为提高卷积神经网络图像分类精度的同时实现网络轻量化，本文提出一种基于坐标重要性池化和解耦类别对齐蒸馏的图像分类算法.首先，设计一种坐标重要性池化模块并将其嵌入ResNet34，充分利用图像像素的位置信息，以增强其判别重要性特征的能力；其次，采用BlurPool缓解在下采样过程中移位等变性丢失对网络性能的影响，以此构建教师网络；最后，构造一种解耦类别对齐蒸馏算法，分别考虑目标类和非目标类的知识并引入类别之间的关联信息，以高效地将分类知识从教师网络迁移到轻量级MobileNetV3学生网络.在不同数据集上的实验结果表明，本文提出的教师网络有效提高了分类性能，且蒸馏训练后的学生网络明显优于其他同量级网络，实现了更优越的综合性能，能够更好地应用于计算和内存资源受限的实际场景.

电视制作播出（以下简称制播）呈现系统经历了从黑白到彩色、从模拟到数字的演进历程，目前正处于从高标清向超高清快速发展的阶段.传统电视高清基带系统信号传输速率仅为1.5 Gbps，无法承载4K/8K超高清信号（48 Gbps@8K，12 Gbps@4K），且高清电视亮度动态范围只有10³，而人眼在无瞳孔调节时可视范围为10⁵，因此超高清电视应按照人眼识别的能力，将亮度动态范围提升至10⁵.本文针对超高清无压缩跨域多址互联网协议（Internet Protocol，IP）交换和高动态范围（High Dynamic Range，HDR）制播呈现等技术实现的难题，围绕全台4K/8K演播室、总控、播出及收录等超高清系统全链路的建设情况，全面介绍4K/8K超高清电视的制播呈现系统及关键技术，重点阐述系统超高清IP信号交换、8K超高清视频成像和图像处理、视频智能增强、扩展现实（eXtended Reality，XR）虚实融合制作、三维菁彩声、异构网络视音频同步传输和4K/8K超高清终端显示等技术创新点，以及超高清高动态特性的采集、制作、播出和呈现全流程节目制播能力.

本文提出了一种可应用于1 200 V隔离结构的电势控制技术.这一电势控制技术通过电势传递场板（Potential Delivering Field Plates，PDFPs）实现，PDFPs在高压结终端（High Voltage Junction Termination，HVJT）区域上具有相同的间距，在P型隔离环区域上PDFPs的间距开始调整，在N/P沟道横向双扩散金属-氧化物-半导体（Lateral Double-diffused Metal-Oxide-Semiconductor，LDMOS）上靠近源极和漏极侧的PDFPs之间的间距变宽、位于漂移区中部的PDFPs之间的间距变窄.HVJT区域的电势通过PDFPs传递至LDMOS区域，调节了LDMOS的表面电势分布并且防止了其提前击穿.实验结果表明采用PDFPs的隔离结构与没有应用PDFPs的隔离结构相比击穿电压提高了467%.

为解决传统基于脑电信号（ElectroencEphaloGraphy，EEG）的单模态脑机接口（Brain-Computer Interface，BCI）技术存在的空间分辨率低、易受噪声干扰等问题，越来越多的研究开始关注基于EEG信号和功能近红外光谱（functional Near-InfRared Spectroscopy，fNIRS）信号融合的BCI研究.然而，这两种异构信号之间的融合具有挑战性，本文创新性地提出一种基于深度学习和证据理论的端对端信号融合方法，用于运动想象（Motor Imagery，MI）分类.对于EEG信号，本文通过双尺度时间卷积和深度可分离卷积提取其时空特征信息，并引入混合注意力模块以增强网络对重要特征的感知能力.对于fNIRS信号，本文通过全通道的空间卷积探索大脑不同区域之间的激活差异，并通过并联时间卷积和门控循环单元（Gated Recurrent Unit，GRU）模块捕获更丰富的时间特征信息.在决策融合阶段，首先将两种信号分别解码得到的决策输出利用Dirichlet分布参数估计，以量化不确定性；然后使用Dempster-Shafer理论（Dempster-Shafer Theory，DST）进行双层推理，从而融合来自两种基本信念分配（Basic Belief Assignment，BBA）方法和不同模态的证据，得到最终的分类结果.本文基于公开数据集TU-Berlin-A进行模型的测试评估，获得了83.26%的平均准确率，相较于最先进研究提升了3.78%，该结果为基于EEG和fNIRS信号的融合研究提供了新的思路和方法.

异常检测是一项重要的计算机视觉任务，它的目标是检测异常样本同时定位异常区域.近期，主流的无监督异常检测方案通常基于蒸馏方法和重构方法.然而，它们仍存在相似的局限.在基于蒸馏方法的异常检测中，学生网络通常能学习到教师网络相似的表征能力，无法针对某些异常区域产生与教师网络有明显差异的表征.在重构模型中，编码-解码结构容易学习到简单的复原捷径，导致复原图像与输入相似，无法有效地检测异常.为了解决上述挑战，本文提出基于双向约束蒸馏的无监督图像异常检测方法 \mathit{𝒩} -Net，它通过双向蒸馏模块和多级过滤模块缓解了上述局限.具体地，在教师学生网络中，本文首先提出蒸馏适应域特征而非原始域特征，它通过双向蒸馏分支保证了正常适应域特征的高效对齐.然后，本文提出多级过滤模块，通过查询和压缩的方式过滤异常特征，进一步增强学习正常语义特征分布的能力，提升异常检测性能.最后，本文在两个基准异常检测数据集MVTec和VisA上进行了大量实验，结果表明所提方法在异常检测和定位任务上取得了先进的性能.

暗光场景下拍摄的图像容易受暗光、噪声、模糊等多种退化因素的影响，导致其内容可视度低且视觉观感较差.多退化的暗光图像对现有图像增强方法提出了挑战：一方面，暗光图像增强或去模糊等方法不能涵盖所有的退化类型，而组合使用已有方法的效果受到计算开销增加与误差累积的限制；另一方面，已有多退化暗光图像增强方法采用了先提升亮度再去除模糊的策略，这种顺序处理方式会增加特征线索丢失的风险，不利于细节复原.为应对上述挑战，本文提出渐进式边缘感知交互增强网络（Progressive Edge-aware Interactive Enhancement Network，PEIE-Net），以逐步增强的方式减少图像增强过程中特征细节的丢失.具体来说，该网络由图像增强分支与边缘预测分支组成.在图像增强分支的每个增强阶段中，设计自注意力调制预测模块提取全局信息，用于对通道调制模块和多尺度复原模块进行自适应调制.在边缘预测分支中，设计空频域特征变换模块提取边缘感知信息，既用于预测高质量图像的边缘，又与图像增强分支的特征进行融合，以此模拟人类视觉系统在不同感知之间的交互.此外，本文还提出了场景亮度估计损失对多个渐进式增强阶段进行协调.在合成与真实数据集上的实验验证了本文方法增强暗光、噪声、模糊退化图像方面的有效性与先进性，并可用于暗光图像增强与超分辨率任务.

针对现有恶意软件检测方法缺乏对样本特征的有效提取、过度依赖领域专家知识和运行行为监控，导致严重影响检测分类性能的问题，提出一种基于多维度动态加权alpha图像融合与特征增强的恶意软件检测方法.通过无效样本清洗与异常值处理获得标准化样本集，利用三通道图像生成与多维度动态加权alpha图像融合方法生成高质量融合图像样本.采用傀儡优化算法进行数据重构，减少因数据类不平衡对检测结果造成的影响，并对重构数据样本进行图像增强.通过基于双分支特征提取与融合通道信息表示的空间注意力增强网络，分别提取图像特征和文本特征并进行特征增强，提高特征表达能力.通过加权融合的方法将增强的图像特征与文本特征进行融合，实现恶意软件家族的检测分类.实验结果表明，本文所提方法在BIG2015数据集上的恶意软件检测分类准确率为99.72%，与现有检测方法相比提升幅度为0.22%~2.5%.

随着无人机（Unmanned Aerial Vehicle，UAV）成本的降低，无人机引起了越来越多的研究兴趣.其应用领域广泛，包括农业、消防、测绘、航拍以及娱乐应用.这些应用需要无人机在精准的自我定位下进行自主飞行，通常高度依赖于全球导航卫星系统（Global Navigation Satellite System，GNSS）.然而，GNSS在长距离无线电通信方面存在多种缺陷（如非视距接收、多路径效应、欺骗信号），这推动了补充或取代卫星导航新方法的发展.基于视觉的无人机定位与导航方法利用无人机搭载的视觉传感器，实现自主定位与导航，成为解决这一问题的重要途径.本文的贡献在于系统性地梳理了基于视觉的无人机定位与导航技术，全面总结了该领域的研究现状和发展趋势.首先，本文介绍了无人机视觉定位的方法，主要分为图像检索和图像匹配两类，并对其技术特点、适用场景以及相关数据集和评价指标进行了分析.其次，详细阐述了无人机视觉导航的方法，根据导航功能的不同分为障碍物检测与规避方法以及路径规划方法，揭示了现有技术的优势和局限.最后，本文进一步讨论了基于视觉的无人机定位与导航方法在公共可用数据集、硬件加速、环境复杂性、实时性要求、能源限制以及模拟器到真实世界的泛化等方面可能面临的挑战.

基于无人机（Unmanned Aerial Vehicle，UAV）平台的可见光（Red Green Blue，RGB）和热红外（Thermal infrared，T）多源目标检测，可实现全天时、全天候的目标侦察，在军用和民用领域有着重要的应用价值.受限于数据拍摄获取和处理的复杂性，当前少有公开的UAV视角RGB-T多源目标检测数据集，一定程度上限制了UAV视角RGB-T多源目标检测算法的研究和应用.与此同时，UAV应用场景复杂多变，其飞行高度、速度、焦距和背景等快速变化，所拍摄目标在图像上呈现出尺度多样、稠密/稀疏分布不均衡、类别不平衡等特点，具有一定的挑战性.此外，在诸如目标侦察、交通监控等高时效性应用场景中，算法需在保证高精度的同时实现实时目标检测，因此，算法的设计必须充分考虑精度与速度之间的平衡.针对上述问题，本文构建了一个跨季节、跨昼夜、多类别、多尺度的大规模UAV视角RGB-T多源图像数据集UAV-RGBT，包含20个类别、5 117对RGB-T图像和超11万个标注，有助于推进UAV视角多源目标检测算法的研究.同时，基于YOLOv8n模型，本文提出了一种UAV视角多源目标检测（UAV-based Dual-branch Multispectral object Detection，UAV-DMDet）模型，其通过多源交叉注意力融合和多源特征分解组合方法有效促进了多源特征的深度融合，较好地实现了模型参数量、检测速度和检测精度的均衡.实验结果表明：在UAV-RGBT数据集上，UAV-DMDet模型较单源YOLOv8n模型，在RGB和T模态方面，mAP@0.5分别提高了3.61%、11.03%，mAP@0.5：0.95分别提高了0.84%、6.76%；在DroneVehicle数据集上，mAP@0.5和mAP@0.5：0.95较主流算法I²MDet提高了2.66%和12.36%；在检测速度方面，以640 \times640分辨率图像为例，UAV-DMDet模型在单张GeForce RTX 3090显卡上FP32精度推理速度可达31帧/s，在华为昇腾710处理器上FP16精度推理速度可达58帧/s，可有效应用于UAV视角RGB-T多源实时目标检测任务.

针对战场环境中传统的频谱资源分配管理模式响应速度慢、实时性低的问题，首先构建了区块链赋能的分布式频谱分配架构，考虑了用频满意度、冲突及优先级等约束条件，建立了优化目标模型，提出一种基于匹配理论的分布式盖尔-沙普利（Distributed Gale-Shapley，D-GS）频谱分配算法，使战场频谱分配从静态集中式转变为动态分布式，大大提高了频谱分配的性能，并通过加入贪心机制和用频单位的满意度阈值，使作战单位能够在较晚提交用频需求的情况下，显著提高频谱分配的满意度.仿真结果表明：所提方法在频谱资源受限情况下，能够保障用频单位的用频满意度且极大发挥分布式频谱管理的实时性，与静态集中式频谱分配方法相比，时间开销降低超过1个数量级.该算法具有更优的时间性能、频谱分配效率，使得战场频谱分配获得更好的效果.

随着工业化和城市化的快速发展，环境监测的重要性日益凸显，然而传统监测方法受限于高昂成本、布局困难和维护挑战，难以实现全面和实时的监测.群智感知作为一种新兴的环境监测方法，利用广泛使用的高度智能设备和集成传感器进行环境数据的大规模收集和实时传输.但现有研究很少同时考虑到数据隐私保护、工作平衡以及系统成本，导致在实际应用中难以达到预期效果.为解决这一问题，本文提出一种能适用于环境监测群智感知的低成本、高效率方法（Adaptive Federated Learning based Crowd Sensing algorithm for Environmental Monitoring，AFL-CSEM）.具体而言，考虑系统中的资源限制、设备异构性和数据非独立同分布等挑战，结合群智感知与联邦学习技术进行了系统建模，在用户设备上进行本地模型训练，仅共享模型参数，有效保护数据隐私；进行系统的收敛性分析，得到基于联邦学习的群智感知算法在非独立同分布数据分布下的收敛界限；为了减少设备异构性影响，依据收敛性分析的结果，设计一种自适应控制方法，动态调整局部更新频率和批大小，以适应异构与动态的监测环境.通过在真实数据集上的比较，所有实验结果一致证明了本文所提出算法的有效性，AFL-CSEM算法在减少计算和通信开销、降低经济成本的同时，提升了模型训练的效率与精度，为环境监测的领域的群智感知提供了一种新颖且具有参考价值的解决方案.

复杂环境下行人轨迹短时预测在自动驾驶、社交机器人控制、智能安防及智慧城市等领域有着广泛用途.行人与行人、行人与环境之间的交互具有多尺度复杂性和不确定性，具有挑战.现有深度学习模型虽然有助于挖掘行人的复杂交互关系，但都假设行人轨迹在不同场景遵循相同运动模式，未考虑场景间存在的潜在分布差异；域适应模型虽然考虑了这一点，但仍未考虑行人间和行人环境间的多层次特性.为了解决上述问题，本文提出了一种基于分级包络域适应的行人轨迹预测模型.通过构造局部层次行人邻接关系设计局部层次包络样本，通过个体层次行人关系设计个体层次包络样本，并将两者融合形成双级包络样本.基于双级包络样本构造模块，求得行人轨迹的时空特征分布，从而构造全局层次包络样本.基于注意力机制和跨域分布对齐，分别设计了局部层次包络域适应模块和全局层次包络域适应模块，构建加权预测损失函数将两者融合一体，并联合优化.实验部分选取了两个有代表性的公共数据集，并与5个相关代表性算法模型进行对比；通过消融实验、参数分析、方法对比和轨迹可视化等来进行综合验证.在ETH和UCY的实验结果表明，相比于T-GNN，平均位移误差降低了22.7%，终点位移误差降低了19.8%.文章完整版参见链接：https：//github.com/LWZ9910/MESC-HEDA.git.

可见光热红外（RGB and Thermal infrared，RGBT）跟踪是一种结合了可见光和热红外光两种不同传感器信息的多模态目标跟踪方法.这种方法旨在克服单一传感器在特定环境下的局限性，通过融合多种传感器的数据来提高目标跟踪的鲁棒性和准确性.然而，在现有的RGBT跟踪算法中，大多将可见光与热红外图像提取的特征直接进行融合，忽略了两种模态间的同质性与异质性.此外，RGBT跟踪还经常受到目标快速运动、尺度变化、光照变化、热交叉和遮挡等多种挑战因素的影响，现有工作往往是通过研究单一结构来同时解决所有问题，但这需要足够复杂的模型和足够多的训练数据.本文提出了一种新的面向不同挑战并结合多模态同异质信息分离与融合的网络，用于RGBT跟踪.在该网络的每层主干中都设计了一个挑战感知模块用于融合每种挑战下来自可见光与热红外两种不同模态的特征，并自适应地聚合所有挑战下的融合特征.此外，还加入了注意力增强模块及多尺度辅助模块对主干网络所提取的特征进行增强.最后根据可见光与热红外的同质性与异质性，分别提取它们的特有特征与共有特征并进行自适应融合.在GTOT、RGBT234和LasHeR数据集上的大量实验表明，与现有RGBT跟踪方法相比，本文提出的跟踪器显示出非常强的竞争力.

乙醇蒸汽因易挥发和易燃性带来安全隐患，对其进行实时监测至关重要.然而，目前改善SnO₂乙醇传感器性能的方法往往不利于器件的小型化.为此，论文设计了一种具有场效应管结构的本征SnO₂乙醇传感器，采用磁控溅射法制备了敏感膜，系统研究了栅压对传感器气敏性能的调控作用.实验结果表明，溅射法制备的SnO₂传感器为n沟道耗尽型器件.气敏测试显示，在不同工作栅压下，传感器的响应存在显著差异：当栅压为10V时，传感器在100 ppm乙醇中电流变化为2.40倍；而在-30 V栅压下，沟道电流变化显著增强至3.42倍，比10V时提高了42%.进一步研究发现，SnO₂的气敏特性来源于乙醇分子的表面吸附对沟道中载流子浓度的调制作用.这一效应在负栅压下显著增强，而在正栅压下被抑制.然而，10 V正栅压通过在沟道中诱导产生更多电子，有效加速了乙醇的吸附与解吸过程，使传感器对100 ppm乙醇的响应和恢复时间分别缩短至8 s和17 s，展现出更快的动态特性.论文研究结果表明，乙醇蒸汽在SnO₂表面发生反应的程度和速率都受到传感器栅压的显著调控.该研究为优化SnO₂传感器的气敏性能提供了新思路，有助于进一步推动其在微型化、快响应、高精度气敏检测领域的应用.

针对协同相干多/两点源场景下比幅单脉冲测角的性能分析问题，本文在两点源比幅测角一般模型基础上给出了相干两点源的比幅测角表达式，并分析了3种典型情况；然后，推导了比幅测角误差与同步相位差误差和系统误差的理论关系，并给出了测角误差的准确度模型；最后，通过数字仿真实验给出了两点源信号的同步相位差、功率比、信号角度等因素对比幅测角结果、测角误差及其准确度的影响.结果表明：比幅测角结果受相干两点源同步相位、功率比等因素的影响较大，测角结果可能位于两信号角度之间也可能位于两信号角度之外；系统和信号的误差越小，测角误差模型越准确；信号工作频率越高，对时间同步要求越高.本文完善了两点源场景下比幅测角理论，为测角性能分析、测角系统方案优化等提供理论依据.

先进飞行器测控通信需要实现遥测、遥控、通信、跟踪等多种功能，传统上一般由多个无线收发系统及分立天线单元构成，其体积、重量、成本和安装等方面与飞行器有限资源的矛盾日益突出.天线孔径综合使用单个多功能天线孔径实现多个专用天线孔径的功能，大幅减少了天线孔径数量，显著缓解了飞行器平台上天线孔径布局压力，为提升系统级电磁兼容性提供了全新手段.本文系统阐述了面向飞行器测控通信的天线孔径综合技术路线，着重介绍了面向多个分立天线单元进行综合的多频多极化天线技术、面向发射/接收天线综合的双工天线技术、面向多个天线综合于同一孔径的共孔径天线技术及面向同频天线阵列集成的耦合抑制技术.结合软件无线电系统工作特点，分析了软件无线电系统应用于飞行器测控通信系统的优势与可行性.最后，本文对飞行器测控通信的天线孔径综合技术发展进行了展望，提出天线孔径综合技术在飞行器测控通信系统发展中可能的发展方向.

本文针对多天线无人机（Unmanned Aerial Vehicle，UAV）辅助的通信感知一体化场景，综合考虑目标感知及用户通信性能，定义系统成本函数为系统能耗与用户速率的加权和，将通信感知调度、感知预编码设计以及UAV飞行轨迹优化问题建模为一个满足约束条件的系统成本函数优化问题.由于所建模优化问题为一个变量高度耦合且非凸的混合整型优化问题，难以直接求解，本文将原优化问题拆分为三个子问题，即UAV飞行轨迹优化子问题、通信感知调度子问题和雷达感知预编码子问题，并提出一种迭代嵌套方法来求解这些子问题.针对UAV飞行轨迹优化子问题，将其建模为马尔可夫决策过程（Markov Decision Process，MDP），并提出一种基于双重深度Q网络的UAV轨迹优化算法.对于给定的MDP系统状态，采用拉格朗日对偶变换方法和二次变换方法求解通信感知调度子问题，并通过引入辅助变量及约束条件等价转换方法求解雷达感知预编码子问题.基于所得到的通信感知调度策略和雷达感知预编码，更新MDP奖励函数，确定UAV飞行轨迹，以迭代实现通信感知调度策略、感知预编码设计及UAV飞行轨迹的联合优化.最后，通过仿真验证了本文所提算法的有效性.

在后量子密码高速演进的过程中，为兼顾灵活性与高效性的需求，本文面向多种格基后量子密码算法提出了一款并行可重构的采样加速器.本文结合数学推导分别提出了7种采样的高效并行实现模型，并从中提炼了四种共同运算逻辑.以这四种共同运算逻辑为核心，引入数据重排限制运算数据的有效位宽，提高了拒绝采样的接受率并简化了运算逻辑，提出了一种高能效的可重构并行采样算法.为提升采样算法的硬件实现效能，本文采用蝴蝶变换网络在单个时钟周期内完成任意有效位宽数据的并行切分、归并与查找，高效实现了算法前后处理的并行化，构建了参数化的并行可重构采样加速器架构模型，结合实验探索，提出了一款数据带宽为1 024 bit的并行可重构采样加速器.实验结果表明，使用40 nm CMOS工艺库，在ss、125 ℃工艺角条件下进行后仿，电路最高工作频率可达到667 MHz，平均功耗为0.54 W.完成256点均匀采样需6 ns，完成256点拒绝值小于2¹⁶的拒绝采样平均仅需22.5 ns，完成256点8 bit以内的二项采样需18 ns，完成509点简单三值采样需36 ns，完成701点非负相关三值采样需124.5 ns，完成509点固定权重三值采样需11.18 \mathrm{\mu } \mathrm{s}，完成一次Falcon算法中的离散高斯采样需3 ns.与现有研究相比，本文提出的采样器完成一次均匀-拒绝采样的能耗值降低了约30.23%，完成一次二项采样的能耗值降低了约31.6%.

为空间众包中的工人分配任务是后续收集位置相关数据的重要前提.为了应对可能的位置隐私泄露问题，研究者往往结合地理不可区分性进行保护.现有满足地理不可区分性的任务分配方法通常针对一对一场景，其研究目标一般集中在最小化平均旅行距离，而不是最大化任务分配数量；同时，它们假设工人能分配去执行任意的任务.此外，这些研究往往结合平面拉普拉斯机制实现地理不可区分性.上述机制的随机性和无界性会导致工人上传的位置数据包含过量噪音，进而降低任务分配的效用，导致工人平均旅行距离较大或者任务无法完全分配.为解决以上问题，本文提出满足地理不可区分性的偏好感知多对多任务分配算法MONITOR（Many-to-many task allOcation under geo-iNdIsTinguishability for spatial crOwdsouRcing）.该算法主要思想是对工人的偏好任务进行分组加噪并上传工人真实位置到模糊偏好任务位置之间的距离以代替直接上传工人的模糊位置.在MONITOR中，为了收集任务分配必需的工人到任务的距离信息，设计了基于分组的模糊距离收集方法GroCol（Group-based obfuscated distance Collection）；同时为了提高任务分配的效用，设计了参数无关的模糊距离比较方法ParCom（Parameter-free obfuscated distance Comparison）.此外，本文进一步从理论上分析了MONITOR的隐私、效用和复杂度.在2个真实数据集和1个模拟数据集上的实验结果表明MONITOR取得与非隐私任务分配类似的任务分配数量，且较基准方法的旅行距离降低了20%以上.

基于深度学习的三维多模态正电子发射型断层扫描/计算机断层扫描（Positron Emission Tomography/Computed Tomography，PET/CT）肺部肿瘤识别是一个重要的研究方向.肺部肿瘤病灶的空间形状不规则、与周围组织边界模糊，导致模型难以充分提取肿瘤特征，且模型在三维任务中需要较高的计算复杂度.针对上述问题，本文提出一种跨模态Light-3Dformer的三维肺部肿瘤识别模型.本文的主要创新工作有以下几个方面。首先，采用主、辅网络结构，其中主干网络提取PET/CT图像特征，辅助网络提取PET图像和CT图像特征，并采用轻量化跨模态协同注意力实现多模态特征增强和交互式学习.其次，设计Light-3Dformer模块，在该模块中，将Transformer的2次矩阵乘法操作更新为全局注意力机制Lightformer的线性元素乘法操作；设计级联Lightformer结构，其输出特征图和最初的输入特征图融合，通过并行和融合更多的深浅层特征，可以实现轻量化和提取丰富的梯度信息；设计无参数的注意力，该机制能从通道、空间和断层3个方面增强肺部肿瘤特征提取能力.再次，设计轻量化跨模态协同注意力模块（Light Cross-modal Collaborative Attention Module，LCCAM），该模块能充分学习三维多模态影像的跨模态优势信息，对深浅层特征进行交互式学习.最后进行消融实验和对比实验，在自建的肺部肿瘤三维多模态数据集中，本文模型在计算量和运行时间最优的前提下，准确率和曲线下面积（Area Under the Curve，AUC）值分别达到是90.19%和89.81%，与3D-SwinTransformer-S模型相比，参数量降低117倍，计算量降低400倍，实验结果表明：本文模型能更好地提取肺部肿瘤病灶的多模态信息，这为深度学习三维模型轻量化和多模态交互提供了新思路.

为了解决接收机射频前端单片多频段兼容性问题，本文提出了一种新型的面向超宽带应用的带宽可重构低噪声放大器（Low Noise Amplifier，LNA）结构.该LNA基于开关切换式可重构设计方法，将开关可调设计嵌套在级联LNA电路的负载中，通过对并联电阻反馈结构的负载电感进行可重构设计，控制低频阻抗谐振点和对应增益极点的位置来实现不同UWB工作模式带内匹配和增益曲线的切换，相较于在输入/输出匹配通路引入开关的设计方法，将开关置于负载级，在不影响阻抗匹配的前提下优化增益和噪声；并对传统电感并联峰化技术中的电阻和电感进行可调设计兼顾不同工作带宽内的增益平坦度.基于SMIC 28 nm CMOS工艺，电磁建模提参后的仿真结果表明，LNA有3.1~10.6 GHz、6~10.6 GHz和3.1~5 GHz3种工作模式，可实现的带内电压增益（S ₂₁）均处于16.59 dB以上，最小噪声系数小于3 dB；在0.8 V的电源电压下，3种模式的输入输出匹配（S ₁₁、S ₂₂）均小于-10 dB，静态功耗仅为9.03 mW；引入MOS开关后，3种带宽的LNA噪声系数恶化均小于0.2 dB.

呼吸作为维持生命的关键生理过程，与呼吸暂停、哮喘等多种呼吸系统疾病密切相关.为了满足日益增长的健康监测需求，本文创新性地提出了一种集成柔性撑鼻器的双通路可穿戴MEMS（Micro-Electro-Mechanical Systems）呼吸监测微系统.该微系统集成了柔性撑鼻器、呼吸传感器和信号处理模块，能够持续实时监测鼻腔内气流.传感器的敏感单元采用折叠式金属电阻结构，通过平面MEMS技术沉积在玻璃基底上，基于热阻效应，实现信号测量.传感器嵌入柔性撑鼻器后，可同时监测鼻腔内左右两侧的呼吸信号，尤其适合长时间连续监测.通过信号模拟及性能测试，结果表明该传感器在灵敏度、响应速度和抗干扰能力上表现出色，并且在模拟呼吸暂停和哮喘等疾病的测试中，传感器能够准确区分正常与异常的呼吸信号，可用于进一步分析各种呼吸疾病.基于此，本文开发了一种集成柔性撑鼻器的双通路可穿戴MEMS呼吸监测装置，旨在实现连续、实时且长时间的呼吸监测，特别适用于睡眠期间的异常呼吸筛查与健康监控.此外，该系统还能捕捉人体鼻周期的变化信息，为深入分析呼吸模式和生理节律提供了新的数据维度，展现了在长期健康管理中的潜在应用价值.

作为信息物理系统（Cyber-Physical Systems，CPS）的典型设备之一，无人机使用方便、对作业环境要求低、灵活性强，已广泛应用于农业、工业、军事等领域.其中，飞行控制系统是无人机核心基础服务，保障无人机遥测感知、通信覆盖、测绘救灾等应用的有效执行.但多变的物理环境、复杂的功能结构使无人机飞行控制系统在开发过程中容易引入各类软件安全问题，导致无人机发生劫持、坠毁、失控等严重问题.如何检测无人机飞控软件系统的安全问题变得非常重要.现有的大多数无人机异常检测技术依靠数字世界构造输入，难以及时发现无人机逻辑安全的问题，本文提出一种支持物理交互的无人机飞控软件安全检测方法，将静态与动态分析方法相结合，用模糊测试方法对无人机飞行控制软件的安全性进行测试，结果表明该方法能够以97%的高覆盖率对无人机飞控任务进行安全检测，并根据测试结果进行无人机特征数据提取，基于该特征数据采用机器学习的方法训练出双重异常检测模型，在多组数据集上与现有检测方法进行对比，本文方法达到发现无人机异常状况97.5%的准确率，有效检测出无人机飞控软件系统中的已知安全问题.

为了缩短奇偶校验极化码串行抵消列表（Parity-Check Successive Cancellation List， PC-SCL）译码算法的时延，本文提出了快速奇偶校验串行抵消列表（Fast Parity-Check Successive Cancellation List， Fast-PC-SCL）译码算法.该算法首先分析并研究了奇偶校验极化码（Parity-Check Polar， PC-Polar）中存在的2类特殊节点——奇偶校验重复（PC-Repetition， PC-REP）类节点和单奇偶校验（PC-Single-Parity-Check，PC-SPC）类节点，并通过理论证明了PC-REP类节点具有码字序列周期性重复、PC-SPC类节点具有码字和为特定值的性质.其次根据上述性质，给出了这2类节点的码字列表估计方法，使得包含这2类节点的极化码在译码时可以通过并行执行来大幅度缩短译码的时间延迟.最后结合这2类节点的码字列表估计方法，提出了Fast-PC-SCL译码算法.该算法可以在不完全遍历串行抵消（Successive Cancellation， SC）译码树的情况下进行译码，同时充分保留PC比特校验的效果.与PC-SCL译码算法相比，在不损失性能的前提下，该算法显著缩短了译码时延.实验数据表明，最多可缩短55.13%的时间延迟.

为保护用户隐私，许多平台为用户提供了匿名登录选项，迫使推荐系统仅能访问当前会话中的有限用户行为记录，进而催生了会话推荐（Session-Based Recommendation， SBR）系统.现有SBR技术在很大程度上沿用了传统非匿名用户行为建模思路，聚焦于序列建模以习得会话表征.然而，当会话长度偏短时，现有SBR技术性能衰减严重，难以应对以短会话为主的真实会话推荐场景.有鉴于此，提出一种通过频繁模式引导长会话生成的反事实推理方法（Counterfactual inference by frequent pattern guided Long Session Generation， CLSG），试图回答反事实问题：“如果会话内包含更丰富的交互物品，SBR模型预测结果将会如何？”CLSG遵循反事实理论的“归纳-行动-预测”经典三阶段推理流程.“归纳”：从已观测会话集合中构建频繁模式知识库；“行动”：基于所构建知识库生成反事实长会话；“预测”：度量已观测会话和反事实会话预测结果间的差异，并将其作为正则化项并入目标函数，以达到表征一致性的目的.值得注意的是，CLSG具有模型无关的技术特点，可对现有SBR模型实现普惠式赋能.三个基准数据集上的实验结果表明，CLSG提升了五款现有SBR模型的预测性能，在命中率（Hit Rate， HR）和平均倒数排名（Mean Reciprocal Rank， MRR）评价指标上均取得6%左右的平均性能提升.

低照度环境下获取的图像往往亮度低、对比度低、光照不均匀，从而造成图像特征变弱及模糊难于提取，同时在有限提取的特征中也存在大量噪声信息，导致目标难于检测识别，因而现有低照度目标检测成果极少.针对低照度目标特征难于提取及特征空间噪声大的问题，本文提出一种基于光照矫正与特征交互增强（Illumination Correction and Feature Interacted Enhancement，ICFIE-YOLO）网络的低照度目标检测方法.该方法首先利用提出的ICFIE-YOLO内部多尺度光照矫正网络（Multi Scale Illumination Correction Network，MSICN）对低照度图像进行光照矫正，突出隐藏在图像背景中目标的模糊特征，使特征提取模块能更好地提取到目标特征；其次，为充分利用有效特征信息，过滤特征图中的噪声干扰，提出特征交互增强（Feature Interacted Enhancement，FIE）检测头，通过特征注意力交互方式实现特征增强，建立低照度图像中各个区域特征之间的空间关联和语义关联，从而抑制噪声对有效特征的干扰，实现降噪效果；最后，在增强特征及去除噪声的基础上用改进的检测头实现高精度目标检测.在ExDark和DarkFace数据集上的实验表明，所提方法较主流目标检测方法mAP提高2.1%以上，较现有低照度目标检测方法召回率提高4.2%以上，同时召回率较基线模型提高了2.6%，所提方法具有较好的泛化性.

随着新一代信息基础设施建设的持续推进，多维阵列信号处理在雷达、通信、遥感等领域发挥着越发关键的基础性作用.多维阵列信号涵盖了丰富的空域/时域/频域/极化等参数信息，蕴含着巨大的经济和社会价值.为了解决传统矢量/矩阵模型在表征多维阵列信号时存在的结构化信息损失问题，张量代数逐步成为多维信号特征提取和利用的有力数理工具.然而，随着信号维度的扩张，遵循奈奎斯特采样定理所获取的信号规模在张量空间以指数级别膨胀，而现有系统所能提供的算力资源却在逼近物理极限，造成计算过载、时延过长等问题的出现.针对这些问题，稀疏感知利用信号在物理空间的稀疏性实现欠奈奎斯特采样信号处理，其从一维到多维空间的拓展为大规模张量信号的高效处理提供了可能.同时，引入互质、嵌套等结构化稀疏感知模式，可从增广虚拟域信号处理的角度提升系统性能.因此，本文面向多维阵列信号特征的高经济性获取需求，以“理论基础—算法设计—鲁棒机理”为主线，介绍结构化稀疏阵列张量信号处理的新理论与新方法.本文介绍了稀疏张量信号处理的高阶统计处理理论，通过构建虚拟域张量模型并设计其对应的信源辨识能力优化策略，保障了多维虚拟域上的奈奎斯特匹配处理和欠定参数估计；在此理论基础上，围绕波达方向估计和波束成形这两个基本问题，介绍了基于虚拟域张量填充的稀疏阵列波达方向估计算法，充分利用全部的非连续多维虚拟域信息实现高精度、超分辨信源测向，并介绍了基于互质张量权重优化的稀疏阵列波束成形算法，实现波束方向图上的虚峰消除和主瓣尖锐化，提高了稀疏阵列的信号增强与抗干扰性能；在此基础上，从提高非理想条件下的稀疏张量信号处理鲁棒性角度出发，介绍了一种资源集约型张量化神经网络架构，克服了非理想张量统计模型失配带来的性能衰落问题，从数据驱动层面实现面向稀疏张量信号特征开展机器学习的高效性、鲁棒性.

随着现代通信和信息技术的飞速发展，智能交通系统（Intelligent Transportation System，ITS）逐渐成为热门研究领域，车载自组网（Vehicular Ad Hoc Network，VANET）作为其关键技术，在实时道路信息共享和车辆间通信中起重要作用.然而，现有VANET分簇算法仍存在簇稳定性低、分簇开销大等问题.为解决这些问题，本文提出了一种端云协同的VANET分簇算法，在端云协同阶段，车辆通过路边单元（Road Side Unit，RSU）将自身特征数据上传至云，云侧根据特征变化，对车辆进行动态稳定性分类.稳定的端节点具有更高的可靠性和更长的连接持续时间.在端端协同阶段，考虑了稳定节点的相对移动性和覆盖节点数量等因素，进行簇头选举，简化簇头选举过程、提高了簇的稳定性.此外，针对控制开销大的问题，本文提出了一种邻居发现和更新机制，限制HELLO消息的转发操作，降低开销并优化资源使用.实验结果表明：本文提出的算法在簇稳定性、簇数量及分簇开销等关键性能指标上均优于基线算法，展示了其在实际交通场景中的应用潜力.

针对大多数基于图神经网络（Graph Neural Network，GNN）的社区搜索方法中存在的时间开销巨大和“搭便车”效应问题，本文提出一种基于图组合优化的高效社区搜索模型（Efficient Community Search Based on Graph Combinatorial Optimization，CS-ROMF）.该模型设计基于GNN的社区定位器来快速定位查询节点的潜在社区，减少时间开销.在此基础上设计基于强化学习（Reinforcement Learning，RL）的社区优化器调整候选社区的结构，减轻“搭便车”效应.在5个具有真实社区的数据集上进行大量实验，结果表明CS-ROMF在所有评估指标上均优于基线模型.其中，相比结果最好的基线模型，CS-ROMF在F ₁值、Jaccard值以及NMI上分别最高提升14.99%、20.67%和21.37%，表明CS-ROMF减轻了“搭便车”效应.同时，CS-ROMF能够显著提升搜索效率，其运行速度比基于GNN的基线模型最多快10倍.

本文提出一种基于类GHZ态与Bell态纠缠交换的半量子隐私比较（Semiquantum Private Comparison，SQPC）协议，在不泄露两个半量子通信者隐秘信息的前提下借助半忠诚第三方（Third Party，TP）正确地比较出隐秘信息的相等性.半忠诚TP被假定可以发起任何攻击，但不能与她人合谋.本文详细证明了该协议针对外部窃听者的攻击具备完全鲁棒性，并且分析了该协议针对内部不诚实参与者具备安全性.本文还通过IBM的Qiskit对该协议的流程和输出正确性进行实验仿真.

将产品转移给不受管理员信任的实体，极易造成产品伪造、窜货和隐私泄露等问题．因此，本文提出一种基于区块链的RFID供应链产品所有权转移方案BPOTS．首先，设计了一种基于中国剩余定理与Pedersen承诺的秘密值共享与验证算法，实现了产品在指定新所有者集合的转移，并利用Pedersen承诺的同态性质实现了产品批量转移，提高了产品的转移效率；其次，提出了一种基于对称加密的伪ID生成算法，平衡了供应链的隐私性与透明性；再次，本文对BPOTS进行了安全性分析和性能评估，结果表明：与现有基于区块链的RFID供应链产品所有权转移方案相比，BPOTS有效平衡了供应链的隐私性和透明性，并在产品转移的运行效率上提高了约12倍．最后，本文在长安链平台上实现了所提出的BPOTS并在Github上开源．测试结果表明：BPOTS产品转移效率相比于产品串行转移提高了约70.4%，有效降低了供应链节点的成本．

车道线检测作为智能驾驶系统的基石，在车道保持、自适应巡航等辅助驾驶过程中发挥着至关重要的作用.鉴于车道线检测在提升道路安全、促进智能驾驶及智慧交通发展中的关键作用，车道线检测技术的研究具有深远的学术价值与应用前景.然而，由于车道线的多样性、路况的复杂性及天气的多样性等因素，车道线检测面临诸多挑战.研究提出一种基于起始点引导的多维特征细化的复杂场景车道线检测方法，利用全局特征优化模块和车道线感知聚合模块对特征进行优化，捕捉足够的上下文信息，利用起始点坐标预测模块预测车道线的起始点坐标，生成高质量的锚点.为更好适应二维车道线检测，研究提出更为通用的惩罚车道线交并比损失函数评估车道线的预测结果.与目前车道线检测算法中精度最高的CLRNet-DLA34方法相比，所提方法在CULane数据集和CurveLanes数据集的F ₁@50分别高出了0.62%和0.73%，达到81.39%和86.83%.实验结果表明，所提方法在复杂场景车道线检测任务中取得了良好的检测效果，且在现有方法中具有很强的竞争力.

由于维数灾难问题的存在，如何在高维数据中摒弃冗余特征、保留关键信息成为一个关键问题.无监督特征选择无需任何先验类别信息就能进行维数约减的特点引起更多研究者的关注.尽管如此，现有的无监督特征选择算法仍然存在两个问题需要解决：模糊性是数据的普遍特性，但现有大多数基于正则化回归的无监督特征选择算法忽略了数据中的模糊性，导致特征子集不理想；多数算法无法有效区分正常样本和噪声样本且易受噪声的影响.针对这些问题，本文提出了基于双模糊学习的鲁棒无监督特征选择（Robust Unsupervised Feature Selection with Double Fuzzy，DFRFS）算法.DFRFS算法在基于正则化回归的无监督特征选择中引入模糊隶属度，允许数据在多个簇之间共享，能够更好地反映数据的复杂结构和不确定性.此外，DFRFS算法通过鲁棒权重学习框架为样本赋予不同的权重，从而在降低噪声样本影响的同时，保留可靠样本的作用.对比相关算法，在合成数据集与真实数据集上的实验结果验证了DFRFS算法的有效性.

无监督领域自适应（Unsupervised Domain Adaptation，UDA）是模式识别中的重要研究领域，旨在将标注完善但分布不同的源域知识转移到未标注的目标域数据上.现有方法仅关注源域和目标域原始样本分布的对齐，因此在分布差异较大时效果不佳.近年来，基于语义的UDA方法引入了类别信息.然而，类别信息过于粗略，难以充分反映源域和目标域的分布.为了解决这一问题，本文提出了一种用于无监督领域自适应的联合层级粒包络判别特征学习方法，该方法在三个层次上聚合了原始样本对、类别和粒包络信息，从而由粗到细地反映了数据分布.具体来说，本文引入了“知识金字塔”理论，通过构造粒包络，连接原始样本与类中心，建立三层粒度样本，替代现有方法中单层粒度的原始样本.同时，基于本文方法设计了一种迭代式聚类算法，揭示了样本间的关联信息，在原始样本与类中心之间生成粒包络.通过使用Bagging集成模式整合这三种粒度层，并对不同层次的粒度进行加权，以确保令人满意的精度.在基准数据集上的实验结果表明，本文方法能有效减小域间差异并提升分类精度，且优于其它主流领域自适应方法.

房颤是一种常见的心律失常，通常与中风、心力衰竭等心血管疾病相关.近年来，虽然有许多研究者使用深度学习方法在房颤检测上取得了重大进展，但所提出的方法大都需要大量的计算资源，并且由于深度学习模型的黑盒效应，模型的检测结果较难以在临床上推广应用.为此，本文提出一种基于特征融合的轻量房颤检测模型并对其开展可解释性研究，模型由ECG（Electrocardiogram）主干网络和RRI（R-R Interval）支路组成.ECG主干网络使用深度可分离卷积以及少量的标准卷积来提取心电信号的深层形态特征，RRI支路使用多尺度卷积提取RRI的深层节律特征，网络通过融合二者来学习全面鲁棒的特征表示，实现准确的房颤检测.进一步，基于Grad-CAM++来可视化不同特征对于分类结果的贡献实现模型的可解释性分析.本文在长期房颤数据库LTAFDB进行训练与数据集内部测试，准确率达到了97.99%.为了验证模型的泛化性能，利用MIT-BIH心房颤动数据库AFDB与中国生理信号挑战赛数据库CPSC2021开展跨数据集的外部测试，分别取得了95.17%和93.81%的准确率.实验结果表明，本文提出的方法具有轻量级特性，稳定性和准确性良好，同时可解释性深度学习的引入使得本文所提出的方法在房颤的临床诊断中具有更加广阔的应用前景.

注意力机制及其变体已广泛应用于基于深度学习的图像修复领域，它们将破损图像内部分为完好区域和缺失区域，捕获完好区域的远距离上下文信息以填充缺失区域.随着缺失区域增大，完好区域特征减少，限制了注意力机制的性能，从而导致修复效果不佳.为拓展注意力机制捕获上下文的范围，本文通过矢量量化码本学习视觉原子.这些视觉原子刻画了图像块的结构、纹理等特征，组成用于图像修复的外部特征，以弥补图像内部完好区域特征的不足.在此基础上，本文提出一种内外特征交互与融合的双流注意力图像修复方法.该方法结合内部和外部两个信息源，设计了内部掩码注意力和内外交叉注意力，组成双流注意力以实现内部特征之间以及内部和外部特征之间的交互，生成内外源修复特征.内部掩码注意力通过掩码屏蔽缺失区域特征的干扰，仅在完好区域捕获上下文信息，生成内源修复特征.内外交叉注意力通过计算内部特征与由视觉原子组成的外部特征之间的相似度关系，实现内外特征之间的交互，生成外源修复特征.此外，本文设计了可控特征融合模块，利用内外源修复特征之间的相关性生成空间权重图，为每个空间位置精确地筛选内外源修复特征，从而实现内部与外部特征的融合.在Places2、FFHQ和Paris StreetView三个公开的数据集上的实验结果表明本文方法在PSNR、SSIM、L1、LPIPS和FID指标上比其他先进方法平均提高了3.45%、1.34%、13.91%、13.64%和16.92%.消融实验结果和可视化实验结果表明图像内部特征与由视觉原子组成的外部特征均有益于修复破损图像.

多波束卫星通信系统由于其可实现高吞吐量及高效资源利用而受到广泛关注.本文研究多波束卫星通信系统的波束调度及资源分配问题，综合考虑用户地理位置及业务特性，提出基于Optics的用户初始分组算法.为提升波束覆盖性能，设计基于最小圆的卫星波位点及覆盖半径优化方案.基于所确定的用户分组策略，定义系统成本函数，并将联合波束调度、子信道选择及功率分配问题建模为系统成本函数最小化问题.为求解所建模优化问题，首先引入聚合节点描述各用户组特性，并提出基于参数化深度 Q网络的联合波束调度及功率分配算法；进而，基于所确定的用户组波束调度及功率分配策略，提出基于双深度 Q学习算法及基于近端策略优化算法的联合子信道及功率分配策略.仿真结果验证了所提算法的有效性.

随着物联网和智能终端的普及，边侧产生的数据量远远超出了边缘节点的计算与存储能力，亟需云边协同处理以满足大规模数据的实时分析需求.共享缓存架构因其计算、内存与存储解耦的特点，成为满足边缘海量数据处理需求的关键方案.然而，在共享缓存架构中仍然存在一些亟待解决的问题.首先，在事务处理场景中，当热点缓存数据在节点间频繁迁移时，现有系统的日志落盘机制会产生大量日志写入操作，进而影响系统性能.此外，现有的缓存写失效机制会导致部分热点缓存数据频繁被淘汰，致使一些执行较慢的事务无法及时从共享缓存中读取目标数据，触发大量缓存重载而引发系统性能下降.针对这些问题，本文提出了一种基于依赖表的日志延迟写入机制，通过整合多条日志写盘操作，并推迟到日志缓冲区填满或事务提交时刻，降低了日志刷写频次和写盘开销；设计了一种异步缓存延迟失效机制，通过引入异步回放失效消息、页面可见性判断及优化的缓存替换策略，有效延长缓存数据服务时间，提升了缓存命中率和系统性能.基于这些机制，本文实现了一套高性能共享缓存数据库系统EBASE-T.实验结果表明：与优化前相比，EBASE-T的吞吐量提升了19.5%，时延降低了13.1%，在TPC-C（专门针对联机交易处理系统的规范）测试中，EBASE-T相较于大多数共享缓存数据库系统表现出了显著的性能优势.

本文提出了一种可提高增益并在宽边进行连续波束扫描的慢波基片集成波导周期性漏波天线.带有贴片的周期性盲孔组成的慢波结构可降低电磁波在基片集成波导中传播的相速度，导波波长可因此减少50%.与一般的基片集成波导周期漏波天线相比，这样的慢波基片集成波导周期漏波天线中相邻辐射单元之间的距离可减少一半，使得相同长度的慢波基片集成波导周期漏波天线中辐射单元的数量增加一倍.因此，慢波基片集成波导周期漏波天线的辐射效率和增益可以显著提高.此外，由于辐射单元下方慢波结构的贴片被延长，辐射单元的阻抗匹配被改善，反射波被抑制，在边射方向不存在开阻带.因此，辐射波束可以从后向到前向连续扫描.对所提出的天线进行了制作和测试，在13.4~15.4 GHz工作频率范围内，扫描角度达到72.7°，最大增益为8.47 dBi.测试结果与仿真结果十分吻合.

为了降低空分复用弹性光网络（Space Division Multiplexing Elastic Optical Networks， SDM-EONs）的自发辐射噪声和非线性物理损伤问题对业务传输性能的影响，论文提出基于辅助图的比特加载和物理损伤感知资源分配（Bit Loading and Physical Impairment-sensing Resource Allocation， BL-PIRA）方法. 在BL-PIRA中，使用辅助图实现业务多策略最小代价优化的路由选择；采用比特加载机制为业务选择满足芯间串扰和非线性物理损伤的纤芯和频谱块. 仿真结果表明，所提BL-PIRA能降低业务阻塞率，提高频谱利用率.