针对探索时间序列之间随时间变化的因果关系问题，在每个窗口进行Granger因果检测的滑动时间窗口方法是求解该问题的常用方法，但其性能对窗宽敏感，不合适的窗宽很可能导致低性能。该文提出一种差异区域平衡方法，首先计算当前滑动窗口W内序列的波动程度Sw并作为波动界，计算窗口W的前向相邻区域U内序列的波动程度Su。然后，实施前向探索策略：若Su未超过Sw，则实施不同长度区域的平衡检测方案，即对窗口W、对窗口W与U的合并区域、对窗口W与后向相邻区域V的合并区域这3种不同长度的差异区域，分别进行时间序列之间因果关系的检测；若Su超过Sw，则实施上述平衡检测方案时，其中区域U和V的长度取相同值。最后，将窗口W的多次检测结果进行综合后输出。新方法将不同长度区域的结果进行综合，能够降低方法的性能对窗宽的敏感性，保障最终结果的准确性和稳定性。在1个模拟数据集和4个真实数据集上的实验结果显示，该文方法能有效地揭示出时间序列之间随时间变化的因果关系，在正确率高且性能稳定的综合性能上优于对比方法。

本文基于旋转矩阵单位四元数分解定理,提出一种由3D特征点空间位置估计运动参数的算法。单位四元数表示旋转矩阵时不存在奇异点,故基于单位四元数的运动估计方法具有更大的实用价值,而本文算法无需Horn(1987)和Su等人(1989)提出的单位四元数方法的迭代运算。本文给出了解的唯一性分析和模拟实验结果,可见其性能是令人满意的。

针对非理想信道状态信息(CSI)条件下工作于underlay模式的认知无线网络(CRN)多用户下行功率分配和波束赋形研究中普遍存在的问题，包括忽略主网络(PN)对认知用户(SU)的干扰、传统的凸优化SDR方法对约束条件的近似要求以及实现算法复杂、实用性受限等，首先建立CRN模型，增添PN对SU的干扰项，而后在非理想CSI的最差条件下形成优化问题。再通过Lagrange对偶对问题的约束条件进行变换，并基于变换后的问题形式，利用上行和下行的对偶特性，引入虚拟功率，将优化问题转换为上行功率分配和波束赋形问题，进一步得到简便、快速和实用的迭代算法。数值仿真显示，算法收敛很快。并且发现非理想CSI引起的误差不仅对下行功率影响明显而且还改变优化问题的可行解区域；PN基站(PBS)的发送功率的变化对可行解区域有显著的影响。

针对认知无线电系统中的频谱感知问题，该文采用随机矩阵理论(Random Matrix Theory, RMT)对多认知用户(Secondary User, SU)接收信号采样协方差矩阵的最大特征值的分布特性进行了分析和研究，提出了一种新的基于双特征值判决门限(Double Eigenvalue Threshold, DET)的合作频谱感知算法。由该算法感知性能的理论分析可知：DET合作感知算法无需主用户(Primary User, PU)发射机信号的先验知识，也不需要预先知道信道背景噪声功率。仿真结果表明，与传统的频谱感知方法相比，该方法只需较少的认知用户就能获得较高的感知性能，并且对噪声的不确定性具有较强的鲁棒性。

该文采用随机矩阵理论(RMT)直接对压缩采样得到的观测数据进行分析，设计出了一种基于广义似然比检验(GLRT)的非重构宽带压缩频谱感知新算法。该算法无需任何先验知识就能对宽带频谱中的每个子带进行盲检测。此外，为了减轻次用户(SU)在数据获取和频谱感知过程中的通信开销，该文提出一种基于传感器节点(SN)辅助感知的合作频谱感知架构。理论分析和仿真结果均表明，与传统基于信号重构的GLRT感知算法以及Roy最大根检测(RLRT)算法相比，该算法不仅具有计算复杂度低、开销小、感知性能稳定等诸多优点；而且只需较少的SN就能获得较好的检测性能。

信道时间相关多输入多输出(MIMO)系统中一种重要有限反馈策略为差分反馈，该文提出一种适用于单用户多输入单输出(SU-MISO)系统的自适应球帽差分反馈算法。首先，运用相邻时刻信道间的扰动规律设计自适应差分反馈策略；其次，不同于现有差分码本的非线性构造方法，提出一种基于矢量伸缩和合成的球帽差分码本算法；最后，联合球帽码本空间分布规律和时间相关信道的统计规律推导出球帽半径计算方法。仿真结果说明，该算法能准确跟踪信道并较现有算法有一定性能提高。

该文采用MEMS工艺制备可集成安培酶免疫传感器，用于人免疫球蛋白IgG的检测。该传感器以硅作为基底，铂作为电极，工作电极敏感面积1mm2。SU-8胶形成的微反应池结构使该传感器试剂用量仅为l量级。聚吡咯作为酶与电极之间的电子转移基体聚合于工作电极敏感表面，戊二醛作为交联剂进行抗体(羊抗人IgG)的固定。抗体与酶标抗体(辣根过氧化物酶HRP标羊抗人IgG)对人IgG进行特异性夹心识别，通过检测酶标HRP对底物H2O2催化产生的电流信号实现免疫检测。该传感器工作电压-0.3V，检测下限5ng/ml，线性范围5～255ng/ml，响应时间3min，具有响应快、下限低、试剂用量少、微型化、便于集成等优点。

结肠息肉的精确分割对结直肠癌的诊断和治疗具有重要意义，目前的分割方法普遍存在有伪影、分割精度低等问题。该文提出一种基于阶梯结构的U-Net结肠息肉分割算法(SU-Net)，使用U-Net的U型结构，利用Kronecker乘积来扩展标准空洞卷积核，构成Kronecker空洞卷积下采样有效扩大感受野，弥补传统空洞卷积容易丢失的细节特征；应用具有阶梯结构的融合模块，遵循扩展和堆叠原则形成阶梯状的分层结构，有效捕获上下文信息并从多个尺度聚合特征；在解码器引入卷积重构上采样模块生成密集的像素级预测图，捕获双线性插值上采样中缺少的精细信息。在Kvasir-SEG数据集和CVC-EndoSceneStill数据集上对模型进行了测试，相似系数(Dice)指标和交并比(IoU)指标分别达到了87.51%, 88.75%和82.30%, 85.64%。实验结果表明，该文所提方法改善了因过度曝光、低对比度引起的分割精度低的问题，同时消除了边界外部的图像伪影和图像内部不连贯的现象，优于其他息肉分割方法。