位置轨迹大数据的安全分享、发布需求离不开位置轨迹隐私保护技术支持。在差分隐私出现之前，K-匿名及其衍生模型为位置轨迹隐私保护提供了一种量化评估的手段，但其安全性严重依赖于攻击者所掌握的背景知识，当有新的攻击出现时模型无法提供完善的隐私保护。差分隐私技术的出现有效地弥补了上述问题，越来越多地应用于轨迹数据隐私发布领域中。该文对基于差分隐私理论的轨迹隐私保护技术进行了研究与分析，重点介绍了差分隐私模型下位置直方图、轨迹直方图等空间统计数据发布方法，差分隐私模型下轨迹数据集发布方法，以及连续轨迹实时发布隐私保护模型。与此同时，在对现有方法对比分析的基础上，提出了未来的重点发展方向。

量子游走已经被提出可以用于瞬时地传输量子比特或多维量子态。根据量子游走的隐形传输模型，该文提出一种无需提前准备纠缠源的基于正则图上量子游走的仲裁量子签名算法。在初始化阶段，密钥是由量子密钥分发系统制备；在签名阶段，基于正则图上的量子游走隐形传输模型被用于转移信息副本密文从发送者到接收者。具体地，发送者编码要签名信息的密文在硬币态上，通过两步正则图上的量子游走，可以自动地产生用于量子隐形传输必须的纠缠态。发送者和接收者对制备的纠缠态的测量为签名生成和签名验证的凭据。在验证阶段，在仲裁的辅助下，验证者依照发送者的经典结果核实签名的有效性。此外，随机数和认证的公共板被引进阻止接收方在接收真正信息序列之前的存在性伪造攻击和否认攻击。安全性分析表明设计的算法满足签名者和接收者的不可抵赖以及任何人的不可伪造。讨论表明方案不能抗击发送者的抵赖攻击，相应的建议被给出。由于实验上已经证明量子游走可以在多个不同的物理系统上实现，因此该签名方案未来是可实现的。

为了提高理想格上格基的三角化算法的效率，该文通过研究理想格上的多项式结构提出了一个理想格上格基的快速三角化算法，其时间复杂度为O(n³log₂B)，其中n是格基的维数，B是格基的无穷范数。基于该算法，可以得到一个计算理想格上格基Smith标准型的确定算法，且其时间复杂度也比现有的算法要快。更进一步，对于密码学中经常所使用的一类特殊的理想格，可以用更快的算法将三角化矩阵转化为格基的Hermite标准型。

在无线电监测和目标定位等应用中，接收信号经常会受到脉冲噪声和同频带干扰等复杂电磁环境的影响，传统的基于2阶统计量的信号处理方法往往不能正常工作，基于分数低阶统计量的信号处理方法也由于对信号噪声统计先验知识的依赖性而遇到困难。近年来提出并受到信号处理领域普遍关注的相关熵和循环相关熵信号处理理论与方法，是解决复杂电磁环境下信号分析处理、参数估计、目标定位和其他应用问题的有效技术手段，有力促进了非高斯、非平稳信号处理理论方法和应用的发展。该文系统性地综述了相关熵和循环相关熵信号处理的基本理论和基本方法，包括相关熵与循环相关熵的起源背景、定义概念、性质特点，以及所包含的数学物理意义。该文还介绍了相关熵与循环相关熵信号处理在多个领域的应用问题，希望对非高斯、非平稳统计信号处理的研究和应用有所裨益。

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程，图像分类性能优越，因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识，包括雷达图像的特性，并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状，其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型，以及雷达新成像技术和未来复杂环境下的应用进行了展望。

复杂电磁环境下，外辐射源雷达中多径杂波可能具备非平稳的跳变特性。该文针对这种跳变型非平稳杂波，结合辐射源信号的正交频分复用(OFDM)调制特性，提出一种基于信道分段平滑的杂波抑制方法。首先建立了跳变杂波的时域信号模型，然后结合OFDM信号结构将其变换到子载波域，接着在子载波域对各OFDM符号进行信道估计与分段平滑，最后利用该信道平滑值和对应段的参考信号抑制非平稳杂波。仿真和实测数据表明，该文方法能够有效抑制跳变型的非平稳杂波。

昆虫雷达是观测昆虫迁飞最有效的工具。研究昆虫的雷达散射截面积(RCS)特性对于昆虫雷达目标识别有着重要意义。该文将分析昆虫的静态RCS特性和动态RCS特性。首先，基于实测的X波段全极化昆虫RCS数据，分析昆虫的静态RCS特性，包括水平和垂直极化RCS随体重变化规律以及昆虫极化方向图随体重的变化规律。其次，总结当前通过电磁仿真研究昆虫RCS特性所用到的介质和几何形状模型，并对比了水、脊髓、干皮肤和壳质与血淋巴混合物4种介质和等体型扁长椭球体、等质量扁长椭球体和三轴椭球体3种几何模型组成的12种介质模型，经过电磁仿真结果与实测数据相对比发现脊髓介质等质量扁长椭球体模型与实测昆虫RCS特性最接近。然后，基于Ku波段高分辨昆虫雷达外场实测昆虫回波数据，分析了昆虫动态RCS的起伏特性，将实测昆虫动态RCS起伏数据与4种经典的RCS起伏分布模型χ², Log-normal, Weibull和Gamma分布分别进行了拟合分析，从最小二乘拟合误差和拟合优度检验结果可以看出，相比于其他3种模型，Gamma分布可以较好地描述昆虫目标RCS起伏的统计特性。最后，综述了昆虫RCS特性在昆虫雷达测量昆虫朝向、体重等参数测量的应用。

现有的基于卷积神经网络(CNN)的合成孔径雷达(SAR)图像目标检测算法依赖于大量切片级标记的样本，然而对SAR图像进行切片级标记需要耗费大量的人力和物力。相对于切片级标记，仅标记图像中是否含有目标的图像级标记较为容易。该文利用少量切片级标记的样本和大量图像级标记的样本，提出一种基于卷积神经网络的半监督SAR图像目标检测方法。该方法的目标检测网络由候选区域提取网络和检测网络组成。半监督训练过程中，首先使用切片级标记的样本训练目标检测网络，训练收敛后输出的候选切片构成候选区域集；然后将图像级标记的杂波样本输入网络，将输出的负切片加入候选区域集；接着将图像级标记的目标样本也输入网络，对输出结果中的正负切片进行挑选并加入候选区域集；最后使用更新后的候选区域集训练检测网络。更新候选区域集和训练检测网络交替迭代直至收敛。基于实测数据的实验结果证明，所提方法的性能与使用全部样本进行切片级标记的全监督方法的性能相差不大。

该文提出一种基于多通道调频连续波(FMCW)毫米波雷达的微动手势识别方法，并给出一种微动手势特征提取的最优雷达参数设计准则。通过对手部反射的雷达回波进行时频分析处理，估计目标的距离多普勒谱、距离谱、多普勒谱和水平方向角度谱。设计固定帧时间长度拼接的距离-多普勒-时间图特征，与距离-时间特征、多普勒-时间特征、水平方向角度-时间图特征和三者联合特征等，分别对7类微动手势进行表征。根据手势运动过程振幅和速度差异，进行手势特征捕获和对齐。利用仅有5层的轻量化卷积神经网络对微动手势特征进行分类。实验结果表明，相较其他特征，设计的距离-多普勒-时间图特征能够更为准确地表征微动手势，且对未经训练的测试对象具有更好的泛化能力。

毫米波雷达具备全天候复杂环境下的工作能力，在汽车雷达、智能机器人等方面有广泛的应用。同时，随着半导体技术的快速发展，硅基工艺晶体管的截止频率提升，硅基毫米波雷达成为研究热点，大量的工作从系统设计、电路设计等方面提高毫米波雷达的性能。该文从系统和核心电路等方面对硅基毫米波雷达芯片的研究现状和发展趋势进行综述。

利用无损探测技术来获取地下目标的信息是当前研究的热点，探地雷达(GPR)作为一种重要的无损工具，已被广泛用于检测，定位和特征化地下目标。然而，从GPR成像中探测掩埋物体并评估其位置既费时又费力。因此，实现地下目标的自动化探测对实际应用是必要的。为此，该文在综合分析地下目标回波特征的基础上，讨论了使用GPR评估目标位置的可行性，并回顾了国内外学者在GPR成像中对双曲线特征自动化检测的研究进展。该文还在国内外典型实例剖析的基础上，总结并比较了目标检测的处理方法。最后指出，未来的研究应集中于开发新的深度学习检测框架，用以自动检测和估计真实场景中的地下特征。

海量的生物医学图像蕴含着丰富的信息，模式识别算法能够从中挖掘规律并指导生物医学基础研究和临床应用。近年来，模式识别和机器学习理论和实践不断完善，尤其是深度学习的广泛研究和应用，促使人工智能、模式识别与生物医学的交叉研究成为了当前的前沿热点，相关的生物医学图像研究有了突破式的进展。该文首先简述模式识别的常用算法，然后总结了这些算法应用于荧光显微图像、组织病理图像、医疗影像等多种图像中的挑战性和国内外研究现状，最后对几个潜在研究方向进行了分析和展望。

基于粗糙集理论的粗糙熵阈值法不需要图像之外的先验信息。粗糙熵阈值法需要解决两个问题，一是图像信息不完整性的度量，二是图像的粒化。该文基于倒数信息熵，提出一种倒数粗糙熵用来度量图像中信息的不完整性。为了更好地对图像进行粒化，采用一种基于均匀性直方图的粒子选取方式。该文提出的倒数粗糙熵表述简洁，计算简单。实验验证了该文方法的有效性。

压缩感知(CS)理论是目前信息工程相关领域研究的前沿热点之一。它打破了传统的奈奎斯特采样定理，相比于其要求的最小采样频率，CS理论证明了能够从更低数目的采样中以高概率完整地恢复原始信号，在保证信息特征不丢失的前提下节省了数据采集和处理的时间成本。压缩感知理论本质上可以视为处理线性信号恢复问题的工具，因此在求解信号和图像的逆问题上有着显而易见的优势。图像退化问题便是其中之一，恢复相应的高质量图像的过程即为图像优化。为推动压缩感知理论的学术研究与实际应用，该文介绍了其基本原理与方法。根据图像优化技术的现存研究工作，分别从去噪、去模糊和超分辨三大主流方面研究了基于CS理论的优化技术。最后探讨了所面临的问题和挑战，分析了未来的发展趋势，为将来研究工作的展开提供借鉴与帮助。

海量高维度的过程测量信息给传统的故障诊断算法带来极大的计算复杂度和建模复杂度，且传统诊断算法存在难以利用高阶量进行在线估计的不足。鉴于深度学习技术强大的数据表示学习和分析能力，基于深度学习的故障诊断引起了工业界和学术界的广泛关注，并促使智能过程控制更加自动化和有效。该文从方法上将基于深度学习的故障诊断技术分为：基于栈式自编码的故障诊断方法、基于深度置信网络的故障诊断方法、基于卷积神经网络的故障诊断方法及基于循环神经网络的故障诊断方法4类，分别进行了回顾和总结，最后从数据预处理、深度网络设计和决策3个层面对这一领域进行展望，提出了“集成创新”、“数据+知识”和“多技术融合”等故障诊断思想，阐明基于深度学习技术进行复杂系统的故障诊断仍具有巨大潜力。

原模图低密度奇偶校验(P-LDPC)码已经广泛应用于各种通信系统，为了使其能够满足不同应用场景下系统对纠错性能、硬件资源损耗以及功耗等方面的要求，需要对P-LDPC码进行进一步的设计优化。该文主要从标准信道环境下基于双P-LDPC(DP-LDPC)码的联合信源信道编码(JSCC)系统的属性研究、系统设计优化以及性能表现等角度入手，对近些年出现的针对该系统环境所做的优化分析工作进行了综述。表明进行的优化工作属实显著地改善了系统性能，为面向工业互联网(II)的LDPC码的研究工作提供些许思路。最后，该文对未来的研究工作进行了展望，为感兴趣的研究学者提供参考以继续推进。

为了降低计算任务的时延和系统的成本，移动边缘计算(MEC)被用于车辆网络，以进一步改善车辆服务。该文在考虑计算资源的情况下对车辆网络时延问题进行研究，提出一种多平台卸载智能资源分配算法，对计算资源进行分配，以提高下一代车辆网络的性能。该算法首先使用K临近(KNN)算法对计算任务的卸载平台(云计算、移动边缘计算、本地计算)进行选择，然后在考虑非本地计算资源分配和系统复杂性的情况下，使用强化学习方法，以有效解决使用移动边缘计算的车辆网络中的资源分配问题。仿真结果表明，与任务全部卸载到本地或MEC服务器等基准算法相比，提出的多平台卸载智能资源分配算法实现了时延成本的显著降低，平均可节省系统总成本达80%。

边缘计算服务器的负载不均衡将严重影响服务能力，该文提出一种适用于边缘计算场景的任务调度策略(RQ-AIP)。首先，根据服务器的负载分布情况衡量整个网络的负载均衡度，结合强化学习方法为任务匹配合适的边缘服务器，以满足传感器节点任务的资源差异化需求；进而，构造任务时延和终端发射功率的映射关系来满足物理域的约束，结合终端用户社会属性，为任务不断地选择合适的中继终端，通过终端辅助调度的方式实现网络的负载均衡。仿真结果表明，所提出的策略与其他负载均衡策略相比能有效地缓解边缘服务器之间的负载和核心网的流量，降低任务处理时延。

该文首先对2019年度国家自然科学基金委分类申请分类评审等改革措施进行介绍，而后对信息一处的计算机辅助受理情况进行简要的介绍和分析，以表格的形式说明了近十年来项目申请代码、研究方向选择持续进展情况。其次对2019年面上、青年、地区、重点和优秀青年科学基金项目资助情况和项目的科学问题属性进行统计和说明。再次举例分析并强调研究方向选择中应该注意的问题，最后介绍信息一处2020年申请代码的调整情况和研究方向及选择注意事项，以及重点领域建议的征集和评审。