针对现有正交时序复用（Orthogonal Time Sequence Multiplexing，OTSM）通信均衡方法在高速移动环境下难以有效处理符号间干扰的问题，提出一种基于最小二乘QR分解（Least Square QR，LSQR）的双迭代判决反馈均衡方法.该方法利用基于零填充的OTSM系统时域传输矩阵的分块特性，使用LSQR迭代算法对时域观测数据进行逐块均衡以实现对待检测符号的快速粗估计；随后将其转换至延迟-序列域中通过数次迭代的方式进行动态门限量化判决，进而利用判决反馈结果对延迟-序列域观测数据进行分块干扰消除，最后通过LSQR迭代均衡实现符号粗估计的迭代优化.仿真结果表明，在500 km/h移动速度下该均衡方法与目前广泛使用的基于高斯赛德尔（Gauss-Seidel，GS）的均衡方法和基于最大比合并（Maximum Ratio Combining，MRC）的均衡方法相比，采用16-QAM调制且误码率为 时分别带来了2.61 dB和1.76 dB的性能增益.
本文设计了一个多输入单输出（Multiple-Input Single-Output，MISO）的三维室内可见光定位通信一体化（Visible Light Position and Communication，VLPC）系统，该系统在接收端基于接收信号强度（Received Signal Strength，RSS）的三维可见光定位（Visible Light Position，VLP）算法获得定位数据，同时估计信道状态信息（Channel State Information，CSI）并上传给发射端进行定向通信.该系统的发射端基于空移键控（Space Shift Keying，SSK）的室内可见光通信（Visible Light Communication，VLC）技术实现系统的通信功能.另外，本方案可以完全避免通信与定位子系统之间的干扰.同时，通过推导定位误差的克拉美罗下界（Cramér-Rao Lower Bound，CRLB）和SSK-VLC的通信可达速率来评估本文提出的VLPC系统的性能.仿真结果验证了本文所提方案的有效性.
为了更准确地建模随机无线信道，提出一种自适应增强条件生成对抗网络信道建模方法.其采用扩展的生成对抗网络（Generative Adversarial Network，GAN）开展训练，以近似估计无线信道响应，模拟真实无线环境信道.为了改善GAN训练稳定性和学习能力，引入条件信息和梯度惩罚项，并提出一种增强条件生成对抗网络框架，用于提取信道隐蔽特征.此外，还提出隐空间采样策略，以增加随机变量与生成数据的互信息量，提高所提框架的信道建模性能.仿真表明：所提框架能很好地模拟复杂无线信道分布.在信噪比为10 dB时，与现有GAN训练方法相比，其归一化均方误差性能改善约24%.
为了在多用户多信道通信场景中应用动态频谱接入（Dynamic Spectrum Access，DSA）技术提高通信效率，保证用户公平，本文基于多智能体近端策略优化（Multi-Agent Proximal Policy Optimization，MAPPO）提出了MAPPO-DSA算法.该算法首先针对单信道接入在多个信道同时空闲时存在的频谱浪费问题，使用多信道接入作为解决方案.同时，多信道接入导致状态空间与动作空间指数增长，计算成本高，学习难度大.为此本文引入MAPPO深度强化学习（Deep Reinforcement Learning，DRL）算法，在复杂环境中高效学习和优化接入策略.通过设计优化MAPPO中观测及奖励等强化学习要素和共享网络参数来保证用户公平.最后，在不同场景下的实验结果表明，所提出的MAPPO-DSA能够学习到近似最优的接入策略，部分场景中的网络吞吐量逼近理论上限，显著优于现有算法，且有效保证用户公平.
针对现有工作仅考虑理想信道状态信息（Channel State Information，CSI）与硬件调控能力导致在实际系统中用户传输中断过高的问题，该文综合考虑不完美CSI、有限相移调控、硬件损伤的影响，提出了一种基于智能反射面（Intelligent Reflecting Surface，IRS）辅助的鲁棒能效优化算法.考虑基站最大发射功率与IRS离散相移约束及差异化用户传输速率需求，基于高斯CSI误差模型和加性硬件损伤模型，将基站主动波束成形与IRS被动相移优化问题建模为含不确定性参数的多变量耦合能效最大化问题.考虑波束向量与相移矩阵的耦合性，利用交替优化策略将原问题转化为主动波束子问题和离散相移子问题.利用伯恩斯坦不等式、丁克尔巴赫方法及连续凸近似将波束子问题转化为凸优化问题求解；基于求解的主动波束向量，利用罚函数法和投影定理求解离散相移子问题.仿真结果表明，与传统非鲁棒算法相比，所提算法能效性能提升15.8%，平均中断概率间隙达86.7%.
传统NOMA系统远近用户设备（User Equipment，UE）之间在时频资源上信号完全重叠，以期获得最高的频率利用率，但其中UE之间的干扰也成为核心问题之一.部分NOMA（Partial NOMA，PNOMA）系统由于仅在部分频段实现NOMA共存，因此可以优化协调UE之间的干扰.相较于传统NOMA系统，PNOMA系统能够极大地降低非理想连续干扰相消（imperfect Successive Interference Cancellation，ipSIC）对于系统和速率的消极影响.基于全双工协作NOMA（Full Duplex Cooperative NOMA，FD-CNOMA）系统和PNOMA系统，本文提出了一种全双工协作部分NOMA（FD-CPNOMA）方案以优化UE之间干扰，提高系统可达速率.考虑由一个基站和若干个远近UE构成的FD-CPNOMA系统，针对实际中存在非理想连续干扰消除问题，本文给出了UE配对、非正交率控制及功率分配的优化算法，并推导了此模型下UE中断概率闭式解.仿真结果表明，本文提出的UE配对方案性能优于其他三种配对方案，所提出的PNOMA系统最大可达速率均优于相应的传统NOMA系统，提出的FD-CPNOMA系统在低信噪比下的最大可达速率比半双工协作部分NOMA（HD-CPNOMA）系统和PNOMA系统分别高出95.42%、44.06%，并且在高信噪比下可以较好地实现UE间公平性和平均可达速率的折衷.
正交频分复用系统中，用于信道估计的导引占用宝贵的传输资源且消耗用户设备发射机能量.为应对这一困境，提出差分检测与神经网络相结合的信道估计方法.在发射端，将发送数据进行差分编码.在接收端，将差分译码后的数据视为发射的导引，借助面向判决信道估计思想，捕获信道估计的初始特征；在捕获到的初始特征的辅助下，构建增强信道估计网络（Enhanced Channel Estimation Network，En-CENet），融合差分与神经网络捕获的信道特征，改进信道估计精度.仿真结果表明，相对导引辅助信道估计和机器学习叠加信道估计方法，本文方法在提高系统频谱效率、节省发射机能量消耗、降低接收机计算复杂度和运行时间的同时，改善了信道估计精度.
针对列重较大的无4环且无6环的准循环（Quasi-Cyclic，QC）低密度奇偶校验（Low-Density Parity-Check，LDPC）码，本文提出了三种新的显式构造方法.新方法的指数矩阵由两个整数序列完全定义，其中第一个序列是从0开始且公差为1的等差序列，第二个序列是由符合最大公约数约束的整数组成的特殊序列.对于现有显式方法只能提供较大循环块尺寸的多种行重类型，新显式构造方法在这些行重类型下均获得了相当小的循环块尺寸，从而将最小循环块尺寸降低到大约只有原来的一半.与近期提出的基于搜索的对称结构法相比，新的显式构造方法具有类似或更优的译码性能、极低的描述复杂度且不需要计算机搜索.
从统计物理的角度，结合自旋玻璃理论与复杂网络理论，系统地研究了伯努利系统低密度生成矩阵码的统计力学性质.首先给出系统低密度生成矩阵码的伯努利构造、编译码框架，并讨论节点度分布以及正规图与Erdös-Rényi（ER）随机图的联系.然后研究自旋玻璃理论框架下的编译码模型、码本与微观构型的关系、空腔方法与消息传递方程，提出针对系统码的种群动力学算法来高效分析其渐近性能.最后提出正规图配置模型（Normal Graph Configuration Model，NGCM）生成具有连接偏好性的正规图，研究异配性对置信传播（Belief Propagation，BP）译码算法性能的影响，并进一步分析其机理.仿真结果表明，种群动力学算法与BP译码算法本质上相同，但前者不局限于某个具体的码，因此在分析码集的渐近性能时更具优势.此外，适当的异配性能够显著提升BP算法在瀑布区的译码性能，获得更低误码率（Bit Error Rate，BER）并且降低译码迭代次数（复杂度）.
分子通信是利用分子等纳米粒子作为信息载体，经发射、编码、传输和解码步骤来实现通信的一种通信范式.磁性纳米粒子具有良好的生物兼容性，将其作为信息载体，在未来能够更好地构建体域纳米网络，以及解决纳米机器人间的通信协作问题.目前分子通信的相关研究主要集中在理论部分，对于分子通信平台的研究及相关实验相对较少.本文设计了一个基于磁性纳米粒子的分子通信平台，进行了一系列实验来研究不同调制方式和不同外界环境下分子通信的通信情况，最后总结展望了分子通信研究的未来方向.
针对物联网芯片中对加密算法低面积、高吞吐率需求的增加，提出了速度优先、面积优先、面积速度权衡的3种SM4轻量级硬件实现方案.面积优先方案中，对线性函数L/L'进行优化实现，减少48位寄存器以及120比特的异或资源的使用；速度优先方案中，引入2个新的S盒，实现线性函数L/L'与查找表S盒的合并，从而避免线性函数L/L'的时延；面积速度权衡方案中，合并S盒线性映射、逆线性映射以及线性函数L/L'为一个函数，将加密计算均映射到复合域中进行，减少一个S盒线性映射时延，进一步提高速度.与目前已有方案进行比较，面积优先方案面积减少约5.5%~44.8%以上，仅2 371 GE，功耗仅为0.88 mW，最大频率为324 MHz；速度优先方案面积为3 061 GE，最大频率提高约9.8%以上，可达549 MHz，吞吐率为439.2 Mbps.
FBC（Feistel-based Block Cipher）是入围全国密码算法设计竞赛第二轮的轻量级分组密码.由于它具备算法结构简洁、安全性高及软硬件实现性能卓越等优点，备受业界广泛关注.FBC密码算法的数据分组长度和密钥长度至少为128比特，记为FBC-128.目前对FBC-128算法差分攻击的最好结果是12轮，时间复杂度为293.41次加密，数据复杂度为2122个选择明文对.然而，FBC算法是否存在更长的差分区分器，能否对其进行更高轮数的密钥恢复攻击仍有待解决.本文基于混合整数线性规划（MILP）的自动化搜索方法，提出了“分段统计法”来求解FBC-128的差分特征.实验测试结果表明：FBC-128存在15轮差分区分器，其概率为2-121.然后将其向后扩展1轮，对16轮FBC-128算法发起密钥恢复攻击，其数据复杂度为2121个选择明文数据量，时间复杂度为292.68次加密.与已有结果相比，差分区分器和密钥恢复攻击都提升了4轮，并且所需的数据复杂度和时间复杂度更低.
基于云-边缘计算的车联网（Cloud-Edge computing for the Internet of Vehicle，CEIoV）能够支持大规模车辆的实时访问与服务请求，为了保证其内部资源的安全性，需要对车辆进行身份认证而后才能接入CEIoV；但是车辆本身处于运行状态且计算、存储和通信资源受限，给CEIoV车辆的身份认证带来挑战.本文基于具有简单密码操作的变色龙哈希函数，提出了一个连续轻量级身份认证协议（Lightweight Continuous identity Authentication，LCA），实现了对于资源受限车辆的认证和CEIoV内部资源的安全保障.本文在随机预言机模型下证明了LCA协议的语义安全性；并通过实验验证LCA协议在连续认证过程中具有较低的计算和通信成本.
针对边云协同应用场景中多域间终端的安全通信、信息安全交换及安全资源共享等问题，提出一种基于动态属性权限的群组密钥协商（Group Key Agreement，GKA）协议，为应用场景中的群组终端之间建立了一条安全的通信信道.协议提出了一种密钥证实算法，解决了传统方案中密钥生成和密钥分发造成的安全隐患；采用隐藏属性认证技术实现对终端身份认证，同时，保障了终端的身份和属性信息不被泄露；采用属性基加密（Attribute-Based Encryption，ABE）与牛顿插值多项式相结合的方式，能够支持安全细粒度的GKA；采用非对称计算，将计算任务转移到边缘服务器上执行，减轻终端的计算量；利用区块链技术不可篡改的特性，实现终端身份和通信信息的完整性验证和数据的可追溯性.此外，该协议支持属性权限动态更新，保障群组密钥的新鲜性.通过与应用的文献进行对比分析，本协议在计算时间、计算能耗和通信能耗方面具有较好的性能.
针对可见光无线定位指纹推算技术遇到的指纹赋权模型校准难题，本文利用贝叶斯推断理论和随机优化方法，提出了一种高效的指纹赋权模型校准优化方法.首先，利用可见光接收信号强度及其对应的位置和姿态标签建立指纹数据库；其次，依据指纹观测模型及最大熵理论，构建高斯型指纹赋权模型，用于推算可见光无线终端的位置和姿态；然后，依据随机优化理论，将高斯赋权模型校准难题建模为随机优化问题，并设计了基于连续凸函数逼近的赋权模型优化算法解决其中的非凸函数优化难题，从而实现对指纹赋权模型参数的高效校准，提升可见光定位的指纹推算精度.通过对指纹赋权过程进行建模与优化，本文提出的指纹定位方法能够有效抑制非视距传播干扰、弥补指纹匹配误差，极大地提升了可见光指纹定位的精度.仿真数据表明，本文基于指纹赋权模型优化的可见光无线定位算法相比于主流的指纹定位方法具有更高的定位性能.
针对交通流数据高维非线性和时空依赖性复杂，本文构建了基于特征蒸馏的变分贝叶斯编码器交通流预测模型.对每段时间序列对应的时间窗口特征，构建了基于多模态时间槽和空间槽的交通流特征提取模型.以时空槽特征提取模型作为特征知识蒸馏架构的输入.通过知识蒸馏结构提取的时空特征结晶体，利用教师模型指导学生模型的学习过程，从而提高学生模型的泛化能力.变分贝叶斯编码器对交通流时空特征结晶编码获取交通流数据的隐变量，根据隐变量的生成采样，利用解码器将其解码重构成新的预测值.实验结果表明，本文提出的模型预测性能显著提升，且中长期预测中鲁棒性更优.
作为医学信息抽取的第一个关键环节，医学命名实体识别任务旨在从如电子医疗病例、中文医药说明书等非结构化文本中抽取出医学相关的实体.目前大多数中文医学命名实体识别工作通过在预训练模型上进行微调来获得文本表示向量，然后利用特征工程来提升模型在医疗领域上的性能.这些模型大部分源自在通用数据集上表现较好的模型，没有考虑中文医学数据集的语言特性.通过在多个医学数据集上进行统计分析，发现部分类型的医学实体在字形上具有共性，如在汉字中大部分表示疾病含义的字符都包含“疒”，大部分表示身体器官的字符都包含“月”.针对这些问题，本文提出了一种基于字形特征的中文医学命名实体识别方法，该方法通过在文本表示向量上融合字形向量以及进一步利用数据集中负样本来提升模型的准确度和泛化能力.在多个公共的中文医学数据集上的实验结果表明，该方法获得了比其他模型更好的效果，并且通过消融实验证明了融合字形特征和从负样本中学习对于该任务是有效的.
对文本中诸如实体与关系、事件及其论元等要素及其特定关系的联合抽取是自然语言处理的一项关键任务.现有研究大多采用统一编码或参数共享的方式隐性处理任务间的交互，缺乏对任务之间特定关系的显式建模，从而限制模型充分利用任务间的关联信息并影响任务间的有效协同.为此，提出了一种基于任务协作表示增强的要素及关系联合抽取模型（Task-Collaboration Representation Enhanced model for joint extraction of elements and relationships，TCRE）.该模型旨在从多个阶段处理任务间的特定关系，帮助子任务进行更细致的调节和优化，促进整体性能的提升.在三个关系抽取和一个事件抽取数据集上进行实验，TCRE在实体识别和关系提取任务上平均性能分别提高0.57%和0.77%，在触发词识别和论元角色分类任务上分别提高0.7%和1.4%.此外，TCRE还显示出在缓解“跷跷板现象”方面的作用.
基于差分隐私的深度学习隐私保护方法中，训练周期的长度以及隐私预算的分配方式直接制约着深度学习模型的效用.针对现有深度学习结合差分隐私的方法中模型训练周期有限、隐私预算分配不合理导致模型安全性与可用性差的问题，提出一种基于数据特征相关性和自适应差分隐私的深度学习方法（deep learning methods based on data feature Relevance and Adaptive Differential Privacy，RADP）.首先，该方法利用逐层相关性传播算法在预训练模型上计算出原始数据集上每个特征的平均相关性；然后，使用基于信息熵的方法计算每个特征平均相关性的隐私度量，根据隐私度量对特征平均相关性自适应地添加拉普拉斯噪声；在此基础上，根据加噪保护后的每个特征平均相关性，合理分配隐私预算，自适应地对特征添加拉普拉斯噪声；最后，理论分析该方法（RADP）满足 -差分隐私，并且兼顾安全性与可用性.同时，在三个真实数据集（MNIST，Fashion-MNIST，CIFAR-10）上的实验结果表明，RADP方法的准确率以及平均损失均优于AdLM（Adaptive Laplace Mechanism）方法、DPSGD（Differential Privacy with Stochastic Gradient Descent）方法和DPDLIGDO（Differentially Private Deep Learning with Iterative Gradient Descent Optimization）方法，并且RADP方法的稳定性仍能保持良好.
目前，信息几何检测器主要采用协方差矩阵特征模型，在矩阵流形上度量待检测单元数据与杂波数据间的差异，以区分目标与杂波，从而实现雷达目标检测.然而，在复杂杂波背景下，雷达回波信号信杂比低，杂波在其中占据主导地位.因此，含有目标回波的雷达回波信号与纯杂波具有统计相似性，该相似性使得二者在矩阵流形上较难区分，从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制，本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架，并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型，而后利用局部平坦假设与多层感知器，将联合优化模型中的决策变量参数化，并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明，该方法检测性能优于现有信息几何检测器等典型目标检测方法，且在目标多普勒接近杂波谱峰时具有较大优势.
Ramanujan傅里叶模态分解采用低频向高频扫描的方式获取分量信号，易出现过量分解和信息分散的现象，致使分解分量不具有单一完整的状态信息.为了解决上述问题，论文提出了一种自适应精简经验Ramanujan分解（Adaptive Concise Empirical Ramanujan Decomposition，ACERD）方法.在ACERD方法中，采用功率谱密度获取分割频带，旨在进行准确的频带划分.同时，利用Ramanujan傅里叶变换提取每个分割频带所对应的模式分量，提高周期分量的识别能力，并获得具有单一周期特征信息的模式分量.通过复合故障仿真信号和实测信号分析，结果表明：ACERD方法具有优异的频带分割和周期脉冲特征提取能力，适用于复合故障诊断.
针对现有主动轮廓模型（Active Contour Model，ACM）无法进行准确高效的SAR（Synthetic Aperture Radar）图像水陆分割的难题，提出一种基于加权混合符号压力（Signed Pressure Force，SPF）主动轮廓的新模型.该模型将中值拟合中心和均值拟合中心结合起来，建立新的混合符号压力函数，以抑制干扰边缘的影响.通过设计基于绝对中位差的自适应权重，实现自动调节内外拟合中心的比例系数，以更合理地描述灰度差异.此外，计算平滑后图像梯度信息构建边缘引导函数并引入到SPF函数中，以进一步提高分割性能和演化效率.在实际SAR图像上进行分割实验，结果表明：与相关实验模型相比，提出模型在保持高效的同时能获得更加准确的分割结果，其中Dice相似系数（Dice Similarity Coefficient，DSC）至少提高6%.
雾或霾天气下，大气粒子对光的散射作用造成光学图像细节弱化，严重影响了后续的图像分析与处理任务.现有去雾算法存在去雾后图像信息丢失、产生模糊、天空区域过增强等问题.本文从偏振视角与暗通道先验理论出发，提出了一种基于直接透射光梯度特征引导的目标偏振度估算算法，用于图像去雾.通过偏振图像获取场景与大气的偏振信息；再以暗通道先验算法估计的直接透射光强的梯度特征为引导，估算目标偏振度；将估算的目标偏振度转为大气光强，经过原理性约束与引导滤波，得到优化的大气光强，进一步求解去雾图像与优化的目标偏振度.定性实验表明：本文算法去雾后，图像具有良好的平滑度，且克服了现有去雾算法存在的可见性弱、去雾残留、天空区域过增强等问题；定量实验表明：本文算法既不会造成图像信息丢失，也不会产生过多的噪声或模糊.综合对比9种具有代表性的去雾算法，本文算法具有良好的细节恢复能力、图像熵提升能力以及色调还原能力.
量子近似优化算法（Quantum Approximate Optimization Algorithm，QAOA）是求解组合优化问题的算法框架，是近期最有可能展示量子计算优势的算法之一.在QAOA框架内，表征解的量子态采取的二进制编码方案导致的对称性限制了QAOA的性能.为了克服这一局限性，本文受Dicke态制备算法的启发，给出了一种新的解编码方案，消除了现有编码方案中的对称性.本文还设计了新的演化算子——星图（Star Graph，SG）算子，及其对应的SG算法，给出了算法求解图分割问题时的量子电路.在IBM Q上的实验结果显示，星图算法比标准QAO算法平均约有25.3%的性能提升.
遥感卫星图像在空间分辨率和时间分辨率之间权衡导致图像序列的时空矛盾.时空图像融合提供了一个生成高空间分辨率和高时间分辨率图像的解决方案，以满足各种地球观测应用.基于稀疏表示的时空融合算法通过联合训练字典和稀疏编码表示建立高低空间分辨率图像之间的关系，为物候变化、类型变化等各种情况提供了统一的融合框架.然而，多源遥感图像来自于不同的传感器，高低空间分辨率图像之间关系模型暗含有传感器映射关系，导致模型设备依赖.针对该问题，本文提出将多源遥感图像时空融合过程分解为传感器偏差校正和时空融合两个子问题，即设备依赖部分和设备无关部分.传感器偏差校正部分可以作为时空融合预处理模块，提高融合精度，并且使得后续的融合模型更加具有普适性.当高低空间分辨率图像空间分辨率差异较大时，“高低空间分辨率图像稀疏系数一致”的假设带来的融合误差非常突出.针对该问题，本文提出基于跨尺度相似先验的遥感图像时空融合算法，利用跨尺度相似块构建稀疏结构先验的正则项，优化稀疏表示的目标函数，并构建中间尺度图像，降低跨尺度相似块的二义性.本文分别使用3组典型场景的实验数据集与其他算法进行对比，实验结果表明，在BOREAS数据集上，与次优的指标相比，本文算法的结构相似度（Structural SIMilarity，SSIM）提高了4.2%，光谱角（Spectral Angle Mapper，SAM）提高了4.6%；在CIA数据集上，与次优的指标相比，本文算法的SSIM提高了2.7%，SAM提高了12.8%；在LGC数据集上，与次优的指标相比，本文算法的SSIM提高了7.1%，SAM提高了16.3%；证明本文算法在空间和光谱特性上表现出优秀的特性.
微血管侵犯（MicroVascular Invasion，MVI）是肝细胞癌（HepatoCellular Carcinoma，HCC）切除或移植患者出现早期复发和长期预后不良的重要影响因素，因此在HCC患者术前评估是否存在MVI具有非常重要的临床价值.近年来，深度学习为MVI影像诊断评估提供了有价值的解决方法，但受数据标注收集困难等因素的影响，目前研究多独立利用电子计算机断层扫描（Computed Tomography，CT）或核磁共振成像（Magnetic Resonance Imaging，MRI）手段采集影像中的单模态序列，缺乏对各成像手段中多模态序列的综合应用.在小样本场景下，为有效利用多模态序列数据，提高诊断效能，本文提出一种高效多模态贡献度感知网络.该网络可以利用模态分组卷积和高效多模态自适应加权模块，在极少计算开销的引入下，学习CT或MRI的各模态影像信息在复杂多样的MVI表象下的诊断贡献.本文在三甲医院收集的临床数据集上进行实验，结果表明该网络模型可以在少量有标注数据的支持下，取得优于多种基于注意力机制的神经网络模型的MVI诊断性能，为专业医师的诊断分析提供了有效参考.
本文提出一种基于非线性电路的双频带脉冲波形选择性超表面吸波器（MetaSurface Absorber，MSA）.设计的双频带MSA单元结构由放置在同一平面上两个形状相同但线宽不同且集成二极管与电阻电容并联的非线性电路的金属方环形谐振器、中间介质层以及金属接地面构成.仿真结果表明，在－20~10 dBm功率范围内，双频带MSA随功率的增加对短脉冲波吸收率先增大再减小.当功率为－5 dBm时，设计的双频带MSA对脉冲波吸收率在3.2 GHz和4.1 GHz分别可达97%和92%，连续波吸收率只有28%和39%.另外，MSA吸收率随脉冲宽度的增大逐渐减小.进一步研究表明，该双频带MSA在功率为－5 dBm的TE模和TM模脉冲波，斜入射角为0°~60°范围内吸收率超过70%.还研究了非线性电路中电阻、电容参数对设计的MSA脉冲波和连续波吸收率的影响.本文所提出的双频带脉冲波选择性MSA显示了其在无线通信以及抗电磁干扰领域具有潜在的应用前景.
设计并构建全光纤型少模掺铒放大器，实验对比研究不同泵浦模式及方向对LP01、LP11a、LP11b这3个信号模式的增益特性影响.实验对泵浦功率、输入信号功率以及多波长情况下的放大器特性进行分析.结果表明，4种泵浦方案中，前向LP11泵浦情况下放大器有最佳性能，在整个C波段上信号增益超过20 dB、模式增益差低于0.9 dB，噪声系数小于9.6 dB；信号输入功率为-10 dBm/模式时，在1 550 nm处，3个信号模式的增益均超过20.8 dB、DMG低至0.3 dB、LP01信号光的噪声系数低于6.2 dB以及LP11信号光的噪声系数低于9.6 dB.4种泵浦方案下对比不同泵浦方向可得：前向泵浦放大器的噪声系数最小，但3种信号模式的增益也较小，而采用后向泵浦时，高阶信号模式增益增加，但噪声系数也会变大.对比泵浦模式可发现，相比于LP01泵浦，LP11泵浦能大幅提高LP11信号光的增益，对LP01信号光增益影响较小，从而可降低DMG值.
为了改善室内可见光通信系统接收平面光信号信噪比波动大的问题，提高可见光通信系统的整体性能，设计了基于群体优化算法——烟花算法的可见光通信系统的光源功率优化算法.该算法以无线光接收平面的信噪比因子为优化目标，优化每个LED（Light Emitting Diode）光源的发射功率，获取接收平面最优信噪比因子，有效降低光接收平面光信号波动度.结果表明，当光源数量为16个点光源时，接收平面信噪比因子比等功率的光源分布降低了45%，显著改善了接收光信号的波动幅度，从而保证不同位置点的光通信用户获得同等通信质量.该方法适用于任意数量和位置的LED光源，不受光源数量和位置的限制.对比分析发现，增加光源数量，接收平面信噪比因子更小，信噪比分布均匀性更优.
针对分布式多输入多输出雷达中联合时延-多普勒-角度测量的运动目标定位问题，提出了一种基于半正定松弛的凸优化定位算法，改善了测量误差较大时定位误差偏离克拉美罗界的阈值效应.首先，将定位问题表述为最大似然估计问题，通过引入辅助变量将定位问题转化为带约束的加权最小二乘优化问题，然后使用半正定松弛技术，转化为半正定规划凸问题，并采用内点法对该凸问题求解得到目标位置和速度估计.由于凸优化问题的局部最优解就是全局最优解，本文算法具有良好的全局收敛性.仿真结果表明，与现有算法相比，本文算法的定位误差逼近克拉美罗下界，在大测量误差水平下的定位精度和稳健性优于现有算法.
频控阵（Frequency Diversity Array，FDA）雷达于2006年由Antonik和Wicks提出.由于FDA雷达每个相邻的天线之间存在一个频率偏移，因此在发射阵列存在距离角度二维依赖性.而对于双基地频控阵多输入多输出（FDA-Multiple Input Multiple Output，FDA-MIMO）雷达而言，在导向矢量中耦合了波离方向、到达方向、距离（Direction Of Departure-Direction Of Arrival-range，DOD-DOA-range）三个信息，如何对三者信息进行解耦便成为研究的重点.本文针对双基地FDA-MIMO雷达的目标参数估计问题，提出了一个张量框架下的降维多重信号分类（Reduced-Dimension MUltiple SIgnal Classification，RD-MUSIC）的参数估计算法.首先，为了将发射阵列中的DOD和距离信息进行解耦，需要对发射阵列进行子阵的划分.紧接着利用高阶奇异值分解（High-Order-Singular Value Decomposition，HOSVD）算法获得信号子空间，并构建二维空间谱函数.其次，通过拉格朗日算法对空间谱进行降维，使其仅与DOA有关，从而得到DOA估计.然后利用子阵之间的频率增量来对DOD和距离信息进行解耦，同时消除相位模糊，最终得到与DOA估计自动匹配的DOD和距离估计.所提算法利用高维数据的多维结构提高了估计精度，同时能够有效地降低运算复杂度.数值实验证明了所提算法性能的优越性.
由于跟踪过程目标不规则形变的影响，采用固定纵横比的尺度模型无法精确地估计目标的尺度.为解决该问题，本文提出基于纵横比自适应的相关滤波跟踪算法.基于fDSST（fast Discriminative Scale Space Tracking）算法，训练学习纵横比模型，更新目标的纵横比，获取更精确的目标尺度.在此基础上，本文设计了平滑修正方案以及学习率自适应机制，可以有效地缓解因目标出现遮挡导致的模型漂移问题.在OTB100、VOT2016和VOT2018数据集上与其他跟踪算法进行对比实验，结果表明本文算法改善了基准算法的性能，特别是在OTB100上的总体准确率和成功率比fDSST提高了9.6%和6.2%.
针对物联网传感器难以同时满足高分辨率与低功耗的瓶颈问题，本文设计了一种伪三阶离散时间delta-sigma调制器.该架构将一阶无源噪声整形SAR（Successive Approximation Register）量化器嵌入传统二阶delta-sigma调制器以实现更强的噪声整形能力.本文设计允许系统在更低的过采样率（Over Sampling Ratio，OSR）下获取更高的峰值SQNR（Signal-to-Quantizing Noise Ratio），有效缓解了系统精度和功耗之间的设计矛盾，并且减少了有源积分器的使用.针对传统有源加法器高功耗和无源加法器存在衰减不确定性的问题，本文提出了一种新型前馈求和量化电路，它具有对衰减不敏感的优势并且降低了第二级有源积分器的驱动压力，这进一步降低了系统的功耗.本文提出的delta-sigma调制器采用180 nm CMOS（Complementary Metal Oxide Semiconductor）工艺制造并测试.在电源电压1.4 V下，芯片测试功耗为47.2 μW.在带宽为8 kHz的测试条件下，调制器的DR（Dynamic Range）、峰值SNDR（Signal-to-Noise and Distortion Ratio）和SFDR（Spurious-Free Dynamic Range）分别为97.2 dB，96.6 dB和114.4 dB.因此，Schreier和Walden的SNDR FoM（Figure of Merit）优值达到了178.9 dB和0.053 pJ/step.本文提出的伪三阶delta-sigma调制器在功耗和分辨率之间实现了较好的权衡，为物联网领域的低功耗高分辨率调制器设计提供了较好的解决方案.
现有的采样率偏移（Sampling Rate Offset，SRO）估计算法在低信噪比条件下性能严重下降.为了解决这个问题，本文提出一种基于子带二次互相关函数的频率滑动窗二次互相关（Frequency Sliding Double-Cross Correlation Processing，FS-DXCP）算法.该方法使用频域滑动窗口构建无线节点观测信号间的子带二次互相关函数矩阵，进而利用奇异值分解来自适应地消除低信噪比频段对二次互相关函数估计的影响，最后搜寻二次互相关函数的极大值点获得SRO的估计.计算机仿真实验表明：在信噪比为-5 dB时，所提方法的采样率频偏平均估计误差为4.21百万分率（part per million，ppm），这比现有的DXCP-PHAT算法的估计误差降低了约8.17 ppm.所提算法有效提升了低信噪比条件下采样率频偏的估计精度.
在任意说话人语音转换中，训练阶段通常采用编码器对同一说话人语音进行解耦，然后用解码器进行自重构，而转换阶段的解码器是对源语音的内容信息与目标语音的个性特征进行耦合，因此解码器在转换阶段与训练阶段会存在性能失配现象，影响语音转换性能.对此提出了一种采用双重交换表示分离的语音转换方法DERS-VC（Double Exchange Representation Separation Voice Conversion）.该方法在训练阶段的自重构过程中，用同一说话人的语音模拟不同说话人的语音进行自监督训练.训练过程引入转换不变损失和周期循环一致损失，通过双重交换表示分离的循环过程使自重构语音与原始语音更加逼近.实验结果表明，DERS-VC算法在梅尔倒谱距离（Mel-Cepstral Distortion，MCD）上比现有的AGAIN-VC（Activation Guidance and Adaptive Instance Normalization Voice Conversion）转换方法平均降低了4.03%，平均意见分（Mean Opinion Score，MOS）提升了3.62%，转换语音质量和相似度都有提高.这说明，通过双重交换表示分离的方法可以更好地训练解码器，实现更好性能的任意说话人之间的语音转换.
金刚石表面沟道场效应管以氢终端金刚石表面的二维空穴气2DHG（Two-Dimensional Hole Gas）作为沟道实现输入电压对输出电流的控制，是目前金刚石电子器件的主流结构.该2DHG面电导具有可大范围调控的面电荷密度和较高空穴饱和漂移速度.本文回顾了金刚石场效应管器件在直流、频率和功率特性的研究进展，揭示了低迁移率是制约金刚石低功耗高速数字电路、高频器件和高功率微波器件发展的主要因素.从理论和实验总结了金刚石表面电导出现的类调制掺杂的新掺杂机理，尤其实现了室温下2DHG霍尔迁移率提升到680 cm2/Vs，材料方阻从10 kΩ/sq数量级降低到1.4 kΩ/sq电导性能的突破.相信这将会引起金刚石场效应管性能极大提升和器件的快速发展.
