构建空天地一体化信息网络是第六代通信系统（the Sixth Generation，6G）的重要目标，无线光通信相较于射频（Radio Frequency，RF）通信技术具有容量大、速率高、抗干扰能力强等优势，已成为建立全球无缝覆盖空间网络的重要技术.本文综述了基于自由空间光通信（Free Space Optical Communication，FSOC）的空天地一体化网络国内外建设及相关标准化现状，相较于现有综述文献，涵盖了更多最新研究工作，并针对物理层和上层指出一体化FSOC网络设计需要关注的重要因素，对大气信道建模、“捕获、瞄准和跟踪”（Acquisition Pointing and Tracking，APT）、拓扑控制、路由、资源分配、可靠传输协议、微波协作传输几种重要通信技术进行总结和分析，并指出其未来发展趋势和面临的挑战.
为了用蒙特卡洛方法评估空间分集轨道角动量（Orbital Angular Momentum，OAM）光通信系统性能，提出模拟生成无限长交叉相关双路分集OAM信道接收光信号的方法.根据推广的稀疏谱模型，生成双路交叉相关高斯随机样本序列；然后通过逆变换将上述生成的相关高斯随机样本序列映射为服从双Johnson SB分布的随机样本序列.通过模拟实验发现，该方法生成的双路信号样本序列的统计分布与双Johnson SB分布能很好地吻合，并且每路信号的自相关和双路信号之间的交叉相关均与所需目标值一致.该结果表明，提出的方法能够用于模拟受大气湍流扰动的空间分集OAM信道接收光信号.
本文在能够表征大多数信道条件的Kappa-mu/M分布混合统计模型组合下，研究了存在同频干扰的联合多用户分集与并行中继选择射频技术/自由空间光通信系统，分别推导出系统的中断概率的Meijer G解析表达式和渐近近似表达式.通过仿真解析、渐近近似表达式，分析了信道衰落、指向误差、同频干扰、用户选择和并行中继选择等关键因素对系统的中断性能的影响，更进一步分析了高信噪比下的渐近结果并得出了系统的分集阶数.为了验证解析表达式的有效性，给出了蒙特卡罗仿真结果.结果表明，同频干扰的存在使得系统性能大幅下降，多用户分集和并行中继选择可以改善受同频干扰的射频技术/自由空间光通信系统的性能.具体来说，多用户分集提高了射频路径的性能，而并行中继选择提高了系统的整体性能.系统行为由两个链路中性能最坏的一个所主导.因此，在工程应用中分析定位性能不足的链路并提升其性能是提升整个系统性能的关键.
针对基于空移键控（Space Shift Keying，SSK）的室内可见光通信（Visible Light Communications，VLC）系统中的信号检测，本文将其转换为稀疏信号重构问题，使得具有相对较低计算复杂度的压缩感知（Compressed Sensing，CS）稀疏重构算法成为基于SSK调制的室内VLC系统中一种很有竞争力的信号检测手段.为了满足稀疏重构的测量矩阵性质，提出了一种基于奇异值分解（Singular Value Decomposition，SVD）的测量矩阵预处理方法，在理论上保证了在室内VLC系统中使用基于CS的稀疏信号检测方法的可行性.然后通过采用CS中的正交匹配追踪（Orthogonal Matching Pursuit，OMP）和压缩采样匹配追踪（Compressive Sampling Matching Pursuit，CoSaMP）两种经典算法实现了对室内VLC系统SSK信号的检测，同时还提出了一种新的结合贪婪算法和极大似然算法的稀疏信号重构检测方法.最后，通过计算机仿真验证了该类算法在基于SSK调制的室内VLC系统中信号检测的有效性.仿真结果证实了在基于SSK调制技术的室内VLC系统中，所提的CS检测算法性能可以在实际应用场景的系统参数设置下达到比（Maximum Likelihood，ML）更好的误码率和计算复杂度.
利用可见光通信技术来传输以太网信号能够克服传统无线通信速率低、频谱资源紧张、使用场景受限等缺点.针对传统的可见光通信系统难以实现高速以太网通信的问题，本文设计了满足以太网技术要求的全双工可见光通信系统.系统主要包括以太网接口处理电路、差分转单端、单端转差分电路、光源驱动电路、光电检测电路，上、下行链路都采用可见光通信技术对以太网信号进行透明传输，无须调制即可实现高速以太网通信.经测试，本系统可在通信距离为10 m的情况下实现100 Mbps以太网的全双工通信.
针对复杂海洋环境噪声中水声通信信号数据稀缺条件下的水声通信信号降噪问题，提出一种基于相对条件生成对抗网络（Relativistic Conditional Generative Adversarial Networks，RCGAN）的水声通信信号降噪方法.该方法利用相对条件生成对抗网络具有降噪能力的特点，通过引入扩张卷积结构，构造了适用于水声通信信号的降噪模型，提升了对不同海洋环境噪声的降噪能力；为了解决样本数据稀缺条件下的网络训练问题，根据生成对抗网络特点设计了两步迁移学习策略，并构造了基于数据模型迁移的迁移数据训练集.仿真实验和实际信号测试结果表明，该方法对不同分布特性的海洋环境噪声具有稳健性，能够大幅度降低对目标信号训练数据数量的要求，降噪效果优于现有算法.
故障诊断是集成电路领域中的重要研究方向，基于测试激励集方法求解候选故障诊断是目前较为高效的诊断方法，而GTreord是目前具有较高诊断准确性的方法.在对GTreord方法深入研究的基础上，本文依据测试激励与候选故障诊断解之间的结构特征，通过分析电路故障输出响应，提出结合结构特征的测试激励集重排序的候选诊断（Reordering Test Default Diagnosis，RTDD）方法.根据测试激励对生成候选故障诊断解集合的影响程度的不同，提出测试分数概念；通过比较电路的实际故障输出响应、无故障输出响应、模型故障输出响应，计算出测试激励的测试分数.测试激励集依据测试分数进行重排序，并将重排序后的测试激励集用于故障诊断.实验结果表明，与GTreord方法相比，RTDD方法提高了测试激励集重排序的效率，求解时间提高1~4个数量级；此外，在保障同样诊断准确性的情况下，RTDD方法有效减少了所需测试的激励个数.
细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点，准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络，通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域，根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类.其中单层聚焦网络以Inception-V3网络为基础，通过卷积块特征注意力模块和定位区域选择机制来聚焦有效的定位区域；使用双线性注意力最大池化提取各个局部的特征；最后进行分类预测.本文在3个常用的细粒度数据集CUB-2011、FGVC-Aircraft以及Stanford Cars上进行了实验验证，分别获得了89.7%、93.6%和95.1%的Top-1准确率.实验结果表明，本模型的分类准确率高于目前主流方法.
针对低信噪比下信号受噪声干扰强，空频分组码（Space-Frequency Block Code，SFBC）识别准确率低的问题，提出了一种基于时频分析与深度多级残差网络的SFBC自动识别方法.通过对互相关序列进行时频分析与降噪、非时钟同步拼接等预处理，以获取能够反映其本质特征的二维图像，适应不同接收端时延下的信号识别，构建带有多层跨越连接的深度多级残差网络以充分融合深浅层特征，实现SFBC识别.该方法不需要人为设定阈值和假设检验统计量，克服了传统算法人工提取特征存在的调参过程烦琐、专业经验要求高的缺陷，对低信噪比环境具有较强的适应性.在信噪比为-14dB时，该方法的识别准确率达到了95.8%.本文提出的特征转化和预处理方法，为基于特征提取的识别方法与深度学习技术相结合提供了新思路，其思想同样可应用于其他通信信号识别领域.
本文针对机器人轨迹跟踪控制精度和初始峰值问题，提出一种变增益自抗扰控制器轨迹跟踪控制方法.首先，采用跟踪微分器将逆运动学解处理为插值点区间，设定插值点选取规则及冲击力目标函数.然后，根据目标函数选取插值点拟合得到的轨迹曲线.最后，在考虑机器人动力学下设计轨迹跟踪控制器.仿真和实验结果表明，优化的方法冲击力减少39.8%，且电机能量消耗降低28.48%.设计的变增益自抗扰控制器轨迹跟踪控制可以准确地跟踪轨迹以及解决峰值问题.
与地面无线通信系统相比，卫星通信的广域覆盖特性使得信息安全传输问题成为该领域更具挑战性的研究课题.为了提升多播传输模式下卫星通信系统的物理层安全性能，本文针对不同信道状态信息（Channel State Information，CSI）研究了两种安全波束成形（Beamforming，BF）算法.在合法用户和窃听者CSI均准确已知的条件下，提出了基于半正定规划（Semidefinite Program，SDP）和惩罚函数相结合的安全BF算法；在合法用户CSI准确已知但窃听者CSI存在误差的条件下，提出了一种迭代的鲁棒安全BF算法.最后，计算机仿真不仅验证了本文所提BF算法的正确性和有效性，而且展示了所提出的鲁棒算法能够有效地降低信道信息误差对系统安全性能的影响.
针对传统退化指标无法准确反映滚动轴承全寿命周期内退化状态的问题，提出一种特征融合与灰色回归的滚动轴承性能退化评估方法.该方法提取滚动轴承振动信号的高维退化特征，构建基于单调性、相关性和鲁棒性的综合评价准则，选择有效退化特征并构建敏感指标集；提出核独立成分分析（Kernel Independent Component Analysis，KICA）和马氏距离（Mahalanobis Distance，MD）相结合的方法，计算敏感退化指标KICAMD；融合灰色回归模型和
在物联网时代，人们对高精度的、普适的室内定位需求日益迫切.然而鲁棒的技术方案仍没有出现，其中一个难点是用好地磁解决室内人员的定向问题.众所周知，在空旷的室外环境可以基于地磁解析定向的方法实现定向，然而室内地磁往往存在严重的磁失真，使得该方法不再适用.为解决上述问题，本文提出一种半解析定向方法.该方法首先将解析定向结果与基于空间上下文信息提取的走廊结构的几何关系进行融合，得到修正的定向结果，并通过磁失真度量和判断确定融合系数；进而深入分析了不同融合系数对定向结果的影响.测试结果表明，与现有方法相比，所提出的方法具有较好的鲁棒性，可以有效改善定向精度，广泛用于基于路径的或基于走廊的定位定向场合.
未来通信系统存在功耗较大、频谱短缺与传输安全等问题，星地融合网络因其在功耗、频谱效率和总体部署设计等方面具有独特的优势，被认为是解决上述问题的可行架构方案.本文针对该网络中的能效最大化问题提出了一种安全波束成形算法.假设卫星下行链路存在多个窃听者且发送端仅知晓窃听统计信道状态信息，本文在发射功率受限、用户信干噪比限制和窃听信干噪比概率约束的情况下，研究了蜂窝用户的能效最大化问题，提出了一种鲁棒混合波束成形方案，分别运用S-procedure和Bernstein型不等式将非凸的概率约束限制转化为线性矩阵不等式和二次锥约束，然后采用Charnes-Cooper和罚函数法将原NP-hard问题转换为凸优化问题，并提出一种双层迭代算法计算出数字和模拟波束成形矢量.仿真结果表明，本文所提方案能显著地提升信息传输的安全性和能效性.
为了减少多芯光纤空分复用弹性光网络中光节点业务调度的失败概率，该文基于共享有限波长转换器和光纤延迟线的动态功能光交换节点结构，提出基于频谱集中度和频谱离散转换的业务调度方法.该方法能将业务调度到频谱碎片少和频谱集中度高的输出端口和纤芯；对调度失败的业务，采用基于频谱离散转换度和时域缓存联合的冲突解决方法，减少业务在光交换节点的平均延迟并降低业务调度失败概率.仿真结果表明，本文所提的算法能在降低全光交换节点业务的带宽阻塞率的同时，减少频谱转换器的使用数目和业务的平均时延.
本文分析了重根循环码的纠错能力.利用循环码的代数结构，构造了几类最优的循环码.构造了一类距离最优的二元重根循环码，并由此派生出一类距离和维数都是最优的二元重根循环码；构造了一类距离和维数都是最优的非二元重根循环码；构造了两类距离最优的非二元循环码.
测试用例排序技术通过在测试过程中确定用例执行的先后次序来增加早期揭示缺陷的可能性.本文在用例排序过程中动态提取关键用例，在测试用例运行被测程序后，得到各候选用例（待排序用例）覆盖程序新分支情况以及改善用例覆盖程序分支的均衡程度，进而计算候选用例的权重使得关键用例的权重增加，优先进行排序.实验结果表明，与现有方法比较，所提方法在用例排序时间与缺陷检测方面体现出较好的性能.
针对特征立体匹配方法只能得到稀疏视差以及弱纹理匹配率低以及视差精度不足导致视差连续处不平滑而呈阶梯状等问题，提出一种改进的特征立体匹配算法. 对预处理后的左右图像提取特征并进行特征匹配，再经过筛选获取准确的匹配点对；将得到的稀疏匹配点对作为种子点，依据视差连续性与极线约束准则建立一维搜索空间，利用积分图简化的快速零均值归一化互相关系数作为相似度量函数，通过双向匹配策略实现区域生长，大大提升匹配准确性的同时降低算法复杂度；通过亚像素拟合和加权中值滤波后处理提升视差精度，去除视差阶梯分层、噪声和条纹现象. Middlebury数据集实验结果表明，本算法得到了准确性更高且稠密的视差，提高了弱纹理区与深度不连续处的匹配效果以及整体视差精度，同时具有很强的鲁棒性，能抑制一定亮度差异和噪声的影响.
为了提高直方图均衡化方法对不同亮度图像的适用性，提出一种基于图像聚类的动态多直方图均衡化算法.采用基于直方图加权的模糊C-均值聚类算法对图像进行快速聚类，并采用聚类质量评价指标确定最佳聚类个数.对于每个子图像的直方图，以像素数量均值作为幅度极值进行裁剪，根据原有灰度区间与像素占比重新分配动态范围.基于裁剪的直方图对每个子图像进行独立的均衡化，并映射到新的灰度区间.采用多种亮度特征的测试图像对算法性能进行了验证，并与直方图均衡化、递归均值分割的直方图均衡化、递归分割与加权的直方图均衡化、动态直方图均衡化、基于熵的动态子直方图均衡化、基于模糊分割的双直方图均衡化算法进行比较.实验结果表明，该算法增强的图像具有适中的对比度以及比其他算法更大的平均信息熵、更小的NIQE平均值.该算法对于多种亮度特征的图像均具有良好的适应性，能够有效避免过度增强与细节丢失，图像增强的视觉质量优于其他同类算法.
帕金森病（Parkinson’s Disease，PD）语音诊断存在小样本问题，如果借助相关语音数据集进行迁移学习，容易加重训练集和测试集之间的分布差异，影响分类准确率.为了解决上述矛盾问题，本文提出了两步式稀疏迁移学习算法.该算法分为两大步：第一步算法为语音段特征同时优选的快速卷积稀疏编码算法，构造卷积稀疏编码算子用于快速学习公共语音数据集的结构信息，然后将其迁移到PD语音目标集以弥补后者样本信息的不足，接着再同时对语音段和特征进行同时优选以获得更有价值的信息；第二步算法为联合局部结构信息分布对齐算法，对训练集和测试集进行域适应，在保持各自样本结构信息的同时，最小化分布误差.实验结果表明：本文算法中每一步迁移学习算法均有效；与相关算法相比，本文算法准确率显著较高，达97.5%.
分数阶滤波器由于具备连续步进的阻带衰减速率和更大的设计自由度而受到国内外学者的广泛关注.本文提出两种符合指标要求的分数阶低通滤波器的优化设计方法，即采用Matlab优化工具箱中的Fminimax和Fgoalattain两种多目标优化函数来分别设计符合指标要求的两种不同形式传递函数的分数阶低通滤波器，通过比较通带偏差、阻带偏差以及群时延等参数，总结这两种方法所优化设计的滤波器各自的特点.给出设计实例，对其进行稳定性分析和电路仿真，并搭建电路证明了所提设计方法的有效性.
半监督视频目标分割是计算机视觉领域中的一个研究热点.传统半监督视频目标分割方法的网络模型缺乏对相似目标的判别力，且传统的掩码传播方式对模型的指导能力较弱.本文提出一种基于前景感知视觉注意的半监督视频目标分割方法.三流孪生编码器将输入图像映射到同一特征空间，使得相同目标具有相似的特征.基于前景感知的视觉注意将编码器输出的特征进行相似度匹配，并利用分割掩码突显前景特征，形成前景感知视觉注意，以此关注给定的分割目标，提升模型对待分割目标的判别力.基于残差细化的解码器采用残差学习的思想，融合当前帧图像的低阶特征，逐步改善分割细节.在公开基准数据集上的实验结果表明，本文方法可以较好地解决相似目标容易产生混淆等问题，并能较为准确地跟踪给定的分割目标.
深度神经网络在多种模式识别任务上都取得了巨大突破，但相关研究表明深度神经网络存在脆弱性，容易被精心设计的对抗样本攻击.本文以分类任务为着手点，研究对抗样本的迁移性，提出基于噪声初始化、Adam-Nesterov方法和准双曲动量方法的对抗样本生成方法.本文提出一种对抗噪声的初始化方法，通过像素偏移方法来预先增强干净样本的攻击性能.同时，本文使用Adam-Nesterov方法和准双曲动量方法来改进现有方法中的Nesterov方法和动量方法，实现更高的黑盒攻击成功率.在不需要额外运行时间和运算资源的情况下，本文方法可以和其他的攻击方法组合，并显著提高了对抗样本的黑盒攻击成功率.实验表明，本文的最强攻击组合为ANI-TI-DIQHM*（其中*代表噪声初始化），其对经典防御方法的平均黑盒攻击成功率达到88.68%，对较为先进的防御方法的平均黑盒攻击成功率达到82.77%，均超过现有最高水平.
有限新息率（Finite Rate of Innovation，FRI）采样利用已知的信号波形结构实现信号的亚奈奎斯特率采样，在宽带信息系统应用中具有广泛的前景.但是，在实际的信息系统中，信号波形结构常常因噪声、远距离传输等非理想因素而发生畸变，从而导致FRI重构失败.本文依据波形再生的原理，提出了一种基于长短时记忆（Long and Short-Term Memory，LSTM）自动编码器的FRI重构方法.该方法利用LSTM自动编码器取代FRI采样系统中的采样核函数，通过离线训练获取畸变信号的未知波形结构，从而将波形序列投影为狄拉克特征序列，实现了波形畸变信号的FRI采样及重构.结果表明，本文的方法可以借助经典的零化滤波器有效地重构由于多径效应而发生畸变的FRI波形信号.
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.
多尺度几何分析（Multiscale Geometric Analysis，MGA）为图像的高维奇异特性提供了一种更优、更稀疏的表示方法，从而为更好地捕捉图像中的多方向边缘和纹理特性提供了有效的支撑.图像MGA域隐马尔可夫树模型（Hidden Markov Tree，HMT）成功地对图像多尺度变换系数的统计特性及系数间的相关性进行刻画，为进一步挖掘图像更深层次特性提供了重要途径，在很大程度上提升了MGA在图像处理领域的有效性.本文对图像MGA域HMT模型的研究进展进行综述.先对传统MGA域HMT模型的发展进行分析和讨论，对其构建的一般过程进行了形式化描述；在此基础上，归纳了传统MGA域HMT模型存在的一些关键问题，并以此为导向对MGA变换域HMT模型的研究进展进行了分析和讨论；最后对MGA域HMT模型未来的发展情况进行了展望.
本文提出了一种基于字符级滑动窗口的深度残差网络（Sliding Window-Depth Residual Network，SW-DRN），首次将轻量级深度可分离式卷积应用于僵尸网络中DGA（Domain Generation Algorithm）域名检测.SW-DRN采用深度可分离式卷积，相比标准卷积减少了约56%的参数，增强了模型检测效率.采集两种不同来源的数据，分别命名为Real-Dataset和Gen-Dataset.SW-DRN与对照组模型在两个数据集上进行实验，实验结果表明：SW-DRN模型在DGA域名二分类任务中的F-Score评估指标上分别取得了99.23%和97.81%的成绩；并且在少样本DGA域名家族以及域名字符串易混淆DGA域名情形下多分类任务中取得不错的成绩，相比目前已有的DGA域名分类模型在总体F-Score上提升了1.23%和1.01%的性能，增强了DGA域名家族之间的识别；同时还对所提出的模型在生成对抗模型产生域名进行测试，均能得到有效的识别.
