为了解决工业场景中的图像异常检测和定位困难的问题，提出一种基于改进学生-教师网络的异常检测算法。首先，增加教师网络的深度以提升网络的性能，通过从合成的异常图像中学习教师网络特征训练去噪学生网络。其次，训练一个注意力引导的分割网络自适应地融合多层次的学生-教师特征，并在合成异常掩码的监督下进行训练。最后，在推理阶段加入剪枝操作，提高异常检测的准确性。在工业检测基准数据集上的实验结果表明，该算法具有较高的异常检测准确性，在图像级接受者操作特征曲线下面积(Area Under the Receiver Operating Characteristic Curve, AUC)达到了99.04%,在像素级平均精度为75.83%,在实例级平均精度为77.95%。

数字低压差稳压器(Digital Low Dropout Regulators, DLDO)由于数字兼容性高、可综合性强、工艺拓展及稳定性好的特点，在高效细粒度电源管理方面具有广泛应用。对传统DLDO工作原理进行了阐述，指出传统DLDO的瞬态响应被时钟频率所限制、能效偏低。针对同步、异步和比例-积分-微分(Proportional-Integral-Differential, PID)DLDO 3种主要的系统级架构进行稳定性分析，对比总结了自适应时钟、自偏置比较器、瞬态增强等能效提升技术。最后，汇总了现有代表性DLDO的性能指标和品质因数(Figure of Merit, FoM),并指明了DLDO的设计趋势和未来发展方向。

针对图像受噪声干扰导致边缘特征检测精度下降的问题，提出一种多尺度特征增强的噪声鲁棒图像边缘检测算法。该算法将多分支结构和噪声抑制模块嵌入深度边缘检测基线网络中，在浅层利用多层卷积降采样模块生成多尺度特征图，增强多尺度边缘信息。针对不同尺度的边缘检测，设计多尺度噪声抑制模块，利用增强注意力模块和残差连接实现噪声抑制，并联合噪声抑制损失和边缘检测损失监督模型训练，以实现噪声鲁棒的边缘检测。分别在BIPED数据集和BSDS500数据集上进行检测，在噪声标准差为50时，所提算法在BIPED数据集上的最优数据集尺度为0.848、最优图像尺度为0.857及平均准确率为0.908,均优于对比算法。结果表明，在不同等级噪声的干扰下，所提算法的噪声鲁棒性较好，能够有效提升噪声环境下的边缘检测精度。

为了降低低空边缘系统中的系统开销和优化用户体验质量(Quality of Experience, QoE),提出一种边缘低空系统中基于主动推理的深度强化学习(Active Inference Enabled Deep Reinforcement Learning, ADRL)算法。构建一个无人机(Unmanned Aerial Vehicle, UAV)辅助的多接入边缘计算(Multi-Access Edge Computing, MEC)系统网络模型，将边缘服务器部署在具有为用户提供卸载计算服务和内容缓存服务的UAV上。在考虑UAV算力资源限制的情况下，将最小化用户开销和最大化用户体验质量作为优化目标构建优化问题，并将该问题转化为马尔可夫决策过程，以实现任务卸载、内容缓存及资源分配。将所提算法与无物体缓存算法和UAV带宽平均分配算法在QoE、系统开销及实时奖励等进行对比，仿真结果表明，所提算法将用户开销相对基准算法降低了约13%,用户QoE相对基准算法提高了约14%。

针对直觉模糊C-均值(Intuitionistic Fuzzy C-Means, IFCM)聚类算法没有考虑图像的纹理及空间信息的问题，提出一种基于深度直觉模糊局部二值模式(Intuitionistic Fuzzy Local Binary Pattern, IFLBP)的IFCM聚类图像分割算法。定义深度邻域的概念，基于深度邻域信息更新邻域像素取值，引入图像的深度直觉模糊纹理特征，并根据图像自身特性设计犹豫阈值的动态获取方式，描述图像纹理信息的不确定性，避免人工设置参数的主观影响。同时，在处理后的特征图提取的纹理信息进行线性和非线性变化的基础上，增强目标与背景的差异，提高分割精度。通过设计图像块间的Jaccard系数，自适应获取纹理项权重，实现图像像素信息与空间信息的有效融合。实验结果表明，所提算法在视觉上有较好的分割效果，且评价指标均达到最优。

为满足低空物联网中大规模机器类设备的高效接入需求，采用免授权随机接入(Grant-Free Random Access, GFRA)机制，提出一种基于高斯混合模型的混合广义近似消息传递(Gaussian Mixture Model-Based Hybrid Generalized Approximate Message Passing, GMM-HyGAMP)算法，以实现联合用户活跃性检测与信道估计(Joint User Activity Detection and Channel Estimation, JUADCE)。首先，联合物联网设备的零星活跃模式和活跃设备在连续帧上进行数据传输的可能性，将JUADCE问题转化为动态压缩感知中的稀疏信号恢复问题，并建立稳态马尔可夫过程以表示设备活跃性和信道系数在连续帧上的时间相关性。其次，设计了高斯混合模型下的新型去噪器，并基于此提出GMM-HyGAMP算法以实现复杂环境下高可靠的JUADCE。仿真结果表明，与现有压缩感知重构算法相比，所提算法的检测准确率提高约2%,信道估计性能提升约2.5 dB,有效地降低了设备活跃性误检率和改善信道估计精度。

针对低剖面Wi-Fi通信天线的宽带圆极化问题，设计一款基于超表面的低剖面宽带圆极化天线。通过特征模原理进行分析，基于基础的切角圆极化贴片超表面，利用角缝隙、单元间枝节等微扰，优化超表面模式，设计出3种工作在不同频点的极化转化超表面结构。对于不同结构的超表面，通过缝隙耦合方式馈电，获得低剖面的宽带圆极化天线。再对不同结构的超表面进行非均匀分布，将轴比下陷点和谐振频点进行融合，获得更高的阻抗带宽和轴比带宽。天线在拓宽带宽的基础上同时缩小结构尺寸，实现天线的宽带化和小型化。仿真结果表明，天线的阻抗带宽为46.6%(3.82～6.16 GHz),天线的轴比带宽为26.9%(4.63～6.07 GHz)。与相关方法相比，所提设计具有谐振频点低、尺寸小、重叠带宽较宽的优势，适用于Wi-Fi通信和部分C波段卫星通信。

针对现有网络译码器在极化码译码中存在训练集数据要求较为严苛且抗噪声能力较弱的问题，提出一种基于辅助去噪的极化码网络级联改进译码算法。将卷积神经网络（Convolutional Neural Network, CNN）用于去噪，门控循环单元（Gated Recurrent Unit, GRU）用于译码，在此基础上引入扰动参数和扰动噪声，以传统的连续删除（Successive Cancelation, SC）算法结合扰动参数获取相应的扰动噪声，对经过CNN去噪失败的信息数据进行校正，使其偏向正确的码字，以提升去噪模块的性能，并进一步提升该算法的性能。仿真结果表明，误码率为10^-1～10^-3时，当扰动参数设置合适的情况下，所提算法相较于原始网络级联译码器约有0.2～0.5 dB的性能提升，资源消耗降低了67.2%,使译码算法的效率提高，且在低信噪比区间的抗噪声干扰能力增强。

针对不同应用场景的用户利用底层网络资源不充分的问题，提出一种利用网络切片技术对切片进行准入控制和资源分配联合算法(Joint Access Control and Resource Allocation Algorithm for Slicing, JACRAAS)。在第五代移动通信技术(5th Generation Mobile Communication Technology, 5G)的演进(5G-Advanced, 5G-A)标准下，通过最大化网络切片提供商(Network Slicing Provider, NSP)的收益，使用双深度Q网络算法对网络切片请求进行智能高效的准入控制和资源分配，并对重要经验优先回放，拒绝不满足条件的切片请求。同时，考虑网络拓扑对节点的影响，对重要节点优先排序，并进行节点映射和链路映射。仿真结果表明，所提算法与深度Q网络算法和Q学习算法相比，NSP收益成本比分别提高了9%和15%,资源利用率分别提升了10%和14%,所提算法可以显著提高底层资源的利用率。

为了满足在复杂环境下快速搜索有效路径、较短路径的要求，提出一种基于限制扩展快速搜索随机树（Restricted Search Rapidly-Exploring Random Tree Star, RS-RRT^*）的复杂环境路径规划算法。该算法先对随机树的生长方向进行引导，增加在目标区域的采样概率，减少冗余空间的搜索。再在新节点重新选择父节点时，将新节点的启发式代价考虑在内，选择更优父节点。针对初步获取的路径存在拐点较多等问题，引入道格拉斯-普克算法对路径进行简化处理，减少路径中的冗余节点。最后，在简化路径的基础上使用样条插值对于路径平滑处理。实验结果表明，相较于经典RRT^*算法，所提算法路径长度缩短9.9%,规划时间减少76.7%,迭代次数下降44.9%,显著降低了获取最优路径所需的时间和计算成本，提升了路径质量和搜索效率，在复杂环境下的适用性更强。

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。

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。

为了融合通信与感知波形，提升频谱利用率，设计了一种通信感知一体化的光子辅助太赫兹系统，基于此系统对信号产生和传输进行分析。将16正交幅度调制（Quadrature Amplitude Modulation, QAM）信号编码到线性调频信号（Linear Frequency Modulation, LFM）上，实现通信与感知波形的融合。基于一体化信号产生与传输原理及通信和感知端接收原理，仿真分析不同输入光功率、不同带宽分配和不同直流偏置下该系统的性能及通信感知性能边界。实验结果表明，该系统通过光子辅助拍频在124 GHz频段上实现1.7 cm分辨率的距离感知，在9.6 m距离下完成最高24 Gbit·s^-1的无线通信，且通信误码率达到前向纠错硬判决阈值。该系统可以避免复用一体化系统因频率时间等资源复用带来的串扰与浪费，能提升一体化信号的频谱利用率。

针对行人多目标检测跟踪中易出现遮挡和小目标检测失效的问题，提出一种基于YOLOX的改进行人多目标跟踪算法。在YOLOX中增加小目标检测层(Small Target Detection Layer, STDL)以增强小目标特征，使用新的损失函数提升目标定位精度。为了强化通道间差异，引入坐标注意力机制(Coordinate Attention, CA),综合提升YOLOX的目标检测精度，并对检测目标采用动态匹配阈值数据关联方法提升跟踪性能。为了验证所提算法的性能，将其与Sort算法、DeepSort算法及ByteTrack算法进行对比，实验结果表明，在MOT17数据集下，跟踪准确度(Multiple Object Tracking Accuracy, MOTA)提升了1.6%,跟踪稳定性(Identification F1,IDF1)提升了2.4%,身份切换(ID Switches, IDs)降低了22%。所提算法可以有效地应对遮挡和小目标失效问题，能够提升检测跟踪稳定性和准确性。

针对通用视频编码(Versatile Video Coding, VVC)标准码率控制(Rate Control, RC)技术导致的时域质量波动(Temporal Quality Fluctuation, TQF)问题，面向广泛应用于无人机等领域的屏幕内容视频(Screen Content Video, SCV),从人类视觉感知角度探究TQF的产生原因、影响因素及感知特性。基于ITU-RBT 500-13标准设计视频编码和主观观测实验，通过3-sigma准则和正态假设检验获得实验结果。结合lambda域RC方法框架及分级预测编码原理，探究并分析VVC标准RC技术产生TQF的根本原因。结合SCV内容特性及人类视觉系统感知特性，将TQF看作时域离散信号，从幅度、频率及相位3个方面分析影响TQF感知的因素及感知特性。研究结果表明：RC技术帧比特分配权重的计算是导致TQF的根本原因；人类视觉系统感知特性、图像组大小、SCV内容特性均为影响TQF感知的因素。

针对现有多视角视频摘要问题选择算法存在多视角相关性定义复杂的问题，提出一个面向多视角视频摘要问题的稀疏子集选择(Multi-View Dissimilarity-based Sparse Subset Selection, MDS3)算法。该算法通过构造相对简单的不同视角下视频帧之间的相关性度量方法，对不同视角下的隶属度矩阵同时进行稀疏和多样性惩罚，并采用加权版本的收缩阈值算子和交替方向乘子法算法框架进行求解。对比实验结果表明，MDS3算法能够有效减少多视角视频摘要的冗余信息，增加了多样性。

针对无人机(Unmanned Aerial Vehicle, UAV)在目标检测过程中面临的通信资源浪费和效率低的问题，提出一种基于知识图谱(Knowledge Graph, KG)的UAV目标检测认知语义通信系统。利用KG知识和全局语义推理能力构建系统推理和传播算法，纠正传输过程中符号层面出现的错误，并采用注意力机制算法解决KG种类与实际图像中种类不平衡的现象。将所提系统与其他相关的通信系统在不同信噪比和不同信道环境下的检测精度和图像重建性能等进行对比，验证结果表明，所提系统在检测精度和图像重建方面均优于基准通信系统，在5 dB信噪比的加性高斯白噪声信道下，所提系统目标检测平均精度达到53.17%,相比其他系统提升了约15.6个百分点；图像重建结构相似性达到80.17%,提升了约10个百分点。

针对低空经济中资源受限对无人机执行全任务链效率和成功率降低的问题，提出一种基于多无人机协作与语义复用共享的低空经济任务执行策略。该策略将多模态信息编码为语义向量，以减轻存储资源的负担。同时，利用多层基站进行任务信息卸载和新数据获取，实现决策信息的重复利用，减少能源消耗。此外，针对不同高度层无人机长期作业导致的语义映射偏差，单一信息经过语义调整后可在不同层无人机的知识库中重复利用，实现语义复用，减少数据冗余，进一步降低计算功耗。仿真结果表明，该策略将无人机在不同高度层的平均功耗降低了25.7%,并在此基础上使其在低空经济活动任务链中的完成率提高了53%。

单端输入转差分输出电路通常以全差分运放为核心，构建反相比例放大器并将其中一个输入端接共模电平实现单端输入，要求全差分运放在全输入范围具有稳定的跨导以保障在宽输入应用具有高线性度。针对现有3倍电流镜全差分运放跨导稳定性优化技术效果不佳问题，提出了一种输入级分段尾电流补偿技术，在输入对管跨导变弱的截止区和亚阈值区内自适应地提供不同的补偿电流，提高跨导稳定性优化效果。基于0.18μm CMOS工艺设计了全差分运放，面积为0.051 mm²。在1.8 V全输入范围跨导仅变化0.95%。将设计的全差分运放用于单端转差分电路进行验证，当负载电容为10 pF,信号频率为1 MHz时，实现了-94.3 dB的总谐波抑制效果。与其他全差分运放相比，所提设计实现了较好的线性度。

针对物联网(Internet of Things, IoT)设备普遍存在的算力不足与能量短缺的问题，提出一种无人机(Unmanned Aerial Vehicle, UAV)反向散射(Backscatter Communication, BC)移动边缘计算(Mobile Edge Computing, MEC)网络能耗最小化方案。IoT设备从UAV发送信号中吸收能量进行本地计算，同时利用BC技术将部分待计算任务卸载至UAV进行远程计算。建立一个非凸优化问题并使用分块迭代、拉格朗日对偶及连续凸近似(Successive Convex Approximation, SCA)算法对其求解，得到UAV中央处理器(Central Processing Unit, CPU)频率、UAV发射功率、IoT设备BC系数及UAV轨迹的最优参数，在保证IoT设备信息传输安全的前提下使网络能耗最小。仿真结果表明，相比于基准方案，所提方案在不同网络参数下可有效降低无人机能耗，降幅最高可达83.3%。

针对现有方法在源代码相似性检测中难以有效提取语法和结构信息的问题，提出一种基于孪生网络(Siamese Neural Network,SNN)的源代码相似性检测方法。利用抽象语法树(Abstract Syntax Tree,AST)作为源代码表征形式，设计适用于AST的位置编码机制和多维源代码特征提取机制。将AST中的每个节点转化成词嵌入向量，生成对应的位置编码向量，相加后输入Transformer模型，生成包含丰富语法和结构信息的向量，拼接多维源代码特征向量作为孪生网络的输入，实现源代码的相似性检测。实验结果表明，所提方法准确率达91.88%,较FCDetector、TreeCen和C4方法分别提升20.32%、9.15%和10.23%,在源代码相似性检测的性能上更具优势。

针对传统时序预测方法在不同场景中学习稳定特征效果不佳的问题，提出一种基于场景不可知学习的时序数据域泛化方法。该方法通过设计新的加权目标函数，从总样本中选取核心样本，以提升模型的泛化能力，并利用正则化方法，在训练过程中平衡模型对不同样本的表现，避免模型对某些样本过拟合。实验结果表明：在水质数据集上，所提方法的均方根误差(Root Mean Square Error,RMSE)为1.90,平均绝对误差(Mean Absolute Error,MAE)为0.85,分别比基线方法提升1%和2%;在用电量数据集上，所提方法的RMSE为7.43,MAE为4.03,分别比基线方法提升15%和26%,表明所提方法能够有效提升模型训练的收敛速度和模型推理的泛化能力。

针对蜕变测试过程中难以快速且有效地选择蜕变关系的问题，提出一种基于上下文老虎机的智能选择蜕变关系方法。该方法在测试过程中先构造待选择的蜕变关系并提取源测试用例的特征向量，然后创建上下文老虎机，利用特征向量和决策算法智能选择每轮测试的蜕变关系，生成衍生用例进行测试。最后将测试结果反馈至老虎机，通过多轮训练筛选出最优蜕变关系。实验结果表明，相比于随机选择方法和Tetraband选择方法，所提方法提高了平均故障检测率，具有更强的系统缺陷检测能力。

为改善现有深度学习驱动的二进制代码相似性检测模型的跨架构检测能力，提出一种基于正交变换对齐的跨架构代码相似性检测方法。该方法针对不同架构的指令嵌入实施正交变换以消除其差异性，通过将对齐后的指令嵌入送入孪生对比学习模型，降低模型的训练难度并增强跨架构的语义相似性检测能力。实验结果表明，所提方法在受试者工作特征曲线下面积、F1分数和准确率上相比采用未经指令嵌入对齐的检测模型分别提高10.3%、9.2%和9.6%,跨架构检测能力和对抗编译优化干扰的能力更强。

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。

设计一种低剖面超宽带圆极化单极子可穿戴天线。该天线通过阶梯式阻抗变换技术和地板上增加三角形微扰结构的方式改变表面电流分布，从而拓宽天线的阻抗带宽和轴比带宽，实现超宽带。仿真结果表明，天线的工作频带为4.44～11.24 GHz,相对带宽为86.7%,天线的轴比带宽为4.34～11.63 GHz,相对带宽为91.3%,在6 GHz和8 GHz的比吸收率最大值为0.8120 W/kg和0.9121 W/kg。该天线适用于人体表面，可应用于以人体为中心的无线通信系统中。

针对发光二极管驱动转换器在芯片上电启动时易出现浪涌电流损坏电路，且软启动电路占面积大的问题，设计一种基于限流电路实现浪涌抑制的高集成软启动电路。在电路启动前期，通过降低限流电路阈值限制电感峰值电流，进而限制脉冲宽度调制电路输出占空比，减缓芯片输出电压上升速率，保障平稳启动，使浪涌电流最小化。采用东部0.18μm工艺仿真结果表明，该电路版图仅占0.005 7 mm²,芯片输出缓慢上升，电感电流在软启动阶段受限，初始涌流仅126 mA,1.6 ms后完成软启动，适用于多种直流-直流转换器应用。

对未来移动通信中高速移动性场景下的新型正交时频空(Orthogonal Time Frequency Space, OTFS)接收机关键技术进行研究。首先，概述了OTFS技术的系统模型，对其主要优势与特性进行阐述。其次，分析OTFS系统在时频域和时延-多普勒域的输入-输出关系。然后，通过与传统正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术的性能比较，总结OTFS在不同通信条件下的技术优势，并进一步介绍和分析现有OTFS系统的信道估计、信号检测以及分集增益方案。最后，探讨OTFS技术在下一代通信关键技术及潜在场景下的应用前景。

针对长短期记忆(Long Short-Term Memory, LSTM)神经网络预测滞后性和过度依赖数据的问题，提出一种多模型融合的时间序列数据预测方法。该方法在融合经验模态分解和自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model, ARIMA)基础上，先对数据进行经验模态分解，然后针对分解数据的线性分量和非线性分量分别采用ARIMA模型和引入注意力机制的LSTM模型进行处理，最后合成预测结果。实验结果表明，该方法的预测精度达到98.95%,与单一模型对比，融合模型具有更高的预测精度。

在光子辅助太赫兹信号产生方案中，为了解决两个独立激光器外差拍频时造成的相位和频率漂移问题，设计一种基于单环型腔的太赫兹双波长相干光源的产生结构。将级联电光调制器产生光频梳的技术与光纤环形谐振腔相结合，实现了1 550.10 nm和1 552.44 nm双波长单纵模相干光源输出。对产生的双光源性能进行进一步分析，并搭建了太赫兹信号传输系统对双光源的信号传输性能进行验证。仿真实验证明，室温条件下该结构可实现双波长光源输出功率波动小于0.15 dB,线宽小于50 kHz,光信噪比（Optical Signal to Noise Ratio, OSNR）均大于60 dB,相对强度噪声小于-115 dBc/Hz。并且在16 QAM以及64 QAM信号的10 km单模光纤加10 m无线信道的传输仿真实验中，可以实现误码率低于前向纠错编码硬判决阈值3.8×10^-3。

针对当前网络中数据平面在处理新型协议时面临资源占用过多和性能较低的问题，设计并实现了一种可重构解析器。根据解析图生成解析指令实现解析器的重构，通过采用全等比较器组替代传统的三态内容寻址存储器(Ternary Content Addressable Memory, TCAM),降低资源占用。增加预处理解析器对常规协议帧进行预处理，采用多个解析器并行处理链路上的连续多层协议帧，提升数据包头解析速率。以100 Gbps智能网卡中网络协议处理为例，配置可重构解析器，在VCU118开发板上进行实现。实验结果表明，所提设计仅使用63 844个查找表(Look-Up Table, LUT)和36 346个触发器(Flip-Flop, FF),在解析结果完全正确的前提下，整个系统带宽最高可达58.3 Gbps。对比同类解决方案，提出的设计方法在提高性能的同时具有更低的资源占用。

针对现有车辆轨迹预测模型在处理车间交互和道路拓扑约束方面存在的局限性，提出一种基于Transformer的城市场景车辆轨迹预测模型。该模型利用Transformer编码器分别挖掘车辆轨迹和高清地图数据的时序依赖关系，构建自注意力机制以提取车间交互信息，并通过交叉注意力机制提取道路约束表征。最后，将融合车间交互与道路约束的时序编码输入长短时记忆网络解码器，以预测车辆的未来轨迹。实验结果表明，所提模型在平均位移误差、最终位移误差以及丢失率等评价指标上均优于现有的主流算法，实现了5.43%～18.80%的性能提升，展现出了在城市复杂交通场景中的应用潜力。

为应对海量非结构化文档中关键信息快速提取的挑战，提出一种基于复合注意力机制的文档版面分析算法。该算法先在特征金字塔网络中添加空间注意力机制聚焦文档图像中信息密集的区域，引入可变性卷积解决偏移域的问题。然后通过连接通道注意力机制自适应调整特征通道的权重，以提升文档图像特征表征质量。最后，采用残差连接方式改善深层网络中的梯度消失问题，从而实现图像特征高效融合。实验结果表明，所提算法在PubLayNet英文数据集和CDLA中文数据集上的mAP分别为88.2%和94.3%,相比对比算法分别提升了0.6%和3.3%,对复杂文档中存在的多元化表格具有更好的检测效果。

针对一类多输入多输出(multi-input multi-output, MIMO)非线性系统的跟踪控制问题，设计一种新型自适应模糊容错控制器。首先，通过误差转换将受约束的系统误差转换为无约束误差；采用基于开关切换的控制策略处理潜在的执行器故障。其次，在传统的模糊逻辑系统中引入非零时变参数，通过该参数在线调节模糊逻辑系统的逼近精度。根据稳定性理论设计控制器和自适应律，当系统状态超出逼近域时，利用自适应律使系统状态回到滑模面，进而进入逼近域内。结合矩阵分解和Nussbaum型函数的方法，解决控制方向未知的问题。改进的平均驻留时间用于保证输出约束下信号的一致有界性。仿真结果表明，闭环系统的所有信号在时变约束内都能实现理想的跟踪性能。

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。

针对无人机视角下烟雾尺度变化剧烈以及烟雾自身颜色差异大的问题，提出一种无人机航拍图像火灾烟雾检测算法。构建Smoke-YOLO(You Only Look Once)网络，通过跨空间学习的特征交互注意力模块，使用并行子结构增强多层次语义信息，提升特征提取能力。利用跨层级特征融合模块对不同尺度目标进行融合，提高烟雾检测网络的稳健性。为解决现有公开烟雾数据集单一类别标注忽视烟雾类内差异的问题，给出双类标签映射策略，自建双类别无人机航拍火灾烟雾图像数据集，并采用标签映射模块将双类别烟雾标签统一为烟雾类，在自定义的映射规则中解决统一烟雾类目标时存在的分类冲突问题。实验结果表明，所提算法在自建数据集上比原有YOLOv8模型的准确率、召回率、类别精度分别提升4.4%、7%、6.7%,每秒检测帧数达到314.2,Smoke-YOLO网络在航拍图像火灾烟雾检测任务上具备高效的实时检测和精度优势。

针对汽车安全充电应用需求，设计了一款具有反向阻断功能的高精度过流保护电路，采用0.18μm BCD工艺实现。电路中，功率管采用两个MOS管以“背靠背”方式连接，当输出端电压高于输入端电压时，其寄生体二极管能有效阻断反向电流通路。为提高采样精度，增加采样管的沟道长度，有效抑制其沟长调制效应；预放大电路保证了采样管与功率管的源端电位一致，输入级引入横向双极性晶体管，以降低输入噪声并提高运放增益，输出级采用双极性晶体管与MOS管组成的负反馈结构，有效抑制电流温漂，进一步提升限流精度；补偿电路通过在过流瞬间减小采样电流，限制功率管的通流能力，进一步保护内部电路免受过流冲击。测试结果表明，在-40℃条件下，输入电压为5.5 V,外接电阻20 kΩ时，限流精度最低为5.1%。