通过TCAD器件建模，建立了PIN二极管的电热耦合模型，搭建PIN限幅器HPM耦合仿真电路以进行高功率微波效应仿真。仿真得到了不同频率下PIN限幅器瞬态电压响应以及PIN二极管内部电场、载流子、结温分布。仿真结果表明，在HPM耦合电压作用下，PIN限幅器平顶泄漏负向电压随频率增大而降低，PIN限幅器平顶泄漏正向电压随频率增大而降低。PIN二极管内部PIN限幅器的限幅能力随微波频率增加先增强后减弱。HPM频率较低时PIN二极管内部晶格温度积累集中于I层界面处，随着频率升高，晶格温度积累集中于I层中间位置，因此频率变化会造成PIN限幅器的HPM毁伤敏感位置变化。

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。

针对传统DBN在无监督训练过程中预训练耗时久、诊断精度差等问题，提出了一种基于改进多目标蜻蜓优化自适应深度信念网络（IMODA-ADBN）的模拟电路故障诊断方法。首先，根据参数更新方向的异同提出了自适应学习率，提高网络收敛速度；其次，传统DBN在有监督调优过程利用BP算法，然而BP算法存在易陷入局部最优的问题，为了改善该问题，利用改进的MODA算法取代BP算法提高网络分类精度。在IMODA算法中,添加Logistic混沌印射和基于对立跳跃以获得帕累托最优解，增加算法的多样性，提高算法的性能。在7个多目标数学基准问题上测试该算法，并与3种元启发式优化算法（MODA、MOPSO和NSGA-II）进行比较，证明了IMODA-ADBN网络模型具有稳定性。最后将IMODAADBN运用到二级四运放双二阶低通滤波器的诊断实验中，实验结果表明该方法在收敛速度快的基础上保证了分类精度，诊断率更高，能够实现高难故障的分类与定位。

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。

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。

语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题，基于编-解码器框架和离散小波变换，设计了一个联合多连接特征编解码与小波池化的轻量级语义分割网络MLWP-Net(Multi-Link Wavelet-Pooled Network)，在编码阶段利用多连接策略并结合深度可分离卷积、空洞卷积和通道压缩设计了轻量级特征提取瓶颈结构，并设计了低频混合小波池化操作替代传统的下采样操作，有效降低编码过程造成的信息丢失；在解码阶段，设计了多分支并行空洞卷积解码器以融合多级特征并行实现图像分辨率的恢复。实验结果表明，MLWP-Net仅以0.74 MB的参数量在数据集Cityscapes和CamVid上分别达到74.1%和68.2%mIoU的分割精度，验证了该算法的有效性。

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%。

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。

传统电子器件主要由硅基等无机半导体材料以及硬质高分子绝缘衬底材料组成，是现有电子技术的基础。虽然传统电子技术已经发展成熟，但由于材料的限制，导致在柔性电子领域方面，其应用尚存在一定的局限性。而二维材料拥有高结晶性、近乎完美的晶格结构、原子级的厚度与高的机械拉伸强度，并且表现出优异的电荷传输性质，使其在柔性电子领域具有应用前景。该文利用石墨烯、二硫化钼与六方氮化硼优异的机械性能，采取机械剥离法与干法转移，制备基于二硫化钼的场效应晶体管，并采取自主搭建的柔性测试平台，测试了器件的柔性电学性能。测试结果表明，设计的二维异质结晶体管在静态测试条件下，电学性能只有微小变化；但在动态测试条件下，由于层与层之间的范德瓦尔力太小，层与层之间发生滑动或位移，使得器件的电学性能出现较大变化。

近年来，电磁频谱空间已逐步发展成为大国博弈的必争领域，成为国家的战略稀缺资源。在民用电磁频谱领域，电磁频谱拥挤、应用业务激增，在宽带频谱监测、频谱安全、频谱大数据及智能化应用方面面临着巨大挑战；军用电磁频谱博弈对抗愈加激烈，电磁频谱感知、监测及影响效应评估面临感知手段有限、频谱管控和协同应用能力不足等难题。该文首先回顾了典型电磁频谱应用现状、面临的挑战及国外发展趋势。然后，分析了国内电磁频谱空间总体设计和规划管理、典型工程实践和关键技术突破情况。最后，给出了我国电磁频谱空间应用的发展思路。

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。

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。

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。

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。

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%。

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。

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。

机器学习是医学人工智能的研究热点和重点之一。针对神经退行性帕金森病（Parkinson's Disease, PD）的早期诊断，现有的临床评分量表具有一定的主观性和局限性。该文报告了基于行为（语音、步态、书写）、电生理（脑电）、影像组学（核磁共振成像、单光子发射断层成像、正光子发射断层成像）和基因组学等数据，机器学习应用于PD诊断的研究进展，发现其较传统方法更为精准，以期为未来人工智能智慧诊断的研究与应用提供参考与借鉴。

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。

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。

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。

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。

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。

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。

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。

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。

在对射频微波功率放大器芯片的概念、类型与实现工艺进行全面综述与分类的基础上，聚焦其高频化、线性度改善、能量转换效率提升、带宽扩展以及高集成度封装等关键技术的研究现状与亟待解决的技术问题，深入分析并讨论了各项关键技术的主流实现方式、典型研发案例以及相关应用利弊，旨在为现代无线通信系统射频前端集成的功率放大器芯片研发提供方法总结与设计参考。最后对射频微波功率放大器芯片技术的发展趋势与行业走向作出了展望。

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。

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。

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。

光学波前是光波相位面的几何表示，光学波前传感技术通过检测光波传播路径中的相位变化来分析物体的性质。该技术广泛应用于大气湍流检测、光学元件缺陷分析、生物样品研究等领域，在天文学、自适应光学、显微成像、激光系统和生物医学等方面具有重要作用。然而，常见探测器仅对光强度敏感，为了探测光学波前，通常需要在探测前端使用一系列复杂的光学元件，这导致系统体积庞大、成本高昂且结构复杂。近年来，随着微纳光学和人工智能等领域的不断进展，涌现出一系列基于新原理、新器件和新算法的集成化、小型化和高性能的光学波前传感技术。该论文系统综述了近期光学波前传感技术的研究进展，并根据其原理将其分为干涉型和非干涉型两大类，具体包括剪切干涉型、光栅干涉型、近场干涉型、算法重构型和维度关联型等技术。最后，总结了当前领域尚存的挑战，并展望了未来可能的研究方向。

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。

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。

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。

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。

为解决行人重识别研究领域中行人标注图像获取困难的问题，提出一种多因素引导的行人数据增广方法。首先，在生成器网络中设计了一种局部多尺度引导机制，通过特征融合抑制生成图像的局部伪影；其次，提出了长距离相关性引导机制，通过外注意力引导生成图像的长距离依赖，提高生成行人图像的整体视感质量；最后，提出一种抗博弈判别网络，通过嵌入到生成对抗网络，从而构建一种三网络稳定博弈架构模型，增加生成对抗网络训练的稳定性。通过VIPeR、Market-1501、DukeMTMC-reID这3种不同规模数据集的仿真实验，结果表明该方法与目前主流方法相比，mAP与Rank-1精度上均有不同程度的提升，在小规模数据集上的提升较为显著。

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。

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。

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。

现有的实体关系联合抽取任务为了自动生成大规模训练数据引入远程监督策略，在处理数据时产生严重的噪声数据问题。对此提出了一种融合强化学习的实体关系联合抽取模型，该模型由强化学习和联合抽取模型两个部分组成，其中联合抽取模型由图卷积网络和多头自注意力机制构成。首先，使用强化学习去除原始数据集中带有噪声的句子，将降噪后的高质量句子输入到联合抽取模型中；其次，使用联合抽取模型对输入句子中的实体和关系进行预测抽取，并向强化学习提供反馈奖励，指导强化学习挑选出高质量的句子；最后，对强化学习和联合抽取模型进行联合训练，并对模型进行迭代优化。实验证明了该模型能够有效处理数据噪声问题，在实体关系抽取方面优于基线方法。