本文首先提出了高木-关野模糊系统的混合PiSigma神经网络实现方法和技术,然后研究了其在数据关联建模中的应用。实验结果表明,本文的方法不失为一种解决数据关联计算建模问题的新方法。

该文应用控制理论，设计了具有快速响应特征的比例积分(Proportional-Integral, PI)控制器，并以此提出了一个新的主动队列管理(Active Queue Management, AQM)算法，称为Active PI算法(简称A-PI)。A-PI用一组参数实现快速响应，用另一组参数保证队长稳定，使用门限值实现两组参数间平滑切换，算法实现简单。理论分析和仿真实验表明，A-PI算法在保证队长稳定的同时实现了对不同网络环境的快速响应。

路径规划是为机器人生成可行驶路径以实现循迹的过程。因此，机器人的位置应该位于或靠近规划的行驶路径。从而，路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型，该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中，模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上，提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中，应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中，从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明，所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统)，并显著提高机器人定位的整体性能。

针对现有网络化雷达功率资源利用率低的问题，该文提出一种基于目标容量的功率分配(TC-PA)方案以提升保精度跟踪目标个数。TC-PA方案首先将网络化雷达功率分配模型制定为非光滑非凸优化问题；而后引入Sigmoid函数将原问题松弛为光滑非凸优化问题；最后运用近端非精确增广拉格朗日乘子法(PI-ALMM)对松弛后的非凸问题进行求解。仿真结果表明，PI-ALMM对于求解线性约束非凸优化问题可以较快地收敛到一个稳态点。另外，相比传统功率均分方法和遗传算法，所提TC-PA方案可以最大限度地提升目标容量。

作为对终端系统上拥塞控制的一种补充，中间节点上的主动队列管理(AQM)策略在保证较高吞吐量的基础上有效地控制队列长度，从而实现了控制端到端的时延,保证QoS的目的。C.Hollot等人(2001)用经典控制理论中频域校正的方法设计了用于AQM的PI控制器，但参数整定上的试凑方法不免代有盲目性；算法的瞬态性能指标也不够理想。为此，该文引入了微分环节来增强系统的响应能力，同时给出了基于稳定裕度的参数整定方法，使PID控制器的稳定性有了绝对保障。仿真试验表明PID算法的调节时间远远短于PI控制器，从而为在负载瞬息万变的网络环境中实现控制分组排队等待时间的目标提供了有力的技术保障。

为减小相干斑对分类、检测的影响，通常要对极化合成孔径雷达图像进行相干斑抑制。极化白化滤波器(PWF)是利用多个极化通道的复数据抑制相干斑的有效方法，但其输出只有一个通道。为了在后续处理中能够利用全极化数据，该文对PWF进行了改进，提出了多通道极化白化滤波器法(MCPWF)。该方法在保持PWF最少相干斑图像输出的同时，还能得到各个极化通道滤波后的输出。Pi-SAR实测数据的实验结果验证了该方法的有效性。

全同态加密(FHE)由于其可以实现隐私数据的计算，大大提高了数据的安全性而在医疗诊断、云计算、机器学习等领域取得了广泛的关注。但是全同态密码高昂的计算代价阻碍了其广泛应用。即使经过算法和软件设计优化，FHE全同态加密中一个整数明文的密文数据规模可以达到56 MByte，端侧生成的密钥最大都会达到11 k Byte。密文以及密钥数据规模过大引起严重的计算和访存瓶颈。存内计算(PIM)是一个解决该问题的有效方案，其完全消除了内存墙的延迟和功耗问题，在端侧计算大规模数据时更具优势。利用存内计算加速全同态计算的工作已经被广泛研究，但是全同态加密端侧的执行过程由于耗时的模运算也面临着执行时间的瓶颈。该文分析了BFV方案加密、解密、密钥生成操作中各个关键算子的计算开销，发现模计算的计算开销平均占比达到了41%，延迟占比中访存占97%，因此，该文提出一个名为魔方派(M²PI)的基于静态随机存取存储器(SRAM)存内计算的模运算加速器设计。实验结果表明，该文所提加速器相比CPU中模计算有1.77倍的计算速度提升以及32.76倍能量的节省。