针对物联网（Internet of Things，IoT）移动边缘计算（Mobile Edge Computing，MEC）网络中的频谱资源紧张、计算资源不足及信息传输易被窃听与篡改的问题，提出一种智能反射面（Intelligent Reflecting Surface，IRS）辅助多用户反向散射通信（Backscatter Communication，BC）技术安全卸载的感知MEC网络资源分配方案。通过融合认知无线电（Cognitive Radio，CR）、IRS与BC技术，构建以安全MEC网络吞吐量最大化为目标的优化问题，并采用基于块坐标下降（Block Coordinate Descent，BCD）、拉格朗日对偶及二次变换的方法进行联合优化求解。仿真结果表明，所提方案与随机IRS相位和随机波束成形两个方案相比，次用户可完成的任务量分别提升了约260%和178%，验证了其在复杂约束条件下的有效性与可行性。

为了改善在基于路径的忆阻逻辑计算框架中，将二元决策图（Binary Decision Diagrams，BDD）映射至忆阻交叉阵列时硬件开销过大的问题，提出一种基于BDD重排序优化的忆阻逻辑综合框架。该框架首创性地将自适应重启遗传算法（Adaptive Restart Genetic Algorithm，ARGA）用于BDD变量顺序优化，通过ARGA生成更适配忆阻交叉阵列的BDD结构，而ARGA中内置的自适应重启机制可保障BDD变量顺序优化的高效性，进而优化映射后阵列的行列数，有效减少硬件面积。对17个基准电路进行评估，实验结果表明，与改进前的忆阻逻辑框架相比，所提方法实现15%的阵列面积减少，并降低26%的运行能耗和12%的时延。且与COMPACT、CONTRA类型忆阻逻辑框架相比，运行能耗降低3～4个数量级，时延分别降低80%和97%。通过BDD结构与忆阻阵列映射约束的协同优化，为提升忆阻逻辑电路的综合效率提供了有效途径。

针对天线方向图测试中单音激励源难以准确评估非地面网络（Non-Terrestrial Network，NTN）圆极化天线的宽带性能以及测试效率低的问题，提出一种基于5G新空口（New Radio，NR）解调参考信号（Demodulation Reference Signal，DMRS）的宽带激励源方向图测试方法。利用5G NR业务信道中不同端口间DMRS信号的正交性，设计了最优正交性DMRS的参考信号和激励信号，实现对圆极化天线在不同指向下幅度和相位的高精度测量，并利用正交线极化转换合成天线方向图。试验结果表明，该方法适用于NTN系统圆极化天线的宽带性能评估，并显著提升测试效率。

针对一类具有故障信号的连续非线性系统，提出一种基于迭代学习策略的故障估计算法。该算法主要是采用预测控制理论中的滚动优化思想。首先，当非线性系统受到有界状态干扰和量测干扰时，利用状态误差和输出残差构造故障跟踪估计器，并在迭代轴上增加相邻两个输出残差的差分信号，以此获得虚拟故障信号以逼近实际故障信号。其次，在λ范数的意义下，分析输出残差和故障估计误差的收敛性和复杂度，并通过Gronwall不等式对收敛性进行判断，给出一个使算法收敛的充分条件。最后，通过对常见故障函数的形式以及所提方法与P型算法的对比进行数值仿真，证明了所提算法的可行性和有效性。

针对害虫类别间细节差异小、田间背景干扰严重及样本分布不均衡等问题，提出一种面向害虫识别的互补特征融合双流网络。该网络结合卷积神经网络的局部感知能力与Mamba模型的全局建模能力，捕获并融合害虫图像的全局与局部信息。设计层次化多尺度感知模块，通过分组层次化卷积提取多尺度图像特征，并采用细节强化感知策略增强害虫细节信息；设计自适应聚焦Mamba模块，利用动态卷积算子定位害虫关键区域，减少复杂背景干扰；设计注意力加权融合模块，通过交叉注意力机制实现全局和局部特征的自适应交互优化，进一步提升语义表达的准确性。最后，构建均衡损失函数，缓解数据集类别不平衡的影响。实验结果表明，该网络在大规模害虫数据集IP102上的准确率达到71.19%，在D0数据集上的准确率为99.36%，能够有效识别害虫种类。

针对电力系统光纤互感器计量信号在复杂运行环境中易受内外部噪声干扰而导致质量下降的问题，提出一种时频面旋转下电力系统光纤互感器计量信号增强方法。量化计算热噪声、散粒噪声、振动噪声和衰减噪声，并采用改进小波变换进行多类型噪声滤波预处理，利用短时傅里叶变换结合自适应旋转算子分解信号时频面，解耦并分离干扰分量与有效分量，同时沿频率轴扩散提取的幅频参数以增强目标特征，通过相位重构算法校正传播路径延迟，输出增强信号。实验结果表明，该方法增强后信号的谐波振幅倍数显著降低至0.06～0.18，远低于基准值0.25及其他对比方法，信号幅值有效提升至[-0.5，1.5]V范围，总信噪比为16.5dB。所提方法有效提升了光纤互感器计量信号的幅频特征质量与抗噪能力，失真度低，满足了电力系统精准计量需求，为复杂噪声环境下的信号处理提供了有效方案。

针对极端条件下光纤偏振光信号的偏振态旋转（Rotation of State of Polarization，RSOP）速度过快，以及本身存在的偏振模色散（Polarization Mode Dispersion，PMD）、残余色散、偏振相关损耗（Polarization Dependent Loss，PDL）、残余载波频率偏移（Carrier Frequency Offset，CFO）和载波相位噪声损伤（Carrier Phase Noise，CPN）严重影响通信质量的问题，提出一种基于多输入多输出系统盲均衡算法（Multiple Input Multiple Output-Constant Modulus Algorithm，MIMO-CMA）级联卡尔曼滤波器光纤信道损伤自适应均衡处理优化算法。首先，将包含各种光纤信道损伤的正交相移键控（Quadrature Phase Shift Keying，QPSK）信号使用MIMO-CMA完成残余色散与初步的偏振效应相关损伤均衡，再使用卡尔曼滤波器均衡残余的RSOP损伤、CFO及CPN。仿真结果表明，经过优化算法均衡后的输入信号，其星座图恢复效果良好，且能追踪的RSOP转速可以达到9Mrad·s^-1以上，有效降低了算法的计算复杂度。

针对遥感拍摄目标角度变化导致图像中的检测目标尺度多样且密集分布难以准确检测的问题，提出一种多元分支融合自注意力（Multi Branch Fusion Self-Attention，MFS）的遥感图像目标检测算法。该算法先设计由卷积和自注意力机制组成的多分支模块，形成特征提取网络，再建立针对小物体的第4个检测头，旨在融合不同尺度的特征。同时，利用DepGraph剪枝方法进行剪枝，降低参数规模使其轻量化。实验结果表明，所提算法在航拍图像（Dataset for Object deTection in Aerial Image，DOTA）数据集和NWPU VHR-10（Northwestern Polytechnical University Very High Resolution-10）数据集的平均准确率分别为77.7%和96.5%，优于同等参数规模的检测算法。特别是在剪枝后，参数规模仅有6.64M的情况下，所提算法对DOTA数据集检测精度可以保持在72.9%。

针对煤矿井下复杂环境中第五代移动通信技术（5th-Generation Mobile Communication Technology，5G）网络覆盖性能优化的问题，提出一种基于深度强化学习的矿井5G优化方案。面向10km主运巷道场景，综合考虑巷道截面尺寸、壁面粗糙度、设备遮挡等多重传输损耗因素，建立融合视距/非视距路径损耗模型与粗糙度衰减因子的信号传播数学模型。将深度Q网络作为价值函数近似器的强化学习智能体，并通过基站部署与发射功率将在线优化转化为多目标决策问题，以最小基站数量实现覆盖率最大化。采用动态功率调整机制，以实时优化基站发射功率，从而适应局部信号衰减的突发变化。实验结果表明，该方案可以实现95%以上的覆盖率，相较于传统静态方案减少了28%基站部署，显著提升了井下5G网络覆盖性能，并能够降低部署成本与运行功耗。

针对X射线焊缝缺陷检测中存在的漏检、检测精度低等问题，提出一种X射线焊缝缺陷检测方法。首先，将高效多尺度注意力（Efficient Multi-scale Attention，EMA）模块中3×3卷积核替换为5×5卷积核，以扩大感受野，同时将平均池化改为多尺度池化，以提取多尺度特征。将改进后的EMA模块嵌入主干网络，增强多尺度缺陷检测能力。然后，引入自适应平均池化层和最大池化层，改进空间金字塔池化模块，提升对焊缝边缘信息的感知能力。最后，在颈部采用Dual卷积替代传统卷积，降低模型参数量，并使用WIoU（Wise Intersection over Union）损失函数替代CIoU（Complete Intersection over Union）损失函数，提高模型的收敛速度。实验结果表明，与YOLOv8n相比，所提方法的参数量降低了4.02%，平均精度均值提升了5.9%，可适用于X射线焊缝缺陷检测任务。