为了提高氮化镓半桥结构的抗dv/dt特性，提出了一种适用于氮化镓半桥结构的高可靠性差分电流补偿新颖电平移位电路.该电路在自举电容作用下，将0V~5V输入电压转换为35V~40V输出电压，并且在浮点电压快速变化过程中，输出的驱动电压均保持稳定.电路采用电流镜结构传输信号，能够实现电平信号的快速传递,有效地减小传输延迟.对于浮点电压的快速变化导致移位电平器输出变化的问题，采用新颖的差分电流结构进行电流补偿,提高电路的抗dv/dt特性，获得高可靠性的输出电压.本电路基于标准0.35μm BCD工艺40 V的LDMOS耐压器件，对该电平移位电路在1MHz频率下进行验证.结果表明上升沿响应延迟为587.184ps，下降沿响应延迟为832.144ps，抗正的dv/dt变化为116V/ns以及对负dv/dt变化不敏感，该电路具有高速,高可靠性优点.
不确定性在大数据中普遍存在.现有的研究极少从外部视角研究数据的不确定性，特别是模糊数据，经常无意识地假定获得的原始数据是完全真实可靠的，不存在任何偏差.然而，鉴于数据获取的主体普遍存在着不确定性，在大多数情况下这种做法是不可取的.为此，本文基于模糊概念格提出旁观者视角下粒的多层次描述.该方法基本思想是通过单个元素隶属度找出模糊形式背景中所有的原子粒，利用原子粒的自由组合来判定一个目标粒是否为可定义粒，并由原子粒的描述获取可定义粒的描述.接着，借助粗糙集上下近似思想给出一种不可定义粒的近似描述方法，它的主要思想是用可定义粒近似刻画不可定义粒.其中，查全率和查准率是为不可定义粒选择最合适近似描述的两个重要评价指标，而近似描述的质量则通过描述精度进行度量.最后，通过商品评价的实验分析说明了所提多层次数据分析方法的必要性与可行性，同时表明模糊概念格的真值越丰富得到的多层次粒描述结果越好.
随着集成电路规模的日益增长, 需要处理的线网数量显著增多, 层分配算法运行时间增大成为限制高效设计布线方案的重要因素; 此外在生产工艺中, 通孔的制造成本较高. 针对以上两个问题, 本文提出了两种新颖的策略分别用于优化算法运行时间和通孔数量: (1)一种高效的基于区域划分的并行策略, 实现各区域在并行布线阶段负载均衡, 以提高并行布线的效率; (2)基于线网等效布线方案感知的通孔优化策略, 决定各线网对布线资源使用的优先级, 进而减少层分配方案的通孔数量. 最终将上述两种策略相结合, 提出了一种面向超大规模集成电路物理设计的通孔感知的并行层分配算法. 实验结果表明该算法对通孔数量和运行时间均有良好的优化效果.
现有视频压缩感知神经网络重构算法采用的光流对齐和可变形卷积对齐的运动补偿方式存在误差积聚、信息感知范围有限等问题，极大地限制了其有效性和实用性.为了在不引入额外参数的条件下自适应提取参考帧的全局信息，本文提出了利用注意力机制实现视频压缩感知重构过程中运动估计/运动补偿的创新思想，并设计了时域注意力特征对齐网络（Temporal-Attention Feature Alignment Network， TAFA-Net）进行实现.在此基础上，提出了联合深度重构网络（Joint Deep Reconstruction Network Based on TAFA-Net， JDR-TAFA-Net），实现非关键帧的高性能重构.先利用本文所提的TAFA-Net获得参考帧到当前帧的对齐帧；然后，利用基于自编码器架构的融合网络充分提取已有帧信息，增强非关键帧的重构质量.仿真结果表明，与最优的迭代优化算法SSIM-InterF-GSR相比，所提算法重构帧的峰值信噪比（Peak Signal to Noise Ratio， PSNR）最高提升了4.74dB；与最优的深度学习算法STM-Net相比，所提算法重构帧的PSNR最高提升了0.64dB.
目前基于微波技术的射频通道带宽与频率受限、多频率变频能力受限、通用性差，严重制约了高通量卫星的频谱覆盖范围和大带宽多路变频能力.针对这一问题，本文在对微波光子射频通道研究现状对比分析的基础上，提出基于并联型架构的宽带跨频段微波光子射频通道实现方法，开展了相应的仿真分析及实验验证.测试结果表明：该射频通道下变频输入频率可覆盖27GHz~52GHz，输出频率可覆盖17GHz~24GHz；上变频输入频率可覆盖25GHz~27GHz，输出频率可覆盖37GHz~43GHz，且该射频通道工作带宽优于2GHz，带内平坦度优于3dB，变频增益优于-10dB，无杂散动态范围优于100dB?Hz2/3.
为了解决传统多中继选择协作通信网络算法复杂度高、资源利用率低等问题，本文提出了低复杂度放大转发多中继选择及其功率分配方案.它先利用修正的选择函数选择最优中继集合，再采用改进的低复杂度功率分配方案，对选择的中继集合功率分配.所提方案考虑到等功率分配时，分配功率应随中继数不同而改变，添加修正因子以充分利用功率资源.同时，所提功率分配避免了超越方程求解，极大降低了计算复杂度.仿真表明：当中断概率为10-4时，所提方案相对于现有预选择单中继放大转发（pre-select Single relay Amplify-and-Forward，SAF）和全中继放大转发（All relay Amplify-and-Forward，AAF）方案，所需信噪比（Signal-to-Noise Ratio，SNR）分别降低约2.5dB和5.3dB.其性能与穷举法相当，二者所需SNR仅相差约0.01dB.
本文考虑非高斯噪声下传感器网络的状态估计问题.在机动目标跟踪、室内定位、水声导航等应用中，传感器的非高斯噪声会造成针对高斯噪声设计的常规状态估计算法精度下降.在现有针对单传感器系统的基于多变量Laplace（Multivariate Laplace，ML）鲁棒状态估计（Robust State Estimation based on ML，RSE-ML）算法基础上，本文借助信息滤波的特点，推导了针对多传感器系统的集中式RSE-ML（Centralized RSE-ML，CRSE-ML）算法，进一步利用一致性平均得到分布式RSE-ML（Distributed RSE-ML，DRSE-ML）算法.本文提出的DRSE-ML算法中利用ML建模非高斯噪声，借助变分贝叶斯方法估计噪声和状态参数，采用一致性算法进行分布式信息交互，克服了集中式算法通信和计算负担重的缺点，且具有自由参数少、估计精度高的特点.仿真结果表明，所提出的DRSE-ML算法估计精度优于现有相关算法，且能逼近集中式CRSE-ML算法的估计精度.
针对机载多输入多输出(Multiple-In Multiple-Out，MIMO)雷达资源受限，从而导致目标检测性能下降的问题，提出一种改善基于MIMO雷达的空时自适应处理(Space Time Adaptive Processing，STAP)检测性能的收发空时资源配置(Transceiver Space-Time Resource Allocation，TST-RA)方法. 所提方法利用所构建包含待配置收发空时资源的MIMO-STAP模型，基于最大化输出信杂噪比(Signal-Clutter-Noise Ratio，SCNR)准则，构造收发阵元、发射脉冲、基带波形以及接收权值联合设计问题. 为求解所得复杂非线性联合优化问题，基于交替迭代策略将其分解为相互独立的子问题，而后利用如下方法高效求解各子问题：基于逐次凸逼近(Sequential Convex Approximations，SCA)方法选择最优天线脉冲子集，基于半正定规划(SemiDefinite Program，SDP)及随机化方法优化发射波形，基于最小方差无畸变响应(Minimum Variance Distortionless Response，MVDR)准则设计接收权，从而获得联合优化问题的有效求解. 仿真结果验证了所提算法的有效性.
现有的图像压缩感知（Image Compressive Sensing， ICS）优化启发网络沿用了传统算法的像素域优化思想，构建了像素域的图像信息流动通道，而没有充分利用卷积神经网络所提取的图像特征中的信息.对此，本文提出了在特征域构建信息流的思想，并设计了一种特征域优化启发ICS网络（Feature-Space Optimization-Inspired Network， FSOINet）以实现该思想.考虑到卷积操作感受野较小，本文通过将自注意力模块引入FSOINet以更高效地利用图像非局部自相似性，进一步提高重构质量，我们将其命名为FSOINet+.此外，本文还提出把迁移学习策略应用于不同采样率图像压缩感知重构网络训练中，提高网络学习效率与重构质量.仿真实验表明，本文所提出的网络在峰值信噪比（Peak Signal to Noise Ratio， PSNR）、结构相似性（Structural Similarity Index Measure， SSIM）与视觉效果上都优于现有的最优ICS重构方法，FSOINet与FSOINet+在Set11数据集上与OPINENet+相比重构图像PSNR分别平均提升了1.04dB和1.27dB.
动态复杂网络在时空演化过程中，网络节点重要性层内交互关系和层间耦合关系可以更为准确对时序网络节点序结构演化进行分析.本文提出基于网络超链接信息熵的节点重要性序结构演化模型.分析时序网络层内节点超链接信息熵重要性排序结果，得到时序网络节点相邻时间层与跨时间层节点重要性排序模型.节点超链接信息熵总结相邻时间层与跨时间层节点相似性耦合效应.通过SIR（Susceptible Infected Recovered）模型检验节点传播效率进行实证网络仿真，结果与经典时序网络模型相比，本文模型
在抗震救灾、抗洪抢险等应急通信专网场景下，需要高可靠、低延时的通信服务性能，提升信道利用率是一种提高通信服务性能的有效手段.由于可以将多个连续或者非连续的信道聚合起来，大幅提高信道利用率，多信道绑定是面向未来突发应急响应通信网络中的一种潜在解决方案.本文结合信道绑定思想，针对应急通信专用网络场景中无中心设备的分布式网络结构特点和信息基础设施的易失性特点，突破信道组合的传统思路，提出一种基于多信道绑定的应急终端协同的新方法，通过多终端相互协同的信道评估、基于任务类型的多信道分配和多信道绑定，减小由于各个节点时空不同带来的信道状态不确定性，提升分布式网络中的传输质量和信道利用率.论文创新性地提出信道状态因子的概念，通过信道中数据量的大小来量化信道的状态，在此基础上进行信道评估.通过软件定义无线电硬件平台与MATLAB联合仿真验证所提出方法的正确性，并搭建两节点收发的实验系统，通过实际测试和实验数据分析证明系统实现的可行性和有效性.
本文研究了28nm体硅CMOS工艺下8-Gbps通用结构高速并转串/串转并接口（Serializer/Deserializer，SerDes）的单粒子辐射特性，该SerDes由电压模发送器（Transmitter，TX）和相位插值（Phase Interpolation，PI）型接收器（Receiver，RX）组成，通过双指数电流源对整个SerDes的TX和RX进行了单粒子效应仿真，仿真结果表明该SerDes的TX和RX均会发生单粒子瞬态（Single-Event Transient，SET），且主要敏感节点包括：D触发器，采样器和时钟相位插值器.进一步采用脉冲激光对整个SerDes进行了扫描测试，测试结果验证了仿真结论.该研究为抗辐射SerDes的研制提供了重要的理论依据.
针对伺服级共享控制决策中权衡安全性、干预度与驾驶体验的问题，提出基于高斯隐马尔可夫模型（Gaussian Hidden Markov Model，GHMM）的人机共享控制区域化决策算法.此算法利用高斯分布函数表征驾驶人的实时相对驾驶能力；利用区域化的高斯矢量环境风险场量化模型表征不同环境区域的环境风险值以及其模糊风险等级；最后综合驾驶人绝对能力、驾驶状态以及环境风险实现人机共享控制中控制权的高可靠、合理分配.实验表明，本文提出的人机共享区域化决策模型能够在考虑驾驶人相对能力及环境风险源所在方位的基础上给予较为合理的控制权柔性分配方案，有效降低风险至智能驾驶模型可控范围内.
针对微波滤波器小型化、高性能的应用需求，首先分析了单腔双模和双腔单模谐振器组合型滤波器等效耦合拓扑的特性，然后提出了三种双层单腔双模和双腔单模基片集成波导谐振器组合的带通滤波器结构，它们等效为盒型耦合拓扑，但具有不同的对角交叉耦合路径.两个单模谐振器位于上层介质板，并分别与输入输出馈线相连；双模谐振器位于下层介质板，并通过中间金属层上的槽线与单模谐振器耦合.详细分析了旁路耦合、磁耦合和频变耦合提供对角耦合路径时，滤波器特性及传输零点位置的可控性.最后设计了两个中心频率为7.5GHz、带宽为240MHz的带通滤波器，并进行加工和测试.测试和仿真结果一致性较好，验证了双层单腔双模和双腔单模基片集成波导滤波器结构的可行性.
工作在复杂环境下的多元退化设备面临失效数据少、多源信息融合准确度低和监督学习数据不平衡等问题，对此本文提出一种基于时间序列生成对抗网络（Time-series Generative Adversarial Networks， TimeGAN）与单分类支持向量机（One-Class Support Vector Machine， OCSVM）组合模型的小子样数据增广方法.方法引入了TimeGAN模型拟合真实数据时间序列相关性，从而生成新的多元退化设备数据.本文提出了一种基于最大均值差异改进方法的可信度判据，避免强相关特征对生成数据质量评价的影响，通过使用T-分布随机邻近嵌入（T-distributed Stochastic Neighbor Embedding， T-SNE）和全局最大均值差异（Global Maximum Mean Discrepancy， GMMD）的组合方法，定性定量地评价生成数据的质量水平.基于训练后的OCSVM模型，对生成数据进行异常检测与剔除，进一步提高生成数据的质量.以航空发动机数据集C-MAPSS为例进行方法验证分析，通过与其他数据增强模型对比验证了所提方法的可行性和有效性.
视网膜血管检测有助于医生诊断视网膜疾病，而以往基于特征融合的算法难以解决视网膜血管检测中出现的漏分割问题，且分割准确率较低.本文对特征融合方式做出进一步探索，并提出一种基于语义与形态特征融合的算法，通过挖掘输入特征中蕴含的语义与形态信息，建模特征间的相关关系.随后，使用特征融合模块实现多模态特征自适应地融合.在公开数据集DRIVE以及STARE上的实验结果表明，文章算法优于现有的语义分割模型，尤其在敏感性上，比传统U-Net网络提升了8.20%.
针对室内多用户场景毫米波三维多输入多输出（Three Dimensional Multiple Input Multiple Output，3D-MIMO）无线信道测量不足、多径簇特性描述不完善的问题，本文基于测量研究室内毫米波3D-MIMO无线信道的参数提取算法和多径簇特性.首先，对室内多径传播条件下部署三个用户，开展了基于虚拟阵列的不同天线阵列大小的无线信道频域测量；然后，针对频域空间交替广义期望最大化（Frequency Domain Space-Alternating Generalized Expectation Maximization，FD-SAGE）算法不能描述3D-MIMO信道垂直域角度特性，以及时延分辨率不足的问题，改进算法增加了垂直维度，并且利用参数优先级迭代方法，提升毫米波3D-MIMO信道的时延域参数提取性能.结果表明改进算法既能准确地提取出毫米波3D-MIMO信道参数，又能实现随阵列大小增加而增加的多径簇内时延分辨率.
挖矿恶意软件是近年来出现的一种新型恶意软件，其加密运算模式给受害用户带来巨大损失.通过研究挖矿恶意软件的静态特征，本文提出一种基于威胁情报层次特征集成的挖矿恶意软件检测方法.从挖矿恶意软件威胁情报的角度，本文分别使用字节特征层、PE（Portable Executable）结构特征层和挖矿操作执行特征层训练挖矿恶意软件分类器，利用不同恶意软件特征对恶意软件的检测偏好，使用集成方法在层次特征的基础上组建挖矿恶意软件检测器.在实验评估中，本文使用模拟实验室环境数据集和模拟真实世界数据集进行模型性能测试.实验结果表明，本文所设计的层次特征集成的挖矿恶意软件检测方法在模拟真实世界数据集上取得了97.01%的准确率，相对挖矿恶意软件检测基线方法获取了6.13%的准确率提升.
Virtex-5系列芯片没有官方提供的专用软错误缓解（Soft Error Mitigation，SEM）IP核，需自行设计故障注入系统.本文选用XC5VFX130T型现场可编程门阵列（Field Programmable Gate Array，FPGA）芯片利用单帧部分重构功能达到等同于SEM IP故障注入效果，实现对FPGA电路系统的抗单粒子翻转能力评估测试.利用逐位注入故障模式对XC5VFX130T型FPGA的配置位逐个注入故障，获得待评估电路的敏感配置位信息；对待测电路进行三模冗余防护加固，利用累积故障注入模式连续随机注入模拟单粒子辐照试验环境，得到待评估电路的功能中断截面，进而实现对基于XC5VFX130T型FPGA系统的抗单粒子翻转加固效果的评估.研究表明，基准电路（移位寄存器链等）评估得到的功能中断截面与实际辐照试验中的功能中断截面曲线变化一致，为机载电子的单粒子效应适航评估提供了支持.
基于模型的诊断推理是人工智能领域的一个重要分支.其中由冲突部件集产生所有极小碰集是基于模型诊断推理的重要一步.根据布尔算法的特征，所有的冲突集可以划分为左右两个子集合簇，且左分支集合簇恰好为右分支集合簇的子集，这为由左分支增量产生右分支极小碰集提供了理论基础；另外，在自底向上增量归并元素的过程中，结合局部独立覆盖策略可以直接增量产生所有的极小碰集，从而避免非极小碰集和相同极小碰集的冗余产生.理论上，右分支解集可由左分支解集增量方法产生，避免了碰集中大量元素的重复计算.大量实验结果表明：本文提出的算法比之前的布尔算法及相关改进算法都具有显著的效率提升，最高可达约5倍.
密度峰值聚类算法倾向在球形分布数据中选择密度峰值，而流形数据多呈非球形分布，导致不能准确找到数据的类簇中心.该算法的分配策略优先对类簇中心附近的样本进行链式分配，而流形数据大量样本远离其类簇中心，导致本应属于同一类簇的样本被错误分配.为此，本文提出一种面向流形数据的测地距离与余弦互逆近邻密度峰值聚类算法.将K近邻与测地距离结合并重新定义局部密度，凸显密度峰值与非密度峰值的差异，准确找到类簇中心；将互逆近邻和余弦相似性相结合，得到基于余弦互逆近邻的样本相似度矩阵，为流形类簇准确分配样本.实验结果表明，本算法能有效发现流形数据集的几何形状并准确聚类，对真实数据集和图像数据集的聚类效果优秀.
模糊推理最基本的模型是模糊假言推理和模糊反驳推理. 本文是在区间值模糊集层面解决区间值模糊假言推理和区间值模糊反驳推理问题，给出基于区间值相似度的模糊推理算法. 首先，基于区间值
针对空分复用弹性光网络（Space Division Multiplexing-Elastic Optical Networks, SDM-EONs）的芯间串扰和频谱碎片化问题，该文提出一种考虑业务持续时间、光路邻域资源匹配度及芯间串扰的路由频谱纤芯分配算法.在业务的路由选择阶段，该文设计基于光路负载均衡和频谱碎片减少的路由策略；在纤芯选择阶段，设计兼顾纤芯负载及减少纤芯间串扰的纤芯选择方法；在时-频资源块分配阶段，设计考虑时-频资源碎片变化小和邻域匹配度变化小的资源分配方法.仿真结果表明，该文所提算法可以降低网络带宽阻塞率和提高频谱资源的使用效率.
针对空时分组码(Space-Time Block Code，STBC)盲识别中码型相同的编码区分性较差甚至无法区分的问题， 提出了一种基于接收信号统计特征的识别算法.首先分析了多输入多输出(Multiple Input Multiple Output，MIMO)系统中采用的空时编码方案与接收信号的统计特征之间的相关性， 设计了概率匹配与弥散度匹配对该相关性进行量化， 获得接收信号与不同编码方案的匹配度， 最后利用决策树选择匹配度最高的编码作为识别结果.仿真结果表明， 针对两组同型的空时分组码， 所提算法在信噪比为8dB时可达98%以上的识别率， 而基于特征提取的传统算法无法对两组编码进行有效区分；与基于深度学习的算法相比， 本文算法对同型空时码的识别具有更好的鲁棒性， 识别过程使用更少的计算资源.
隐马尔科夫模型（Hidden Markov Model，HMM）广泛用于语音信号等时序信号的建模.HMM的结构优化包括模型参数个数优化和参数值的优化.针对传统的用于训练HMM的鲍姆-韦尔奇（Baum Welch，BW）算法在寻求最优解时容易陷入局部极值以及无法优化HMM参数个数的问题，本文提出了遗传非参数MDL-BW方法.该方法通过结合遗传（Genetic Algorithm，GA）算法随机搜索的特点和自适应思想来扩大HMM参数值解的搜索空间，结合非参数思想帮助自动寻求HMM的合适参数个数，同时以最小描述长度MDL（Minimum Description Length，MDL）作为模型优化准则来寻求HMM在全局上的最优结构.仿真数据、语音数据以及人体动作数据的仿真结果表明遗传非参数MDL-BW方法相较BW方法等同类方法在HMM结构的寻求上具有更好的效果.
Bose-Chaudhuri-Hocquenghem(BCH)码是一类重要的经典纠错码，可以纠正多个错误且具有高效的编码和译码方法，满足一定结构关系的BCH码可以构造量子纠错码.本文研究了有限域上两类BCH码，基于分圆陪集的结构性质，给出了这两类BCH码满足厄米特对偶包含的条件，通过确定每个分圆陪集所含元素个数，计算出了这两类厄米特对偶包含的BCH码的维数，并利用厄米特构造法，由这两类厄米特对偶包含的BCH码得到了一些参数较好的量子纠错码.
利用数据类别间层次结构关系进行分类学习任务广泛存在于疾病诊断、图像标注等领域.然而,数据特征空间的高维性,使得分层分类学习面临着时间复杂度高和存储负担大等问题.另外,现有研究工作都假设训练集标记粒度是充分细化,与实际分层分类学习中划分细粒度标记代价高,类别标记间存在语义歧义性等矛盾.为解决上述问题,提出一种由粗到细的分层特征选择算法.该算法考虑类内一致性和兄弟节点间的差异性以选择有代表性特征,同时在特征选择的过程中实现预测训练样本未知的细粒度标记.在7个基准数据集上的实验结果表明,所提算法的分类性能优于一些先进的对比算法,且能处理标记粒度不够细化的情况.
吕分布（LV’s Distribution，LVD）是一种中心频率-调频斜率域信号分析工具，核心思想是对信号瞬时自相关函数进行时间尺度（Time-Scaling，TS），去除时间变量与延时变量的耦合关系. 本文从TS的角度对LVD进行了解释，在此基础上，分析了现有基于尺度傅里叶变换的TS实现方法，指出该方法存在频率混叠和频点丢失问题，并进行了修正，同时基于尺度变换和线性正则变换，进一步提出2种TS实现方法并将其应用于LVD. 试验表明，相比现有LVD实现方法，所提3种实现方法在计算复杂度、抗噪效能、检测非线性调频信号方面具备各自优势.
本文在时域有限元（Finite-Element Time-Domain，FETD）方法中实现了一种新型亚网格技术，并通过空间滤模(Spatial Modes Filtering，SMF)发展为无条件稳定亚网格FETD（Subgridding SMF-FETD，SSMF-FETD）方法.本文给出了FETD中亚网格技术的具体实施方案，包括粗细网格交界处粗网格棱边的编号方案、系统矩阵的建立过程以及亚网格FETD（Subgridding FETD，S-FETD）方法的系统迭代方案.亚网格技术的引入在一定程度上会破坏系统矩阵的稀疏度，但基于有限元框架下建立的系统矩阵依然保持对称正定或半正定特性.因此，可以直接将SMF方法应用到S-FETD方法中.通过广义特征值分解获得S-FETD系统矩阵的不稳定模式，并修改其矩阵方程，进而得到SSMF-FETD方法.S-FETD方法能够有效减少未知量数目，在此基础上数值结果表明，SSMF-FETD可以有效扩大时间步长并保持结果准确，从而进一步提升计算效率.在面对含有复杂精细结构的问题时，所提方法具有较高的有效性和准确性．
在正确地规划合理路径方面，行人轨迹预测具有重要的意义.大多数现有轨迹预测方法在考虑周围行人的影响时，都是简单地将周围行人全部考虑在内，这必然带来的冗余信息.本文提出了一种基于多模式时空交互的行人轨迹预测模型，该模型通过多模式行人空间交互模块对不同行人在不同情况下给予不同的权重，使得模型可以有效减小冗余信息带来的影响.并且本文的模型针对于输入轨迹信息的不同重要程度，设计了加权信息融合模块在原轨迹信息的基础上融合了赋予不同权重的历史轨迹信息，使得模型的轨迹信息更加有效.此外，该模型采用了时间卷积网络模块来捕获行人的时间交互.实验结果表明，在公开数据集ETH和UCY上，相比于Social-STGCNN平均位移误差(Average Displacement Error, ADE)和终点位移误差(Final Displacement Error, FDE)分别降低了15%和14%.
为使逆变器工作在高效率状态， 本文设计了辅助电路损耗低的并联谐振直流环节逆变器， 仅在直流环节电压上升的过程中， 触发位于直流环节的辅助电路的谐振；在直流环节电压下降过程中和负载电流瞬时值较低时，辅助电路不发生谐振， 这有利于实现辅助电路的低功耗.说明了电路的工作流程.实验波形显示出开关器件取得了软切换.因此， 该电路结构有利于优化逆变器效率.
