在基于运动想象(MI)的脑机接口(BCI)中，通常采用较多通道的脑电信号(EEG)来提高分类精度，但其中会有包含与MI任务无关或冗余信息的通道，从而影响BCI的性能提升。该文针对运动想象脑电分类中的通道选择问题，提出一种采用相关性和稀疏表示对通道进行选择的方法(CSR-CS)。首先计算训练样本每个通道的皮尔逊相关系数来选择显著通道，然后提取显著通道所在区域的滤波器组共空间模式特征拼接成字典，利用由字典所得到的非零稀疏系数的个数表征每个区域的分类能力，选出显著区域所包含的显著通道作为最优通道，最后采用共空间模式和支持向量机分别进行特征提取与分类。在对BCI第3次竞赛数据集IVa和BCI第4次竞赛数据集I两个二分类MI任务的分类实验中，平均分类精度达到了88.61%和83.9%，表明所提通道选择方法的有效性和鲁棒性。

海量机器类终端(或MTC终端)同步入网时，其业务呈现瞬时突发性，这使得基于齐次或复合泊松假设的多信道S-ALOHA稳态性能分析办法难以直接应用。该文以第i个随机接入时隙内第j次进行随机接入的用户数Mi(j)作为状态变量，提出了一种沿Mi(j) 的j方向迭代进行多信道S-ALOHA暂态性能分析的办法及其近似形式。该迭代办法可建立第i个随机接入时隙内第j次进行随机接入的用户数与第x个随机接入时隙内新到用户数的直接关系(其中xi)，也可给出接入时延概率密度函数、概率分布函数和均值的求解办法。以3GPP MTC业务参考模型进行数值仿真，验证了所提迭代办法及其近似形式的有效性。相关研究可为承载网络的优化设计提供参考。

基于运动意图的脑-机接口(BCI)对人体运动功能增强、替代和康复具有重要研究意义与应用价值。其中，运动想象(MI)是最常用的表征运动意图的BCI范式。然而，传统MI-BCI通常仅实现不同肢体部位运动意图解码，且识别正确率较低，制约着精细运动控制与康复效果。针对上述问题，近年来研究者在单一肢体特定部位、运动学与动力学意图诱发头皮脑电编解码以及运动意图错误相关电位检测3个方面开展了一系列有意义的探索，并在高自由度的运动指令控制和面向卒中患者的临床康复应用方面取得了较大的研究成果。该文从运动意图的头皮脑电(EEG)编解码相关范式及其BCI应用两个方面综述了本领域研究进展，并探讨当前研究存在的问题和可能的解决方案，以期促进运动意图BCI技术的深入研究及开发应用。

为了抑制或者消除准同步码分多址(QS-CDMA)通信系统的多址干扰(MAI)、多径干扰(MI)以及邻小区干扰，该文提出一类非对称零相关区(A-ZCZ)序列偶集的构造方法。基于给定的最佳自相关序列偶，运用交织操作，成功设计一类非对称零相关区序列偶集。新集合的每个子集均是零相关区序列偶集，且不同子集的序列偶间的互相关函数(CCF)具有更大的零互相关区(ZCCZ)。同时，该文提出的构造方法可以根据系统要求灵活地选择子集的零相关区宽度。