该文提出一种新的绝对误差函数，应用该函数进行非线性模型参数提取可以避免计算误差，显著降低参数提取的不准确性。由于氮化物半导体器件，尤其是AlGaN/GaN HEMT器件已经开始得到广泛应用，其模型和参数对射频和电力电子器件和电路设计至关重要，分别使用3种误差函数对 AlGaN/GaN HEMT器件模型进行了参数提取并对比，对比结果表明该文提出的误差函数更加精确和有效。同时为今后的电子器件的模型参数提取提供了一种有效且精确的方法。

虽然深度神经网络可以有效改善环境声音分类(ESC)性能，但对对抗样本攻击依然具有脆弱性。已有对抗防御方法通常只对特定攻击有效，无法适应白盒、黑盒等不同攻击场景。为提高ESC模型在各种场景下对各种攻击的防御能力，该文提出一种结合对抗检测、对抗训练和判别性特征学习的ESC组合对抗防御方法。该方法使用对抗样本检测器(AED)对输入ESC模型的样本进行检测，基于生成对抗网络(GAN)同时对AED和ESC模型进行对抗训练，其中，AED作为GAN的判别器使用。同时，该方法将判别性损失函数引入ESC模型的对抗训练中，以驱使模型学习到的样本特征类内更加紧凑、类间更加远离，进一步提升模型的对抗鲁棒性。在两个典型ESC数据集，以及白盒、自适应白盒、黑盒攻击设置下，针对多种模型开展了防御对比实验。实验结果表明，该方法基于GAN实现多种防御方法的组合，可以有效提升ESC模型防御对抗样本攻击的能力，对应的ESC准确率比其他方法对应的ESC准确率提升超过10%。同时，实验验证了所提方法的有效性不是由混淆梯度引起的。

垂直结构GaN LED能够提高器件的出光效率和调制带宽，是可见光通信的关键器件。该文面向水下蓝光通信的重大应用需求，基于亚波长理想LED模型，设计、制备了垂直结构蓝光LED器件，在NRZ-OOK调制下可实现10 Mbps的无线光通信。该文进一步搭建了水下可见光通信系统，采用基于该器件，实现了调制速率2 Mbps的全双工水下蓝光通信。

探地雷达(GPR)是一种基于电磁波的地下无损探测技术，广泛应用于市政工程、交通、军事等领域。在数据采集过程中，由于发射天线和接收天线之间的耦合、起伏地面的散射以及地下随机媒质的复杂性等原因，采集得到的GPR B-scan回波中通常存在杂波，杂波严重影响了地下目标的检测和特征提取。该文提出一种用于GPR B-scan图像杂波抑制的解纠缠表示生成对抗网络(DR-GAN)，设计了目标特征编码器和杂波特征编码器用来提取GPR B-scan图像中的目标特征和杂波特征，设计了杂波抑制生成器用来获取杂波抑制后的GPR B-scan图像。与现有的基于监督学习的GPR杂波抑制方法相比，该方法在网络训练时不需要成对的匹配数据，可以更好地应用于实测GPR图像的杂波抑制。在仿真和实测GPR数据上的实验结果表明，DR-GAN这一无监督学习网络具有更好的杂波抑制性能。对石英砂中埋设的钢筋进行数据采集，运用DR-GAN对含杂波的实测数据进行处理，处理结果的改善系数(IF)指标较现有的鲁棒非负矩阵分解(RNMF)方法提高了17.85 dB。

效率和线性度是功率放大器的重要指标，也是设计的技术难点。该文设计了2.5-2.6 GHz 高效率GaN逆F类功率放大器，其输入输出谐波匹配网络由解析的方法设计得到。单音测试结果表明，在2.55 GHz处，功放的漏极效率超过75%。为了建立逆F类功放的行为模型进行数字预失真，对传统的Hammerstein模型进行了改进，提升了模型拟合精度，对20 MHz带宽、峰均功率比为9.6 dB的16-QAM OFDM调制信号，结合峰值因子降低技术和数字预失真技术对逆F类功放进行线性化后，功放的相邻信道功率比(ACPR)优于-48 dBc。

利用可见光信号作为新型信息载体的光通信技术近些年来得到长足发展，为了开发新一代光子集成芯片作为可见光通信网络的终端器件，满足可见光信号发射、接收、传输与处理的复合需求，该文基于硅基InGaN/GaN多量子阱材料，设计了一种集成可见光波段微型发光二极管(LED)光源、波导定向耦合器、微型光电探测器于一体的光子集成芯片。该芯片利用InGaN/GaN多量子阱材料的发光探测共存现象，实现了上述复合功能。微型LED光源作为发射端，可以发射出蓝色波段的可见光信号，其发光强度受到注入电流的线性调制，可实现调幅可见光通信，适合作为可见光通信的发射端。微型LED光源发射的可见光信号传输进入波导定向耦合器，实现了片内有效传输耦合和光功率平均分配。经过耦合传输的可见光信号进入微型光电探测器，可以监测到与耦合传输的光信号强度相匹配的光电流。最后，可见光通信测试也表明该芯片可实现有效的可见光通信。该研究为发展面向可见光通信网络需求的复合功能光子集成芯片终端提供了更多可能性。

为研究面向可见光通信的多功能光子集成芯片，实现可见光信号发射、探测、传输和功率分配的一体化的复合功能，该文提出一种基于硅基InGaN/GaN多量子阱材料的微型发光二极管(LED)多口分路器结构的光子集成芯片，对集成芯片进行了形貌、光电特性和可见光通信测试等多方面表征，实现了对可见光信号的有效传输和不同比例的多口功率分路，并对分路器不同端口的出射光强进行量化处理，最后，利用信号发生器在微型LED光源发射端加载300 kHz的矩形波电信号，收集分路器末端发射的调制可见光信号，输入/接收信号的波形变化趋势一致，说明该光子集成芯片可实现有效的可见光通信。该研究的主要目的是尝试性将可见光波段的光源和光电探测器集成在氮化物晶圆上，为可见光通信的全光网络的可见光信号片上集成式处理提供新的研究思路和方案，为发展面向可见光通信网络需求的复合功能光子集成芯片终端提供了更多可能性。

为提高图像转换模型生成图像的质量，该文针对转换模型中的生成器进行改进，同时探究多样化的图像转换，拓展转换模型的生成能力。在生成器的改进方面，利用选择性(卷积)核模块(SKBlock)的动态感受野机制获取和融合生成器中每个上采样特征的多尺度信息，借助特征的多尺度信息和动态感受野构造选择性(卷积)核的生成式对抗网络(SK-GAN)。与传统生成器相比，SK-GAN以动态感受野获取多尺度信息的生成结构提高了生成图像的质量。在多样化图像转换方面，基于SK-GAN在草图合成真实图像任务提出带引导图像的选择性(卷积)核的生成式对抗网络(GSK-GAN)。该模型利用引导图像指导源图像的转换，通过引导图像编码器提取引导图像特征，然后由参数生成器(PG)和特征转换层(FT)将引导图像特征的信息传递至生成器。此外，该文还提出双分支引导图像编码器以提高转换模型的编辑能力，以及利用引导图像的隐变量分布实现随机样式的图像生成。实验表明，改进后的生成器有助于提高生成图像质量，SK-GAN在多个数据集中获得合理的生成结果。GSK-GAN不仅保证了生成图像的质量，还能生成更多样式的图像。

小麦多生理生化指标变化趋势反映了储藏品质的劣变状态，预测多指标时序数据会因关联性及相互作用而产生较大误差，为此该文基于长短期记忆网络(LSTM)和生成式对抗网络(GAN)提出一种改进拓扑结构的长短期记忆生成对抗网络(LSTM-GAN)模型。首先，由LSTM预测多指标不同时序数据的劣变趋势；其次，根据多指标的关联性并结合GAN的对抗学习方法来降低综合预测误差；最后通过优化目标函数及训练模型得出多指标预测结果。经实验分析发现：小麦多指标的长短期时序数据的变化趋势不同，进一步优化模型结构及训练时序长度可有效降低预测结果的误差；特定条件下小麦品质过快劣变会使多指标预测误差增大，因此应充分考虑储藏期环境变化对多指标数据的影响；LSTM-GAN模型的综合误差相对于仅使用LSTM预测降低了9.745%，并低于多种对比模型，这有助于提高小麦品质多指标预测及分析的准确性。

海杂波数据稀缺，获取海杂波数据成本高、周期长，极大地限制了海杂波特性研究及海洋遥感应用。该文主要研究了基于深度生成性对抗网络(GAN)的海杂波数据生成方法，通过扩展传统的GAN框架，形成了1维海杂波数据生成和鉴别模型，基于实测海杂波数据集，进行对抗网络生成和鉴别模型训练，分析了生成模型所生成的海杂波数据的幅度分布特性和时间、空间相关性。基于实测数据验证了该方法能够生成更多、更多样、与真实海杂波数据分布相近的海杂波数据。