非合作目标识别常常面临少量不完备的训练样本、训练样本与测试样本信噪比不一致等现象，本文为此提出了一种基于测地线流式核的雷达目标高分辨距离像鲁棒识别方法.该方法沿格拉斯曼流形中测地线积分提取不变特征，且通过核函数映射可获得解析特征提取表达式.该方法还可作为预处理手段对数据降噪，进一步提高其他算法的识别准确率.实验结果表明，对于信噪比失配和少量不完备样本等问题，该方法都具有鲁棒目标识别能力，并且满足实时性要求.
基于故障注入的逆向分析技术通过向运行保密算法的设备中注入故障，诱导异常加密结果产生，进而恢复保密算法内部结构和参数. 在除S盒表外其他运算结构已知的前提下，本文基于持续性故障提出了一种分组密码算法S盒表逆向分析方法. 我们利用算法中使用故障元素的S盒运算将产生错误中间状态并导致密文出错这一特点，构造特殊的明文和密钥，诱导保密算法第二轮S盒运算取到故障值，从而逆向推导出第一轮S盒运算的输出，进而恢复出保密算法S盒表的全部元素. 以类AES-128（Advanced Encryption Standard-128）算法为例，我们的方法以1 441 792次加密运算成功恢复出完整S盒表，与现有的其他逆向分析方法进行对比，新方法在故障注入次数和计算复杂度上有明显优势. 进一步，我们将该方法应用于类SM4算法，并以1 900 544次加密运算恢复出保密S盒表. 最后，我们综合考虑了分组密码算法的两种典型结构Feistel和SPN（Substitution Permutation Network）的特点，对新方法的普适性进行了讨论，总结出适用算法需具备的条件.
为了解决用户轨迹数据发布时的活动模式泄露问题，本文提出了一种基于差分隐私的活动模式保护与时空数据发布方法DPAP-STTP（Differentially Private Activity Pattern and Spatial-Temporal Trajectory Publication），该方法即保护了用户时空数据中活动模式的隐私，又可以保证所发布时空轨迹在服务建议生成上的有效性.在DPAP-STTP中，用户的活动模式表示为个人代表性轨迹的动静态信息，包括代表性轨迹的时空密度分布、时空路径分布、移动模式以及时空跨度.另外，DPAP-STTP通过隐私保护预算与隐私保护阈值对该动静态信息进行调控，然后根据调控后的动静态信息依次划分时空网格、重构轨迹所处时空区间、时空轨迹点随机采样，最终生成满足群体差分隐私的时空轨迹进行发布.本文的实验比较了DPAP-STTP与DP-STAR（Differential Private Synthetic Trajectory Publisher）、BNA（Bounded Noise-Adding）所生成的轨迹在特定时空范围内的有效性，证明DPAP-STTP不但可重构服从群体差分隐私的时空轨迹，而且在时空网格上维持了时空轨迹的有效性.
本文介绍了一种合成孔径雷达（Synthetic Aperture Radar， SAR）目标特征的操控方法，采用非周期相位调制表面（Phase-Switched Screen， PSS）实现对重要目标图像特性的有效压制. 依靠PSS反射式防护手段，对雷达回波信号进行快-慢时间域的二维联合非周期相位调制，在SAR接收处理后可形成矩形块状压制区域. 通过调控快时间与慢时间码元宽度，可以实现生成矩形区域的面积控制. 该方法本质是一种无源防护方法，兼具响应时间快、不易暴露、设备简单等优势. 在此基础上，本文提出了压制区域面积、压制区域干信比对特征操控效果进行表征，分析了PSS调制参数对操控效果的影响. 最后，SAR实测数据仿真验证了所提方法的有效性.
正交压缩采样（Quadrature Compressive Sampling，QuadCS），可直接低速获取射频信号的同相和正交支路信号，是一种有效的宽带/超宽带信号采样模信转换系统. 本文在分析QuadCS感知矩阵时域特性的基础上，有效地将感知矩阵分解成QuadCS不同组成单元描述矩阵乘积的形式，并籍此采用单位范数紧框架理论建立了QuadCS的可重构性. 除外，本文还分析了QuadCS输出信噪比和重构信噪比，证明了QuadCS保持输入信噪比的不变性，推导出了重构信噪比损失关系式. 本文的工作进一步完善了正交压缩采样理论.
星载P波段合成孔径雷达（Synthetic Aperture Radar， SAR）极化测量性能易受电离层法拉第旋转（Faraday Rotation， FR）效应的影响，随着系统带宽增加，以及中心频率对应的法拉第旋转角（FR Angle， FRA）增大，FR效应色散特征突显，将导致距离向成像恶化以及额外的极化测量误差.针对色散FR效应，提出了一种基于频域解模糊的星载P波段全极化SAR法拉第旋转效应校正方法，通过模糊度一致化以及频域拟合等关键步骤，解决了P波段SAR系统FRA估计值模糊问题，最后在频域实现色散FR效应的校正.利用机载P波段全极化SAR数据开展了仿真验证实验，与传统的图像域校正方法相比，有效抑制了色散的FR效应，显著改善了交叉极化通道图像之间的相关性.
基于65 nm 互补金属氧化物半导体（Complementary Metal Oxide Semiconductor，CMOS）工艺研制了一款用于X波段的小型化高增益低噪声放大器（Low Noise Amplifier，LNA）.通过研究晶体管尺寸和偏置电压对噪声系数和增益性能的影响，确定了低噪声高增益情况下晶体管尺寸和偏置电压的取值.针对LNA的输入、输出和级间匹配，采用变压器匹配网络，使得LNA尺寸缩小至0.33 mm×0.73 mm，同时提高了电路的隔离度.在变压器中嵌入并联电容，降低了变压器的耦合系数.基于差分共源拓扑结构，引入中和电容技术，有效地抑制了晶体管栅-漏间寄生电容引起的米勒效应，提高了LNA的增益和稳定性.测试结果表明，在1 V电源电压下，该LNA的带内最大增益为22.9 dB，最小噪声系数为2.8 dB，功耗为49 mW.在射频收发系统中，本款LNA具有良好的应用前景.
针对时间反转多址接入系统在用户相关性较大时，用户间干扰严重，导致系统和速率下降问题，提出一种将时间反转多址接入技术与功率域非正交多址接入技术相结合的下行多址系统方案.将相关性较高的用户分为一组，组内用户符号采用非正交叠加传输的方式，不同用户组的符号采用时间反转滤波器进行预处理，实现多用户符号的同时同频传输.给出了一种用户分组算法，进一步在用户最小速率和基站的总发送功率约束下，采用迭代信干噪比注水算法优化用户的发送功率以最大化系统和速率.仿真结果表明，本文方案在配备单根发送天线、预滤波器采用迫零准则设计时高发送功率下的系统和速率比常规的时间反转多址接入方案约高30%；天线数目越多，性能优势越明显.
软件开发与维护中会产生大量缺陷报告， 根据缺陷报告准确定位到缺陷代码的位置是极具挑战性的.目前大多数工作在文件粒度定位缺陷， 虽然少量工作定位在方法粒度， 但定位准确度较低. 本文提出一个文件信息增强的方法级软件缺陷定位技术FMBL（a File information enhanced Method-level Bug Localization technology）， 考虑方法与文件之间的从属关系以增强缺陷定位准确性. 通过综合考虑代码与缺陷报告的词汇相似度、语义相似度和代码长度度量它们之间的相关性. 在六个开源软件项目上开展实验以评估FMBL的有效性. 结果表明， 本文方法在六个项目上的平均Accuracy@10、MAP（Mean Average Precision）和MRR（Mean Reciprocal Rank）值分别达到0.436、0.223、0.296.与现有方法BugLocator、BLIA（Bug Localization using Integrated Analysis）、BugPecker相比， 本文方法在MAP指标上分别提升153.1%、209.1%、22.8%.
针对有色噪声背景下的不相关和相干混合入射信号，本文提出了一种新的波达角度（Direction Of Arrival，DOA）估计方法.首先对混合信号协方差矩阵进行分析和处理以消除其中的有色噪声部分.在此基础上，先利用多重信号分类（Multiple Signal Classification，MUSIC）方法或旋转不变信号参数估计（Estimation of Signal Parameters via Rotational Invariance Techniques，ESPRIT）法估计出不相关信号的DOA；然后利用改进的空间差分方法构造出一个新的只含有相干信号的协方差矩阵，且无秩亏损；最后利用MUSIC算法或ESPRIT算法从中估计出相干信号的DOA.和文献报道的方法相比，新方法具有更优的混合信号DOA估计性能，尤其对于相干信号.仿真结果验证了该算法的有效性.
在考核电力/电子设备抗强电磁脉冲性能的千安培（kA）级脉冲电流注入试验中，注入环通过感性耦合的方式将脉冲源输出能量加载到受试设备端口，是注入试验平台的重要组成部分.为解决kA级电流注入环的时域电路仿真难题，本文以Montena IC3B型注入环为例，采用多段集总参数电路串联的方法，建立了考虑分布参数因素的kA级注入环SPICE（Simulation Program with Integrated Circuit Emphasis，SPICE）电路模型；并依据注入环磁芯材料特性，对端口阻抗测试数据进行了分频段拟合，采用粒子群优化算法求取了电路模型参数；最后将该模型应用于kA级脉冲电流注入平台的整体电路仿真，并进行了实验验证，结果表明该模型具有较高的时域仿真精度，可用于电力/电子设备强电磁脉冲电流注入试验的设计、分析、效果预估等工作.
当前卷积神经网络模型存在规模过大且运算复杂的问题，难以应用部署在资源受限的计算平台. 针对此问题，本文基于数据标准差提出了一种适合部署在现场可编程门阵列（Field Programmable Gate Array， FPGA）上的对数量化方法. 首先，依据FPGA的特性提出对数量化方法，将32 bit浮点乘法运算转换为整数乘法及移位运算，提高了运算效率. 然后通过研究数据分布特点，提出基于数据标准差的输入量化及权值混合bit量化方法，能够有效减少量化损失. 通过对RepVGG、EfficientNet等网络进行效率与精度对比实验，8 bit量化使得大型神经网络精度仅下降1%左右；输入量化为8 bit，权重量化为10 bit场景下，模型精度损失小于0.2%，达到浮点模型几乎相同的准确率. 实验表明，所提量化方法能够使得模型大小减少75%左右，在基本保持原有模型准确率的同时有效地降低功耗损失、提高运算效率.
针对现有深度学习光流计算模型在运动遮挡和大位移等场景下光流计算的准确性与鲁棒性问题，本文提出一种联合遮挡约束与残差补偿的特征金字塔光流计算方法.首先，构造基于遮挡掩模的光流约束模块，通过预测遮挡掩模特征图抑制变形特征的边缘伪影，克服运动遮挡区域的图像边缘模糊问题.然后，采用特征图变形策略构建基于特征变形的光流残差补偿模块，利用该模块学习到的残差光流细化原始光流场，改善大位移运动区域的光流计算效果.最后，采用特征金字塔框架构建联合遮挡约束与残差补偿的光流计算网络模型，提升大位移和运动遮挡场景下的光流计算精度.分别采用MPI-Sintel （Max-Planck Institute and Sintel）和KITTI （Karlsruhe Institute of Technology and Toyota Technological Institute）数据集对本文方法和代表性传统光流计算方法、深度学习光流计算方法进行综合对比分析，实验结果表明本文方法相对于其他方法能够有效提升大位移和运动遮挡场景下的光流计算精度与鲁棒性.
目前，生物医学领域的关系提取工作已经取得了长足的发展，但是在面对句式复杂的临床医学文本时，由于存在大量长句以及句中实体对的高密度分布，限制了当前关系抽取模型性能的进一步提升.本文提出了一种基于张量权重矩阵的双向门控循环单元网络（Tensor-based Bidirectional Gated Recurrent Unit， Tensor-BiGRU）和分段注意力机制的关系抽取模型，基于张量权重矩阵改进BiGRU网络的编码方式，提升神经网络捕获底层特征的能力，而后提出了两种分段注意力机制，以提高模型捕获长句特征的性能.此外，当句子中有多个实体对时，引入实体对的语义信息特征来克服模型的性能下降.本文进一步提出一种权重自适应的交叉熵损失函数，用于提升模型面对数据集中不同关系类别的样本分布不平衡问题的泛化性.实验结果表明，在不依赖任何特征工程和高性能运算环境的情况下，本文模型在2010 i2b2/VA临床关系抽取数据集上实现了先进的性能.
量子元胞自动机（Quantum Cellular Automata，QCA）电路的自动布局布线是在相关约束条件下自动放置电路单元、自动形成连线，实现门级或元胞级电路的设计过程，是QCA电路设计大型化、复杂化和系统化的必要工具.布局布线算法设计过程中最大的难题是如何解决“时钟同步”，随着二维时钟方案提出，该问题的解决方案变得更加策略化，但仍存在诸多缺陷，如成功率低，布局面积较大等.本文将二维时钟方案的布局布线问题抽象成组合优化模型，提出了一种基于遗传算法GA（Genetic Algorithm）和改进A*算法的混合策略.两种算法相互配合搭建可能的电路布局，并通过精心设计的适应度函数，搜索满足时钟同步的个体，最终实现从硬件电路到二维时钟方案上的门级布局.实验结果表明，本算法在目前被广泛应用的二维时钟方案USE（Universal，Scalable and Efficient）上的布局成功率接近100%.相较当前世界上最先进的两个QCA布局布线工具fiction和Ropper，本算法可适用电路规模更大（逻辑门数量大于10），在成功率和生成布局面积上都有大幅度的优化.
针对低信噪比条件下复杂多类雷达信号调制方式识别率低的问题，本文提出了一种基于时频分析和深度学习的雷达信号调制方式识别方法. 利用CTFD（Cohen class Time-Frequency Distribution）时频分析将信号时域波形变换为二维时频图像，更清晰地表征信号特征；采用灰度化和双三次插值运算等方法对时频图预处理，实现图像通道数和尺寸的减少，以降低深度学习模型数据输入量；进一步调整输入输出通道数构建小型EfficientNet网络，再由多个小型网络并行处理构建分裂网络EfficientNet-B0-Split3，将时频图像输入网络实现雷达信号调制方式识别. 实验结果表明，在信噪比为-8?dB时，新方法对17类不同调制方式的雷达信号整体识别率可达97.1%，相对于扩张残差网络提高约2.4个百分点；在信噪比为-10?dB时，识别率可达92.1%，相对于EfficientNet提高约0.7个百分点，提升了低信噪比条件下复杂多类雷达信号调制方式识别率.
不同工艺参数对磁控溅射制备固态电解质薄膜LiPON的物理化学特性有巨大影响，使用机器学习对过程建模，能加强内部原理理解，优化参数提升薄膜性能.迁移学习通过挖掘历史数据集中的信息，提升模型精确度与泛化能力，从而更好地找到良好的工艺参数.本文以文献中磁控溅射制备LiPON的数据集为例，探究靶基距离、溅射功率、溅射气压对LiPON薄膜的离子电导率的影响.对比普通机器学习，迁移学习模型在多项误差指标上提升30%以上.通过模型遍历参数空间，搜寻最佳工艺组合，预测LiPON薄膜的离子电导率为2.04 μS/cm，优于文献中的最优值，方差分析与实际样本证明了该方法具有可行性.
掌握软件架构的变更对软件的持续演进具有十分重要的作用，然而目前的变更检测方法主要关注于细粒度的代码变更，忽略了对架构层级的检测.为了检测架构层级的变更，本文提出一种基于MAAT（Multilevel Architecture Analysis Tree）两步匹配的架构多层次变更检测方法.该方法包括三个步骤，分别是：构造MAAT；基于两个MAAT实施两步匹配算法检测变更；对变更进行分类和聚类.基于以上算法，我们开发了工具ACAnalyzer.实验结果证明，ACAnalyzer具有较好的准确性和性能.
心律失常是常见的心血管疾病之一，目前很多方法通过计算机辅助系统对心电图进行分析以识别心律失常，但由于大多数心律失常数据样本较少，计算机辅助系统识别心律失常效果不佳.本文提出了一种基于混合时频域分析特征提取的卷积神经网络方法，该方法提取心电图的RR间期时域特征、希尔伯特-黄变换提取的频域特征和连续小波变换提取的时频域联合特征，经过特征融合后输入卷积神经网络训练分类模型，并采用Focal Loss作为网路的损失函数，实现对心律失常的分类.本文使用MIT-BIH（Massachusetts Institute of Technology-Boston's Beth Israel Hospital）心律失常数据库验证本文提出方法对4类心电数据分类的结果，实验结果表明，与现有的分类算法相比，本文所提出的混合时频域特征方法能有效提升心律失常分类的准确性.
本文针对大型电磁脉冲模拟器试验区域电场分布测量，设计了一种基于传递函数的近区场波形预估方法.该方法使用全波仿真获取初始传递函数，研究了基于频域数据的神经网络训练方法，建立了可以计算特定区域任意测点传递函数的神经网络模型.利用两套测量系统同时进行测量验证，结果表明：在40 m×40 m×10 m的范围内，该计算方法可以基于单一测点的实测结果计算任意点的电场波形，且基于该方法计算的电场波形与实测波形主波形幅值差异均小于3%，实测验证波形结果与预估结果基本一致.文中方法在满足试验区域为线性时不变（Linear Time Invariant， LTI）系统的情况下，可以应用于大型电磁脉冲模拟器的近区场快速预估计算.
为实现时域重叠信号的全概率接收和跨信道信号重构，降低窄过渡带信道化结构的复杂度，提出一种基于调制屏蔽滤波器频率响应屏蔽（Modulation Masking Filter Frequency Response Masking， MMF-FRM）技术的信道化接收机结构.通过对原型屏蔽滤波器进行调制得到两个分支屏蔽滤波器，给出了基于MMF-FRM的窄过渡带滤波器设计方法.推导出一种基于MMF-FRM的低复杂度信道化接收机结构，该信道化结构解决了多相分解受FRM（Frequency Response Masking）滤波器组限制的问题，并分析了该结构的有限字长性质和纹波系数.用Xilinx System Generator进行了硬件实现与仿真，在采样速率为1?GHz，信道数为8的条件下，提出的信道化接收机结构比多相信道化结构节省74.1%的乘法器资源，比FRM信道化结构节省13.5%的乘法器资源.
针对现有的面向CP-ABE（Ciphertext-Policy Attribute-Based Encryption）的代理重加密方案因代理方可以解密代理重加密密文且可以任意修改访问策略而难以支持云代理重加密的问题，本文提出支持云代理重加密的CP-ABE方案即CP-ABE-CPRE（CP-ABE Scheme with Cloud Proxy Re-Encryption）方案.该方案利用版本号标识不同阶段的私钥和密文来支持属性撤销，只有在用户私钥版本号和密文版本号相匹配且用户属性满足访问策略时，用户才能解密密文.当撤销用户属性时，云服务器无需修改访问策略就可以更新被撤销属性对应的保密值.该方案还通过懒惰更新和批量更新减少密文和用户私钥更新次数，提升更新效率.理论分析和实验结果分析都表明，CP-ABE-CPRE在计算开销和存储开销上均优于相关已有方案.安全性分析表明，CP-ABE-CPRE能够对抗针对性选择明文攻击（sCPA， selective Chosen Plaintext Attack）.
为提高室内定位系统精度和跟踪性能以及适应复杂环境，将行人航迹推算（Pedestrian Dead Reckoning，PDR）与双目视觉组合，提出一种双目视觉辅助PDR的组合导航定位方法.该方法通过选取或布置地标建立了地标位置数据表；基于轻量化目标检测实现了对地标实时双目测距，保证定位的实时性；利用PDR位置信息得到检出地标类别对应坐标，基于因子图的协同定位和误差估计算法将双目视觉与PDR有效融合，提高了定位精度并抑制PDR累计误差，同时对PDR中航向和单参数模型中单位转换常数进行误差补偿，提高PDR定位精度.实验结果表明，在地标纹理清晰且分布合理情况下，该方法能有效解决室内复杂环境下单一PDR累积误差问题，此外，对航向和单位转换常数实时补偿可提高组合定位系统的定位精度和稳定性.
知识蒸馏能有效地将教师网络的表征能力迁移到学生网络，无须改变网络结构即可提升网络的性能.因此，在性能优异的目标分割主干网HRNet（High-Resolution Net）中构建自蒸馏学习模型具有重要意义.针对HRNet并行结构中深层与浅层信息充分融合导致直接蒸馏难以实现的挑战，本文提出一种基于多尺度池化金字塔的结构化自蒸馏学习模型：在HRNet分支结构中引入多尺度池化金字塔表示模块，提升网络的知识表示和学习能力；构造“自上而下”和“一致性”两种蒸馏模式；融合交叉熵损失、KL（Kullback-Leibler）散度损失和结构化相似性损失进行自蒸馏学习.在四个包含显著性目标和伪装目标的分割数据集上的实验表明：本文模型在不增加资源开销的前提下，有效提升了网络的目标分割性能.
为广大科研人员了解国家自然科学基金“电子科学与技术”领域基础研究队伍、主要研究方向和发展趋势，针对2022年度信息一处受理的人才和探索两大系列部分类型的项目，从申请代码、申请人年龄和性别、依托单位分布以及按科学问题属性分类评审等不同角度分析了各类项目申请与资助情况，介绍了2022年度“负责任、讲信誉、计贡献”评审机制试点工作情况，最后展望了“十四五”期间领域重点发展方向.
5G技术不仅在以蜂窝网络为代表的移动互联网中占据主要角色，还正在积极地为工业场景提供技术变革的契机.目前，国内外已经开展了大量和5G抗干扰技术相关的工作，但仍缺乏对5G在授权和非授权频谱下抗干扰技术的系统性综述.本文分析了5G无线干扰的主要来源，指出了抗干扰研究的技术难点，并以授权频段5G蜂窝网络干扰与非授权频段异构系统间干扰两个关键问题为例，对现有的无线抗干扰方案进行了具体分析和归纳对比，最后对5G技术在授权频段和非授权频段抗干扰技术的未来研究方向进行了展望.
为实现单相半桥逆变器的高效率运行，设计了一种新型单相低能耗半桥逆变器.在逆变器工作过程中，主开关和辅助开关均能完成零电压软切换，逆变器主开关采用高频金属氧化物半导体场效应晶体管（Metal Oxide Semiconductor Field Effect Transistor，MOSFET）时，都能实现零损耗切换，消除了MOSFET内部结电容导致的容性开通损耗.文中具体分析了电路工作过程.在额定功率为1kW样机上的实验结果表明开关器件都实现了软切换.因此该半桥软开关逆变器拓扑结构对于提高逆变器的性能具有重要意义.
