论文研究了新近提出的Liu混沌系统(2004)的模糊反馈同步方法。Liu混沌系统结构不同于以往的连续混沌系统，本文基于T-S(Takagi-Sugeno)模糊模型重构了Liu混沌系统；然后用Lyapunov理论和反馈同步的思想推导了两个重构的Liu系统同步的稳定性条件，并给出了误差系统以衰减率全局渐近稳定的充分条件；最后基于LMI方法进行了仿真实验。良好的仿真结果验证了本文算法的有效性和快速性。

微支付交易具有交易量极大且单次交易额极小的特点，使得复杂的认证协议不适用于微支付。Micali等人(2002)提出的基于概率选择微支付方案，把微支付聚合成宏支付，大幅提高了微支付的效率。Liu-Yan在(2013)提出了保证所有参与者的数据融入概率选择结果的生成, 而且使得所有参与者可以验证结果的公平性。然而，Liu-Yan方案中银行可能获得额外利益，从而破坏了协议的公平性。该文首先分析了Liu-Yan方案的安全威胁，并且以1个用户-1个商家的模型代替Liu-Yan方案中大量用户-1个商家的模型，以数据承诺技术为基础保障结果的公平性与可验证性。

该文推广了Liu Fang等人(2010)给出的周期为pn, p为奇素数，n为正整数的广义分圆序列的构造，并确定了新构造序列的线性复杂度和自相关函数值的分布。结果表明，推广的构造保持了原构造的高线性复杂度等伪随机特性。由于取值更灵活，较之原构造新构造序列的数量要大得多。

通过对Zhang-Liu-He (2006)，Gan-Chen (2004)和Wang-Zhang-Ma (2007)提出的可转换环签名方案进行分析，指出了这几个可转换环签名方案存在可转换性攻击或不可否认性攻击，即，环中的任何成员都能宣称自己是实际签名者或冒充别的成员进行环签名。为防范这两种攻击，对这几个可转换环签名方案进行了改进，改进后的方案满足可转换环签名的安全性要求。

该文提出了一种新的基于分块迭代(BI)和自适应分块迭代(ABI)的部分传输序列算法，能够有效地降低正交频分复用(OFDM)系统的峰均功率比(PAPR)，与原始部分传输序列(OPTS)和Iterative Flipping(IF)算法相比，该算法能够获取更好的性能与复杂度的折衷，并且该算法可以看作OPTS和IF算法的一般化形式。

本文分析了扩散型或漂移型或具有电荷放大效应的光阴极的量子效率。提出了具有内场或外场的-Si∶H光电发射模型。其结构是p-i-n -Si∶H/Bi2S3或SnO2--Si∶H-Al∶Cs∶O。估算了它们的量子效率和积分灵敏度。二者的量子效率为1-10,灵敏度为103-105A/lm。外场模型的实验表明,结构设计是正确的。

离子通道激光(ICL)是一种可工作在紫外和X射线区的新型自由电子激光。本文对低增益情况下ICL的辐射放大机制进行了研究。利用Madey理论导出了ICL的增益公式;通过群聚参量Bi对ICL中电子的两种不同的群聚机制进行了讨论;由谐振条件得出了ICL的输出频率,并与回旋自谐振脉塞(CARM)和常规自由电子激光(FEL)进行了比较。

为了解决混合类型数据与专家知识等异质信息的融合决策问题，该文提出了基于信任区间的交互式多属性识别(BI-TODIM)方法。完善了混合类型数据的距离测度，根据信任区间的构建定理和灰关联方法构建了未知目标混合类型数据的信任区间，阐明了信任区间与直觉模糊数之间的等价关系，创建了混合类型数据和专家知识的识别决策模型，实现了特征层信息和决策层信息的统一表达；分析了基于信度函数的逼近理想解(BF-TOPSIS)方法的反转现象及算法的复杂度，定义了区间数的序关系，提出了BI-TODIM识别决策方法，及基于直觉模糊熵的未知权重计算方法。结合算例和目标识别案例，验证了该文方法在解决排序反转和异质信息融合方面的有效性，突出了该方法时间复杂度低、稳定性好、识别准确度高的优点。

为研究一维分层介质粗糙面之间金属目标的复合电磁散射特性，该文提出了一种结合前后向迭代算法(FBM)和双共轭梯度法(Bi-CG)的快速互耦迭代算法(CCIA)。推导了分层粗糙面与金属目标的耦合边界积分方程组，采用FBM和Bi-CG分别求解分层粗糙面与目标的边界积分方程，目标和分层粗糙面的相互作用通过更新两方程的激励项来实现。计算了双层介质高斯粗糙面及无限长金属圆柱的复合电磁散射特性，当目标尺寸趋于零时与只有分层粗糙面的散射系数相吻合，验证了该算法的正确性；分析了不同粗糙面情况下该算法的收敛性；讨论了目标尺寸与位置变化对复合散射系数的影响。结果表明，金属目标的存在明显影响了分层粗糙面的散射特性。

基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的，如双3次下采样等，因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题，该文提出联合估计模糊核、噪声水平和高分辨率图像，设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中，图像重建器以估计的模糊核和噪声水平作为先验信息，由低分辨率图像重建出高分辨率图像；同时，综合低分辨率图像和估计的高分辨率图像，模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地，该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化，以提高它们的兼容性并使其相互促进。实验结果表明，与IKC, DASR, MANet, DAN等现有算法相比，提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能，能够更好地对降质未知的图像进行重建；同时，提出方法在参数量或处理效率上也有一定的优势。