非合作目标识别常常面临少量不完备的训练样本、训练样本与测试样本信噪比不一致等现象，本文为此提出了一种基于测地线流式核的雷达目标高分辨距离像鲁棒识别方法.该方法沿格拉斯曼流形中测地线积分提取不变特征，且通过核函数映射可获得解析特征提取表达式.该方法还可作为预处理手段对数据降噪，进一步提高其他算法的识别准确率.实验结果表明，对于信噪比失配和少量不完备样本等问题，该方法都具有鲁棒目标识别能力，并且满足实时性要求.
MANTIS密码是于2016年美密会上提出的一种轻量级可调分组密码，它的设计采用FX结构和TWEAKEY框架，适用于物联网环境中具有低延迟、高实时安全需求的受限设备中.本文基于半字节随机故障模型以及唯密文攻击，提出并讨论一种针对MANTIS密码的新型唯密文故障分析.该分析结合公开调柄，利用故障注入后中间状态的不均匀性，可以破译MANTIS的全部版本.实验结果表明，提出的新型双重区分器狄利克雷分布-汉明重量以及狄利克雷分布-极大似然最少分别需要392和396个故障，以99%及以上的成功率破译MANTIS各版本的128 bit原始密钥，不仅减少了故障注入数，而且提高了攻击效率，因此，MANTIS密码不能抵抗唯密文故障分析的攻击.该结果为其他轻量级可调分组密码的安全性分析和防护提供了重要参考.
全参考图像质量评价(Full Reference Image Quality Assessment, FR-IQA)是IQA领域广为研究的类型之一.本文回顾了FR-IQA的发展历程，对FR-IQA应用现状和通用FR-IQA问题的构建进行综述，以及对FR-IQA算法进行总结和梳理.并在此基础上，重点分析了现有研究中存在的问题，包括问题构建的合理性、建模的全面性问题、知识驱动与数据驱动结合的问题等.基于对主观评价过程的深入分析，结合现有研究存在的问题，探讨了主观评分采用模糊建模和知识与数据联合驱动构建算法两个可能的研究方向，以期对后续的研究者提供参考.
在移动边缘计算中(Mobile Edge Computing, MEC)，任务卸载可以有效地解决移动设备资源受限的问题，但是将全部任务都卸载到边缘服务器并非最优.本文提出一种面向移动边缘计算的多用户细粒度任务卸载调度新方法，把计算任务看作一个有向无环图(Directed Acyclic Graph, DAG)，对节点的执行位置和调度顺序进行了优化决策.考虑系统的延迟把计算卸载看作一个约束多目标优化问题(Constrained Multi-object Optimization Problem, CMOP)，提出了一个改进的NSGA-Ⅱ算法来解决CMOP.所提出的算法能够实现本地和边缘的并行处理从而减少延迟.实验结果表明，算法能够在实际应用程序中做出最优决策.
由于多智能体所处环境动态变化，并且单个智能体的决策也会影响其他智能体，这使得单智能体深度强化学习算法难以在多智能体环境中保持稳定. 为了适应多智能体环境，本文利用集中训练和分散执行框架Cen?tralized Training with Decentralized Execution(CTDE)，对单智能体深度强化学习算法Soft Actor?Critic(SAC)进行了改进，引入智能体通信机制，构建Multi?Agent Soft Actor?Critic(MASAC)算法. MASAC中智能体共享观察信息和历史经验，有效减少了环境不稳定性对算法造成的影响.最后，本文在协同以及协同竞争混合的任务中，对MASAC算法性能进行了实验分析，结果表明MASAC相对于SAC在多智能体环境中具有更好的稳定性.
随着大规模集成电路器件复杂度与容量的不断提升，现场可编程门阵列（Field Programmable Gate Array, FPGA）以高度的并行、可定制和可重构的特性得到了广泛的关注与应用. 在制约FPGA发展的众多因素中，最为关键的便是电子设计自动化（Electronic Design Automation, EDA）技术，作为FPGA EDA流程中的关键环节，布局和布线技术的研究对于FPGA的重要性不言而喻. 本文综述了面向FPGA的布局和布线技术，包括基于划分的布局、基于启发式的布局、基于解析式的布局、FPGA串行布线和FPGA并行布线等技术，分析对比了不同技术方法的优缺点，在此基础上，本文还展望了未来FPGA布局和布线技术的发展趋势，将为FPGA未来健康可持续的发展提供有力支撑.
分子通信是一种利用微小粒子编码、传输和接收信息的通信范式，具有生物兼容性好、尺寸小等特点，是用来构建纳米网络的非常有潜力的通信方案之一.分子通信的概念一经提出就吸引了广泛关注，众多学者的参与使其迅猛发展.目前，分子通信理论已经被广泛研究，相关实验也有了进展.尽管如此，构建实际的分子通信系统还有大量问题亟须解决.为促进分子通信领域更好发展，对分子通信的理论基础和当前研究进展进行系统性的总结是必要的.因此，本文对基于扩散的分子通信的基本概念和研究进展进行了阐述，包括信道模型、信号的编码调制机制以及接收机制；此外，还介绍了分子通信系统的同步机制、移动分子通信系统，以及分子通信实验系统的最新研究进展，并对分子通信未来的研究方向进行了展望.
基于故障注入的逆向分析技术通过向运行保密算法的设备中注入故障，诱导异常加密结果产生，进而恢复保密算法内部结构和参数. 在除S盒表外其他运算结构已知的前提下，本文基于持续性故障提出了一种分组密码算法S盒表逆向分析方法. 我们利用算法中使用故障元素的S盒运算将产生错误中间状态并导致密文出错这一特点，构造特殊的明文和密钥，诱导保密算法第二轮S盒运算取到故障值，从而逆向推导出第一轮S盒运算的输出，进而恢复出保密算法S盒表的全部元素. 以类AES-128（Advanced Encryption Standard-128）算法为例，我们的方法以1 441 792次加密运算成功恢复出完整S盒表，与现有的其他逆向分析方法进行对比，新方法在故障注入次数和计算复杂度上有明显优势. 进一步，我们将该方法应用于类SM4算法，并以1 900 544次加密运算恢复出保密S盒表. 最后，我们综合考虑了分组密码算法的两种典型结构Feistel和SPN（Substitution Permutation Network）的特点，对新方法的普适性进行了讨论，总结出适用算法需具备的条件.
基于65 nm 互补金属氧化物半导体（Complementary Metal Oxide Semiconductor，CMOS）工艺研制了一款用于X波段的小型化高增益低噪声放大器（Low Noise Amplifier，LNA）.通过研究晶体管尺寸和偏置电压对噪声系数和增益性能的影响，确定了低噪声高增益情况下晶体管尺寸和偏置电压的取值.针对LNA的输入、输出和级间匹配，采用变压器匹配网络，使得LNA尺寸缩小至0.33 mm×0.73 mm，同时提高了电路的隔离度.在变压器中嵌入并联电容，降低了变压器的耦合系数.基于差分共源拓扑结构，引入中和电容技术，有效地抑制了晶体管栅-漏间寄生电容引起的米勒效应，提高了LNA的增益和稳定性.测试结果表明，在1 V电源电压下，该LNA的带内最大增益为22.9 dB，最小噪声系数为2.8 dB，功耗为49 mW.在射频收发系统中，本款LNA具有良好的应用前景.
正交压缩采样（Quadrature Compressive Sampling，QuadCS），可直接低速获取射频信号的同相和正交支路信号，是一种有效的宽带/超宽带信号采样模信转换系统. 本文在分析QuadCS感知矩阵时域特性的基础上，有效地将感知矩阵分解成QuadCS不同组成单元描述矩阵乘积的形式，并籍此采用单位范数紧框架理论建立了QuadCS的可重构性. 除外，本文还分析了QuadCS输出信噪比和重构信噪比，证明了QuadCS保持输入信噪比的不变性，推导出了重构信噪比损失关系式. 本文的工作进一步完善了正交压缩采样理论.
行人轨迹预测是视频监控的重要组成部分，因现有方法未充分利用场景特征信息造成其预测轨迹不符合生活常识，导致行人轨迹预测精度较低出现明显偏离真实轨迹的情况.针对上述不足本文提出一种基于Transformer动态场景信息生成对抗网络（Generative Adversarial Network，GAN）的行人轨迹预测方法.该方法利用动态场景特征提取模块的卷积神经网络（Convolutional Neural Networks，CNN）模型对目标行人的动态场景信息进行特征提取，同时生成器网络中的编码器利用Transformer对行人的社会交互信息特征以及轨迹信息特征进行建模.在ETH和UCY数据集上的实验结果表明，与Social GAN模型相比，本文方法在多个场景下的平均位移误差准确率提高了25.61%，最终位移误差准确率提高了38.44%.
为了解决用户轨迹数据发布时的活动模式泄露问题，本文提出了一种基于差分隐私的活动模式保护与时空数据发布方法DPAP-STTP（Differentially Private Activity Pattern and Spatial-Temporal Trajectory Publication），该方法即保护了用户时空数据中活动模式的隐私，又可以保证所发布时空轨迹在服务建议生成上的有效性.在DPAP-STTP中，用户的活动模式表示为个人代表性轨迹的动静态信息，包括代表性轨迹的时空密度分布、时空路径分布、移动模式以及时空跨度.另外，DPAP-STTP通过隐私保护预算与隐私保护阈值对该动静态信息进行调控，然后根据调控后的动静态信息依次划分时空网格、重构轨迹所处时空区间、时空轨迹点随机采样，最终生成满足群体差分隐私的时空轨迹进行发布.本文的实验比较了DPAP-STTP与DP-STAR（Differential Private Synthetic Trajectory Publisher）、BNA（Bounded Noise-Adding）所生成的轨迹在特定时空范围内的有效性，证明DPAP-STTP不但可重构服从群体差分隐私的时空轨迹，而且在时空网格上维持了时空轨迹的有效性.
车辆路径作为经典的组合优化问题一直是研究的热点与难点，无论是在应急管理工作还是物流配送中，对它的合理规划都至关重要.为了今后更好地开展相关工作，本文回顾了精确算法、启发式算法和机器学习算法在车辆路径优化问题中的研究进展，并基于Solomon标准数据集对六种经典算法的求解性能进行了比较分析；分别从局部最优和收敛速度间的平衡关系、个体评价函数、动态车辆路径问题以及机器学习算法在车辆路径问题中的应用等四个方面对其发展趋势进行了展望.
有源相控阵雷达作为支撑国家战略安全的核心装备，承担着国家战略反导、超视距探测、反隐身侦查、远程引导打击等重大任务，维护着我国的国土安全，更是我国大国地位的战略支柱.有源相控阵技术诞生于20世纪60年代的战火之中，军事上的迫切需要使其一经问世就引起了世界的轰动，它的出现甚至影响了世界军事的变革.相比于传统的单脉冲、脉冲多普勒等技术，它使雷达迈入了一个新时代，对雷达发展产生了深远和广泛的影响.有源相控阵雷达中每个天线单元都连接有对应的发射/接收组件，通过控制移相器改变天线孔径上的相位分布，实现天线不做机械转动而天线波束在空间进行快速电扫描.因此，相比于传统机械扫描雷达扫描惯性大、数据率有限、信息通道数少、不易满足自适应和多功能需求等缺点，有源相控阵雷达具备微秒时间内灵活且无惯性扫描、功能多、可靠性高、数据率大、雷达反射截面积低、自适应能力强、不易受到干扰等无可比拟的优势.随着现代国防的重大需求，雷达装备向着超视距、精准探测、极度隐身等方向持续发展，有源相控阵天线向着高频段、高增益、高指向精度、低副瓣电平等方向不断迈进，天线的高电磁指标对结构的刚度、轻量化、高效散热等设计参数提出了严苛的要求，天线内部各参数呈现高维度多场耦合关系，更容易受到战场恶劣环境的干扰而恶化天线的电性能，降低雷达的探测威力、制导精度与战场生存能力等.有源相控阵天线被誉为“三军之眼”，是涉及多学科交叉的典型装备，其结构、热、电磁之间存在的相互影响、相互制约的耦合关系定义为有源相控阵天线的机电热耦合问题.主要耦合问题有四点.其一，馈电误差影响天线电磁性能：有源相控阵天线馈电网络误差、辐射单元失效、热敏电子元器件（如发射/接收组件中的移相器）性能温漂、天线单元互耦等都会引起馈电电流的幅相误差，导致天线电磁性能恶化.其二，结构误差影响天线电磁性能：有源相控阵天线制造、装配存在随机误差，服役中振动、冲击、热功耗等导致阵面变形，最终引起辐射单元位置偏移，天线阵面电磁幅相分布发生变化，导致发射波束变化，最终使天线电性能受到严重影响.其三，热影响天线电磁性能：有源相控阵天线阵面上安装有成千上万的发射/接收组件，热功耗巨大，一方面会导致天线阵面的结构热变形，另一方面也会引起器件的性能下降，最终导致天线电磁性能的恶化.其四，结构、热与电磁性能耦合：三者中任一个变化，都会引起其他两个的变化.有源相控阵雷达在不同占空比工作模式下，其天线阵面电磁幅相会做出相应分布，导致热功耗随之变化，从而引起温度分布发生变化，进而影响天线阵面的结构热变形.因此有源相控阵天线的机电热耦合问题已成为制约其稳健发展，进一步提升性能的瓶颈问题.本文梳理了陆基、舰载、机载、弹载、星载不同平台上有源相控阵天线的发展动态，分析了各武器平台上有源相控阵天线的结构特点，归纳了“陆、海、空、天”不同战场环境的服役载荷对有源相控阵天线的影响，然后总结了天线结构误差、天线罩高温烧蚀、T/R组件馈电误差、天线单元失效等多重因素影响下有源相控阵天线机电热耦合机理分析与建模方法，机电热耦合技术在有源相控阵天线制造精度、高效散热以及轻量化综合优化、稀疏阵设计等领域的应用，以及服役环境下有源相控阵天线状态监测、位移场重构、电性能补偿等关键保障技术，最后探讨了机电热耦合技术的未来研究方向以及在不同研究领域的应用前景.
伴随信息社会向网络化、泛在化、智能化持续发展，现有地面通信网络已经无法支持日益增长的宽带业务需求、泛在海量的物联接入需求、隐蔽可靠的安全传输需求.未来通信网络要求在全球范围内实现既纵深宽广又细致入微的全方位无线接入，其进一步演进亟需突破包括网络架构和空口技术等在内的底层技术.相比于地面通信网络，空天通信网络不受地形的限制，可实现包括海洋、森林、边远地区等的立体全覆盖，可在多维度多层次尺度实现全空间范围内的信息交互，将成为满足海量异构用户泛在连接需求的关键使能技术.本文综述了空天通信网络的关键技术，首先给出了空天通信网络现有系统及未来智慧社会业务的多元化应用场景，然后从空-天-地三网、物理-网络-应用三层、有效传输-资源管理-安全防护三域出发，给出了一种空天通信网络的整体架构.本文随后从组网与接入、物理层以及资源管理与切换等角度出发分别总结了关键技术.最后，本文指出了未来空天通信网络的技术发展挑战和趋势.
作为众多医学图像处理的前提和关键，医学图像关键点检测具有重要的理论研究和应用价值.由于个体间差异性和个体内歧义性的影响，以及更高的临床应用定位精度的要求，医学解剖关键点检测面临着巨大的挑战.鉴于深度学习技术在医学图像关键点检测乃至整个医学图像处理领域都表现出了强大的实力，本文全面检索发表于顶级医学期刊和会议论文集中的医学图像关键点研究成果并进行了详细的梳理和综述.从计算机视觉任务角度简述医学图像关键点检测及其存在的难点；总结了深度学习技术在医学图像关键点检测中的基本框架，详细论述了医学图像关键点检测的分类问题和回归分析两种不同类型的解决思路；最后探讨了医学图像关键点检测深度学习方法面临的挑战、主要应对策略和开放的研究方向.
图像超分辨率重建是计算机视觉中的基本图像处理技术之一，不仅可以提高图像分辨率改善图像质量，还可以辅助其他计算机视觉任务. 近年来，随着人工智能浪潮的兴起，基于深度学习的图像超分辨率重建也取得了显著进展. 本文在简述图像超分辨率重建方法的基础上，全面综述了基于深度学习的单帧图像超分辨率重建的技术架构及研究历程，包括数据集构建方式、网络模型基本框架以及用于图像质量评估的主、客观评价指标，重点介绍了根据网络结构及图像重建效果划分的基于卷积神经网络的方法、基于生成对抗网络的方法以及基于Transformer的方法，并对相关网络模型加以评述和对比，最后依据网络模型和超分辨率重建挑战赛相关内容，展望了图像超分辨率重建未来的发展趋势.
5G技术不仅在以蜂窝网络为代表的移动互联网中占据主要角色，还正在积极地为工业场景提供技术变革的契机.目前，国内外已经开展了大量和5G抗干扰技术相关的工作，但仍缺乏对5G在授权和非授权频谱下抗干扰技术的系统性综述.本文分析了5G无线干扰的主要来源，指出了抗干扰研究的技术难点，并以授权频段5G蜂窝网络干扰与非授权频段异构系统间干扰两个关键问题为例，对现有的无线抗干扰方案进行了具体分析和归纳对比，最后对5G技术在授权频段和非授权频段抗干扰技术的未来研究方向进行了展望.
为了解决语音识别模型在识别中文语音时鲁棒性差，缺少语言建模能力而无法有效区分同音字或近音字的不足，本文提出了融合语言模型的端到端中文语音识别算法.算法建立了一个基于深度全序列卷积神经网络和联结时序分类的从语音到拼音的语音识别声学模型，并借鉴Transformer的编码模型，构建了从拼音到汉字的语言模型，之后通过设计语音帧分解模型将声学模型的输出和语言模型的输入相连接，克服了语言模型误差梯度无法传递给声学模型的难点，实现了声学模型和语言模型的联合训练.为验证本文方法，在实际数据集上进行了测试.实验结果表明，语言模型的引入将算法的字错误率降低了21%，端到端的联合训练算法起到了关键作用，其对算法的影响达到了43%.和已有5种主流算法进行比较的结果表明本文方法的误差明显低于其他5种对比模型，与结果最好的DeepSpeech2模型相比字错误率降低了28%.
为广大科研人员了解国家自然科学基金“电子科学与技术”领域基础研究队伍、主要研究方向和发展趋势，针对2022年度信息一处受理的人才和探索两大系列部分类型的项目，从申请代码、申请人年龄和性别、依托单位分布以及按科学问题属性分类评审等不同角度分析了各类项目申请与资助情况，介绍了2022年度“负责任、讲信誉、计贡献”评审机制试点工作情况，最后展望了“十四五”期间领域重点发展方向.
显著性目标检测旨在对图像中最显著的对象进行检测和分割，是计算机视觉任务中重要的预处理步骤之一，且在信息检索、公共安全等领域均有广泛的应用.本文对近期基于深度学习的显著性目标检测模型进行了系统综述，从检测粒度的角度出发，综述了将深度学习引入显著性目标检测领域之后的研究成果.首先，从三个方面对显著性目标检测方法进行了论述：稀疏检测方法，密集检测方法以及弱监督学习下的显著性目标检测方法.然后，简要介绍了用于显著性目标检测研究的主流数据集和常用性能评价指标，并对各类主流模型在三个使用最广泛的数据集上进行了性能比较分析.最后，本文分析了显著性目标检测领域目前存在的问题，并对今后可能的研究趋势进行了展望.
户外视觉系统极易受到雾霾等恶劣天气影响，采集到的图像/视频质量严重下降，这不仅影响人眼的主观感受，也给后续的智能化分析带来严峻挑战.近年来，学者们将深度学习应用于图像去雾领域，取得了诸多的研究成果.但是雾霾图像场景复杂多变、降质因素众多，这对去雾算法的泛化能力提出了很高的要求.本文主要总结了近年来基于深度学习的单幅图像去雾技术研究进展.从先验知识和物理模型、映射关系建模、数据样本、知识迁移学习等角度出发，介绍了现有算法的研究思路、具体特点、优势与不足.尤其侧重于近两年来新出现的训练策略和网络结构，如元学习、小样本学习、域自适应、Transformer等.另外，本文在公共数据集上对比了各种代表性去雾算法的主客观性能、模型复杂度等，尤其是分析了去雾后的图像对于后续目标检测任务的影响，更全面地评价了现有算法性能的优劣，并探讨了未来可能的研究方向.
基于视频数据的深度预测学习（以下简称“深度预测学习”）属于深度学习、计算机视觉和强化学习的交叉融合研究方向，是气象预报、自动驾驶、机器人视觉控制等场景下智能预测与决策系统的关键组成部分，在近年来成为机器学习的热点研究领域.深度预测学习遵从自监督学习范式，从无标签的视频数据中挖掘自身的监督信息，学习其潜在的时空模式表达.本文对基于深度学习的视频预测现有研究成果进行了详细综述.首先，归纳了深度预测学习的研究范畴和交叉应用领域.其次，总结了视频预测研究中常用的数据集和评价指标.而后，从基于观测空间的视频预测、基于状态空间的视频预测、有模型的视觉决策三个角度，分类对比了当前主流的深度预测学习模型.最后，本文分析了深度预测学习领域的热点问题，并对研究趋势进行了展望.
本文介绍了一种合成孔径雷达（Synthetic Aperture Radar， SAR）目标特征的操控方法，采用非周期相位调制表面（Phase-Switched Screen， PSS）实现对重要目标图像特性的有效压制. 依靠PSS反射式防护手段，对雷达回波信号进行快-慢时间域的二维联合非周期相位调制，在SAR接收处理后可形成矩形块状压制区域. 通过调控快时间与慢时间码元宽度，可以实现生成矩形区域的面积控制. 该方法本质是一种无源防护方法，兼具响应时间快、不易暴露、设备简单等优势. 在此基础上，本文提出了压制区域面积、压制区域干信比对特征操控效果进行表征，分析了PSS调制参数对操控效果的影响. 最后，SAR实测数据仿真验证了所提方法的有效性.
为了解决基于位置的服务（Location Based Service， LBS）在收集用户位置数据时造成的隐私泄露，提出一种本地化差分隐私位置发布模型. 首先，该模型采用了灵活的位置隐私保护方案（个性化隐私设置），即由用户选择已设定的多种隐私策略或定制隐私策略，在此基础上设计了定制隐私策略位置扰动算法（Customized Privacy policy Location Perturbation algorithm， CPLP）；其次，提出并设计一种基于隐马尔可夫模型的时序关联位置隐私发布算法（Temporal Relational Location Privacy publishing algorithm，TRLP），解决发布时序位置时产生的隐私泄露；最后，在GeoLife数据集和Gowalla数据集上通过对比实验验证了该模型的有效性.
软件开发与维护中会产生大量缺陷报告， 根据缺陷报告准确定位到缺陷代码的位置是极具挑战性的.目前大多数工作在文件粒度定位缺陷， 虽然少量工作定位在方法粒度， 但定位准确度较低. 本文提出一个文件信息增强的方法级软件缺陷定位技术FMBL（a File information enhanced Method-level Bug Localization technology）， 考虑方法与文件之间的从属关系以增强缺陷定位准确性. 通过综合考虑代码与缺陷报告的词汇相似度、语义相似度和代码长度度量它们之间的相关性. 在六个开源软件项目上开展实验以评估FMBL的有效性. 结果表明， 本文方法在六个项目上的平均Accuracy@10、MAP（Mean Average Precision）和MRR（Mean Reciprocal Rank）值分别达到0.436、0.223、0.296.与现有方法BugLocator、BLIA（Bug Localization using Integrated Analysis）、BugPecker相比， 本文方法在MAP指标上分别提升153.1%、209.1%、22.8%.
