该文提出一种通用的时间数字转换器(TDC)码密度校准信号产生方法，该方法基于相干采样理论，通过合理设置TDC主时钟和校准信号之间的频率差，结合输出信号保持电路，产生校准用的随机信号，在码密度校准过程中，随机信号均匀分布在TDC的延时路径上，实现对TDC的bin-by-bin校准。基于Xilinx公司的28 nm工艺的Kintex-7 现场可编程门阵列(FPGA)内部的进位链实现一种plain TDC，利用该方法校准plain TDC的码宽(抽头延迟时间)，研究校准了2抽头方式下的TDC的性能参数，时间分辨率(对应TDC的最低有效位，Least Significant Bit, LSB)为24.9 ps，微分非线性为(–0.84～3.1)LSB，积分非线性为(–5.0～2.2)LSB。文中所述的校准方法采用时钟逻辑资源实现，多次测试考核结果表明，单个延时单元的标准差优于0.5 ps。该校准方法采用时钟逻辑资源代替组合逻辑资源，重复性、稳定性较好，实现了对plain TDC的高精度自动校准。该方法同样适用于其他类型的TDC的码密度校准。

该文提出了一种新的基于分块迭代(BI)和自适应分块迭代(ABI)的部分传输序列算法，能够有效地降低正交频分复用(OFDM)系统的峰均功率比(PAPR)，与原始部分传输序列(OPTS)和Iterative Flipping(IF)算法相比，该算法能够获取更好的性能与复杂度的折衷，并且该算法可以看作OPTS和IF算法的一般化形式。

本文分析了扩散型或漂移型或具有电荷放大效应的光阴极的量子效率。提出了具有内场或外场的-Si∶H光电发射模型。其结构是p-i-n -Si∶H/Bi2S3或SnO2--Si∶H-Al∶Cs∶O。估算了它们的量子效率和积分灵敏度。二者的量子效率为1-10,灵敏度为103-105A/lm。外场模型的实验表明,结构设计是正确的。

离子通道激光(ICL)是一种可工作在紫外和X射线区的新型自由电子激光。本文对低增益情况下ICL的辐射放大机制进行了研究。利用Madey理论导出了ICL的增益公式;通过群聚参量Bi对ICL中电子的两种不同的群聚机制进行了讨论;由谐振条件得出了ICL的输出频率,并与回旋自谐振脉塞(CARM)和常规自由电子激光(FEL)进行了比较。

为了解决混合类型数据与专家知识等异质信息的融合决策问题，该文提出了基于信任区间的交互式多属性识别(BI-TODIM)方法。完善了混合类型数据的距离测度，根据信任区间的构建定理和灰关联方法构建了未知目标混合类型数据的信任区间，阐明了信任区间与直觉模糊数之间的等价关系，创建了混合类型数据和专家知识的识别决策模型，实现了特征层信息和决策层信息的统一表达；分析了基于信度函数的逼近理想解(BF-TOPSIS)方法的反转现象及算法的复杂度，定义了区间数的序关系，提出了BI-TODIM识别决策方法，及基于直觉模糊熵的未知权重计算方法。结合算例和目标识别案例，验证了该文方法在解决排序反转和异质信息融合方面的有效性，突出了该方法时间复杂度低、稳定性好、识别准确度高的优点。

为研究一维分层介质粗糙面之间金属目标的复合电磁散射特性，该文提出了一种结合前后向迭代算法(FBM)和双共轭梯度法(Bi-CG)的快速互耦迭代算法(CCIA)。推导了分层粗糙面与金属目标的耦合边界积分方程组，采用FBM和Bi-CG分别求解分层粗糙面与目标的边界积分方程，目标和分层粗糙面的相互作用通过更新两方程的激励项来实现。计算了双层介质高斯粗糙面及无限长金属圆柱的复合电磁散射特性，当目标尺寸趋于零时与只有分层粗糙面的散射系数相吻合，验证了该算法的正确性；分析了不同粗糙面情况下该算法的收敛性；讨论了目标尺寸与位置变化对复合散射系数的影响。结果表明，金属目标的存在明显影响了分层粗糙面的散射特性。

为了降低MIMO雷达自适应矩阵算法(Adaptive Matrix Approach, AMA)的计算复杂度和样本需求，该文提出一种双边AMA(Two-Sided AMA, TS-AMA)算法。TS-AMA算法将AMA算法的权矩阵分解成两个低维权矩阵的Kronecker积，从而将AMA算法的代价函数转化为一个双二次的代价函数。新的代价函数可以通过结合半正定规划(Semi-Definite Programming, SDP)和双迭代算法(Bi-Iterative Algorithm, BIA)有效地求解。相比AMA算法，TS-AMA算法的收敛速度更快，样本需求更低，运算量更小。仿真结果说明了该算法的有效性。

针对普通积累检测器检测稀疏散射点目标存在坍塌损失以及依赖于散射点密度的二元积累(SDD-BI)检测器检测密集散射点目标存在信杂比损失的问题，该文充分利用目标的散射点密度及幅度信息，提出了一种距离扩展目标的双门限恒虚警检测器(DT-CFAR)，在高斯杂波背景下推导了DT-CFAR虚警概率和检测概率与检测门限关系的解析表达式，并给出了最优第1门限的确定方法。仿真结果表明，DT-CFAR对不同散射点密度目标都具有较优的检测性能，并且对散射点密度估计失配具有鲁棒性。

针对动态分支预测错误率在时间上分布不均匀且高错误率比较集中的特点，该文提出一种可动态变换预测极性的分支预测方法。该方法对未经极性变换的原始动态分支预测错误率进行自适应监测，筛选出原始动态分支预测错误率高于阈值的预测错误高峰期，进而调整预测错误高峰期内分支预测器的预测极性，使经过极性变换的最终动态分支预测错误率在程序运行过程中始终低于设定的阈值。该文同时研究了全局监测、按组监测和局部监测3种分支预测错误率监测方式。实验结果表明，相同硬件资源下该方法比Gshare和Bi-Mode分支预测方法具有更高的分支预测精度。

针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题，该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型，然后提出一种基于分布式联邦学习框架协作训练预测模型，并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果，联合系统能耗优化和负载均衡，提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明，两种算法的结合有效地降低了网络系统能耗并保证负载均衡。