旋转对称布尔函数是一类重要的密码学函数，研究其重量和非线性度等密码学性质具有很好的理论价值。区别于已有的计算方法，该文利用特定的正规基把这些布尔函数的问题转化为有限域上的指数和问题，得到了4 ?? n和n=2s 时一些二次旋转对称布尔函数的重量和非线性度的新结果。使用所提的方法，可以计算几乎全部的二次旋转对称布尔函数的重量和非线性度。所提的新方法对于研究一般的旋转对称布尔函数具有一定的参考意义。

为提高目标跟踪算法对多种目标表观变化场景的自适应能力和跟踪精度，论文提出一种结合灰度共生(GLCM)与三阶张量建模的目标优化跟踪算法。该算法首先提取目标区域的灰度信息，通过GLCM的高区分度特征对目标进行二元超分描述，并结合三阶张量理论融合目标区域的多视图信息，建立起目标的三阶张量表观模型。然后利用线性空间理论对表观模型进行双线性展开，通过在线模型特征值描述与双线性空间的增量特征更新，明显降低模型更新时的运算量。跟踪环节，建立二级联合跟踪机制，结合当前时刻信息通过在线权重估计构建动态观测模型，以真实目标视图为基准建立静态观测模型对跟踪估计动态调整，以避免误差累积出现跟踪漂移，最终实现对目标的稳定跟踪。通过与典型算法进行多场景试验对比，表明该算法能够有效应对多种复杂场景下的运动目标跟踪，平均跟踪误差均小于9像素。

迴旋管实现永磁包装,迄今尚未见有文献报道。本文提出采用一种适合于迴旋管工作的双均习区径向磁路系统作为永磁聚焦方案,并利用计算机进行了研究,通过设计计算,选用磁能积(BH(max)为20 MGOe的钐钴磁钢。为了调整磁场,在双均匀区添加了一些小电磁线包,它们改变磁场的范围约为5％。 通过计算表明,建立一个8 mm二次谐波迴旋管所需的65007000Gs强磁场系统,约需钐钴磁钢4050kg。这对于研制 8 mm二次谐波永磁聚焦迴旋管以及近厘米波段迴旋管是很吸引人的。本文最后还对提高磁路效率、扩大均匀区等问题进行了简单的讨论。

张玉磊等人(2015)提出了两种无证书聚合签名方案，并证明其方案在随机预言机模型下是可证明安全的。该文分析张玉磊等人提出的两种方案的安全性，指出了第1种方案可以抵抗两类攻击者的攻击；第2种方案不能抵抗第1类攻击者和第2类攻击者的攻击，给出详细的攻击过程，证明攻击者伪造出的签名可以通过验证，分析了第2种方案存在伪造攻击的原因，提出了改进的方案。

本文提出了一种复杂表格识别和处理方法。该方法首先输入一张未填有用信息的空表格作背景信息表格,然后输入已填有用信息的同类表格作有用信息表格。对有用信息表格图象采用几何位置配准使两幅表格的背景信息重合,然后利用数字逻辑运算和智能相关处理技术以达到对残留背景信息的彻底清除,保留后填入的有用信息供识别处理。此方法对表格形式不限,适用于背景信息和有用信息采用同色或异色笔填写。方法仅需第一次输入一张空表格后,就可连续处理同类型表格。文中给出了表格处理结果。

2005年，张键红等提出了一种基于RSA的高效群签名方案，签名与验证的计算量只需要9次模幂乘运算。该文提出了一种伪造攻击方案指出张等的方案是不安全的，任一群成员在撤消中心的帮助下可以不利用自己的秘密参数对任何消息生成有效的群签名。同时，指出了群成员的识别算法是错误的，身份追踪式是与具体签名无关的常量，即身份追踪算法无法追踪到真实的签名者。最后，指出了他们的方案具有关联性。

针对双基地MIMO雷达目标定位问题，该文提出一种基于三阶张量分解的快速多目标定位算法。该算法首先将匹配滤波输出转化为三阶张量，并对其进行降维预处理，然后利用交替最小二乘(ALS)算法估计收发阵列流型矩阵和多普勒矩阵，最后通过谱估计算法恢复目标收发角和多普勒频率。同时利用线性搜索加快ALS算法的收敛速度。与现有算法相比，该算法避免了2维谱峰搜索和协方差矩阵估计，得到的目标三参数自动配对，不仅提高了估计性能，而且有效降低了运算量和存储量。仿真结果证明了所提算法的有效性和优越性。

为提升双基地EMVS-MIMO雷达的多维参数估计性能，该文提出利用发射/接收EMVS的差分阵列结构来实现多维参数的高分辨估计。对于阵列接收数据，可以利用高阶张量来实现对发射/接收EMVS的差分阵列的构建。首先，利用高阶张量的交换和缩并规则来构建一个包含原始发射/接收EMVS差分阵列结构的5阶张量模型；通过利用两个选择矩阵，可以剔除该张量模型中差分阵列的重复元素，且获得的差分阵列的自由度为原始阵列自由度的两倍。然后，对新构建的5阶张量模型再次进行张量的缩并处理可以获得一个第3个维度为36的3阶张量模型。最后，通过利用平行因子分解算法可以实现对发射4维参数和接收4维参数进行有效的求解。仿真实验表明，该文对差分阵列的构建有效地实现了双基地EMVS-MIMO雷达中多维参数估计性能的提升。

光学复眼在无人系统的精确定位制导、避障导航等任务中得到了越来越广泛的应用，其中光学复眼的高精度标定是保障上述任务质量的前提。通常经典的张氏棋盘格标定法要求光学复眼的每个子眼都必须观测到完整的棋盘格，然而，由于光学复眼结构的复杂性，在实际标定过程中难以满足这一要求。为解决张氏标定法的局限性， 该文提出一种基于随机噪声平板的光学复眼内外参联合标定算法，该算法通过子眼拍摄随机噪声平板的局部信息，可简单快速地实现任意构型和子眼数量的光学复眼内外参联合标定。为了提高光学复眼标定的稳定性，设置多阈值匹配机制解决子眼视场特征点数量稀疏导致图像匹配失效的问题。同时，给出了光学复眼内外参联合标定的误差模型，用来衡量所提出算法的精确度。在与张氏棋盘格标定法进行实验对比中，验证所提算法的稳定性和鲁棒性，并在光学复眼实物系统中，验证了所提联合标定算法具有较高的精度。

多模态哈希能够将异构的多模态数据转化为联合的二进制编码串。由于其具有低存储成本、快速的汉明距离排序的优点，已经在大规模多媒体检索中受到了广泛的关注。现有的多模态哈希方法假设所有的询问数据都具备完整的多种模态信息以生成它们的联合哈希码。然而，实际应用中很难获得全完整的多模态信息，针对存在模态信息缺失的半配对询问场景，该文提出一种新颖的半配对询问哈希(SPQH)，以解决半配对的询问样本的联合编码问题。首先，提出的方法执行投影学习和跨模态重建学习以保持多模态数据间的语义一致性。然后，标签空间的语义相似结构信息和多模态数据间的互补信息被有效地捕捉以学习判别性的哈希函数。在询问编码阶段，通过学习到的跨模态重构矩阵为未配对的样本数据补全缺失的模态特征，然后再经习得的联合哈希函数生成哈希特征。相比最先进的基线方法，在Pascal Sentence, NUS-WIDE和IAPR TC-12数据集上的平均检索精度提高了2.48%。实验结果表明该算法能够有效编码半配对的多模态询问数据，取得了优越的检索性能。