针对电力物联网智能终端有限的存储、计算和通信资源，现有运行管理算法大多偏重于降低节点功耗，导致终端安全抗捕获的性能受限。为在保障电力物联网终端节点运行性能的同时提升抗物理捕获攻击能力，提出一种轻量级密钥管理方案。通过集中器节点部署增加管控中央区域，形成了一种新型的双层网格部署模型。基于新结构提出一种双阶段的密钥信息分配算法。各阶段根据各子区域节点数目设置 Blom矩阵空间的安全阈值，大幅提高了电力信息网络连通性和抗捕获性能。仿真结果证明，当被捕获终端比例为 5.5%时，该方案对应的通信链路失效概率较t-UKP和 SPECC方案最大降低 63%和 68%。

由于不规则复杂狭小空间微小渗漏难以测量，急需一种便于安装、痕量级测量、快速应答、精准定位的在线监测系统。本文设计了一种基于 Visual Basic(VB)的泄漏在线监测系统，总节点以 XC6SLX16-3CSG324I为主控芯片，子节点以 STM32F103C8T6为硬件电路的主控芯片，微系统(MEMS)金属氧化物传感器 Ccs811、Bmp180、Si7021构成数据采集电路。采集电路采用柔性电路技术，以适应狭小空间贴装，便于监测；被测泄露工质可以是纯粹的气体或含有某些挥发性物质的液态。实验结果表明，该系统可实现非接触式测量、快速传感、精确定位，并可测量到挥发性有机化合物(VOC)气体浓度为 ppb量级，实现痕量级渗漏测量。

针对多模式合成孔径雷达(SAR)成像处理中存在的计算效率不足问题，提出了一种基于GPU的多模式SAR统一成像并行加速方法。为充分利用GPU 的显存资源，提高算法的运算效率，利用共享内存对矩阵转置、矩阵相乘等部分进行大规模数据并行计算。实验结果表明，该算法大幅度提升了多模式SAR 成像的计算效率，最高加速比达到55.62，解决了GPU 显存空间利用率较低的问题。

针对气体泄漏声波信号降噪的问题，提出一种集合小波包分析(WPA)与变分模态分解(VMD)相结合的降噪方法。通过小波包变换对信号的噪声进行预处理；利用 VMD对去除噪声的信号进行分解，得到所有的本征模函数(IMF)分量，并根据相关系数准则判断有效 IMF；最后提取有效成分并进行信号重构。对本文方法进行验证，结果表明，本文方法能够有效剔除气体泄漏信号中包含的各种噪声，降噪后信噪比为 15.485 1，均方根误差为 0.028，为后续信号分析减少了干扰，也为气体泄漏声波信号的特征提取与分析提供了新的思路。

新一代数字电视地面广播传输演进标准 (DTMB-A)是国标数字电视地面广播信号 (DTMB)演进的新一代标准，具有带宽大、抗多径能力强等优点，可作为一种新型的外辐射源雷达机会照射源。本文阐述了 DTMB-A信号模糊函数特性，详细分析了其帧内及帧间模糊副峰的形成机理，分析结果表明 DTMB-A信号中确定性重复结构(同步信道、保护间隔等)是造成模糊副峰的主要因素。对此，提出一种基于非均匀采样的模糊副峰抑制方法。该方法具有计算复杂度低、易于并行实现等优点。仿真结果证明所提方法能够将 DTMB-A模糊函数修正为理想的图钉型，验证了该方法的有效性，为基于 DTMB-A信号的外辐射源雷达目标探测研究提供了方法。

乳腺癌是全球女性发病率位居首位的恶性肿瘤，研究基于神经网络模型的乳腺癌诊断预测方法的目的是将临床与机器学习相结合，有助于医疗工作者更加快速准确地判断出患病与否，同时解决现有模型中存在的过拟合以及漏诊率和误诊率过高的问题，并提高预测模型的准确率。本文采用加州大学欧文分校(UCI)数据集，共 669个样本，其中包含 357个良性样本和 212个恶性肿瘤样本，共计 10个特征训练预测模型。将 10个神经网络模型采用 Adaboost方法相结合，即通过 Adaboost算法组合多个弱分类器从而形成一个强分类器，最终输出一个具有更高准确率、有较强的自学习能力、自适应能力且泛化性能优良的集成预测模型。结论表明，该模型的预测准确率达到 98.5507%，同时准确率(AUC)为 0.9966，说明所建模型区分度较好，可以反映模型的诊断价值，且非常稳定，具有非常好的验证效果，为临床应用提供进一步的技术支持和保障。

针对医学超声图像的分辨率低而导致视觉效果差的问题，使用基于神经网络的图像超分辨率(SR)重建方法提升医学超声图像的分辨率。采用针对自然图像超分辨率重建的生成对抗网络(SRGAN)作为基本方法，通过减少 2个输入通道和删除 1个残差块对该网络的结构进行更改，并且改进网络损失函数，新增模糊处理数据集，使该网络适应医学超声图像所具备的灰度图像、散斑纹理单一等特点，从而重建出放大 4倍的边缘清晰没有伪影的医学超声图像。将改进 SRGAN与原始 SRGAN的结果相比，峰值信噪比(PSNR)和结构相似性(SSIM)分别有 1.792 dB和 3.907%的提升; 与传统双立方插值的结果相比，PSNR和 SSIM分别有 2.172 dB和 8.732%的提升。

为克服传统自适应遗传算法易出现未成熟收敛的问题，提出一种新型基于种群多样性的自适应遗传算法。解决未成熟收敛问题的关键是避免算法在寻找到最优解前种群多样性的丧失。为适应进化过程中种群多样性的变化，提出了包含方差因子和种群熵因子的交叉概率和变异概率公式。根据种群收敛情况相应地调整交叉概率及变异概率，在不破坏种群优良基因模式的同时保持种群的多样性。通过标准函数测试与已有算法进行对比，结果表明，所提算法相较于已有算法，在保证收敛精确度的同时提高了收敛速度，有效克服了“早熟”等问题。

群组行为识别是对个体的共同行为进行识别。群组行为与群组状态密不可分，也与群组内个体时空特征息息相关，时空信息既能描述空间语义信息，更能反映行为的动态变化情况。针对有效精细的时空特征提取问题，本文提出了一种基于注意力机制和深度时空信息的群组行为识别方法。首先将 ShuffleAttention引入双流特征提取网络中，有效提取个体外观和运动信息。其次使用改进 Non-Local网络提取深度时序信息。最后将个体特征送到图卷积网络中进行空间交互信息建模，得到群组行为识别结果。在 CAD和 CAED数据集上的准确率达到了 93.6%和 97.8%，在 CAD数据集上与凝聚群组搜索算法(CCS)和成员关系图 (ARG)方法相比，准确率提高了 1.2%和 2.6%，这表明本文方法能有效提取深度时空特征，提升群组行为识别准确率。

一阶逼近格林瓦尔-莱特尼科夫(G-L)加权系数的计算具有准确快速的递推公式，而高阶逼近鲁比希加权系数的求解则复杂度高，计算消耗时间长。本文通过傅里叶变换证明了鲁比希算子的逼近阶，并基于移位鲁比希算子提出一类四阶逼近的加权移位鲁比希差分(WSLD)算子。从数字信号处理角度分析 WSLD算子滤波特性，设计基于 WSLD算子的分数阶数字 FIR微分滤波器并进行数值仿真验证。对比 Al-Alaoui、鲁比希 2种典型分数阶算子，结果表明，利用 WSLD算子求解分数阶数字 FIR滤波器滤波系数的算法简单、高效，且相对其他算子能有效减小吉布斯效应影响。