软件生态是限制RISC-V指令集架构发展的主要因素之一.让RISC-V处理器可以直接运行ARM Thumb二进制代码能在一定程度上缓解其在嵌入式领域中的软件生态问题.本文基于二进制翻译，通过硬件支持ARM Thumb的标志位、分支指令、条件执行，在RISC-V处理器上以较低的面积和功耗开销实现了对ARM Thumb程序的支持并获得了较好的性能.通过运行Embench基准程序套件，该处理器翻译运行ARM Thumb程序的平均性能能够到达直接运行RISC-V程序性能的75.5%.相较于仅使用二进制翻译支持ARM Thumb，该处理器运行ARM Thumb程序的性能提升了3.1倍，面积开销则下降了7.8%.
日志结构合并（Log-Structured-Merge，LSM）树中常使用布隆过滤器减少无效磁盘I/O.但是用户无法无限制地细化布隆过滤器的粒度，原因是在一些数据量庞大而数据项较小的工作流中，这些元数据需要占用大量存储空间.其次在一些内存受限的环境下，内存缓冲区无法容纳更多的过滤器数据，造成缓冲区与磁盘的频繁数据交换.针对上述问题本文提出LSM树中的异构布隆过滤器方案，在LSM树的每一层维护热度预测模型，新生成的SSTable通过预测的热度来分配不同粒度的布隆过滤器，然后使用特定缓存管理方案来维护缓存中的过滤器数据并处理工作流热度发生改变的情况.实验证明，本文的方案在保持相同外存占用与内存消耗的情况下，读取吞吐量比采用原始LSM树结构的LevelDB提升22%~53%.
社区搜索旨在寻找与给定查询节点高度相关的个性化社区.现有社区搜索方法多面向简单网络且处理单个查询节点或假定多个查询节点来自同一社区，这种严格的假设使得算法灵活性受限.据此，提出一种在属性网络中利用查询节点随机游走路径的相似性增强的多社区搜索方法，可以有效地定位查询节点所属的多个局部目标社区.具体地，有效融合网络中高阶结构与属性信息，利用重启随机游走计算各查询节点的重要性分数向量；计算查询节点随机游走路径的相似性并设计一种相似性增强策略，使得在无监督学习中相似路径游走者彼此增强关联从而定位不同查询节点所属的多个社区结构；基于结合结构和属性的并行电导值精准查询社区.真实数据集和人工数据集的实验验证了本文方法的有效性和效率.
近年来，多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此，本文设计了一种双编码表示方法对非重叠社团结构和重叠点分别进行编码，能够有效解码得到重叠社团结构.在双编码表示的基础上，本文提出了一种基于双编码的重叠社团检测多目标优化方法(DRMOEA).在DRMOEA中，为了获得好的初始个体并提高算法检测性能，本文提出了一种基于社团边界点的初始化策略.除此之外，针对双编码中的重叠点编码部分，本文提出了基于精英个体边界点的交叉策略，该策略利用社团边界信息引导种群向好的方向进化，从而有效提高了算法的检测性能.最后，在9个真实世界网络上的实验结果表明DRMOEA算法优于其他5个代表性重叠社团检测算法.
目标识别正逐渐成为自动化领域中提供准确目标类别信息的一项重要技术，并且当前大多数目标识别方法都是基于深度学习框架实现.通常，深度学习框架的输入数据均为原始图像数据，而在实际应用中，探测器获取原始图像数据并作为深度学习框架的输入进而实现目标识别的方式并非是高效的，数据获取并识别的过程包含了大量的冗余信息，降低了识别效率.在本文中，通过深度学习与压缩感知技术的结合，提出了一种基于联合感知矩阵的压缩学习目标识别技术（Target recognition technology based on a new joint sensing matrix for compressed learning，TRNPCL），使得探测器可快速生成目标图像多维压缩数据，且压缩数据可直接作为深度学习目标识别框架的输入数据，而无需再进行解压缩步骤.该方法不仅大大减小了深度学习框架的数据输入量，在与同等压缩比下的单空间域数据压缩学习方式相比较，还保持了较高的识别准确率.在未来，该方法有望成为一种更有效、更灵活的目标识别方法，并特别适用于指纹识别、人脸识别等应用领域.
针对频域压缩感知目标方位估计方法的性能退化问题，本文通过对线列阵接收信号进行复解析变换，按预估方位在复域对各阵元信号进行时延补偿、相关和累积处理，构建复域感知矩阵和测量值，采用复域压缩感知方法实现空间谱合成和目标方位估计.数值仿真和实测数据处理结果表明，在同一检测概率下，相比频域压缩感知方法，该方法对输入信噪比的最低要求得到近10lgMdB（M为通道数）的降低，提升了对弱目标的检测能力.
含有星间链路的低轨巨星座网络在全球多种业务回传至有限地理区域场景下会产生严重的网络拥塞问题，集中式的流量规划可以在一定程度上实现负载均衡.然而大规模网络规划的计算时间开销无法满足低轨星座的动态性要求.为此，本文提出了低复杂度的多品类流分段路由（MCFSR）算法，将星座-地面网络依据负载情况划分为两个分区，并在分区内对规划算法的精度与复杂度之间进行权衡，以达到降低算法整体复杂度的目的.同时，对于规划算法，本文提出了复杂度可调的改进的完全多项式时间近似（IFPTA）算法，用于分区内的路由规划，在计算复杂度不变的情况下使算法吞吐量更接近最优值.仿真结果证明了本文提出的MCFSR算法在巨星座场景下可以使多业务回传的总吞吐量接近最优，且时间复杂度开销远低于其他同类算法.
面对密集空间网络传输资源调度问题中的复杂度以及有效性挑战，本文以图论模型为纽带，将传统数学模型与机器学习方法相结合，提出一种基于图学习的密集空间网络传输资源调度方法.该方法基于图论模型对问题结构的认知将密集空间网络资源调度问题分解，由数学模型与基于图结构的强化学习交替配合完成整个求解过程.实验结果表明，与传统的基于数学模型的资源调度方法相比，所提方法能将资源调度收益提升25.1%，且其训练结果对网络场景变化具有较好的适应性.
为解决非正交多址接入（NOMA）技术在毫米波Massive MIMO系统中用户的分组受限于基站波束宽度的问题,提出了一种能够产生指向多个方向的波束的波束赋形方案.基于该多波束波束赋形方案,建立了多小区多用户场景下的用户资源分配的数学模型.为降低计算的复杂性,采用两阶段的资源分配算法.在第一阶段中,在给定的功率分配条件下将模型转化为联盟博弈中联盟的生成问题,并提出一种通过迭代确定用户分组和天线单元分配的算法;在第二阶段中,通过将非凸的数学优化问题转化为DC规划问题,提出用户功率分配的算法.仿真结果表明,本文所提多波束波束赋形方案能够有效产生指向多个方向的波束,且所提资源分配算法能够有效提高系统的性能.
稀疏码分多址接入(Sparse Code Multiple Access，SCMA)作为一种重要的码域非正交多址技术，能够满足5G通信的海量机器接入需求，但是接收端采用的消息传递算法（Message Passing Algorithm，MPA）存在收敛速度慢、计算复杂度较高的问题.本文提出一种基于子图的边缘串行消息传递算法（SE-MPA），将原始因子图划分为多个不同子图，在子图的基础上优化消息更新顺序，利用边缘串行更新序列集，被更新的用户节点消息立刻用来更新相连的资源节点.仿真结果表明，该算法在少量系统BER性能损失条件下，能够有效加快消息收敛速度，降低计算复杂度.
随着视频数据的迅速增长，大规模视频处理业务需求急剧增加.如何及时处理视频数据获取有效信息，进而向用户快速提供视频分析业务是亟待解决的重要问题.针对此问题，提出一种面向大规模视频处理的边缘功能模块化及重组部署方法（EFMR）.该方法将视频处理业务下沉到网络边缘，利用网络功能虚拟化，将边缘服务器中的视频业务请求根据其内在相关性进行功能细粒度划分，按需匹配并最大化复用资源，实现重组部署，从而以较小代价实现边缘视频业务处理功能的平滑扩展.实验结果表明，EFMR方法不仅降低了边缘服务器的接入与响应时延、业务的推理时间，而且还节省了大量的计算资源，提高了视频处理业务部署速度.
为解决低照度图像增强过程中噪声放大、细节不足以及色彩还原问题，本文提出一种基于注意力机制残差密集生成对抗网络（Attention Residual Dense?Generative Adversarial Networks, ARD?GAN）的低照度图像增强方法.首先,该方法在全局光照估计模块（Global Illumination Estimation Module, GIEM）中生成全局曝光注意力图，以引导后续模块更好地进行照度增强；其次，使用卷积残差模块（Convolution and Residual Module, CRM）和基于通道注意力的残差密集模块（Channel Attention Residual Dense Module, CARDM）分别提取浅层特征和深层特征，并将不同层次的特征融合以获取更好的细节信息；然后，在CARDM基础上将密集连接与批归一化相结合抑制噪声；最后改进了损失函数，使增强后图像色彩还原更好.实验表明，ARD?GAN有与主流算法相比，在主观视觉和客观评价指标上均得到更好的效果.
在深入分析现有各主流低照度图像增强(Low Light Image Enhancement, LLIE)算法的基础上，提出了一种采用两阶段混合策略实现的低照度图像增强(Hybrid LLIE, HLLIE)算法.具体地，在第一阶段，对于给定的低照度图像，利用互补效果较好的Fu和Ying两个主流LLIE算法分别对其进行增强预处理，所得到的两张增强后图像称为初步增强图像；在第二阶段，将所得到的两张初步增强图像输入到预先训练好的多通道浅层卷积神经网络(Multi?channel Shallow Convolution Neural Network, MSCNN)模型中，由MSCNN模型将两张初步增强图像优化组合为一张具有更高图像质量的最终增强图像.实验结果表明：与各主流LLIE算法相比，所提出的HLLIE算法在各个客观图像质量评价指标上有显著优势，人工主观评价亦能证实这一点.
针对无人机着陆地貌图像场景复杂、纹理特征丰富等问题，提出一种基于小波变换和深度网络的无人机着陆地貌图像分类算法.利用非下采样小波变换（Non-Subsampled Wavelet Transform，NSWT）的快速压缩能力，将小波变换后的前两层子图系数引入到卷积神经网络（CNN）中，压缩数据量.根据无人机着陆地貌图像的特点，采用轻量化卷积模块设计了15层卷积神经网络.通过支持向量机（SVM）实现复杂地貌场景的正确分类.实验结果表明：所提算法具有良好的特征表达能力，提升了着陆地貌图像的分类准确率.
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%.
身份-矢量（identity-vector, i-vector）方法作为说话人确认领域中的主流方法之一，能够通过学习总变化空间来获取有效的低维说话人特征——i-vector特征.但是当开发集数据不充足时，会导致学习到的总变化空间模型误差较大；同时，还无法有效确认此时的总变化空间是否因为预先设置的维度过高而学到了冗余信息.为此，本文将贝叶斯主成分分析（Bayesian Principal Component Analysis, BPCA）引入总变化空间的学习过程中，利用其来为总变化空间引入更多的先验信息，从而对开发集数据中包含的信息进行补充，并在先验信息的约束下削弱总变化空间中无效维的影响.实验结果表明，当开发集数据不充足时，相比于传统的总变化空间学习方法，BPCA方法能够有效提升说话人确认系统的识别性能.
基于UMC 65nm CMOS工艺设计实现了一种快速建立的低噪声带隙基准源.利用工作在深线性区的MOS管实现了GΩ级别大电阻，因此仅采用5pF的电容即实现了截止频率低至32Hz的带开关低通滤波器，有效降低了带隙基准源输出噪声.有源器件的采用大大节省了芯片面积，降低了制作成本.通过采用上电延时电路去控制低通滤波器工作状态，克服了采用大阻值电阻或大容值电容低通滤波器降噪面临的缓慢建立问题，实现了快速建立.通过Spectre仿真器对电路在1.8V电源电压下进行了仿真，后仿真结果表明，电路在10kHz、100kHz、1MHz的输出噪声分别为：11.76nV/sqrtHz、1.213 nV/sqrtHz、336.8 pV/sqrtHz，电路的建立时间为1.436μs，整体功耗为104.4μW.本文设计已在实际芯片中得到应用，并取得了预期效果.
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.
目前约束高维多目标进化算法大多注重提高收敛精度, 而收敛速度相对较慢. 为提高算法的收敛速度, 提出一种基于角度信息的约束高维多目标进化算法. 该算法提出基于角度违反度函数的选择操作, 依据动态的收敛性和分布性直接选择较优个体, 提高收敛速度; 此外, 提出了基于差分进化算法的交叉操作, 在不同的进化阶段选用不可行解参与交叉操作, 补偿收敛精度.在标准测试函数集C-DTLZ上进行仿真实验, 并与当前国内外性能优异的4种约束高维多目标进化算法进行对比, 证明了本文算法收敛精度保持良好, 而收敛速度得到了提升, 且目标维数越高提升效果越明显.
动车在高速行驶中，齿轮箱轴承易发生裂纹、点蚀等故障.为了在故障发生的初期检测出微弱的故障频率成分，本文提出了一种基于小波降噪预处理的周期势振动共振的轴承故障诊断方法.利用小波包提取轴承的固有共振频带，重构提取出的信号，滤除其中的强噪声干扰，随后将信号输入周期势振动共振系统，增强了故障特征.同时，本文建立了考虑振动共振系统中高频激励信号幅值的优化模型，并采用蚁群算法实现了其参数的自适应优化，得到输出信号后将其转化到频域分析，从而检测出轴承早期故障.实例分析表明，所提方法的数据处理结果相比单独采用随机共振的结果更精确，误差缩减至0.3%.
依托于多模型框架的跳变马尔可夫系统状态估计的性能通常受限于多模型间的信息融合程度.本文以交互式多模型方法为框架，针对跳变马尔可夫系统提出了一种基于最大混合相关熵的状态估计方法.为了能有效处理模型高阶信息，在混合和融合步骤引入最大混合相关熵测度替代常规的二阶统计矩准则，设计了关于系统状态的代价函数，通过最优化该函数得到状态估计的迭代解.仿真实验详尽展示了所提方法的主要特征，并表明其在高斯和非高斯噪声环境下都具有较好的估计效果.
基于深度学习的方法解决微小故障已经取得了很大的进展和很好的效果, 但是前提要有充足的样本数据,在现有的情况下却难以实现.所以基于传统的数据预处理的故障诊断方法仍然有很好的必要性和现实性.主元分析(Principal Component Analysis, PCA) 被广泛应用在故障诊断中，由于传统的数据预处理方法各有优势和不足，造成特征提取不准确，为此该文提出了一种基于数据变化率(Rate Of Change, ROC)的数据预处理方法以提高PCA在故障诊断中的性能指标.通过变化率变换对原始数据集预处理后，能够有效地检测系统变量中的微小故障.最后，通过仿真验证基于数据变化率的PCA故障诊断方法的可行性和有效性.
为了提升自动驾驶车辆的感知效率和准确率，解决协同感知算法中对协同条件的限制和多源数据融合等问题，本文引入基于激光雷达的即时定位与建图(Simultaneous Localization and Mapping, SLAM)算法，提出面向自动驾驶的多车协同SLAM框架.首先，车辆运行单车SLAM，构建本地约束并共享地图和位姿数据.同时车辆接收并处理其他车的数据，若其他车辆与本车已建立坐标系转换关系则直接完成数据融合，否则基于重叠区域相似点云配准解算多车坐标系转换关系.采用图的连通分支和生成森林理论跟踪数据融合情况并构建多车回环约束，基于通用图优化(General Graph Optimization, G2O)理论对全局地图优化.真实场景与KITTI数据集的实验结果表明，本文的框架无需构建包含所有车辆相对位姿的全局坐标系或满足多车相遇等约束条件，即可实现多车协同SLAM，并在SLAM的效率和准确率等指标上具有优势.
随着量子信息领域的迅猛发展，通过实时调控量子系统的状态来控制量子态的相干与演化成为一个迫切需要解决的问题.本文研究动态双洛伦兹库对激发态原子布局数的调控，利用环境库的变化对原子系统相干性演化进行调制.讨论双洛伦兹库环境中心频率不同的动态调制形式对原子布局数演化的影响，选取双洛伦兹库环境中心频率的调制形式分别为：单次矩形脉冲、周期矩形脉冲、组合矩形脉冲和阶梯型矩形脉冲.双洛伦兹环境库的中心频率受到不同的动态环境库调制，系统的相干性演化在外力影响下得到了高效的保护和操纵，都能较好的实现可操控的量子态的相干性演化.这些为量子器件的研制提供重要的理论依据.
安全多方计算(MPC)是密码学的一个重要研究方向. 保密计算第
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.
在公交时间表下给定起始和目标站点, 路径规划查询返回一组到达时间早和换乘次数少的帕雷托最优路径.现有的索引方法需要大量运行时内存.本文提出主存空间高效的索引方法(a-)PAINT. (a-)PAINT对每个站点v预计算一组标签,使得对于从站点s到站点d的查询可以通过匹配s和d相关的标签高效地生成查询结果的一条路径. PAINT对任意查询返回最优路径. a-PAINT只需要很小的预处理开销,但可能返回多一趟换乘的次优路径.用真实的公交时间表与模拟查询测试,PAINT具有合理的预处理开销. a-PAINT需要更少量的预处理开销,在大规模公交网络下准确率达90%.
将动态思想融入分组密码设计，使得算法具有动态性能从而提高抗攻击能力，按照这种想法，本文提出“类CLEFIA动态密码结构”，并通过建立两类不同密码结构的差分对应之间的联系，给出类CLEFIA动态密码结构的差分密码分析结果.具体地，对4r(r≥1)轮类CLEFIA动态密码结构，在轮函数都是双射时，证明了l(l ≥1)轮差分特征至少有l-1个活动轮函数.
循环码和线性互补对偶（LCD）码是两类重要的线性码，在数据存储、通信系统和密码等领域有着广泛的应用. 本文研究了
