低轨(LEO)宽带星座卫星通信作为地面 5G无线通信系统的重要补充，始终面临地面可视卫星数量大、传统选星算法计算复杂度高等难题。为实现高效的卫星分组选择算法，基于多输入多输出(MIMO)系统原理，以大尺度路径损耗模型为基础，结合递减卫星选择算法，从而以较低计算复杂度、更快收敛速度有效逼近最优容量性能。该算法在典型 LEO星座系统构型下通过数值仿真得到了验证，为未来 5G低轨卫星星座通信传输方案设计提供了一种参考思路。

针对无源互调(PIM)严重影响卫星通信系统性能和稳定性问题, 提出了一种利用内导体非接触式结构实现低 PIM的同轴接头设计方法。设计并实现了 2款分别工作在 S波段和 C波段的内导体非接触式同轴接头: S波段的内导体非接触式同轴接头在 2.1~2.7 GHz下实测|S11 |<-30 dB, 通带内插入损耗小于 0.3 dB; C波段的内导体非接触式同轴接头在 3.5~4.2 GHz下实测|S11 |<-30 dB, 通带内插入损耗小于 0.2 dB。该改进型同轴接头设计方法为卫星通信系统的微波连接器的设计提供了重要的参考价值和新的研究思路。

卫星通信系统向多频段多体制发展的趋势对卫星通信终端测试平台的通用性提出了更高的要求, 基于通用处理器的软件无线电(GPP-SDR)技术可用于解决该问题。但目前 GPP-SDR处理器和射频前端之间的高速数据传输仍是主要的技术瓶颈。本文针对卫星通信终端通用测试平台需求, 提出了基于中断机制的 PCI-e高速传输方法和流程设计, 并通过移植 Xenomai操作系统对高速接口传输的实时性进行优化; 设计了一系列的测试实验对所设计接口的实际传输速率和中断丢失概率等指标进行测试。实验结果验证了所提方案具备高速率和低时延的传输特性, 能够很好地满足当前卫星通信终端通用测试需求。

固态锂电池因其具有高能量密度等优势, 被认为是最具潜力的下一代电池技术之一。固态锂电池的诸多优势源于其中固态电解质材料的使用。机器学习方法的兴起为锂电池固态电解质研究提供了新的机遇。机器学习可以拓展传统理论模拟方法在固态电池研究中的应用边界, 推动高精度、跨尺度模拟方法的发展; 预测固态电解质离子导率、力学性质等关键指标, 在原子层面理解固态电解质的构效关系, 实现高性能固态电解质的高通量筛选; 辅助固态电池实验研究, 指导新型固态电解质合成, 深入定量解析固态电池谱学表征。因此, 机器学习方法的引入及其与理论模拟、实验之间的深度耦合将极大地推动固态电解质研究, 促进固态锂电池的实用化进程。

在认知无线电(CR)背景下, 动态频谱接入已成为提高无线网络频谱利用率的重要途径。基于全球移动通信系统-铁路(GSM-R)系统中采集的细粒度频谱监测数据, 提出一种数据驱动的深度学习方法, 建模频谱模式, 并建立一套动态频谱接入访问框架。采用一种深度频谱生成模型指导频谱分配; 设计一种综合递归序列表征与场景特征嵌入的深度网络, 建模和预测短时频谱占用情况, 并由此提出一种动态信道接入策略。进一步, 利用软件无线电(SDR)平台实现一套跳频系统, 并将其与动态频谱接入策略进行集成。使用真实的历史频谱数据评估该系统的数据吞吐能力, 测试结果表明, 所提方法及构建的跳频系统能有效提高机会通信能力, 高效利用频谱资源。该频谱接入框架及 SDR系统实现具有较强的通用性, 易于集成到不同场景和频段的系统中。

利用激光熔覆技术在冷作模具钢（Cr12MoV）表面上制备WC/Ni熔覆层,研究其组织成分以及红硬性的变化规律。使用显微硬度计与环形块摩擦磨损试验机测试熔覆层的红硬性与耐磨性。结果表明：当激光功率1.0 kW、送粉电压8 V、扫描速度2 mm/s时,熔覆层主要由γ-Ni（Fe）、W2C、Cr7C3、Fe6C2、Fe6W6C、WC、Fe2B等相及M23C6共晶化合物组成；红硬性测试温度为200 ℃时,熔覆层硬度可达57 HRC以上,高于基板的52.1 HRC,当温度达到400 ℃时,熔覆层的硬度仍达到47 HRC以上,而基板只有33.1 HRC；红硬性测试温度为400 ℃时,熔覆层的失重量达到最大的1.7 mg,但仍小于室温下基板的失重量1.9 mg；500 ℃以内的红硬性测试只影响熔覆层的组织细化程度,对熔覆层强化机理和组织成分没有较大的影响；熔覆层在300 ℃以内属于磨粒机制,当温度达到400 ℃以上时演变成为黏着磨损。

基于人工智能的方法在雷达辐射源识别任务中已取得很好的效果。但随着电子信息技术的发展, 将会出现越来越多的未知辐射源, 其特征分布与类别都是未知的, 在缺少先验知识的情况下, 难以对人工智能模型进行充分的训练, 使得现有的大多数方法都无法很好地完成对未知雷达辐射源的识别。为了解决上述问题, 提出并阐述了可用于未知雷达辐射源识别的电磁大数据的解决方案, 重点研究了基于 Flink的未知雷达辐射源快速比对检索识别算法。通过对比实验证明了该方法的有效性, 其识别准确率可达 87.2%, 当并行度设置为 6时, 整个互信息与 K最近邻 (MI-KNN)并行化算法耗时仅为 4.7 s。

射频(RF)功率放大器是辐射源射频指纹特征产生的关键器件之一, 是射频指纹(RFF)产生机理和个体识别的重要突破口。设计一种功率放大器射频指纹提取实验方法, 利用时域射频独特原生属性(RF-DNA)方法成功提取了功率放大器的射频指纹, 并对RF-DNA指纹进行了可视化处理。研究结果表明, 功率放大器的射频指纹主要反映在幅度失真特性上, 利用瞬时幅度生成的时域RF-DNA指纹能够实现对放大器个体的分类, 在信噪比大于12 dB时, 分类正确率在91%以上。可视化后, 能直观观察RF-DNA指纹及不同功率放大器之间统计特征的相似性和差异性。

高能激光系统的主要工作方式是利用其精跟踪模块将发射激光传输聚焦至闭环跟踪条件下的目标上, 使之受到毁伤或失效。为实现该工作方式, 本文研究设计了一套共孔径光学收发装置。该装置的发射系统主要由离轴两反式主望远镜模块、伽利略透射式调焦望远镜模块和光束馈送模块共同组成二级扩束系统, 接收系统主要由离轴两反式主望远镜模块、精跟踪成像模块和光束馈送模块共同组成长焦距光学系统, 其中光束馈送模块由二向色镜、快速反射镜等光学元件组成。以非相干空间合束的基模高斯光作为激光光源, 利用光学设计软件对该装置进行了优化设计。对于发射系统, 获得了激光经过调焦望远镜模块不同的调焦量调制后, 传输至0.5~5 km处的光斑分布情况, 且激光波前像差RMS值均优于λ/20; 对于接收系统, 由各模块一同构成的成像光学系统的性能经优化后接近衍射极限, 其中系统传递函数在70 lp/mm时大于0.6, 最后通过样机实验也验证了设计的正确性。本文的设计和实验结果证实了该共孔径光学收发装置结构合理, 性能可靠, 满足高能激光系统的工程应用需求。