针对旁瓣零陷凹面约束的稀疏平面阵列优化及算法早熟等问题，该文基于参数自适应的思想，提出一种混合三角变异差分进化算法。通过引入旁瓣零陷凹面约束矩阵，构建自适应惩罚函数，时变权重组合变异策略与交叉策略，提高算法前期全局搜索能力和后期收敛能力，最终实现峰值旁瓣电平和旁瓣零陷凹面的平面阵列约束优化。仿真结果表明，对比混合三角变异策略前的算法，该算法在完成稀疏阵列峰值旁瓣电平优化的同时，能在指定旁瓣区域完成零陷凹面设计，降低有源干扰影响。

为降低现有的共心式矢量传感器阵列天线间存在的严重互耦影响，进一步提高参数估计精度，该文提出一种稀疏拉伸式L型极化敏感阵列(SSL-PSA)，并针对该阵列提出一种2维波达方向(DOA)和极化参数联合估计算法。首先建立稀疏拉伸式极化敏感阵列的信号模型，然后将阵列划分为6个子阵，采用子空间旋转不变算法(ESPRIT)算法得到多个旋转不变因子(RIFs)，再根据旋转不变因子间的关系，通过数学运算，得到一组方向余弦有模糊精估计值和4组无模糊粗估计值；然后重构出对应的4组导向矢量，根据导向矢量和噪声子空间的正交性，确定出正确的一组无模糊粗估计值；最后通过现有的解模糊方法得到高精度且无模糊的DOA和极化参数估计值。该文所提阵列不存在共心结构，相对于现有的含有共心式矢量传感器结构的阵列，大大降低了互耦影响，且可在不增加天线数目的前提下，有效扩展阵列的2维孔径，大大提高DOA估计精度。仿真结果证明该文所提方法的有效性。

传统的距离扩展目标检测一般在散射点密度或散射点数量先验条件下完成，在目标散射点信息完全未知时检测性能会大幅降低。针对这个问题，该文提出一种基于强散射点在线估计的距离扩展目标检测方法(OESS-RSTD)，该方法利用机器学习中的无监督聚类算法在线估计强散射点数量以及首次检测门限，然后再结合虚警率，确定2次检测门限，最后通过两次门限检测完成目标有无的判决。该文分别利用仿真数据和实测数据进行了试验验证，并和其他算法进行了试验对比，通过虚警概率一定时的信噪比(SNR)-检测概率曲线验证了该文所提方法相对于传统算法有更高的稳健性，且该方法不需要目标散射点的任何先验信息。

针对移动机器人导航过程中无法规避大型凹型障碍物问题，该文提出一种多状态的组合导航算法。算法按照不同的运动环境，将移动机器人的运行状态分类为运行态、切换态、避障态，同时定义了基于移动机器人运行速度和运行时间的状态双切换条件。当移动机器人处于运行态时，采用人工势场法(APFM)进行导航，并实时观测毗邻障碍物的几何构型。在遭遇障碍物时，切换态用于判断是否满足状态切换条件，以进入避障态执行避障算法。避障完成后，状态自动切换回运行态继续执行导航任务。多状态的提出，可有效解决传统人工势场法在大型凹形障碍物的避障过程中存在局部震荡的问题。基于运行速度和运行时间的双切换条件判定算法，可实现多状态间的平滑切换。实验结果表明，该算法在解决局部震荡问题的同时，还可降低避障时间，提升导航算法效率。

为了提高强非线性信号的噪声消除和信道均衡能力，在核学习自适应滤波方法的基础上，该文提出一种基于惊奇准则的多尺度核学习仿射投影滤波方法(SC-MKAPA)。在核仿射投影滤波算法的基础上，对核组合函数结构进行改进，将多个不同高斯核带宽作为可变参数，与加权系数共同参与滤波器的更新；利用惊奇准则将计算结果稀疏化，根据仿射投影算法的约束条件对惊奇测度进行改进，简化其方差项，降低了计算的复杂度。将该算法应用于噪声消除、信道均衡以及MG时间序列预测中，与多种自适应滤波算法及核学习自适应滤波算法进行仿真结果的对比分析，验证了该算法的优越性。

针对脉冲噪声中的信号检测问题，该文提出一种基于指数函数的非线性变换函数设计与优化方法。该方法利用指数函数衰减速度可调的优点，适用于脉冲噪声的各种分布模型。通过引入效能函数，将非线性函数设计问题转化为以效能最大化为目标的阈值与底数参数优化问题。由于效能是关于待优化参数的连续可导且单峰函数，该优化问题可采用数值优化方法如单纯形法快速稳健地求解。性能分析表明，针对脉冲噪声常用的对称α稳定分布、Class A分布和高斯混合分布，该文方法均能取得基本最优检测性能，基于实测大气噪声仿真的通信误码率也明显优于传统的削波器和置零器。因此，该文为各种分布的脉冲噪声提供了一个统一的最优抑制解决方法。

发射机的指纹特征具有复杂性，现有的认识水平制约了特定辐射源识别(SEI)的性能。为此，该文提出一种基于矢量图的SEI方法，应用深度学习技术实现了多种复杂特征的联合提取。该文首先分析了多种发射机畸变在矢量图上的视觉表现；在此基础上，以矢量图灰度图像作为信号表示，构建深度残差网络提取图像中的视觉特征。该方法克服了现有认知的局限，兼具高信息完整性和低计算复杂度。实验结果表明，与现有算法相比，该方法能够显著改善SEI的性能，识别增益约为30%。

该文针对干扰源以及窃听节点均随机分布的通信场景，分析了认知无线电启发式非正交多址接入(CR-NOMA)网络中次用户通信对的安全通信性能。采用随机几何理论，将窃听节点和干扰节点建模为服从特定分布的齐次泊松点过程(PPP)。首先，在保证主用户通信对通信可靠性的前提下，得到了发端设定的功率分配系数，进一步得到了次用户通信对的连接中断概率和安全中断概率的闭式表达式。随后，得到了功率分配系数随主用户可靠性能约束的变化规律。最后，研究了次用户对的中断概率随着窃听节点密度、发端发送功率的变化情况，结果表明干扰信号的增强在降低网络可靠性能的同时，换来了安全性能的提高。仿真结果验证了理论分析的正确性。

针对多蜂窝多用户异构无线网络干扰管理和效率提升问题，该文研究了基于干扰效率最大的下行链路基站(BS)-用户匹配和功率分配问题。首先，考虑宏用户和微蜂窝用户的服务质量，将问题建模为多变量混合整数非线性规划问题。其次将原问题分解为基站选择和功率分配两个子问题。针对基站选择问题，利用凸优化问题获得最优基站选择策略；针对功率分配问题，利用二次变换法和Dinkelbach辅助变量法，将功率分配问题转换为凸优化问题求解。仿真结果表明，与现有算法对比，该算法具有较好的干扰效率和干扰控制性能。

针对现有群智感知平台在数据和酬金交付过程中存在的安全风险和隐私泄露问题，该文提出一种基于Tangle网络的分布式群智感知数据安全交付模型。首先，在数据感知阶段，调用局部异常因子检测算法剔除异常数据，聚类获取感知数据并确定可信参与者节点。然后，在交易写入阶段，使用马尔科夫蒙特卡洛算法选择交易并验证其合法性，通过注册认证中心登记完成匿名身份数据上传，并将交易同步写入分布式账本。最后，结合Tangle网络的累计权重共识机制，当交易安全性达到阈值时，任务发布者可进行数据和酬金的安全交付。仿真试验表明，在模型保护用户隐私的同时，增强了数据和酬金的安全交付能力，相比现有感知平台降低了时间复杂度和任务发布成本。

针对蠕虫病毒通常只能感染特定操作系统的特点，该文研究了多操作系统异构网络中的病毒传播规律及安全性能优化策略。首先，考虑多数病毒仅限在同种操作系统之间的链路中传播，在SIRS病毒传播模型中引入异构边比例参数，通过系统平衡点求解和基本再生数分析，研究异构边对单系统病毒传播和网络安全性能的影响。其次，按照动态目标防御思想和技术，设计了非异构边随机中断、非异构边随机重连和单操作系统节点随机跳变3种网络安全优化策略，分析了3种策略下异构边比例和基本再生数的变化及其对网络安全性能的影响。最后仿真验证了病毒传播模型的正确性和3种策略的网络安全性能优化效果，同随机中断和随机隔离策略对比，分析其对网络安全性能和网络业务承载能力的影响。

该文提出一种基于包含离散混沌系统、连续混沌系统的混沌系统集的混沌加密算法，该加密算法可以根据加密强度需求选择不同的混沌系统组合，利用图像像素的像素均值及像素坐标值为参数控制混沌密钥产生，增强混沌密钥与明文数据之间的联系。在加密基础上，将密文按位切割成3个数据后伪装隐藏在一个处理后的公开图像内，改变了密文外观特性。通过对加密后的图像进行图像直方图分析、相邻像素相关性分析及图像信息熵分析，表明该加密算法有效，在图像保密传输中具有应用潜力。

为了解决光学加密技术中混沌序列分布不均匀，抗选择明文攻击能力弱以及菲涅尔域双随机相位编码系统对第1个衍射距离不敏感等问题，该文基于螺旋相位变换和新型广义Fibonacci混沌系统，提出一种光学图像加密算法。在菲涅尔域的双随机相位编码中对明文图像进行相位编码和螺旋相位变换，克服系统对第1块随机模板和衍射距离不敏感的缺陷，提高光学密钥敏感性。添加安全图像与明文进行加权干涉，进一步提高光学密钥敏感性和密钥维度。构造可产生均匀混沌序列的广义Fibonacci混沌系统生成随机模板，解决密钥体积过大分发传递困难问题，克服Logistic混沌分布不均匀的缺点，提高密钥传输效率及密钥敏感性。同时用明文哈希值SHA-256生成混沌初值和螺旋相位变换参数，使得密钥流随明文自适应变化，达到“一次一密”的效果，提高算法抵抗选择明文攻击能力和明文敏感性，雪崩效应更强。实验对比表明该算法明文及密钥敏感性高，密钥空间大，鲁棒性好，能有效抵御各种攻击，是一种高安全性的光学图像加密方法。

RGB-D图像显著性检测是在一组成对的RGB和Depth图中识别出视觉上最显著突出的目标区域。已有的双流网络，同等对待多模态的RGB和Depth图像数据，在提取特征方面几乎一致。然而，低层的Depth特征存在较大噪声，不能很好地表征图像特征。因此，该文提出一种多模态特征融合监督的RGB-D图像显著性检测网络，通过两个独立流分别学习RGB和Depth数据，使用双流侧边监督模块分别获取网络各层基于RGB和Depth特征的显著图，然后采用多模态特征融合模块来融合后3层RGB和Depth高维信息生成高层显著预测结果。网络从第1层至第5层逐步生成RGB和Depth各模态特征，然后从第5层到第3层，利用高层指导低层的方式产生多模态融合特征，接着从第2层到第1层，利用第3层产生的融合特征去逐步地优化前两层的RGB特征，最终输出既包含RGB低层信息又融合RGB-D高层多模态信息的显著图。在3个公开数据集上的实验表明，该文所提网络因为使用了双流侧边监督模块和多模态特征融合模块，其性能优于目前主流的RGB-D显著性检测模型，具有较强的鲁棒性。

为克服传统模糊聚类算法应用于图像分割时，易受噪声影响，对聚类中心初始值敏感，易陷入局部最优，模糊信息处理能力不足等缺陷，该文提出基于近邻搜索花授粉优化的直觉模糊聚类图像分割算法。首先设计一种新颖的图像空间信息提取策略，进而构造融合图像空间信息的直觉模糊聚类目标函数，提高对于噪声的鲁棒性，提升算法处理图像中模糊信息的能力。为了优化上述目标函数，提出一种基于近邻学习搜索机制的花授粉算法，实现对于聚类中心的寻优，解决对于聚类中心初始值敏感，易陷入局部最优的问题。实验结果表明所提算法能在多种噪声图像上取得令人满意的分割效果。

高反光物体成像时反射的光强容易超出传感器接收光强的最大量化值，使得采集图像部分区域图像失真，严重影响信息传递。为了改善高反光成像饱和区域中数据丢失的状况，该文结合压缩感知这一新的采样理论提出基于压缩感知高反光成像方法，利用特定测量矩阵对目标图像进行线性采样，将CCD图像传感器的单个光强采样值与测量矩阵中的分布数据对应结合，对整合后的数据用算法进行恢复重建实现被测目标在高光环境中成像。以峰值信噪比和灰度直方图作为客观评定标准。实验表明，该成像方法鲁棒性较强、可行性较高，直方图检测饱和像素占比为0%，峰值信噪比为58.37 dB实现了在高光环境下不含饱和光成像，为压缩感知在成像应用中提供了新的方向。

手语识别涉及计算机视觉、模式识别、人机交互等领域，具有重要的研究意义与应用价值。深度学习技术的蓬勃发展为更加精准、实时的手语识别带来了新的机遇。该文综述了近年来基于深度学习的手语识别技术，从孤立词与连续语句两个分支展开详细的算法阐述与分析。孤立词识别技术划分为基于卷积神经网络(CNN)、3维卷积神经网络(3D-CNN)和循环神经网络(RNN) 3种架构的方法；连续语句识别所用模型复杂度更高，通常需要辅助某种长时时序建模算法，按其主体结构分为双向长短时记忆网络模型、3维卷积网络模型和混合模型。归纳总结了目前国内外常用手语数据集，探讨了手语识别技术的研究挑战与发展趋势，高精度前提下的鲁棒性和实用化仍有待于推进。

为了解决绝缘子目标检测中无法精确定位的问题，该文基于深度学习提出一种绝缘子定向识别算法，通过在轴对齐检测框中加入角度信息，可有效解决常规深度学习算法无法精确定位目标的问题。该算法首先将角度旋转参数引入轴对齐矩形检测框中构成定向检测框，然后将该参数偏移量作为第5参数加入到损失函数中进行迭代回归，同时为提高检测精度在训练过程中使用Adam算法替代随机梯度下降(SGD)算法进行损失函数优化，最终可获得绝缘子定向检测模型。实验分析表明，加入旋转角度的定向检测框可有效对绝缘子目标进行精确定位。

针对运动想象脑电信号(EEG)的非线性、非平稳特点，该文提出一种结合条件经验模式分解(CEMD)和串并行卷积神经网络(SPCNN)的脑电信号识别方法。在CEMD过程中，采用各阶固有模式分量(IMF)与原始信号的相关性系数作为第1个IMF筛选条件，在此基础上，提出各阶IMF之间的相对能量占有率作为第2个IMF筛选条件。此外，为了考虑脑电信号各个通道之间的特征和突出每个通道内的特征，该文提出SPCNN网络模型对进行CEMD过程后的脑电信号进行分类。实验结果表明，在自行采集的脑电数据集上平均识别率达到94.58%。在公开数据集BCI competition IV 2b上平均识别率达到82.13%，比卷积神经网络提高了3.85%。最后，在自行设计的智能轮椅脑电控制平台上进行了轮椅前进、左转和右转在线控制实验，验证了该文算法对脑电信号识别的有效性。