该文针对图像融合领域内难于对先验知识加以利用的问题提出一种新的有监督学习的Takagi Sugeno Kang (TSK)模糊系统图像融合方法。该方法通过引入TSK模糊系统构建标准图像融合图像库进行学习，将学习准则记录下来形成融合模型，并指导新的图像融合过程。不同于传统方法，该方法可以有效地避免模型参数择优的难题，在融合图像质量和适用范围方面表现出一定的优势。从单一类型图像融合和多种类型图像融合两个角度进行了实验研究，实验结果说明该方法的有效性。

隐私保护技术是当前信息安全领域的研究热点。然而，现阶段集合并集运算中的隐私保护技术侧重理论研究，在实验模型的开发上较为欠缺。针对该问题，该文首先设计了保护隐私的集合合并运算电路、去重电路和混淆电路，并应用YAO氏通用混淆电路估值技术提出了一种布尔电路上保护隐私的集合并集协议。然后，该文使用模拟器视图仿真法证明了协议的安全性。最后，基于MightBeEvil中的YAO氏混淆电路估值框架，开发了该文理论方案对应的实验模型。实验结果表明，在安全计算稀疏集合的并集时，所提算法效率优于当前布尔电路上的其他算法。

该文指出Hong(2001)在多速率运动模型中关于过程噪声的一处错误,提高了多速率运动模型状态估计效果,并在此基础上建立了多帧概率数据关联算法.在确定多帧量测数据有效回波时,提出双重门限方法,有效减少了多帧概率数据关联算法的计算量.最后针对各种杂波密度情况对多帧量测数据概率数据关联算法的性能进行了分析.

基音在语音编码中通常采用7bit无失真均匀量化。由于浊音段语音的基音普遍具有缓慢渐变的特点，为了更有效地去除前后帧基音之间存在的相关性，该文基于Eriksson和Kang提出的4bit基音量化算法，针对汉语语音进行研究，实现了一套4~6bit基音量化算法。该算法计算简单，无需码书存储。将此基音量化方案应用于WI模型和WI编码器，主观A/B听力测试结果表明，该方案在高效量化基音的同时保证了合成语音质量几乎没有损失，完全满足低速率WI编码器对量化基音的要求。

组播是一种被广泛应用的通信技术。组播源认证是组播安全中的重要问题，特别是在有扰信道中实现组播源认证具有很大的挑战性。该文提出一种基于门限密码的链式组播源认证技术，以解决有扰信道上的组播源认证问题。基于组播源认证的安全需求和Dolev-Yao模型，该文首先给出链式组播源认证的安全假设和安全模型；然后结合Shamir的门限秘密共享技术，设计一种适合于有扰信道的组播源认证协议并进行了安全性分析。对协议的仿真结果表明，该文设计的组播源认证在保证较好的通信性能前提下具有良好的抗丢包能力。

经典数据驱动型TSK(Takagi-Sugeno-Kang)模糊系统在获取模糊规则时，会考虑数据的所有特征空间，其带来一个重要缺陷：如果数据的特征空间维数过高，则系统获取的模糊规则繁杂，使系统复杂度增加而导致解释性下降。该文针对此缺陷，探讨了一种基于模糊子空间聚类的〇阶L2型TSK模糊系统(Fuzzy Subspace Clustering based zero-order L2- norm TSK Fuzzy System, FSC-0-L2-TSK-FS)构建新方法。新方法构建的模糊系统不仅能缩减模糊规则前件的特征空间，而且获取的模糊规则可对应于不同的特征子空间，从而具有更接近人类思维的推理机制。模拟和真实数据集上的建模结果表明，新方法增强了面对高维数据所建模型的解释性，同时所建模型得到了较之于一些经典方法更好或可比较的泛化性能。