针对第六代移动通信网络(6th Generation Mobile Networks, 6G)中通信设备频谱资源紧张、频谱利用率提升困难的问题，提出基于认知无线电(Cognitive Radio, CR)的速率分割多址(Rate-Splitting Multiple Access, RSMA)无人机反向散射通信(Backscatter Communication, BC)系统。认知网络共享授权网络的频谱，且反向散射设备接收授权网络信号后将部分信号反射给无人机用户。考虑授权网络对认知发射源施加干扰限制的情况，在瑞利衰落信道下推导了该通信系统中断概率的精确表达式，以及系统的分集增益和吞吐量。验证结果表明，反射系数以及中断阈值增大时，反向散射链路的干扰减小，系统中断概率与之前相比下降了51%;目标速率增大时，信号强度增强，系统吞吐量增加了5%。所提系统在满足实际通信需求时综合考虑了参数选择、系统性能，能够实现对无人机反向散射通信整体的合理权衡。

针对物联网(Internet of Things, IoT)边缘计算(Mobile Edge Computing, MEC)网络中建筑物遮挡、信道质量差导致的能耗增大的问题，提出一种智能反射表面(Intelligent Reflecting Surface, IRS)辅助无人机(Unmanned Aerial Vehicle, UAV)反向散射边缘计算网络能效最大化方案。通过优化反向散射过程中用户的反射系数、UAV的传输功率、用户设备的计算资源、IRS的相移矩阵和UAV的轨迹实现系统能效最大化。针对强耦合非凸优化问题，采用基于Dinkelbach设计的交替迭代优化算法，利用拉格朗日对偶、连续凸近似(Successive Convex Approximation, SCA)及最大最小化算法迭代求解。最后，将所提方案与固定UAV轨迹和IRS相移方案及单独固定UAV轨迹方案进行对比，仿真结果表明，所提方案在不同参数下可有效降低系统能耗，降幅最高可达51.2%,能够更有效地优化资源分配并实现系统网络能效最大化。

针对底层认知无线电网络(Underlay Cognitive Radio Network, UCRN)中信息传输的安全隐患问题，提出一个存在窃听者的无人机(Unmanned Aerial Vehicle, UAV)中继辅助UCRN通信系统。在该系统中，考虑了UAV中继和次用户同时受到同信道干扰(Co-Channel Interference, CCI)和主网络干扰(Primary Network Interference, PNI)的影响，采用最优中继选择方案在Nakagami-m衰落信道下推导系统的保密中断概率，并通过蒙特卡罗仿真分析信道衰落参数、干扰源数量以及干扰功率对所提系统性能的影响。仿真结果表明，干扰源数量和干扰功率是制约系统保密性能的重要因素，当干扰功率以1%比率线性增加时，保密中断性能有所退化，通过增加UAV中继数量可有效提高系统的保密性能。

针对随机气流和无人机(Unmanned Aerial Vehicles, UAV)机体振动引起的抖动影响UAV安全通信性能的问题，提出一种基于有源可重构智能表面(Reconfigurable Intelligence Surface, RIS)的辅助抖动UAV空地安全通信方案。该方案采用泰勒展开的线性近似方法表征仰角和方位角变化所产生的信道误差，在用户保密速率约束下，优化UAV机载基站的预编码矩阵和有源RIS的反射系数，以最小化机载基站的发射功率。将对应的优化问题分解为发射端预编码矩阵和有源RIS反射系数优化两个子问题，并通过交替优化方法求解。仿真结果表明，所提方案可以使UAV机载基站的发射功率在UAV抖动量为0.02的情况下降低10倍，能够在UAV抖动情况下保障用户安全通信速率。

针对传统无人机(Unmanned Aerial Vehicle, UAV)将计算任务卸载至边缘节点的过程中，存在响应延迟高、能量消耗大以及边缘侧计算能力受限的问题，提出一种空天地场景下的移动边缘计算卸载策略算法，即随机优先经验回放的多智能体深度确定性策略梯度(Stochastic Prioritized Experience Replay for Multi-Agent Deep Deterministic Policy Gradient, SPER-MADDPG)算法。构建满足地面用户计算资源与网络需求的空-天-地网络架构，通过采用马尔可夫决策模型并引入自适应决策机制，使任务卸载产生的时延与能耗最小化。仿真结果表明，相较于多智能体双延迟深度确定性策略梯度算法、MADDPG算法及随机卸载算法，所提算法在移动边缘计算卸载任务处理中降低了59.23%的时延和42.1%的能耗，能够解决空天地场景中移动边缘计算卸载成本高的问题。

针对传统折合振子输入阻抗高、难以实现宽带匹配的问题，提出一种具有多个工作模式的宽带折合振子天线。具体方法为：首先在传统折合振子中心处设置双枝节阻抗调节结构，该结构由两根平行的金属导体组成，用于补偿折合振子过大的容抗，使折合振子全波模式对应的频点下移至4.6 GHz;然后，将双枝节阻抗调节结构从中心向一侧移动，激发出另一个全波模式；最后，将馈电端口由双枝节末端向上平移，以提高第二个全波模式对应频点的阻抗匹配程度并减小天线等效电感。实验结果表明，天线第二个全波模式对应的频点5.2 GHz与折合振子半波模式对应的频点3.5 GHz和第一个全波模式对应的频点4.6 GHz融合，在3.2～5.35 GHz频率范围内实现了宽带阻抗匹配。该天线具有结构简单、带宽大等优点，在通信系统中具有良好的应用前景。

针对缩放型模数转换器(Zoom Analog-to-Digital Converter, ADC)中逐次逼近型(Successive Approximation Register, SAR)ADC传统开关时序存在消耗能量较大的问题，提出基于合并-分裂(Merge-Split)开关切换策略的设计。利用合并-分裂的开关算法实现只对当前权重位电容进行充放电的操作，降低ADC功耗，同时，采用了基于反相器的全差分电流饥饿型跨导运算放大器提高ADC稳健性。基于0.18μm互补金属-氧化物-半导体(Complementary Metal Oxide Semiconductor, CMOS)工艺进行设计，在1.8 V电源电压、1 MHz采样频率、256倍过采样率条件下，信噪失真比为120.4 dB,动态范围为121.8 dB,功耗为478.4μW,能效优值为184。与其他Zoom ADC设计相比，所提设计实现了较高的ADC精度和较低的功耗。

针对外包隐私决策树分类协议普遍存在用户通信开销大、评估效率低，以及对模型结构参数隐私保护不足等问题，提出一种次线性成本的隐私决策树外包分类协议。在该协议中，模型所有者利用不经意索引，通过树结构重排隐藏决策树拓扑信息完成模型隐私性的保护，并将秘密份额发送至云服务器，用户则根据属性索引随机选择特征向量份额并分发给云服务器。云服务器利用基于PaillierTD同态加密设计的无需二进制分解的阈值比较算法协同完成节点阈值对比，并沿指向包含正确分类标签叶节点的路径完成评估。性能分析结果表明，所提协议在保护模型结构隐私的前提下，相较于同类协议通信开销降低约46.49%,评估时间减少约19.72%;相较于未保护模型隐私的同类协议，评估时间减少约50.12%,同时维持了较低通信开销，适用于深度较高的决策树或高维度特征向量的场景。

针对车载自组织网络(Vehicular Ad Hoc Network, VANET)中的隐私保护问题，提出一种基于SM9算法的聚合签名方案。该方案以SM9签名算法为基础，结合聚合签名技术提高认证效率，利用雾计算降低时延，实现对数据的实时处理需求，同时满足条件隐私保护、匿名性和不可链接性等安全需求。最后，通过假名机制保护车辆隐私，确保当车辆发生非法行为时能够快速追踪其真实身份。在随机谕言机模型下，证明了该方案的不可伪造性。性能分析结果表明，与现有方案相比，所提方案有效降低了聚合验证阶段的计算开销，适用于资源受限的车联网环境。

为了解决乘客和网约车在乘车匹配中的隐私泄露问题，提出一种云辅助的隐私保护网约车匹配方案。该方案采用高效多方委托计算密码原语，使乘客和网约车利用各自的密钥加密消息。将云服务器与密码服务提供商进行协作，共同计算乘客和网约车之间的道路距离，并通过密文打包技术减小通信和计算开销，利用道路网络嵌入技术提高匹配的准确性。此外，设计安全比较协议，在密文状态下安全高效计算数据中的最大值或最小值，用于计算乘客与网约车之间的道路距离以及在多个候选网约车中识别最近的网约车。安全性分析和性能分析结果表明，该方案能够在不泄露用户具体位置信息的前提下，有效地为乘客匹配最近的网约车，与现有相关方案相比，具有更优的通信和计算开销。

为了降低车辆社交网络(Vehicular Social Networks, VSNs)中数据共享方案的通信和计算开销，实现车辆间的实时通信，提出一个轻量级可撤销的VSNs数据共享方案(Revocable Data Sharing Scheme, RDSS)。该方案通过基于属性加密的与门访问结构，使得密文及密钥长度固定，从而减少用户的计算开销，实现轻量级且细粒度的数据共享。此外，当有用户被撤销时，通过将撤销列表嵌入密文，使得未撤销的用户无需更新密钥仍可有效地访问数据，减小用户的计算开销。安全性分析结果表明，在判定性双线性Diffie-Hellman困难假设下RDSS能够抵抗选择明文攻击。性能分析结果表明，即使属性数量增加，RDSS仍保持常数级的计算开销和通信开销，更适用于VSNs中资源受限的车辆终端。

随着FLIP-范式下的同态友好流密码的不断改进，在等重量向量子集上具有平衡性等良好密码学性质的密码函数成为学术界研究的热点。通过分析各类构造方法、代数免疫度等密码学性质优良的函数及k-重量非线性度等相关结论，总结在等重量向量子集上满足平衡性的逐重量(几乎)完美平衡(Weightwise (Almost) Perfectly Balanced, W(A)PB)布尔函数的研究成果，并指出未来的研究方向。

针对大型互感器隐形故障呈现出非时序特性，使得时间维度下的故障识别困难的问题，提出大型互感器非时序隐形故障正负序相量骨干粒子群(Bare Bones Particle Swarm Optimization,BBPSO)识别算法。收集大型互感器的电压及电流信号，对其正负序相量进行解析。结合傅里叶级数，进行线性叠加处理，得到时变的动态相量，分析非时序故障特征。在此基础上，引入BBPSO对非时序故障特征进行迭代分析，输出隐形故障识别结果。实验结果表明，该算法能够有效识别出大型互感器的隐形故障，且表现出的接受者操作特性曲线下面积较优，识别精度水平较高，在大型互感器运维工作中具有良好应用前景。

针对不确定非线性二阶异维多智能体系统(Multi-agent Systems, MASs)中领导者与跟随者系统状态维度不同的情况，提出一种新定义的相似性质。通过计算一系列相似参数，并将其应用于控制器的状态反馈设计，以此实现将异维MASs中跟随者状态维度转化为与领导者一致的系统。通过在传统模糊逻辑系统(Fuzzy Logic System, FLS)中引入可在线调节逼近误差的非零时变参数，进而提出新型万能逼近定理，以此补偿MASs系统中的不确定非线性项。此外，为克服有限逼近域的限制，结合滑模控制设计滑模面，可将系统状态拉回到有限逼近域内，避免对更大有限域的需求，同时运用Lyapunov函数对系统进行稳定性分析。在考虑状态时变有界约束条件下，所设计的控制器能够确保系统状态始终处于约束范围内，避免智能体之间发生碰撞。仿真结果表明，所提出的方法可以确保系统跟踪性能，使闭环系统中的所有信号最终达到一致有界(Uniformly Ultimately Bounded, UUB),保证跟随者系统状态能够有效地跟踪领导者的运行轨迹。