为提出一种更加简便有效的对角化哈密顿量的实用方法,以线性代数中的N元二次型的通用计算流程为基础,研究了二重构型类的量子玻色模型的哈密顿量对角化方法。以Dicke模型及腔光力杂化体系的哈密顿量的对角化过程为例,通过普通二次型到标准二次型的线性代数计算流程验证了该方法的正确性和有效性。尽管应用此法来处理量子模型的哈密顿量对角化问题有二重构型的条件限制,但是相信它也会为研究特定体系的量子相变问题提供另一类行之有效且简便的基本方法。

从弱耦合条件下的量子 Rabi 模型与 Jaynes-Cummings (JC) 模型的物理等价性出发, 比较分析了这两种模型的旋波近似、本征能量和动力学演化, 并且归纳了在强耦合甚至超强耦合条件下这两种不同模型之间的差异和联系。借鉴电磁参量放大可以增强原子-光子耦合强度的物理思想, 讨论和分析了从弱耦合 JC 模型转变为强耦合 Rabi 模型的物理图像。数值模拟的结果表明: 基于这两种模型的不同量子基态及其内在关联, 利用绝热基态转化的理论方案可以实现稳定薛定谔猫态的高效制备。

数字闭环光纤陀螺引入的死区问题限制了其向更高性能惯性导航系统的应用。采用数学模型分析了数字闭环光纤陀螺死区的成因是反馈相关误差干扰，通过simulink仿真工具对死区现象进行了仿真，对比陀螺死区测试对模型进行了验证。以此为基础提出了电光合串扰造成死区的干扰模式，分析了干扰误差源的信号频域特征并使用频谱分析仪对受干扰的光功率信号进行了相关频点的测试，同时对比了干扰抑制后无死区的光功率信号相关频点的测试结果。通过抑制相关误差前后的测试结果对比，验证了与数字闭环反馈阶梯波相关的误差输入是死区形成的根本原因，除了电路交叉耦合之外，电路对光强的调制干扰也会造成死区问题。在采用针对干扰信号频率特性的退耦及PCB设计后，闭环光纤陀螺死区由0.2°/h降低至0.02°/h，满足系统应用需求。

针对图像增强的特点,提出量子免疫蛙跳算法.该算法按适应度大小排序的青蛙个体进行量子编码,同时蛙跳移动离散化;通过动态调整量子蛙跳旋转门实现量子染色体中所有的量子比特都朝着与最优解对应的量子比特基态动态优化偏转;采用Hadamard门对量子位变异,基于阴性选择算法对蛙跳免疫进行像素匹配,并给出了图像增强过程.实验仿真表明,本文算法对图像增强效果的轮廓和细节更加清晰,层次感强,结构相似性SSIM其值较好,为0.9849.

在Ad hoc网络(自组织网络)的路由建立过程中, 由于AODV(Ad hoc按需距离矢量)路由采用洪泛方式转发RREQ(路由请求)消息会产生很多不必要的重传, 很可能引发广播风暴而影响网络性能。文章提出了一种基于动态概率转发RREQ消息的改进方案, 该方案根据邻居节点的个数选择不同的概率转发RREQ消息。仿真结果表明, 在网络节点较多且网络比较稠密的情况下, 改进方案能有效减少网络端到端时延, 提高网络吞吐量和分组投递率。

为了提高图像盲复原质量，提出了量子比特编码算法。首先在免疫系统中的对量子克隆选择，并且对量子抗体克隆比例控制；然后量子抗体随机赋值，使抗体都以随机概率处于所有可能状态的线性叠加态中，以量子态进行观测，将得到确定的某一个二进制；接着建立图像盲复原重建模型，量子编码卷积算法来填充空洞像素；最后给出了算法流程。实验仿真显示该算法对图像盲复原重建清晰，画质好，全图最大局域误差最小，结构相似度接近于1。

为了提高绘制铅笔画的真实感，采用卷积阈值算法。绘制铅笔画局部流线，采用线积分卷积函数来产生图像纹理，将像素沿矢量正、反方向对称积分得到流线，将流线上所有像素对应的输入噪声值按卷积核参与卷积，结果作为输出纹理的灰度值。接着选择两个不同的灰度阈值将不同灰度范围内的情况分开处理，并给出了算法流程。实验仿真结果显示，卷积阈值算法生成铅笔画边缘清晰，画面细腻，具有铅笔纹理结构特征，处理时间为2.2 s，满足生成结果中对执行时间少、接近手绘等要求。

在两体近似碰撞模型基础上, 采用 SRIM程序对自注入硅离子及其造成的损伤在样品的分布进行了研究, 模拟了 Si＋自注入 Si晶体的 Si＋深度分布几率和注入时的能量传递。计算结果表明: 在相同注入能量的情况下, 注入 Si＋的分布概率是恒定的, 在注入过程中电离能是阻止 Si＋进一步深入的主导因素。论文还初步讨论了注入剂量和退火温度对发光强度的影响, 以及 W缺陷的可能形成原因。

扩展卡尔曼粒子滤波(EPF)在预测阶段通过EKF选取重要性函数而优化了粒子选取，但是传统EPF算法中粒子权值一般是通过正态分布的概率密度函数计算的。此方法没有突出不同噪声粒子的权值差别，在计算中引入了较大的相对误差。通过在更新阶段对权值计算所依赖的概率密度函数做出改进，得到改进的EPF算法。同时采用实际目标跟踪数据进行仿真对比实验，结果验证了此方法有效可行，并且减小了预测误差。

针对电视跟踪系统存在的脱靶量现象所导致的不能直接进行目标运动参数预测及预测精度降低问题, 提出在测量方程中引入一不确定因子γ以表明系统存在测量延迟, 且由γ的概率来表示系统的延迟量。同时根据不敏卡尔曼滤波(UKF)原理, 给出带有测量延迟的非线性系统的状态估计计算方法(称其为测量延迟UKF算法)。并在电视跟踪伺服控制系统中对此算法进行仿真实验。实验结果证明此算法在电视跟踪等效复合控制系统中的有效性, 且实验结果也表明在测量方程中引入一不确定因子γ以表明系统存在测量延迟是有效可行的, 而且此算法可大幅度降低速度预测误差和跟踪误差。