针对飞行自组网（Flying Ad Hoc Network，FANET）在通信空白场景下存在的高时延问题，提出了一种深度强化学习（Deep Reinforcement Learning，DRL）辅助的双跳信息增强路由协议（Double-Hop Information Enhanced Routing Protocol，DHRP）。为了实现有效的路由决策，采用马尔可夫决策过程（Markov Decision Process，MDP）对路由行为进行建模，在状态空间设计中结合了节点位置信息与链路信道容量，并综合考虑了双跳范围内的网络信息，以深度值网络为核心，在融合实时网络状态动态调整机制的奖励函数引导下，做出最优下一跳路由决策。实验结果表明，在通信空白场景下，DHRP相较于现有的路由方案，显著降低了FANET的平均端到端时延。此外，在不同节点规模和网络拥塞条件下，DHRP均表现出优越的适应性和鲁棒性，通过对动态网络环境的实时感知与智能决策机制，有效保障了整体网络性能。

在研究正交时频空（Orthogonal Time Frequency and Space，OTFS）调制原理基础上设计了一种基于零后缀（Zero Suffix，ZP）保护的OTFS波形方案。提出了同步、信道估计方法和基于时延-时域最大比合并（Maximum Ratio Combining，MRC）的检测算法并对该算法进行了化简；给出了信道插值和MRC检测器硬件实现方案并对提出的OTFS系统波形进行了现场可编程逻辑门阵列（Field Programmable Gate Array，FPGA）硬件实现，验证了所设计OTFS系统关键算法的可行性。测试结果表明，所设计OTFS系统具有良好的抗双选择性衰落性能。

智能交通系统的迅猛发展催生了对实时性与高可靠计算服务的迫切需求，进而推动了车载边缘计算向更具动态性和灵活性的协同计算架构演进。多层空基网络突破了传统地面基础设施在覆盖范围与服务连续性方面的固有局限，正逐步成为支撑车载边缘计算的重要补充与发展方向。为此，构建了一种融合高空平台（High Altitude Platform，HAP）与无人机（Unmanned Aerial Vehicle，UAV）的多层空基边缘计算架构，协同为车联网（Internet of Vehicles，IoV）中的移动车辆提供高效计算支持。针对车辆移动引发的频繁空中小区切换问题，创新性地引入切换感知机制，预测车辆在UAV覆盖下的小区切换时间窗，在车辆与UAV能耗限制下，联合优化系统的带宽分配、计算资源分配与任务卸载决策，以最小化任务总时延，同时规避切换中断风险。为应对混合整数非线性规划（Mixed Integer Nonlinear Programming，MINLP）问题的高计算复杂度，设计了一种3步迭代求解算法，将原问题分解为带宽分配、计算资源分配和卸载决策优化子问题，采用CVX工具、线性松弛与交替方向乘子法（Alternating Direction Method of Multipliers，ADMM）求解。仿真结果表明，相比于基线方案，所提算法在任务大小为5～9 Mb时，任务总时延分别降低了11.9%、23.3%和25.5%。

皮肤癌和黑素细胞痣的相似性较高，极易被皮肤科医师误诊。为提高早期皮肤癌患者的筛查准确度，基于伽马变换（Gamma Transform，GT）算法和小波变换（Wavelet Transform，WT）算法，分别构建伽马变换模块（Gamma Transform Block，GMTB）与小波卷积模块（Wavelet Convolution Block，WTCB），并在Detection Transformer（DETR）架构基础上创新性地提出用于捕捉皮肤癌细粒度特征的空频变换网络（Space-Frequency Transform Network，SFTNet）。包含SFT-Net的皮肤癌筛选系统能够增强样本图像的不同通道，减少模型训练过程中的过拟合效应，进而有效提升疾病检测精度。基于HAM10000数据集的仿真实验结果表明，系统正确率达85.5%，在皮肤癌辅助诊断方面具有重要的临床应用价值。

多输入多输出（Multiple Input Multiple Output，MIMO）技术通过多天线系统显著提升信号传输速率和系统可靠性。为提高频谱效率和抗干扰能力，空间调制技术作为MIMO的扩展被提出并得到广泛应用。广义空间调制（Generalized Spatial Modulation，GSM）进一步结合多种调制方式，提升系统性能。极化码作为高效的纠错码，通过信道极化将物理信道转化为具有不同可靠性的虚拟信道，有效提高MIMO和空间调制系统的性能。提出一种联合多用户的极化码译码方案，旨在优化在上行极化码广义空间调制（Polar Coded-GSM，PC-GSM）系统中的译码过程。该方案结合了极化码的信道极化特性和GSM的优势，通过改进译码算法，提升了多用户系统的可靠性和数据传输速率。仿真结果表明，所提出的联合译码方案能够显著提高系统性能，为极化码与多用户空间调制系统的结合提供新的解决思路。

混沌通信技术因抗多径衰落和保密特性，近年逐渐成为研究热点。其中，差分混沌移位键控（Differential Chaos Shift Keying，DCSK）作为一种非相干数字调制方案，适用于复杂多变的低成本通信场景。然而，随着数据传输可靠性需求的不断提高，传统DCSK系统面临传输速率较低和误码率（Bit Error Ratios，BER）较高的问题。鉴于极化码接近信道容量方面的性能优势，结合混沌调制技术和信道极化原理，研究基于极化编译码算法的DCSK通信系统。实验结果表明，所提方案极大地提升了混沌通信系统的可靠性，同时保持了低复杂度特性。

随着物联网技术的蓬勃发展，大量终端设备广泛部署，海量终端设备能量补充难题以及频谱拥挤状况愈发突出。这些问题不仅限制了物联网的进一步发展，还对现有网络基础设施提出了严峻考验。低功耗物联网作为应对这些问题的关键技术，受到了广泛关注。基于此，对低功耗物联网进行了研究。对低功耗物联网进行概述，包括其原理及多种低功耗通信技术；在现有研究成果的基础上，分析了低功耗物联网的主要传输架构；针对物联网中复杂的通信环境，给出了不同传播环境下低功耗物联网的通信架构；讨论了现有低功耗物联网的典型应用场景，展现其在多个领域的潜在价值；对低功耗物联网的未来研究趋势进行展望。

现有关键点检测算法在光照变化、人员密集交叉遮挡等情况下，易导致检测精度降低、漏检或关键点检测错位的问题。针对该问题，提出基于YOLOv8n-Pose改进的LBW-YOLOv8n-Pose复杂环境多人人体姿态估计算法。通过在特征提取主干网络的快速空间金字塔池化（Spatial Pyramid Pooling-Fast，SPPF）层引入大核可分离注意力（Large Separable Kernel Attention，LSKA），增强图像特征表达能力和感知能力。在颈部网络引入加权双向特征金字塔网络（Bidirectional Feature Pyramid Network，BiFPN）进行重构，提高多尺度特征融合效果，并采用改进的Wise-IoU损失函数，提升模型收敛速度与复杂场景下的鲁棒性。实验结果表明，改进后模型在MS-COCO2017人体关键点数据集上精确率、召回率、平均精度值分别达到85.7%、76.8%、81.7%，相比原模型均有明显提升，且能更精准、有效地检测复杂情况下多人人体关键点信息。