针对光场成像中因空间-角度复用，导致空间分辨率成角度倍下降的问题，提出了一种基于对极约束注意力机制的深度学习光场空间超分辨率方法．通过分析光场的视差分布特性，结合深度学习注意力网络的原理，设计了针对光场图像处理的对极约束注意力模块，将注意力限制在了光场对极平面图像的一个特定范围内，从而强化光场图像超分辨率的相关特征和抑制非相关特征．实验结果表明：该范围在和输入光场的视差范围匹配时，可以达到最好的性能，具备一定的可解释性，所提出的方法在平均峰值信噪比和结构相似性等指标上优于10种比较方法，并且具有更好的视觉效果．

提出一种基于文本先验引导的动态场景新视角渲染方法，以动态前景内容的文本信息作为语义先验引导分割模型自动生成高质量的前背景掩码，进而在无须人工标注情况下实现动态场景的新视角渲染．具体而言，模型首先利用Grounding DINO实现文本提示到边界框提示的转换，然后用基于原图和边界框提示的分割一切模型(SAM)实现动态前景掩码的自动生成，最后构建基于动态前景掩码的动态神经辐射场实现动态场景下新视角的自动渲染．在Nvidia Dynamic Scene数据集上验证了本文方法的有效性．在主观对比实验中，本文方法在新视角下相较其他方法而言利用语义引导的先验知识成功渲染出了更为清晰的动态前景与静态背景．在客观对比实验中，本文方法在峰值信噪比(PSNR)、结构相似性(SSIM)、学习感知图像块相似度(LPIPS)三种衡量图像生成质量的指标上均优于其他最先进的方法．

针对目前普遍采用的可见光单光谱行人检测容易受到环境和光照的影响，当在夜晚和复杂环境下，以及在检测被遮挡和小尺度目标时，都会出现检测结果偏差大或漏检的现象，提出了一种基于双分支特征融合的跨模态行人检测算法．在YOLOv7框架内将主干网络改进为双主干结构，分别提取可见光图像和红外图像特征信息，并设计差分交叉融合模块(DCF)融合两种模态特征，对融合特征进行训练学习，利用检测网络实现各类行人检测．为了提升检测精度，在双主干网络中添加了注意力机制SeNet模块；为了提升检测效率，设计了轻量化ELAN-G和ELAN-WT模块替换原网络中的对应模块．实验结果表明：本文算法检测精度优秀，同时满足实时性需求．

针对砾石滩涂颗粒的粒度分布测量问题，提出了一种基于无人机遥感平台的砾石自动筛分方法(GAS)．首先，利用无人机悬挂已知尺寸的标定球体进行远距离图像采集；然后，根据砾石图像的几何形状的凸特征，确定了砾石像素斑块的最大搜索范围；其次，依据砾石在颜色域空间中的特点对砾石像素斑块进行搜索和判断；接下来，依据像素斑块搜索的结束方式来确定砾石图像生成方式；最后，应用ImageJ软件手动测量方法对GAS方法进行验证．结果显示：GAS方法所得结果与手动测量结果的相关系数为96.3%～99.6%，相对误差为4.5%～29.7%，说明GAS方法在粒径测量方面具有较高的准确性和可靠性．此外，还与自动图像分割法(AIF)和BASEGRAIN方法进行了对比，结果显示：GAS方法生成的级配曲线相对误差为4.5%～29.7%，而AIF和BASEGRAIN方法生成的级配曲线的相对误差分别为10.9%～84.6%和23.1%～99.9%，说明GAS方法在实际图像数字筛分中具有更高的分割精度和更好的稳定性．

针对水下成像在受到光线、水深和悬浮物干扰等影响时出现的对比度低、信息丢失和色彩失真的退化问题，基于全局特征提取和提示学习提出了一种改进CycleGAN的水下图像增强算法．该方法一方面在网络的编码器中利用全局上下文模块提取图像的全局信息，同时引入注意力机制关注重要信息部分，在下采样的过程中保留更多细节纹理信息；另一方面在解码器中基于提示学习技术设计了一种多尺度退化提示模块，将提取到的多尺度特征中的退化信息编码为易于学习的退化提示，并逐层注入解码器中以引导网络在提高对比度的同时在去噪和去模糊方面也表现得更好．此外，利用全局相似性和感知损失相结合的级联损失函数降低了源域图像与目标域图像的差异．实验采用水下图像质量度量(UIQM)、水下彩色图像质量度量(UCIQE)和自然图像质量度量(NIQE)三种水下图像评估指标，结果表明经本文方法增强后的图像在UIQM和UCIQE上相较于原始的CycleGAN分别提升了13.6%和18.4%，并且综合三个指标值优于其他对比算法，表明本文方法既改善了图像的色彩质量和对比度，同时又保留了原始图像的细节部分，最终经过实验证明了增强后的水下图像的有效性．

针对复杂背景下目标跟踪算法成功率低等问题，提出了基于Transformer的轻量级单目标跟踪算法．算法采用在线时序自适应卷积提取目标局部特征，同时引入轻量级全局上下文模块提取全局特征，共同构建高效的目标模型．为了应对相似图细化中目标信息丢失的问题，构建了轻量特征增强模块，在不增加整体网络参数量的同时增强模型对目标的表达能力，从而提升模型的精确度．最后，算法增加了边界框细化模块，能够更好地保留目标的边界和尺度信息，提高跟踪的准确性．实验结果表明：在UAV123数据集上，相较于基准算法，本文方法的跟踪精确度和成功率分别提高了2.5%和6.9%；在LaSOT数据集上，跟踪精确度和成功率分别提高了8.8%和5.9%；在OTB100数据集上，跟踪精确度和成功率均提高了2.4%．

基于神经辐射场的六自由度视频重建方法需要大量的多层感知机进行训练与渲染并依赖隐式表示，存在内存占比大、渲染速度慢等问题，为此提出了紧凑的动态体积表示和高效的采样网络．首先，输入视频序列，通过采样网络预测用于体渲染的稀疏点加速体渲染；其次，将动态体积分解成六个平面，包括三个空间平面和三个时空平面，融合从每个平面提取的特征向量来计算采样点的特征；然后，将融合的特征向量由球谐系数解码出颜色特征．在体积分解过程中，从张量的角度考虑了动态场景中的物体形变和拓扑变化，将动态体积张量分解为对应矩阵因子外积之和，从而节省内存．实验结果表明：与其他方法相比，所提方法能在复杂又具有挑战性的动态数据集上渲染出质量更高的新视图，恢复更多细节，内存占比更低．

针对雷达通信一体化系统功率资源利用率低的问题，提出了一种面向目标容量的功率分配算法，以系统总功率为限制条件，在保证通信信道容量的同时，提高满足定位精度的目标数量．首先给出目标的定位误差克拉美罗下界，引入指数函数，建立功率和信道容量约束下最大化目标容量的功率分配模型；之后加入目标权重因子，将最大化目标容量问题转化为最小化定位总误差问题；最后使用交替优化算法进行求解．仿真结果表明：在系统总功率一定、确保定位性能与通信信道容量的情况下，所提算法可以显著提高目标数量．

针对现有水下无人平台编队保持中通信与时间开销较大和欠驱动与阵型确定困难导致被动定位精度低的问题，提出一种基于柔性阵自修正的水下移动网络定位机制．该机制通过低开销快速阵型确定与定位协议和准实时自修正的策略，明显减少基阵位置误差．同时针对复杂的水介质环境，引入声速分层效应误差补偿机制，基于球面内插法进行目标位置解算，实现弱通信条件下移动网络对目标的被动定位．仿真与海试结果表明所提方法相较于现有方法具有更好的稳定性与更高精度．

重点研究了压制干扰对短周期序列扩频通信解调性能的影响，推导了压制干扰下短周期序列扩频通信非相干解调/扩的数学表达式，在此基础上设计了一种基于最大匹配度量判决准则的误码率统计模型，定量分析了多音干扰条件下短周期序列扩频通信的误码率性能．仿真结果表明：提出的误码率统计模型分析短周期序列扩频通信误码率时，相较于传统长周期序列模型具有更高的精确度，分析长周期序列扩频通信误码率时能够与传统模型的结果保持一致．同时验证了干扰信号中心频率瞄准通信信号载波频率时干扰效果最好．

为对抗脉间相参和瞬时转发场景下多分量移频干扰形成的密集假目标，提出了一种基于脉间调频斜率捷变线性调频(SA-LFM)波形的密集假目标干扰抑制算法．首先，通过变带宽的方式，发射脉间SA-LFM波形，使假目标脉压后在快时间维形成距离走动，破坏干扰的相参性．随后，根据雷达系统性能指标设计分割阈值对回波脉压数据进行二值化处理．然后，根据目标和干扰的分布特征，将二值化数据沿慢时间维相加，设置合适门限识别目标位置并构造时域滤波器．最后，对回波脉压数据时域滤波剔除干扰．仿真实验表明：所提方法能有效抑制密集假目标干扰，并且干扰抑制后对目标有效检测的干信比临界值相较大津算法提高了7 dB．

为提高航空地面电源的谐波和间谐波检测精度，提出一种基于复三阶循环累积量谱的多信道并行处理的谐波与间谐波检测算法．首先在正频空间下提出利用复三阶循环累积量谱来估计信号中不同频率分量的傅里叶系数，这能抑制噪声对谐波与间谐波检测结果的影响．其次提出频谱细化的方法以减少频谱泄漏与栅栏效应，实现了傅里叶系数的精准估计．进一步提出多通道并行处理的算法，不仅实现了对宽频信号的估计，还大幅缩减了算法的计算时间．最后通过仿真与实验分析验证了所提算法对航空地面电源的谐波和间谐波检测的实用性．

针对下行多小区多输入多输出(MIMO)通信系统中小区中心区域和边缘区域的信道条件差异，将小区用户分为中心用户和边缘用户两类，提出了一种基于用户分类的混合预编码和功率分配联合算法．首先建立了包含多个小区、多个中心用户和多个边缘用户的下行多小区MIMO系统模型，在此基础上形成了以最大化系统能效为目标的预编码和功率分配联合优化问题，并进一步分解为中心用户预编码、边缘用户预编码和功率分配子问题．在预编码设计时，根据不同预编码的特点将中心用户采取最大化信漏噪比预编码，边缘用户采取最小均方差预编码，求解得到了各自的最优解．在功率分配设计时，通过拉格郎日乘子算法得到封闭形式下的最优功率分配矩阵．仿真结果表明：所提算法在误码率和能量效率方面均优于对比文献算法，有效提升了系统的整体性能．

在节点为单传声器的无线声学传感器网络(WASN)中，针对分布式语音增强时声学传递函数难以获取及节点间频繁交换数据的问题，提出了一种基于单传声器节点的分布式语音增强算法．具体地，首先针对全连接WASN，提出了基于最大输入信噪比节点的语音失真加权分布式维纳滤波(SDW-DWF)算法．该算法通过计算获得最大输入信噪比节点，并由该节点接收其他节点发送的多帧信号信息，来分布式实现加权维纳滤波语音增强．该算法在节点间仅需交换少量数据，且不依赖于声学传递函数．此外，提出了一种无拓扑约束的比较一致性算法，来获得最大输入信噪比节点，以使得SDW-DWF方法可用于无网络拓扑约束的移动说话人场景．仿真和实际实验验证了本文方法在无需先验约束情况下，具有较高的分布式语音增强性能．

为了提高无线传感器网络定位算法的精确度，利用改进的沙猫群算法优化基于信号强度指示的定位(LISCSO)算法．首先，利用Tent混沌映射优化初始种群，丰富种群多样性；其次，令平衡参数非线性化并引入麻雀警戒机制，提高算法寻优能力；然后，结合高斯和柯西变异的优势，避免陷入局部最优；最后，构建目标函数，利用改进的沙猫群优化算法(ISCSO)进行寻优，计算定位结果．仿真结果表明：ISCSO的初始种群分布更为均匀，为后续寻优建立了基础优势；在多种类型测试函数下具有良好的寻优效果；保持环境参数相同，在不同锚节点数下，LISCSO算法相较于对比算法定位误差降低了16.76%，25.91%，31.36%和12.76%，在不同通信半径下，定位误差降低了14.75%，19.52%，28.30%和11.29%，在不同噪声标准差下，定位误差降低了41.18%，25.93%，45.95%和20.11%，证明LISCSO算法具有更准确的定位结果．

自动驾驶和高级驾驶辅助系统在移动设备上部署时，由于网络参数量过多导致存储空间占用过大，硬件系统的部署门槛过高，影响自动驾驶和辅助驾驶技术的普及．为了解决上述问题，在语义分割网络的框架下，提出了一种基于轻量化Transformer车道线检测方法．在编码器部分，采用针对Transformer模块轻量化设计的MobileVIT网络感知全局依赖关系，捕获更远距离的车道线相关特征信息，降低网络参数量；在解码器部分，采用双边上采样解码器对分割结果进行精细化处理，得到更精确的像素级分割结果；最后利用置信度评估网络确定出车道线数量；此外，在网络训练阶段引入自注意蒸馏方法，在不增加网络参数量的同时，提高车道线区域的注意力．为了满足不同应用需求，设计了3个不同参数量的检测网络．实验结果表明：设计的3个网络，参数量为典型车道线检测网络SCNN-ResNet34的26.03%，13.19%和7.52%，准确率分别提高了0.46%，0.15%和0.09%，实现了在较少参数量的情况下，具有较高的检测准确率，便于在移动设备上部署．

首先介绍忆阻器的通用模型原理及性能；随后对比例逻辑方法进行改良，优化逻辑单元结构；最后利用新型比例逻辑方法设计编码器、译码器、全加器、数据选择器等逻辑电路，并使用LTSPICE对设计的电路进行仿真验证和性能测试．分析结果表明：设计的逻辑电路功能正确，具有功耗低、器件数量少的特点，使电路的复杂度大幅降低，为电路设计提供一种新的思路．

为了抑制碳化硅金属氧化物半导体场效应晶体管(SiC MOSFET)在开通过程中产生的电流过冲，设计了一种自适应逐周期逼近型SiC MOSFET有源栅极驱动芯片．通过对SiC MOSFET的开通过程的分析，总结出电流过冲的产生机理，提出了抑制电流过冲的方案．驱动通过检测栅极电压和漏源电压判断SiC MOSFET的开通阶段，进行三段式电流控制，在降低电流过冲的同时，将漏源电压转换率(dV/dt)限制在安全水平．使用自适应逐周期逼近的反馈控制技术补偿了反馈环路的控制延时，能根据工况自适应调节电流切换点．采用东部高科180 nm BCD工艺实现，有效面积为2 300 μm×2 100 μm．仿真结果表明：相较于传统栅极驱动，在相同的dV/dt条件下，电流过冲下降了13.7%，开通损耗降低了38%．

设计了一款为超级电容充电的高效率大功率充电管理芯片．采用降压型开关拓扑，基于平均电流模控制方式，设计了新颖的恒流和恒压充电控制环路，实现了对超级电容器高效、高精度、大功率充电管理．芯片采用0.18 μm BCD工艺，仿真及芯片测试结果表明：芯片工作在6~36 V的宽输入电压范围下，输出电压范围达到1.2~34.0 V，开关频率为500 kHz，最大充电电流为20 A，芯片的峰值效率为95.28%．

针对压接式IGBT组成的功率单元换流暂态时间优化及损耗平衡问题，依据产生损耗位置将三电平有源中点钳位单元的32种换流回路分为5种．为提高输出谐波特性，研究换流暂态过程进而优化切换暂态时间．利用4.5 V/3 A压接式IGBT制作了低杂感功率单元，设计双脉冲实验研究暂态电压电流变化规律．将开关暂态过程分成6种，并迭代优化死区时间．实验结果表明：死区时间优化后可以实现安全换流，换流过程的电压电流变化规律与理论分析一致．

针对传统固定时间软启动面对不同输出电压启动时电源电压电流变化较大的问题，提出了一种应用于Buck型转换器可片内集成的固定斜率软启动方法，主要机理是通过反馈系数采样与固定斜率基准电压有机结合，通过将软启动充电电流等效为脉冲电流，以片内集成的小电容实现了缓慢上升的基准电压，对于设定的不同输出电压都能够按照固定的斜率启动；通过毛刺消除技术解决了脉冲周期引起的充电电流尖峰，提升了软启动时间的精确控制；软启动方法通过将电容分压网络代替传统电阻分压网络消除了产生的直流功耗，软启动完成时平滑地过渡到稳态工作阶段，软启动模块自动关闭，降低了系统静态功耗．基于0.18 μm高压BCD工艺对提出的方法进行了具体电路设计与后仿真验证，结果表明：在芯片输出范围0.9~4 V内输出电压都基本保持5 V/ms的固定斜率启动，斜率控制精度可达98%．软启动电路有效地消除了满载3 A与空载0 A的状态下启动时产生的浪涌电流，整体浪涌电流减小了44%，输出电压能平稳上升并平滑过度到稳态工作阶段．

设计一种基于无线无源射频识别(RFID)技术的结构健康监测(SHM)传感器，能有效识别金属结构表面的裂纹．传感器采用Taconic CER衬底，嵌入4个对称半圆环的方形环作为谐振器．利用HFSS软件对传感器搭建模型并仿真，模拟金属板不同位置和方向(水平、垂直和对角)的裂纹，即0°，45°，90°和135°裂纹．通过对比有裂纹和无裂纹情况下的雷达散射截面(RCS)值，观察到有裂纹时RCS的幅频特性发生变化，即幅度的偏移，从而实现对金属表面裂纹的检测．