在当前物联网飞速发展的背景下，处理来自各种信息采集设备的多模态数据，尤其是视觉、听觉信号和文本等多元感官信息的数据，对于机器学习落地应用至关重要。Transformer架构和其衍生的大模型在自然语言处理和计算机视觉中的卓越表现推动了对复杂多模态数据处理能力的追求。然而，这也带来了数据隐私安全和满足个性化需求的挑战。为解决这些挑战，提出一种基于多模态Transformer的个性化联邦学习方法，它支持异构数据模态的联邦学习，在保护参与方数据隐私的前提下为其训练更符合其个性化需求的多模态模型。该方法显著提升了多模态个性化模型的性能：相较于对比方法，准确率提高了15%，这标志着多模态个性化联邦学习在应用场景限制上的突破。

概要介绍了电磁计算与电磁工业软件的研究进展。1）介绍了电磁计算方法的研究进展，对解析方法、高频近似方法、全波计算方法、快速计算方法，以及近年发展起来的混合方法进行了阐述；2）概述了基于时域有限差分方法（FDTD）、有限元法（FEM）、矩量法（Mo M）等全波计算方法的3款国际主流商业电磁计算软件的特点和发展历程；3）介绍了我国具有自主知识产权的“摇光”高频电磁工业软件的算法体系、软件功能以及实际应用情况；4）对电磁计算与电磁工业软件的未来发展进行了总结和展望。

三维医学图像在诊断和治疗中具有重要价值，但由于切片结构导致纵轴方向分辨率较低，给三维重建等任务带来一定挑战。针对三维医学图像在z轴方向上分辨率不足的问题，提出了一种基于插帧技术的新方法。该方法通过生成中间切片来提升图像的连续性，间接改善三维重建的质量。设计了一个紧凑型编码器-解码器网络，融合中间光流估计和中间特征重建，旨在克服传统图像处理方法中的模型失真和分辨率限制。此外，该网络通过特征金字塔结构有效融合全局与局部信息，并采用双重损失函数优化图像重建质量和特征空间的几何一致性。实验结果显示，相比现有插帧方法，该方法在图像质量、结构相似性、绝对误差和感知质量等方面实现了明显提升，平均提高约2.7%到5.8%。这些结果表明该插帧技术在脑肿瘤数据集上表现良好，展示了在提升医学图像连续性和细节方面的潜在优势。该研究对提高临床诊断的准确性和治疗效果可以产生积极影响，为医学图像处理领域的进一步研究提供了启示。

结合超短波通信中射频功放的实际工程应用，设计构建了一种复合型功放系统的检测电路及保护电路，并对其功能进行了研究。该设计的检测保护电路能够对脉宽范围50～110μs的信号进行实时监测，对应的占空比为4%～30%，在-35～0 dBm功率范围内对电路做出响应，开关的插入损耗≤2.6 dB，已在最新机载设备上获得应用，对提高功放的可靠性和使用寿命具有积极意义。

针对运动场景中运动员之间的相互遮挡、自身部位遮挡、运动器械遮挡及复杂背景干扰问题，提出一种高分辨特征生成复原网络，引入融合注意力机制筛选有用特征信息通道，加入反卷积和多尺度特征融合模块分层处理小目标人像与大中型目标人像的姿态估计任务。设计生成对抗模块，对缺失部分进行补全和预测得到关节点热图，经过姿态骨架和最优匹配算法确定出关节点连接方式，并输出可视化姿态估计结果。在MSCOCO和Crowd Pose数据集上的实验结果表明该姿态估计方法在复杂运动场景下效果更优。

网络高阶结构即满足特定条件的子网络，是网络科学领域重要的研究内容。近年来，关于高阶结构的研究不断增加，但是关于高阶结构之间内在联系的研究还相对较少。基于此，根据传统关联规则，定义了高阶结构之间的关联规则评判指标，并提出了一种有效挖掘高阶结构之间关联规则的通用算法框架。利用该算法，在6个真实世界网络中进行了3阶高阶结构（即高阶结构包含3个结点）间的关联规则挖掘。实验结果表明，真实世界网络中高阶结构之间存在强关联规则，且不同真实世界网络中高阶结构之间的关联规则存在差异。此外，将挖掘出的强关联规则应用于链路预测当中，进而实现了链路预测方法。相比于基线方法，所实现的链路预测方法在4个真实世界网络中取得了最好的性能表现。

针对物流无人机在城市低空复杂环境和高密度动态交通流下的避障决策问题，提出一种动态三维避障算法。首先对城市低空环境建模并将无人机的动态避障问题表达为马尔可夫决策过程，通过在动作集中加入高度变化等飞行动作，将避障算法可行解的范围拓展到三维空间中。其次改进了奖励估值函数，使算法能够在绕飞以及爬升越障中通过蒙特卡罗树搜索权衡最优避障策略。仿真表明该算法能够选择最优策略，缩短24.4%的飞行时间并减少33.2%的飞行距离。最后考虑到无人机感知系统容易因建筑物遮挡受限而造成对环境状态观测不完全，对算法鲁棒性做出了验证，其结果表明随着感知范围缩短，算法仍能求得可行解。

随着机器人系统工作环境的复杂程度日益增加，以及对实时性需求的逐步提升，机器人的安全避障能力将面临新的挑战，控制障碍函数作为一种基于控制器的安全方法在机器人安全控制系统中迎来新的发展契机。调研分析了控制障碍函数及基于二次规划的优化控制器，总结了机器人在已知和未知环境中的避障问题，综述了高斯过程和强化学习两种理论合成控制障碍函数的策略。最后，讨论了未来基于控制障碍函数的空地协同机器人安全控制需要重点关注的问题，为未来控制障碍函数的理论研究和技术应用提供了参考。

通信感知一体化技术与灵活可控无人机通信技术结合将成为6G无线通信网络“万物智联”的潜在技术。针对无人机通信感知一体化系统中无人机能量受限问题，提出了一种基于强化学习的无人机功率分配和轨迹设计的联合优化算法。该算法在用户通信速率和目标感知波束图增益约束下，通过构建与无人机能耗、发射波束和通信速率相关的线性加权奖励函数，以实现智能化的无人机功率分配和轨迹设计，从而最小化无人机通信感知一体化系统的能耗。仿真结果表明，该方案相较于基准方案降低了12.36%～21.08%的无人机能耗，并拥有更优的收敛性能。

论述了一款覆盖2～18 GHz的威尔金森功分器，能够满足超宽带、多频带应用。通过将2条功分路径上的电感相互缠绕形成互耦线圈，代替传统基于集总参数威尔金森功分器中的独立电感作为感性器件，在减小芯片面积的同时利用了线圈间的互感效应展宽功分器的工作带宽。芯片采用GaAs IPD工艺制作，在跨9倍频程的工作频带内，插入损耗仅为3.65～3.88 dB（附加无源损耗0.65～0.88 dB），带内损耗波动小于±0.12 dB，隔离度大于11 dB，输入输出回波损耗大于10 dB，除去焊盘的核心电路面积仅为780μm×430μm（在2 GHz为0.000 014 9λ2），展现了极好的宽带特性。

设计了一款抗辐射16位25 MS/s流水线型模数转换器（ADC）。根据电容失配等因素确定了第一级4位的流水线结构，并设计了改进的自举开关来提高采样线性度。为了降低系统功耗，设计了一种开关电容动态偏置电路，通过减小放大器的平均电流来降低ADC的系统功耗。为了满足抗辐射的要求，针对电离总剂量效应和单粒子闩锁效应的机理，对电路进行抗辐射加固设计。该款抗辐射ADC在0.18μm CMOS工艺上进行制造，转换器的芯片面积为2.5 mm2，经过辐射试验后，在采样率25 MHz、1.8 V电源电压和30.1 MHz正弦输入的条件下，ADC的信噪比（SNR）达到了76.7 dBFS，无杂散动态范围（SFDR）为95.1 dBFS，功耗为38.76 mW，抗辐射能力达到电离总剂量100 Krad(Si)和单粒子闩锁阈值75 MeV·cm2/mg，可满足空间环境的使用要求。

机械外载对大口径反射面天线的结构造成变形，进而影响天线的电性能。为了有效改善天线恶化的电性能，解决副反射面位姿调整技术仅能补偿主面大尺度机械误差的问题，提出了一种分区可动的副反射面补偿方案及其形状设计方法。首先，通过刚性调整标准副反射面的位姿校正主面的大尺度低阶变形；其次，将调整后的副反射面分割为若干面板，计算每个面板的位置参数并完成位姿调整，以消除主反射面的残余表面误差，而副反射面的面形由确定位置和姿态的面板组成，完成面形设计。数值理论模型和仿真模型案例结果表明，该文提出的方法能够快速实现副反射面的形状设计，设计的分区可动的副反射面可以补偿因结构变形引起的主面误差，有效提升天线的性能。

实现对永磁同步电机（PMSM）在低速转动工况下的高精度伺服控制是建立高性能星载激光通信链路的前提，其技术关键是对永磁同步电机转动状态的非线性特性进行精确描述。该文设计了一种具有能够处理连续动作空间特点的DDPG非线性控制器，采用梯度下降法分别训练评价神经网络和动作神经网络，实现了对非线性映射的精确拟合。Simulink仿真结果表明：和传统的比例-积分线性控制器相比较，DDPG控制器在跟踪参考低速信号时响应时间和稳定时间更短、跟踪误差更小；在施加扭矩时q轴电流响应更快，d轴电流波动更小，低速工况条件下的PMSM伺服控制性能得到了有效提高。

针对金融领域的投资组合优化问题中普遍存在的整数约束难题，提出了一种基于量子近似优化算法的新解法。该算法通过将经典算法得到的连续解编码为量子电路的初始态，从而将连续优化问题转化为离散的马科维茨模型。同时，引入硬约束来严格满足投资组合中的整数约束，确保解的质量。通过热启动技术，进一步提升了算法的成功率。数值模拟实验表明，该算法在求解大规模整数约束投资组合问题时，相较于传统方法具有显著的计算效率优势，且所得解的质量更优。

空铁联运是航空运输与铁路运输协作的一种联合运输方式，通过机场与高铁的无缝中转，旅客可以有效换乘，出行范围扩大。由于公共卫生事件、自然灾害带来的冲击，重点研究不同时段下航空-高铁相依网络过载级联失效的鲁棒性问题。构建线性负载容量模型对航空-高铁相依网络进行蓄意攻击和随机攻击下的鲁棒性分析，并结合负载容量系数β和初始负载系数α提出了中心节点负载占比p指标，分析α对网络鲁棒性的影响。研究发现：航空-高铁相依网络并非属于同配耦合和异配耦合的网络；蓄意攻击相依网络时，网络效率随β值的增大而增大，呈现一阶相变并存在临界负载容量系数；模型参数α通过指标p影响网络鲁棒性，p越大，单网越脆弱。而整体相依网络的鲁棒性，则取决于相依的两个节点中较大的p值；从不同时段下随机攻击相依网络上的节点结果来看，8:00-10:00时段是网络鲁棒性最高的时段，22:00-24:00是网络最为脆弱的时段。研究结论为构建快速高效稳定的空铁联运网络便于旅客选择空铁换乘提供理论依据。

得益于深度学习的发展，使用神经网络提升信号识别性能取得了很大进步。使用半监督方法充分利用未标记数据来辅助深度模型的训练，但是现有的半监督信号识别方法未考虑噪声的影响，因此提出了一种基于深度残差网络（Resnet）的半监督信号识别方法，并利用梯度逆转层改善了噪声对性能的影响。在开源数据集RML2016.10A、RML2016.10B和RML2016.10C上的实验结果表明，该半监督方法可借助少量标签数据信息和未标记数据来有效地训练深度模型，并且能缓解噪声对性能的影响。

海量图像以流数据的形式实时涌入网络，使得在线图像检索需求越来越迫切。为了保证在线图像检索性能，研究人员利用在线哈希算法实时更新哈希函数，并重新学习新、旧数据集的哈希码。然而，随着旧数据集的日益积累，在线更新旧数据集的哈希码会严重影响在线检索效率。为此，提出非对称深度在线哈希（asymmetric deep online Hashing, ADOH），以非对称的方式深度学习在线哈希网络，并且仅生成新数据集的哈希码，无须更新旧数据集的哈希码，能够有效地提升在线检索效率。ADOH算法通过最小化哈希码内积与相似度矩阵之间的差异，保持样本对之间的语义相似性关系。另外，ADOH算法建立分类损失项和标签嵌入模块学习样本的语义信息，使生成的哈希码更具备语义鉴别性。在3个广泛使用的数据集cifar-10、mnist和Places205上设置在线近邻检索对比实验，结果表明ADOH算法的在线近邻检索性能优于目前8种较先进的在线哈希算法。

针对多无人机辅助移动边缘计算中的任务卸载决策和路径优化问题，提出了一种基于多智能体深度强化学习的计算任务卸载与路径优化方法，以降低系统总能耗，提升计算性能。首先，设计了多无人机辅助移动边缘计算系统模型，通过软件定义网络技术对无人机网络进行集中管理；然后，在考虑无人机负载及用户设备关联服务公平性的基础上，以系统总能耗为优化目标，通过设计多智能体深度确定性策略梯度算法完成任务卸载与无人机路径管理优化，以实现负载均衡、降低整个系统总能耗。仿真实验结果表明，与其他基准算法相比，所提方法在充分利用无人机辅助移动边缘计算系统计算资源的基础上，可在一定程度上降低系统能耗和计算延迟，保证整个系统的高效、稳定和可靠性，较好地满足移动边缘用户的服务请求。

准确识别社交网络中的节点重要性对于促进或抑制信息传播、遏制疾病传播具有重要意义，同时在精准营销和社会治理等领域也具有重要理论意义和应用价值。该文从4个角度对节点影响力识别算法进行总结和梳理，具体包括：基于微观局部结构、中观的社团结构、宏观全局结构及基于机器学习的算法。详细介绍了其中的代表性算法，并从不同层面分析了不同算法的优缺点。此外还总结了常用的传播动力学模型和评价指标。最后提炼了仍需解决的问题和未来可能的研究方向。

针对传统水果图像分类算法特征学习能力弱和细粒度特征信息表示不强的缺点，提出一种基于改进Res2Net与迁移学习的水果图像分类算法。首先，针对网络结构，在Res2Net的残差单元中引入动态多尺度融合注意力模块，对各种尺寸的图像动态地生成卷积核，利用meta-ACON激活函数优化ReLU激活函数，动态学习激活函数的线性和非线性，自适应选择是否激活神经元；其次，采用基于模型迁移的训练方式进一步提升分类的效率与鲁棒性。实验结果表明，该算法在Fruit-Dataset和Fruits-360数据集上的测试准确率相比Res2Net提升了1.2%和1.0%，召回率相比Res2Net提升了1.13%和0.89%，有效提升了水果图像分类性能。

为了使人机协作系统中机器人能够准确地顺应人类行为，提出了一种基于在线学习的离散时间预定性能柔顺控制方法。该方法在外环采用在线顺序极限学习机算法估计人类行为，并将估计结果结合参考阻抗模型来重建参考轨迹。在内环建立了离散时间预定性能控制器用于跟踪重建后的参考轨迹，并利用时间延迟估计来获得机器人复杂的未知动力学模型。分析了闭环系统的瞬态和稳态性能，通过对比仿真验证了该方法的有效性。所提的离散时间控制方法可更好地满足数字计算机的工作原理，在减少计算和内存负担的基础上，使得机器人末端执行器的跟踪误差能够满足预设性能要求。此外，该方法无需机器人精确的数学模型，同时还能减轻人类操作机器人的力量负担，保证人机协作的柔顺性。

结构的极限状态方程常为隐函数，受到不确定性、时间和空间的影响，导致其输出为时变随机场。由于结构失效通常是小概率事件，需要大量有限元模拟，现有方法难以适用。尽管一阶/二阶可靠性分析方法可用，但精度和效率有限。该文提出基于主动学习Kriging代理模型的时空相关可靠性分析方法，旨在提高计算效率。首先推导随机样本在时空域内的极值符号预测概率，然后构建相应的学习函数。通过选择具有最小符号预测概率的候选样本加入训练集，并序列地更新Kriging模型，直至所有候选样本的准确预测概率超过99%，同时计算失效概率。通过3个算例验证了所提方法的效率和准确性，为时空相关可靠性分析提供了新思路。

随着深度学习技术的快速发展，行人搜索算法的研究得到大量学者的关注。行人搜索是在行人检测和行人重识别任务的基础上在图像中寻找特定目标行人。该文对近年来行人搜索任务相关研究进展进行了详细梳理。按照模型网络结构和损失函数两方面对现有方法进行分析和总结。依据卷积神经网络和Transformer两类不同的技术路线，重点阐述各自代表性方法的主要研究工作；并按照传统损失函数、OIM损失函数及混合损失函数对行人搜索采用的训练损失函数进行详细总结。此外，总结了行人搜索任务领域常用的公开数据集，比较和分析了主要算法在相应数据集上的性能表现。最后总结了行人搜索任务的未来研究方向。

宽禁带、高临界击穿电场和高饱和电子速度的材料优越性，以及铝镓氮/氮化镓（Al GaN/GaN）异质结能通过极化不连续性在其界面极化诱导出具有高浓度、高迁移率的二维电子气并制备出高电子迁移率晶体管，使氮化镓器件正成为下一代功率和射频应用领域的新型高性能电子器件。氮化镓基单片功率集成技术是减小寄生电感影响、提升集成电路开关速度、降低系统功耗和实现系统小型化的关键技术。该文围绕氮化镓单片功率集成技术，对p/n双极性沟道异质结外延结构、单片异质集成、全氮化镓集成电路和p沟道器件关键技术的研究进展进行了全面分析。

在高压电子系统中，瞬态强电磁干扰会通过空间辐射、传导耦合等方式影响低压控制区的正常工作，在该工况下系统的电磁兼容问题较为突出。该文在时域电流测试与近场扫描结合的基础上，提出了一种改进的人工智能近场扫描算法，可实现强瞬态电磁干扰下传导耦合路径的高效可视化，据此采取了相应的整改措施并解决了系统中的电磁干扰问题。与传统近场扫描方法相比，该文提出的人工智能算法可大幅度提高测试效率。此外，还分析了不同参数的选择对该人工智能算法稳定性的影响，提出了一种自动停止扫描的判决标准，该判决标准使人工智能近场扫描算法不需要人为干预，从而具有更高的智能化与鲁棒性。

针对水下传感器节点随洋流移动导致的网络覆盖率和连通率较低的问题，提出一种新的水下动态拓扑控制方法。节点部署阶段，利用模拟退火算法计算节点的期望部署位置，并采用蜿蜒洋流移动模型预测节点的实际部署位置，节点无须消耗额外能量调节自身位置即可保持网络的全连通和高覆盖率；拓扑优化阶段，以最大化延长网络寿命为目标，自主水下航行器根据节点实时情况执行高效的拓扑优化策略。仿真结果表明，与现有的CDA、SLO及随机部署方案相比，提出的新方法在保持全连通性的前提下具有更好的覆盖率和平均节点度；节点存活率和数据包传输成功率分别提升了11.6%和11.53%，有效提高了网络寿命。

针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题，提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质，重新设计主干网络部分，引入全维动态卷积（OMNI-Dimensional Dynamic Convolution, ODConv）模块和改进坐标注意力（Coordinate Attention, CA）机制，提高模型对小目标的检测精确度并减少参数量；其次，引入解耦头（Decoupled Head, DH）模块，提高模型训练的收敛速度；最后，加入GSConv(Graph-Shifted Convolution) Slim模块，以降低模型的复杂度，提高预测速度。实验结果表明：改进后的算法模型漏检率降低40.22%，每秒浮点运算次数（Floating-point Operations Per Second, FLOPs）提升了25%，平均准确率提升了28.32%。

在异常检测领域中，生成对抗网络（Generative Adversarial Nets, GAN）和自编码器（Autoencoder, AE）近年来取得了较好的应用效果。然而，现有的基于GAN的异常检测模型普遍存在重构能力差的问题。针对于此，该文提出一种双判别器的GANomaly网络模型，其中，全局判别器用于提高图像的重构能力，局部判别器用于提高在空间层次的编码能力。分别在MvTec数据集和自制轮胎X光图像数据集上对文中所提方法进行验证，实验结果表明，该方法能够有效提升模型的重构能力，降低异常分数阈值，提高异常检测的准确率。

针对Wi-Fi指纹定位精度低、维护繁琐、训练成本大的问题，提出一种基于信道状态信息（CSI）和改进多元核函数极限学习机（FO-MKELM）的室内定位方法。首先在预处理阶段对CSI幅值差和重构相位信息进行融合，以减少环境噪声的影响；其次，在离线训练阶段，采用分段式量子粒子群算法（QPSO）为模型寻找最优参数,以提高定位精度和泛化性能；然后，为抑制环境改变对定位性能的影响，引入在线增量学习和遗忘机制，添加部分新增数据进行增量学习持续更新定位模型，并设置数据有效期遗忘过旧数据减少不良影响；最终，在在线预测阶段，将模型输出与标签库进行匹配获得更为准确的坐标。在空旷楼道和复杂实验室两种不同的环境下进行实验验证，该算法相比其他定位方法在定位精度和长期稳定性上都有所提升。

针对传统参数优化方法计算开销大，不能满足实时性要求高、计算量大等应用场景的问题，结合当今主流的机器学习方法，提出了一种改进的基于BP神经网络的参数优化方法，利用本地搜索算法的数据训练网络并对参数进行预测，替代传统的查找算法，从而获得更好的实时性和更低的计算复杂度，随后与基于随机森林和XGBoost的方法进行了比较。仿真结果表明，BP神经网络预测所得各参数的均方误差数量级为10^-6或更小，由该参数计算所得密钥生成率与最优密钥生成率比值的均值为0.998 8，且该应用中BP神经网络相对随机森林和XGBoost具有更好的预测性能。

针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题，通过对基于全变分的CT迭代重建算法进行神经网络展开，提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络，从而改善了CT重建图像的视觉质量。首先，采用原始–对偶算法求解基于全变分的CT重建问题，得到易于神经网络展开的迭代重建算法。然后，对该迭代重建算法进行神经网络展开，尤其是对正则项部分的算法进行神经网络展开，得到迭代展开CT重建网络。在模拟的低剂量CT数据集上验证了该算法的有效性。实验结果表明，与6种低剂量CT重建算法相比，该算法在抑制低剂量CT图像噪声的同时，很好地保留了图像中的结构和细节纹理。重建图像的定量评价分析显示，该算法取得了良好的峰值信噪比和归一化均方误差指标值，验证了提出的低剂量CT重建算法具有较好的噪声抑制能力和较强的鲁棒性。

治疗性抗体已成为全球生物制药行业不可或缺的组成部分。如何从海量非人源抗体中选择出或者基于非人源的先导抗体设计出人源化程度高的抗体从而降低其免疫原性，这一问题已成为当今抗体药物开发领域的研究热点之一，相应的经验、实验及计算方法统称为抗体人源化技术。已有研究证明，在保持抗体特异性、亲和力和稳定性等特征的前提下，提高抗体人源度能够有效降低其免疫原性。抗体人源化相关计算方法主要涉及人源化抗体的设计、抗体人源度的计算与评价等。当前，许多计算工具已被证实为抗体人源化和人源度评价的有效工具。该文系统性概述了抗体人源化的理论依据以及基于此开发出的计算方法的发展历程，并讨论了相关计算方法研究的最新进展。

随机变量的均值估计问题一直是经典数据分析中研究的热点，均值估计算法的目的是通过对随机变量尽可能少地采样从而获得尽可能准确的均值估计值。量子计算作为一项革命性的技术，在一些问题上具有超越经典计算的优势。量子算法在均值估计问题上相对于经典算法具有平方加速，展现了量子计算的优越性。该文系统梳理了量子均值估计算法的发展历程，详细介绍了各阶段的算法流程及其优缺点，并对其主要应用场景进行了展示，最后讨论了量子均值估计算法的潜在发展方向。

针对FDA-MIMO雷达接收数据维数高和工程实现复杂的问题，提出一种FDA-MIMO雷达卷积波束空间目标角度、距离估计算法。首先基于发射波形间的正交性，将对应各发射波形的回波信号通过一组满足奈奎斯特性质的滤波器组，然后对各滤波器的稳态卷积输出进行抽取处理以降低数据维数；对抽取数据应用传播算子法，再基于卷积滤波器的通带特性和FDA阵列角度、距离间的耦合关系，实现目标角度和距离参数的无模糊估计。仿真实验验证了该参数估计算法的有效性。

提出一种基于Slepian序列信号字典的目标频段瞬态信号检测方法，该方法只关注目标频段的能量信息，是一种高效率的检测方式。首先，选取标准正交的Slepian序列组成信号字典，该字典能够表征目标频段内信号特征；然后，通过判断被观测信号样点与字典的匹配程度实现检测。对比实验表明，该方法的计算效率比短时傅里叶变换提升92%以上，比离散小波变换提升71%以上，比加窗Wigner-Ville分布提升35%以上。仿真实验使用时域稀疏的脉冲调制信号进行验证，结果表明了该检测方法的有效性。

为解决栅栏效应对频率估计精度的影响，提升频率估计的精度和抗噪性能，提出了一种基于改进Chrip-Z变换（CZT）的高精度频率估计算法。将频率估计的过程分成粗估计和细估计两个过程，使用FFT算法对信号进行频域分析，获得信号频率粗估计值，基于信号频率的粗估计值确定频率的细化区间，使用CZT算法对该区间的频谱进行细化，使用细化后频谱最大谱线及其左右谱线的幅值对频率估计值进行修正，得到精确的频率估计值。仿真表明，该算法能够以较低的细化倍数，获得高精度频率估计值，且具有较好的抗噪性能。使用FMCW雷达进行测距实验，验证了该算法的实际应用效果优于现有算法。

随着大面积气体电子倍增器——时间投影室探测器的不断发展，其对读出电子学的密度和集成度要求越来越高。基于180 nm的CMOS工艺设计完成了一款10 bit、20 MSPS的逐次逼近寄存器型模数转换器原型芯片。利用该芯片结合模拟前端模块和数字信号处理器，可实现全数字化的前端读出专用集成电路用于GEM-TPC的读出。该ADC主要由DAC模块、动态比较器模块、异步时钟生成模块和SAR逻辑模块构成。仿真结果表明，输入信号频率为1.836 MHz时，ENOB为8.61 bit，内核功耗约为3.3 mW/Ch。

印制电路板铜焊盘表面生成耐高温有机可焊保护剂（HT-OSP）膜是克服无铅高温回流焊工艺并获得良好焊点的关键。选用2-[（2,4-二氯苯基）甲基]-1H-苯并咪唑(C₁₄H₁₀Cl₂N₂)作为成膜剂,在铜层表面生成了HT-OSP膜。理论计算结合对比实验,研究C₁₄H₁₀Cl₂N₂分子与Cu原子反应生成HT-OSP膜机理。基于量子化学密度泛函理论,模拟C₁₄H₁₀Cl₂N₂分子与Cu⁺之间的络合反应;利用红外光谱对HT-OSP膜中的特征官能团进行表征;借助X射线光电子能谱测试HT-OSP膜中Cu元素的化合价;设计对比实验分析Cu²⁺对生成HT-OSP膜的影响。结果表明:HT-OSP膜生成机理是C₁₄H₁₀Cl₂N₂分子与Cu原子发生反应生成HT-OSP膜并沉积在铜层表面,Cu²⁺通过络合反应促进HT-OSP膜生长。另外,HT-OSP膜的分解温度高达531℃,HT-OSP膜保护的铜层放置在自然环境中180天没有被氧化,证明HT-OSP膜具有优异的耐热性和抗氧化性。

有限元网格是链接几何模型和数值仿真的关键纽带，其自动化自适应生成仍是须重点研究的问题。文章综述了三角形网格、四面体网格、四边形网格和六面体网格的研究现状；对非结构化网格生成方法进行了总结，详细介绍了三角形网格和四面体网格生成的主流方法与工程技巧；进一步对结构化网格生成的技术和发展进行了分析，论述了四边形和六面体网格的各种生成方法的原理、优缺点以及研究趋势。

短波红外光探测技术在军事国防、工业制造、医疗诊断等领域得到了重要应用，然而昂贵的价格限制了该技术的普及和应用场景的拓展。发展基于新型光敏材料的短波红外光探测被认为是该技术实现大规模应用的关键。有机光探测器在低成本和柔性化两方面具有显著的优势，在短波红外光探测领域发展十分迅速，有望与In Ga As和量子点等技术实现互补，在物联网与人工智能经济领域的低成本需求端实现大规模应用。该文对有机光探测器的工作原理和性能参数做了基本介绍，系统总结评述了聚合物和小分子两类短波红外有机光探测材料的发展，以及短波红外有机光探测技术的应用。