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。

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。

准确识别运动想象脑电信号是神经科学和生物医学工程领域的重要挑战。设计了基于位串行卷积神经网络加速器的脑电信号识别系统，充分利用其小体积、低能耗和高实时性的优势。从软件层面，介绍了脑电数据的预处理、特征提取及分类过程，并采用格拉姆角场转换将一维信号映射为二维特征图供网络处理。在硬件层面，提出了列暂存数据流和固定乘数原位串行乘法器等方法，在FPGA上实现了位串行卷积神经网络加速器的原型验证。实验表明，基于位串行LeNet-5加速器的FPGA实现对BCI竞赛Ⅳ数据集2a和2b的分类平均准确率分别达到95.68%和97.32%,kappa值分别为0.942和0.946，展现出的优异性为运动想象脑电信号识别的高效实现提供了思路。

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。

自动调制样式识别是非合作通信场景中实现信号检测和解调的关键前提。近年来，深度学习在自动调制样式识别领域展现了显著的优势。然而，现有研究普遍忽视了通信过程中随机干扰所带来的挑战。事实上，由于无线通信的开放性和广播特性，干扰攻击已成为无线通信中的重大威胁。为了充分发挥自动调制样式识别在无线通信中的潜力，该文深入探讨了干扰环境下基于深度学习的调制样式识别技术，针对已知干扰和随机未知干扰两种情况，设计了相应的基于干扰认知的识别方法，并通过开放数据集RML2016.10a验证了该算法的有效性。

地面雷达部署于阵地后，由于地面多路径反射叠加，会产生垂直方向波瓣的分裂，即多径效应。多径效应对低频段地面雷达的探测性能影响显著。该文从多径效应产生的机理出发，定量分析了其对雷达探测威力与精度的影响。在此基础上，提出了地面雷达的地形匹配设计，包括反射点调整法和频率分集法，通过合理设计，不仅可以消弭多径效应的影响，还能增强雷达探测的威力。该方法可以指导地面雷达部署后的阵地优化，提升雷达的探测性能。

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。

针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题，提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈（Tri-Neck）网络结构，用于融合多尺度特征语义隔阂及弥补小目标特征缺失的问题。2)提出一种分组批量动态自适应通道注意力模块，增强弱语义小目标特征同时抑制无用信息，且在动态自适应通道注意力模块中设计新的激活函数和交并比损失函数，提升通道注意力表征能力。3)采用ResNet50作为骨干网络依次连接特征金字塔网络和Tri-Neck网络。实验结果表明，该方法在Pascal Voc 2007、Pascal Voc 2012上比YOLOv8算法mAP分别提升5.3%和6.2%，在MS COCO 2017数据集上AP和AP_S分别提升1.6%和2%，在SODA-D数据集上比YOLOv8算法AP提升0.9%。

研究采用传递熵方法对反社会行为（antisocial behavior, ASB）个体的大脑功能异常进行了神经网络效应分析。结果显示，ASB组的效应连接全局同步性显著下降，同时节点的介数中心性和度中心性存在显著差异。其中，右侧颞叶、左侧枕叶及梭状体的节点介数中心性显著降低，而左侧额下回、脑岛和楔前叶则显著增加。节点度中心性的变化表现为右侧额中回等区域降低，而双侧中央后回、左侧颞下回、脑岛等区域升高。此外，ASB组在14个典型大脑网络中呈现显著不同的效应连接模式。这些发现为理解反社会行为的神经基础提供了重要启示。

智能学习方法在网络数据异常分析中发挥着重要作用，但传统智能化异常分析方法难以在网络数据分析结果的可解释性、异常分析的计算资源消耗量、网络数据流序列数据分析准确度上寻得平衡。为克服以上问题，提出了一种结合混合特征选择和Transformer的网络数据流异常检测模型，基于混合特征选择方法进行数据预处理，基于改进的Transformer进行异常检测。采用树模型与互信息的混合特征选择算法对网络数据特征进行降维。采用Transformer的encoder部分作为分类任务的核心，并融入卷积操作来增强对网络数据流序列数据的局部感知能力，通过分类头进行输出。对所提方法进行了仿真实验，在公共入侵检测数据集CICIDS2017上进行验证，实验结果表明，该模型能对网络数据流异常进行有效检测，优于所对比的基于神经网络的入侵检测方法。

目标物体导航是在未知的环境中根据视觉观察到达预期的目标物体。其中，如何从视觉观察中找到目标物体的方向是至关重要的。针对这一问题，提出一种基于多特征融合的目标物体导航方法。该方法通过特征融合模块融合包含导航环境整体信息、局部信息的视觉特征和指代目标物体语义的文本特征，得到表征导航方向的方向特征和导航环境的环境特征，将视觉表示与导航方向相关联，从而指导导航动作的生成，约束代理朝目标物体方向导航，提高模型的导航成功率和效率。AI2-Thor数据集上的实验表明，和基准模型对比，导航成功率SR提升11.7%、导航成功路径长度加权比率SPL提升0.093；和目前先进的方法对比，SR提升2.1%、SPL提升0.008。实验结果证明了该方法的准确性和高效性。

在解析大脑的功能连接（functional connectivity, FC）时，血液动力学响应函数（hemodynamic response function, HRF）的差异性往往被忽视，然而该差异会影响到FC的计算，进而混淆统计结果的准确性。该研究以糖尿病患者为例，基于他们与健康人群的静息态功能性磁共振成像（resting-state fMRI, rs-fMRI）数据，对比研究了两者HRF参数（响应高度、响应时间、全幅半宽）的差异，并以具有显著差异的脑区作为种子点构建全脑功能连接，进行解卷积前后组内和组间连接强度差异性的统计分析。研究结果表明，在一些关键大脑区域（如brain64），糖尿病患者组的HRF参数与健康人群的统计结果存在显著差异，t检验统计结果显示FC连接强度在解卷积前后具有显著差异的结果不同，反映出HRF差异性影响了FC连接强度的计算，进一步可能影响到对于糖尿病脑网络变化和其内在神经机制的理解。研究结果说明在脑代谢性疾病中以血氧水平依赖(blood oxygen level dependent, BOLD)时间序列为基础进行FC等分析时，需充分考虑到HRF差异性对结果的潜在影响，并对BOLD时间序列进行解卷积，以校正HRF差异，这将有助于更精准地捕捉大脑功能连接的变化和特征，更深刻地反映疾病机制，并且部分解决fMRI研究结果的可重复性问题。

PN结是半导体器件结构的基础，对PN结掺杂剂分布的量测直接关系到器件的性能和可靠性。对于掺杂剂分析，二次电子图像展示了巨大的潜力。基于扫描电子显微镜对硅基MOSFET和碳化硅MOSFET的PN结进行量测，发现硅和碳化硅两种材料的掺杂衬度存在明显差异。为探究该差异产生机理，利用样品电流法测量相关材料的二次电子发射系数。分析测试结果发现，掺杂半导体衬度产生与表面态有关，对二次电子图像在半导体量测中的应用具有指导意义。

量子计算机潜力巨大，是国内外积极关注的颠覆性计算技术，已经逐步进入人们的视野，被赋予能够高效解决经典计算机不能解决的问题期望。该文首先总结了国内外量子计算机系统的发展（涉及硬件、软件多个层次），并归纳了目前量子计算系统需要面对的问题以及相关的解决方案和方向。随后，提出了量子操作系统的设计原则，并介绍了一种量子操作系统QuOS的原型核心机制。

有机电化学晶体管（organic electrochemical transistor, OECT）作为高效的离子-电子换能器在生物电子学领域受到了广泛关注。但当前具有超高循环稳定性的OECT仍然鲜有报道，成为了阻碍其进一步发展及商业化的瓶颈问题。为了探究循环稳定性测试过程中OECT性能衰退的规律及其机理，该文对比了平面结构和垂直结构的OECT在相同测试条件下的循环稳定性，并使用光学显微镜表征了测试前后的沟道区域形貌变化；同时还对比了垂直结构OECT在不同偏置条件下的性能衰退情况。实验结果表明：OECT循环稳定性的衰退是多方面因素共同作用的结果，其中离子的反复掺杂/去掺杂过程、源极/漏极上偏置电压以及非电容性法拉第副反应的产生都会加速OECT的性能衰退。

针对监控环境复杂，行人在光照变化、视角变化和遮挡等不同条件下图像外观差异较大，导致行人细节特征难以被提取的问题，提出了一种融合注意力机制的多粒度行人再识别模型。该模型通过引入多分支结构，提取包含不同尺度信息的特征图；结合多粒度切分模块和注意力机制，进一步提取特征图的局部判别性信息，获取多样化的特征表示并实现特征的协调统一；采用联合学习的方式对模型进行监督训练，得到更全面的特征描述。在主流的行人再识别数据集Market-1501、DukeMTMC-reID和CUHK03上取得了优异的性能，mAP分别达到了88.42%、78.86%和76.70%，结果表明了该模型的有效性。

反符合探测器（ACD）是甚大面积伽马射线空间望远镜（VLAST）的一部分。为充分测试探测器的功能和性能，并兼容未来多版本探测器的升级与评估，需要设计具有一定灵活性的数据采集系统。该文针对ACD的需求设计并实现了基于USB 3.0规范的数据采集系统，包括USB相关的硬件设计、FPGA逻辑设计和上位机软件设计。软件系统作为该设计的核心，使用Python 3.11实现，应用多线程技术灵活配置系统中接入的USB设备数量并进行设备控制和数据传输。该系统已应用在反符合探测器原理样机中，并在欧洲核子研究中心（CERN）进行了束流实验。实验结果表明，该数据采集系统在长时间实验下工作正常，运行稳定，符合探测器测试需求。

图神经网络（GNN）被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络结构，容易引入新的偏差并导致信息丢失。该文提出了一种改良的装袋（Bagging）集成学习方法，对不平衡图数据集进行了k折划分，并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后，通过融合不同模型来提升节点的分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果，表明所提出的方法在准确性和鲁棒性上优于基本分类器，此外，还发现分类精度随着k的增加先提高后降低。

推荐系统需要利用大量用户数据进行运算，存在用户隐私泄露风险。虽然差分隐私技术已被用于保护用户隐私，但在不可信服务器场景下，现有方法由于过多噪声注入会导致推荐效果下降。针对此问题，提出了一种结合混洗器的差分隐私矩阵分解推荐算法，利用混洗操作的隐私放大效应来减少噪声。在此基础上，通过对本地最大的k个梯度添加噪音来避免因数据稀疏性引起的推荐性能下降的问题，从而更好地优化了隐私保护与数据效用之间的平衡。理论与实验结果均验证了该算法不仅能有效提升隐私保护力度，而且能够产生良好的推荐效果，展现出良好的应用潜力。

具有丰富多孔结构金属有机框架（MOF）在超级电容器领域拥有巨大潜力，但其固有的低导电性严重制约了其在电极材料方面的应用。通过将MOF晶粒嵌入至石墨烯（GE）的三维立体网络内部，并通过共轭聚合物聚吡咯（PPy）的长链结构，共同构筑起集3D分级多孔特性和高度稳定、高效导电性于一体的MOF/PPy/GE三元复合骨架。研究结果证实小比例掺杂PPy的钴（Co）基MOF能在三维网格中更加均匀地分散镶嵌，协同石墨烯纳米片层与导电性优异的PPy链段形成稳定的多级孔隙三维网络结构，有效缓解了石墨烯层间的堆砌效应。电化学性能测试数据显示，制备的复合电极材料显示了出色的电化学储能能力，比电容高达403.56 F/g，并在经过10 000圈循环测试后仍能保持高达98.25%的电容稳定性，体现了优良的超电容性能。

针对兰州重离子治癌装置束流诊断系统中束流剖面探测器分条电离室，研制了一套多通道微电流数字化读出系统，包括数据采集电路和上位机软件。数据采集电路基于电流数字转换芯片ADAS1128设计，具有256路模拟输入通道，接收分条电离室探测器输出的微电流信号并将其转化为数字信号。采集数据通过FPGA处理后，由千兆以太网传输到上位机，上位机软件接收数据并进行存储、处理和显示。数据采集电路体积小，尺寸仅为14 cm×12 cm，便于和分条电离室探测器集成安装。通过测试，在43.5～691.25 nA工作范围内，通道噪声最大为3.8 nA，非线性误差小于0.3%，系统单通道最大功耗约为13 mW。系统经过长时间运行稳定可靠，满足分条电离室对数据采集系统高精度、高集成度和低功耗的需求。

随着大数据时代的到来，信息抽取已成为自然语言处理领域的重要研究方向。信息抽取涉及多项任务，包括命名实体识别、关系抽取和事件抽取等，每项任务通常需要依靠专用模型来应对其特定的挑战。该文提出一种基于提示学习的ERNIE-BiLSTM-PN通用信息抽取方法（EBP-UIE），结合预训练语言模型（ERNIE）、双向长短期记忆网络（BiLSTM）和指针网络（PN），旨在通过一个统一的框架解决信息抽取任务的复杂性，并实现跨任务知识的共享。ERNIE优化了对文本的深层理解和上下文分析，BiLSTM的应用加强了对序列特征的捕捉及长距离依赖关系的解析，PN则提高了对文本中信息元素起止位置的精确标定，提示学习机制灵活实现多个信息抽取任务的统一建模。实验结果显示：在命名实体识别任务，EBP-UIE在MSRA和PeopleDaily数据集上的F1分数比UIE模型分别高出7.12%和0.53%；在关系抽取任务，EBP-UIE在DuIE数据集上的F1分数超过UIE模型6.84%；对于事件抽取任务，EBP-UIE在DuEE数据集上的触发词和论元抽取F1分数分别比UIE模型高出4.49%和0.95%。

框内突变是编码区插入缺失突变的一种常见类型，与癌症的发生发展密切相关。然而，计算方法在癌症驱动框内突变预测方面的有效性尚缺乏明确共识。首先，系统地比较和评估了8种计算方法，证实了它们在识别癌症驱动框内突变的适用性及可靠性。然后，选用其中4种表现优异的计算方法，进一步挖掘了癌症基因组中潜在的驱动框内突变，并探究了这些突变作为癌症驱动突变的合理性。最终，构建了一个用户访问友好、集成多种预测方法及注释信息的线上数据库dbCCID，旨在为研究人员提供便利。这些工作为癌症框内突变预测方法的选择和开发提供了理论支撑。

识别社交网络中的机器人账户，可以保护社交网络运营商及其用户免受各种恶意活动的侵害。现有的基于网络结构的社交机器人识别方法，忽略了真实网络多数是节点或连边性质具有差异的异质网络，无法充分利用不同类型节点或连边的拓扑结构信息，使得在识别社交机器人时存在一定的局限性。基于模体理论融合节点标签信息，提出一种基于异质模体特征的社交机器人识别方法，提取更加细节的局部信息来区分人类用户和机器人用户。所提方法与BotRGCN方法相比，在ACC、Precision、Recall和F1这4个指标上均有所提升，其中ACC指标提高了17.3%,Precision指标提高了23.3%，同时相较于对比方法，在面对标签噪声时展现出更强的鲁棒性。该识别方法可以更精确地识别社交机器人，从而有效防止恶意机器人对社交网络平台进行攻击、传播虚假信息或进行欺诈行为。

低空小微目标分类问题是雷达业界的难题之一，严重影响了雷达的探测性能和系统作战指挥效能。为了准确、快速识别旋翼、固定翼等低空小微目标，提出一种基于高维特征域的低分辨雷达小微目标分类识别方法。通过提取信号层的一系列时频微观特征和航迹宏观特征，对特征进行内积、幂变换等获取高维特征域，利用学习树网络建立多层级目标分类识别模型，实现低空小微目标分类标记。研究结果表明，该方法能准确、快速地实现小微目标的分类。

在通信、雷达等应用场景中，常常需要对稀疏信号进行高精度的频谱运算。传统基于快速傅里叶变换的方法需要大量运算资源，频谱分析效率低。为了解决高精度和实时性的矛盾，该文提出了一种基于稀疏傅里叶变换的频谱分析方法，利用延时采样的相位旋转效应，在低采样率下实现宽带信号的快速频谱感知。实验结果显示，这种方法在欠采样且存在混叠的稀疏信号测试场景下大幅减少了运算压力，运算效率比FFT提升了2倍以上，在典型的稀疏场景下，对信号恢复精度超过95%。

针对壁画图像在拍摄过程中存在的环境光色辐射以及由于年代原因形成的色彩退化等问题，提出了多任务分解与自适应色彩均衡融合下的敦煌壁画色彩恢复增强算法。该算法通过分析壁画图像存在的问题，对问题进行任务分解，首先对壁画各通道信息提取暗通道信息并进行纹理和细节增强，同时为避免增强后原始壁画上存在的脏点影响色彩增强效果，又对其进行局部滤波处理，并配合自适应色彩均衡模型，使输出壁画不仅在色彩上有了较好地提升，纹理信息也更加丰富。随后采用融合算法，融合自适应色彩均衡与滤波后的结果，使壁画细节及色彩信息更加丰富，壁画图像对比度、能量值以及相关性均得到提升。

针对多米诺环形采样器（DRS4）采样单元的采样间隔不均匀，提出了一种新的校准方法，以斜坡脉冲作为校准源，利用每两个连续采样单元对斜坡脉冲采样的幅度差和采样间隔的固定比例关系（斜率相等）进行计算，获得采样间隔的校准值。信号发生器产生周期200 ns、斜率±4.5 mV/ns的两种斜坡脉冲，波形采样数字化板采样后计算线性增加/降低过程中1 024个采样单元的采样间隔，得到采样单元平均采样间隔为200.288 ps、RMS为15.603 ps。测试结果与“正弦波过零”法和“锯齿波”法得到的校准采样间隔进行比较，平均采样间隔相对误差分别为0.14%、2.49%、2.48%，斜坡法校准精度最高。同时，斜坡法对校准源信号频率无范围限制，迭代次数3 000次即可满足测量精度，更适合于具有实时校准应用需求的场合。

毫米波因在近场具有较强的物体穿透能力和优异的空间分辨率，在航空航天高强度低密度隔热抗腐蚀吸波的复合材料无损检测领域引发了广泛关注。主动反射式毫米波成像主要利用近场毫米波与物体的反散射效应来反演被测物体的特征。目前已有的近场毫米波成像方法主要利用毫米波能量衰减效应重构被测物体的图像，而该文将相位成像与近场毫米波成像相结合，利用毫米波与物体的相位效应进一步扩展面向无损检测的近场高精度成像方法。提出的近场毫米波相位成像方法首先利用基于球面波分解的近场二维合成孔径算法来反演被测物体反射率的相位主值数据，然后通过近场相位展开算法重构被测物体的高精度绝对相位图像。为了验证该方法的可行性，对金属遮蔽、材料夹层、聚四氟乙烯、石英陶瓷和氮化硅试块进行了实测，测试结果表明30～40 GHz毫米波近场相位成像方法可以有效检测半径为2 mm的缺陷。

近年来，以深度神经网络为代表的人工智能技术被应用于功率放大器的行为模型构建中，高精度的非线性拟合度可以满足功率放大器行为模型表征的要求，但仅适用于单一工作状态。随着对行波管放大器输入输出特性的深入研究，输出信号受到输入端激励信号的频率和温度变化等多因素的影响，如何基于深度神经网络构建面向行波管放大器的多状态行为模型亟需研究。该文提出一种面向行波管放大器的多状态神经网络建模方法，引入嵌入编码向量表征行波管放大器的多种工作状态，通过增加跳跃连接构造多状态行为模型以避免梯度消失的问题。实验结果表明，与传统方法相比，该方法能够构建表征行波管放大器的多种工作状态，且不会随着模型规模的增加而损失模型精度。

分析和研究肺癌患者住院费用的影响因素有利于更好地理解肺癌住院支出及疾病负担，也对优化医疗支付政策等工作有重要的参考意义。该研究共纳入12 117例2020年1月—2023年9月间，某省多家医院的成年肺癌患者住院记录数据，首先利用K-means聚类将住院费用进行离散化预处理，并采用单因素logistic回归从42个因素中筛选出25个潜在影响因素，之后基于CatBoost和XGBoost分别构建成年肺癌患者住院费用预测模型并开展模型性能评估，以变量的特征重要性评分为依据衡量其对住院费用的影响程度。该研究还使用基于多因素logistic回归的方法建立了高住院费用评分工具。结果显示，CatBoost和XGBoost均具有良好的预测性能（AUC>0.95）,CatBoost表现略优于XGBoost。基于CatBoost模型，该研究明确了住院天数、手术级别、是否放疗、抢救次数、肺癌组织学分型、年龄、是否化疗、是否首次住院和中性粒细胞计数共9个影响肺癌住院费用的重要因素，并根据赋分标准将其中7个因素纳入评分工具。评分工具的区分度和校准度在测试集上得到验证，结果显示评分工具的AUC值达到0.958，表现出了卓越的性能。

高光谱微波辐射计相比于传统辐射计通道数量大幅度提升，可获得连续、高频率分辨率的亮温探测结果，但由于通道间相关性以及通道细分后灵敏度下降等问题，其对于高光谱微波遥感能力的提升需要进一步的理论研究支撑。针对上述问题及当前未有对地观测高光谱微波辐射计在轨运行载荷的情况，构建星载高光谱微波辐射计亮温仿真与大气温度廓线反演分析平台，该平台基于辐射传输理论和大气微波气体吸收系数模型对星载高光谱微波辐射计探测亮温进行仿真，同时利用仿真数据建立并训练基于神经网络算法的反演模型。基于该平台对50～70 GHz氧气吸收带观测亮温和大气温度廓线反演结果进行分析，对比不同通道数情况下观测亮温、权重函数和反演统计误差结果。实验结果表明，高光谱微波辐射计对各气压层大气温度廓线遥感探测精度均有提升，尤其是对于高层大气温度廓线提升显著。

随着5 G技术的广泛应用和6 G网络技术的前瞻性研究，物联网设备已广泛应用于各种实际场景中，无线通信网络也日益复杂。在这样复杂的无线通信环境中，确保数据安全和通信效率尤为关键。广播鉴别协议作为主要解决方案之一，已应用于多种场景，但在面对多类型、大规模节点的安全广播需求时，现有协议仍存在局限性。针对这一问题，提出了一种创新性的广播鉴别协议：混合多级μTESLA协议。该协议融合并优化了现有TESLA协议及其变体的优点，特别针对多类型节点环境进行了创新性改进。协议采用了双层密钥链设计，其中高级密钥链具有较长的时间间隔，用于生成和管理低级密钥链；低级密钥链则直接应用于消息鉴别。这种设计不仅提升了鉴别效率，还显著减轻了广播节点在密钥使用和存储方面的负担。此外，低级密钥链被分为多组，每组专门用于向特定类型的节点群广播消息，实现了针对不同类型节点群的分类广播与资源的动态优化。

针对最优常加速度控制方法在磁流变缓冲座椅系统中适用冲击强度范围小且不连续的问题，提出了最小峰值传递载荷控制方法（MPTL）。基于磁流变座椅系统的动力学方程，理论推导出系统在MPTL方法控制下的状态，并分析了MPTL方法的适用冲击强度范围及所需可控阻尼力范围；仿真分析了MPTL方法在不同冲击条件下的缓冲防护效果，并通过实验对仿真分析进行验证。结果表明，MPTL方法不仅可以最小化传递载荷的峰值，还对冲击强度和负载质量有较好的适应能力。

传统的频谱感知方案通常假设信号为圆信号，在非圆信号的信道环境下存在一定程度的性能损失。针对这一问题，提出了一种基于非圆信号的频谱感知方法。利用非圆信号的补偿协方差不为零的特征，在广义似然比的框架下推导了检验统计量。该方法能够充分利用非圆信号的完整二阶统计特性，并且无须预知主用户信号的先验知识以及背景噪声功率。另外，推导了零假设下所提方法的统计矩，并基于埃奇沃斯展开（EE）定理得到所述方法的分布函数。在此基础上，进一步建立了判决门限的表达式。仿真结果表明，与现有的频谱感知方法相比，该方法具有明显的性能提升。

起重机的起升机构需使用传感器来监测其运动参数，目前传感器主要使用电源或电池供电，存在布线困难、无法提供持续性电源（电池供电）等问题。为此研究了一种具有自驱动传感功能的双向俘能式摩擦纳米发电机，完成自然环境风能和重物下降势能俘获的同时，实现起升机构卷筒转速的监测。基于摩擦纳米发电的工作原理，设计双向俘能式摩擦纳米发电机结构，研制具有自驱动传感功能的原理样机。依据起升机构实际工作环境，搭建实验测试系统，进行输出性能、传感及应用演示实验。研究结果表明，该摩擦纳米发电机可以同时收集环境中风能和起升机构重物下降势能，双向俘能机制相对于单向俘能提高了40%的输出性能。同时，通过采集分析输出的电信号监测起升机构的运动状态，对起升机构卷筒转速的监测误差小于1%。该工作拓展了摩擦纳米发电机在能量俘获和自驱动传感领域的研究，为起升机构运动状态监测提供了新的解决方案。

认知MIMO系统中同时存在多类用户时，不同类型用户受不同约束条件限制，对时隙会有不同需求。该文旨在解决多类用户并存的认知MIMO系统能耗优化问题，提出基于稀疏码多址接入（sparse code multiple access,SCMA）的非正交时隙分配方法，满足更多类型用户的通信需求。在分配时隙时，提出动态时隙分配算法，通过设计虚拟用户进行时隙分配，保证不同类型用户不会占用同一个时隙。仿真结果和分析表明，系统中多类用户同时存在于eMBB(enhanced mobile broadband)和URLLC(ultra-reliable low latency communications)两种场景中时，基于SCMA的非正交动态时隙分配与传统正交分配方式相比能够降低能耗，与固定时隙的非正交时隙分配相比，动态时隙分配算法降低系统能耗的效果更明显。