由于沙漠地震信号中含有较强的随机噪声，从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题，提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional Neural Network for Shearlet Transform) 模型，实现沙漠地震信号的随机噪声压制。在训练阶段，将沙漠地震信号经Shearlet 分解后的系数作为输入，将随机噪声经Shearlet 分解后的系数作为标签，通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段，利用此映射关系即可从沙漠地震信号系数中预测出噪声系数，并间接地获得有效信号系数，最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比，发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB，具有更好的去噪效果。

为解决格雷编码的幅度相移键控( APSK: Amplitude Phase Shift Keying) 映射方式在非迭代的独立解映射情况下互信息与信道容量仍存在差距的问题，提出一种非等概的APSK 映射方式，通过减少内环对应的星座点数，变换为低价的Gray-PSK，从而提高其限制下的互信息。仿真结果表明，针对2 /3 码率设计的64NE-APSK 较64Gray-QAM 星座映射有0． 6 dB 的性能优势，比64Gray-APSK 的系统有约0． 1 dB 的优势。从而，在接收端独立解映射的情况下，该设计能比格雷编码的APSK 映射更逼近信道容量，且无需增加系统实现的复杂度。

为解决高超声速飞行器姿态运动之间存在的强耦合问题，针对飞行器的气动耦合进行分析，并在此基础上设计了削弱气动耦合的姿态协调控制器。在分析高超声速飞行器状态三通道气动力矩之间的关系基础上，运用动态方程的耦合分析方法得到三通道之间气动耦合关系，求解出耦合度矩阵，引入耦合熵的概念，根据耦合熵判断耦合是否可忽略，并对飞行器姿态协调滑模控制器进行了设计。仿真结果表明，所设计的控制器可有效削弱飞行器三通道之间的气动耦合，在保证姿态稳定的前提下提高系统的动态响应能力。

为了解决带有分布时滞的不确定网络控制系统中网络通道存在的时延、丢包以及控制器存在参数摄动等问题，提出了具有分布时滞和网络诱导时滞的非脆弱L2-L∞控制器设计方法。通过选取时滞依赖的Lyapunov 函数，构造自由权矩阵进行鲁棒稳定性分析，推导出保证闭环控制系统渐近稳定的L2-L∞性能判据。利用线性矩阵不等式( LMI: Linear Matrix Inequality) 技术将L2-L∞控制器设计问题转化为LMI 的凸优化问题。最后，数值仿真的对比结果验证了所设计的控制器不仅可使开环发散的系统在满足给定的性能指标下闭环渐近稳定，而且与无参数摄动的常规控制器相比，非脆弱控制器的收敛效果更好。

为实现多电机协同控制，以3 台永磁同步直线电机组成的运动控制系统为研究对象，研究不同拓扑结构对电机间的协同性能的影响，同时提出一种相邻偏差耦合协同算法用以提升协同系统的整体控制效果。实验结果表明，应用相邻偏差耦合算法后，永磁同步直线电机间的协同精度均有所提高，相邻电机间的协同误差均由0． 30 mm 降至0． 25 mm，协同精度提高了17%。

针对现有操作系统函数调用关系构建方法存在依赖系统源代码、兼容性差的问题，提出了一种基于硬件虚拟化中断陷入机制的操作系统内核函数调用关系构建方法。该方法在操作系统内核函数的特定位置动态插入会引起虚拟化中断陷入的特殊指令覆盖内核特定位置的指令，实现在函数调用、被调用时触发虚拟化中断陷入，并在陷入后的虚拟机监控器中获取当前内核函数的调用信息，从而动态构建操作系统的内核调用关系。实验结果表明，本方法能在不依赖内核源码、编译器的情况下构建多种开源/闭源、32 位/64 位操作系统的内核函数调用关系，构建准确率为100%，查全率大于85%。该方法可用于操作系统内核安全分析及白名单构建等工作，具有一定的实用价值。

为解决传统机场驱鸟效率不高的问题，将多无人机协同技术引入该领域，基于自创的“伏击法”的驱鸟策略完成任务规划建模，并设计了一种基于遗传算法的任务分配方法。分别引入了推理树分析法和模糊逻辑分析法对参数进行优化选择，评价鸟击威胁和无人机拦截效率这两个任务规划的前置条件。设计了多个约束条件以保证任务规划的实际效果，并基于比例导引制导律对无人机执行任务时间进行估计。仿真实例表明，该方法在多个约束条件和同时面临多个鸟类目标的条件下，能有效完成多无人机协同驱鸟任务分配工作。

为促进航迹规划技术的发展，对航迹规划常用算法进行综述。首先对航迹规划的规划思想和构成进行分析; 其次将航迹规划算法分为传统经典算法和现代智能算法两大类，对其中几种常用算法进行分析总结; 最后阐述现代智能算法在航迹规划应用中的改进、多重算法的融合改进以及多无人机四维航迹规划算法研究3 个研究热点及未来发展趋势。

为了从计算语音学角度比对朝鲜语与蒙古语单元音的相似性，提出了基于共振峰参数的对比分析方法。首先在提取朝鲜语与蒙古语的单元音前两个共振峰频率F1和F2的基础上，分别计算其均值、标准差和离散度; 其次分析了两种语音单元音共振峰频率分布的差异情况; 最后采用t-检验方法对两种语言单元音共振峰参数进行了相似性比对。对比分析结果表明，采用F1和F2参数可以明显区分不同单元音之间声学特征的差异;另外通过对比发现朝鲜语与蒙古语中有5 对单元音存在声学特征的相似性，该结果与这5 对单元音发音过程中舌位和圆唇度分析是一致的。该朝鲜语与蒙古语单元音声学特征相似性对比分析方法，可以为进一步采用计算语音学方法研究朝鲜语与蒙古语的语音相似性提供依据。

在基于PCA( Principal Component Analysis) 的指节纹图像全局特征提取和识别中，为了提高准确率，在传统方法的基础上，通过实验验证了4 指指节纹对于识别结果有不同的分类权重( 贡献率) 。改进了已有研究成果中对4 指等权重分配的方法。实验结果显示，和4 指等权重分配方法达到94． 4%的识别率需要32 维特征相比，4 指权重比为2 ∶ 2 ∶ 3 ∶ 2 时，取21 维特征即可达到最高识别率94． 4%。因此该方法可大大降低特征维数，提高识别速度。

为解决新能源接入大电网带来的能源损耗问题，进行常规能源发电机组的快速经济调度是一种有效措施。针对存在多种常规能源的电力系统，建立了考虑传输损耗的电力系统经济调度问题模型，基于增广的Lagrange-Hopfield 神经网络优化算法，引入乘子神经元传输速率参数，提出了改进的增广Lagrange-Hopfield 神经网络算法。从理论上证明了该算法的收敛性，以及收敛的快速性。以某一项目为例，选取不同的传输速率参数，验证了改进的增广Lagrange-Hopfield 神经网络算法受传输速率参数的影响，并且工程可行，收敛快速。

为加强对互联网以及社交媒体的恐怖主义信息的甄别和处理，利用数据的爬取和分析甄别，分类恐怖主义信息。通过scrappy 框架以及gensim 工具包对数据进行爬取，得到了4 个数据集，并且进行LDA( Latent Dirichlet Allocation) 主题模型的建立，分别得到恐怖主义信息传播在4 个不同领域中的主题分类，以及主题间的关系。实验表明，通过爬取可以有效鉴别出不同的恐怖主义信息主题，以及其在传播中的作用。

为了减轻阿尔茨海默病患者的病痛和缓解看护人员的负担，研制一套基于信号采集和无线通信的智能可穿戴设备。该设备通过将PVDF( Polyvinylidene Fluoride) 传感器紧贴患者足底，经采集、电荷/电压转换、调理电路获得患者足部压力变化，并判断其行为，同时可以通过GPS( Global Positioning System) 获取患者位置信息，以短信形式实时通知看护人员，并具备紧急通知功能。实际应用表明，这套适应于阿尔茨海默病人的智能可穿戴设备可以有效帮助看护人员照顾患者，保障患者安全。

为实现无人机在运输方面的自动化和信息化，设计并实现一种能自主循迹、取物并运输至目标点的四旋翼飞行器。通过对四旋翼飞行器飞行控制原理的分析，使用超声波传感器获取飞行器实时高度，利用计算机图像处理技术实时判断飞行器位置，并用PID( Proportion-Integral-Derivative) 控制器控制飞行器的飞行高度和自身姿态，实现了四旋翼飞行器的自主循迹飞行和物体识别，以及驱动机械手完成对目标物体的抓取与投放。测试结果表明，飞行器可在1 m 高度上以20 cm/s 的速度沿预设轨迹自主循迹飞行，能在50 s 内识别与抓取底面半径为4 cm、高度为8 cm 的圆柱形物体，并投放在以目标点为圆心半径为25 cm 的范围内，达到了预期效果。

由于卷积神经网络中多层感知器使用梯度下降算法进行训练，存在收敛速度慢和易于陷入局部极小的问题。针对此问题，提出一种利用信息交互计算最优初始化权重的方法改善网络结构，该方法可有效减少训练时间并可避免陷入局部极小。利用数学理论推导出ＲeLU 函数最优初始化权值的公式，利用该方法改进2-channel网络结构，直接代入数据可求出最优初始权值。通过3 个数据集的多次训练和测试，灰度图像的平均匹配准确率提升了1． 0%左右，FPＲ95 平均值也由5． 23 降至4． 65，初始化权重的设置可避免神经元进入硬饱和区，同时网络还具有效果稳定、收敛速度快的优点。