利用多普勒测量信息，低轨卫星能够实现对全球导航卫星系统（global navigation satellite system，GNSS）干扰源的快速普查。然而，由于低轨卫星的高动态特性，获得的多普勒观测量有限，导致基于经典最小二乘（least squares,LS)算法得到的定位精度有限。为提高GNSS干扰源的定位精度，提出一种基于多普勒测量克拉美罗界（Cramér-Rao bound，CRB）加权的LS定位算法，利用多普勒采样时刻的信噪比计算多普勒观测量的CRB，在LS定位算法中进行加权，使不同时刻多普勒观测量的噪声服从同方差性，则关于干扰源位置的LS解接近最优估计。在不同采样率、信噪比以及采样时长下，仿真验证了所提算法的有效性，同时通过构建基于FPGA的GNSS干扰采集和定位系统进行了实验验证。仿真及实测结果表明，该算法能够有效提升定位精度，相较于LS算法，定位性能改善比例为17.43%。

针对现有变化检测方法编解码过程中出现的噪声失准、物体边界模糊和小目标变化检测率低等问题，提出了一种变化检测方法HAPNet-CD。该方法编码器采用孪生分支，使用HRNetV2作为骨干网，并在其中嵌入对齐扰动辅助差异模块提取变化特征和差异信息，使提取特征过程中始终保持高分辨率特征表示，进而在空间上得到更精确的特征。HAPNet-CD解码器利用变化特征和差异信息构建混合解码器和差异解码器进行解码，通过设计一种基于标签平滑的损失函数，使网络更加关注物体边界和小目标的变化，提高了物体边界和小目标变化检测准确率。在公开数据集DSIFN-CD和LEVIR-CD上进行测试，实验结果表明，相较于其他9种主流方法，HAPNet-CD在DSIFN-CD数据集上，Precision、Recall、F1和IoU指标分别提升了2.55%、4.58%、3.59%和5.9%；在LEVIR-CD数据集上，Precision指标提升了0.54%，Recall、F1和IoU指标均接近最先进水平。

针对可见光和合成孔径雷达（synthetic aperture radar，SAR）图像配准中存在的配准精度低和非线性辐射差异问题，提出了一种新的基于结构信息的可见光和SAR图像两阶段配准算法。在粗配准阶段，利用改进的最大自不相似性检测器（maximal self-dissimilarity detector，MSD）分别检测可见光和SAR图像中的特征点，基于图像局部自相似性提取图像结构信息构建最大自相似性索引图，利用最近邻与次近邻之比和快速抽样一致性识别正确匹配点对，估计变换模型。在精配准阶段，分别建立可见光和SAR图像的像素化结构特征表示，在可见光图像中以特征点为中心选取模板窗口，利用变换模型估计SAR图像中相对应的搜索区域，采用欧氏距离作为模板匹配的相似性度量，并利用快速傅里叶变换（fast Fourier transform，FFT）加速计算模板匹配过程。在9对真实可见光和SAR图像上的实验结果表明，该算法在可见光和SAR图像配准方面具有明显优势。较RIFT、HAPCG、OSS、LNIFT和ASS算法，正确匹配数（number of correct matches,NCM)分别提高了7.95、10.86、29.32、14.75和9.84倍，定位精度分别提高了0.44、0.42、0.35、0.41和0.40 pixel。

金属有机骨架（metal organic frameworks，MOFs）应用于吸附式空气取水（adsorption-based atmospheric water harvesting，ABAWH）技术是解决低湿度条件下空气取水的有效手段。然而目前鲜有对MOFs的系统评价，且缺乏MOFs的热稳定性与毒理性研究。以某沙漠低湿高温的气候条件为研究背景，建立多维评价体系（物理性能、吸附-解吸等温线、水稳定性、热稳定性以及毒理性），采用层次分析法(analytic hierarchy process，AHP)对比研究了4种MOFs材料（MOF-801、富马酸铝、MIL-100和CAU-10H）。实验结果表明：比表面积和吸附-解吸性能方面，MIL-100具有明显优势；热稳定性方面，富马酸铝最佳，CAU-10H优于MOF-801和MIL-100；安全性方面，MIL-100和MOF-801更为可靠。综合得出，MIL-100更适合作为ABAWH装置的吸附剂。

现有代码相似性检测模型主要关注编码器的构建，对深度学习的损失函数研究较少。针对二进制函数嵌入向量评估被忽略的问题，提出了一种基于角度边界的二进制代码对比学习模型（angular margin-based binary code contrastive learning framework,AngCLF）。通过优化对比学习的目标函数，提高了模型的准确性并加快了收敛速度。分析了模型产生效果的原因，并引入多个评估二进制代码向量空间的指标。通过实验验证了AngCLF的准确性，发现其在准确性上超越了包括jTrans模型在内的6个模型，并且收敛速度更快，对齐度和均匀性等指标也有明显优势。

针对对抗性仿真实验环境缺数据、少知识、难学习,智能体策略突破困难的问题,结合课程学习(curriculum learning,CL)思想,提出一种基于Rule-N/MSP体系的智能体自我博弈(self-play,SP)训练方法。通过设计分级课程,采用专家经验设计规则耦合的智能体对手,引导智能体进行热启动,初步掌握决策能力;开展经典自我博弈(naive SP,NSP)训练,丰富对战数据,稳步提升能力;进行成长式自我博弈(mature SP,MSP)训练,固强补弱,寻求策略突破。形成Rule-N/MSP训练方法,智能体决策能力不断提升,进一步提高智能体训练效率。构建对抗性仿真实验环境进行实验验证,发现使用该方法训练的智能体较仅通过规则对战训练的智能体胜率提高约12%,证明了方法的有效性,为智能决策领域尤其是智能体训练研究提供了有益借鉴。

金属气囊具有较强的承压能力和良好的气密性、形状稳定性及环境适应性，在各类航天器做动变形及减振抗冲击结构设计中成为行业研究热点。主要研究了气囊膨胀过程中导致断裂或褶皱失稳等现象的关键参数，同时分析了进气口位置和气囊边缘厚度对膨胀效果的影响。采用有限元方法，选用5组常用金属材料参数为基础数据，对材料的密度、弹性模量、泊松比和屈服极限进行正交试验。仿真结果表明，金属气囊最大膨胀高度受材料密度影响最大，极差为8.26 mm；最大褶皱深度受屈服极限影响最大，极差为5.48 mm；褶皱数受屈服极限影响最小，极差仅为0.8 个；虽然进气口位置将影响气囊膨胀的均匀性，但会在特定区域达到更大的膨胀高度；虽然提高边缘厚度会增加气囊的强度，但会降低气囊最大膨胀高度。结果可为金属气囊的工程设计提供理论参考。

光源是微波光子（microwave photonic，MWP)系统的“发动机”，从根本上决定了系统性能的上限。光注入半导体激光器集聚诸多优势，但离散器件引发的系统集成度低、结构复杂、体积大、稳定性差等弊端明显，大大限制了MWP系统的工程化应用。集成化是解决目前MWP技术实用化等瓶颈问题的关键，轻量级、高性能、多功能的激光器光源是集成MWP系统的关键。基于此，本文综述了近年来集成互注入半导体激光器在高效电光转换、微波信号产生、MWP变频、弱信号探测以及光学频率梳源等MWP应用方面的创新研究，期望为集成MWP系统提供可行的高性能集成光源，推动集成MWP技术的工程化应用尽快实现。

低地轨道（low earth orbit, LEO）卫星通信（satellite communication, SATCOM）是最有希望与未来6G及更先进的无线网络相结合的系统之一。将大规模多输入多输出（massive multiple-input multiple-output, mMIMO）应用于LEO SATCOM，从mMIMO低轨卫星信道模型出发，重点研究单颗mMIMO低轨卫星内的信道切换问题，根据不同用户终端（user terminal, UT）的服务质量（quality of service, QoS）要求，构建了3种不同的信道切换场景，充分利用mMIMO的强波束成形能力，以波束跟踪和波束小区动态调整为技术核心，提出了基于混合波束成形的信道切换策略。仿真结果表明，与典型的铱星系统相比，所提出的信道切换策略更具优势。

并行计算被广泛应用于地理空间大数据分析，其中利用地理空间域表征计算强度实现负载均衡是目前并行地理计算中的热点。针对现有地理空间计算强度建模方法过分依赖专家知识，导致建模过程复杂、适用性差的问题，从数据科学的角度出发，提出了一种利用机器学习预测地理空间域计算强度的方法。以矢量空间相交为例，分析提取矢量相交的候选特征空间，结合机器学习特征选择和回归拟合算法，自动寻找最优地理空间域特征空间，从而实现地理空间域计算强度的准确预测，在此基础上完成地理空间域的均衡分解。实验对比了机器学习优化方法和传统域分解方法的性能，结果证明了所提方法的可行性和高效性。该方法为运用机器学习构建地理空间域计算强度预测模型和优化地理空间域分解提供了参考。

短波通信具有通信距离远、开通迅速、机动灵活、网络重构便捷等优点，是军事通信和应急通信的重要手段。首先，围绕时变色散短波信道条件下信息传输有效性和可靠性的基本问题，阐释了短波数据传输、链路建立、抗干扰通信和组网等方面的国内外研究进展。然后，针对下一代短波智能通信系统的发展需求，探讨了短波信道大数据建模与频率预测、复杂电磁环境下的短波自主通信、强对抗条件下的短波通信主动防御和广域异构的短波一体化多域通信等关键技术，为短波通信系统研究和建设提供借鉴。

状态向量输入的强化学习方法是一种基本的强化学习研究方向，具有广泛的应用前景。针对目前强化学习方法数据效率低下导致学习时间较长从而难以在现实环境中应用的问题，提出了一种环境适应的高斯噪声数据增强（environment-adapted Gaussian noise augmentation，EAGNA)方法，并将其作为一个模块插入到软演员-评论家（soft actor-critic, SAC）和近端策略优化（proximal policy optimization, PPO）方法中。针对任务环境中状态向量的各个元素分布范围，对每个元素添加具有不同均值和标准差的高斯噪声，从而达到增强数据的目的。在OpenAI Gym基准测试的3个基于状态向量输入的控制任务中，EAGNA较原算法获得了更高的平均回报，提高了算法的数据效率。特别是在具有复杂状态输入的Lunar Lander控制任务中，EAGNA获得的平均回报比SAC和PPO方法分别高出30.52和26.09。

FFT算法作为OFDM系统的核心算子占用其系统处理的大多数时间，为提高OFDM系统数据传输速度，提出了一种改进的多路并行流水线型基2²FFT实现架构。在实现过程中着重对旋转因子的存储进行片上缓存优化，减少了乘法运算次数从而减小整体运算复杂度；设计的数据整合模块用于控制时序，从而保证P路并行流水型架构正确实现，数据运算吞吐率成P倍提高。RTL仿真结果表明，与同类架构相比，提出的架构在硬件开销适中的同时使得性能分别提升了1.27%、2.04%、50.88%，并且具有FFT点数可扩展的特点，可满足随着通信标准的不断提高，FFT点数逐渐增大的实际应用需求。

为了提高光子学产生超宽带（UWB）信号系统的灵活性，提出了一种新型的多参数调制UWB信号产生方法。该方法基于非线性电光强度调制原理在光域中产生符合要求的UWB Doublet信号波形，采用双平行支路的系统结构实现对输出UWB信号的多参数调制。通过理论推导和计算机仿真对所提方法进行分析与验证，研究结果表明：该方法能在光域内产生满足国际标准的Doublet脉冲波形，实现脉冲极性、幅度和时间位置3大参数不同种组合的多参数调制，提高了UWB信号产生方案的灵活性和系统的通信容量。

大规模小型无人机通信网络会出现频繁的链路失效，因此有效的拓扑控制是当前飞行自组网的研究热点。为了符合大规模无人机任务多样性的场景，提出一种随机路径点-飞行信息预测移动模型，无人机节点可以通过邻居节点的飞行信息对链路持续时间进行预测。在此基础上，提出一种新的统一连通支配集（new unifying connected dominating set，N-UCDS）算法，与UCDS算法相比，N-UCDS算法改进了连通支配集成员的选取方式、虚拟骨干网的构建和维护机制、支配因子的计算方法和HELLO报文发送间隔。仿真结果表明，该方法的算法鲁棒性有较大提升，网络构建和维护时间均减少了一个周期，网络生存时间提升了5%，HELLO报文开销随节点最大通信半径的增大而减小。

针对隧道工程施工安全问题，从隧道工人行为角度出发，结合问卷调查数据，建立分层线性模型（hierarchical linear model, HLM），从微观上解释了安全行为关联因素影响过程。利用信效度评价检验了309份有效数据的可靠性，通过假设检验依次分析了隧道工人群体安全行为对个体安全行为、安全氛围以及团队效能的影响作用。结果表明，群体安全行为对个体安全行为具有显著正向影响；安全氛围在群体安全行为与个体安全行为之间具有中介作用；团队效能在安全氛围与个体安全行为之间具有正向调节作用。以上结果为更好地发挥安全行为在隧道施工安全管理中的作用提供了指导。

立式圆筒型钢制储罐作为常见的储油设施，在遭受重复爆炸等强动载作用时，罐体易发生整体变形或局部破坏失效，进而产生难以估量的损失。为了改善这一现状，采用聚脲喷涂的快速加工方式提升现有钢制储罐的抗爆能力，并对喷涂过后的复合型储罐开展了抗爆实验。实验结果表明，重复爆炸载荷作用下，储罐在涂覆聚脲后，迎爆面内凹屈服面横向宽度和最大挠度值分别减小12.3%和12.5%，表明聚脲层有效吸收了部分爆轰产物的能量。利用LS-DYNA进行数值模拟对实验进行复现，将数值模拟结果与实验在内凹屈服面的形状与罐壁塌陷深度两个方面进行比对，宏观上验证了数值模拟的可靠性。进一步探究可知，聚脲涂层减缓和弥散了重复爆炸载荷的局部强冲击，削弱了冲击波对罐壁的局部冲击压缩能力，弱化了在罐壁和焊缝处的应力集中，从而防止部分罐壁进入塑性阶段并产生局部失效。此外，聚脲涂层还减少了重复爆炸载荷作用下储罐27.8%峰值动能，减弱了储罐整体的塌陷程度，保护了储罐结构的完整性。

通扰一体是网络信息体系和网电攻防融合的重要手段之一。针对电子战中频谱环境复杂、通信质量无法保证、干扰信号难以灵活控制的问题，提出了一种通信约束下的干扰系统设计方法。利用多天线空分复用增益，同时进行信息传输与通信干扰，通过对波形的合理设计避免我方干扰信号对己方通信信号的影响，提高干扰效果的同时保证通信系统有效性。考虑基于零空间的干扰波束成形和干扰目标的威胁等级，建立了通扰一体的干扰效果最优化问题。在3种不同的先验信息条件下对优化问题进行求解。仿真结果表明，该方案充分利用了多天线的空分复用增益和干扰目标的各种先验信息，在对抗环境下避免了干扰信号对己方通信信号的影响，且在能耗相同的情况下能达到更好的干扰效果。

针对低轨(low earth orbit, LEO)卫星通信系统中星间单属性切换容易造成当前属性最优而其他属性较差的问题，提出一种LEO卫星星间多属性切换路径筛选算法。该算法根据终端的运动情况以及卫星星历信息预测未来一段时间内可供终端切换的所有服务卫星。同时考虑服务时长、仰角以及空闲信道3个属性对星间切换的影响，找到一条在3种属性上都较优的切换路径。仿真结果表明，所提算法不仅可以降低切换失败率，还可以降低星上的平均负载以及新呼叫的阻塞率。

电磁对抗环境下匮乏的数据资源与有限的反应时间是非合作通信行为识别研究发展所面临的主要挑战。现存的通信行为识别方法大多依赖大量监测数据或者繁琐的数据预处理流程，难以完成非合作通信行为识别任务。提出一种融合了多维通道注意力机制（MSENeT）的非合作通信行为识别方法，通过扩充通道维度提升注意力模块对通道间关系的全局视野，增强注意力中权重的精确度，从而提升深度卷积神经网络（CNN）对有限数据样本的特征提取能力，并保证带来的算法计算复杂度在可承受范围内。同时构建了对抗条件下通信行为频谱监测数据仿真场景，为后续的通信行为识别相关研究提供数据支持。最后的对比实验显示，在非合作条件下，基于MSENeT的通信行为识别方法相较于仅使用CNN和基于SENeT的方法在通信行为识别准确率上分别有14.9%和8.5%的提升。

针对存在恶意窃听者的大规模MIMO网络安全传输问题，提出了一种混合有-无源智能反射面辅助的下行安全传输方法。受基站总发射功率、混合有-无源智能反射面功率和反射相位模量约束，讨论了最大化系统总保密速率的优化问题，该问题为多变量耦合的非凸优化。提出了基于逐次凸近似的主动波束成形和反射相位优化算法，首先利用交替优化算法将原始问题转变为两个单变量的子问题，然后采用逐次凸逼近或半定松弛算法分别求解每个子问题的最优主动波束成形和反射相位。仿真结果表明，相比传统的被动智能反射面辅助安全传输方案，提出的方案能够有效利用混合有-无源智能反射面高增益的技术优势，进一步提高级联链路的信道增益，获得更高的保密速率。

在样点随机缺失条件下研究跳频信号参数估计问题具有现实意义。 针对样点缺失条件下线性时 频分析方法失效的问题, 提出了一种基于正交匹配追踪(orthogonal matching pursuit, OMP) 和卡尔曼滤波 (Kalmanfilter,KF) 的跳频信号参数实时估计方法。 该方法对信号加滑动窗, 将窗内样点随机缺失建模为 一个信号稀疏表示问题, 傅里叶正交基作为过完备字典, 利用 OMP 直接估计窗内信号频率而不需要恢复信 号。 KF 针对估计得到的信号频率进行平滑, 当频率跳变时, KF 的频率预测值将严重偏离历史值和频率估 计值, 偏离程度作为跳变时刻估计的依据。 仿真结果和对比实验表明, 在样点没有缺失时, 该方法具有更优 的跳频信号参数估计性能, 在滑动窗长足够并满足信号稀疏度要求时, 即使在样点缺失的条件下, 依然可以 获得有效的跳频信号参数估计结果。

面对6G网络中用户密集化分布、频谱资源有限和分布式决策等挑战，提出了一种基于多维超图博弈的频谱资源共享方法。首先，根据6G网络太赫兹通信特点，设计了多维超图干扰模型，包括同频直接干扰、累计干扰和邻频干扰，通过降低多维干扰值以提升网络吞吐量。为实现分布式决策，将问题建模为超图博弈，并证明该博弈为势能博弈，至少存在一个纳什均衡点。然后，设计了基于同步最优响应的分布式频谱决策方法，求解频谱分配策略。仿真表明，所提的多维超图博弈实现了6G环境下分布式的频谱共享，与传统超图博弈方法相比，进一步降低了用户间的干扰水平，网络吞吐量大幅提升。

针对人类用户和物联网用户共存时利用无人机作为中继节点采集物联网设备数据的场景，提出了一种基于累积分布函数的上行用户调度方案。方案在以最大化全网节点能效为优化目标的上行联合用户关联和用户资源分配问题建模过程中，考虑多用户分集以及网络负载均衡；为了求解该问题，方案利用用户吞吐量独立同分布的特点，通过松弛整数变量，结合增广拉格朗日法和标准的次梯度法，将难解的非凸问题转化为凸函数，再利用交替方向乘子法对凸问题进行分解并交替迭代优化，最终实现系统能效最大化并得到最优调度方案。仿真结果表明，该方案在全网效能和负载均衡方面优于现有方案。

针对当前应急救援过程中救援机器人路径规划效率低的问题，采用改进的遗传算法和二次优化方法实现救援路径的优化。对传统遗传算法进行改进，在初始化过程中采用一种启发式可行点插入方法建立初始种群，在适应度函数中加入路径平滑评价函数，在保留策略中采取“抓大放小”的方法，使算法的全局收敛能力和收敛速度都有了较大的提高。在初始路线的基础上，由起点到终点采用逐段寻优的方法进行路径二次优化，进一步缩短规划路径的长度并减少拐点数量。仿真结果表明，该方法较次优方法，路径长度分别缩短2.61%、2.21%、3.52%、1.22‰，平均收敛次数、搜索时间均有效优化，可有效地弥补传统遗传算法的缺陷，提高救援机器人的救援能力。

防护工程内信息化设备散热量大，余热会导致工程内部温度升高、设备失效甚至瘫痪。结合垂直埋管运行高效和水平埋管成本低廉的优势，采用复合埋管式地源热泵系统处理工程内余热以及口部潮湿问题，计算工程内通信机房和办公大厅的全年逐时负荷；利用TRNSYS仿真软件构建复合埋管式与垂直埋管式热泵系统模型，比较复合埋管式热泵系统与传统的垂直埋管式热泵系统的热性能、经济效益及防潮效果。结果表明，在工程口部设定水平地埋管可有效降低口部空气相对湿度，起到防潮防湿的作用；在复合埋管式热泵系统总性能系数（coefficient of performance,COP)更高的前提下，复合埋管式热泵系统的总成本较垂直埋管式热泵系统降低了21.8%。

高光谱成像技术能够综合利用光谱信息与空间信息，为目标精确识别提供了一种可行方案，广泛应用于军事目标特性分析与伪装目标分类等方面。针对伪装物与真实目标光谱相似度高、分类与探测精度低的问题，提出了一种基于高光谱成像与极限学习机（extreme learning machine,ELM）的伪装目标分类方法。该方法通过研究伪装物与真实目标之间的光谱特性，寻找识别伪装的“窗口波段”。利用光谱降维方法找出最适合伪装目标分类的特征，进而将提取的特征作为ELM多分类模型的输入，完成分类任务。以草地背景中伪装材料的分类为例，利用野外拍摄的高光谱图像进行实验。结果表明，所提方法的分类精度达到了97.27%，其分类效果优于其他对比分类算法，为伪装目标分类提供了一种有效的方法。

骨导语音具有天然的抗环境噪声能力，然而，受骨导麦克风佩戴位置和方式的影响，骨导语音在采集过程中常混入骨导麦克风与皮肤或衣服之间的摩擦声，导致现有基于深度学习的骨导语音增强方法鲁棒性不高、适应性不强。为提高骨导语音增强的鲁棒性，提出一种融合数据预滤波和频谱展宽的骨导语音增强方法。该方法首先通过低通滤波对骨导语音数据进行预处理以去除高频噪声，然后对预滤波后的骨导语音进行时频变换，并分别基于UNet和CRNN两种深度网络进行频谱展宽，最后通过时频逆变换重构出全频带语音。仿真结果表明，与现有深度网络增强方法相比，所提方法可以取得更好的PESQ和STOI客观评价指标，主观听感具有更好的清晰度，且对不同说话人具有更好的适应性。