全球卫星导航系统(GNSS)导航信号的波形特性将会影响导航信号质量，而信号质量优劣则直接决定了整个GNSS的服务性能极限。传统的波形畸变评估方法主要针对传统相移键控(PSK)调制信号的波形幅度和宽度开展研究，而忽视了波形不对称对跟踪误差和测距误差带来的影响。该文在国际民航组织(ICAO)所采用的传统测距码波形分析模型TMA/TMB/TMC基础上，给出了适用于各种新型二进制偏置载波(BOC)调制的波形畸变分析扩展模型。接着提出能够精细分析波形上升下降沿对称特性(WRaFES)分析模型，并从时域波形、相关函数、S曲线过零点偏差3个方面，深入仿真分析了WRaFES模型的性能特点。最后，以北斗试验卫星M1-S B1Cd信号为例，给出了基于WRaFES模型及相关曲线特性的实测分析结果。研究表明：该方法能够精确分析导航信号波形不对称性及对用户带来的影响，研究成果可为新型卫星导航信号评估提供一种新方法和新思路，同时还可为GNSS用户接收机相关器间隔参数的合理选取提供建议和技术支撑。

为提高MEMS陀螺仪测量精度，抑制测量噪声对其造成的影响，该文分析了某型号MEMS陀螺仪误差特性，提出基于递归最小二乘法(RLS)多重小波分解重构的强追踪自反馈模型，建立新的软阈值函数。由于模型处理后的数据带有部分奇异值，该文提出了一种改进的中值滤波算法。对于陀螺仪零偏噪声问题，提出零偏不稳定性抑制算法，并对该算法模型进行了详细的描述。将某项目研究中列车姿态测量系统的实验数据应用到该算法模型中。测试实验分为静态、动态两组，其结果均表明：该算法减小了信号中的噪声，有效地抑制了MEMS陀螺仪随机漂移，提高了姿态解算的精度。肯定了该算法对陀螺仪输出信号噪声去除，以及使用精度提升的可行性和有效性。

该文提出一种空时结构下的精确宽带波束赋形算法。在空频结构下，对各子带权值进行波束赋形优化。根据权值在满足共轭对称条件下，阵列幅度响应可以转换为线性函数这一原理，将波束赋形转换为凸优化问题。利用内点法得到最优权值后，通过空频结构与空时结构之间的权值转换关系，得到空时结构下的波束权值。该算法能够对宽带波束图进行精确地赋形，同时保证在期望方向上阵列响应具有线性相位特性。仿真结果验证了算法的有效性。

针对有源欺骗干扰环境下基于小样本的DOA估计问题，该文提出自适应极化滤波(APF)联合块稀疏贝叶斯学习(BSBL)算法的DOA估计方法。首先，通过APF抑制干扰能量，提高信干比。然后，建立有源欺骗干扰环境下的稀疏贝叶斯模型，基于相邻快拍相关性，利用BSBL算法进行DOA估计。仿真和实测数据处理结果表明，所提方法降低了干扰对BSBL算法的影响，且与APF联合子空间类算法或最大似然算法(ML)相比，具有更高的空间分辨率和DOA估计精度。

频谱弥散(SMSP)干扰与线性调频雷达信号之间存在大量的时频域耦合，干扰效能突出。该文提出一种信息域的抗SMSP干扰的信号处理算法，根据SMSP干扰信号的形式与特点，通过自适应改变压缩感知的干扰基字典，同时匹配雷达信号与干扰信号的调频率，构建压缩感知求解模型并基于凸优化算法完成信号重构，最终实现干扰信号的识别及雷达信号的提取。该算法中冗余字典的构造采用了Pei型分数阶傅里叶快速分解方法，不需要反复对信号进行时频域解耦，并且迭代次数较少，运算效率较高。

运动目标速度估计是机载单天线高分辨率合成孔径雷达(SAR)实现运动目标成像和定位的关键环节。针对现有方法运算量大、易受距离徙动干扰等缺点，该文提出一种基于回波序列最小二乘拟合的速度估计方法。利用该方法，首先通过包络相关提取相邻回波序列的距离变化量，然后对其做最小二乘线性拟合，目标的距离向速度和方位向速度可由拟合系数计算得到。与传统方法相比，该方法不仅计算量小，而且无须先做距离徙动校正(RCMC)。该文给出了新方法的数学模型和参数选取原则，分析了该方法的估计精度、计算量和适用条件，并通过仿真和实际数据处理验证了该方法的有效性。

目标定位精度是机载合成孔径雷达(SAR)系统的一项重要技术指标，因此机载SAR图像目标定位具有重要的应用价值。在基于距离-多普勒模型的SAR图像目标定位方法中，载机运动参数的精度会直接影响定位的精度，在机载平台导航精度受限的情况下，定位精度会受到很大影响。因此，该文提出一种基于距离-多普勒模型参数更新的机载SAR图像目标定位方法，利用机载SAR图像与基准图像匹配得到的匹配点来对载机运动参数进行更新，提高参数的精度，进而提高定位的精度。实验证明了该方法的有效性。

由于运动误差严重的2维空变性，对于10 GHz超宽带微波光子SAR，传统的直接从相位进行运动误差估计的方法估计精度不高。因此，该文提出一种包络与相位联合的超高分辨运动误差估计方法，能够在没有惯导信息时实现运动误差的精确估计。该方法首先在距离徙动矫正(RCMC)之前，通过对包络对齐算法(RAA)提取的包络信息采用最小二乘算法(LSA)与梯度下降算法(GDA)获得近似的3维运动误差。接着，对粗补偿与RCMC之后的数据，先消除方位相位空变，然后采用两维空变的相位误差估计方法获得剩余运动误差的精确估计。仿真和车载微波光子雷达实测数据验证了该方法的有效性。

现代星载合成孔径雷达(SAR)系统要求同时具备高分辨率和宽测绘带的能力，而传统单通道星载SAR系统在分辨率和测绘带两个重要指标之间存在固有矛盾，因此方位向多通道的方法被提出并用于解决上述问题。该文在分析方位向多通道回波模型的基础上，结合Relax算法的特点，提出了一种基于Relax算法的星载SAR高分宽幅(HRWS)成像方法，并给出了新方法的详细迭代流程。通过点目标回波仿真，并与传统的方位向多通道HRWS重建方法进行对比，验证了新方法的可靠性和有效性。

随着雷达信号的日益复杂，从实数序列中提取特征变得越来越困难，但当它们表示成符号序列时，通常能更容易地挖掘出有效的特征参数。因此，该文提出一种基于多尺度信息熵(MSIE)的雷达信号识别方法。首先通过符号聚合近似(SAX)算法在不同字符集尺度下将雷达信号转换为符号化序列；然后联合各符号序列的信息熵值，组成MSIE特征向量；最后，使用k邻近算法(k-NN)作为分类器实现雷达信号的分类识别。通过仿真6种典型的雷达信号进行验证，结果表明该方法在信噪比(SNR)为5 dB时，不同雷达信号的识别正确率大于90%，并且优于传统的基于复杂度特征(盒维数和稀疏性)的识别方法。

由于传统TEM小室的频带宽度不能满足日益增长的宽频带需求，该文采用同轴结构设计了一个DC-6 GHz的宽带电磁辐照装置。该装置基于传输线理论和阻抗匹配原理，采用锥形过渡与圆同轴连接的结构，在端口处选用N型连接器，与腔体的连接实现了良好的阻抗匹配。利用CST仿真软件进行建模优化，最后对仿真结构进行加工与调试，仿真结果表明，该同轴电磁辐照装置在DC-6 GHz频率范围内S11均在–10 dB以下，由于加工的误差测试结果在个别频点稍有偏差，但趋势和仿真结果具有较好的一致性，吻合较好，证明该辐照装置具有良好的传输性能。该文设计的同轴腔在电磁辐照系统中具有很好的应用价值。

为解决传统遥感图像分类方法特征提取过程复杂、特征表现力不强等问题，该文提出一种基于深度卷积神经网络和多核学习的高分辨率遥感图像分类方法。首先基于深度卷积神经网络对遥感图像数据集进行训练，学习得到两个全连接层的输出将作为遥感图像的两种高层特征；然后采用多核学习理论训练适合这两种高层特征的核函数，并将它们映射到高维空间，实现两种高层特征在高维空间的自适应融合；最后在多核融合特征的基础上，设计一种基于多核学习-支持向量机的遥感图像分类器，对遥感图像进行精确分类。实验结果表明，与目前已有的基于深度学习的遥感图像分类方法相比，该算法在分类准确率、误分类率和Kappa系数等性能指标上均有所提升，在实验测试集上3个指标分别达到了96.43%, 3.57%和96.25%，取得了令人满意的结果。

现有的多目标进化聚类算法应用于图像分割时，往往是在图像像素层面上进行聚类，运行时间过长，而且忽略了图像区域信息使得图像分割效果不太理想。为了提高多目标进化聚类算法的分割效果和时间效率，该文将图像区域信息与部分监督信息引入多目标进化聚类，提出图像区域信息驱动的多目标进化半监督模糊聚类图像分割算法。该算法首先利用超像素策略获得图像的区域信息，然后结合部分监督信息，设计融合区域信息和监督信息的适应度函数，接着通过多目标进化策略对多个适应度函数进行优化得到最优解集。最后构造融合区域信息与监督信息的最优解评价指标，实现从最优解集中选取一个最优解。实验结果表明：与已有多目标进化聚类算法相比，该算法不但分割效果有所提升，而且运行效率得以提高。

与经典的K均值聚类算法相比，模糊C均值(FCM)聚类算法通过引入模糊因子，考虑不同聚类数据簇之间的相互关系，得到可分性更好的聚类结果。但是模糊因子的引入，使得任意一个样本点都存在模糊性，造成FCM极易受到噪声和离群点的影响，聚类结果泛化性能较差。因此，该文提出一种簇间可分的鲁棒FCM算法(RBI-FCM)。RBI-FCM利用K均值算法对模糊隶属度的稀疏特征，降低不同数据簇之间的相互作用，突出不同数据簇相邻区域的可分性；另外，RBI-FCM在极小化数据簇内部散布度的条件下，考虑不同数据簇之间的可分性，可提高聚类模型的泛化性能。该文设计了有效的模型求解迭代算法。实验结果表明，RBI-FCM算法提高了FCM的鲁棒性，有效降低FCM对数据簇分布差异性和抽样不均衡的敏感性，得到理想的聚类结果。

图像质量评价研究的目标在于模拟人类视觉系统对图像质量的感知过程，构建与主观评价结果尽可能一致的客观评价算法。现有的很多算法都是基于局部结构相似设计的，但人对图像的主观感知是高级的、语义的过程，而语义信息本质上是非局部的，因此图像质量评价应该考虑图像的非局部信息。该文突破了经典的基于局部信息的算法框架，提出一种基于非局部信息的框架，并在此框架内构建了一种基于非局部梯度的图像质量评价算法，该算法通过度量参考图像与失真图像的非局部梯度之间的相似性来预测图像质量。在公开测试数据库TID2008, LIVE, CSIQ上的数值实验结果表明，该算法能获得较好的评价效果。

为提高现有随机脉冲噪声(RVIN)检测算法的检测准确率和执行效率，该文试图从构建描述能力更强的特征矢量和训练非线性映射更为准确的预测模型两个方面入手，实现一种基于训练策略的快速RVIN检测算法。一方面，提取多个不同阶的对数绝对差值排序统计值并结合一个能够反映图像边缘特性的统计值作为刻画图块中心像素点是否为噪声的特征矢量。在计算量增加极少的情况下，显著提升了特征矢量的描述能力。另一方面，基于深度置信网络(DBN)训练RVIN预测模型(RVIN检测器)将特征矢量映射为噪声类型标签，实现了比浅层预测模型更为准确的映射。大量实验数据表明：与现有的RVIN检测算法相比，所提算法在检测准确率和执行效率两个方面都更有优势。

针对直接利用卷积自编码网络未考虑视频时间信息的问题，该文提出基于贝叶斯融合的时空流异常行为检测模型。空间流模型采用卷积自编码网络对视频单帧进行重构，时间流模型采用卷积长短期记忆(LSTM)编码-解码网络对短期光流序列进行重构。接着，分别计算空间流模型和时间流模型下每帧的重构误差，设计自适应阈值对重构误差图进行二值化，并基于贝叶斯准则对空间流和时间流下的重构误差进行融合，得到融合重构误差图，并在此基础上进行异常行为判断。实验结果表明，该算法在UCSD和Avenue视频库上的检测效果优于现有异常检测算法。

针对Jousselme证据距离函数不能较好描述证据局部冲突和不能对高冲突证据进行准确冲突度量的不足，该文首先提出改进的Jousselme证据距离函数，该函数基于能够较好描述证据之间局部冲突情况的非重合度对Jousselme证据距离函数进行改进，使其冲突度量结果随非重合度取值及其取值范围的变化按适当比例进行变化；其次，基于冲突系数和新改进Jousselme证据距离函数共同构建改进的融合冲突度量函数。在此基础上，对焦元权系数计算式进行改进，并依此对局部多维冲突信息进行按比例分配。理论及应用分析结果表明，新算法是一种适用性广泛且抗干扰性能好的证据融合算法。

标准应用映射问题中，每个任务的通信量是确定值，而实际应用中任务通信具有突发性和时变特征，因此将任务通信量建模为不确定值具有现实意义。该文利用区间流法对任务不确定性进行描述，基于保守因子对鲁棒性应用映射问题建模，提出了求解问题的改进禁忌搜索算法(Tabu-RAM)，通过5个Benchmark案例对本文模型和算法进行了验证。实验结果表明Tabu-RAM能够求解传统应用映射问题，且优于现有文献中给出的算法。此外，与传统禁忌搜索算法相比，Tabu-RAM算法在求解鲁棒性应用映射问题时具有更好的性能和稳定性。

针对脉冲型噪声的抑制问题，该文提出一种自适应的限幅器设计方法。该方法以效能函数为指标，采用自适应搜索算法，自动寻找削波器和置零器的最佳门限，且能适用于未知噪声分布的情形。首先分析了效能与非线性函数的关系，给出关键的优化问题。然后考虑到效能函数计算复杂，提出基于线搜索的自适应设计算法。其次针对未知分布情况，考虑非参数化的概率密度估计，该算法能够稳健运行且基本取得最优设计效果。最后，结合两种非高斯噪声和实测大气噪声数据仿真，结果表明：该文方法可自适应寻找最佳门限，使削波器和置零器效能达到最佳；当噪声分布未知时，该文方法无需假设噪声模型，可与非参数化概率密度估计方法结合，取得最优检测效果。

该文给出了基于差族的高斯整数互补序列构造方法。利用差族与互补序列之间的联系，首先推导出高斯整数互补序列存在的充分条件，进而直接构造了阶数为2的高斯整数互补序列。为进一步增加高斯整数互补序列数目，又利用映射方法构造了阶数为4的高斯整数互补序列。同传统的2元互补序列相比，高斯整数互补序列的存在数目很多，因此该文方法可以为通信系统提供大量的互补序列。

八阵图算法(ESF)是一种具有广义Feistel结构的轻量级分组密码算法，可用在物联网环境下保护射频识别(RFID)标签等资源受限的环境中，目前对该算法的安全性研究主要为不可能差分分析。该文通过深入研究S盒的特点并结合ESF密钥扩展算法的性质，研究了ESF抵抗相关密钥不可能差分攻击的能力。通过构造11轮相关密钥不可能差分区分器，在此基础上前后各扩展2轮，成功攻击15轮ESF算法。该攻击的时间复杂度为2^40.5次15轮加密，数据复杂度为2^61.5个选择明文，恢复密钥比特数为40 bit。与现有结果相比，攻击轮数提高的情况下，时间复杂度降低，数据复杂度也较为理想。

群组签密既能实现群组签名，又能实现群组加密，但是现有的群组签密方案的发送者和接收者基本上在同一个密码系统中，不能满足现实环境的需求，而且基本上采用的是公钥加密技术，公钥加密技术在加密长消息时效率较低。因此该文提出由基于身份的密码体制(IBC)到无证书密码体制(CLC)的异构密码系统的混合群组签密方案。在该方案中，私钥生成器(PKG)和密钥生成中心(KGC)能够分别在IBC密码体制和CLC密码体制中产生自己的系统主密钥；而且群组成员只有协作才能解签密，提高了方案的安全性；同时在无需更换群组公钥和其他成员私钥的情况下，用户可以动态地加入该群组。所提方案采用了混合签密，具有可加密任意长消息的能力。在随机预言模型下，证明了该文方案在计算Diffie-hellman困难问题下具有保密性和不可伪造性。通过理论和数值实验分析表明该方案具有更高的效率和可行性。

为满足未来移动通信网络中多样化的业务需求，为用户提供定制化服务的同时提升网络经济效益，该文提出一种基于在线拍卖的网络切片资源分配算法。根据业务类型将用户的服务请求转化为相应投标信息，以最大化拍卖参与者的社会福利为目标，将切片资源分配问题建模为基于多业务的在线赢家确定问题。结合资源分配与价格更新策略，实现基于在线拍卖的资源优化配置。仿真结果表明，该算法能够在满足用户业务需求的同时，提升网络经济效益。

移动边缘计算(MEC)通过在无线网络边缘为用户提供计算能力，来提高用户的体验质量。然而，MEC的计算卸载仍面临着许多问题。该文针对超密集组网(UDN)的MEC场景下的计算卸载，考虑系统总能耗，提出卸载决策和资源分配的联合优化问题。首先采用坐标下降法制定了卸载决定的优化方案。同时，在满足用户时延约束下采用基于改进的匈牙利算法和贪婪算法来进行子信道分配。然后，将能耗最小化问题转化为功率最小化问题，并将其转化为一个凸优化问题得到用户最优的发送功率。仿真结果表明，所提出的卸载方案可以在满足用户不同时延的要求下最小化系统能耗，有效地提升了系统性能。

针对弹性光网络中物理损伤导致业务频谱利用率低和传输能耗高问题，该文提出一种面向业务的链路损伤感知频谱分区(LI-ASP)能效路由策略。在LI-ASP策略中，为降低不同信道间非线性损伤，基于负载均衡设计一个综合考虑链路频谱状态和传输损伤的路径权重公式，根据调制方式的频谱效率和最大传输距离构造分层辅助图，从最高调制等级开始，为高质量业务选择K条边分离的最大权重传输路径；为低质量业务选择K条边分离的最短能效路径。然后，LI-ASP策略根据业务速率比值对频谱分区，采用首次命中(FF)和尾端命中(LF)联合频谱分配方式，减少不同传输速率业务间的交叉相位调制。仿真结果表明，该文所提LI-ASP策略在有效降低带宽阻塞率的同时，减少了业务传输能耗。