在方位多通道SAR系统中，由于运动目标的回波特性和静止目标的不同，传统的重构滤波器组方法对运动目标的重建是无效的。该文提出一种方位多通道SAR运动目标信号重构方法。该方法首先分析了方位多通道SAR系统中运动目标回波特性，并与静止目标回波形式进行对比，给出了传统重构方法失效的主要原因；通过引入运动目标的径向速度参数，有效实现了匀速运动目标的频谱重构，较好地抑制了方位多通道SAR系统中匀速运动目标的方位模糊。星载仿真实验结果验证了该重构方法的有效性。

采用近天底的宽刈幅干涉高度计是近年来新发展的海面高程测量技术，与陆地高程测量不同，海浪一直处于随机运动之中，其动态特性会在合成孔径雷达(SAR)成像和干涉处理中引入显著误差。对于厘米级的干涉测量精度要求来说，该误差是主要误差源之一。该文研究了由海面特性引起的高程误差机理及其对于近天底干涉SAR测高精度的影响，建立了运动误差理论模型，同时考虑了电磁偏差与叠掩偏差影响。基于不同SAR工作体制，在不同海况下进行了理论近似仿真，并进行了干涉SAR全链路仿真，全链路仿真结果能够与理论仿真较好地吻合，验证了误差模型的正确。结果显示由海浪引起的误差随着多普勒中心频率近似呈线性变化，且与目标散射加权径向速度成正比。误差不仅与海浪特性相关，还与雷达系统参数相关，这能为未来系统设计、误差预算和海面高程处理提供参考。

机载外辐射源雷达系统中，部署在飞机上的观测站传感器位置无法精确获知，观测站位置误差将严重影响目标定位精度。对此，该文提出一种观测站位置误差下多基外辐射源雷达3维定位代数解算法。该算法首先利用辅助变量将非线性双基距离和差(BRD)观测方程进行线性化，构造伪线性目标估计模型。然后将观测站位置量测噪声的统计特性融入定位算法，提出一种改进两步加权最小二乘(TS-WLS)算法实现观测站位置误差下外辐射源雷达目标定位。最后推导了克拉美罗下界(CRLB)和算法的理论误差。仿真结果显示，在适中的BRD量测误差和观测站位置误差下，所提算法的目标定位性能能够达到CRLB。

为利用被动干涉微波技术作为我国天基预警体系的重要补充以实现对海面目标的有效探测，该文提出一种基于被动干涉微波图像的海面目标探测算法。首先，建立了海面背景和海面目标的被动干涉微波图像数学模型；其次，详细地介绍了海面目标的探测算法，并仿真验证了算法的可行性；最后，开展了机载实验。理论分析和实验验证均表明：该探测算法是可行性的，能有效地探测到海面目标，且具有较好的探测性能；海面航行的金属目标在被动干涉微波图像中呈现“一高一低”的特征，可利用该特征提高海面目标探测概率。该探测算法可为天基被动干涉微波技术探测海面目标提供参考。

针对地磁背景下磁偶极子目标跟踪过程中存在的地磁干扰与模型非线性的问题，该文提出一种基于差量磁异常的蒙特卡洛卡尔曼滤波(MCKF)跟踪方法。新的跟踪方法以传感器阵列测量磁场的差量作为观测信号，并利用蒙特卡洛卡尔曼滤波算法解决模型的非线性问题，实现磁偶极子目标的实时跟踪。通过仿真跟踪实验，结果表明该文算法较传统的扩展或无迹卡尔曼滤波算法在稳定跟踪过程中对目标特征参数的估计更精确；通过地磁背景跟踪实验，结果验证了该文算法较传统算法在低信噪比下的性能优势。

在被动毫米波 (PMMW) 成像焦平面阵列 (FPA) 馈源的天线中，直线渐变缝隙天线 (LTSA) 相对于传统的喇叭天线、介质棒天线具有其独特的优势。该文优化设计了一种新型的对跖直线渐变缝隙天线 (ALTSA)，通过加载超材料结构使天线的增益得到了改善，天线采用基片集成波导 (SIW) 技术进行馈电。通过仿真与测试分析，该天线在较宽的频带内具有良好的阻抗特性、较低的副瓣电平及较高且平稳的增益，所设计的天线具有较小的口径宽度，在焦平面中易于组成较为密集的馈源阵列，以提高被动毫米波成像的空间分辨率。

该文针对有限次采样导致传统波达方向角(DOA)估计算法存在较大估计误差的问题，提出一种基于稀疏低秩分解(SLRD)的稳健DOA估计方法。首先，基于低秩矩阵分解方法，将接收信号协方差矩阵建模为低秩无噪协方差及稀疏噪声协方差矩阵之和；而后基于低秩恢复理论，构造关于信号和噪声协方差矩阵的凸优化问题；再者构建关于采样协方差矩阵估计误差的凸模型，并将此凸集显式包含进凸优化问题以改善信号协方差矩阵估计性能进而提高DOA估计精度及稳健性；最后基于所得最优无噪声协方差矩阵，利用最小方差无畸变响应(MVDR)方法实现DOA估计。此外，基于采样协方差矩阵估计误差服从渐进正态分布的统计特性，该文推导了一种误差参数因子选取准则以较好重构无噪声协方差矩阵。数值仿真表明，与传统常规波束形成(CBF)、最小方差无畸变响应(MVDR)、传统多重信号分类(MUSIC)及基于稀疏低秩分解的增强拉格朗日乘子(SLD-ALM)算法相比，有限次采样条件下所提算法具有较高DOA估计精度及较好稳健性能。

现有的零陷展宽算法忽略了锥化矩阵的相位信息，在对抗强方向性、大偏差角干扰时，零陷深度变浅，干扰抑制性能严重下降。该文以虚拟空域密集干扰为切入点，推导并提出一种可用于旁瓣对消器的自适应零陷优化设计算法。该算法通过对辅助阵列数据的自协方差矩阵和主辅阵列数据的互协方差矩阵同时进行重构实现零陷区域的自适应控制，锥削矩阵只与阵元位置和展宽宽度有关，无需干扰信息，可以离线生成，不占用系统运算资源。仿真结果表明，该方法可以实现零陷区域的自适应展宽，提高非平稳干扰抑制的稳健性。

穿墙场景下，由于墙体造成信号严重衰减，接收信号中目标反射信号的能量大幅下降，接收信号淹没在收发机直射信号和室内家具反射信号中，难以检测墙后目标。针对上述问题，该文提出一种新颖的基于多维信号特征融合的穿墙多人体目标检测算法(TWMD)。先对接收到的信道状态信息(CSI)进行预处理以消除相位误差和幅值噪声，再利用CSI的时序相关性和子载波相关性从相关系数矩阵中提取多维信号特征，最后使用BP神经网络完成特征与检测结果之间的映射。实验结果表明，该算法在玻璃墙、砖墙和混凝土墙环境的识别精度分别在0.98, 0.90, 0.85以上。根据所统计的4000个各类样本的检测结果，与现有基于单一信号特征的检测算法相比，该文算法在对不同数量运动目标的检测上，获得了平均0.45的精度提升。

为根本消除欠采样宽频谱分析中的伪峰副效应，该文提出基于并行全相位点通滤波的高性能互素谱分析方法。通过剖析经典互素谱分析的机理，指出产生伪峰效应的根源在于上、下通道的多相滤波支路之间存在多余的重叠边界频带。故借助全相位点通滤波器组来取代经典互素谱的原型滤波器，并且推导出基于并行点通滤波的互素谱分析流程。理论分析和仿真实验均表明，新的方法显著改善谱分析性能：不仅从根本上消除了伪峰产生的可能，而且相比于经典互素谱分析还大大提升了谱分辨率，从而具有较高的密集谱成分辨识性能。在软件无线电、雷达探测、无源定位、海事无线电等领域有广泛应用前景。

作为5G的关键技术之一，非正交多址(NOMA)通过非正交方式访问无线通信资源，以实现提高频谱利用率、增加用户连接数的目的。该文提出将压缩感知(CS)及广义正交匹配追踪(gOMP)算法引入上行免调度NOMA系统，从而增强NOMA系统活跃用户检测及数据接收的性能。通过每次迭代识别多个索引，gOMP算法实际上是传统的正交匹配追踪(OMP)算法的扩展。为了获得最优性能，研究分析了在gOMP算法信号重构的每次迭代中所应选择的最优索引数目。仿真结果表明：与其它的贪婪追踪算法及梯度投影稀疏重构(GPSR)算法相比，最优索引gOMP算法具有更优异的信号重构性能；并且，对于不同的活跃用户数或过载率等参数配置的NOMA系统，均表现出最优的多用户检测性能。

在异构无线网络中，针对综合考虑网络端和用户端参数的垂直切换算法，参数权重难以确定，同时基于模糊逻辑的垂直切换算法存在复杂度高的问题，该文提出一种基于模糊逻辑的分级垂直切换算法。首先，将接收信号强度(RSS)、带宽、时延输入到1级模糊逻辑系统，结合规则自适应匹配，推理出QoS模糊值，并通过QoS模糊值对网络进行初步筛选得到候选网络集；然后通过触发机制触发2级模糊逻辑系统，并将候选网络的QoS模糊值、网络负载率、用户接入费用输入2级模糊逻辑系统，同时结合规则自适应匹配，得到输出判决值，从而选择最佳接入网络。最后，实验结果表明，该算法能保证网络性能的同时，降低系统的时间开销。

针对5G网络中因小区重叠覆盖区域的干扰问题，为缓解密集小蜂窝网络中移动用户的业务连续性，提高频谱资源利用率，进而最大化整个网络平均能量效率问题。该文提出一种基于不活跃用户的最优能量效率资源分配方案(EEI)。首先，该方案依据不活跃用户通知区域，建立以用户为中心的虚拟小区，小区内小蜂窝基站可协作为用户提供通信服务，提高用户通信质量，缓解小蜂窝同层干扰，减少切换信令开销。其次，基于Lyapunov优化理论，该方案将整体网络平均能量效率优化问题，转换为用户最优传输资源分配和最优功率分配两个子问题，在最大化系统平均能量效率同时保证系统队列稳定性。由于该文将原优化问题进行了松弛，所得结果是局部最优解，而不是全局最优解。仿真结果表明，该文提出的基于不活跃用户的最优能量效率资源分配算法，其系统能量效率优于对比算法而计算复杂度较高。

在新兴的车联网络中，汽车终端请求卸载的任务对网络带宽、卸载时延等有着更加严苛的需求，而新型通信网络研究中移动边缘计算(MEC)的提出更好地解决了这一挑战。该文着重解决的是汽车终端进行任务卸载时卸载对象的匹配问题。文中引入了软件定义车载网络(SDN-V)对全局变量统一调度，实现了资源控制管理、设备信息采集以及任务信息分析。基于用户任务的差异化性质，定义了重要度的模型，在此基础上，通过设计任务卸载优先级机制算法，实现任务优先级划分。针对多目标优化模型，采用乘子法对非凸优化模型进行求解。仿真结果表明，与其他卸载策略相比，该文所提卸载机制对时延和能耗优化效果明显，能够最大程度地保证用户的效益。

链路预测旨在利用网络中已有的拓扑结构或其他信息，预测未连边节点间存在连接的可能性。资源分配指标具有较低复杂度的同时取得了较好的预测效果，但在资源传输过程的描述中缺少对路径有效性的刻画。资源传输过程是网络演化连边产生的重要内在动力，通过分析节点间资源传输路径周围拓扑的有效性，该文提出一种基于资源传输路径有效性的链路预测方法。该方法首先分析了节点间潜在的资源传输路径对资源传输量的影响，提出资源传输路径有效性的量化方法。然后，基于资源传输路径的有效性，通过对双向资源传输量进行刻画，提出了节点间传输路径的有效性指标。在12个实际网络数据集上的实验测试表明，相比其他基于相似性的链路预测方法，该方法在AUC和Precision衡量标准下能够取得更好的效果。

针对软件定义网络(SDN)分布式控制平面中由于网络分域管理所引发的控制扩张问题，该文提出了一种基于流量工程的SDN控制资源优化(TERO)机制。首先基于数据流的路径特征对流请求的控制资源消耗进行分析，指出通过调整控制器和交换机的关联关系可以降低控制资源消耗。然后将控制器关联过程分为两个阶段：先设计了最小集合覆盖算法来快速求解大规模网络中控制器关联问题；在此基础上，引入联合博弈策略来优化控制器和交换机的关联关系以减少控制资源消耗和控制流量开销。仿真结果表明，与现有的控制器和交换机就近关联机制相比，该文机制能在保证较低控制流量开销的前提下，节省约28%的控制资源消耗。

针对5G网络切片架构下业务请求动态性引起的虚拟网络功能(VNF)迁移优化问题，该文首先建立基于受限马尔可夫决策过程(CMDP)的随机优化模型以实现多类型服务功能链(SFC)的动态部署，该模型以最小化通用服务器平均运行能耗为目标，同时受限于各切片平均时延约束以及平均缓存、带宽资源消耗约束。其次，为了克服优化模型中难以准确掌握系统状态转移概率及状态空间过大的问题，该文提出了一种基于强化学习框架的VNF智能迁移学习算法，该算法通过卷积神经网络(CNN)来近似行为值函数，从而在每个离散的时隙内根据当前系统状态为每个网络切片制定合适的VNF迁移策略及CPU资源分配方案。仿真结果表明，所提算法在有效地满足各切片QoS需求的同时，降低了基础设施的平均能耗。

针对现有兴趣点(POI)推荐算法对不同签到特征的用户缺乏自适应性问题，该文提出一种基于用户签到活跃度(UCA)特征和时空(TS)概率模型的自适应兴趣点推荐方法UCA-TS。利用概率统计分析方法提取用户签到的活跃度特征，给出一种用户不活跃和活跃的隶属度计算方法。在此基础上，分别采用结合时间因素的1维幂律函数和2维高斯核密度估计来计算不活跃和活跃特征的概率值，同时融入兴趣点流行度来进行推荐。该方法能自适应用户的签到特征，并能更准确体现用户签到的时间和空间偏好。实验结果表明，该方法能够有效提高推荐精度和召回率。

正交频分复用(OFDM)已被广泛应用于无线通信系统，其数据传输安全具有一定的实际意义。该文提出了一种双重加密方案，采用神经网络生成置乱矩阵实现第1次加密，通过基于Logistic映射与Sine映射的复合离散混沌系统产生的混沌序列进行第2次加密。该双重加密方案极大提升了OFDM通信系统的保密性，可以有效地防止暴力攻击。相比于单一的1维Logistic映射的混沌系统，基于Logistic映射与Sine映射的复合离散混沌系统具有更大的密钥空间。该文运用Lyapunov指数与NIST测试验证了该混沌系统的混沌特性及随机性，并仿真验证了双重加密方案的保密性能。仿真结果表明，该文所提出的加密方案密钥空间为4×10⁹³，Lyapunov指数提高到0.9850，NIST测试中最大P值为0.9995。该双重加密方案可在不影响传输性能下极大提升OFDM通信系统的安全性。

针对网络流量异常检测过程中提取的流量特征准确性低、鲁棒性差导致流量攻击检测率低、误报率高等问题，该文结合堆叠降噪自编码器(SDA)和softmax，提出一种基于深度特征学习的网络流量异常检测方法。首先基于粒子群优化算法设计SDA结构两阶段寻优算法：根据流量检测准确率依次对隐藏层层数及每层节点数进行寻优，确定搜索空间中的最优SDA结构，从而提高SDA提取特征的准确性。然后采用小批量梯度下降算法对优化的SDA进行训练，通过最小化含噪数据重构向量与原始输入向量间的差异，提取具有较强鲁棒性的流量特征。最后基于提取的流量特征对softmax进行训练构建异常检测分类器，从而实现对流量攻击的高性能检测。实验结果表明：该文所提方法可根据实验数据及其分类任务动态调整SDA结构，提取的流量特征具有更高的准确性和鲁棒性，流量攻击检测率高、误报率低。

移动边缘计算(MEC)中计算卸载决策可能暴露用户特征，导致用户被锁定。针对此问题，该文提出一种基于Lyapunov优化的隐私感知计算卸载方法。首先，该方法定义卸载任务中的隐私量，并引入隐私限制使各MEC节点上卸载任务的累积隐私量尽可能小；然后，提出假任务机制权衡终端能耗和隐私保护的关系，当系统因隐私限制无法正常执行计算卸载时，在MEC节点生成虚假的卸载任务以降低累积隐私量；最后，建立隐私感知计算卸载模型，并基于Lyapunov优化原理求解。仿真结果表明，基于Lyapunov优化的隐私感知卸载算法(LPOA)能使用户的累积隐私量稳定在0附近，且总卸载频率与不考虑隐私的决策一致，有效保护了用户隐私，同时保持了较低的平均能耗。

跨广域网的虚拟机实时迁移是多数据中心云计算环境的重要技术支撑。当前跨广域网的虚拟机实时迁移受到带宽小和无共享存储的限制而面临着技术挑战，如镜像数据迁移的安全性和一致性问题。为此，该文提出基于哈希图(HashGraph)的跨数据中心虚拟机实时迁移方法，运用去中心化的思想，实现数据中心之间可靠和高效的镜像信息分布式共享。通过HashGraph中Merkle DAG存储结构，改善了重复数据删除在跨数据中心迁移虚拟机镜像时的缺陷。与现有方法相比，该文方法缩短了总迁移时间。

SIMON系列算法自提出以来便受到了广泛关注。积分分析方面，Wang，Fu和Chu等人给出了SIMON32和SIMON48算法的积分分析，该文在已有的分析结果上，进一步考虑了更长分组的SIMON64算法的积分分析。基于Xiang等人找到的18轮积分区分器，该文先利用中间相遇技术和部分和技术给出了25轮SIMON64/128算法的积分分析，接着利用等价密钥技术进一步降低了攻击过程中需要猜测的密钥量，并给出了26轮SIMON64/128算法的积分分析。通过进一步的分析，该文发现高版本的SIMON算法具有更好抵抗积分分析的能力。

针对实时系统能耗管理中动态电压调节(DVS)技术的应用会导致系统可靠性下降的问题，该文提出一种基于改进鸟群(IoBSA)算法的动态能耗管理法。首先，采用佳点集原理均匀地初始化种群，从而提高初始解的质量，有效增强种群多样性；其次，为了更好地平衡BSA算法的全局和局部搜索能力，提出非线性动态调整因子；接着，针对嵌入式实时系统中处理器频率可以动态调整的特点，建立具有时间和可靠性约束的功耗模型；最后，在保证实时性和稳定性的前提下，利用提出的IoBSA算法，寻求最小能耗的解决方案。通过实验结果表明，与传统BSA等常见算法相比，改进鸟群算法在求解最小能耗上有着很强的优势及较快的处理速度。

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型，并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案，与其他算法相比，所得Pareto解集在收敛性和多样性上具有性能优势。

该文提出一种新型的集成TSK模糊分类器(IK-D-TSK)，首先通过并行学习的方式组织所有0阶TSK模糊子分类器，然后每个子分类器的输出被扩充到原始(验证)输入空间，最后通过提出的迭代模糊聚类算法(IFCM)作用在增强验证集上生成数据字典，从而利用KNN对测试数据进行快速预测。IK-D-TSK具有以下优点：在IK-D-TSK中，每个0阶TSK子分类器的输出被扩充到原始入空间，以并行方式打开原始(验证)输入空间中存在的流形结构，根据堆栈泛化原理，可以保证提高分类精度；和传统TSK模糊分类器相比，IK-D-TSK以并行方式训练所有的子分类器，因此运行速度可以得到有效保证；由于IK-D-TSK是在以IFCM & KNN所获得的数据字典的基础上进行分类的，因此具有强鲁棒性。理论和实验验证了模糊分类器IK-D-TSK具有较高的分类性能、强鲁棒性和高可解释性。

针对暗通道先验去雾算法的不足，如天空区域透射率估计过小和在景深突变处易发生光晕效应，该文提出一种新颖且高效的去雾算法。首先通过几何分析建立雾图对应无雾图像暗通道图的平面扇形模型，然后设定一种新型的高斯均值函数，对其标准差进行自适应处理，用以估计扇形模型的上下边界值，通过引入均值不等关系对两侧边界进行逼近，拟合出最优无雾图像暗通道图，进一步求得最佳透射率，同时也改进局部大气光的探索方法并复原出最终结果。实验表明，与其它一些经典算法相比较，所提算法能广泛适用于各类图像，去雾程度彻底且效果清晰自然，具有较低的时间复杂度，有利于实时处理。

为提高全变分图像降噪模型的降噪性能和边缘保持性能，该文提出一种曲率差分驱动的极小曲面滤波器。首先，在平均曲率滤波器模型基础上，引入自适应曲率差分边缘探测函数，建立曲率差分驱动的极小曲面滤波器模型；接着，从微分几何理论角度，阐述该能量泛函模型的物理意义和平均曲率能量减小方法；最后，在离散的图像域，通过迭代的方式使图像每个像素邻域内的曲面向极小曲面迭代进化，实现能量泛函的平均曲率能量极小化，从而能量泛函的总能量也完成极小化。实验表明，该滤波器不仅能去除高斯噪声、椒盐噪声，还能去除这两类噪声构成的混合噪声，其降噪性能和边缘保持性能优于同类型的其他5种全变分算法。

针对目前基于度量学习的小样本方法存在特征提取尺度单一，类特征学习不准确，相似性计算依赖标准度量等问题，该文提出多级注意力特征网络。首先对图像进行尺度处理获得多个尺度图像；其次通过图像级注意力机制融合所提取的多个尺度图像特征获取图像级注意力特征；在此基础上使用类级注意机制学习每个类的类级注意力特征。最后通过网络计算样本特征与每个类的类级注意力特征的相似性分数来预测分类。该文在Omniglot和MiniImageNet两个数据集上验证多级注意力特征网络的有效性。实验结果表明，相比于单一尺度图像特征和均值类原型，多级注意力特征网络进一步提高了小样本条件下的分类准确率。

通过对基于复合域S-box构造算法的深入研究，该文提出一种低面积复杂度的通用低熵高阶掩码算法。在有限域GF(2⁴)上引入低熵掩码思想，并采用部分模块复用设计，有效降低了基于复合域S-box求逆运算的乘法数量。该算法能够适用于由求逆运算构成的任意分组加密算法，进一步将本方案应用于分组加密算法高级加密标准(AES)，给出了详细的综合仿真结果并进行了版图面积优化，较传统的掩码方案相比有效减少了逻辑资源的使用，此外，对其安全性进行了理论验证。

为改善包络跟踪(ET)发射机带宽、效率、线性度等指标，需优化其关键电路性能并校正系统非线性行为。针对该问题，该文构建电源调制器等效模型，推导其效率极值并阐述效率优化方法；引入频率补偿网络来提升电路带宽及线性性能；基于系统非线性行为特征，提出包络增强型数字预失真模型及线性化方案；设计实际电路并搭建包络跟踪系统。对于S频段5/10/20 MHz带宽6.7 dB峰均比测试信号，该系统功放平均效率分别为61%, 54%, 44%，且矢量幅度误差(EVM)均优于1%，具有较好的带宽、效率、线性度等性能，验证了电路优化方法及非线性行为校正方案的可行性。