为解决分布式相位敏感光时域反射计系统现有事件识别方法对于相似振动信号识别困难这一问题，提出了一种基于多尺度特征融合的相似信号识别方法。在该方法中，原始信号首先通过经验模态分解和小波包分解被分解为不同频率范围内的子信号。随后，分别提取原始信号和子信号的时频特征和近似熵特征，并利用主成分分析法对所提取的特征进行融合。最后，通过构建一个6层轻量反向传播（BP）神经网络分类器，训练分类模型并利用测试集验证模型分类度。该方法对小车经过和行走等相似信号的识别准确率可分别达到98.5%和98.0%，对于敲击和摇晃差异性大的信号的识别准确率可达100%。相比于直接从原始信号中提取特征并结合时频图的卷积神经网络方式，所提方法的综合识别准确率分别提高了8.4%与9.0%，相似信号的识别准确率分别提高了13.5%与12.4%。结果表明，该方法在保证差异性大的信号的高识别准确率的基础上，显著提高了相似信号的识别准确率，对于拓展分布式光纤传感的应用范围有重要的价值。

在对图像位移进行测量时，不同亚像素位移迭代算法的性能不同，将反向组合对角近似算法和反向组合Dog-Leg算法用于数字图像相关法并进行位移测量，同时对反向组合Levenberg-Marquardt算法的参数更新策略进行简化，以反向组合高斯牛顿（IC-GN）法作为对比，通过模拟散斑图像和真实散斑图像的压缩变形实验，对3种算法的性能进行对比，并进行相应的评估。实验结果表明：在模拟散斑实验中，各个算法在收敛速度、收敛频率和计算速度上各有不同；在真实实验下，小变形实验得到与IC-GN法相似的精度，大变形实验得到的收敛半径更大。

为探究近红外波段下气溶胶粒子的散射特性，基于离散偶极子近似法，对黑碳和硫酸盐气溶胶内混合核壳结构粒子及同种气溶胶粒子的2种假设结构的光学散射特性进行研究。编译构建以黑碳为核、硫酸铵为壳的核壳结构粒子模型，模拟计算特定入射方向的入射波长（875、1020、1640、2000 nm）下粒子的消光效率因子、散射效率因子、吸收效率因子、不对称因子及单次散射反照率随有效粒径的变化。数值计算结果表明：在同一入射波长下，随着有效粒径的增大，单核核壳粒子、二核团簇粒子、三核团簇粒子的消光、散射、吸收效率因子主要呈先增后减趋势，且3种粒子的散射、消光效率因子相差不超过10%。随着核粒子数增加，粒子结构半径增大，效率因子峰值后移。在4个波长下，多核团簇粒子的不对称因子平均比单核核壳粒子大0.1777、0.1960、0.2900和0.3131，而2种多核粒子的不对称因子平均仅相差0.096。在有效粒径相同的情况下，单核核壳粒子的单次散射反照率基本高于多核粒子，波长越大差异越明显。该研究结果可对复杂大气环境下气溶胶粒子的光学散射特性、污染物及气候效应监测等领域的分析提供一定的参考价值。

随着云计算、物联网和人工智能等技术的快速发展, 终端设备在硬件资源和能耗上面临巨大挑战。为了降低运算单元的功耗, 文章提出了两种基于新型4-1压缩器的低功耗近似乘法器。通过分析4-1压缩器的误差, 设计了误差补偿单元并应用在乘法器中, 降低了近似乘法器的精度损失。仿真结果显示, 与精确乘法器相比, 提出的两种8位无符号数近似乘法器在延时上分别降低了5.67%和18.23%, 在面积上分别降低了6.54%和20.36%, 在功耗上分别降低了15.83%和30.94%。最后, 在图像锐化实验中, 提出的设计表现优秀, 验证了其在可容错应用中的有效性。

提出了一种基于静态分段补偿方法的近似乘法器。通过基于静态分段方法的Booth编码方法生成部分积阵列, 并对生成的部分积阵列进行误差补偿优化以及近似压缩, 以实现硬件性能和精度的折中。仿真结果显示, 相比于综合工具生成的全精度乘法器, 本设计在保持了较高精度水平的前提下, 面积和功耗优化的比例达到了36.96%和35.95%。在图片边缘检测应用中, 设计的峰值信噪比和结构相似性指标分别为26.10和98%, 可见本设计在降低硬件资源消耗的同时, 应用效果接近全精度乘法器。

提出了一种面向可容错应用的低功耗SRAM架构。通过对输入数据进行预编码，提出的SRAM架构实现了以较小的精度损失降低SRAM电路功耗。设计了一种单端的8管SRAM单元。该8管单元采用读缓冲结构，提升了读稳定性。采用打破反馈环技术，提升了写能力。以该8管单元作为存储单元的近似SRAM电路能够在超低压下稳定工作。在40 nm CMOS工艺下对电路进行仿真。结果表明，该8管单元具有良好的稳定性和极低的功耗。因此，以该8管单元作为存储单元的近似SRAM电路具有非常低的功耗。在0.5 V电源电压和相同工作频率下，该近似SRAM电路的功耗比采用传统6管单元的SRAM电路功耗降低了59.86%。

红外探测系统具有隐蔽性好、抗干扰能力强等特点，广泛应用于**和民用领域，红外弱小目标的检测是红外探测系统中的重要组成部分，已成为了当前的研究热点。近年来，学者们在基于低秩稀疏分解的红外弱小目标检测算法研究方面取得了丰硕的成果，为此，重点阐述了基于低秩稀疏分解的红外弱小目标检测算法的研究现状和研究进展。从背景分量约束、目标分量约束和联合时域信息约束等3个方面详细地综述了基于低秩稀疏分解的红外弱小目标检测算法。首先把背景分量约束划分为块图像的低秩约束、张量的低秩约束和全变分约束，其次从目标的稀疏性表示和融合局部先验的目标分量加权策略两方面分析了目标分量的约束，然后分析了联合时域信息约束，将典型的基于低秩稀疏分解的检测算法和单帧检测算法进行了性能对比，最后讨论了该领域下一步的研究方向。