为厘清国内外对电池老化后机械、电、热性能变化的研究现状，能够为电池性能预测和试验设计提供参考，将电池老化与电池性能联系在一起，总结了电池老化的内在机理，梳理了电池在正常老化和非正常老化条件下的性能变化，探讨了各类性能参数在老化后的变化特性。从电池组件和电池单体2个层面入手，发现锂离子电池的机械性能随老化有不同程度衰减；从电池的容量和阻抗变化等方面入手，描述老化电池使用性能的降低；以热失控特征温度作为电池热安全性能指标，说明老化电池热安全性变化；最后对电池性能研究的未来发展方向进行了展望。

为了进一步推广废胶粉改性沥青在道路工程中的应用，系统梳理并分析了废胶粉的组成成分及特性，认为废胶粉物理、化学性质对沥青的改性有重要影响，活化可以大幅度提升废胶粉与沥青的相容性；指出了废胶粉对沥青改性是物理-化学双改性的交互作用结果，但废胶粉与沥青内在作用机制不明确；梳理了影响废胶粉改性沥青性能的主要因素，以及活化废胶粉改性沥青及高分子聚合物/废胶粉复合改性沥青性能等方面的研究现状。最后，对废胶粉脱硫活化控制、多源废旧轮胎利用、废胶粉改性内在机理、高分子聚合物对废胶粉改性沥青进行性能补强等方面进行总结和展望，建议包括：①研究废胶粉的工厂化活化方式，注重废胶粉改性沥青性能控制与胶粉适度活化之间的平衡问题；②研究废胶粉-沥青间的相互作用过程及废胶粉改性沥青分子构效关系，揭示废胶粉与沥青内在作用机制；③进一步研究多类型废胶粉与沥青的配伍性；④开发面向多场景应用的橡胶沥青系列产品；⑤深入研究废胶粉改性沥青的老化行为。

针对传统基于模型预测技术对于进气量的连续变化以及随机性分析不足的问题，提出了一种基于高斯过程回归（GPR）进气量预测的空燃比反馈控制方法。仿真分析结果表明：相比于进气量传感器实时反馈控制方法，两种发动机瞬态工况下本文控制方法的lambda平均误差分别降低了12%和29%，有效提高了空燃比的控制精度，同时又具有较强的抗干扰性。

提出了一种基于多软件联合的车用电机变工况多物理场仿真方法，结合有限元及集总参数法可以实现有限元及变工况仿真的同时进行，从而使仿真过程更加接近实际工作过程。在分析电机温度场和电磁场的基础上，分解多物理场耦合的数学模型，利用Maxwell-Simplorer-Simulink建立了多软件联合仿真模型，并利用等效电流抽取方法对有限元模型进行降阶，大大提高了模型的运算速度。本文的联合仿真模型为完全耦合模型，可以实现不同软件模型之间的数据交互传递，从而实现电机在不同工况下的瞬态仿真。采用本文联合仿真方法，可以同时获得多个物理场的同步仿真，实现联合仿真模型的实时数据交互，避免非完全耦合模型模拟过程因不同步而产生的误差。最后，通过试验对电机输出转矩进行验证，模型与试验两者之间的转矩误差小于3%，证明了该多场耦合多软件联合仿真方法的有效性和准确性。

以提高辅助能量源动力电池的寿命为目标提出复合模糊能量管理策略，采用改进鸽群优化算法（IPIO）更新模糊隶属度函数，同时确保动力电池长时间工作在适宜区间并降低等效氢耗量。对现有ADVISOR模型进行二次开发建立FCEV混合动力系统的仿真模型，并在NEDC、CLTC-P两种工况下进行仿真实验。结果表明：本文提出的复合模糊能量管理策略在初始SoC较低的情况下充电速度是功率跟随策略的2倍以上，能更快达到适宜的SoC区间，可以延长动力电池寿命；在初始SoC较高的情况下，本文提出的复合模糊能量管理策略等效氢耗量相比改进前在两种工况下分别降低了11.8%和9.09%，显著降低了氢耗量，提高了氢燃料电池汽车的经济性。

设计了一种将变分模态提取（VME）与轻量级卷积神经网络（CNN）结合的滚动轴承故障诊断方法，解决了CNN在复杂工业环境下诊断性能低下及参数量庞大的问题。使用VME提取多个传感器收集的振动信号中的期望模态，并构建多传感器灰度特征图，消除信息干扰的同时实现数据融合。在SqueezeNet基础上引入残差结构与超轻量级子空间注意力模块（ULSAM），构建轻量级残差注意力卷积神经网络（LRACNN）。实验结果表明，本文方法在复杂环境下拥有很高的故障识别率和诊断稳定性。

针对多向运动寄生载荷分量对称重传感输出影响很大的问题，提出了基于整体结构的变参数、多分量的输出影响评估方法，建立了“应变-总重-运动”瞬时特征的数学理论模型，并通过有限元仿真分析探讨了称重过程中常见的横向、纵向及绕轴旋转等运动特性，以及改变总重、旋转速度和角加速度等寄生载荷分量对输出的影响，通过实验测试验证理论模型及仿真分析规律的合理性。结果表明，横向运动寄生载荷分量对输出影响最小，最大偏差不大于0.001%FS（Full Scale）；其次为纵向运动，最大偏差不大于0.015%FS；而绕轴旋转的运动寄生载荷分量对输出影响最大，最大偏差可达0.5%FS，且随着总重、旋转速度的变化而变化，该规律为称重传感结构的动态称重应用提供了精度补偿技术支撑和科学评价依据。

针对机床加工过程中，回转工作台会因承受较大载荷而产生变形，进而影响加工精度和一致性的问题，提出了一种考虑随机因素影响的回转工作台变形行为的可靠性分析模型，将回转工作台视为系统，以回转工作台最大变形是否超过允许值为判别条件进行可靠性分析，探究了在不同载荷作用下，整个系统的全局可靠性变化规律，随后计算了各参数对系统失效现象的全局灵敏度。研究结果表明：工作台板、回转座、滑座的材料参数对回转工作台系统可靠性影响较大，其中弹性模量的灵敏度指标大于密度，泊松比最小。

基于MB分形理论确定了滚道接触表面的接触热阻，并建立了考虑接触热阻的高速滚珠丝杠副热分析有限元模型；通过仿真计算，分析了不同接触热阻下的滚珠丝杠副温升特性。结果表明：丝杠的最高温度集中在前轴承处和滚珠滚道接合处，滚珠和螺母的峰值温度集中在滚道中部。接触热阻值的变化对滚珠和螺母的稳态温度影响较为显著；随着接触热阻值的增大，滚珠和螺母的稳态温度均存在明显上升，上述工作为研究高速滚珠丝杠的温升控制和冷却润滑方法提供了理论基础。

针对目前润滑油含水率检测技术仪器设备昂贵、在线测量技术较少的不足，基于微波谐振技术设计了一种在线检测装置。该装置由微控制器单元、谐振腔、同轴传输线、压控振荡器、对数检波器、PC机组成。结合有限元仿真软件HFSS，设计了微波谐振腔，并仿真水油均匀及不均匀分布状态下的S参数响应曲线，得到谐振频率与含水率的关系。试验搭建检测装置，在含水率为0~1.2%时，测得谐振频率与含水率的关系，试验结果与仿真结果相符。在16~30 ℃内进行温度补偿，提高了检测精度。最后，将检测装置接入油液管路中进行在线测量，结果证明了检测装置的有效性。

针对钛合金零件性能良好但材料利用率较低和在恶劣环境中易出现损坏的特点，采用激光沉积修复技术对其进行快速修复。研究了不同热处理对激光沉积修复钛合金（Ti-6.5Al-2Zr-1Mo-1V）显微组织及力学性能的影响，结果表明，锻造区为双态组织，激光修复区为网篮组织，热影响区呈现异质结构，底部热影响区形成了Ghost α相，顶部热影响区形成了大量的块状β相；拉伸试验表明其力学性能整体上呈现高强度低塑性，且均为韧性断裂，920 ℃/1 h的热处理方式获得了强度与塑性的良好匹配。通过数字化图像处理技术分析发现激光修复区决定了整体试样的综合性能，更薄的α片层和β基体中析出的短棒状α相有助于提高其力学性能。

研究了不同孕育剂孕育处理对高碳灰铸铁导热及抗拉强度的影响。采用DRPL-2C导热系数测试仪测定试验灰铸铁常温条件下的导热系数，采用WAW-200拉伸试验机测试其抗拉强度，采用XJG-0.5光学显微镜、TESCAN钨灯丝扫描电镜进行组织观察，利用Image-pro plus（IPP）、Photoshop等软件进行石墨特征参数统计（每种孕育剂孕育处理的灰铸铁组织统计5~8张照片）。研究结果表明：不同孕育剂孕育处理对高碳灰铸铁的石墨组织特征（石墨尖端形貌、石墨长度、石墨数量及石墨占比）有不同程度的影响，从而影响高碳灰铸铁的导热性能；影响高碳灰铸铁导热性能的主要因素，除灰铸铁中石墨的含量外，石墨的长度以及石墨的数量也对高碳灰铸铁的导热性能及抗拉强度有重要影响；对比传统孕育剂，新型孕育剂能有效钝化石墨尖端，减小灰铸铁组织中石墨的尺寸、增加石墨的数量，协同提升灰铸铁的抗拉强度及导热性能，为今后高碳灰铸铁在高强高导热材料领域的应用提供一定的理论指导。

为实现智能网联环境下无信号交叉口网联自动驾驶车辆的智能管控，提高交叉口通行效率，提出了一种基于间隙理论的车辆通行控制策略。依据交叉口区域功能、用途等，将其划分为变道区、调控区、缓冲区、物理区和恢复区；考虑实车物理大小建立了物理区车辆冲突区域计算模型，并通过优化左转车辆轨迹为椭圆轨迹，开发了直行-直行、直行-左转和左转-左转车辆行车间隙控制的数学模型；基于三角函数加速度控制策略建立了调控区和缓冲区的车速诱导模型；运用Vissim和Matlab联合仿真对控制策略及模型的高效性和合理性进行了对比验证。结果表明：本文控制策略及模型能使相冲突的车辆安全不停车地依次穿插通过冲突区域；对比信号控制策略，在交通量为1 600 pcu/h情况下，该控制策略及模型可使车辆通过交叉口的平均延误时间缩短55.97%，平均行程时间缩短41.87%，车辆能耗减少33.31%，且交通流量越大，改善效果越显著。

相较于传统的单车智能自动驾驶系统只能根据自身对于环境感知的结果对未来进行预测，智能网联自动驾驶系统可以通过V2X技术获取额外的周围道路环境动态信息进行融合预测。本文在单车智能轨迹预测的基础上，使用特殊编码器使得轨迹预测模型可以融合自身的感知信息与来自V2X共享的动态道路信息。在CARLA仿真数据集上的实验结果证明，使用V2X技术获取周围道路环境的动态信息相较于未使用动态环境信息的轨迹预测算法能够更准确地预测车辆轨迹。

通过建立考虑交通状态随时间变化的道路设施服役性能预测模型和道路服役性能衰变下的交通运行状态反馈模型，探究了路网道路设施的服役性能和交通运行状态的互相影响规律；融合路网拓扑结构表达和存储，构建了可以有效模拟路网道路服役性能和交通状态耦合演变的仿真模型。采用变步长离散事件仿真方法，在通用PC平台上采用Matlab/Simulink 进行解耦，实现路网道路服役性能和交通状态耦合仿真。应用实例表明：耦合仿真预测方法得到的路网运行状态预测值与实际值误差较小，对比传统不考虑耦合的预测结果精度更高。

为满足封闭式景区纯电动客车（BEV）调度的需要，提出了一种多目标调度模型。以BEV购置、发班频次、停靠时间和充电价差等4个运营成本最优为目标，基于UI规则设计发车时刻表求解算法，运用启发式算法求解车次链集合，设计BEV性能测试方案，通过限制试验样车的行驶速度，获得单次往返行程时间，提出CRUISE仿真与实车测试相结合的最大往返次数推算方法。以五台山景区南线为实例，验证BEV调度模型和求解算法的可行性。结果表明：基于UI规则的分时段BEV调度求解算法可实现分钟级BEV发车时刻表；实例线路的BEV购车数求解结果与理想最小购车数的偏差率为2.99%，求解时间为0.89 s；在模拟日均客流量为0.3万~3.0万人规模的调度计划时，实际运力供需的最大偏差率为1.00%。研究成果可用于封闭式景区BEV动态调度算法和车数规模测算模型。

考虑了队列行驶时的纵向和横向运动，提出了基于数字孪生的车辆队列协同控制系统。纵向运动设计采用PID控制，以保证队列的稳定行驶。横向运动设计采用LQR控制，以保证横向车道跟踪性能。由Prescan、TruckSim、Matlab/Simulink搭建数字孪生仿真场景，基于纵向和横向控制，对车辆队列的纵向跟随和横向车道跟踪性能进行动态仿真。数字孪生通过远程控制车辆队列和监测队列的纵/横向速度、横向位置和横摆角偏差等指标，对控制策略和参数进行全面调试和优化。仿真结果表明，数字孪生驱动的商用车队列控制系统具有良好的队列跟踪和车道保持性能。

针对高速公路路侧摄像头拍摄的图像中，远端的行人和车辆目标小、实时检测难问题，提出一种改进的目标检测算法YOLOv5s-3S-4PDH。首先，采用Shufflenetv2-Stem-SPPF网络结构，提高模型的运行速度；其次，引入加速归一化加权融合特征图和160×160小目标检测层，优化小目标检测性能；然后，引入改进的解耦头机制，提高小目标检测的定位和分类精度；最后，采用Focal EIoU作为定位损失函数，加快模型训练的收敛速度。在自建行人和车辆数据集上进行对比实验，结果表明：该算法与YOLOv5s基准网络算法相比，计算量和参数量分别减少了10.1%和24.6%，检测速度和精度分别提高了15.4%和2.1%；在VisDrone2019数据集上进行的迁移学习实验表明，该算法对所有目标类别的平均精度高于YOLOv5s。YOLOv5s-3S-4PDH算法在满足小目标检测实时性与精度的同时，也具备泛化能力。

为缓解弯道环境下含有网联商用车的混合交通流交通拥塞问题，在安全条件的约束下提高弯道环境下含有网联商用车的混合交通流的稳定性，提出了一种弯道环境下基于密度离散度效应和信息传输延迟效应的网联商用车格子模型（DDITD）。该模型首次提出了密度离散度效应的概念，揭示了网联商用车跟驰特性对混合车流密度分布的影响，并将密度离散度效应和信息传输延迟效应同时引入弯道格子模型中，拓展了格子模型的适用范围。首先，通过实车试验标定DDITD模型中的转弯修正系数，利用线性稳定性分析对DDITD模型进行分析，研究了弯道环境下密度离散度以及信息传输延迟对交通流稳定性的影响。其次，通过非线性稳定性分析，应用约化摄动方法，推导出描述交通密度波演化特性临界点附近的mKdV方程。最后，通过数值仿真对理论结果进行了验证，结果表明，密度离散度效应和信息传输延迟效应可以有效缓解弯道上的交通堵塞。本文研究成果为研究网联商用车跟驰特性和混合车流稳定性提供了新的方法，为弯道环境下的交通管理和控制提供了新的思路和依据。

在考虑公交与地铁之间换乘需求的情况下，提出了一种全天的公交时刻表优化方法。首先，构建了一个优化模型，旨在最小化乘客候车时间成本和公交企业运营成本。然后，设计了遗传-模拟退火混合算法进行求解。最后，以福州市公交1路上行方向为例，验证了本文模型及算法的有效性和实用性。时刻表优化后，B-M模式、M-B模式和非换乘模式下乘客候车时间成本平均降低了19.30%，公交企业运营成本由于公交发车次数的增加而提升了4.95%，系统总成本节约了5.05%。

针对现有元启发式算法在优化神经网络预测车速过程中收敛速度慢和误差大的问题，提出了基于改进鲸鱼优化算法优化双向长短期记忆网络（IWOA-BiLSTM）的快速路出口匝道车速预测方法。首先，采用Circle混沌映射取代鲸鱼优化算法中随机产生的初始种群，增加种群的多样性并提高质量。其次，使用精英反向学习策略，提高种群个体择优位置的多样性，降低算法陷入局部最优和过早收敛的风险。最后，采用余弦函数改变自适应收敛因子和引入惯性权重的策略，在保留鲸鱼优化算法优点的前提下，平衡算法的全局搜索和局部开发能力。仿真结果表明：与现有元启发式算法和车速预测模型相比，IWOA算法在寻优求解精度、收敛速度和预测精度等方面均有明显提升。

探究了碳/玄武岩/玻璃/芳纶纤维增强混凝土在强碱溶液和冻融耦合作用下的劣化规律，对圆柱轴压构件采用纤维增强复合材料（FRP）全加固，棱柱受弯构件为局部加固，测试碱冻耦合作用下试件的质量损失率、动弹性模量、pH值变化、抗压和抗折强度。结果表明，碳纤维和芳纶纤维强化试件在质量损失率、动弹性模量、抗压强度损失和塑性、抗折承载力损失均优于玻璃纤维和玄武岩纤维强化试件。基于试验数据修正了碱冻耦合作用FRP加固混凝土的Lam-Teng本构模型。

针对桥梁钢结构表面的纹理、凹凸等组织排列特征具有非线性，增加了腐蚀点检测难度的问题，基于合成孔径超声成像技术设计了一种腐蚀点检测算法。首先，采用多阵元合成孔径聚焦技术获取桥梁钢结构超声影像，通过聚焦超声波能量提高超声影像的分辨率和清晰度，使得腐蚀点更容易被识别和定位。其次，利用灰度共生矩阵技术捕捉图像中像素之间的空间关系，提取桥梁表面钢结构组织的排列特征。最后，使用Fisher判别准则剔除对检测贡献度偏低或冗余的特征，将筛选后特征输入神经网络，利用神经网络的非线性映射能力精准检测腐蚀点。实验结果表明，应用本文算法可以清晰地观察到腐蚀点的位置和直径，检测到的腐蚀点直径、倾斜角度、深度与实际值基本一致，说明本文算法具有有效性。

针对异质图节点分类任务中MLP、GCN等方法准确率相对较低的问题，提出了一种基于相似度随机游走聚合的图神经网络（SRW-GNN）。为降低异质性对节点嵌入的影响，SRW-GNN利用节点间的相似度作为概率进行随机游走，并将采样路径作为邻域以获取更多同质信息。为解决大多数现有GNN聚合器对节点顺序不敏感的问题，本文引入基于循环神经网络（RNN）的路径聚合器来同时提取路径中节点的特征和顺序信息。此外，节点对不同路径有不同的偏好，为了自适应地学习不同路径在节点编码中的重要性，采用注意力机制动态地调整各路径对最终嵌入的贡献。在多个常用的异质图数据集的实验结果表明，本文方法的准确率明显优于MLP、GCN、H2GCN、HOG-GCN等方法，验证了其在异质图节点分类任务中的有效性。

针对地物种类较多、无人机光谱影像特征难提取、光谱信息不确定导致的融合效果不佳问题，提出了一种基于梯度一致性约束的无人机多光谱影像融合算法。通过光束平差算法确保地物点坐标与影像投射坐标的一致性，并利用小波变换提取影像特征，结合梯度一致性算法构建目标融合函数，通过迭代运算实现高质量的影像融合。实验证明，经该方法融合后的影像细节清晰、分辨率高且信息完整性好，可为无人机多光谱影像的后续应用提供强有力的技术支持，尤其在环境监测、农业评估等领域展现出广阔的应用前景。

为解决监督学习在单目深度估计中需要大量标签数据的问题，提出了一种基于教师-学生模型的半监督深度估计框架AugDepth。其通过对数据进行扰动，训练模型学习扰动前、后的深度一致性。首先，采用平滑随机强度增强方法从连续域中采样强度，随机选择多个操作以增加数据随机性，并混合强弱增强输出，防止过度扰动。然后，考虑到不同无标签样本的训练难度不同，在通过Cutout提高模型对全局信息推理的前提下，根据对无标签样本的置信度，自适应地调整Cutout策略，以提高模型的泛化和学习能力。在KITTI和NYU-Depth数据集上的实验结果表明：AugDepth能够显著提高半监督深度估计的准确性，并在有标签数据稀缺的情况下表现出良好的鲁棒性。

针对癌症疾病数据结构复杂、预测困难、数据不平衡和患者隐私保护等一系列的问题，提出了一种特征表征算法ImFeatures，解决了癌症数据的不平衡问题，丰富了样本结构。联合癌症转录组和甲基化2种组学数据作为真实样本，通过逻辑回归（LR）和随机森林（RF）2种特征选择后，得到的负样本被随机划分并结合等量的正样本，输入本文提出的特征表征模型，生成学习到关键特征信息的表征样本，以提高模型预测能力。实验结果表明，在经过特征表征后的11种常见癌症数据集上，本文提出的结合特征筛选和特征表征的算法的准确率（Acc）均超过了80.00%，其中有5种癌症的预测准确率超过了95.00%，可以有效提升癌症疾病的预测准确率。

首先，利用肤色分割技术定位学生图像中的脸部区域，并将定位的脸部区域输入到时空注意力模块中，以获得脸部多视角的关键信息。其次，通过带权重衰减的自适应梯度下降算法对卷积神经网络中的参数展开优化，并将脸部关键信息输入到优化后的网络中，以确定学生脸部表情类型，完成多视角人脸表情识别。实验结果表明，应用本文算法可以精准地提取人脸的关键信息，且表情识别准确率为100%，即本文算法可以有效识别人脸，并提高人脸表情识别精度。

针对图像去雾不彻底和失真等问题，采用生成对抗的训练方式，提出了一种多深度自适应融合的去雾生成网络。首先，采用U-Net++结构和雾霾感知单元来学习雾霾特征。其次，提出一种向量混合注意力模块扩张底层信息，补充去雾图像的细节；再次，从部分和整体维度构建自适应权重来选取不同深度的特征，提升网络对有效信息的利用率；最后，采用混合损失来确保生成图像的质量，并在对抗损失中引入Wasserstein距离。为了验证本文算法的有效性，在RESIDE和Haze4k数据集上将本文算法和10种主流去雾算法进行客观定量对比，然后在真实图像上进行主观评价。实验结果表明：在SOTS Outdoor验证集上PSNR达到36.20 dB，SSIM达到0.988 4，具有更好的去雾效果。

针对传统图像篡改检测方法存在边界模糊、提取特征尺度单一、忽略背景信息等问题，本文提出多尺度感知与边界引导的图像篡改检测方法。首先，使用改进的金字塔视觉变压器提取篡改图像的空间细节和基础特征。其次，通过边缘感知模块探索与伪造区域边缘相关的信息，生成边缘预测图。再次，利用边缘引导模块突出所提取特征中的关键通道，减少冗余通道的干扰。然后，通过多尺度上下文感知模块，从多个感受野学习伪造区域丰富的上下文信息。最后，利用特征融合模块交替关注篡改图像的前景和背景，精确分割伪造区域。将本文方法在5个常用的公开图像篡改检测数据集上进行定量和定性对比，实验结果表明，本文方法可以有效检测伪造区域，并且优于其他方法。

针对细粒度属性图像具有复杂性和多样性，传统的图像分类方法在关注图像细粒度属性方面存在不足，并在处理不均衡数据集时表现不佳的问题，提出了一种基于深度度量学习的细粒度图像阈值分类算法。通过引入度量学习方法增强对图像细粒度属性的关注。同时，通过应用成对损失和代理损失，提高了模型的分类准确性并加快了模型的收敛速度。为了应对数据不均衡问题，设计了一个基于阈值分析的分类器。该分类器利用阈值分析技术实现了对细粒度图像的多级分类，从而改善了在不均衡数据集中少数类别分类准确性较低的问题。实验结果表明，本文所提出的基于深度度量学习的细粒度图像阈值分类算法在分类准确性方面显著优于其他方法。

为了解决单一时相低分辨率图像无法准确识别遥感图像中各类语义对象的问题，提出了多时相高分辨率卫星遥感图像语义分割算法。通过求解图像信息的多时相分辨率，进行遥感目标分区处理，准确识别并提取遥感图像中各类语义对象及特征；基于尺度函数定义式计算分割权重，实现对遥感图像语义对象的精确识别与分割。实验结果表明，本文方法显著提高了语义对象的识别准确率，分割后地物信息中各项语义对象占比的实验值与真实值之间的最大数值差未超过0.2%，为遥感图像的应用提供了有力支持。

针对高维无线多用户通信网络中因频谱资源分配不合理导致网络负载不均衡、通信质量不稳定，传统的频谱资源分配方法无法实时响应用户需求的动态变化，从而导致频谱资源的利用效率不高的问题，提出了高维无线多用户通信网络频谱资源动态分配算法。通过确定频谱资源动态分配程序，同时兼顾通信网络负载均衡目标与通信质量目标，构造频谱资源动态分配目标函数，并阐明其约束条件。引入改进遗传算法对目标函数进行求解，获取频谱资源动态分配最优方案。实验表明，应用本文算法获得的频谱资源利用率最大值达到了95%，频谱资源分配结果与实际结果一致，充分证实了本文算法具备更优质的频谱资源分配性能。