频域临界采样图滤波器组需要对拉普拉斯矩阵进行特征分解,这导致了该框架计算复杂度过高。针对该问题,采用改进雅可比算法近似求解该框架的特征矩阵,从而降低计算复杂度。改进的雅可比算法将近似求解特征矩阵的问题归结为一个带约束的优化问题,将拉普拉斯矩阵的近似误差作为目标函数,以近似特征矩阵的稀疏正交性作为约束条件,从而求解出近似特征矩阵。理论和仿真实验结果表明,近似特征矩阵用于频域临界采样图滤波器组不会改变其完全重构条件,且与现有的频域临界采样图滤波组相比,改进的雅可比算法在降低计算复杂度的同时保持了良好的去噪性能。

基于卷积神经网络的自监督表示学习因可处理无标签数据而在近来获得广泛应用,然而由于其较慢的收敛速度和较差的细节提取能力导致计算量大和性能较低。为解决上述问题,提出一种基于乐高采样策略的有效且高效的自监督表示学习方法。该方法首先引入乐高采样策略,通过在原始图像中采样较小补丁以增加样本数量,同时使用较小补丁拼接的图像以维持较少的计算量,其次引入了一个局部细节对比分支来平衡局部细节特征和全局语义特征之间的关系,最后使用多种损失函数共同优化模型。在CIFAR和3个细粒度分类数据集上对比验证了方法的有效性。实验结果表明,本方法较MoCo等方法能够获取更为全面的全局信息和细节信息,并且在下游线性分类、目标检测等任务中获得更好的分类准确率和检测平均精度,且具有较好的视觉效果。

在分析射频功率放大器(RF PA)的半导体材料、芯片研究现状基础上，总结了半导体技术的发展趋势。通过对半导体材料的特性和PA芯片的性能指标进行分析，发现三代半导体材料皆有优缺点，可根据需要将其分别应用在不同场景，实现共同进步、协调发展。随着PA芯片面积逐渐减小、频率不断增大，对第三代半导体材料和硅基合成材料功放的研究将是未来的热点。为了进一步加快PA的研究进程，通过文献调研总结了半导体技术的5个发展趋势，为RF PA的性能提升和技术发展提供了重要参考，可为我国突破国外厂商壁垒，进一步提升在电子信息、芯片研发领域的核心竞争力奠定一定基础。

为实现低成本、非接触式、实时监测人体呼吸、心率等有利于疾病预防和健康管理的生理信号，设计了基于压电陶瓷的非接触式生理参数监测系统。通过压电陶瓷传感器将人体呼吸、心跳以及其他微弱震动产生的压力变化信息转换为电信号，从而获得原始生理信号。采用小波硬阈值算法对原始生理信号进行预处理去噪，选择合适的小波基、分解层数及硬阈值函数，滤除干扰信号。采用变分模态分解算法对预处理后的生理信号进行分解，根据分解后各个模态分量的频谱分布特点进行生理信号的重构，分解出原始生理信号中的呼吸信号和心冲击信号。与先经过巴特沃斯滤波器预处理再进行信号分解相比，变分模态分解算法具有更好的还原性。实验结果表明，该方法既能准确分离呼吸信号、心冲击信号，也能保留心冲击信号更多的尖峰特征。

为了提高BaTiO₃陶瓷的性能，以固相法合成的高四方相钛酸钡粉体为原料，采用微波烧结法和传统烧结法制备了钛酸钡陶瓷，通过XRD、SEM、XPS、LCR分析仪对样品进行表征，并分析了微波烧结与传统烧结制备的钛酸钡陶瓷的成分偏析差别。实验结果表明，微波烧结制备的钛酸钡陶瓷颗粒尺寸均匀，界面处Ba原子偏析少，因而钛酸钡陶瓷的常温介电常数得到显著的提升。经微波1 100℃烧结2 h的钛酸钡陶瓷的颗粒尺寸为1μm,其在10 kHz下的常温介电常数为5 688,介电损耗为0.021,而经传统1 250℃烧结2 h的钛酸钡陶瓷断面未出现明显颗粒，其在10 kHz下的常温介电常数仅为3 257,介电损耗为0.021。

锂磷氧氮（LiPON）是薄膜电池应用中最具代表性的薄膜固态电解质，还被用作界面保护层，用以提高电解质与正极、负极的界面稳定性。采用射频磁控溅射方法，以Li₃PO₄为溅射靶材，在N₂气氛下沉积LiPON薄膜固态电解质。通过优化溅射功率、工作压强、基底温度等工艺条件，制备出表面致密、均匀、无缺陷的LiPON薄膜。XPS测试结果表明，薄膜的溅射过程是一种反应式溅射，N取代Li₃PO₄结构中的桥氧键（—O—）与非桥氧键（=O），形成氮三配位键N_t（—N<）和氮双配键N_d （=N—），构成网状结构的LiPON薄膜。测得LiPON薄膜固态电解质的室温离子电导率为7×10^-7S·cm^-1，电子电导率为4.8×10^-13 S·cm^-1。LiPON薄膜固态电解质致密的形貌和稳定的电化学性能使得LiPON在薄膜电池及固态电池界面改性中的应用具有显著优势。

为了提高石墨相氟化碳（g-C₃N₄）的可见光利用率，采用同时加热尿素和氢氧化钾的一步热缩合法制备K⁺掺杂g-C₃N₄（CN-K_x）。XRD、SEM、TEM和EDX图谱分析表明，K⁺成功地掺杂在g-C₃N₄上；FTIR和XPS结果证实K⁺掺杂后g-C₃N₄表面有氰基生成；PL、EIS和瞬态光电流响应数据表明，掺杂后形成的氰基与K⁺之间具有协同作用，这有利于光生电子-空穴的分离和转移，提高光催化活性。光降解实验结果表明，优化后的CN-K_0.009样品在80 min内能去除100%的罗丹明B （RhB）,且RhB的降解速率达0.054 min^-1,是纯氮化碳的4.2倍(降解速率为0.013 min^-1);进一步的带隙分析表明，CN-K_0.009的带隙从纯氮化碳的2.67 eV缩短到2.59 eV,这是由于K⁺辅助聚合的作用增强了可见光吸收和载流子传输。动力学研究结果表明，超氧自由基和空穴（h⁺）主导了RhB氧化过程。另外，CN-K_0.009同样能高效降解其他有机污染物，比如碱性品红（91.7%）、刚果红（85.7%）和四环素（74%）。

由于第五代（5G）移动通信技术具有高速、低延迟、广覆盖等特点，它被广泛应用于车载自组织网络（VANETs）中，以提高信息传输效率。然而，在车联网中，通信发生在高度开放的环境中，传输的信息容易被恶意攻击者篡改、截取、删除。因此，车联网通信的安全性需要得到保障，特别是信息的认证性和完整性方面。此外，车辆在通信过程中需要保护身份隐私，以避免恶意攻击者跟踪其行驶路线。与此同时，如果车辆存在恶意行为，可信权威需要能够追踪恶意车辆并揭露其真实身份。尽管群签名能够实现匿名性和可追踪性，但是其安全性依赖于一个强有力的假设，即密钥长期存储在设备上，并且不会被任何恶意攻击者访问。但实际上，攻击者可以通过类似侧信道攻击的物理攻击窃取存储在设备上的密钥，这极大地威胁了通信的安全性。为此，本研究提出了一种抵抗物理窃取的5G车联网匿名认证协议。该协议采用不可克隆函数构造一种新颖的群签名算法，用于车对车和车对基础设施的匿名认证。利用不可克隆函数的挑战响应对实时产生车辆的密钥，而不需要长期将密钥储存到车辆上，以避免恶意攻击者的物理窃取。此外，当发生纠纷时，可信权威可以通过签名追踪恶意车辆。最后，安全性分析表明，该协议满足抵抗物理窃取攻击、不可伪造性、匿名性、可追踪性、不可否认性、不可链接性等安全需求。而且，性能评估表明，与其他相关协议相比，该协议在计算开销和通信开销方面表现更优。

为了解决显著目标检测中不同深度特征信息的有效提取与融合问题，设计了一种基于多尺度交互式残差模块的图像显著目标区域检测模型M-IRNet。基于深度学习算法框架，搭建了多尺度交互式残差结构模块IRM，提取具有高表征能力的多尺度特征信息，抑制噪声干扰，获取表征细节信息的低层特征信息和深层语音信息；辅助以双方向传播策略，并将不同深度的上下文信息有效融合，浅层的细节信息融入较深层信息，同时高层的语义信息调节低层信息，实现图像显著目标的定位与检测。在公开数据集上的实验结果表明，所设计的图像显著目标区域检测模型具有一定的优势，在PASCAL-S数据集上MAE降到了0.092，而在DUT-OMROM数据集上F-measure升到了0.763。通过提取更有效的多尺度特征，增加浅层和深层的特征比率，不仅提高了显著目标的细节特征表示能力，同时还增加了深层语义信息的定位能力，使应用于图像显著目标检测模型检测精度提升。

建立了一种基于生成对抗方法的无监督图像描述(GA-based UIC)模型，用于图像描述任务。通过将卷积神经网络作为提取图像特征的编码部分，生成对抗式文本生成方法作为产生描述的解码部分，用目标检测算法YOLOv3作为辅助网络来无监督地生成图像的描述。实验结果表明，相较于传统模型，GA-based UIC模型最终生成的描述在BLEU、METEOR、ROUGE和CIDEr等文本评价指标的得分及训练速度均有提升。所提模型为图像描述任务提供了新的解决方案。

设计了一种基于二氧化钒（VO₂）超材料的带宽可调太赫兹（THz）偏振转换器，在考虑工作频率、激励方式和微加工工艺等条件下，利用有限积分技术对该器件的性能进行了设计和仿真。器件的单元结构是一个5层周期性阵列结构，在x和y方向上的周期为100μm，自上而下分别是金属倾斜分裂环谐振器（OSRR）、第一聚酰亚胺（PI）隔离层、VO₂薄膜、第二PI隔离层和金属底板。仿真结果表明：当VO₂处于绝缘态时，在0.8 THz频率内可实现宽带交叉偏振转换效果，偏振转换率（PCR）高于90%；当VO₂从绝缘态转变为金属态，在2个谐振频率附近可实现窄带交叉偏振转换，PCR接近100%。通过分析表面电流分布，发现VO₂薄膜相变导致器件工作的物理机制发生变化，从而实现了带宽可调的偏振转换功能。所提设计方法为反射式偏振转换器件的带宽调控提供了一种新思路。

为了进一步提升AlGaN/GaN HEMTs的电流特性，提出了一种在非栅下沟道插入InGaN弛豫层的应变GaN沟道AlGaN/5-nm-GaN/InGaN HEMT（SGC-HEMT）器件结构。通过Sentaurus TCAD仿真研究了SGC-HEMT器件电子输运特性。基于修正的应变迁移率模型，通过改变InGaN弛豫层的In组分调整沟道应变的大小，同时考虑了5-nm-GaN沟道应变和AlGaN势垒层的附加应变，讨论了极化诱导电子气分布与沟道应变的理论关系。仿真结果表明，应变的引入显著增加了器件的漏极饱和电流，当In组分为0.02时，应变GaN（GaNs）沟道层和AlGaN势垒层的拉伸应变为0.225%,SGC-HEMT的漏极饱和电流为0.914 A·mm^-1，相比传统GaN/AlGaN HEMT的0.701 A·mm^-1提高了30.63%；随着沟道拉伸应变的进一步施加，散射机制不断增强，漏极饱和电流和有效迁移率的增长趋于平缓，栅极泄漏也逐渐恶化。此外，由于栅极下方的沟道未施加应变，阈值电压基本不随应变而变化。最后，提取了不同拉伸应变下的有效迁移率，发现随着沟道拉伸应变的增加，低电场区的有效迁移率较高，而高电场区的衰减较慢。对应变沟道GaN HEMT电子输运特性的研究成果有利于进一步提高AlGaN/GaN HEMT的电学性能。

针对频率分集阵列(FDA)雷达近场波束成形问题进行研究，通过分析频率分集阵列雷达近场方向图及距离损耗补偿因子，建立单基地收发阵列模型，推导距离损耗的补偿权值，提出了2种非线性频偏以改进能量聚焦的性能。此外为了使波束方向图形成的效果更好，提出了2种非线性的频偏，使之更接近于一个点状波束图，以提高能量聚焦精度。仿真结果表明，所提方法能提高距离聚焦分辨率，使聚焦能量达到更好的分辨率，并减少能量浪费。

针对毫米波雷达高隔离度的要求，利用金属柱负载和交叉缝隙设计了一种毫米波双极化天线，其具有双线极化、宽带和高隔离性能。该天线的宽带特性由辐射贴片和寄生贴片的大小决定；高隔离特性是由于2种极化分层馈电，且加载金属柱于交叉缝隙旁，使缝隙更容易耦合能量。仿真结果表明，所设计天线的带宽为24.0～28.5 GHz，相对带宽为17.1%，频带内隔离度均高于47 dB，交叉极化比大于22 dB，实现了宽带、高隔离、低交叉极化的特性，适用于毫米波双极化雷达。

近年来，随着智能驾驶技术的不断发展，毫米波雷达作为汽车安全控制系统的核心组件受到了广泛关注。时分复用（TDM）多输入多输出（MIMO）调频连续波（FMCW）雷达因具有低硬件成本和高角度分辨率的优势而被广泛应用于汽车雷达，但TDM MIMO在实际应用中还存在对运动目标检测易出现速度模糊和角度模糊问题，导致检测误差变大，对于自动驾驶场景存在一定的安全隐患。为解决上述TDM MIMO FMCW雷达存在检测误差高的问题，提出了在多普勒模糊下的FMCW MIMO雷达目标参数估计方法，在不增加额外硬件开销的前提下，可确保算法在低复杂度下提升监测的时效性，解决了速度模糊和相位偏移问题；利用加Kaiser窗FFT波束形成方法对目标角度进行测量，从而得到更精准的目标信息。仿真和实验结果验证了所提方法的有效性。

为解决传统“冯·诺依曼”架构功耗墙瓶颈，提升人工智能应用中点乘求和计算能效，设计了一种基于8T静态随机存储器阵列的存内计算电路，可有效解决“内存墙”问题。通过对存储单元的偏置电压设计来稳定充放电电流，可改善位线放电线性度，提高计算准确性。同时，在保证放电电流相同的前提条件下，减少了模数转换器(ADC)阈值编码，存储阵列的面积明显减小。电路基于65 nm CMOS工艺设计，通过8×72存储阵列的并行计算结构完成了64 Byte二进制点乘累加计算功能。仿真结果表明，在3位ADC输出、8 bit比较输出模式下，使用0.8、1.2 V的核心电源电压和250 MHz的时钟频率，可达到每比特1.69 GOPS/W的计算能效。与理论值基线相比，计算输出的平均计算偏差最大为1.05%，有效提高了计算准确率，并减小了电路面积。

在电力系统中，电触头材料在开关电器中不可缺少，其表面出现瑕疵时会导致接触面的电阻增大，继而使接触面发热，严重时可能会使开关电器失灵，影响高压电器的质量及使用寿命，且目前很多企业对零件表面质量检测还在用人工方法。针对上述问题，提出一种基于机器视觉与机器学习的电触头表面瑕疵检测与分类方法。该方法基于电触头的瑕疵种类和瑕疵特点搭建检测平台，并对采集的基于机器视觉与机器学习的电触头零件图像进行预处理，采用模板匹配的方法对图像中的电触头零件进行定位及表面优劣判断，对预筛选后的电触头图像进行表面降噪，并采用Otsu阈值分割算法对瑕疵区域进行分割。为了能有效地对瑕疵进行分类，对瑕疵区域进行多特征提取，通过设计的特征选择算法对特征进行最优选择，用决策树分类器进行瑕疵分类，分类准确率达92.6%。与支持向量机(SVM)算法相比，决策树分类器在分类时间和效率上优于SVM算法。实验结果表明，对分类数据集进行特征降维可提高分类的准确率。

超图在现实场景中拥有高阶建模能力，近年来超图深度学习的方法被用于超图数据的半监督分类任务。但当前的超图神经网络仍存在不足：在多层卷积节点邻域扩张过程中引入噪声会导致难以提取具有鉴别力的特征；在传统多通道卷积过程中存在比较高的模型复杂度。为解决上述问题，提出一种联合图卷积和超图卷积的神经网络。在原始超图数据上采用超图卷积提取高阶相关信息；将超图构建成图，并将获取的高阶节点特征与图结构相结合；在节点的一阶相关邻域内利用图卷积聚合局部信息分别在3个引文网络中进行节点分类实验。实验结果表明，相比现有算法，所提算法能获得更高的分类精度，且参数量和训练时间约为传统多通道超图神经网络的一半。

钽氮化物（TaNx）因其优秀的物理、化学稳定性及低电阻温度系数（TCR）等特性被广泛运用于薄膜电阻材料。采用反应磁控溅射设备在Si(100)基片上制备钽氮化物（TaNx）薄膜，通过调节不同溅射参数，对比研究了氩氮总流量、氮气含量、溅射功率等条件对薄膜的影响。通过台阶仪、XRD、电学测试等方式表征其薄膜沉积速率、薄膜结构、TCR及电阻率，并总结其影响规律。实验结果表明，薄膜溅射过程中氩氮总流量、氮气含量、溅射功率等工艺参数均会对TaNx薄膜沉积速率产生明显影响；同时工艺参数还会直接改变薄膜的物相结构，影响薄膜结晶质量，从而带来薄膜TCR与电阻率的变化。此外，通过调节退火温度，探究了真空退火温度对薄膜性质的改变规律，并通过SEM表征薄膜形貌。实验结果表明，退火有效提高了薄膜晶粒尺寸，促进了薄膜二次结晶；退火温度的上升使得TaN(111)相强度增大，并在达到300℃后出现TaN(200)相与TaN(111)相；随着退火温度提高，薄膜电阻率呈上升趋势，薄膜TCR的绝对值先减小后增加，在退火温度达到800℃时，膜层出现明显开裂。研究结果表明，通过控制调整制膜工艺可改善TaNx电阻薄膜的沉积速率、物相结构与电学性能。

针对空间Pythagorean-hodograph(PH)曲线的有理最小旋转标架(RMF)问题，基于五次空间PH曲线的Euler-Rodrigues(ER)标架提出一种最小旋转标架的优化方法。PH曲线由Bézier方法来构造，再利用Bernstein多项式及四元数来表示，曲线的ER标架得到简单表示。当PH曲线的ER标架沿曲线弧的旋转角最小时，此时最小旋转ER标架也称曲线的RMF。在计算曲线的RMF的过程中，关键问题是求解旋转角度函数。由于有较多有理多项式的积分，一般难以找到角度函数的具体函数形式。运用最佳平方逼近的方法，构造一个多项式来近似表示旋转角度函数，对比不同次数多项式与角度函数的误差，得到合适次数的多项式近似角度函数。将多项式近似角度函数与直接计算角度函数求解曲线最小旋转ER标架所用时间对比，分析各自的计算量大小。数据结果证明，最佳平方逼近的方法可大大减少计算量，同时实现较小误差的目的。

为了进一步提高求解Volterra型积分微分的数值精度，针对一种变系数Volterra型积分微分方程，提出了2种Legendre谱Galerkin数值积分法。采用Galerkin Legendre数值积分对Volterra型积分微分方程的积分项进行预处理，对其构造Legendre tau格式，同时用Chebyshev-Gauss-Lobatto配置点对变系数和积分项部分进行计算，并通过对方程的定义区间进行分解，提出了一种多区间Legendre谱Galerkin数值积分法。该方法的格式对于奇数阶模型具有对称结构。此外，通过引入Volterra型积分微分方程的最小二乘函数，构造了Legendre谱Galerkin最小二乘数值积分法。该方法对应的代数方程系数矩阵是对称正定的。数值算例验证了这2种Legendre谱Galerkin数值积分方法的高阶精度和有效性。

针对一般概率分布获取的独立随机样本，在核函数不满足对称性的条件下，在加权再生核子空间中研究了信号的随机采样稳定性。首先，基于加权再生核子空间的框架刻画，在有界区域上用有限维子空间逼近加权再生核空间。其次，通过研究加权再生核子空间中信号的无穷范数与p范数的关系，估计标准化有限维子空间的覆盖数。最后，证明了当采样量足够大时，能量集中于立方体上的加权再生核信号的随机采样稳定性以高概率成立。

针对强混条件下各向异性回归函数的点态估计问题，利用小波方法构造了线性小波估计器，并在■空间讨论了估计器在l^p（1?p<∞）点态误差意义下的收敛阶。研究结果表明，在强混条件下的结论比样本独立时的结果更接近实际应用，且当空间■的各向异性指标相等时，结论与各向同性Besov空间中的结果保持一致。

针对D2D通信复用去蜂窝大规模MIMO网络资源所带来的干扰问题，研究了与D2D通信共存的去蜂窝大规模多输入多输出系统的联合导频分配和功率优化问题。首先，为了抑制D2D用户（DUEs）对去蜂窝用户（CFUEs）的干扰，提出了一种干扰辅助最小均方误差（MMSE）检测器，并推导了DUE和基于干扰辅助MMSE检测的CFUEs在不完美信道状态条件下的上行链路闭合频谱效率表达式。其次，为了减少导频污染，针对导频分配问题，提出了以最小化系统归一化信道估计误差（NMSE）之和为优化目标的导频复用方式给DUEs分配导频，并结合基于禁忌搜索的粒子群算法给CFUEs分配导频的方案。针对数据功率优化问题，提出了在保证DUEs服务质量下最大化CFUEs中最小频谱效率的方案，并采用二分法进行求解。仿真结果表明，所提出的基于干扰辅助MMSE检测的联合导频分配和功率控制方案有效提高了系统总和频谱效率，且导频开销不会随着D2D数量增加而增加。

在端到端连续语音识别系统中，完全基于自注意力机制的Transformer模型相比传统的混合模型提高了准确率。Conformer模型是在Transformer模型基础上增加一个擅长提取局部特征的卷积模块，将该模型作为整个识别系统的编码器，解码器使用注意力机制，注意力模型只适合短句子识别，并且在数据集存在噪声时会导致网络训练不稳定，添加CTC模型的序列对齐特性辅助训练来帮助模型收敛更快。针对单通道解码可在识别准确率上进一步优化的问题，提出了CTC与Attention双通道解码模型，将双通道解码与单一的CTC解码和单一的Attention解码进行对比验证，结果表明双通道解码在识别性能上提升了1%。针对在噪声环境下识别效果降低的问题，提出对端到端网络添加语言模型的方法。将N-gram语言模型加入网络中进行验证，结果表明在信噪比为10 dB的高噪声环境下，语言模型能够使字错率下降3.5%，提高了语音识别系统的鲁棒性。

针对传感器存在测量偏差情况下的机动目标跟踪问题，提出一种基于边缘化高斯厄密特卡尔曼滤波的有偏量测下机动目标跟踪方法。首先，通过相邻时刻的量测差分构建差分量测方程，从而消除测量偏差，将相邻时刻的目标状态扩维形成增广状态向量以匹配差分量测方程，实现实时滤波估计，同时对增广状态向量进行边缘化处理以降低高斯厄密特滤波的采样维度，减小滤波负担；然后，将交互式多模型方法融入边缘化高斯厄密特卡尔曼滤波以解决机动目标运动模型不确定的问题，在此基础上利用差分量测方程和增广状态向量推导出相应的滤波方程。实验结果表明，本方法能有效消除传感器测量偏差，目标跟踪精度远高于传统的交互式多模型高斯厄密特卡尔曼滤波方法。

为了提升柔性应变传感器的传感响应及稳定性，提出了一种热压转印策略，即分别将石墨烯（Gr）、聚苯胺（PANI）及Gr协同PANI负载于电纺热塑性聚氨酯（TPU）纤维膜，然后采用热压转印技术将一种商用织布的表面微结构转印至电纺TPU纤维膜表面，最后将其组装成一系列具有表面和内部双重微结构的柔性压阻传感器。通过系统研究填料种类、热压时间对器件性能的影响，获得了传感性能优异的Gr/PANI-TPU（MGPT）传感器，MGPT传感器相对其他2种纤维膜传感器，具有较宽的响应速率范围(1～1 000 mm·min^-1)、较高的灵敏度(0～6 kPa，灵敏度高达0.143 kPa^-1)。该传感器还具有较快的响应时间（153 ms）和恢复时间（106 ms），以及优异的耐久性（1 000次循环加载-卸载），且在人体应用中表现出良好的动作监测能力。

针对Y型六角铁氧体Ba_0.4Sr_1.6Mg₂Fe₁₂O₂₂单相多晶样品的固相法制备工艺及磁性能进行研究。通过粉末X射线衍射表征Y型六角铁氧体Ba_0.4Sr_1.6Mg₂Fe₁₂O₂₂单相多晶样品的物相及晶体结构，实验结果表明，当烧结温度为1 120～1 160℃，有M相产生，随着温度升高，M相的衍射峰逐渐减小；当烧结温度达到约1 170℃时，得到Y型六角铁氧体Ba_0.4Sr_1.6Mg₂Fe₁₂O₂₂的单相。通过扫描电子显微镜及能谱研究样品的微观结构、形貌及成分，统计结果表明，Ba_0.4Sr_1.6Mg₂Fe₁₂O₂₂铁氧体呈现拉长的六角形形貌，平均晶粒尺寸约3μm，同时还存在小的颗粒，且2种形貌的成分相同。利用综合物性测量系统对样品的磁特性进行表征，发现在330 K和90 K温度附近存在2种磁性异常，分析表明，330 K附近的磁性异常对应锥形磁结构相变，90 K附近的磁性异常对应自旋玻璃相变。Y型六角铁氧体Ba_0.4Sr_1.6Mg₂Fe₁₂O₂₂锥形磁相变的磁有序温度高于室温，为室温下磁电耦合提供可能。

某汽车门锁公司为降低电动门锁成本，对门锁内部齿板更换定位方式，但会造成门锁使用寿命下降，标准QC/T323—2007《汽车门锁和车门保持件》规定门锁寿命应满足10万次。为使门锁寿命满足标准，对门锁进行疲劳试验，发现门锁内薄弱区域为齿板的齿根。采用有限元法，基于材料S-N曲线和Miner线性疲劳损伤积累理论对齿板与齿轮的齿根进行疲劳分析。分析结果与试验结果相接近，误差为8.3%，表明建立的有限元疲劳分析方法合理。基于此方法更换齿板材料，将齿板寿命提升至10万次以上。最后再将安装有新齿板的门锁进行疲劳试验，试验结果表明门锁寿命大于10万次，满足要求。同时，基于此设计方案，每个电动门锁可节约成本255元左右。

针对合金软磁及耐腐蚀性能问题，研究了Fe_84.3Si₂B_8.5P_3.5C₁Cu_0.7合金经不同退火温度处理后的软磁及耐腐蚀性能。采用非自耗真空熔炼炉制备Fe_84.3Si₂B_8.5P_3.5C₁Cu_0.7母合金，用高速单辊旋淬法将母合金制备成合金薄带，使用X射线衍射仪、差热扫描量热仪、扫描电子显微镜、振动样品磁强计以及电化学工作站对退火前后合金薄带的物相结构、软磁性能和耐腐蚀性进行表征测试。测试结果表明：在480 ℃等温退火3 min后，合金的软磁性能达到最优，饱和磁感应强度B_s≈1.82 T，矫顽力H_c≈5.2 A·m^-1；腐蚀后的合金薄带表面仅有微量的针状腐蚀产物，且无明显的腐蚀坑，表面光滑平整，具有良好的耐腐蚀性能。Fe_84.3Si₂B_8.5P_3.5C₁Cu_0.7合金薄带在退火温度为480 ℃、保温3 min条件下具有良好的综合性能。

为提高CaCO₃的使用率，拓展其在处理污染物及抗菌方面的应用，利用沉淀法合成Ag₂O及添加CaCO₃进一步制备CaCO₃/Ag₂O光催化剂，通过XRD、XPS、SEM、TEM等对其结构组成、形貌晶格等方面进行表征。实验结果表明，当CaCO₃与Ag₂O复合比例为1∶1时，在可见光下30 min内对亚甲基蓝降解率可达90%，同时4次循环实验也表明，CaCO₃/Ag₂O复合光催化剂具有良好的稳定性。光催化剂抗菌试验表明，CaCO₃/Ag₂O复合光催化剂在30 min内可将金黄色葡萄球菌全部清除。CaCO₃负载Ag₂O形成异质结，促进了光生电子空穴对的分离，有效提高了复合体系光催化性能。

肖特基二极管是太赫兹领域的核心器件之一，在太赫兹倍频、混频电路中有着广泛的应用，碳纳米管凭借其优良的电学性质、准一维尺寸以及稳定的结构成为了太赫兹肖特基二极管的理想沟道半导体材料，研究碳纳米管肖特基二极管对于太赫兹技术的发展至关重要。首先介绍了碳纳米管的本征材料优势及其材料制备技术；接着对国内外在碳纳米管肖特基二极管方面的研究成果和进程进行了介绍，阐述了碳纳米管肖特基二极管在太赫兹技术领域的应用潜力；最后总结了碳纳米管太赫兹肖特基二极管在研究过程中所面临的关键技术问题和未来发展方向。

研究了基于相位敏感光时域反射计（φ-OTDR）系统的声源二维（2D）空间定位的方法，该方法利用差分解调相位（DUP）方式来提取由传感光纤测得的相位。DUP方式解调的相位比常规的解调差分相位（UDP）方式解调的相位更平滑，并且DUP方式可以高保真地对扰动事件的时域信号进行还原，解决了对于非扰动点处UDP方式所获相位不是零相位而导致的信号失真等问题。通过声源2D定位实验对该方法进行验证，实验结果表明，DUP方式解调的相位用于声源2D定位的结果与实际结果基本相符，实验值与真实值的误差在X方向为0.09 m，在Y方向为0.16 m。研究结果表明，该方法能够增大相位信息的利用率，提高声源定位的精度，在管道安全监测、边界安防、入侵警报等领域具有潜在的应用价值。

针对传统的波束控制天线剖面高、成本高以及馈电网络复杂的问题，提出了一种基于有源超表面的低剖面双波束偏转天线设计方案。天线由“E”型双波束馈源天线和“7×6”透射型超表面组成。基于电流反转机制，在每个超表面单元上集成2个PIN二极管，实现了1-bit相位分辨率。结合相位补偿定理与远场辐射公式，对超表面单元进行组阵编码，以实现波束调控的性能。该天线的剖面仅为0.162λ₀，明显低于其他波束偏转天线。通过设计超表面的偏置网络，实现了天线的双波束偏转。为了验证该方案，对天线进行加工测试。实测结果表明，在工作频率5.47 GHz处，双波束的主辐射方向可分别从（?，Φ）=（30°，45°）、（-30°，-41°）偏转到（?，Φ）=（30°，-45°）、（-30°，41°），增益高于8.9 dBi，实测结果与仿真结果具有较好的一致性。所提出的波束控制天线架构为实现低剖面、可调控的多波束天线提供了一种候选方案。

针对现有基于深度网络的图像压缩感知重建算法存在信息丢失，从而导致重建模糊的问题，提出一种基于协同对抗优化网络的图像压缩感知重建算法。将图像观测值输入生成器中，采用多尺度结构特征提取模块，对图像的多层次结构进行精细化重构；引入对抗机制，利用图像非局部相似特征对生成器的生成图像进行对抗约束，实现对原始图像的精确重构。实验结果表明，重建图像的客观评价指标与现有算法相比，峰值信噪比（PSNR）提高了1.68～2.33 dB，结构相似度（SSIM）提高了0.037 6～0.059 2，图像视觉效果表现突出，能够有效构建更精细的图像特征。

大规模、高维度的样本数据会对支持向量机模型的学习速度与学习效果产生巨大影响，为此提出一种结合堆栈自编码器和快速支持向量机的入侵检测方法。搭建基于堆栈自编码器的降维模型，通过该模型对网络数据进行特征提取，获取高质量的特征数据。使用聚类算法分别对样本中不同类型的数据进行聚类操作，计算不同类型样本间簇的相似度，以获取不同类型样本间的相似簇；将相似簇中的样本数据作为支持向量机模型的输入，从而降低输入样本的规模，提高模型的学习速度。仿真结果表明，本方法可有效提高支持向量机模型对大规模高维数据的学习速度和学习效果。

针对基于深度学习的超表面设计中输入输出维度不匹配导致的预测精度不高的问题，提出了一种基于数据融合的卷积神经网络超表面建模方法。利用软件联合仿真对超表面进行结构建模仿真，获得了超表面一维结构参数、二维图片及其对应的电磁响应组成的数据集；通过构建卷积神经网络提取超表面二维图片特征，并将其与一维结构参数相结合，构成一个全新的特征矩阵，对此特征矩阵通过全连接层训练，前向网络预测超表面的S21参数，逆向网络预测超表面的结构参数；训练后的模型具有良好的预测能力，前向网络模型、逆向网络模型预测的均方误差分别为3.148×10-4、2.548×10-3；用遗传算法对网络模型进行优化，使用迁移学习对新的数据集加速训练。研究结果表明，经算法优化的网络避免了大量的建模操作和数值计算，且运算准确率高。

硬碳凭借其较高的理论容量、良好的容量保持能力和稳定的内部结构等优势成为一种极具潜力的储能系统电极材料。近些年，以具有可调多孔结构的生物质作为前驱体制备具有独特微观结构的硬碳成为电化学储能领域研究的热点。结合国内外的研究成果，综述了生物质硬碳常见的制备方法，讨论了以生物质硬碳材料作为二次电池（LIBs、SIBs、PIBs）负极电极的电化学性能，其中，在碳基负极材料中掺杂非碳原子可以提高材料导电性，促进电子的传输，被证明是提高其电化学性能的有效策略，最后总结了生物质碳基负极材料在提高二次电池储能性能方面目前面临的挑战和未来的前景。生物质硬碳材料价格低廉、来源广泛、电化学性能优异，有望成为商用负极材料。

活性层获得高质量薄膜是制备高性能三元有机太阳能电池（TOSCs）的前提，引入高结晶第三组分是一种简单而有效的薄膜优化手段之一。采用高结晶非富勒烯受体ITIC-Th作为第三组分，与非富勒烯受体BTP-BO-4F、聚合物给体PM6制备了一系列TOSCs。ITIC-Th作为形貌调节剂，可优化薄膜的分子排列和相分离；ITIC-Th作为光谱吸收互补的第三组分，可拓宽活性层的光谱吸收范围。此外，ITIC-Th与BTP-BO-4F易形成合金状态，可抑制器件的非辐射复合。当引入的ITICTh含量为5%时，TOSCs性能达到最优，能量转换效率（PCE）为17.66%，短路电流密度（JSC）为26.51 mA·cm-2，开路电压（VOC）为0.862 V，填充因子（FF）为77.32%，这主要得益于ITIC-Th作为第三组分协同优化了器件的光子俘获、激子解离、载流子传输和电荷收集，从而获得高性能TOSCs。选择高结晶非富勒烯受体作为第三组分是一种制备高性能TOSCs的有效策略，有利于推进TOSCs的商业化。

为提升图像识别效果，满足当前复杂的图像识别任务，利用Informer模型设计了一种图像识别方法。该模型通过引入稀疏自注意力机制，有效降低了模型的时间复杂度和内存使用率。此外，采用生成式的解码器结构获取图像序列的输出，有效避免了模型推理阶段的累积误差传播。为了验证模型的效果，采用了3种不同类型的细粒度图像识别数据集：Road Sign Detection数据集、Stanford Cars数据集和中国交通标志检测数据集。Road Sign Detection数据集被用于初步验证图像识别模型的效果，而Stanford Cars数据集和CCTSDB数据集则是为了验证设计的图像识别模型在车辆识别和复杂场景下的识别效果。识别结果表明，在背景信息非常复杂的情况下，注意力层难以快速定位到关键特征区域，在经过多轮特征提取后，编码器得到了大量的无关特征，导致解码器在推理生成阶段缺乏充足的优质信息，致使模型训练不充分，降低了图像识别的准确率，但该图像识别模型仍能克服噪声信息的干扰，能取得较高的图像识别准确率。