无监督行人重识别旨在不需要行人身份标签的情况下，将查询的行人图像与候选集中的行人图像相匹配.目前主流的无监督行人重识别方法通常先利用聚类算法生成伪标签，然后利用伪标签训练深度神经网络.然而由于模型初始表征能力不足和聚类算法的局限性等，伪标签中会引入大量噪声，严重误导模型优化过程，导致模型性能退化.为了减轻伪标签噪声的影响，本文提出了一种新的伪标签正则化损失函数，用伪标签的置信度分数和样本相似度对伪标签噪声进行约束.具体来说，本文首先提出了一种聚类引导的注意力机制，根据伪标签与聚类中心的语义相关程度来估计伪标签的置信度，以此来识别噪声标签并给正确标签分配更多的权重，有效降低伪标签噪声在总体损失函数中的作用.同时，为了充分利用伪标签的判别能力，本文利用伪标签进行在线软样本挖掘，构建mini-batch中的正负样本对并为每个正负样本对计算一个连续的权重分数.通过将以上两种权重引入到对比损失中，本文提出的伪标签正则化损失函数可以有效抑制伪标签噪声的影响，减轻标签噪声对训练过程的影响，提高模型的准确性和鲁棒性.在多个公开行人数据集上的实验结果验证了本文方法的有效性，在Market1501、DukeMTMC-reID和MSMT17数据集上mAP分别达到了85.9%、75.1%和29.3%.

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，严重影响后续图像分析与处理任务.现有去雾算法存在去雾后丢失图像信息、产生模糊以及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，进行图像去雾.通过偏振图像获取场景与大气偏振信息；再以暗通道先验算法估计的直接透射光梯度特征为引导，提出目标偏振度估算算法；最终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度低、去雾残留以及天空区域过增强问题；定量实验表明：本文算法既不会造成图像信息丢失，也不会产生过多噪声与模糊.综合对比五种代表性去雾算法，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.

随着航空航天技术的快速发展，封闭腔体内的无线能量传输（Wireless Power Transmission， WPT）技术开始受到广泛关注.基于频率控制的WPT技术，可实现对电大封闭腔体（10³×λ³）内的多方位传感器进行可控和高效的无线充电.电大腔体内的电场分布对频率的变化敏感，利用频率变化实现对封闭腔体场分布控制.实验结果表明，在S波段的1 m³腔体最高WPT传输效率为96.6%.设计的宽带整流电路实测整流效率最高为80%，整流效率高于50%的带宽为1.65 GHz.在2.401 GHz~2.495 GHz频段实现控制双接收机的不同工作状态，展现其在航空航天器等封闭空间中为传感器无线供电的应用前景.

本文提出了一种基于N衬底P外延晶圆的全碳化硅（Silicon Carbide， SiC）集成工艺平台，该工艺平台兼容低压互补金属氧化物半导体场效应晶体管（Complementary Metal Oxide Semiconductor Field-Effect Transistor， CMOS），横向扩散金属氧化物半导体（Laterally-Diffused MOS， LDMOS）以及高压二极管等器件.采用P型缓冲层技术调节器件垂直方向电场分布，使高压器件垂直方向耐受电压提高212.4%；在1μm厚度的P型缓冲层和1 μm厚度的P型外延层上，实现LDMOS，高压二级管和高测区域耐受电压大于300 V.基于该工艺平台，搭建了SiC CMOS反相器和反相器链电路，均实现了0~20 V轨至轨的电压输出；设计了半桥驱动电路，低压侧驱动电路由四阶反相器构成；高压侧驱动电路由电平移位电路和高侧区域反相器链电路组成，实现了180 V~200 V浮空栅极驱动信号输出.

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.

基于分治和按需传输思想的分块传输技术是解决三维全息视频流传输的有效手段.然而，现有的分块方案要么缺乏自适应机制，要么不适用于移动实时通信场景.为此，本文提出了VVSTiler（Volumetric Video Streaming Tiling selector），一种面向全息视频通信的自适应分块传输方法，能够在动态且有限的计算和带宽资源下最大化视频的观感质量.具体而言，本文对不同粒度的分块方案带来的影响进行了初步研究，发现细粒度的分块方案可提高动态网络资源的利用率，粗粒度的分块方案可保证视频编解码效率和鲁棒性.基于此，本文构建了考虑预测视口、可用计算资源以及网络带宽等上下文信息的视频观感质量优化问题，并设计了一个高效的求解方案以支持在线的分块粒度决策.本文在8iVFB（8i Voxelized Full Bodies）标准数据集上将VVSTiler与当前主流的分块传输方法进行了比较.实验结果表明，VVSTiler在有偏差的视口预测情况下实现了高达60.4%的视频观感质量提升，在较准确的视口预测情况下平均每帧视频节省了27%的带宽资源.

要素协同是协同作战发展的必经之路，杀伤链的动态重构是其典型特征.本文针对平台协同难以满足复杂作战任务需求的问题，提出了异构平台要素协同的解决思路和理论方法.首先分析了要素协同关系复杂性、协同能力不确定性两个难点问题；其次基于反馈机制的可重构架构对复杂作战网络进行建模，提出了杀伤链算子的要素动态重构、协同序参量的效能定量评估方法；最后基于仿真场景实现杀伤链的动态构建与重构，可指导要素协同的算法设计与工程实践.

现有分布式机器学习模型的相关激励机制大多基于单层服务器架构，难以适应当前异构无线计算场景，同时存在计算资源分配不平衡、通信成本高昂等问题.针对上述问题，创新地提出一种面向无线边缘网络的分层Stackelberg博弈群体激励方法（Hierarchical Stackelberg game Swarm Learning Incentive method for wireless edge network，HSISL），创新地将Stackelberg博弈机制引入群体学习模型中，依据各参与方性能差异，云端聚合平台、边缘簇节点、边缘计算节点三方进行动态博弈，通过双定价公平激励过程，共同制定个性化分层资源分配策略，得到模型训练的最优纳什解，有效引导边缘计算模型进行正向加速.通过理论与实验分析，HSISL能够有效提升模型公平性与训练效率，其在MNIST数据集上的准确率可达96.06%.

数据库参数调优是提高数据库性能的重要任务之一.数据库参数可按照作用域范围和功能进行分类，探究某一类参数之间的相互影响以及不同类别之间的相互影响是非常重要的，但是现有方法尚未考虑这一方面.提出面向数据库参数调优的协作型多智能体模型DBT-MADDPG（DataBase Tuning-Multi-Agent Deep Deterministic Policy Gradient），设计单智能体预训练模型SA（Single Agent），多智能体联合训练模型JAM（Joint Action Model）以及基于概率选择的联合训练模型JAPM（Joint Action Probability Model），分阶段对数据库参数进行调优.实验结果表明，DBT-MADDPG模型能够分功能、分参数级别对数据库参数进行调优，在SA模型训练阶段便能到达主流算法的性能，且比主流算法快17.85%获得较佳配置.

针对现有基于伪点云的3D目标检测算法精度远低于基于真实激光雷达（Light Detection and ranging，LiDar）点云的3D目标检测，本文研究伪点云重构，并提出适合伪点云的3D目标检测网络.考虑到由图像深度转换得到的伪点云稠密且随深度增大逐渐稀疏，本文提出深度相关伪点云稀疏化方法，在减少后续计算量的同时保留中远距离更多的有效伪点云，实现伪点云重构.本文提出LiDar点云指导下特征分布趋同与语义关联的3D目标检测网络，在网络训练时引入LiDar点云分支来指导伪点云目标特征的生成，使生成的伪点云特征分布趋同于LiDar点云特征分布，从而降低数据源不一致造成的检测性能损失；针对RPN（Region Proposal Network）网络获取的3D候选框内的伪点云间语义关联不足的问题，设计注意力感知模块，在伪点云特征表示中通过注意力机制嵌入点间的语义关联关系，提升3D目标检测精度.在KITTI 3D目标检测数据集上的实验结果表明：现有的3D目标检测网络采用重构后的伪点云，检测精度提升了2.61%；提出的特征分布趋同与语义关联的3D目标检测网络，将基于伪点云的3D目标检测精度再提升0.57%，相比其他优秀的3D目标检测方法在检测精度上也有提升.

测井曲线记录着地层物理性质随深度变化的幅值范围，是测井与地震资料之间的纽带，对储层岩性分析与识别和后续的油气勘探工程十分重要.然而，在实际的测井过程中仪器故障等原因会造成测井曲线缺失的问题，重新测井不仅价格昂贵而且难以实现.针对地质勘探时测井数据时常缺失的问题，本文提出了一种LSTM（Long Short-Term Memory）注意力表征的测井曲线重构方法.同时，对原始测井信号进行两种模态分解，计算分解后得到模态分量与原始信号之间的相关性，去除冗余分量，实现对缺失的测井曲线高效、高精度的人工补全.将该方法用于声波（ACoustic，AC）与密度（DENsity，DEN）曲线重构实验，并将实验结果与LSTM网络和BP（Back Propagation）神经网络预测的结果进行对比分析.结果表明，LSTM-Attention模型有着更为优异的预测效果，重构后的AC和DEN与原始曲线之间的相关性分别达到了86.8%和74.8%，高于传统LSTM和BP神经网络预测方法.在去除冗余的信号分量后，相关系数分别提高了1.4%和4.0%.同时，本文所提方法预测出的测井曲线具有最低的预测误差.因此，基于LSTM注意表征的网络结构对测井曲线重构具有较好的预测精度.

冯诺依曼计算机体系结构面临着“存储墙”的瓶颈，阻碍AI（Artificial Intelligence）计算性能提升.存算一体硬件结构打破了“存储墙”的限制，大大提升了AI计算的性能.目前存算一体计算方案已在多种存储介质上得到实现，根据计算信号类型，可以将存算一体计算方案分成数字存算一体方案和模拟存算一体方案.存算一体硬件结构使得AI计算的性能取得巨大提升，然而进一步发展仍面临重大挑战.本文对不同信号域的存算一体方案的进行了对比分析，指出了每一种方案的主要优缺点，也指明了存算一体技术面临的挑战.我们认为，随着工艺集成、器件、电路、架构，软件工具链的跨层次协同研究发展，存算一体技术将在边缘端和云端，为AI计算提供更加强大和高效的算力.

多个领域的优化问题可归纳为高维多目标优化问题，高维多目标进化算法是解决此类问题的有效方法，然而该方法普遍存在收敛性和多样性较难平衡的问题.针对此问题，本文提出一种基于动态分解和角度惩罚距离的高维多目标进化算法.该算法基于动态分解将种群分成多个类，此过程无需预先设定参考向量，可根据种群自身分布信息进行分解.之后，算法基于改进的角度惩罚距离从每类中选择个体，从而平衡收敛性与多样性.此外，设计基于Pareto支配、拐点、m近邻角度三原则的锦标赛匹配选择机制.本文算法与9种高维多目标进化算法在27例高维多目标优化测试题上进行对比实验.实验结果表明，本文算法能有效解决不同类型的高维多目标优化问题，并且在不同目标个数上具有较好的稳定性.

由于传统文本评论情感分类方法通常忽略用户性格对于情感分类结果的影响，提出一种基于用户性格和语义-结构特征的文本评论情感分类方法（User Personality and Semantic-structural Features based Sentiment Classification Method for Text Comments， BF_BiGAC）.依据大五人格模型能够有效表达用户性格的优势，通过计算不同维度性格得分从评论文本中获取用户性格特征.利用双向门控循环单元（Bidirectional Gated Recurrent Unit， BiGRU）和卷积神经网络（Convolutional Neural Network， CNN）可以有效提取文本上下文语义特征和局部结构特征的优势，提出一种基于BiGRU、CNN和双层注意力机制的文本语义-结构特征获取方法.为区分不同类型特征的影响，引入混合注意力层实现对用户性格特征和文本语义-结构特征的有效融合，以此获得最终的文本向量表达.在IMDB、Yelp-2、Yelp-5及Ekman四个评论数据集上的对比实验结果表明，BF_BiGAC在分类准确率（Accuracy）和加权macro F₁值（F_w）上均获得较好表现，相对于拼接BiGRU、CNN的情感分类方法（Sentiment Classification Method Concatenating BiGRU and CNN， BiGRU_CNN）在Accuracy值上分别提升0.020、0.012、0.017及0.011，相对于拼接CNN、BiGRU的情感分类方法（Sentiment Classification Method Concatenating CNN and BiGRU， ConvBiLSTM） F_w值上分别提升0.022、0.013、0.028及0.023；相对于预训练模型BERT和RoBERTa，BF_BiGAC在保证分类精度的情况下获得了较高的运行效率.

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.

基于传统多模光纤的模式资源，来构建多维复用超大容量光纤传输系统可以有效提升通信系统传输容量，满足急剧增长的数据业务需求.在本文中，我们联合波分复用、偏振复用和模分复用技术，基于传统OM2光纤实现了40个波长信道（1 535.04~1 566.31 nm）×2个模式信道（LP01和LP11b）的60G波特偏分复用16阶正交幅度调制（Polarization Division Multiplexing 16-ary Quadrature Amplitude Modulation，PDM-16QAM）信号的短距模分复用相干光传输.整个模分复用链路由一对基于多平面光转换（Multi Plane Light Conversion，MPLC）的模式复用/解复用器和20 m OM2光纤构成.由于高模式隔离度的模式信道特性（ dB），本系统无需相应数字信号处理算法进行模式解复用，而仅需2×2的多输入多输出（Multiple Input Multiple Output，MIMO）算法完成偏振解复用.在实验中，除了对系统关键参数，包括脉冲成型滤波器的滚降因子、削峰比及接收光功率进行了优化外，还引入了Volterra判决反馈均衡方案.该均衡方案不仅能够补偿调制器引入的非线性信号损伤，而且能够缓解前馈均衡方案导致的高频噪声增强问题.最终，实验结果显示所有80个信道的误码率皆低于20%软判决前向误码纠错（Soft Decision Forward Error Correction，SD-FEC）阈值 \mathrm{2.7} \times {\mathrm{10}}^{-\mathrm{2}}，系统总容量达38.4 Tbit/s，表明基于多模光纤的模式复用相干光传输方案在未来超大容量短距光互联系统中具有应用潜力.

基于光电容积脉搏波描记法（Photo Plethysmo Graphy，PPG）的柔性传感器可进行心率（Heart Rate，HR）和血压（Blood Pressure，BP）检测，但是对其检测结果的标定报道甚少.据此，本论文提出一种基于模拟血液循环的反射式PPG心率检测和血压标定系统.以蠕动泵来产生脉动流，通过调节其转速的大小来控制模拟血液输送的频率和压力，从而引起弹性乳胶管内模拟血液体积的变化，而改变反射光的信号周期与强度，贴近于人体脉搏测量过程的实际场景.该系统心率检测误差均值为0.277 78，95%一致性界限为（-2.595 62，3.151 17），所测收缩压（Systolic Blood Pressure，SBP）和舒张压（Diastolic Blood Pressure，DBP）的拟合优度分别为0.971 85和0.98 111.经标定后的柔性PPG传感器对四名志愿者检测的SBP和DBP的MD±SD均值分别为1.21±2.16 mmHg和0.76±2.02 mmHg，均符合且远小于美国医疗器械促进协会（Advancement of Medical Instrumentation，AAMI）所制定的衡量血压计精度的标准指标5±8 mmHg.结果表明，该系统能够准确高效地标定柔性PPG传感器，为实现便携式可穿戴设备的精准血压检测提供标定基础.

本文提出了一种新型高带宽密度、低功耗的面向片上（Die to Die，D2D）互连的7阶相关非归零（Non-Return-to-Zero，NRZ）编码接口电路结构.为了进一步提高5阶相关NRZ编码在D2D互连中的信噪比和带宽密度，设计了基于发射矩阵和接收矩阵的编解码电路.基于发射矩阵，在发射端设计了基于电压模驱动的编码电路，有效降低了功耗；基于接收矩阵，在接收端设计了基于有源可调电感的解码均衡电路，提高了通信速率.同时，为了解决接收端时钟偏斜问题，本文还设计了误码校准电路.该接口电路采用28 nm CMOS（Complementary Metal Oxide Semiconductor）工艺设计，核心面积为3 mm²，可适用于10~50 mm的片上互连.后端仿真结果表明，当奈奎斯特频率为20 GHz、信道插损为-8 dB的条件下，接收端最窄眼宽为0.45 UI，误码率小于 {\mathrm{10}}^{-\mathrm{15}}，能耗效率为1.2 pJ/b，带宽密度为448 Gbps/mm.

目前网络谣言的检测方法主要是从传播路径中寻找信息，这些方法多只采用文本信息作为初始传播特征，因此难以捕捉到丰富的传播结构表示.本文根据谣言的传播路径，提取文本和用户可信度特征，构建一种基于传播树的多特征谣言检测模型.模型通过图卷积网络聚合文本传播信息，使用多头注意力机制挖掘文本传播树的层内依赖关系，同时对用户传播树中的每个用户构建可信度序列，并采用M-Attention模块捕获有效的用户可信度特征.实验结果表明，本文提出的方法在Twitter15、Twitter16和Weibo数据集上的检测准确率达到89.3%、91.7%和96.4%，相比当前最优的传播树模型Bi-GCN准确率分别提升4.8%、4.2%和3%.

文章提出了一种面向毫米波应用的基于谐波调谐的单片集成（monolithic microwave integrated circuit， MMIC）功率放大器（power amplifier， PA）.通过在晶体管输入和输出端对谐波终端进行控制，MMIC PA可以在高频实现高效率性能.所提出的输出网络在匹配基频阻抗的同时，可以控制二次和三次谐波阻抗.此外，为了进一步提升功放效率，输入端的二次谐波阻抗也进行了调谐.在0.15μm碳化硅基氮化镓（Gallium Nitride on Silicon Carbide， GaN-on-SiC）工艺上对所提出的功放架构和设计方法进行了仿真和测试验证.测试结果表明，PA在21.4GHz到23GHz的频带范围内，功率附加效率（power added efficiency， PAE）大于39.2%，输出功率大于33dBm.而在22.2 GHz，测试的漏极效率最大达到63.7%，对应的PAE为50.2%，输出功率为34.1 dBm，仿真和测试结果基本吻合.整体电路尺寸只有1.87mm²，因此单位面积的输出功率为1.31W/mm².和其他工作相比，所提出的功放实现了较高的效率和功率密度.

无线接入网复杂化持续加剧，无线设备数量激增.为了提升未来网络容量和资源利用率，需要设计有效的拥塞控制手段和资源调配策略，平衡子网络之间负载，促进跨域资源协同共享.为此，本文在新近提出的哈希接入协议的基础上，设计了哈希接入动态优化策略，根据网络负载状况动态调整接入参数以缓解网络拥塞.本文在跨网络场景下进一步提出了负载均衡方案与资源整合再调配方案，为无线接入网整合无线资源、均衡网络负载提供了有用的方法.仿真结果表明，本文提出的哈希接入动态优化策略在保证网络稳定的同时最大化网络吞吐量，所提的资源调配方案能有效地调配失衡的网络负载，提升复杂融合网络性能和接入公平性.

RISC-V指令集架构（Instruction Set Architecture，ISA）作为一种新兴的精简ISA，因免费、开源、自由等特点而得到快速发展.由于国内外对RISC-V的研究主要集中在硬件开发，软件生态相较于成熟ISA还很薄弱，实现一套RISC-V指令集高性能基础数学库可以进一步丰富RISC-V软件生态.本文基于自动化移植技术实现申威数学库到RISC-V的移植，为RISC-V指令架构提供首个使用向量指令优化的基础数学库系统.提出向量寄存器自动分支查表法与路径标记插入法，重点解决不同架构间寄存器映射过程中的寄存器复用问题，实现寄存器正确高效映射，并依据不同指令等价转换策略自动化移植数学函数69个.测试结果表明，RISC-V基础数学库函数可实现正确计算，最大误差为1.90ULP，函数性能平均为157.03节拍.

多项式乘法运算制约着基于格的后量子密码在现实中的应用.为提高后量子密码 Crystal_Kyber 算法的性能效率，减少运行时间，降低多项式乘法的影响，本文设计了一种新的蝶形运算单元对素模 q=3329 的 Kyber 方案进行优化.首先，采用 16 路并行调度新型蝶形运算单元的方式执行算法，缩短了计算周期；其次，使用流水线技术以及改进的 K²RED 算法，设计实现新型蝶形运算单元，用于降低资源消耗；最后，利用多 RAM 的方式存储数据，并且多通道优化 RAM，允许数据交替存储在 RAM 中，提高资源复用率.实验结果表明，本文优化后的数论变换 NTT（Number Theoretic Transform）、逆数论变换 INTT（Inverse NTT）、点对位相乘 PWM（Point-Wise Multiplication）的效率达到 200MHz，合并执行 Kyber 效率达到 175MHz，优于其他方案，具有良好的性能.

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 Arrival-Direction Of Departure-range， DOA-DOD-range）三个信息，如何对三者信息进行解耦便成为研究的重点.在本文针对双基地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，同时所提出的降维MUSIC算法能够有效的降低运算复杂度.数值实验证明了所提算法性能的优越性.

目前已有文献给出了uBlock分组密码算法的侧信道防护方案，但是这些方案不仅延迟较高，难以适用于低延迟高吞吐场景，而且在毛刺探测模型下缺乏可证明安全性.针对这一问题，本文给出了在毛刺探测模型下具有可证明安全性的uBlock算法的低延迟门限实现方案.此外，我们引入了Changing of the Guards技术来避免防护方案在执行过程中需要额外随机数.对于防护方案的安全性，我们用自动化评估工具SILVER验证了S盒的毛刺探测安全性，并用泄露评估技术TVLA（Test Vector Leakage Assessment）验证了防护方案的整个电路的安全性.最后，我们用Design Compiler工具对防护方案的性能消耗情况进行了评估.评估结果显示，与序列化实现方式的uBlock防护方案相比，我们的防护方案的延迟能够减少约95%.

基于少模光纤的模式复用系统利用单根纤芯中的正交模式实现各独立信道的并行传输，能够有效提升系统容量，解决单模光纤系统的容量危机．在本文中，我们联合使用模式复用、波分复用与偏振复用技术，基于六模渐变型光纤实现了80个波长通道下32 Gbaud四模双偏振16阶正交振幅调制信号的1 000 km相干传输，并在接收端使用时频域联合数据辅助8×8多输入多输出最小均方算法以补偿由光纤传输导致的模式耦合及模间色散等线性损伤．与传统的纯时域或纯频域多输入输出最小均方均衡算法相比，该算法分别实现了57.1%的收敛速度提升与25.1%的收敛误差下降．经过1 000 km少模光纤传输后，80通道每个模式及偏振态的误码率均低于开销为20%的软判决前向纠错编码阈值 \mathrm{2.4} \times {\mathrm{10}}^{-\mathrm{2}}，系统净速率达68.2 Tbit/s．

元胞自动机被广泛认为是基于分子自组装技术制造量子计算机、纳米计算机的基本架构，而元胞自动机的复杂度直接影响其并行分布式计算效率以及物理实现的可行性.现有复杂度最低的异步元胞自动机使用3个元胞状态和3条变迁规则，能够构造所有逻辑电路，具备与图灵机等价的计算通用性（图灵通用性）.为进一步降低通用异步元胞自动机的复杂度，本文提出新型电路元件以及基于该元件的逻辑电路设计方法.不同于同步电路的逻辑门元件，新型电路元件能够有效处理信号的随机波动，对单电子隧道晶体管等纳米材料技术有积极的应用价值.据此，本文提出新的异步元胞自动机模型，该模型仅需3个元胞状态和2条规则，比现有的通用模型复杂度低.除图灵通用性外，本文通过设计大规模分布式逻辑电路，进一步证明所提出的异步元胞自动机具备与所有同步元胞自动机同等的计算能力.

基因与表型间的关联分析对揭示生物的内在遗传关联具有重要意义. 随机游走算法可以融合多组学数据，聚合一阶或高阶邻居的标签信息，对网络中不同节点间关联信息进行补全，提高关联预测的准确度，进而发现基因和表型间潜在的遗传关联. 但现有随机游走算法通常平等地对待每个节点，忽略了不同节点的重要性，使得非重要节点过度传播，降低了模型性能. 为此，本文提出了一种基于多组学数据融合的个性化随机游走算法（individual Multiple Random Walks， iMRW），在由基因、miRNA及表型节点构建的多组学异质网络上，基于网络拓扑结构，设计个性化多元随机游走策略，为不同重要程度的节点分配不同的游走步长，并结合高斯相互作用属性核相似性与随机游走，对网络不同节点及节点间关联信息进行补全，最终实现多源基因-表型关联矩阵的融合，准确获取基因-表型关联预测矩阵. 在不同实验设置下，与主流算法的对比实验结果均显示iMRW能够取得更优的预测性能. 在玉米光合作用能力和淀粉含量表型的实验分析结果也进一步证实了iMRW在识别潜在的基因-表型关联的实用性与有效性.

针对背沟道刻蚀（Back Channel Etch，BCE）技术的非晶铟镓锌氧化物（a-IGZO）薄膜晶体管（Thin Film Transistor，TFTs），建立了一种高浓度掺杂态密度模型（High Concentration Doping Density Of States model，HCD-DOS model），并通过数值模拟研究态密度关键参数对器件性能的影响，以此揭示a-IGZO TFTs中制备工艺对导电沟道修复的物理机理．首先采用结合强度较高的钼/铜互联结构作为栅/源/漏电极，引入BCE方法制备了底栅顶接触（Bottom-Gate Top-Contact，BG-TC） TFTs．其次建立了适用于BCE技术的a-IGZO TFTs的HCD-DOS模型．随后基于TCAD（Technology Computer Aided Design）仿真器对态密度关键参数进行数值研究．结果表明，不同态密度参数对a-IGZO TFTs器件转移特性曲线、电学特性以及沟道内部电子浓度分布的影响都有所差异．最后基于HCD-DOS模型探索SiO_x钝化层沉积和N₂O等离子体处理对器件内部机理的影响．研究发现N₂O等离子体处理对态密度分布和沟道载流子浓度有着显著影响，进而导致阈值电压正向漂移．

为满足中低压消费电子的市场需求，小尺寸高密度Bipolar-CMOS-DMOS技术得到了蓬勃发展，低损耗和高可靠成为Bipolar-CMOS-DMOS技术中横向双扩散金属氧化物半导体场效应管（Lateral Double-diffused Metal-Oxide-Semiconductor field effect transistor，LDMOS）设计的重点和难点.本文介绍了一种基于高温氧化层（High Temperature Oxidation layer，HTO）结构的LDMOS，并对其热载流子注入退化机制进行了研究分析，利用高温氧化层结构改善了传统浅槽隔离（Shallow Trench Isolation，STI）结构中氧化物台阶嵌入半导体内部对器件热载流子注入造成的不利影响，提高器件可靠性，同时还缩短了器件导通情况下的电流路径长度，降低损耗.此外本文还提出了对P型体区的工艺优化方法，利用多晶硅作为高能量离子注入的掩蔽层，改善阱邻近效应对器件鲁棒性的影响，同时形成更深的冶金结，可以辅助漂移区杂质离子耗尽，降低漂移区表面电场，在不需要额外增加版次的情况下提高了器件击穿电压.最终得到的基于HTO结构的LDMOS击穿电压为43 V，比导通电阻为9.5 mΩ·mm²，线性区电流在10 000 s之后的退化量仅为0.87%.

基于超像素技术，针对彩色硅基OLED（Organic Light Emitting Diode）微显示器，提出一种数字驱动策略，通过复用相邻像素信息，使单像素用于多个相邻像素成像，大幅提高显示分辨率．设计了一种数字驱动彩色OLEDoS（Organic Light Emitting Diode on Silicon）微显示器驱动电路，在120 Hz帧频的条件下，可实现256级灰度和4K显示分辨率，且电路面积和每秒数据传输量仅为传统驱动方式的50%．经测试验证，该驱动电路可实现的OLED像素平均电流范围为13.1 pA~3.74 nA，可满足微显示器近眼显示需求．

联邦学习作为一种新兴的分布式机器学习架构，允许车联网中多个车辆终端进行本地模型训练，并在兼顾数据隐私保护的条件下实现模型的全局聚合，从而提供可靠的车联网服务.然而，在联邦学习训练过程中，车辆终端往往因其高移动性在不同区域间切换训练，导致全局模型精度低.此外，恶意终端频繁上传无效或错误模型数据将导致车联网服务可靠性差.因此，本文提出了一种基于双层联邦学习的高动态车联网业务边缘协作计算机制.首先，综合考虑车辆终端的移动性、计算能力和可靠性，构建了终端服务能力模型，并提出了基于深度强化学习的边缘协作计算域构建算法，通过将多个边缘节点覆盖下的车辆终端进行聚簇训练，降低了终端本地模型的切换概率，从而保证联邦学习模型训练的持续性.进而，构建了包含边缘协作计算域内聚合层和域间聚合层的双层联邦学习框架，分别采用基于自适应聚合因子的本地模型半异步聚合机制和基于数据量的区域模型异步聚合机制，提升了联邦学习系统的聚合效率.特别地，考虑终端高速移动引起的跨域问题，引入了本地模型部分条件更新机制，避免了高质量模型被低质量模型覆盖的情况，进一步提高了全局模型准确率和系统资源利用率.仿真结果表明，本文所提机制在模型精度和服务可靠性等方面均优于本地计算、同步联邦学习和异步联邦学习算法.

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、LP_11a、LP_11b三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，四种泵浦方案中，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，三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.四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，但三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.

本文通过范德华尔斯作用将单层石墨烯（Graphene）、单层二硫化钒（VS_2）和单层氮化硼（BN）构建成Graphene/VS₂/BN范德华三层异质结构，并将其与不同数量的锂结合，研究了其作为锂离子电池（Li-Ion Batterys，LIBs）中阳极电极材料的可行性.Graphene/VS₂/BN范德华三层异质结构具有 - \mathrm{0.33} eV/Ų的形成能，具有较强的稳定性，能够在理论上合成.同时，也计算了Graphene/VS₂/BN范德华异质结构的平面内刚度，得出的杨氏模量（Y）为886.88 N/m，高于单层VS₂的Y（82.5 N/m），具有较好的力学性能.Graphene/VS₂/BN范德华三层异质结构表面和界面上吸附Li的吸附能（2~5 eV）远大于相应单层的吸附能，表明其对Li具有较好的吸附性能.Li在Graphene/VS₂/BN范德华三层异质结构的不同表面和界面处迁移时的扩散势垒非常小（0.3~0.6 eV），对电池速率性能极为有利.Graphene/VS₂/BN范德华三层异质结构在LIBs的阳极电极材料方面的应用具有广泛的前景.

霍尔传感器作为磁传感领域最常用的传感器类型，在工业生产、汽车电子、航空航天以及生物医学等方面均有广泛应用.本文利用宽禁带氮化镓（GaN）半导体耐高温、高迁移率等优点，采用标准半导体芯片制造工艺研制出AlGaN/GaN异质结结构霍尔传感器.高温应用环境下的传感器要求封装材料耐高温、产生应力低以及对传感器关键指标影响小.本工作通过软件仿真树脂橡胶类三种不同封装材料封装后对传感器及键合线的性能影响规律，并通过实验验证不同材料封装前后传感器灵敏度、失调电压、温漂系数等物理参量的变化，遴选出综合性能最优的、可在550 K高温环境下使用的封装材料.最终得到封装后的霍尔传感器失调电压在1.0 mA激励电流时小于115 μV，信号线性度在0~3.0 mA激励电流和0~1.0 T磁场测量范围内优于0.3%，而温漂系数在300~550 K温度范围内仅有-120.9 ppm/K，这优于目前文献报道结果，因此有望应用于极端环境磁场检测中.

本文联合溶剂热法和氮化法合成氮化镓（GaN）/Ti₃C₂T_x新型复合材料，并研究了基于GaN/Ti₃C₂T_x新型复合材料的气体传感器对三甲胺（Trimethylamine，TMA）气体的传感特性．通过一系列表征手段分析了复合材料的形貌以及元素组成特性，证实了GaN与Ti₃C₂T_x材料的成功复合．传感器对TMA气体的气敏特性结果表明，GaN/Ti₃C₂T_x传感器在室温下能够高效检测1~200 ppm的TMA气体，且与纯GaN传感器相比，对TMA的检测下限由10 ppm降低至1 ppm．此外，复合传感器气敏结果进一步证实了其良好的抗干扰特性以及长期稳定性．利用表面耗尽层模型解释了GaN/Ti₃C₂T_x复合传感器气敏机理，及其与纯GaN传感器相比气敏性能提升的原因．最后，本文开发了一种无接触式TMA气体检测装置，检测结果表明该装置有望实现对肝、肾病患者呼出气的高效实时检测，在肝、肾疾病的早期筛查方面具有较大的应用潜力．

互联网是促进现代社会经济发展和科技创新的重要信息基础设施；然而，支撑并规范互联网正常运行的关键核心技术——互联网的TCP/IP（Transport Control Protocol/Internet Protocol）体系结构——几十年来几乎保持不变.本文首先从技术自身弊端、社会发展需求、技术转移周期、科技革命规律四个方面论述了开展互联网体系结构创新的必要性.其次，运用系统科学原理阐明了TCP/IP体系结构弊端的根源.再次，运用系统观念揭示了信息网络的功能本质和网络间的互联本质，发现了信息传递的四个自然属性（对象属性、身份属性、位置属性、手段属性）.在此基础上，简要介绍了基于两个本质和四个自然属性开展创新互联网体系结构创新的实例——共生网络.最后，结合共生网络架构展望了部署新型互联网体系结构的总体路径.

加密型勒索软件通过加密用户文件来勒索赎金.现有的基于第一条加密API（Application Programming Interface，API）的早期检测方法无法在勒索软件执行加密行为前将其检出.由于不同家族的勒索软件开始执行其加密行为的时刻各不相同，现有的基于固定时间阈值的早期检测方法仅能将少量勒索软件在其执行加密行为前准确检出.为进一步提升勒索软件检测的及时性，本文在分析多款勒索软件运行初期调用动态链接库（Dynamic Link Library，DLL）和API行为的基础上，提出了一个表征软件从开始运行到首次调用加密相关之间的时间段的概念——运行初始阶段（Initial Phase of Operation，IPO），并提出了一个以软件在IPO内产生的API序列为检测对象的勒索软件早期检测方法，即基于API潜在语义的勒索软件早期检测方法（Ransomware Early Detection Method based on API Latent Semantics，REDMALS），REDMALS采集IPO内的API序列后，采用TF-IDF（Term Frequency-Inverse Document Frequency）算法以及潜在语义分析（Latent Semantic Analysis，LSA）算法对采集的API序列生成特征向量并提取潜在的语义结构，再运用机器学习算法构建检测模型用于勒索软件检测.实验结果显示运用随机森林算法的REDMALS在构建的变种测试集和未知测试集上可分别获得97.7%、96.0%的准确率，且两个测试集中83%和76%的勒索软件样本可在其执行加密行为前被检出.

我国电力基础设施已经发展成为具有高度信息化、自动化、智能化特征的信息物理融合系统.信息-物理交互在显著提升电力供给效率和性能的同时，也引入了新型网络安全威胁，通过发生于信息域并明确作用于物理域的跨域攻击，可造成电力基础设施系统性瘫痪，继而引发大面积停电事故，而当前孤立的信息侧或物理侧防御体系难以有效应对跨域攻击威胁.本文介绍了电力系统面临的信息物理跨域攻击威胁现状，分析了传统防御方法面对跨域攻击时存在的不足，提出了一种信息物理协同的跨域攻击防御架构，在针对跨域攻击传播的不同阶段，从感知、辨识、阻断三个角度设计了防御方法，通过算例验证了所提信息物理协同防御架构能够有效保障电力系统安全稳定运行.

微滴喷射在印刷电子领域有广阔的应用前景，可以在一台设备上完成天线介质基板与导电图案的一体化成形.打印功能器件的表面形貌质量对其电性能有着显著的影响.本文针对微滴喷射三维打印中存在的表面形貌质量难以控制的问题，提出了一种基于预测控制的打印零件形貌补偿方法.首先，基于液滴的逐层堆积行为，建立打印零件形貌预测模型，该模型使用矩阵元素更新描述零件形貌逐层演化，从而准确预测多层打印零件存在的边缘塌陷与表面粗糙度大等形貌缺陷.然后，基于该模型建立预测控制器，通过调整后续层打印图形，实现打印零件形貌缺陷的高效率补偿.采用开环打印与补偿打印的对比实验验证了该方法的有效性.实验结果表明，补偿打印方法使打印零件表面粗糙度下降了66.80%，边缘塌陷量下降了43.22%，有效补偿了打印零件的表面形貌缺陷.最后，采用微滴喷射三维打印工艺制作了微带贴片天线.采用本文提出的补偿打印方法制造的介质基板表面粗糙度低于开环打印样件，从而保证了天线射频层的高质量连接.经测试，其S11（回波损耗）参数与方向图更接近仿真结果，从而证明了本研究在印刷电子中的意义.