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。

网络钓鱼作为一种社会工程攻击手段，旨在通过伪装成可信任的实体，如银行、社交媒体平台或政府机构，通过虚假的电子邮件、网站或消息来欺骗受害者。研究者主要通过各种技术手段检测网络钓鱼攻击，但当前检测研究仍面临三方面问题。1）攻击者采用伪装、漏洞利用和规避技术以逃避检测。2）现有的检测方法存在可解释性差、实时性低以及概念漂移等问题。3）由于缺乏足够的可解释性，造成用户对检测结果不信任。该文从应用场景、数据集、检测方法等方面对当前检测研究进行归纳与总结，并提出当前面临的问题以及展望未来可能的研究热点。

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。

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。

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。

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。

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%。

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。

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。

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。

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。

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。

LLC谐振变换器有着转换效率高、软开关特性好等显著优点。但在储能系统充电的应用场合中，宽电压增益输出要求LLC谐振变换器工作频率在较大范围内变化，从而引起转换效率明显降低、磁性元件设计困难、轻载调节有限等问题。研究了一种采用谐振电感复用的LCL-T/LLC谐振变换器，可用于电动汽车的车载充电。将谐振电感置于变压器副边，构建LCL-T谐振腔使得变换器工作在恒流充电阶段，LCL-T谐振变换器的恒流特性可以显著减小变换器的工作频率范围；通过辅助开关改变谐振支路，该谐振电感也可参与LLC谐振，使变换器工作在恒压充电阶段，提供稳定的充电电压。由于谐振电感位于变压器副边，减少了死区时间内的磁芯损耗，提高了转换效率。详细分析了该变换器的工作模式和直流增益特性，给出了关键参数设计原则。最后，搭建了一台3.3 kW、400 V/330 V的实验样机，验证了变换器拓扑和控制方案的有效性。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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%。

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。

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。

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。

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。

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。

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%。