本文提出了一种基于融合改进策略的快速鲸鱼优化算法（FWOA），用于解决室内可见光通信（VLC）系统中光信号分布不均匀的问题。该算法通过反向学习和非线性收敛因子提升了收敛速度，采取扰动搜索机制实现全局寻优。在考虑发光二极管（LED）部署高度的光源布局和功率分配方面，采取了同步优化方案。实验结果表明，在优化16个LED布局模型后，系统照度均匀度提升了7.39%~109.03%，接收功率的品质因子由5.25提高到12.23，同步优化后进一步提高至15.12。此外，实验发现，当LED数量存在限制时，通过选择合适的LED数量，可以在系统能量和性能之间达到较好的平衡。

针对现有的非对称限幅光正交频分复用（ACO-OFDM）可见光通信（VLC）系统中信道估计方法存在导频数量过大、精度低、估计效率不高的问题，提出一种基于深度神经网络（DNN）的VLC信道估计方法。利用梯度集中化（GC）方法进行模型优化，并采用端到端的方式跟踪信道信息并恢复失真信号。仿真结果表明：所提方法的误码率（BER）和均方误差（MSE）性能均优于传统方法；在使用较少的导频和省略循环前缀（CP）进行信道估计时，所提方法具有更强的鲁棒性。此外，在DNN训练过程中引入GC方法，可以加快网络的收敛速度，提高其优化能力。

The rectifying behavior between graphene and semiconductors makes novel type of solar cells, photodetectors and light emitting diodes (LEDs). The interface between graphene and ZnO is the key for the performance of the optoelectronic devices. Herein, we find that green light emission is very strong for the forward biased graphene/ZnO nanowire van derWaals heterostructure.We correlated the green light emission with the surface defects locating at the ZnO nanowire surface through the detailed high resolution transmission electron microscopy and photoluminescence measurements. We pointed out engineering the surface of ZnO nanowires could bring a dimension of designing graphene/ZnO LEDs, which could be extended to other types of graphene/semiconductor heterostructure based optoelectronic devices.

将编队级目标类型融合识别问题归结为一类具有优先级的不确定多准则决策问题, 基于直觉模糊集和POWA算子的基本概念, 分别定义了直觉模糊优先有序加权平均算子和直觉模糊混合优先有序加权平均算子, 给出了确定其关联权重向量的方法。对编队级目标情报融合识别问题进行数学描述, 结合直觉模糊熵权思想和直觉模糊平均加权算子, 提出了基于直觉模糊混合优先有序加权平均算子的舰艇编队目标类型融合识别方法, 利用实例对方法的有效性进行了说明。

将不确定条件下的目标类型动态识别问题归结为一类特殊的多属性决策问题；结合淘汰选择法(ELECTRE)的思想和直觉模糊集的信息表达优势以及属性信息的动态积累过程，提出了动态直觉模糊淘汰选择法及相应的多属性决策方法。所建方法考虑了属性的动态变化情况、优势关系矩阵信息的直觉模糊集表示以及直觉模糊集的构建等。利用舰艇编队空中目标类型识别实例对方法的有效性进行了说明。