本文提出了一种可以应用于低频低幅值生物电信号采集的片上集成的全差分双斜坡积分ADC，使用两个反积分参考电压扩大测量范围.为了降低失调影响使用了输入失调存储的自动调零技术，从降低功耗角度↓，使用了动态比较器，并通过控制动态比较器的工作时钟，让其具有休☆眠模式和较短时间的工作模式，更ω大程度地降低功耗.本文的12 bit积分型ADC由0.35 μm工艺设计实现，在2 V供电、6 MHz时钟下，采样率为689.3 S/s，功耗为12 μW，使用Cadence Virtuoso仿真得到其有效位数为11.8 bit.

针对单频伪距单点定位误差消除不干净，特别是电离层误差难以①消除的问题，本文分析了伪距误差的组成，提出了利用误差的时间相关性来消除误差的↙历元间自差分法.针对广播星历误差大，精密星历不实时等问题，本文通过IGS提供的广播星历改正信息，实时修正广播星历得到的卫星位置偏差和钟差【的偏差.本文分析了历元间自差分法的特点，得知历元间隔∑、初始点精度对其→影响大，并用实测数据验证了这一观点.另外，通过与传统的单频伪距单点定位对比，可知在1秒历元间隔时，三维定位精度在1.2米左右，定位精度大幅提高.

在集成电路的设计和测试过程中，黑盒模块，未初始化的时㊣　序单元，时钟域交叉和A/D转换器的错误行为等情况常常会导致电路中未知值X的出现.电路中X值的传播会严重影响故障的激活和敏化，降低测试覆盖率.针对电路多个输入为X值的情况，本文提出了一种的基于极端随机树算法的测试覆盖率●损失的预测方法.通过对电路进行仿真分析，区域划分，提取结构特征等步骤提取出数据集，训练出高准确率高稳╲定性的预测模型，达到快速分析多点X值输入下电路测试覆盖率损失的目的.实验◇结果表明，本文模型的平均预测准确率达到了94.47%，相比于同类方法增加21.71%.单个电路的预测结果最低为89.03%，最高为99.99%，表明了本文预测模型具有很好的稳定性.

针对单一混沌系统加密不足的问题：主要提出的算法是基于改进的LCL复合混沌⊙系统和DFT变化的图像加密算法.首先对图像DFT变换，应用高维Lorenz系统产生的混沌序列进行随机组合排列，将得到的一组索引序列结合改进的Cat系统对明文图像进行置乱；其次，采用超Lorenz混沌系统设计得到Logistic映射的伪随机序列，将其进行异或处理得到密文图像；为了达到加密效果更优良的目的，重复以上步骤进行ㄨ循环加密处理.仿真结果表明本文设计算法具有优良的加密效果，密钥空间大、明密文敏感性强、能有效抵抗统计攻击等.

文章讨论了基于视频到视频的行人重识别的深度▓学习方法，提出的网络模型主要由特征表示子网络和相似性度量子网络两部分组成.首先利用残差网络提取视频的每帧图像的特卐征，再该特征输入到长短期记忆网络中获取时空特征，在长短期记忆网络层后添加权重模块，在该模块中使用帧质量注意力机制为视频ぷ的每一帧分配适当的权重.进一步将加权后的特征向量传入相似性度量子网络进行距离度量学习，在该框架中, 将特征表示与相似性度量使用全连接层进行连接，同时学习和优化特征表示和相似度度量学习.最后在两个公共数据集上进【行实验，通过一系列对比实验验证了该网络模型的能提高行人重识别准确率和性能.

针对深度神经网络用于入侵∏检测方法时存在训练过程中由于数据不平衡和特征冗余两大问题而导致的低检测率和高误报率，提出一种基于二次决策的深度学习模型(TDDL).该模型由深度堆栈自动编码器(DSAE)和神※经网络结合，包括二个阶段特征学习，其中第一阶段使用DSAE对特征压缩并加入区分异常数据的概率值特征，第二阶段使用神经↙网络(NN)接收第一阶段的特征并训练，从而降低特征冗余和平衡对正常数据的偏向，以提高检测效果.经KDDCUP99数据集进行实验测试，仿真实验结果表明，该模型能有效提升深度神经网络在入侵检测数据上特征学习的效果，使其具有更高的准确率的同时，还具有较低的误报率.

针对传统协同过滤算法中存在的数据稀疏性问题，提出一种融合改进加权Slope One的协同过滤算法.该算法首先使用改进后的Slope One算法计算出的评分预测值，对初始的用户-评分矩阵进行有效填充，然后在新的评分矩阵上通过基于内存的协同过滤︽算法进行预测与推荐.经改进Slope One算法△填充后的矩阵不仅大大降低了原始评分矩阵的稀疏性，同时也避免了回填数据过于单一的问题.在MovieLens-100k数据集上对文中算法进行仿真实验，结果表明，改进算法有效降低了MAE和RMSE，在提高推荐准确度的同时也缓解了数据稀疏性的问题.

针对认知无线网络中频谱分配优化和寻优收敛精度等难题，在图论模型的基础上提出一种共生时变二进制樽海鞘群算法，并将其运用到认知无线】电频谱分配中.首先，在追随者位置更新中引入共生策略以增强开发能力；其次，在连续空间和离散空间转换过程中，引入时变函数对位置进行离散化；最后，采用改进的二进制樽海鞘群算法以最■大化系统总效益和次用户公平性为目标与其它算法进行对比实验.结果表明，改进的二进制樽海鞘群算法在应用实例中优于其它算法，且能够有效、稳定用于频谱分配优化.

针对卷积神经网络对于运算资源需求的不断增长，和传统的硬件卷积加速方案在功耗、面积敏感的边缘计算领域难以应用的问题，设计并实现了一个低功耗嵌入式卷积神经网络加速处理器.目标处理器基于RISC-V指令集架构，内核扩展4条自定义神经网络指令，并在硬件⌒层面实现加速处理.该卷积神经网络处理器最大程度的复用了原RISC-V的数据通路和功能模块，减小了额外的」功耗和芯片面积等资源开销.目标处理器通过RISC-V官方标准测试集验证，并对MNIST手写数据集进行识别测试，正确率达到97.23%.在TSMC 40nm标准数字工艺下，目标处理器面积仅为0.34 mm^2, ，动态功耗仅为11.1 μw/MHz，与同期处理器相比，面积和功耗方面均具有一定优势.

为适应海上无线通信信道的时变特性，突破多元LDPC码长码率不兼容的技术现状，构造一种多码长码率兼容的多元LDPC码，可以实现在多种码长、多种码率间的相互兼容，并完成编码器的设计.借鉴5G二元LDPC码校验矩阵的特殊结构并将其扩展至伽罗●华域，设计的多元LDPC码在兼容多码长码率的同时，又拥有优秀译码性能和较低的硬件实现复杂度.该设计在Xilinx xc7k325tffg900-2芯片上进行实现，采用部分并行的编码方式，兼顾编码效率和硬件开销，可以实现五种信息位长和五种码率间灵活切换.工作时钟频◤率可达370 MHz，在该时钟频率下编码器吞吐率最高可达601.8 Mbps.

软件可靠性评估性能直接影响软件测试的工作量，本文针对软件测试过程中故障检测和故障引进问题，提出了一种基于动态加权组合的神经网络软件□测试方法，该方法考虑软件工程的多样性，利用神经网络方法构建动态加权组合模型，并结合故障引进过程完成故障检测和预测.通过两组真实的失效数据集(DS1和DS2)的试验，将所提方法与现有的软件可靠性增长模型(Software Reliability Growth Models，SRGMs)进行比较，结果显示考虑故障引进的动态加权组合神经网络模型拟合效果最优，表现出了更好地软件可靠性评估性能和模型通用性.

为提升对复杂几何变换或复杂滋扰图像的分割效果，提出了一种新型的形状描述符及纹理分割算法.在感兴趣区域内聚合图像统计信息，通过神经网络训练得到形状描述符，利用训练得到的形状描述符进行纹理分割.分别对合成图像和真实图像※进行分割实验，本文算法在轮廓指标和区域指标上均优于其他算法.实验结果表明，本文算法是有效可行的，并且能够对复杂几何变换或复杂滋扰图像取得较好的分割效果.

为提高应用程序调度实时性，提高程序调度应用价值，采用有向无环图(DAG)建立多核平台上的并行和递归任务的集合，获得具有优先级约束(即有向边)的子任务(即节点)，并保证在某个指定的截止日期之前完成其所有子任务的执行.每个任务都可能生成无限数量的实例，其中连续实例的发布被一些最小到达时间隔开.同时，DAG任务的每个子任务被分配一个固定优先级，提出⊙一种两级抢占式全局固定优先级调度(GFP)策略：任务级调度器首先确定最高优先级就绪任务，然后，子任务级调度器选择其最高优先级子任务来执行.然后，为所提两级GFP调度器推导出一▓个可调度性测试，如果满足该测试则保证所有任务在GFP下满足其最后期限.最后，通过实验分析，验证了所提算法在接受率指标上的性能优势.

为了获得高精∮度的光通信系统入侵行为自动识别结果，提出了基于深度学习的光通信系统入◎侵行为自动识别技术.首先采用光栅传感技术采集入侵行为信号，然后从信号提取入侵的特征向量，最后采用深度学习网络建立光通信系≡统入侵行为识别模型，并进行了仿真实验.结果表明，本文方法可实现高精度光通信系统入侵行为自动识别，降低〓了光通信系统入侵行为自动识别误差.

采用4 μm 40 V BJT商用工艺设计了一种基于JFET差分输入对的2.5 V电压基准源.内部结构包◥括JFET差分输入对、恒流源、PTAT电流源、运放、电阻分压器、短路保护.仿真结果表明本设计々能够满足5 V~30 V宽电压范围、车规级温度范围应用，并具有低噪声、低温漂、低温度非线性等卓越性能.

为解决大数据和云计算等新技术的兴起弱化了█传统光网络客户体验(QoE)应对能力的问题，提出一种在软件定义弹性光网络(SD-EON)架构下开展网络功能虚拟化(NFV)映射计算请求的QoE研究方案.NFV映射方案秉承标准化图像分割机制(ND)思想，结合网络业务请求特征按照拟定的QoE思路，从全局搜索与网络业务映射请求相适配的网元集∩和链路集建立出多个子图序列.再经过相交处理评估出可靠的序列子集用于实施映射作业.最ㄨ后构建模拟环境考察QoE算法的映射成效.经频繁测试后统计的▃数据表明，QoE算法在VON映射后的全网载荷布局方面表现出了显著的相对优势，具有良好的全局性和应用性.