针对信息化、智能化技术加持下，火炮技术的全新发展趋势，总结了火炮在动态杀伤链、远程高精度打击、抗干扰可靠打击、高密度火力打击以及数据驱动的智能火力等方面的技术进展，并结合典型战场应用和装备发展新方向，分析了其对火炮性能提升产生的积极作用。研究表明，现代火炮在闭环打击时间、射程、精度、射速等方面已实现性能指标数倍增长，在复杂战场抗干扰、火炮自感自控方面也奠定了火炮适应智能化战场对抗需求的基础。在此基础上，进一步探索了火炮技术的未来发展趋势，提出了火炮新质发射、新质增程、新质群组火力等前沿技术方向，初步分析了氢氧燃烧高初速发射、炮射超燃冲压推进、智能火力协同等技术对火炮新质发展的重要意义，概要描绘出未来火炮发展的远景。

引信正向设计中极限边界条件的准确把握是引信安全性的有力保障，引信的环境激励、起爆控制器件等安全裕度直接关系引信安全性。针对以上问题，提出了引信安全裕度的内涵，构建了引信电磁环境安全裕度分析评估方法，主要包括已知电磁环境允许响应值、瞬态或脉冲电磁环境两种条件下的电压、电流及能量等安全裕度的计算方法。同时，重点阐述了引信起爆控制电路的安全裕度试验原则、测试点选用原则及器件参数选取等方法，为引信安全裕度理论分析与工程应用提供参考与支撑。

由于雷电对智能化无人坦克的野外生存构成严重威胁，为明确雷电间接效应的防护要求，建立了地面无人坦克的云极板静电仿真模型，对雷击附着点进行了分析。通过场路协同仿真研究了无人坦克遭受200 kA雷电流A波冲击时的场分布以及内部典型单导线和同轴线的传导耦合规律，讨论了不同雷击附着点、大地电导率以及线缆端接电阻对计算结果的影响。制作了无人坦克等比例试验模型，依据GJB8848开展了小电流等效注入试验，将测得的两类线缆耦合电流进行线性外推，验证数值仿真结果的有效性。结果表明，虽然坦克金属壳体对脉冲电场的屏蔽效果较好，但对低频脉冲磁场的屏蔽效果较差；高阻抗端口线缆耦合电压波形类似A波的微分信号，峰值约2 kV；低阻抗端口耦合电流波形与A波一致，峰值接近2 kA。

针对现阶段钢筋混凝土建筑物侵彻爆炸精细毁伤评估主要依赖数值模拟以及试验数据分析，且这两种方法均存在耗时长、经济代价高的问题，提出了一种全新的侵爆毁伤数智预测模型，用于侵彻-爆炸全过程动力学模拟。模型基于图神经网络以及多任务学习范式，能够实现不同侵彻位置、爆炸当量条件下建筑毁伤形貌与节点失效的快速、精确预测，单次侵爆预测耗时仅0.2 s。其中，侵彻阶段结构响应场预测误差低于2.9%，节点失效状态预测准确率高于99.5%，爆炸阶段结构响应场预测误差低于6.5%，失效预测准确率高于98.8%，百次毁伤评估耗时仅需30 s。所提数智预测模型表现出优异的泛化能力以及高效精确的预测能力，为建筑结构损伤评估、安全防护设计等领域提供了一种全新工具。

当前，人类社会正在进入一个人-机-物三元融合的万物智能互联时代，信息通信网络作为支撑和实现“万物智联”的关键信息基础设施，正经历着前所未有的变革，其发展的能力水平深刻影响着人们的生活方式、经济发展和社会进步。人工智能（artificial intelligence, AI）技术与信息通信网络技术深度融合，使智能信息网络（intelligent information network，IIN）成为网络智能化演进发展的必然趋势。面向智能时代复杂场景的多样化应用需求，网络具备主动适应内外部条件变化的能力，具有自主学习、自主优化、自主管理和自主演进等典型特征，可进一步提升网络服务的及时性、有效性和个性化，满足智能时代的服务需求。

移动边缘计算（mobile edge computing,MEC）可有效解决移动用户业务需求增多、业务处理难度增大的问题。然而，用户业务需求存在时空上的差异化，同时网络环境的深度不确定性等网络特征也制约了网络边缘任务处理和服务缓存效率。针对以上挑战，对多用户多边缘服务器的MEC系统中用户业务卸载和服务缓存问题进行了研究，针对用户在时空上的差异化业务需求特征，以最小化基站下所有用户的平均时延和能耗成本为优化目标，建立基于面向时空差异化需求的任务卸载和服务缓存联合优化。同时，考虑到深度不确定性的网络环境特征，进一步提出了基于图注意力网络和长短期记忆网络的多智能体深度强化学习算法，用于自主学习和决策用户任务卸载、资源分配及服务缓存策略。仿真验证了所提算法具有良好的收敛性和能效。

雷达信号分选是电子战系统中的关键技术，是战场态势感知的重要环节，新体制雷达技术的快速发展给复杂电磁环境下信号分选带来了严峻挑战。针对传统K-means聚类算法在对雷达全脉冲数据进行信号分选时存在对聚类数K和初始点选择较为敏感的问题，提出了一种基于优化K-means的雷达信号分选算法。通过将水波中心扩散(water wave center diffusion,WWCD)优化算法和Canopy算法相结合，实现了Canopy算法距离阈值的优选，并为后续K-means聚类优化了K值的选择，有效降低了K-means算法对初始聚类数选择的敏感性。实验中，主要通过3个UCI公开数据集和3类频率跳变雷达脉冲数据进行聚类分选效果验证，并与常见的DBSCAN、OPTICS、Canopy-K-means等聚类算法进行了聚类效果对比。结果表明，所提方法有较高的聚类分选准确率，且对初始参数的设置不敏感。

目标检测技术在无人机遥感图像方面具有巨大发展潜力。为了有针对性地设计出适合遥感图像的目标检测算法，需要准确把握当前各类算法的优势及局限，探索新的解决策略。本文对基于传统技术和深度学习的目标检测方法进行了全面系统的分析，并将各类算法进行了对比；总结了常用的遥感图像数据集及目标检测算法的评价指标；针对遥感图像目标检测中目标较小、含有遮挡物以及背景环境复杂等关键问题，深入剖析了现有方法在处理这些难点时所面临的挑战；鉴于遥感图像的背景环境以及特性，从5个方面探讨了当前算法可能的改进方向，为无人机遥感图像目标检测技术的发展提供了参考。

针对常规特征匹配色彩传递法在融合超大视场红外微光图像时产生的误匹配高、效果不佳等问题，提出了一种基于超像素特征和色彩聚类联合约束的自然感彩色融合方法。对超大视场微光图像和彩色参考图像的空间进行超像素分割，并依次构建低、中、高层次超像素特征集；利用改进的Fuzzy ART网络对彩色参考图像的空间进行超像素色彩聚类处理；根据超像素特征相似度建立超像素初始匹配集；利用自适应色彩传递生成微光初始彩色图像，并将其与超大视场红外图像融合，得到初始彩色融合图像；根据红外独立信息与具备色彩的红外信息之间的相似性，对红外独立信息进行色彩传递，最终获得自然感彩色融合图像。结果表明，相较于传统方法，所提方法在融合指标和色彩指标方面分别提高19.5%和9.4%以上，得到的融合图像不仅较好地保留了红外和微光图像的显著特征信息，而且图像色彩自然、连续。

新型互联网领域的技术创新与变革关系到国家安全、经济稳定以及全球竞争力的提升，已成为我国进行大国博弈的重要支撑。然而，互联网体系和机制是一个“复杂巨系统”，其创新研究主要存在两大技术路线，即演进式发展路线和变革式创新路线。二者各有优劣，均对当今互联网重大关键问题的解决起到了至关重要的作用。未来，新型互联网的进一步发展应取百家之所长，通过融合多样化的新架构、新技术以及新能力，将互联网从传统的被动信息承载设施逐步转变为新型的主动智能服务设施，在智能化、安全性、多元服务提供等方面实现跨越式的能力提升，为未来可能出现的新型业务与应用提供更加智能、灵活的支撑，形成互联网技术与各垂直行业深度融合、协同发展的新格局。

块系岩体中摆型波具有非线性特征，导致难以解释其频谱特征及准共振现象机理。针对此问题，建立了考虑三次项的摆型波非线性振动模型，利用改进的L-P法与振型叠加法，求得多自由度强非线性振动的近似解析解，一定程度上解释了试验观测到块系岩体摆型波的非线性现象机理。结果表明，块体系统振动频率可表示为输入能量的高次多项式，随能量增大振动频率呈非单调变化；各谐振频率之间的比例与系统构造有关，近似满足2的整数倍比例关系。通过建立摆型波的层次构造模型，得出准共振是摆型波在不同尺度块体之间跃迁的标志。

双目视差引起的深度信息是促使观察员准确识别伪装目标的重要线索。双目视差诱发的立体视觉只在特定距离范围内有效，主要应用于提高伪装目标的识别概率和准确性。利用随机点立体图（random dot stereograms，RDS）诱发观察者产生立体视觉并采集其脑电(electroencephalogram，EEG)信号，分析识别过程中观察者的行为数据、脑电疲劳指标和动态功能网络变化情况。行为数据表明，含有视差的RDS可使被试者产生立体视觉。在4个电极上检测出疲劳指标存在显著差异，且变化趋势不一致。行为数据也表明，观察员无主观疲劳感受。动态功能网络分析表明，双目视差刺激使α频段和β频段的脑功能网络产生了更强健的子网络。证明了含视差RDS能有效诱使观察员产生立体视觉，这种视错觉会导致观察员对错误的目标轮廓产生更多关注，且不会引起明显的疲劳感受。这一发现为将双目视差用于伪装设计提供了生理学依据，可利用双目视差增强平面假目标和迷彩斑点的立体效果。

针对合成孔径雷达（synthetic aperture radar，SAR）稀疏成像中目标反射率易低估、目标结构特征难以精确提取的问题，提出一种基于非凸和相对全变分（relative total variation，RTV）正则化的稀疏SAR成像算法。该算法利用非凸惩罚抑制偏差效应、RTV自适应保护图像结构，在交替方向乘子法（alternating direction method of multipliers，ADMM）分布式优化框架下，实现多个正则项的协同优化增强。为更好地提高成像效率和降低内存占用量，利用匹配滤波（match filter,MF）算子构造测量矩阵进行近似观测，并对重建的SAR图像质量进行定量评价。仿真与实测数据处理结果表明，所提方法可有效抑制噪声杂波，在保证空间分辨率的情况下有效提高目标重建精度和辐射分辨率。

高速移动环境会导致信道的双弥散效应，给无线通信系统带来巨大挑战。正交时频空间（orthogonal time frequency space，OTFS）调制通过将时-频域的双弥散信道转换为时延-多普勒域的平坦衰落信道，能够有效缓解双弥散信道带来的频率和时间选择性衰落的影响。针对多用户大规模多输入多输出（multi-input multi-output，MIMO）OTFS系统中的信道参数估计问题，通过对多天线信道结构特征进行深入分析，将用户与基站间的信道建模为稀疏结构模型。将大规模MIMO信道划分为多个群组，设计了适用于多用户大规模MIMO-OTFS系统的导频图案，提出了基于群组块共稀疏阈值结构化贝叶斯学习信道估计算法。利用估计得到的信道状态信息设计了分数多普勒频移、到达角度等信道参数估计方法，从而进一步感知用户状态。仿真结果表明，提出的信道参数估计算法具有更高的估计精度和系统频谱效率。

在无人机辅助铁路移动边缘计算(moving edge computing,MEC)系统下，以服务时延和任务失败的执行成本为性能指标，同时保证无人机能耗稳定性和计算时延约束要求，提出了一种有效的计算任务卸载和功率控制方法。利用Lyapunov优化理论将基于长期性能指标的优化问题转化为多个时隙的子问题，提出了一种基于域自适应学习的动态计算卸载算法，对每个时隙内的计算任务进行卸载决策。同时在每个时隙内，当卸载决策决定计算任务在本地设备上执行时，所提算法还需联合优化得出业务数据下载的传输功率。实验结果表明，所提算法能够有效缩短服务时延、提高任务完成效率。

针对细粒度图像识别领域中经典双线性池化模型存在的视觉突发与特征冗余问题，提出了一种图双线性池化模型。该模型将图网络嵌入双线性池化模型，利用图网络的聚合能力，将差异性图像特征编码为高阶特征，改善了编码过程中的视觉突发现象。在CUB、Cars和Aircrafts 3个公共数据集上进行实验，模型的精确度分别达到87.8%、93.5%和89.6%。相较于分解双线性池化，该模型参数量仅为基线模型的25%，识别精度分别提高2.4%、1.7%和1.3%，充分验证了模型的有效性，可为军事目标细粒度识别提供方法参考。

针对目前智能反射面(intelligent reflecting surface, IRS)辅助去蜂窝大规模多输入多输出(massive multiple-input multiple-output，mMIMO)系统现有算法复杂度高的问题，提出了一种基于IRS辅助去蜂窝mMIMO系统联合波束赋形低复杂度算法。在满足还原用户接收的信号、IRS相移和发射功率约束的条件下，以得到最优发射波束赋形向量为目标，构建了一个联合优化接入点(access point，AP)主动波束赋形和IRS被动波束赋形问题。利用交替优化方法将原问题转换为两个易于处理的子问题，并基于解非齐次线性方程组，采用Lagrange乘数法和人工蜂群算法对子问题进行求解。仿真结果表明，相较于传统算法，所提算法有更低的复杂度和误码率，可使用更小的发射功率和频谱效率等资源获得与其他方案相当的性能。

为解决激光大气传输外场试验数据集中特征量不足的小样本问题，通过多层相位屏算法构建了激光大气传输模型，获取了4 000多组仿真数据，与332组近红外激光大气传输外场试验数据组成机器学习训练数据集。将大气参数、传输距离等作为输入项，4种到靶光斑的光场评价因子作为输出项，利用随机森林算法训练光场评价因子预测模型，实现激光大气传输效能评估，并利用202组实测外场数据对模型有效性进行验证。研究结果表明，随机森林算法构建的模型R2系数在0.89以上，可以较好地拟合输入与输出之间的多元回归关系；模型预测结果与真实试验结果的平均相对误差在10%以下，预测精度较高。研究结果可为机器学习算法在激光传输效能评估中的应用提供一定的科学依据，为激光大气传输效能评估提供一定的技术支撑。

带脉冲恒功率负载的直流供电系统（DC power supply system with pulse constant power load，PCPL-DCPS）运行过程随脉冲参数的变化包含多种不同运行状态。目前电力系统单模态大信号稳定性分析方法无法适用于中高频状态脉冲负载的稳定性分析。为此，提出了一种结合切换理论和混合势函数法的统一大信号稳定性分析方法。该方法以快慢切换驻留时间为界，划分了切换系统快慢切换稳定域，并以满足不同驻留时间为条件，提出不同域的大信号稳定性分析原则。以PCPL-DCPS为研究对象进行仿真试验，对比单模态稳定性判据和渐进稳定域域界，验证了快慢切换稳定域界划分和分析方法更合理，并进一步将切换系统稳定性与脉冲频率关联，得到了更为统一和直观的表达式。所述方法适用于全时段的切换电力系统，也可扩展应用到带脉冲负载的交流供电系统的稳定性研究中，进一步指导脉冲负载的峰值功率、脉冲频率等参数的选取。

单移动边缘计算(mobile edge computing, MEC)服务器的存储和计算能力有限，通常无法满足繁重的计算任务需求，为此选择多MEC节点合作的方式处理迁移任务成为一种有效的手段，运用博弈论优化多服务器协作的资源分配，进一步提出了一种基于博弈论的多服务器协作的资源分配问题。针对此问题，根据服务器的状态将服务器定义为迁移者或协作者，运用博弈论提出买方/迁移者的收益模型和卖方/协作者的收益模型，通过寻求对计算资源的弹性分配，实现买方服务器收益与卖方服务器收益的平衡。研究了一种多服务器计算资源动态支付报价机制，提出了一种面向服务器协作的资源按需分配算法。仿真结果表明，所提算法不仅满足了不同服务器间的计算需求，还能最大化系统性能。

针对多智能体系统（multi-agent systems，MASs）固定时间最优领导-跟随一致性问题，基于性能优化目标，设计了一种基于事件触发机制的最优控制策略，兼顾固定时间最优一致性控制目标和有限的系统通信计算资源。为了近似求解Hamilton-Jacobi-Bellman(HJB)方程获得最优值函数的表达式，提出一种仅包含Critic神经网络结构的自适应动态规划（adaptive dynamic programming，ADP）在线学习算法，结合梯度下降法和经验重放方法，利用历史记录数据和当前数据更新神经网络权重向量近似最优值函数及其梯度。采用基于无人地面车辆的无人集群系统验证了该方法的可行性。

装甲车辆是陆战场敌我侦察打击的主要对象，受侦察距离远、侦测范围大等条件约束，侦察影像中的装甲车辆通常呈现分辨率低、细节缺失等特点，使得对装甲车辆的识别极为困难。现有基于深度学习的大模型虽然取得了较高的精度，但是缺乏对模型参数量和计算量的考虑，难以落地应用。为提升计算速度，提出了一种联合超分与知识蒸馏的低分辨率装甲车辆识别方法。通过构建联合超分与分类的轻量化模型和设计基于知识蒸馏的轻量化模型学习方法，极大地简化了模型的参数量和计算量，实现了所提轻量化模型在性能表现上与大模型相近的效果，并在3个公开数据集及自建的装甲车辆识别数据集上，验证了所提模型与方法的有效性。

当前轨道炮相关研究主要集中于小口径轨道炮，对于大口径轨道炮发射过程中弹药的多物理场环境表征缺乏认知。针对该问题设计了一种大口径轨道炮发射一体化弹丸的动态仿真模型，充分考虑了组件之间的接触特征、材料属性变化以及结构变形等实际因素，讨论了发射过程中发射组件的电磁场、温度场以及结构场的时空分布特性。基于仿真结果，对发射过程中弹药运用的可靠性进行了评估。研究结果表明，该型130 mm轨道炮能够将26 kg弹丸加速至1 023 m/s，最大过载约为6 700g。此外，在发射组件出炮口的瞬间，引信感应电流以及TNT药柱所受应力会急剧增大，导致弹药运用存在安全隐患，而温度场对弹药的影响较小。

为评估风云四号A星（Fengyun-4A，FY-4A）的闪电探测性能，提出了基于星地闪电数据统计特征的匹配方法：选取较大时空窗口，进行星地数据匹配；对匹配数据的时间差和距离差进行概率统计，确定最合适的时空窗口。通过对我国2020年夏季（6—8月）FY-4A和地基闪电定位系统（advanced direction and time-of-arrival detecting system，ADTD）的闪电数据进行统计，确定时间间隔3.4 s，空间经纬度间隔0.6°作为星地数据一致性分析的时空窗口。基于此时空窗口开展了星地闪电数据的对比分析，结果表明，星地数据时间偏差平均值为1.3 s，空间偏差平均值为23.73 km；FY-4A闪电探测效率为19%，FY-4A探测效率具有明显的日变化特征，白天平均探测效率为7%，明显低于夜晚的31.1%，且白天12：00—14：00时探测效率最低，仅为2.3%；FY-4A闪电数据的光辐射强度日变化特征与太阳高度角的变化呈正相关，白天12：00—14：00时光辐射强度最大达到1 391 μJ/m2/sr，比夜晚光辐射强度（124 μJ/m2/sr）高一个量级，白天只有光辐射较强的闪电才能被FY-4A闪电成像仪（lightning mapping imager,LMI）捕获，进一步解释了白天闪电探测效率低的原因。

在大规模多输入多输出(multiple-input multiple-output,MIMO)系统中,基站需根据用户反馈的信道状态信息(channel state information,CSI)调制自适应编码提升谱效率。针对现有基于深度学习(deep learning,DL)的CSI反馈方法在用户端实际部署时可行性较差的问题,在卷积神经网络的基础上提出了一种轻量级的CSI反馈网络,并利用深度可分离卷积技术来减少反馈网络的参数量与计算量。考虑用户端实际部署,设计了在不同压缩比条件下以及在不同环境条件下的多任务融合反馈网络。仿真将所提方法与基于DL的ConvCsiNet和ShuffleNet反馈网络在归一化均方误差和参数量与计算量等方面进行对比与分析。结果表明,所提的反馈网络在保持较高CSI重构精度的前提下,可以极大减少用户端在实际部署时所需的参数量和计算量。

传统的深度学习方法为了完成不同的无监督文本风格迁移(text style transfer,TST)任务,需要独立训练和保存多个完整的模型。针对存在的问题:需要大量存储空间来存储不同的模型导致存储成本过高以及由于每个模型都是独立的,很难对它们进行模块化封装和复用,从而限制了模型的可重用性和可扩展性,受前缀调优技术的启发,提出风格前缀引导下的无监督风格迁移模型,该模型在语言模型的激活层前添加风格前缀,并通过注意力机制捕捉风格前缀的特征来引导风格迁移。保持预训练语言模型参数冻结,只优化和存储风格前缀的参数,从而节省了分别存储多个语言模型的开销。此外,多个任务共享同一个语言模型,提高了模型的可重用性和可扩展性。对两个常见的风格迁移任务进行实验,结果表明,无监督风格迁移模型大部分指标优于现有的基线模型,验证了该方法的有效性。

为研究钛/铝爆炸焊接层合板(Ti/Al层合板)在装备轻量化设计、制造和运用方面的可行性,通过落锤试验对Ti/Al层合板开展了一系列低速冲击力学性能试验。试验结果表明,Ti/Al层合板具有良好的抗冲击性能,层合板能量吸收过程可分弹性变形吸能、塑性变形吸能和损伤吸能3个阶段;总厚度相同的情况下,钛层厚度的增加能有效地提升材料的抗低速冲击性能。利用ABAQUS软件建立了Ti/Al层合板低速冲击下的数值计算模型,结合试验结果验证了有限元模型的准确性,采用数值模拟的方法分析了不同工况下Ti/Al层合板的位移和能量变化规律,为层合板在装备中的运用提供了参考依据。

现有方法生成的音频分类对抗样本（adversarial example，AE）攻击成功率低，易被感知。鉴于此，设计了一种基于时频分区扰动（time-frequency partitioned perturbation，TFPP）的音频AE生成框架。音频信号的幅度谱根据时频特性被划分为关键和非关键区域，并生成相应的对抗扰动。在TFPP基础上，提出了一种基于生成对抗网络（generative adversarial network，GAN）的AE生成方法TFPPGAN，以分区幅度谱为输入，通过对抗训练自适应调整扰动约束系数，同时优化关键和非关键区域的扰动。3个典型音频分类数据集上的实验表明，与基线方法相比，TFPPGAN可将AE的攻击成功率、信噪比分别提高4.7%和5.5 dB，将生成的语音对抗样本的质量感知评价得分提高0.15。此外，理论分析了TFPP框架与其他攻击方法相结合的可行性，并通过实验验证了这种结合的有效性。