该文提出一种基于抛物线映射和混沌置乱方法的LT编码算法。首先用混沌初始值作为密钥，采用抛物线映射产生混沌序列并转换为类均匀分布序列，再通过位置置乱算法生成LT码的度分布和度邻接数据序列，较传统的重要抽样方法具有更高的灵敏度，保留了理论分布的结构。实验结果表明，该算法具有实现结构简单、分组头部开销小、保密性好及高于传统重要抽样方法的性能。

该文提出了中短长度LT码的展开图构造方法。该方法以输出节点为根展开Tanner图，当满足停止准则后，随机选择未被覆盖或最深展开层的输入节点与根相连。展开图法通过展开深度门槛和最大可展深度两个参数的设置，在控制短环的基础上, 在尽可能大的范围内随机地选择输入节点。仿真结果表明，该方法与随机图等方法相比，能够有效地改善中短长度LT码的性能。

目前对分布式LT码(DLT)的研究仅限于信源数量较少、且只有1层中继的情况，该文提出一种能够部署在多层中继网络上的分布式LT码，即多层分布式LT码(MLDLT)。该码将信源进行分组，将中继进行分层，通过分层后的中继群，可以将多达几十个乃至上百个信源连接到同一个接收端，从而实现众多信源通过多层中继对同一个接收终端的分布式LT码通信。通过对MLDLT码进行与或树分析，得出其中继度分布的线性优化方程。分别在无损和有损链路上计算该码的渐进性能并进行数值仿真，结果证明MLDLT码在无损和有损链路上的错误平台都比较低。MLDLT码非常适合于信源数量较多的多层中继网络。

Luby变换(LT)码作为一种抗干扰编码技术，应用于认知无线电系统，可提高次用户数据传输的可靠性。编译码是影响LT码抗干扰性能的关键因素。为提高数据传输的可靠性和速度，该文提出一种适用于认知无线电系统的LT码联合泊松鲁棒孤子分布-叠层(CPRSD-H)编译码算法。编码过程中，编码器首先采用CPRSD进行编码产生编码分组和编码矩阵，随后通过编码矩阵中度数为1和度数为2对应的列向量携带双层信息：度数为1和度数为2的编码分组和与其相连接的输入分组的连接关系；部分原始数据信息。译码过程中，译码器首先通过第1层存储信息采用置信传播(BP)算法译码完成，随后一些未被成功译出的信息再通过第2层存储信息进行填补。仿真结果表明，将CPRSD-H编译码算法应用于认知无线电系统中，能够显著降低LT码的误比特率(BER)，提高次用户有效吞吐量以及加快LT码编译码速度。

针对空间信息网络(Space Information Network, SIN)节点存储资源严重受限及存储可靠性问题，该文提出一种基于LT(Luby Transform)码的分布式存储策略(Distributed Storage Strategy based on LT codes, DSSLT)。采用定向随机漫步机制，使得源数据包能够更快地遍历整个网络。在信息估计阶段利用基于ID的估计方法进行网络全局信息估计，使所有节点快速获得网络全局信息。合理的数据包选择机制使得最终编码度分布趋于期望的度分布。分析和仿真结果表明，与具有代表性的分布式存储策略相比，该方法大幅度减少了数据包传输时的随机漫步步长，同时提高了译码性能，简单易行。

该文针对深空通信对长纠删码的需求，提出了LT (Luby Transform)码和q-LDPC码的级联方案。在综合考虑性能和复杂度的情况下，选取8-LDPC码和8PSK的级联作为等效的删除信道，长度选择灵活、编译码简单的LT码实现纠删功能。文中设计了两种短8-LDPC码，并对整个级联系统的纠错性能进行了仿真。仿真结果表明8-LDPC码的性能优于信源信息速率和码率相同的二进制LDPC码，级联系统在等效包删除概率不超过0.1时，系统误比特率以概率1趋于0。

由于其特有的广域宽覆盖等特点，数据广播业务一直是空间网络的主要业务。然而空地间信道由于受到远距离、天气变化及遮挡等因素影响，数据传输时延长且丢包率较高。为进一步提高数据广播的性能，该文将反馈信息与LT码相结合，提出一种新的空间网络数据广播传输策略。与传统的数据广播策略相比较，新的传输策略利用反馈信息估计信道丢包率，并在此基础上引入信道状态矩阵和数据包选择权重向量，设计了数字喷泉新的编码方法，进而使得数据在重传阶段能够根据信道状态和重传概率实时调整。仿真结果表明，新的数据广播策略能够实现传输较少数据包的基础上实现原始数据的可靠接收。

当基站(BS)和用户的位置固定，基站到智能反射面(IRS)与IRS到用户的距离和一定时，该文在视距信道和瑞利信道下基于最大化系统可达速率准则对无源和有源IRS的最优放置位置进行分析。首先，运用相位对齐和大数定律推导了无源和有源IRS辅助无线网络可达速率的闭合表达式；然后，分析了基站到IRS的路径损耗指数${\beta _1}$和IRS到用户的路径损耗指数${\beta _2}$对IRS最优部署位置的影响，即当${\beta _{\text{1}}} \gt {\beta _{\text{2}}}$时，无源IRS的最优部署位置始终靠近基站，随着${\beta _1}$和${\beta _2}$的差距逐渐增大，有源IRS的最优部署位置逐渐靠近基站；当${\beta _1} \lt {\beta _2}$时，则得到相反的结论。仿真结果表明：当${\beta _1} = {\beta _2}$且无源IRS到基站和到用户的距离相等时，系统的可达速率性能最差。当固定有源IRS处的噪声功率且增加用户处的噪声功率时，IRS的最优部署位置始终靠近用户；当固定后者增大前者时，IRS的最优部署位置逐渐靠近基站。

SIMON算法是由美国国家安全局(NSA)在2013 年推出的一簇轻量级分组密码算法，具有实现代价低、安全性能好等优点，其轮函数采用了$F(x) = (x < < < a){{\& }}(x < < < b) \oplus (x < < < c)$类型的非线性函数。该文研究了移位参数(a,b,c)一般化时SIMON类算法轮函数的线性性质，解决了这类非线性函数的Walsh谱分布规律问题，证明了其相关优势只可能取到${{0}}$或${2^{ - k}}$，其中$k \in Z$且${{0}} \le k \le \left\lfloor {{2^{ - 1}}n} \right\rfloor $，并且对于特定条件下的每一个$k$，都存在相应的掩码对使得相关优势等于${2^{ - k}}$，给出了相关优势取到${2^{ - 1}}$时的充分必要条件及掩码对的计数，给出了特定条件下非平凡相关优势取到最小值时的充分必要条件与掩码对的计数。

该文使用语谱图结合残差网络的深度学习模型进行婴幼儿哭声的识别，使用婴幼儿哭声与非哭声样本比例均衡的语料库，经过五折交叉验证，与支持向量机(SVM)，卷积神经网络(CNN)，基于Gammatone滤波器的听觉谱残差网络(GT-Resnet)3种模型相比，基于语谱图的残差网络取得了最优结果，F1-score达到0.9965，满足实时性要求，证明了语谱图在婴幼儿哭声识别任务中能直观地反映声学特征，基于语谱图的残差网络是解决婴幼儿哭声识别任务的优秀方法。