异构在线迁移学习使用异构源域的离线数据弥补目标域在线学习数据不足，从而提高目标域在线学习性能.现有方法通常假定源域是目标域特征空间子集或依赖特定的辅助数据.本文提出一种基于跨域结构保持投影的异构在线多源迁移学习方法.通过跨域结构保持投影，同时将每个源域与目标域的特征空间映射到公共子空间，并基于公共子空间中的跨域离线混合数据和目标域在线数据分别进行离线学习和在线学习，提出采用一种双层差异导向对冲集成策略，实现源域离线学习模型与目标域在线学习模型的两层集成融合和在线演化更新.基于本文方法设计实现了一种异构在线多源迁移多分类算法，且理论分析了该算法的分类错误上界.实验结果表明，本文方法能有效实现异构在线多源迁移学习并降低目标域在线多分类错误率，且优于同类的在线多源迁移学习方法.
本文提出了一种具有超低特征导通电阻的沟槽栅横向双扩散场效应晶体管（Trench Gate Lateral Double-diffused MOSFET，TG-LDMOS）.本结构源极和漏极都在表面，与BCD（Bipolar CMOS DMOS）工艺相兼容.通过引入介质沟槽、垂直栅极、栅极下方的源极多晶硅以及栅极右侧的厚氧化层，将传统集成型功率器件的一维耐压拓宽为二维耐压，包括横向耐压与纵向耐压两个方向.其中，纵向耐压不占用横向元胞尺寸，进而在相同耐压水平上，使TG-LDMOS具有分立功率器件耐压效率高、导通电阻低的特点.本结构通过仿真优化做到了击穿电压（V B）为52 V，特征导通电阻（R on，sp）为10 mΩ·mm2.结果表明，TG-LDMOS突破了硅器件的极限关系，与硅极限相比特征导通电阻降低了48%.
本文提出了一种电小准各向同性扇形磁偶极子的设计方法.利用微带贴片天线模式综合设计方法，研究由不对称边界条件原型磁偶极子演化成的扇形磁偶极子，发现不对称边界条件情况下可以同时实现电小天线设计和准各向同性辐射特性.通过推导解析设计闭式而确定天线关键参数，设计了圆心角为300°的扇形磁偶极子，分别采用“同轴线+扼流套筒”和“开槽同轴线”两种馈电方式进行激励和测量.结果表明：采用开槽同轴线激励的天线可以获得最均匀的总电场方向图，其最大不圆度低于6.7 dB，辐射效率为91.2%，最终实现的准各向同性扇形磁偶极子的电尺寸为 （ ），满足电小尺寸条件.
随着高性能卫星测控技术、导航技术、深空探测技术的发展以及宽带扩频等技术的大量应用，对星载高灵敏度自动增益控制接收机群时延波动指标的要求也越来越严格.而在工程实践中，高灵敏度接收机的某些微波特性会导致群时延波动的畸变.本文通过分析微波高灵敏度接收机自动增益控制环路的变化及干扰、反射、微波泄露等实际的工况，对群时延波动进行了估算，推导出了其畸变的预判公式，得出了自动增益控制接收机群时延波动畸变的预判依据.最终，本文通过对星载L频段高灵敏度导航接收机实例分析和设计，将其自动增益控制环路中可调衰减器群时延调整为 ，小于 的指标；内部电磁泄露空间隔离度为 ，优于 的指标；驻波比为1.5，优于2.2的指标；镜频抑制为 ，大于所需的 的指标.经系统联试验证，群时延波动畸变小于 ，说明针对高灵敏度自动增益控制接收机群时延波动畸变的预判分析方法及结果正确，对其工程设计、器件选取具有重要的指导意义.
针对去蜂窝大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）非正交多址接入（Non-Orthogonal Multiple Access，NOMA）系统能耗较大的问题，提出一种兼顾功率消耗和用户服务质量的能效优化算法.首先建立下行链路总能效最大化的资源分配模型，将该非凸能效优化问题分解为用户分组和功率分配两个子问题，然后利用统计学理论提出最大化信道增益差与最小化信道相关度的用户分组算法.基于分组结果，利用连续凸近似法将原非凸功率分配子问题转化为凸优化问题，求解得到最优的功率分配因子.仿真结果表明，与传统的正交多址接入系统相比，应用所提算法的NOMA系统可以获得更高的能效性能和用户吞吐量性能，同时有效提升用户公平性.
近年来，图像信息的安全传输已成为互联网领域的重要研究课题.本文提出了一种将Hopfield网络伪吸引子特性与交替量子随机行走概率分布矩阵相结合的抗攻击彩色图像加密方案.研究发现，若控制Hopfield网络状态矩阵的精度参数，将交替量子随机行走产生的概率分布矩阵4分块中的1个子块 M 1作为伪随机数矩阵参与加密，Hopfield网络的训练矩阵与输入矩阵分别为矩阵 M 1的4分块中的2个对角子块之一时，能产生伪吸引子.该伪吸引子的矩阵形式通过张量运算、进制转换等处理后，能作为密钥矩阵对原始图像进行基于空间域上的像素值排序自适应置乱以及元素数值的混淆，生成加密图像.其中，密钥矩阵是图像加密中的关键部分，具备优异统计学属性的密钥矩阵能极大的提高图像加密的效果.本文所提加密方案在统计学特性测试中，实现了平均信息熵为7.999 4，像素数改变率的平均值为99.621 8%，统一平均变化强度的平均值为33.537 9%，平均相关性为0.003 9等.同时本文还对所提加密方案进行了各种噪声模拟测试以验证其实际应用中遇到常见噪声及攻击干扰情况下的鲁棒性.
针对星地复杂环境下空间光学频率信号稳定度评估的需求，设计基于微波时频传递链路的双向时差测量系统.利用内置激光器对光学频率信号光纤传递链路进行相位漂移检测并补偿，控制光频信号传输时延；基于马赫-曾德尔干涉仪结构进行光学本振合成，提高射频信号质量；通过分时复用实现对通道载波多普勒频率牵引和相位跟踪，实现高精度测量.地面测试结果表明该系统可实现测量系统附加频率稳定度 ， ， ， .
采用0.11-µm CMOS工艺设计了一款10位亚1 V工艺-电压-温度（Process-Voltage-Temperature，PVT）综合稳健的逐次逼近寄存器型（Successive-Approximation-Register，SAR）模数转换器（Analog-to-Digital Converter，ADC）IP核.由于SAR ADC数字化程度较高，为了降低整体功耗，采用小于标准电压的亚1 V供电.然而，对于异步SAR ADC，在低压下面临严峻的PVT不稳健问题，传统采用固定延迟电路的方式无法应对所有的PVT偏差，会导致ADC良率下降.提出一种用于异步SAR ADC的可配置延迟调控技术，采用3输入译码器调节延迟电路的电流，以满足ADC在多种PVT组合下所需的延时，在TT，SS，FF，SF，FS这5种工艺角，0.9~1 V供电范围和-40~85 ℃的温度范围下，均取得了良好的动态特性.在0.95 V供电，采样速率为200 kS/s时，总功耗为2.24 μW，FoM值仅为16.46 fJ/Conv.-step.
智能反射面（Intelligent Reflecting Surface，IRS）技术以其低成本、灵活部署、易于融合其他关键技术的优势吸引了无线通信学术界和工业界的极大关注.传统的空时分组码（Space-Time Block Coding，STBC）与非正交多址接入（Non-Orthogonal Multiple Access，NOMA）方案的巧妙结合（STBC-NOMA）已被证明能够有效地提高系统的鲁棒性和吞吐量.鉴于此，本文提出一种新的IRS辅助的STBC-NOMA系统的传输框架（IRS-STBC-NOMA）.IRS辅助系统给远近不同的两个用户传输信号.采用两个分割的IRS实现STBC传输并利用IRS的相移设计实现发射信号控制，分别推导了所提出传输框架下每个用户的中断概率和遍历速率的闭合表达式；基于所得的分析表达式，给出了渐近或单调的理论分析，之后通过蒙特卡洛仿真进行了对比验证.与现有的STBC-NOMA方案相比，所提IRS-STBC-NOMA方案的中断性能和遍历速率均获得显著提升.
针对传统单斜式模数转换器（Analogue-to-Digital Conversion，ADC）和串行两步式ADC在面向大面阵CMOS图像传感器读出过程中的速度瓶颈问题，本文提出了一种用于高速CMOS图像传感器的全并行两步式ADC设计方法，该ADC设计方法基于时间共享和时间压缩思想，将细量化时间提前到粗量化时间段内，解决了传统方法的时间冗余问题；同时针对两步式结构在采样过程中的电荷注入和时钟馈通问题，提出了一种基于误差同步存储技术的误差校正方法，消除了采样电路非理想因素对ADC性能的影响.本文基于55 nm 1P4M CMOS工艺对所提方法完成了详细电路设计和全面测试验证，在模拟电压为3.3 V，数字电压为1.2 V，时钟频率为250 MHz，输入信号为1.472 V的设计条件下，本文设计实现的13 bit ADC转换时间为512 ns，DNL（Differential NonLinearity）为 ，INL（Integral NonLinearity）为 .信噪失真比（Signal to Noise and Distortion Ratio，SNDR）达到70 dB，有效位数为11.33 bit，列级功耗为47 μW.相比现有的先进ADC，本文提出的方法在保证低功耗、高精度的同时，使ADC转换速率提高了74.4%以上，为高速高精度CMOS图像传感器的读出与量化提供了一定的理论支撑.
本文提出一种类不平衡对软件缺陷预测模型稳定性和预测性能的影响分析方法.首先，使用欠采样方法将原数据集构造成一组不平衡率小于原数据集本身不平衡率的新数据集.其中，在构造数据集时使用固定种子，保证同一个数据集构造的同一个不平衡率的数据集中的数据相同，以减少每次运行结果的随机性.其次，以MCC值作为预测模型的性能评价指标，将每次产生的新数据集放入模型中的分类算法进行训练预测评价，获得当前数据集不同不平衡率下的MCC值，并提出稳定性评价指标.实验结果表明：与AUC相比，MCC更适合作为类不平衡情况下软件缺陷预测模型稳定性的评价指标；对于软件缺陷预测性能稳定性，代价敏感模型表现优于集成模型.
异常步态的识别对老年人的健康看护有很大帮助.现有的相关研究主要通过图像采集设备或穿戴设备获取相关特征信息进行识别，这些方法大多都具有侵入性或对用户有较高的操作要求.本文研究实现了一种基于对脚步震动信号为识别源进行异常步态和跌倒检测的系统原型，该系统通过本文设计的应用于大范围数据采集的多传感器协同信号采集方法采集信号，从中分割出有效部分作为活动元，去噪后再使用改进的动态时间规整算法（Dynamic Time Warping，DTW）计算出代表活动元之间差异性的异常指数，接着由K最近邻（K-Nearest Neighbor，KNN）算法分类异常指数，得到初步表征用户步态的推测值，最后由隐马尔科夫模型（Hidden Markov Model，HMM）进一步处理推测值，识别出用户的步态.实验结果表明，本文提出的方法能够有效在不同的步态模式下识别异常步态，在稳定的环境中识别准确率达到96%，在具有不稳定地板的环境中准确率为94%.
光照条件和光谱反射率对增强现实和场景渲染任务非常有用，但是通过仪器采集比较困难，因此根据普通图像计算光照条件和光谱反射率是重要的计算机视觉任务.本文设计了一种通过分析场景中的阴影区域和周边区域颜色之间的色差，无需训练数据即可计算场景的光照条件和光谱反射率的算法.在自然场景中，阴影区域由于遮挡只能接收和反射天空光，而其周边的非阴影区域则同时受到太阳光和天空光的影响.当阴影和非阴影区域有着相同的光谱反射率时，两块区域颜色之间的色差反映了被遮挡光源的信息.两块区域之间的颜色差异由光照条件造成，又以光谱反射率为联系.因此，可以利用这两种颜色之间的关系计算光照条件和光谱反射率.本文使用先验知识和模型公式化表达某一区域在光照下呈现在图像中的颜色，然后基于两种颜色以及两者之间的色差设计了一种优化算法，通过计算最优解来计算场景的光照条件以及光谱反射率.通过在多个数据集上的一系列对比实验，以及一个使用光照条件和光谱反射率来去除阴影区域的应用实验，证明了该算法的准确性.
为了提升分布式传感器场景下对于宽带辐射源的定位效果，本文提出了一种基于到达时间差（Time Difference Of Arrival，TDOA）的多频率聚焦与融合的相干辐射源直接定位（Direct Position Determination，DPD）方法.首先，对衰减系数未知的传感器时域接收信号进行预处理，进行数据分段和频域变换，将宽带信号转化成若干个多快拍窄带频域信号；其次，根据最佳聚焦矩阵构造准则，构造聚焦矩阵，将各频率对应的信号聚焦到中心频率附近频谱能量最大的聚焦频率，得到聚焦后的接收数据；然后，根据子空间正交性建立关于辐射源位置的最小化代价函数，融合多个聚焦后的代价函数解决衰减系数未知的问题；最后，结合拉格朗日乘子法，通过网格点上代价函数值的谱峰搜索得到宽带辐射源的估计位置.所提方法可以在衰减系数未知的情况下实现相干辐射源的高精度定位，仿真和实际测试结果表明本文所提方法的有效性，在信噪比大于0 dB的四节点多径定位场景中，所提方法的定位性能较其他时差直接定位性能提升了30%以上.
本文基于新型间隙波导传输线技术，设计了一种宽带的0 dB前向波定向耦合器，提出的耦合器中心频率在30 GHz，可以实现宽带平坦的0 dB耦合特性，通过在两个相邻的槽间隙波导的公共壁上开耦合缝隙来实现主通道到副通道的能量耦合.为了方便实验测试，还设计了宽带的槽间隙波导到标准WR-28波导的过渡转换结构.最后进行了实物加工与测量，根据测量结果，本文提出的定向耦合器工作频带为27.1~31.5 GHz，带内最大插入损耗约为0.5 dB，且回波损耗小于 ，耦合器的相对带宽为14.7%（中心频率30 GHz）.测量结果与仿真结果吻合较好，实验验证了该设计方法的正确性.
现有未知信号传播速度场景下的多基地定位算法在实际场景中受地形、遮挡等因素影响可能无法利用直接路径获取测量值.同时，这些算法引入了较多辅助变量，在相对较少数目发射站和接收站场景下也无法实现定位.为了弥补这些不足，本文对未知信号传播速度下存在时钟同步误差和传感器位置误差的多基地定位问题开展研究，并提出一种新的闭式算法.所提算法包含两个阶段，第一阶段利用发射站-目标-接收站这一间接路径的时延观测量，基于单一辅助变量构建矩阵方程，随后通过加权最小二乘技术给出初始解.第二步利用未知参数与单一额外变量的关系修正初始估计值，进一步提升定位精度.理论分析表明所提算法在适度的误差条件下可实现克拉美罗下界（Cramer Rao Lower Bound， CRLB），且在较少数目发射站和接收站场景下仍可实现目标位置和信号传播速度估计.仿真实验进一步验证了理论分析，同时表明所提算法定位精度优于现有算法.
修正极坐标表示（Modified Polar Representation，MPR）实现了近场定位与远场测向模型的统一表达，克服了定位或测向对目标距离先验信息的依赖，巧妙地规避了传统坐标系下因远场距离模糊及距离-角度相互耦合导致的定位精度下降.然而现有MPR定位方法存在性能和稳健性不足、边界条件不清晰等问题，无法满足工程应用的实际需求.本文从子空间的角度着手以求解MPR下的时差（Time Difference Of Arrival，TDOA）定位问题，将角度和逆距离的估计分离到两个正交的空间，从而提高算法性能和稳健性.首先利用零空间投影消除逆距离以求解角度的最优估计，然后再代回原方程求解逆距离.在求解逆距离估计时，考虑角度估计误差使得矩阵出现秩亏，可通过向矩阵非零特征值对应的子空间投影解决秩亏的问题，再由加权最小二乘直接求得逆距离的最优估计.与现有研究中最优闭式解广义信赖域子问题（Generalized Trust Region Sub-problem，GTRS）相比，分析和仿真实验都证实所提算法具有更好的性能和大噪声场景下的稳健性.本文还分析了包括所提算法在内的现有基于MPR的TDOA定位算法的局限性，明确了不同算法对最小传感器数量和适用场景的的要求，为工程中算法的选择提供参考.
聚苯乙烯泡沫（Expanded PolyStyrene，EPS）支架的电磁散射特性是雷达散射截面（Radar Cross Section，RCS）测量系统性能的关键，直接决定雷达隐身测试精度.针对6种常用EPS支架构型，本文通过建立EPS材料介电参数模型与支架三维模型，开展介质实体建模与电磁仿真研究，并利用RCS测试场进行实验验证，分别对EPS支架的单站/双站、点频/扫频、频域/时域等方面的电磁散射特性进行了深入细致的分析，提出了双菱形锥柱长轴共线与短轴共线相结合的方案，有效改进背景性能.仿真与实测表明，双菱形锥柱构型适用于典型空中目标支撑，尤其可在较大双站角范围内实现-55 dBsm以下的极低散射背景，能够保障隐身目标单/双站测试的背景需求；EPS支架单站RCS对极化特性不敏感，而其双站散射的水平极化明显低于垂直极化.此外，低频段扫频特性起伏振荡达30 dB以上，振荡峰值频率与支架尺寸、位置满足干涉规律.故通过支架设计可使特定频点处于振荡谷值，从而优化低散射背景.本文为RCS测量极低散射背景设计提供了思路及指导.
事件计时器可实现输入事件时刻的高精度、高稳定测量，且工作频率不受测量间隔限制，是星地激光时间比对中不可或缺的设备.为满足飞速发展星载原子钟的评估要求，对星地激光时间比技术中激光发射、到达和返回时刻的测量提出亚飞秒稳定度和皮秒精度需求.采用FPGA配合计时芯片THS788开发了高精度事件计时器，测量精度约8 ps，非线性误差皮秒级，测量频率大于10 kHz；将基准时钟分频后作为校准信号，实现时延漂移的实时标校，时刻测量稳定性提升5倍以上.将该计时器应用在星地激光时间比对载荷，载荷测量稳定性（Time DEViation，TDEV）优于0.07 ps@300 s和0.84 ps@1 day.计时器达到国际主流产品A033-ET水平，既满足 量级准确度原子钟的时频传递需求，又可用于毫米级精度卫星激光测距，具有较好的推广应用价值.
本文基于硅基三维集成技术，提出了一种高集成度低剖面的W频段有源相控阵微系统.将阵列划分为若干个2×4单元的W频段相控阵子阵微系统.每个子阵微系统采用了三维布局封装结构，内部一体化集成了天线、有源芯片和无源网络等功能单元.以子阵微系统为基本单元，利用阵列扩展技术将8个子阵微系统拼接成为8×8单元的W频段有源相控阵阵列.设计了高耦合度低损耗的CPW共面波导（co-planar waveguide，CPW）传输线、基于TSV硅通孔（through silicon via， TSV）的准同轴垂直传输结构、基于微凸点的hot-via芯片接口等高频传输结构，解决了天线阵列到有源芯片的W频段信号层间传输难题.样机加工测试结果表明，92~96 GHz频率范围内，该相控阵阵列可实现二维波束快速扫描功能，扫描角达到 ，重量仅为85 g，剖面厚度仅为7.4 mm.
极化可重构天线是一种极化状态可切换的新型天线，它具有减少系统中天线数量、利于频率复用等优点.本文基于模式可切换馈电网络，提出了一种具备两个工作频带（1 GHz和2.1 GHz）和四种极化状态（0°和90°线极化和左、右旋圆极化）的直流偏置电压数量较少的双宽带极化可重构微带天线.双频比可实现范围为1.7~3.5.本文详细介绍了双频可切换馈网和天线的设计过程.本文在分支线耦合器的基础上加载4个开路枝节和12个二极管，通过切换二极管状态使馈网输出信号幅度和相位可以在四种模式之间切换，从而满足四种极化状态的激励条件；并且基于参数分析，提出了调节双频比和提高轴比带宽的方法.天线方面，本文在双层L探针贴片天线的基础上设计了一种准同轴去耦结构和一种T形结匹配结构.仿真结果表明天线具有良好的双频双极化性能.最后，对馈电网络和天线的整体进行了仿真和加工实测.实测结果表明，该天线在0.94~1.07 GHz（13%）和1.99~2.27 GHz（12.6%）两个较宽的频带内仅用2个直流偏置电压（不包括地板电位）就实现了四种极化状态的切换，低、高频带内线极化状态的法向增益分别为7.6 dBi和7.3 dBi，圆极化的法向增益分别为6.3 dBic和5.9 dBic.本文设计的双频四极化可重构天线为RFID系统、WLAN系统和卫星导航系统提供了新的解决方案.
本文提出了一种基于调频连续波（Frequency Modulated Continuous Wave，FMCW）雷达回波信号的手势识别算法：首先，提出一种双维度滤波算法，在距离和速度维度对手势回波信号进行滤波，有效地降低了系统的静态噪声；其次，将数据经过动目标检测（Moving Target Indicator，MTI）算法滤除时间维度噪声；然后，提出了时间自适应定长化的方法，在减少势信息损失的前提下保证了每个手势样本帧数的一致性；最后，建立距离多普勒网络（Range Doppler Net，RD-Net）进行训练分类.该算法在谷歌开源的deepsoli数据集中取得了98.28%的准确率，比数据集提出者的算法的准确率提升了11.11%.该算法在实时推理实验中取得了90.8%的准确率，具有更好的泛化能力.本文采集的数据集开源地址为https://gitee.com/xiao_chens_classmates/Radar_Gesture_Data.git
针对概率型视觉密码所恢复的灰度图像存在灰度表现力不强的问题，本文提出了一种基于灰度概率矩阵的设计方案，生成了能够呈现多种灰度的共享份，以提高恢复效果.首先，以提高分享策略集合的整体差异性和灰度识别率为目标，依据视觉密码的对比性条件和安全性条件建立约束方程组，建立了目标优化模型.在此基础上，利用序列二次规划算法求解该目标优化模型得到优化后的灰度概率矩阵，并设计了秘密分享算法.实验结果表明，本文方案适用于（k，n）门限存取结构，恢复图像具有灰度失真程度低、表现力强的特点，在传统和新型图像质量评价指标上的表现，较同类方案均有所提升.
目前流行的模型压缩剪枝算法裁减的对象通常是整个卷积核.一些网络结构中存在特征图维度匹配的硬性要求，如ResNet中的残差结构主干上最后一个卷积层的卷积核个数以及Inception网络中的级联操作前所有分支上最后一个卷积层的卷积核个数都不能改变，这直接限定了剪枝的空间.本文提出一种正则化机制下的多粒度神经网络剪枝方法，针对维度匹配限制了剪枝空间的问题，设计从粗到细的多粒度剪枝策略，在稀疏化的同时维持了处于维度匹配位置的卷积层中卷积核的数量不变.并且，本文提出一种自适应L1正则化的稀疏方式，可以使网络在更新参数的同时兼顾到网络结构的变化.稀疏化后的卷积核不仅有比原卷积核更少的参数和计算量，而且拥有更加优异的结构性质，使网络具有更高的表达能力.例如，在CIFAR-10上，针对VGG-16，相比基准网络，在计算量压缩了76.73%的情况下，准确率提高了0.19%；针对ResNet-56，在计算量压缩了82.54%的情况下，准确率只下降了0.14%.在ImageNet上，针对ResNet-50，在计算量压缩了56.95%的情况下，准确率只下降了0.48%.本文方法优于现有先进的剪枝方法.
无人驾驶车辆近年来一直是研究的热点.无人车运行环境复杂、不确定因素多，尤其当其意外驶入水坑、泥潭等地形时可能直接导致抛锚，造成不可估量的损失，因此水体检测对无人车的运行有着重要意义.借助深度网络的强大学习能力，本文首先将反射注意力单元和自注意力机制相结合，并在（U shape Network，U-Net）模型基础上添加残差卷积块和上采样卷积模块，得到了新的道路场景水体区域检测模型（U shape Network with Attention for Road，URA-Net），该模型能够更好地捕捉特征依赖关系，提高水体语义特征的表示能力.进一步，本文提出了一种基于双生成器对抗学习的训练模型（Redundant With Dual Generative Adversarial Network，RWD-GAN），它对URA-Net稍做修改，拓展成两个生成器，通过在对抗网络框架下让生成器与鉴别器、生成器与生成器之间实现对抗学习，促进不同网络模型之间的信息传递.在公开数据集上的大量实验表明URA-Net达到了87.18%的F1指标，而RWD-GAN模型能够进一步提高水体检测的精度，使提升到了88.54%，URA-Net和RWD-GAN均超出现有深度网络水体检测方法的性能表现.
高精度卷积神经网络推理成本往往较高，很难在资源受限的嵌入式设备上进行实时推理.本文通过分析不同类型卷积对模型推理速度的影响因素，首次指出除了模型计算量，模型的特征图输出量也是影响推理速度的一个关键因素.而现有基于深度分离卷积的轻量化方法仅把模型的计算量作为模型轻量化指标，并未考虑特征图输出量对模型推理速度的影响.根据该发现，本文结合标准卷积提出一种基于快速下采样的模型轻量化加速方法，通过快速减少特征图尺寸来同时减少模型计算量和特征图输出量.本文方法设计的轻量化模型的特征提取能力和不同平台的推理速度均优于现有的基于深度分离卷积的轻量化方法.更进一步地，本文利用该方法针对人脸识别任务提出一个快速人脸识别模型FDFaceNet.与现有的轻量化人脸识别模型相比，FDFaceNet准确率更高，在不同平台上的推理速度更快.
对地理信息的准确掌握是城市中各种智能决策得以实现的基础.传统地理信息收集主要靠人工测绘、人工巡检或固定传感器感知，设备、人力成本高昂.近年来，随着移动互联网的发展，泛在的移动群体在城市中产生了海量的时空数据，他们有意或无意间成为城市的传感器，使研究人员有机会利用众包的思路基于此类数据推测城市地理信息.基于众包时空数据推测城市地理信息具有成本低、空间覆盖广、更新及时等优点.但其具有严重的数据质量问题，对城市地理信息推测带来了巨大挑战.本文综述了根据轨迹、基于位置的社交网络、街景等众包时空数据，推测城市中以路段、兴趣点、兴趣面为代表的地理实体的位置和属性的方法.本文给出了众包时空数据和地理实体的定义，详细比较了众包时空数据驱动的推测方法与传统方法的优劣，说明了研究问题和挑战，然后讨论了地图匹配、名称提取、位置发现和统计属性推测四个研究问题的研究进展，最后展望了该领域未来的研究方向.
人工智能隐私保护的应用场景多种多样.在不同的场景中，完成隐私保护计算的实体可信程度和数量不尽相同.这些实体的可信程度和数量对隐私保护计算方法能否实际应用具有重要影响.本文从实体的可信程度和数量出发，将基于密码技术的人工智能隐私保护计算方法归类为4种计算模型，分别是多中心模型、双中心模型、单中心模型和现实模型.除现实模型外，其它计算模型都存在可信实体.对每一种计算模型，本文给出当前基于密码学工具给出的人工智能隐私保护方法涉及的典型计算和采取的典型算法，并指出提升算法的效率和安全性是对每种计算模型都适用的研究方向.
