针对5G通信技术高传输速率、多业务场景的挑战，该文提出一种组件化的软件定义无线接入网络新架构。该架构在5G接入网集中单元(CU)，分布单元(DU)，有源天线单元(AAU)架构的基础上，进一步朝组件化方向演进，形成一种由集中控制单元(CCU), CU, DU，射频单元(RU)，AAU等组件化通信单元组成的新架构。这种新架构既有利于切片化、虚拟化实现无线接入网，又有利于应用分布式计算技术和硬件加速技术突破通用处理器的计算能力瓶颈，还能降低DU与AAU之间的前传压力。该文还研制了基于此架构的组件化软基站试验原型并进行了测试，结果表明该组件化方案在提供高度灵活性的同时，还能够提升通用处理器软基站的吞吐能力，并有效降低远端站址传输流量。

图像超分变率重建方法在公共安全检测、卫星成像、医学和照片恢复等方面有着十分重要的用途。该文对基于生成对抗网络的超分辨率重建方法进行研究，提出一种基于纯合成数据训练的真实世界盲超分算法(Real-ESRGAN)的UNet3+双鉴别器Real-ESRGAN方法(Double Unet3+ Real-ESRGAN, DU3-Real-ESRGAN)。首先，在鉴别器中引入UNet3+结构，从全尺度捕捉细粒度的细节和粗粒度的语义。其次，采用双鉴别器结构，一个鉴别器学习图像纹理细节，另一个鉴别器关注图像边缘，实现图像信息互补。在Set5, Set14, BSD100和Urban100数据集上，与多种基于生成对抗网络的超分重建方法相比，除Set5数据集外，DU3-Real-ESRGAN方法在峰值信噪比(PSNR)、结构相似性(SSIM)和无参图像考评价指标(NIQE)都优于其他方法，产生了更直观逼真的高分辨率图像。

蜂窝网络下的同时同频全双工(CCFD)设备到设备(D2D)组网可以进一步提升网络频谱效率，然而由此引入的残余自干扰(RSI)及蜂窝用户(CU)与D2D用户(DU)之间共享频谱的干扰会严重影响到蜂窝用户的体验。因此，该文为蜂窝网络下同时同频全双工组网设计了两种干扰协调算法，即CU和速率最大化算法(MaxSumCU)与CU最小速率最大化算法(MaxMinCU)，在小区频谱效率得到提升的同时尽可能地保证CU的体验。对于MaxSumCU算法，该文以CU和速率为优化目标建立混合整数非线性规划问题(MINLP)，其在数学上为非确定性多项式(NP-hard)问题。算法将其分解为功率控制与频谱资源分配两个子问题，并用图形规划找到最优功率解后，使用二向图最大权值匹配算法决定频谱共享的CU与DU。为了保证每一个蜂窝用户体验的公平性，该文设计了MaxMinCU算法用以最大化所有CU速率中的最小值，该算法基于二分查找与二向图最小权值匹配算法来完成用户的资源分配。数值结果表明，与小区和速率最大化(MaxSumCell)设计相比，该文所提的两种算法在提升小区和速率的同时均有效地提升了蜂窝用户的体验。

为提高命名数据网络(Name Data Networking, NDN)路由过程中内容名字查找的效率，该文提出一种基于深度布隆过滤器的3级名字查找方法。该方法使用长短记忆神经网络(Long Short Term Memory, LSTM)与标准布隆过滤器相结合的方法优化名字查找过程；采用3级结构优化内容名字在内容存储器(Content Store, CS)、待定请求表(Pending Interest Table, PIT)中的精确查找过程，提高查找精度并降低内存消耗。从理论上分析了3级名字查找方法的假阳性率，并通过实验验证了该方法能够有效节省内存、降低查找过程的假阳性。

基于简化电磁矢量传感器阵列，该文提出了一种新的降维四元数MUSIC估计方法。文中引用了四元数的概念，利用四元数的正交特性能够很好地描述矢量传感器阵元的正交结构这一优点，建立了电磁矢量传感器阵列的四元数模型，利用降维Q-MUSIC (Quaternion-MUSIC)方法先对极化信号DOA进行估计，通过已经估计出来的DOA信息，再借助传统的V-MUSIC (long-MUSIC)方法估计极化信息。从而依次获得极化信号的4个参数。仿真实验验证了算法的可行性。

信噪比是衡量信道质量的一个重要参数，该文主要研究LTE(Long Term Evolution)系统中基于探测参考信号(Sounding Reference Signal, SRS)的信噪比估计方法。针对DASS(Difference of Adjacent Subcarrier Signal)算法在高信噪比下噪声估计误差较大的这一缺点，该文提出一种适用于SRS的改进DASS方法。该方法通过重新定义子载波的差分方式，减小了噪声估计的误差，并且由于对连续的3个SRS频点，仅需要估计一次噪声，使得该文方法的复杂度仅为原DASS方法的1/3。仿真结果表明，所提方法的估计性能优于其余的方法，特别是在低时延和中等时延信道下，高信噪比时的估计精度提高了约10倍。

在LTE (Long Term Evolution)异构网络中，由于宏基站(Macro)与微微(Pico)基站的发射功率相差较大，一些离Pico基站较近的用户因为接收到的宏基站下行信号质量好于Pico基站而选择接入宏小区。然而，因为这些用户距离Pico基站较近，因此上行通信会对Pico基站产生严重的上行干扰。小区覆盖增强(Range Expansion, RE)技术能够减少此类干扰，但同时又可能引入新的下行干扰。该文提出一种基于RE技术的上行干扰识别与协调机制(UIICRE)，能够准确识别上行干扰源及其强度，并进行相应的干扰协调处理。仿真结果表明，该文提出的方案能够解决Pico小区的上行干扰问题，提升用户的上行通信质量，并保证用户下行通信质量不受影响。

利用非授权频段频谱资源提升网络容量需要有效地解决LTE(Long Term Evaluation)与WiFi的共存问题。最近，学术界和工业界相继提出了授权频段辅助接入机制和双模微基站技术提升蜂窝通信系统容量。考虑双模微基站与WiFi接入点覆盖范围存在部分重叠场景，该文提出一种新的双模微基站非授权信道接入机制及联合授权非授权的优化频谱资源分配方案。仿真结果表明，双模微基站和WiFi接入点互不可见时，新方案相比于现有方案由于考虑了空间复用具有更好的系统性能；双模微基站和WiFi接入点互相可见时，新方案与现有方案性能一致，即两者分时独立占用非授权频段频谱资源。

针对传统方法不能有效抽取维吾尔语事件因果关系的问题，该文提出一种基于双向LSTM(Bidirectional Long Short-Term Memory, BiLSTM)的维吾尔语事件因果关系抽取方法。通过对维吾尔语语言以及事件因果关系特点的研究，提取出10项基于事件内部结构信息的特征；同时为充分利用事件语义信息，引入词嵌入作为BiLSTM的输入，提取事件句隐含的深层语义特征并利用批样规范化(Batch Normalization, BN)算法加速BiLSTM的收敛；最后融合这两类特征作为softmax分类器的输入进而完成维吾尔语事件因果关系抽取。实验结果表明，该方法用于维吾尔语事件因果关系的抽取准确率为 89.19%, 召回率为 83.19%, F值为86.09%，证明了该文提出的方法在维吾尔语事件因果关系抽取上的有效性。

心血管疾病是造成全球死亡人数最多的疾病之一，因此对心血管疾病的预防与提前诊断至关重要。人工听诊技术与计算机心音诊断技术无法满足对心音长时间听诊的需求，因而可穿戴式听诊设备越来越受到关注，但是其具有高精度与低功耗的要求。该文设计了低功耗的面向可穿戴式的基于长短期记忆网络(Long Short-Term Memory, LSTM)的智能心音异常诊断芯片，提出了包括预处理、特征提取以及异常诊断的心音异常诊断系统，并搭建了基于听诊器的心音采集FPGA系统，采用了数据增强的方法解决数据集的不平衡问题。基于预训练模型设计了智能心音异常诊断芯片，在SMIC180 nm工艺下完成了版图设计和MPW流片。后仿真结果表明，智能心音异常诊断芯片的诊断准确率为98.6%，功耗为762 μW，面积为3.06 mm × 2.45 mm，满足可穿戴式智能心音异常诊断设备的高性能与低功耗的需求。