在车辆到基础设施（V2I）通信中，毫米波波束宽度窄、设备移动性高，有效的毫米波波束选择是一项关键而又富有挑战性的任务。针对波束搜索过程开销大的问题，文章提出了一种基于雷达和位置信息的毫米波波束选择算法。所提算法使用Top-k分类度量在激光雷达数据和波束跟踪通道数据集上训练神经网络结构，并且使用全局上下文网络（GCNet）模型预测最佳波束对。仿真结果表明，所提算法性能在分类识别准确率上有明显提升，与此同时，仅需搜索5个波束便能接近穷举搜索的性能，大大减少了波束搜索开销。

在**空中目标识别领域，由于样本数量缺失，现有人工智能算法无法完成准确识别。文章利用已有足量辅助域图像辅助少样本应用域进行跨域目标识别，解决因标签缺失与样本稀疏导致的识别模型泛化能力不强及性能不佳问题。文章提出一种基于深层-浅层双流学习图模型（D-SLGM）的跨域目标识别算法。首先，提出一种深层-浅层双流特征提取算法，解决无监督少样本条件下特征表示困难的问题；同时，提出一种基于图模型的特征融合算法，实现特征间高精度融合；基于融合后的特征训练识别模型，提升算法的泛化能力。使用自建空中目标数据集，设计三种应用场景。实验结果表明，D-SLGM平均识别准确率均值达到78.2%，优于对比方法，在实际空中目标识别应用中具有较大潜力。

针对新入网模拟氡观测仪（人工）校准方式选择，按照JJG825—2013测氡仪国家计量检定规程，采用循环法、真空法和流气法三种校准方式进行实验和不确定度评定分析，获得适合新入网地震水氡观测仪校准的校准方法。结果表明：循环法校准闪烁室探测效率最高，影响因素较少，且适合人工和数字测氡仪的校准；真空法校准存在管路气体稀释标准氡气和气压平衡影响，造成真空法采样效率偏低，活度响应（R）偏大；流气法校准由于不断向闪烁室内充入新的氡气，影响闪烁室内氡气的动态稳定，且校准期间充氡气未排本底，造成活度响应（R）偏大且误差偏大。因此，从各项指标上比较，循环法比较适合新入网地震水氡观测仪校准，可为其他新入网水氡仪和气氡仪的校准提供参考。