用户撤销是基于身份的加密(IBE)方案在实际应用中所必须解决的问题。Chen等人在ACISP 2012上给出了第1个格上可撤销的基于身份的加密(RIBE)方案，但其只能达到选择性安全。利用Agrawal等人在欧密2010上给出的IBE方案，该文构造出一个格上适应性安全的RIBE方案，从而解决了Chen等人提出的公开问题；进一步指出利用Singh等人在SPACE 2012上给出的块方法，可以有效地缩短该方案的公钥尺寸。

Broomhead(1988),Chen(1991)等人提出的RBF网络的学习算法都是基于传统的LMS算法,因此具有一定的局限性。本文提出了一种新的RBF网络的学习算法ABS投影学习算法,它是一种直接的学习算法。计算机模拟的结果表明,它具有学习效率高,识别率高和适用范围广的优点。

本文提出并证明了有源网络不定导纳矩阵的一般k阶余因式的两个拓扑表达式(A)和(B)。表达式(A)是W.K.Chen于1965年给出的一、二、三阶和特殊k阶余因式的拓扑表达式的统一和推广。表达式(B)表明,存在另一个有源网络拓扑分析方法正根有向k-树法。

通过对Zhang-Liu-He (2006)，Gan-Chen (2004)和Wang-Zhang-Ma (2007)提出的可转换环签名方案进行分析，指出了这几个可转换环签名方案存在可转换性攻击或不可否认性攻击，即，环中的任何成员都能宣称自己是实际签名者或冒充别的成员进行环签名。为防范这两种攻击，对这几个可转换环签名方案进行了改进，改进后的方案满足可转换环签名的安全性要求。

针对探索时间序列之间随时间变化的因果关系问题，在每个窗口进行Granger因果检测的滑动时间窗口方法是求解该问题的常用方法，但其性能对窗宽敏感，不合适的窗宽很可能导致低性能。该文提出一种差异区域平衡方法，首先计算当前滑动窗口W内序列的波动程度Sw并作为波动界，计算窗口W的前向相邻区域U内序列的波动程度Su。然后，实施前向探索策略：若Su未超过Sw，则实施不同长度区域的平衡检测方案，即对窗口W、对窗口W与U的合并区域、对窗口W与后向相邻区域V的合并区域这3种不同长度的差异区域，分别进行时间序列之间因果关系的检测；若Su超过Sw，则实施上述平衡检测方案时，其中区域U和V的长度取相同值。最后，将窗口W的多次检测结果进行综合后输出。新方法将不同长度区域的结果进行综合，能够降低方法的性能对窗宽的敏感性，保障最终结果的准确性和稳定性。在1个模拟数据集和4个真实数据集上的实验结果显示，该文方法能有效地揭示出时间序列之间随时间变化的因果关系，在正确率高且性能稳定的综合性能上优于对比方法。

本文基于旋转矩阵单位四元数分解定理,提出一种由3D特征点空间位置估计运动参数的算法。单位四元数表示旋转矩阵时不存在奇异点,故基于单位四元数的运动估计方法具有更大的实用价值,而本文算法无需Horn(1987)和Su等人(1989)提出的单位四元数方法的迭代运算。本文给出了解的唯一性分析和模拟实验结果,可见其性能是令人满意的。

针对非理想信道状态信息(CSI)条件下工作于underlay模式的认知无线网络(CRN)多用户下行功率分配和波束赋形研究中普遍存在的问题，包括忽略主网络(PN)对认知用户(SU)的干扰、传统的凸优化SDR方法对约束条件的近似要求以及实现算法复杂、实用性受限等，首先建立CRN模型，增添PN对SU的干扰项，而后在非理想CSI的最差条件下形成优化问题。再通过Lagrange对偶对问题的约束条件进行变换，并基于变换后的问题形式，利用上行和下行的对偶特性，引入虚拟功率，将优化问题转换为上行功率分配和波束赋形问题，进一步得到简便、快速和实用的迭代算法。数值仿真显示，算法收敛很快。并且发现非理想CSI引起的误差不仅对下行功率影响明显而且还改变优化问题的可行解区域；PN基站(PBS)的发送功率的变化对可行解区域有显著的影响。

该文针对含未知参数的异结构超混沌复系统，基于自适应控制及Lyapunov稳定性理论，提出一种新的自适应广义组合复同步方法 (GCCS)。首先给出广义组合复同步的定义，将驱动-响应系统的同步问题转化为误差系统零解的稳定性问题；然后从理论上设计了非线性反馈同步控制器及参数辨识更新律，并引入误差反馈增益，以控制同步的收敛速度；最后以超混沌复Lorenz系统、超混沌复Chen系统、超混沌复L系统的广义组合复同步与参数估计为例，从数值仿真角度验证了所提方法的正确性和有效性。

针对离散时间混沌动力学系统，该文提出一种基于矩阵特征值以及特征向量配置Lyapunov指数为正的新算法。计算离散受控矩阵的特征值以及特征向量，设计一类具有正Lyapunov指数的通用控制器，理论证明系统轨道的有界性和Lyapunov指数的有限性。对线性反馈算子以及微扰反馈算子进行数值仿真分析，验证了算法的正确性、通用性和有效性。性能评估表明，与Chen-Lai算法相比，该方法可以构建较低计算复杂度的混沌系统，并且运行时间较短，其输出序列也具有较强的随机性，实现了无退化、无兼并的离散混沌系统。

针对认知无线电系统中的频谱感知问题，该文采用随机矩阵理论(Random Matrix Theory, RMT)对多认知用户(Secondary User, SU)接收信号采样协方差矩阵的最大特征值的分布特性进行了分析和研究，提出了一种新的基于双特征值判决门限(Double Eigenvalue Threshold, DET)的合作频谱感知算法。由该算法感知性能的理论分析可知：DET合作感知算法无需主用户(Primary User, PU)发射机信号的先验知识，也不需要预先知道信道背景噪声功率。仿真结果表明，与传统的频谱感知方法相比，该方法只需较少的认知用户就能获得较高的感知性能，并且对噪声的不确定性具有较强的鲁棒性。