皮肤病变发病率上升，使皮肤癌早期筛查变得尤为关键。皮肤病变图像分割任务在通道信息建模、结构适应性及特征融合方面存在不足，易导致病变边界识别不准确和关键上下文信息利用不充分。针对这些问题，提出一种基于注意力机制与小波变换的皮肤病图像分割方法——AW-SkinNet。该方法通过双分支协同注意力提取空间与通道依赖特征，结合小波变换增强频域表征，并利用轻量注意力引导的子像素上采样提升细节恢复与上下文理解。在ISIC-2017和ISIC-2018皮肤病变分割数据集上的实验表明，所提方法相较于现有皮肤病变图像分割方法实现了更高的分割精度。

北斗三号全球卫星导航系统（Global Beidou Navigation Satellite System，BDS-3）目前可提供6个频率的数据，为多频相位模糊度固定（Multi-frequency Carrier Ambiguity Resolution，MCAR）提供了更多选择。针对BDS-3，深入研究了MCAR中无几何无电离层（Geometry and Ionosphere Free，GIF）模型基本方法，主要包括三频GIF模型在模糊度固定中的应用。从三频线性组合理论出发，给出了三频下的基本数学模型。系统探讨了在六频中任选3个频率的20种组合可能下，GIF模型固定模糊度的最优频率组合以及各自的最优线性组合。此外，还分析了利用GIF模型单历元模糊度固定的高质量线性组合。利用实测BDS-3六频观测数据进行了试验，通过理论分析和实际论证，结果表明，采用GIF模型固定模糊度时，最优频率组合为（B1C，B3I，B2a）；在该方法中，若2个已固定的超宽巷/宽巷（Extra Wide Lane /Wide Lane，EWL/WL）组合的系数之和为0，则第3个窄巷（Narrow Lane，NL）组合模糊度的标准差理论上仅与频率相关。然而，受非模型化误差等影响，实际结果与理论可能存在偏差。GIF模型能有效消除电离层延迟影响，且不受几何相关（Geometry Based，GB）误差影响，基于GIF模型的模糊度固定在电离层活跃和中长基线场景下具有良好的潜力。

针对高压输电线路在线监控与数字化运维对通信技术的需求，以及现有光纤、4G/5G等通信手段在复杂环境适应性、覆盖完整性、成本控制等方面的不足，分析了高压输电线路现有通信手段的特点和需求，提出了一种高可靠宽带超多跳无线自组网通信系统解决方案，攻克了多跳无线传输后的业务服务质量（Quality of Service，QoS）急剧下降的技术难题，构建了宽带超多跳安全无线自组网通信系统，实现了具有QoS保证的远距离宽带业务传输服务。通过OMNeT++仿真平台、9节点室外地面测试与国网天津220 kV滨幸一线实地投运，对所构建超多跳无线自组网通信系统进行仿真与测试。仿真与测试结果显示，系统可实现50跳宽带无线数据传输，端到端流量不低于2 Mb/s，相较于传统技术路线，该系统技术适应性更强、运维成本更低，提升了电网的数字化运维水平，可为新型电力系统通信网络建设提供可靠的解决方案。

随着人工智能等技术的发展，多智能体如无人机群等的实际应用领域逐渐广泛。多智能体深度确定性策略（Multi-Agent Deep Deterministic Policy Gradient，MADDPG）算法旨在解决多智能体在协作环境中的协同配合问题，凭借其独特的Actor-Critic架构已成为多智能体领域主流的应用算法之一。针对指挥决策中多智能体协同任务存在的角色分工模糊、信息过载导致的算法策略收敛较慢等问题，提出了一种引入动态角色注意力（Dynamic Role Attention，DRA）机制的改进MADDPG算法——DRA-MADDPG。该算法在Actor-Critic架构中嵌入了DRA模块，通过动态调整智能体对不同角色同伴的关注权重，来实现分工协作的精准优化。具体而言，定义了指挥任务的角色集合与阶段划分，进而构建角色协同矩阵和阶段调整系数；在Critic网络中设计DRA模块，依托角色相关性与任务阶段来计算权重并筛选关键信息；改进了Actor网络，结合角色职责生成针对性的动作。仿真实验表明，与MADDPG相比，DRA-MADDPG的训练累积回报曲线下面积（Area Under the Curve，AUC）提升了2.4%，任务完成耗时降低了19.3%，且通过训练回报曲线对比分析可知，DRA-MADDPG对于短期训练拥有更好的学习效率。证明了该方法适用于复杂指挥决策场景，为多智能体协同提供了一种相对高效的解决方案。

提出一种基于YOLO11n的船舶红外图像目标检测算法AGT-YOLO，旨在解决模型精度和召回率偏低、小目标识别困难以及复杂海况下的多尺度识别问题。通过引入改进后的GhostHGNetv2网络，增强背景区分能力；设计ASF-P2优化颈部网络，以提升对低分辨率图像和极小目标的检测能力；研究任务自适应对齐检测头（Task Adaptive Alignment Detection Head，TAADH）替换原有检测头，提升定位和分类性能；同时，融入AFGCAttention注意力机制，提高全局信息处理能力和模型的泛化能力。实验结果表明，与基准模型YOLO11n相比，AGT-YOLO的召回率提高了4.4%，平均精度均值@50（mean Average Precision at IoU=0.5，mAP@50）提高了3.1%，并在复杂环境下展现出较强的多尺度识别能力和鲁棒性。

针对传统测控领域接收与发射天线相互独立的问题，提出了一款双频双圆极化对称阵子天线组件。采用对称阵子天线实现双频工作特性，利用3 dB电桥实现双圆极化辐射特性，并在天线下方层叠式放置双工器实现接收频段与发射频段的高隔离度。基于此设计思路，在仿真分析的基础上加工天线样机并测试，结果表明所设计天线工作频带可覆盖1.75～1.85 GHz与2.2～2.4 GHz，且在该频段内轴比均小于3 dB，接收通道与发射通道间的抑制均达到70 dB以上。为实际工程中收发共用天线单元提供了可行性的设计方案。

针对复杂电磁环境下的无人系统信息稳定传输问题，提出了基于通信质量评估的无人系统信息弹性适配方法。选取通信链路层信号强度、误码率、信噪比作为通信质量评估特征参数；使用长短时记忆网络（Long Short-Term Memory，LSTM）模型作为信号预测模型，预测下一时刻信号参数；使用支持向量回归（Support Vector Regression，SVR）模型作为通信质量回归模型，得到当前时刻的通信质量；基于通信质量等级评估模型得到通信质量评估结果；根据通信质量等级传输对应层级内容。实采数据仿真及实飞试验表明，所提方法可以实现高实时、强对抗电磁环境下的无人系统信息稳定传输。

探究了脑机接口（Brain-Computer Interface，BCI）和人机融合技术在无人机操控及反制设备使用领域的应用价值，分析了该技术面临的问题，并提出了针对性的解决策略，以推动其在低空经济发展及安全保卫中的合理应用。通过分析BCI技术在提升无人机操控效率、增加反制设备使用精准度等方面的作用，结合其为低空经济发展型塑的新应用场景和创造的低空安全保卫新形态，梳理该技术面临的人机融合技术自身缺陷、信息安全风险及其对低空安全造成的影响等问题，进而提出应对策略。BCI技术在无人机操控和反制设备使用领域作用显著，能够提升无人机操控效率、增加反制设备使用的精准度，基于该技术与人机融合技术为低空经济发展型塑了新的应用场景，创造了低空安全保卫的新形态。

调制识别是无线通信中的关键任务，深度学习方法虽已取得显著进展，但在复杂非合作环境下仍面临泛化能力不足的挑战。特别是，变化的信道条件会模糊结构相似的调制方式（如16QAM与64QAM）之间细微的判别性特征，导致识别性能下降。针对这一调制识别领域的特有挑战，提出特征对齐对抗领域自适应（Feature Alignment and Discrimination Domain Adaptation，FADDA）的无监督对抗领域自适应算法。该方法的核心是在对抗训练的基础上，创新性地引入了基于对比学习的特征对齐损失。对抗训练负责学习域不变特征以适应信道变化，特征对齐损失则通过显式地增强类内特征的紧凑性和类间特征的可分性，从而在根本上提升模型对易混淆调制类型的分辨能力。实验验证表明，该方法在缺乏目标域标签的情况下，能够显著增强模型的跨信道调制识别性能，展现出强大的泛化能力。

针对无线电监测系统的低频覆盖不足与天线尺寸问题，基于改进型的偶极子结构提出一种小型化超宽带接收天线。设计采用曲流技术弯折偶极子双臂（尺寸38.6 mm×134.1 mm×0.8 mm），结合对称寄生单元与挖孔结构优化电流分布，实现带宽扩展。CST仿真与实测结果表明，天线在0.7～0.96 GHz及1.3～5.3 GHz频段S₁₁＜-6 dB，覆盖GSM、DCS-1800、WLAN、WiMAX及5G NR n77/n78/n79等标准；2.2 GHz和4.4 GHz辐射效率分别达96.42%和95.63%，5G Sub-6 GHz平均效率85.4%±6.8%；3.3～5.0 GHz最大增益达（4.23±0.54）dBi，较传统偶极子提升1.8 dBi。该设计通过结构创新解决了低频段覆盖与小型化矛盾，适用于多制式通信监测场景。