制促进源域和目标域共享类别间的边缘分布对齐，另一方面利用度量学习实现源域和目标域共享类别各子类间的状态分布对齐.利用滚动轴承故障数据对所提方法进行验证，结果表明：所提方法在所有诊断案例中的准确率均在95%以上，相比其他对比方法表现出更优的诊断效果.
基于布尔满足模型的自动测试向量生成是芯片故障检测的关键环节，相应布尔问题的求解已然成为整个故障检测过程的效率瓶颈.本文研究了主流自动测试向量求解框架中不同算子对求解效率的影响，在保证测试向量求解流程完备性的同时引入基于深度学习的故障分析机制，并将分析结果用于算子的自动选择和初始求解状态的确定，旨在优化整体求解进程.针对因真实电路故障数据不足导致模型学习效果欠佳的问题，本文利用生成对抗网络实现数据增广，结合多层图卷积神经网络促进高效表征学习，从而提高故障性质的预测精度.在若干真实电路上的实验结果表明，本文所提出的新框架与原有框架相比，平均求解效率提升近20%.
知识追踪旨在评估学习者的学习状态，并根据先前的答题情况预测他们未来的答题表现.然而现有的知识追踪模型大多仅关注问题或技能间的关联，忽略了学生与问题间的结构关系.为此我们提出了基于学生‑问题关联的异构图知识追踪模型（Student‑Problem association based heterogeneous graph Knowledge Tracing model，SPKT）.该模型在知识追踪中融合了学生的学习能力和问题的重要性，并使用图注意力网络学习学生问题间的关联，获得学生、问题的嵌入表示并进行知识状态的预测.通过在真实公开数据集上的性能对比和模型消融实验，并可视化SPKT模型的知识追踪效果，证明了SPKT在预测性能上优于现有的知识追踪模型.
离散时空事件预测是城市计算领域中的重要科学问题之一.现有工作主要聚焦于使用多样化的时空神经网络对城市动态特征与事件时空关联进行建模，且已经取得了一定成效，但仍然存在以下问题：首先，城市事件具有诱因多源和时空稀疏性，而这种时空稀疏性可能同时源于事件本身的稀少性和采集的不完整性，现有工作尚未能解决短期预测中的稀疏性挑战及零膨胀问题；其次，已发生事件倾向于继续向周边区域传播事件风险，但由于现有工作同质化了动态特征和事件之间的交互关联，因此其不能捕捉历史事件对未来事件风险带来的交互影响.鉴于此，为协同地利用事件标记信息和时空特征，本文提出基于教师-学生时空半监督学习框架以预测短期离散事件的时空分布.在教师网络中，为应对事件标记的稀疏性，本文在时空学习中引入半监督机制，提出基于自编码器的特征重建和时空方差异常描述引导的动态特征表示学习；在学生网络中，本文设计了特征-事件解耦的双管道学习机制，并提出时空衰减图卷积网络与长短期记忆网络来模拟事件在时空范围内发生的风险传播.此外，本文发展了时空多粒度预测机制，通过易学的粗粒度预测任务指导细粒度的高质量预测，最终实现粗-细粒度协同提名的离散时空事件预测.实验基于纽约和苏州工业园区数据集开展，本文模型能够在事件击中准确率上分别超越最好的基线模型5.46%和10.65%，充分验证了提出方法的有效性.
用户在手机上的异常行为给社会、企业和个人带来一定的损失和风险.例如用户使用手机违规记录企业的敏感信息、使用手机终端在社交网络上散布违法违规内容和言论等.然而目前尚没有直接运行在终端、对用户本机应用操作进行监控的技术.鉴于目前大部分手机都是Android平台，本文以Android智能手机为研究对象，提出一种基于无障碍服务的用户行为监控技术.用户界面发生变化时，会产生大量基于视图层次结构编写的无障碍事件.本方法筛选出关键的无障碍事件并对其进行遍历，获取界面组件元素、无障碍事件的类型、界面焦点对象等信息，进而判断用户是否存在敏感行为.本方法不依赖于特定的Android版本；通过对无障碍事件进行过滤，提高处理性能；通过调整应用监控范围和监控粒度，保障用户隐私.为了证明本方法的可行性，在真实Android设备上进行测试，可正确监控用户在四种不同应用上的行为.性能测试表明本方法的平均延迟小、CPU（Central Processing Unit）占有率低、内存消耗少，不影响用户正常使用.
阿尔茨海默症（Alzheimer’s Disease，AD）是一种退行性疾病，随着病情加重，患者的语言能力逐渐减弱.目前已经有研究者使用梅尔谱图、梅尔频率倒谱系数（Mel Frequency Cepstral Coefficient，MFCC）等声学特征对阿尔茨海默症患者和健康人进行分类，但是对于使用神经网络从原始波形提取特征进行阿尔茨海默症检测还缺少进一步的探索.本文提出一种基于原始波形的端到端阿尔茨海默症检测方法.该方法使用一维卷积从原始波形中提取时间维度特征，并使用含有膨胀卷积的残差块提取更复杂的特征.为进一步提高性能，在残差块中引入挤压-激励模块.在全国人机语音通讯学术会议（National Conference on Man-Machine Speech Communication，NCMMSC）2021 AD数据集上，本文提出的模型在长音频测试集、短音频测试集分别达到了86.55%和81.35%的准确率，比基线系统分别提高了6.75%、7.35%.在INTERSPEECH2020 ADReSS数据集上，模型的准确率为66.67%，比基线系统提高4.17%.
当今的处理器性能与存储器带宽和延迟严重失衡的问题限制了计算系统的整体性能，而存储器的性能对制程工艺不敏感，在后摩尔时代下很难再通过集成电路制造工艺的迭代获得处理器性能收益，因此人们更多地想通过体系结构的创新获得更高性能的计算系统.处理器值预测技术是一种能在无需改变存储系统情况下有效缓解存储墙问题的解决方案，其通过预测性地打破数据真相关进而让更多的指令可以在乱序处理器中并行执行，而无需等待由于访存等操作造成的长周期指令执行.近年来，值预测在各个方面都有了实质性的进步，但现如今还没有商用处理器使用这一技术，这主要是由于值预测技术的使用还面临许多挑战：现有的处理器的流水线架构不能直接使用值预测技术；值预测所需的预测值传递机制需要额外的硬件资源开销；值预测器巨大的存储开销让其很难在片上实现；由于值预测错误时的性能惩罚大，因此预测准确率较低的值预测器会降低处理器性能.针对这些问题，本文以值预测技术为中心，围绕值预测技术相关的流水线架构、值预测器结构和错误恢复机制三个方面分别详细论述了国内外研究成果以及其对于各个问题挑战的解决策略.最后，本文对当今的处理器值预测技术进行了总结并对未来的研究方向进行了展望.
随着大数据时代的到来和人类对人脑系统研究的日渐深入，类脑计算领域的研究取得突破性进展，有希望在根源上打破传统计算机的性能瓶颈.神经突触是对人体脑部进行记忆能力训练和处理数据的重要基础单元，因此开发新材料、新结构，研究基于新型人造材料与光电子器件的神经突触可塑性，对神经形态器件研究和类脑硬件设计的实现都有着重要意义.本文首先指出目前“冯·诺依曼架构”的主要性能瓶颈，引出类脑计算的概念，提出神经形态器件的主要性能优势，并梳理神经形态器件发展历史；然后在忆阻器领域，阐述与分析忆阻类型、忆阻结构与忆阻机理，比较出几种忆阻器的特性，举例说明忆阻器在不同领域的应用；接着以神经形态器件为基础，选取磁性隧道结、新型浮栅管和铁电晶体管，介绍其结构、工作原理与应用；最后总结目前神经形态器件发展的成果和方向，并对行业发展前景进行预测.
mMIMO毫米波高速通信系统是未来人类社会构建更好通信体验的关键基础.受限于集成电路制造过程中存在的较大随机偏差和失配，弱鲁棒性问题成为制约高速通信系统规模化推广应用的主要瓶颈.本文深入挖掘影响mMIMO毫米波高速通信系统性能的关键因素，并对收发链路I/Q失配校准、数/模混合波束合成收发链路多通道幅相失配校准、发射阵列非线性失真补偿等算法进行归纳和总结，为未来构建沉浸化、智慧化、全域化的高速通信场景提供坚实技术支撑.
本文统计并分析了2023年度国家自然科学基金委员会信息科学部一处申请代码下信息获取与处理领域的面上项目、青年科学基金项目、地区科学基金项目、重点项目、优秀青年科学基金项目和国家杰出青年科学基金项目等项目的申请与资助情况，提出了下一年度基金工作设想.
