近年来，基于机器学习(ML)的频谱感知技术为认知无线电系统提供了新型的频谱状态监测解决方案。利用蜂窝认知无线电网络(CCRN)中的次级用户设备(SUE)所能提供的大量频谱观测数据，该文提出了一种基于主用户(PU)传输模式分类的频谱感知方案。首先，基于多种典型的ML算法，对于网络中的多个主用户发射机(PUT)的传输模式进行分类辨识，在网络整体层面上确定所有PUT的联合工作状态。然后，网络中的SUE根据其所处地理位置或者频谱观测数据，判断其在当前已判定的PUT发射模式下接入授权频谱的可能性。由于PUT在网络中的实际位置可能事先已知或者无法提前确定，该文给出了3种不同的处理方法。理论推导与实验结果表明，所提方案与传统的能量检测方案相比，不仅改善了频谱感知性能，还增加了蜂窝认知网络对于授权频谱的动态访问机会。该方案可以作为蜂窝认知无线电网络中的一种高效实用的频谱感知解决方案。

针对室内可见光通信中3维定位精度不高和定位时间较长的问题，该文提出基于改进免疫粒子群(IIMPSO)算法的室内可见光通信(VLC) 3维定位方法。通过分析室内多径效应，选取合适的视场角(FOV)以减少反射影响，同时完善了倾斜状态下的定位模型，并采用卡尔曼滤波算法以降低环境干扰对接收功率的影响，在此基础上与改进的免疫粒子群算法相融合。仿真结果表明，在5 m×5 m×3 m的室内环境中，该文所提出的3维定位系统平均定位误差为0.031 m，定位时长为2.3 s。与现有的3维定位系统进行比较，其定位精度与收敛速度均得到明显改善。

针对分层匹配博弈不能跟踪信道变化以及循环迭代收敛慢等问题，该文提出一种基于信道定价的无线虚拟网络资源分配策略：匹配/Stackelberg分层博弈。分别以基于流带宽的用户满意度、系统带宽及切片功率作为报酬函数建立3级联合优化模型，并采用匹配/Stackelberg分层博弈求解。在博弈下层，定义移动虚拟网络操作者(MVNOs)m—切片n对m_n及其与用户(UEs)的1对1匹配博弈以代替UEs与MVNOs的多对1匹配，对

定义基于信道平均信息的切片功率价格，加速上、下一致收敛并使UEs适应信道选择最优

，证明均衡点存在并给出了低复杂度的分布式拒绝-接收算法；在博弈上层，基于UEs与

已匹配关系，形成基础资源提供者(InPs)与

的Stackelberg博弈，给出了基于局部信道信息的功率定价和分配策略，使系统效用及频谱效率基于信道最优。最后定义了双层循环稳定条件及过程。仿真表明，该策略在信道跟踪、频谱效率、效用方面均优于随机定价的匹配/Stackelberg分层博弈以及传统分层匹配博弈。

在进行扩频系统设计时，有时需要分析系统的抗干扰能力，但现有的文献中关于直接序列扩频系统的抗宽带干扰能力、抗部分频带干扰能力说法不一致，提供的误比特率(BER)公式也互相不一致。该文通过理论推导给出了直接序列扩频系统在宽带干扰、部分频带干扰下更具一般意义的误比特率公式，并通过计算机仿真验证了该公式的正确性。最后利用该文给出的公式对直扩系统的性能随干扰频点、干扰带宽的变化趋势做了分析。

该文以通信系统中常用的典型微波部件——同轴连接器为研究对象，基于混沌理论对获得的同轴连接器的无源互调(PIM)功率时间序列进行分析，验证了使用混沌理论预测无源互调的有效性。首先通过实验系统获得同轴连接器的3阶无源互调功率时间序列，并对得到的实验数据进行相空间重构，确定该时间序列的最佳嵌入维数m和延迟时间τ。然后，结合最佳嵌入维数和延迟时间，分别构建相图和使用小数据量法计算该时间序列的最大Lyapunov指数，从而从定性和定量角度验证了该无源互调功率时间序列具有混沌特性。在此基础上，基于获得的最大Lyapunov指数对该无源互调功率时间序列进行混沌预测，在最大可预测尺度范围内，理论预测值与实验值最大误差为2.61%，表明采用混沌方法预测无源互调功率效果较好。该文提出的使用混沌理论预测通信系统中微波部件无源互调功率的方法，为开展无源互调抑制技术研究，提高通信系统的性能提供了新思路。

圆迹SAR(CSAR)因其特殊曲线运动轨迹而具备3维成像能力。单圈CSAR理论上可以获得距离方位平面亚波长级的分辨率，但是高程向分辨率却很低。同时，利用后向投影(BP)算法进行CSAR 3维成像的算法复杂度高，成像效率低。该文提出一种基于改进3维后向投影的多圈CSAR相干3维成像方法，针对现有成像算法时间复杂度高的问题，提出一种构造几何插值核的CSAR改进3维后向投影算法，可将3维插值操作转化为1维插值操作和距离向量搜索操作，通过多圈CSAR改进3维后向投影成像结果相干积累的方式得到最终3维图像。该文所提方法可有效解决单圈CSAR 3维成像高程向分辨率低的问题，改善3维成像细节，同时能够大幅降低CSAR 3维成像时间。仿真圆锥目标和美国空军实验室GOTCHA数据3维成像结果验证了该文所提方法的有效性。

在非均匀杂波和密集目标环境下，由于没有足够的独立同分布(IID)训练样本，传统空时自适应处理(STAP)方法的杂波抑制性能严重下降。针对以上问题，该文提出一种对阵元误差稳健的机载面阵雷达非均匀杂波抑制方法。该方法首先根据雷达系统参数先验知识构造杂波表示基矩阵。然后在考虑阵元误差的情况下，基于最小二乘准则迭代地估计杂波表示系数和阵元误差，最后利用估计得到的最优杂波表示系数和阵元误差直接在阵元脉冲域进行杂波对消。该方法无须估计待检测单元统计特性；没有孔径损失；不需要训练样本；即使在距离模糊情况下也能有效地抑制密集目标环境下机载面阵雷达回波数据中的非均匀杂波。仿真结果验证了该文方法的有效性。

该文从频率域电磁法满足的控制方程出发，采用有限单元法实现了频率域2.5维探地雷达(GPR)正演模拟。重点分析了波数域电磁场谱随相对介电常数和收发距变化的规律，探讨了2.5维GPR正演模拟的波数选取问题；基于Open MP并行算法与串行算法的计算效率对比，表明频率域2.5维GPR数值模拟方法具有高效率、高精度和高度并行性的特点，为雷达正演提供重要理论参考依据和技术支撑，是GPR全波形反演的重要基础。

近年来卷积神经网络广泛应用于单幅图像去模糊问题，卷积神经网络的感受野大小、网络深度等会影响图像去模糊算法性能。为了增大感受野以提高图像去模糊算法的性能，该文提出一种基于深度多级小波变换的图像盲去模糊算法。将小波变换嵌入编-解码结构中，在增大感受野的同时加强图像特征的稀疏性。为在小波域重构高质量图像，该文利用多尺度扩张稠密块提取图像的多尺度信息，同时引入特征融合块以自适应地融合编-解码之间的特征。此外，由于小波域和空间域对图像信息的表示存在差异，为融合这些不同的特征表示，该文利用空间域重建模块在空间域进一步提高重构图像的质量。实验结果表明该文方法在结构相似度(SSIM)和峰值信噪比(PSNR)上具有更好的性能，而且在真实模糊图像上具有更好的视觉效果。

随着深度学习技术的快速发展，利用深度神经网络模型伪造出的深度假脸(deepfake)视频越来越逼真，假脸视频造成的威胁也越来越大。文献中已出现一些基于卷积神经网络的换脸视频检测算法，他们在库内获得较好的检测效果，但跨库检测性能急剧下降，存在泛化能力不足的问题。该文从假脸篡改的机制出发，将视频换脸视为特殊的拼接篡改问题，利用流行的神经分割网络首先预测篡改区域，得到预测掩膜概率图，去噪并二值化，然后根据换脸主要发生在人脸区域的前提，提出一种计算人脸交并比的新方法，并进一步根据换脸处理的先验知识改进人脸交并比的计算，将其作为篡改检测的分类准则。所提出方法分别在3个不同的基础分割网络上实现，并在TIMIT, FaceForensics++, FFW数据库上进行了实验，与文献中流行的同类方法相比，在保持库内检测的高准确率同时，跨库检测的平均错误率显著下降。在近期发布的合成质量较高的DFD数据库上也获得了很好的检测性能，充分证明了所提出方法的有效性和通用性。

针对传统模糊C-均值聚类(FCM)算法难以对噪声图像进行分割的问题，该文提出一种快速自适应非局部空间加权与隶属度连接的模糊FCM抗噪图像分割算法。首先，利用一种非局部空间信息快速计算方法，将以图像所有像素为循环的原始非局部信息计算方法，改为以搜索窗口尺寸为循环，利用空间位移图像与递归高斯滤波的计算方法，克服非局部空间信息计算复杂的问题；其次，计算原始图像与非局部信息项的差值的平方，将其作为非局部信息项的自适应权重，并将差值的平方作倒数变换，作为原始图像的自适应权重；最后，将每个聚类簇中所有像素隶属度之和的对数平方加入目标函数的分母，形成隶属度连接，减少目标函数迭代次数。含噪人工与自然图像分割实验表明，该算法在分割准确度、平均交并比、归一化互信息、运行时间与迭代次数等性能方面优于其他几种FCM算法。

近年来，采用孪生网络提取深度特征的方法由于其较好的跟踪精度和速度，成为目标跟踪领域的研究热点之一，但传统的孪生网络并未提取目标较深层特征来保持泛化性能，并且大多数孪生网络只提取局部领域特征，这使得模型对于外观变化是非鲁棒和局部的。针对此，该文提出一种引入全局上下文特征模块的DenseNet孪生网络目标跟踪算法。该文创新性地将DenseNet网络作为孪生网络骨干，采用一种新的密集型特征重用连接网络设计方案，在构建更深层网络的同时减少了层之间的参数量，提高了算法的性能，此外，为应对目标跟踪过程中的外观变化，该文将全局上下文特征模块(GC-Model)嵌入孪生网络分支，提升算法跟踪精度。在VOT2017和OTB50数据集上的实验结果表明，与当前较为主流的算法相比，该文算法在跟踪精度和鲁棒性上有明显优势，在尺度变化、低分辨率、遮挡等情况下具有良好的跟踪效果，且达到实时跟踪要求。

针对航班延误衍生的航班延误波及问题，该文提出一种基于CBAM-CondenseNet的航班延误波及预测模型。首先，通过分析航班延误在航空网络内产生的延误波及现象，确定会受前序延误航班影响的航班链；其次，对选定的航班链数据进行清洗，将航班信息与机场信息进行数据融合；最后，提出改进的CBAM-CondenseNet算法对融合后的数据进行特征提取，构建Softmax分类器对首班离港航班延误波及的后续离港航班延误等级进行预测。该文提出的CBAM-CondenseNet算法融合了CondenseNet和CBAM的优势，采用通道和空间注意力机制来加强网络结构深层信息的传递。实验结果表明，算法改进后有效提升网络性能，预测准确率可达97.55%。

脑电(EEG)是一种在临床上广泛应用的脑信息记录形式，其反映了脑活动中神经细胞放电产生的电场变化情况。脑电广泛应用于脑-机接口(BCI)系统。然而，研究表明脑电信息空间分辨率较低，这种缺陷可以综合分析多通道电极的脑电数据来弥补。为了从多通道数据中高效地获取到与运动想象任务相关的辨识特征，该文提出一种针对多通道脑电信息的卷积神经网络(MC-CNN)解码方法，先对预先选取好的多通道数据预处理后送入2维卷积神经网络(CNN)进行时间-空间特征提取，然后利用自动编码(AE)器把这些特征映射为具有辨识度的特征子空间，最后指导识别网络进行分类识别。实验结果表明，该文所提多通道空间特征提取和构建方法在运动想象脑电任务识别性能和效率上都具有较大优势。

中值滤波是经典图像处理中的基本滤波方法，然而在量子图像处理中相关模型尚不多见。为解决量子图像的中值滤波问题，该文提出了基于量子中值计算的新方法。该方法采用迭代比较的方法将目标像素排序，进而得到中值。文中首先介绍了实现中值滤波所需的各种基本模块的量子线路，然后重点介绍了中值计算的量子实现方法，最后给出了量子图像中值滤波的总体线路框架。复杂度分析表明该方法具有对经典算法的指数加速。经典计算机上的仿真结果验证了提出方法的有效性及可行性。

该文针对量子秘密共享协议难以抵抗内部成员欺骗攻击的问题，采用秘密认证的方法提出可验证量子秘密共享协议的一般性模型，基于Bell态双粒子变换提出一种新验证算法，并以此给出一个新的可验证量子秘密共享协议。与现有的量子秘密共享协议的验证算法相比，新验证算法既能有效抵抗内部成员欺骗攻击等典型的攻击策略，又可大幅提升协议效率，而且可以与现有量子秘密共享协议相结合，具备很好的可扩展性。

针对传统基于属性关键字搜索(ABKS)方案存在访问结构泄密、用户侧计算量高及缺乏完整性验证问题，该文提出具有隐私保护和完整性可验证的基于属性的关键字搜索方案。该方案提出了有序多值属性访问结构和有序多值属性集，固定每个属性的位置，减少参数及相关计算，提高了方案的效率，而在密钥生成时计算具体属性取值的哈希值，从而达到区别多值属性取值的不同。同时，采用Hash和对运算实现对访问结构的隐藏，防止访问结构泄密；采用倒序索引结构和Merkle树建立数据认证树，可验证云服务器返回文档和外包解密结果的正确性。此外，支持外包解密以降低用户侧的计算量。安全分析和实验表明所提方案实现云中共享数据的可验证性、关键字不可区分性和关键字不可链接性，且是高效的。

随着网络安全技术的发展，越来越多网络安全协议出现，因此需要网络转发设备对网络安全协议提供支持。可编程数据平面由于其协议的无关性，能够实现安全协议的快速部署。但当前可编程数据平面存在包头多次解析、独占数据平面和密码算法实现难的问题。针对上述问题，该文提出一种面向安全协议的虚拟化可编程数据平面(VCP4)，其通过引入描述头降低包头解析次数，提高包头解析效率。使用控制流队列生成器和动态映射表实现可编程数据平面的虚拟化，实现多租户下数据平面的隔离，解决独占数据平面问题。在VCP4的语言编译器中添加密码算法原语，实现密码算法可重用。最后针对VCP4资源利用率，虚拟化性能和安全协议性能进行实验评估，结果显示在实现功能的基础上带来较小的性能损失，且能降低50%的代码量。

针对传统物理不可克隆函数(PUF)产生信息熵少、易受环境因素干扰等问题，该文设计一种产生多位稳定信息熵的PUF方案。该方案通过对FPGA上环形震荡器所产生频率数据的分析，从每个震荡环中提取能够代表震荡环特性的特征位作为信息熵。通过对逆变器温度特性的研究，利用电流饥饿逆变器和常规逆变器组成新的震荡环来降低温度对产生的信息熵的可靠性的影响。通过Cadence IC仿真和进行赛灵思zynq 7000系列FPGA开发平台上的实验，结果表明改进的PUF结构使用相同数量的震荡环产生更多的信息熵，并且其可靠性、唯一性均得到提升。

该文基于时域有限差分(FDTD)方法和传输线方程，结合Ngspice软件，提出一种高效的时域混合算法，能够快速模拟空间电磁场作用传输线端接复杂电路的电磁耦合问题。该算法的优势在于实现了空间电磁场辐射与端接复杂电路瞬态响应的协同计算，且避免了对传输线和复杂电路结构的直接建模。首先，将复杂电路通过传输线的特性阻抗进行等效，采用FDTD方法结合传输线方程，求解得到特性阻抗上的入射电流响应。然后，在每个时间步上，将该电流引入复杂电路作为激励源，联合电路模型建立网表文件。最后，使用Ngspice软件读取网表文件，并仿真得到电路各元件上的瞬态响应。通过相应计算实例的数值模拟，与电磁场仿真软件CST的计算结果以及耗用内存和时间进行对比，验证了算法的正确性和高效性。