针对智能超表面(RIS)的硬件结构，从单元设计和原型机系统两方面综述了RIS的设计工作．首先从固定单元结构的超表面追溯了RIS的发展起源，并从可调节的角度深入剖析了现有RIS的单元结构种类和设计思路；其次基于物理信息和统计信息对了RIS辅助通信的信道建模研究进行分类和梳理；然后从原型机的设计特点和系统功能两个方面介绍了目前主要的RIS实验系统和相关实验结果；此外，提出了设计的RIS原型机，并进行了多跳RIS的信号增益，图像成像以及实际室内信号覆盖测试实验．实验结果表明：RIS可以有效减小信号覆盖盲区和辅助无线电波成像，经RIS辅助增强，室内平均信号增益达到8 dB以上．

为了研究旋转永磁体机械天线用于低频发信的可行性，基于磁偶极矩建立了旋转永磁体与正交电流环的场等效关系，给出了自由空间条件下旋转永磁体机械天线场分布的解析函数．在此基础上推导了旋转永磁体机械天线的辐射效率，与传统电流激励的电流环辐射效率进行对比，在100 Hz以下，旋转永磁体辐射效率高于正交电流环5个数量级以上．研究了剩磁为1.4 T的旋转永磁体在海空跨域介质的近区磁场，在空气-海水半无限大均匀介质模型中，受海空分界面产生的侧面波影响，旋转永磁体在海水中的衰减速度远低于无限大海水的情况，这种侧面波效应可拓展旋转永磁体机械天线的水下通信距离．

为了进一步抑制多用户滤波多音(FMT)水声通信中的同道干扰和码间干扰，提出了双向干扰抑制的方法．采用双向并行的干扰抑制结构，前向结构用于处理FMT解调后的各子信号，反向结构用于处理各子信号的时间反转形式．前向和反向结构均采用时反技术进行预处理，采用干扰抵消和判决反馈均衡进行后处理，合并双向处理的结果就可以得到用户序列最终的判决值．分析了所提方法的原理，并基于实际的试验数据对所提方法的有效性展开了验证．结果表明：所提方法通过双向处理可以获得额外的分集增益，与传统的单向干扰抑制方法相比，多用户FMT水声通信采用所提方法处理后的误码率和输出均方误差更低，性能更优．

针对基于DRM(数字调幅广播)的外辐射源雷达实测参考信道估计面临的精度不足问题，研究了有限实测样本下的超分辨率重建网络估计方法．该方法在深度网络设计上通过将LS(最小二乘)信道估计方法获得的频域信道响应视为低分辨率的图像，经VDSR(非常深的超分辨重建网络)重建为高精度信道响应，最终实现对参考信号的准确估计；在训练数据集构建上，由于DRM外辐射源雷达实测信道估计中难以获取大量对应不同信道特征的实测数据，首先基于实测数据通过LS估计出时域信道响应，粗略确定信道中多径的大致时延和增益，然后在此基础上基于DRM波形特征仿真得到足够的信道数据，训练所提超分辨率重建网络，最后使用预训练模型预测实测数据．实测结果表明：本文方法可以达到比传统信道估计方法更高的精度．

针对无闪烁条件下多分量周期性微多普勒信号的参数估计问题，提出了一种基于谱聚集度指标的微动目标特征提取方法．首先通过散射点模型分析了目标的微多普勒调制特性，然后利用目标回波慢时间维的相位信息构建微多普勒信号的解调算子，并引入奇异值比谱法估计微多普勒信号中的主周期分量，实现搜索空间的降维优化处理，最后通过计算微多普勒信号与解调算子乘积的谱聚集度来实现目标叶片数、叶片长度和初相的参数估计．仿真结果表明：该方法估计精度高、运算速度快，且在低信噪比和搜索网格失配条件下具有较好的鲁棒性．

鉴于行人的运动轨迹会受到邻域行人持续性的影响，传统工作在建模过程中缺乏对此类型影响的考虑，提出了一个基于多重空间图神经网络的行人轨迹预测方法．此方法包含一个多重空间融合模块，将多个时刻的空间结合在一起，构建了一个多重空间图神经网络，能够将邻域行人的历史轨迹对目标行人的影响也融合进来，对多人之间跨越时间和空间的交互信息进行建模与刻画；随后将Transformer应用到多重空间图网络上，能够自适应地度量行人之间跨越时间和空间的交互程度．本文方法在典型公开数据集ETH和UCY上进行测试，并与同类模型进行对比．实验结果表明：本文方法在ADE和FDE两项指标上相比于比同类方法提升了12%和15%，能预测出与真实轨迹更贴合的行人轨迹．

针对传统矿井电磁波测距定位存在依赖通信链路的问题，提出了一种基于改进的卷积神经网络VGG-19的井下定位方法．根据基于视觉图像进行识别的原理，将基于深度学习的计算机视觉技术应用于井下定位．不同间隔点位置图像的特征不尽相同，所以对井下的场景进行不同间隔的划分，在所取的间隔点处采集数据集，建立图像信息指纹库；将不同间隔位置点图像进行相应的标记分类，然后用迁移学习的方法将获得的数据集用改进的VGG-19网络进行训练，获得识别分类模型；运用识别分类模型可对不同位置实时图像进行识别，获得采集图像的设备位置数据，从而实现定位．所述定位方法得到的识别分类模型可在嵌入式系统设备运行，定位过程无须通信网络支持，极大简化了系统的复杂性，完全适应矿井灾后恶劣条件，可用于救援机器人等移动装置的井下定位，具有实时性、稳定性、抗干扰性，且有很好的定位准确率．

为提高高光谱图像的压缩性能，提出一种同时利用高光谱图像的光谱信息和空间信息的深度卷积神经网络压缩方法．主要通过主成分分析对高光谱图像进行光谱维降维预处理，在保持图像空间结构特性的同时，去除光谱冗余性．在此基础上，在编码端利用重要性图网络对压缩编码进行内容自适应码率分配，避免低码率下强边缘或小纹理处码率分配不足，从而提高图像压缩重建质量．在高光谱数据上的实验结果表明：该方法在低码率(0.184 4)下依然能达到较好的压缩性能，峰值信噪比为27.209 9，结构相似度为0.922 4．

以赤足足迹压力图像为研究对象，采集了40人的5 230幅赤足足迹压力图像，在具有较低存储消耗的哈希算法基础上，结合深度学习方法设计了一种深度中心匹配哈希(DCMH)网络实现足迹的检索．该网络首先根据足迹压力图像的特点构建深度特征融合模块，提取反映足迹形态结构的全局特征和压力分布的局部特征，并将两种特征进行融合；然后在哈希编码模块通过全连接层将融合后的特征映射为1 024维特征向量，并通过哈希层生成哈希码；在网络优化过程中通过构建深度中心匹配损失函数从而减小哈希码与对应哈希中心之间的距离．深度中心匹配损失函数通过伯努利分布生成哈希中心，设计对数中心损失函数减小同类足迹压力图像数据哈希码与哈希中心的距离，并设计相似性损失函数作为正则化项约束每个批次数据间的相似性关系．通过在40人的赤足足迹压力图像数据上进行图像检索实验，本文算法检索结果的mAP可以达到0.99，优于传统的哈希算法及常用的深度哈希算法，为足迹的进一步的现场应用提供技术支撑．

针对褪变色壁画图像色彩还原过程中容易出现伪影、色彩混叠、边缘细节保持效果不佳等问题，提出了一种基于风格注意力的壁画图像色彩还原方法．该方法通过构建基于风格注意力的色彩迁移模块建立参考壁画图像与褪化壁画图像特征间的语义映射关系，使用参考壁画图像的色彩信息对褪化壁画图像进行色彩还原；同时，为了更有效地保留褪化壁画图像的结构纹理细节信息，构建基于自注意力的细节保持模块建立褪化图像与还原结果低层特征的全局依赖关系，以减少感受野限制及噪声影响在还原图像中产生的伪影和假色现象．实验分析表明：提出的方法在壁画褪化区域色彩还原和结构纹理细节保持等方面具有较好的表现．

针对现有深度学习算法在修复破损壁画图像过程中，存在特征感知能力较弱和重建细节丢失等问题，提出了一种联合双编码器增强的生成对抗壁画多尺度重建深度学习模型．首先，设计由双分支联合编码器和多尺度解码器构成的生成网络，其中双分支联合编码器分为门控编码器分支和标准编码器分支：门控编码器分支利用门控卷积的动态特征选择机制并结合空洞卷积扩大感受野，提高壁画的语义特征感知能力；而标准编码器分支则利用标准卷积并结合密集连接加强特征传递，以获得更丰富的壁画细节信息．然后，采用多尺度解码器进行重构恢复，增强破损壁画纹理细节的重构能力．最后，通过谱归一化马尔科夫判别网络改善壁画修复结果的语义一致性和结构连续性．通过对真实敦煌壁画进行数字化修复的实验结果表明：所提出的算法能够有效完成破损壁画的修复，重构取得了更好地视觉感和协调性，在主客观评价方面均优于比较算法．

由于不均匀光照及水体的吸收与散射，不同水域的图像存在颜色衰减和信息缺失等问题，为了增强其视觉质量，提出基于局部纹理特征检测的水下光学图像复原算法．首先，为反映图像的雾化程度和纹理特征，定义一种改进局部二值编码；然后，通过提出的模板递归思想结合二值编码图多次迭代分别求取R，G和B三通道的全局背景光；其次，根据图像的最小信息损失原理和光学特性，采用相对总变差算子提取图像的有效结构信息估计透射率图；最后，将估算的三通道全局背景光和透射率值代入光学成像模型反演得到清晰化的图像．实验结果表明：该算法能有效提升对比度，校正色差和图像细节等信息，水下彩色质量评价、水下图像质量评价和信息熵值均优于各对比算法，为海洋信息的探索与开发提供了可行的参考．

为有效解决修复大面积不规则洞孔出现的纹理模糊、结构失真等问题，提出了基于改进知识一致性注意力机制图像修复算法．首先使用部分卷积对待修复图像进行处理，随后将处理的特征图送入包含混合空洞卷积(HDC)与改进知识一致性注意力机制(KCA)的特征推理模块．推理完成后将输出特征图输入至部分卷积与特征推理模块进行循环推理，逐步提升网络的修复能力，循环完成后对输出图像进行特征合并．最后将合并特征图进行去残差瓶颈层以增强修复图像的结构完整性．提出模型使用组归一化方式(GN)加快损失函数收敛速度．在公开数据集上验证提出算法的性能，主客观实验结果表明：提出算法能有效修复大面积连续不规则区域，能够较好地避免修复失真，其峰值信噪比和结构相似度及运算速度优于对比算法．

提出一种适用于动态环境并融合边缘信息的视觉里程计，该算法主要由聚类处理、边缘信息提取、面元重构和联合优化几部分组成．首先，使用K-Means聚类算法对场景信息进行聚类处理，再提取图像的边缘信息，分别得到基于光度和边缘信息的残差模型．然后，将不同的残差模型融合，再通过面元重构算法，为动态、静态物体分配权重，并剔除动态物体．最后将残差模型加入非线性优化函数中进行处理，提高位姿估算精度．TUM(慕尼黑工业大学)数据集的实验结果表明：该算法与REVO(基于边缘的视觉里程计)、VO-SF(基于静态融合的视觉里程计)和SF(静态融合)算法相比，在高动态序列中其跟踪误差分别减少了53%，49.8%和6.2%，验证本算法在动态环境中的精确度．

为了降低双耳语音中噪声和混响的影响，提高语音质量和可懂度，提出了一种基于注意力机制和改进的卷积循环神经网络的双耳语音增强算法．在该算法中，首先提取双耳语音的谱特征和双耳线索，对谱特征应用通道注意力得到可靠的谱特征，同时对双耳线索应用空间注意力得到可靠的双耳线索作为神经网络的输入特征．然后，构建了将模型注意力作为卷积循环神经网络编解码层的跳跃连接的神经网络结构，并利用双向长短期记忆网络获取时序信息．实验结果表明：在不同噪声与混响的条件下，所提出的算法具有更好的性能．

针对现有的深度学习模型在语音频带扩展领域数据特征利用不充分、训练周期长以及生成语音质量不高等问题，提出了一种新型的端到端神经网络模型，该模型通过融合不同数据维度特征促使网络模型利用更少的数据特征量，获取更多的低高频映射关系解，从而减少模型的整体训练周期．为了提高长时序数据中关键特征的权重占比，设计了一种残差多头自注意力机制，从而达到数据特征利用率的最大化．此外，提出了一种基于时频域和Mel频谱的混合损失函数对模型进行优化．实验结果表明：该方法重构的宽带语音在主客观的评价中均优于传统方法和近年来的一些基于神经网络的语音频带扩展方法．

为了提取丰富的图像特征，提出了一种并联卷积神经网络模型．核心支路采用改进级联编解码器模块，在传统编码器路径中引入通道注意机制和塔式空洞卷积模块提取丰富的上下文信息，在模块间引入跳跃连接，以保留图像细节．并行支路采用基于塔式空洞卷积模块的改进递归残差组，在提取充足空间细节信息的同时能够将特征传递到网络深处，保存图像的精细纹理．最后在GoPro数据集和Kohler数据集上评估模型的性能．从实验结果可以看出该模型在主客观评价上都表现良好．

为了降低Φ2类逆变器中功率开关器件的电压应力并简化其谐振参数设计过程，提出了一种基于谐波配比优化的参数设计方法．首先对Φ2类逆变器开关节点电压(vds)频谱进行了分析，以降低开关器件电压应力为导向推导了优化的谐波配比和目标vds．然后基于目标vds实现了对Φ2类逆变器微分方程的退耦合求解，得到了各支路的电流并进行了完整的量化分析．进一步结合开关节点电压和开关电流的频谱特征，推导了Φ2类逆变器谐振槽的阻抗幅度与相位约束，以此为依据提出了直接确定电路谐振参数的方法．最后搭建了27.12 MHz的原理样机，和传统设计方法相比，开关电压应力降低了10.2%，效率提升了7.2%．

针对表面缺陷检测方法泛化能力不足问题，提出一种深度迁移卷积变分自编码网络进行压敏电阻表面缺陷检测．检测方法包含多颜色多规格压敏电阻图像自适应预处理、模型建立及缺陷检测3个阶段．第一阶段完成自适应规范化、自适应通道选取、自适应阈值处理；第二阶段完成参数迁移，自动提取良品差分图像特征得到模型；第三阶段对差分图像与重构图像进行差分处理后得到的残差图像，通过改进的“3σ准则”进行缺陷检测．结果表明：方法平均检测准确率达98.83%，相比其他流行模型至少提高了9.53%，检测范围扩展至2种颜色3种规格的压敏电阻．

从吸收、渐变、电荷和倍增层分离型(SAGCM) InGaAs/InP APD的器件结构和工作原理出发，分析了载流子扩散、产生-复合等影响暗电流的主要因素，推导了光电流响应和碰撞电离倍增因子的表达式，同时考虑了温度和高偏压下隧穿效应的影响，构建了完整的电流响应模型．模型使用与通用电路仿真器完全兼容的Verilog-A语言进行描述，适用于Cadence电路设计平台中与外围电路进行协同仿真．结果表明：在300 K下模型仿真结果与实验数据在60 V偏置电压范围内均处于同一数量级，验证了所构建的APD器件模型的精确度，为光电探测系统的协同设计与整体优化提供了参考．

首先提出了一种动态自检SR-Latch PUF(SR锁存物理不可克隆函数)结构，在SR-Latch PUF中引入PDL附加延迟线来检测SR-Latch PUF单元内部信号偏差的大小，从而检测并标记出可靠的PUF单元；其次提出了一种基于可靠性置信信息的去偏算法，将不可靠的PUF单元引入经典冯诺依曼算法的去偏过程中，改善PUF响应的偏置特性并提升了PUF的利用率；最后综合利用可靠性动态自检SR-Latch PUF、去偏算法设计了一个密钥产生电路．FPGA验证结果表明：与现有技术相比，本方案中密钥生成的错误率可以达到1×10-9，硬件开销降低了约30%．提出的去偏算法比现有算法的PUF利用率提升了32%，通过消除辅助数据的熵泄露提升了密钥的整体安全性．