针对高频工作时功率晶体管效率降低引起等离子体光源发光效率减小的问题, 设计一种基于氮化镓(Gallium Nitride, GaN)高电子迁移率晶体管的高效率F类功率放大器。采用输出匹配网络、寄生补偿网络和谐波控制电路合并为一体的输出网络结构, 考虑GaN晶体管的输出电容、引线电感和漏源电容等寄生参数, 理论分析谐波的输出网络阻抗, 并结合仿真计算对输入输出电路进行匹配和设计, 最终完成放大器的加工和测试。实验结果表明, 当输入功率为33.7 dBm时, 功率放大器在915 MHz下实现了80.1%的漏极效率, 输出功率为240.8 W, 增益为20.1 dB, 验证了所设计方法的有效性。设计的功率放大器对提高等离子体光源的发光效率和降低热能管理成本具有较为实用的价值。

频谱兼容波形利用多段离散寂静带宽合成大带宽, 在满足带宽要求的同时有效对抗频域密集干扰。为了抑制频谱兼容波形的峰值旁瓣水平, 提出一种低峰值旁瓣频谱兼容波形设计方案。所提方案综合考虑波形的自相关峰值旁瓣性能和抗干扰性能, 构建加权目标函数。在波形恒模约束下, 该问题为非确定多项式难(non-deterministic polynomial-hard, NP-hard)问题。为此, 首先利用指数对数平滑技术逼近目标函数, 进而提出基于快速傅里叶变换的共轭梯度(conjugate gradient method based on fast Fourier transformation, CGFFT)法求解该问题。此外, 波形设计中需要根据性能指标要求选择合适的加权值, 为此提出一种加权值自适应确定方法, 最后通过数值仿真验证了所提方法的有效性。

辐射源系统特有的非线性可用于辐射源指纹识别(radio frequency fingerprinting, RFF)。特别地，基于非线性动力学重构相空间(reconstructed phase space, RPS)的特征对线性信道具有天然优势，且对细微差异更加敏感。然而，该方法在非理想场景中同样面临着鲁棒性不足的问题。为此, 分析非线性动力学基础与其对应的RFF机理, 结合实际非理想应用场景完善了相关理论模型; 在此基础上，构造相空间K阶状态转移矩阵, 提出通过表征K阶状态转移矩阵的特性来提取RFF特征的方法, 并通过理论证明其鲁棒性。基于多种实测和仿真数据在随机扰动、多径衰落等场景下进行细致实验, 结果表明所提方法特征机理清晰、计算简单, 在多种场景下均表现出明显的鲁棒性优势, 具有较高的应用价值。

随着遥感技术的不断发展, 超大规模红外探测器组件逐渐被应用在对地观测领域, 由此带来对信息获取技术的新要求: 同时处理上百抽头信号的获取、调理、采样、量化以及信号预处理, 并且每抽头读出频率高达10 MHz以上。针对新型大规模红外探测器应用场景, 设计基于现场可编程门阵列(field-programmable gate array, FPGA)和专用集成电路(application specific integrated circuit, ASIC)的灵巧型高集成度大规模红外信息获取电子学架构, 采用可扩展模块化设计。单个信息获取模块可采集64路信号, 当每路模数转换(analog to digital, AD)的采样率为每秒百万采样数(mega samples per second, MSPS)为12(即12 MSPS)时, 单通道模块最大数据率不低于12 Gbps, 实现了超大规模红外探测器信息获取、处理和传输的一体化, 解决超大规模红外探测器高速、低噪声信息获取难题, 提高红外相机的集成度。应用在红外相机上的测试结果表明, 红外相机能同时采集超过64通道的探测器信号, 每通道AD转换率为12 MSPS, 峰值数据率为12.288 Gbps, 电路噪声小于0.2 mV(rms), 系统噪声小于0.6 mV(rms)。

针对用于辐射源信号识别的神经网络存在参数冗余、运算量庞大的问题, 提出一种基于注意力图剪枝的辐射源信号识别方法。所提方法利用一阶梯度与特征激活值的乘积来衡量基准网络卷积核的效用值, 并将效用值低的卷积核去除。为避免剪枝后子网络的信号识别性能下降, 所提方法在微调训练阶段引入注意力图知识损失, 并构建联合损失函数, 将基准网络的特征提取能力迁移至子网络。实验结果表明, 对基准网络进行剪枝后, 子网络的信号识别准确率仅下降0.07%, 网络参数量下降48.7%, 运算量下降80.1%，验证了所提方法在保证信号识别准确率的前提下有效地实现了网络轻量化。

当前, 针对无线电引信的信息型干扰因效率较高、效果显著而受到广泛的关注。为保证无线电引信在战场上稳定发挥毁伤效能, 抗信息型干扰技术成为无线电引信抗干扰领域的研究热点。以引信抗干扰需求作为引入, 从单模态、多模态和认知技术3个方面来阐述无线电引信抗信息型干扰的研究现状。现有的抗信息型干扰手段存在分辨率恶化、信号处理方法不适用等诸多问题, 结合频控阵-多输入多输出(frequency diverse array-multiple-input multiple-output, FDA-MIMO)技术独特的“S”形弯曲阵列方向图, 从测向欺骗、低截获点状波束形成和抗主瓣干扰3个方面对FDA-MIMO技术抗干扰方法进行综述, 并对每一种方法进行评述。最后, 对基于FDA-MIMO的无线电近炸引信抗信息型干扰技术进行了展望。

雷达协同抗干扰决策过程中奖励存在稀疏性，导致强化学习算法难以收敛，协同训练困难。为解决该问题, 提出一种分层多智能体深度确定性策略梯度(hierarchical multi-agent deep deterministic policy gradient, H-MADDPG)算法, 通过稀疏奖励的累积提升训练过程的收敛性能, 引入哈佛结构思想分别存储多智能体的训练经验以消除经验回放混乱问题。在2部和4部雷达组网仿真中, 在某种强干扰条件下, 雷达探测成功率比多智能体深度确定性梯度(multi-agent deep deterministic policy gradient, MADDPG)算法分别提高了15%和30%。

间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)是一种基于欠采样原理的有源相干干扰技术。传统抗ISRJ的波形优化方法存在求解复杂度高、损害传统波形性能等缺陷。基于此，提出一种抗ISRJ的脉内自适应凹陷波形设计方法。首先, 利用干扰时域采样不连续特性, 对原始线性调频(linear frequency modulation, LFM)波形的时域包络进行凹陷设计。随后, 对设计的凹陷位置进行脉内自适应时移寻优, 最终得到具有抗ISRJ效果的波形。所提方法无需复杂的迭代优化, 在不损失原始LFM性能的同时, 能有效利用回波脉压峰值的差异性对ISRJ进行抑制。仿真结果表明, 所设计的波形干扰抑制性能较传统方法有显著提升。

大掠射角下海面目标信号往往淹没在强海杂波中, 给雷达导引头目标检测带来了严峻的挑战。为改善大掠射角下雷达检测微弱目标性能, 提出一种基于多特征融合的海面目标检测方法。首先, 通过分析大掠射角下雷达导引头实测数据, 发现海杂波和舰船在展开相位差均值、同极化比相位均值和极差、同极化幅均比4个幅相极化特征方面存在较大差异。其次, 结合支持向量机方法, 与已有特征集对比, 验证了海杂波与舰船目标+海杂波在该四维特征空间可分性更高。进而, 对分类器加以虚警控制, 提出一种幅相特征融合的海面目标检测方法。最后, 利用实验数据验证了所提方法可以在大掠射角下实现雷达对海面目标的有效检测。

针对窄带雷达对短时观测回波(echoes from short-term observation, ESTO)序列特征识别性能较低且易受诱饵干扰的问题, 基于最大边缘高斯混合分布(maximum-margin Gaussian mixture distribution, MGMD)空间提出一种空中目标识别方法。首先, 构建MGMD空间, 对库内类别预设类中心, 将每个类别中心之间的距离最大化, 并且类中心对应MGMD的均值。其次, 构建包含特征注意力机制的深度网络, 将ESTO序列映射至MGMD空间。然后, 通过训练使每类深度特征服从于MGMD, 从而使其边缘最大化, 以此提升模型的分类泛化性能和对诱饵的鉴别能力。实验结果表明, 所提方法能够有效提升窄带雷达对目标ESTO序列的分类性能和对诱饵目标的鉴别能力。

为提高频控阵-多输入多输出(frequency diverse array multiple-input and multiple-output, FDA-MIMO) 雷达系统的抗干扰能力, 提出一种基于双子脉冲模式的FDA-MIMO雷达接收滤波器-发射频偏联合优化设计方法。在传统脉冲的基础上, 引入双子脉冲发射模式并建立相关信号模型。在此基础上, 建立以最大信干噪比(signal-to -interference-plus-noise ratio, SINR)为准则的接收滤波器-发射频偏联合优化问题。为了得到最优的接收-发射滤波器设计方案, 引入一种迭代优化算法，将该优化问题拆分为接收滤波器优化和发射频偏优化两个独立的子问题。为进一步完成对发射频偏的设计, 将其转化为关于发射导向矢量的设计问题, 采用半正定松弛和随机方法，并通过发射导向矢量和频偏的数学关系获得频偏的最终设计方案。最后, 通过仿真实验验证了所提双子脉冲FDA-MIMO雷达模式和接收滤波器-发射频偏联合优化设计方法对提高雷达系统抗干扰能力的有效性。

雷达作为海上目标监测和识别的重要手段, 海上目标运动特征精细化描述与分类是其关键技术。基于深度学习的卷积网络分类方法不依赖于模型, 但仍难以适应复杂多变的海洋环境、多样性海上目标, 泛化能力有限。将卷积注意力机制模块(convolutional block attention module, CBAM)融入Swin-Transformer网络, 并基于迁移学习(transfer learning, TL)策略, 提出一种兼顾舰船目标和低空旋翼飞行目标的海上微动目标分类方法(简称为TL-CBAM-Swin-Transformer), 提升多种观测条件下的模型分类适应能力。首先, 建立海上微动目标模型, 并基于3种雷达实测数据构建海面非匀速平动、三轴转动、直升机、固定翼无人机的微动时频数据集。然后, 设计TL-CBAM-Swin-Transformer网络, CBAM从通道维和空间维提取特征, 提高其小尺度中多头注意力信息的提取能力。实测数据验证结果表明, 相比Swin-Transformer，所提网络的分类准确度提升3.43%。采用TL法, 将所提网络在ImageNet数据上进行预训练, 将智能像素处理(intelligent pixel processing, IPIX)雷达微动目标作为源域进行预训练，并迁移至科学与工业研究委员会(Council for Scientific and Industrial Research, CSIR)雷达微动目标, 分类概率达97.9%, 将直升机旋翼作为源域进行预训练并迁移至固定翼无人机, 分类概率达98.8%, 验证了所提算法具有较强的泛化能力。

针对阵列在同波束内同时接收到多个雷达信号、造成时域混叠, 难以进行信号检测与参数测量, 进而导致信号调制类型识别困难的问题, 提出一种基于盲源分离结合奇异谱分析的雷达多分量信号识别方法。首先, 利用奇异谱分析对接收到的阵列信号进行降噪处理, 再使用盲源分离方法对混叠的多分量信号进行分离；然后，对分离信号进行时频变换，得到信号时频图；最后，将时频图作为深度学习网络的输入, 对信号进行识别。仿真结果表明, 在5 dB下, 所提方法对同波束内接收的多分量信号的平均识别率达到92.67%, 有较好的识别效果。

针对无人作战飞机经济寿命设计中存在的理论模型支撑不足、缺乏面向产品寿命周期的成本设计方法等问题, 提出无人作战飞机经济寿命正向设计理念和优化模型。构建一种混合整数规划的选型模型, 以辅助决策无人作战飞机系统各模块的选型方案和系统寿命设计, 使系统在单位使用时间内的平均寿命周期成本达到最优。通过模拟算例, 将经济寿命概念模型应用于无人作战飞机系统选型阶段, 开展无人作战飞机经济寿命正向设计并求解经济寿命选型模型。算例分析结果表明，所提优化模型使无人作战飞机的经济寿命比机体结构的设计寿命减少1/5, 提升其寿命周期的经济使用效益, 验证所提模型的实用性。

深空环境(深冷、极高温和强辐射等)严重影响星载器件的性能及可靠性, 影响深空探测航天器安全运行。锗硅(SiGe)器件主要适用于低温和强辐射环境, 碳化硅(SiC)和氮化镓(GaN)半导体是适用于所有极端环境的理想器件。极高温环境下, 器件封装材料服役可靠性成为星载半导体器件进一步发展的巨大挑战。梳理国内外关于硅(Si)、绝缘体上硅(SOI)、SiGe、GaN和SiC器件以及器件封装材料在上述极端环境下的可靠性研究。针对上述半导体器件和封装材料的特点做出了服役环境总结以及使用建议。

混合战争是现代战争理论中的热点研究主题, 其目的是通过军事手段和非军事手段开展全面性的地缘斗争。然而, 当前的混合战争研究大多关注于定性理论分析, 缺乏客观、定量的混合战争体系建模描述方法。结合混合战争的战略对抗本质, 提出一种基于多层网络的混合战争体系建模方法, 构建混合战争体系的多层网络模型, 并研究了战略手段在多层网络模型中的影响的扩散方式。最后, 在混合战争案例上进行建模和推演, 验证所提建模方法的有效性。研究成果具有重要的理论价值和现实意义, 可推动基于网络科学的混合战争体系定量化分析研究, 为面向混合战争威胁的国防策略提供战略参考。

为了高效规划无人机执行飞机表面视觉检查任务时的飞行路径, 提出一种基于自适应混合采样策略的覆盖路径规划算法, 通过视点生成、视点筛选和覆盖路径规划求解无人机最优检查路径。首先, 基于待检查飞机模型进行视线最优采样和自适应补充采样, 生成冗余视点集合。然后, 采用一种基于动态加权启发式的图搜索算法, 搜索并选择一组提供增量覆盖的有效视点。最后, 在原Lin-Kernighan启发式(Lin-Kernighan heuristic, LKH)算法中设计了路径碰撞检测模块, 并通过改进后的LKH算法求解无人机无碰撞检查路径。仿真实验结果表明, 所提算法在两种不同场景下规划出的无人机检查路径最大飞机表面覆盖率分别为93.44%和96.44%, 在路径长度、视点数量和算法耗费时间方面均优于其他对比算法。

随着船舶自动识别系统(automatic identification system, AIS)的发展, 利用船舶轨迹数据进行聚类分析已成为海洋交通管理和船舶行为分析的关键环节。然而, 现有基于轨迹点的聚类方法未能充分考虑轨迹时序性, 而以整条轨迹为聚类对象则易导致计算效率低和忽视局部信息。针对上述问题, 提出一种基于改进TRACLUS算法的船舶行为分析框架, 使用Hausdorff距离计算轨迹相似性度。所提框架分为3个部分: 基于特征点的轨迹划分, 将整条轨迹进行分段，以考虑轨迹公共子轨迹; 轨迹段聚类, 采用基于密度的聚类算法对轨迹段进行聚类, 形成轨迹簇; 代表性轨迹提取, 使用扫描线方法在轨迹簇中识别出具有相似行为模式的路径。利用港口数据作为数据集, 结果表明改进的聚类算法相比原轨迹聚类(trajectory clustering, TRACLUS)算法在效果和运行效率上均有提升, 能有效提取研究区域内的船舶整体运动趋势和局部相似航行行为。

现代炮兵具有机动作战、快打快撤的特点, 依据炮位侦察雷达的定位对其反击难以直接命中。为此, 提出一种基于火炮转移路径预测的无人机集群反炮兵搜索路径规划方法, 通过预测火炮射击后的转移路径, 提高无人机集群对其发现与打击的效能。建立战场环境与作战要素模型, 提出作战状态与地貌环境适宜度概念。通过炮兵作战Markov状态模型, 结合作战状态与地貌环境适宜度进行火炮转移路径预测。同时, 基于滚动时域优化构建无人机集群搜索路径规划算法, 通过目标函数中新设计的预期收益项, 解决稀疏信息素分布下的搜索路径寻优问题。仿真结果表明, 所提方法能够有效利用战场信息, 预测蓝方炮兵可能的转移路径。相较于对比方法, 所提方法在搜索与打击任务中的效能与稳定性均具有一定优势, 为后续的实际应用提供基础。

为适应具有体系化、智能化特征的未来战争的需要, 杀伤链/网建模与分析已成为军事领域的研究热点, 对特定作战场景下杀伤链/网的定量评估将为作战效能提升提供重要参考。本文以美导弹防御体系为主要研究对象, 开展基于杀伤网评估的体系效能分析。首先, 基于不同时期美导弹防御体系的典型作战场景, 区分层内节点能力与层间节点关系, 构建基于复杂网络理论的杀伤网模型。其次, 提出冗余性、风险性、有效性作为衡量杀伤网的3个定量评价指标, 给出3个指标的具体含义及计算步骤。而后, 给出针对不同作战场景的杀伤网评估仿真算例。最后, 结合计算结果给出体系优化的建议, 验证所提方法的可行性。所提方法可为杀伤网的建模与分析提供有益的参考。

针对传统的目标威胁评估往往只面向单种类目标的问题, 从体系角度构建目标威胁评估指标体系, 并提出一种基于区间层次分析(interval analytic hierarchy process, IAHP)法-指标相关性的权重确定(criteria importance through inter-criteria correlation, CRITIC)法-折衷解备选方案排序(measurement alternatives and ranking according to compromise solution, MARCOS)法的体系目标威胁评估方法。首先, 利用IAHP和CRITIC分别计算出各项指标的主、客观权重。在此基础上, 利用最小信息鉴别原理进行组合赋权, 以此避免单独赋权的缺陷。然后, 基于MARCOS计算各个目标威胁值, 并进行威胁排序。最后, 通过仿真实例对比分析采用灰色关联分析(grey relational analysis, GRA)、逼近理想解排序法(technique for order preference by similarity to ideal solution, TOPSIS)、GRA-TOPSIS以及MARCOS得出的目标威胁排序结果, 验证所提方法的科学性和有效性。

针对复杂环境下态势动态变化、信息获取渠道受阻导致难以确保任务完成的问题, 开展面向复杂场景不确定性的任务规划技术研究。在分析任务方案内容的基础上, 提出灵活动态、细粒度分配的任务规划方法, 建立通用的层次式任务规划模型, 重点解决任务方案难以适应场景变化、不确定性因素发生时无法满足任务需求的问题, 提升在复杂场景下任务规划的有效性。通过仿真验证, 层次式任务规划方法能够提升70%的任务规划效率, 同时优化了资源利用率。

为有效评价飞机硬着陆这一典型不利飞行状态的安全风险, 提出考虑多元耦合交互作用的飞机硬着陆风险综合评价方法。对预处理后的机载快速存取记录器(quick access recorder, QAR)数据开展相关性分析, 选取下降率、垂直加速度、攻角等6个飞行参数作为硬着陆风险研究因素, 通过分析其可视化曲线的数据特征提出着陆风险系数计算方法。采用融合专家主观经验的梯形模糊-决策试验和评价试验法确定耦合权重并对风险系数进行优化, 构建正常着陆与硬着陆航段的综合云模型。以20 000个航段的飞行数据实现数值分析, 证明所提方法将着陆区间QAR数据准确映射至风险评价空间, 融入风险权重的方法在硬着陆航段的识别性能上提升显著。

针对无人机编队对行为未知动态障碍物的规避问题, 提出一种基于动态障碍物可达包络分析的无人机编队路径规划方法。首先, 建立无人机编队运动模型, 并利用领航-跟随法维持期望的编队构形。其次, 考虑到动态障碍物运动状态的不确定性, 建立含有不确定因素的非线性运动模型, 并通过状态转移张量法得到不确定因素的协方差传递方程, 进而计算出预测时域内障碍物的可达包络。最后, 对障碍物可达包络建立势场模型, 利用人工势场法实现无人机编队避障飞行。对比仿真实验结果表明, 所提方法能够在线一次性给出行为未知动态障碍物的可达包络, 并有效解决无人机编队在避开动态障碍物时出现的路径绕远等问题。

有人/无人机协同是目前无人机空战发展的趋势, 智能决策是实现有人机与无人机协同打击的关键。高动态战场环境、非对称作战任务和异构多源协同体系, 导致无人机自主能力和实时性较差, 策略训练困难, 是有人/无人机协同打击研究的难点。基于有人/无人机协同的忠诚僚机方案, 设计典型的有人/无人机协同打击样式, 提出一种基于改进多智能体双延迟深度确定性(multi-agent twin delayed deep deterministic, MATD3)策略梯度算法的强化学习方法。首先, 设计基于MATD3策略梯度算法、课程学习(curriculum learning, CL)的协同机动决策训练框架和基于迁移学习的预训练(pre-train, PT)策略, 解决有人/无人机协同打击策略训练困难的问题。其次, 建立面向有人/无人机协同机动的多机协同奖励函数和状态空间。最后, 结合设计的搭载六自由度仿真模型的数字仿真推演平台, 验证训练得到的打击策略具有高效的打击和生存能力, 能够指导未来有人/无人机协同打击作战的实际应用。

针对室内复杂应用场景下行人定位精度低的问题, 提出一种基于惯性导航系统/超宽带(inertial navigation system/ultra-wide band, INS/UWB)紧组合定位方法。以脚部运动的一个步态周期为基本搜索单元, 通过行人脚部运动分析, 利用z轴角速度信息实现行人复合运动下的精确零速检测, 进一步利用零速校正(zero velocity update, ZUPT)抑制惯性解算累积误差。同时, 考虑UWB测距精度受非视距(non-line-of-sight, NLOS)影响问题, 利用反向传播神经网络自适应学习方法建立NLOS误差模型并据此对UWB测距误差进行补偿。实验结果表明, 在室内复杂应用场景下，所提INS/UWB紧组合算法定位误差为0.19 m, 相比未进行ZUPT和NLOS误差补偿的INS/UWB紧组合定位方法，定位精度提高84.6%。

针对柔性单连杆机械臂执行器由于执行器老化、磨损等原因产生偏移故障的问题, 提出一种迟滞量化器和事件触发机制相结合的自适应边界容错控制。首先, 采用带有未知参数的迟滞量化器量化控制输入信号。其次, 构造一种静态事件触发机制, 降低输入信号资源的消耗。进而, 基于改进的Lyapunov直接法设计自适应边界容错控制律及参数更新律。最后, 仿真结果表明, 所提控制算法是可行的。在通信约束和扰动下, 与传统的自适应方法相比, 所提控制方法可以获得更好的姿态跟踪效果, 同时能够以较低的计算负荷实现系统的稳定性。

为实现地磁导航在弹体制导中的高精度应用, 提出一种弹体磁化场解算模型。采用四面体单元对弹体模型进行剖分离散, 通过求和每个离散单元对测量点的磁感应强度, 进而计算弹体周围任何位置的磁感应强度。球壳解析模型计算结果和弹体模型的ANSYS (analysis systems)仿真实验表明, 弹体磁化场解算模型相对误差分别为0.42%和0.55%。弹体缩比模型野外试验结果表明, 测量点的测量值和计算值变化趋势的相对误差为1.09%。通过3种方式验证了弹体磁化场解算模型能够高精度测量弹体周围任何位置的磁感应强度, 表明解算模型的有效性和可行性, 具有较高的工程实际价值。

重力匹配导航技术是一种水下无源导航定位手段, 考虑到潜航器在航行时不能进行大角度转向或频繁转向, 给出一种整体适配性较好的可导航区域航路规划算法，所提算法的目的在于使得规划路径一直位于重力可导航区域内。所提算法设计一种基于方位角判断和障碍物分类的子节点优化方案，给出一种基于Floyd算法的路径双向平滑方法，优化引入重力复杂度权重的评价函数。实验结果表明, 所提方法可以为潜航器提供安全、有效的规划航路。

为了正确识别相关噪声下采用低密度奇偶校验码和高阶调制的无线通信系统的信道编码参数, 在已知候选码率集合和相应奇偶校验矩阵的假定下, 提出两种基于深度学习的码率半盲识别算法。所提神经网络由降噪子网络和码率识别子网络构成, 降噪子网络设计实数降噪子网络和复数降噪子网络。相比于实数降噪子网络, 复数降噪子网络以高复杂度为代价，获得更好的处理复信号的能力。进一步, 为了降低复数降噪子网络的复杂度, 提出一种基于网络剪枝技术的网络压缩算法。仿真实验结果表明, 通过使用联合优化降噪损失函数和码率识别损失函数的多任务学习策略: 一方面, 在相关噪声下提出的神经网络比传统算法具有更好的识别性能；另一方面, 当利用网络压缩算法将基于复数降噪子网络识别算法的复杂度降低到与基于实数降噪的子网络识别算法的复杂度相近时, 其性能仍优于基于实数降噪子网络的识别算法。

针对低轨卫星网络出现节点故障而导致延迟升高、无法保证报文可靠传输等问题, 提出一种基于改进萤火虫算法(improved firefly algorithm, IFA)的路由优化方法。首先, 为及时调整报文转发路径以绕过故障节点, 建立了基于路径可靠性的路由模型, 可全面评估路径质量。其次, 为应对卫星网络频繁的路由请求, 提高搜索到最优路径的成功率, 提出IFA求解路由模型。基于Levy飞行优化萤火虫种群初始化方法, 并依据萤火虫的年龄自适应调整光吸收系数和随机步长因子, 以提升算法收敛速度。同时, 混合遗传算法设计萤火虫交配阶段, 以提升算法探索解空间的能力。仿真结果表明, 在节点故障情况下, 该方法可规划有效最短路径, 显著降低网络的端到端延迟和丢包率, 并实现流量的负载均衡。

随着人工智能技术的不断进步, 智能干扰严重威胁了无线信号的传输, 传统抗干扰算法应对能力不足。基于上述问题, 以强化学习算法为基础, 引入隐式对手建模技术, 将干扰智能体策略隐式编码于神经网络输入中, 经神经网络决策决定通信频点。针对智能干扰策略的非平稳特性, 监测收益趋势识别干扰策略是否切换, 并提出策略重构技术, 利用多尺度窗口检测经验失效起始点, 摒弃失效经验, 同时重置学习率以加速神经网络的收敛速度。实验结果表明, 在相对收敛阶段, 所提方法的传输成功率相比于深度Q网络抗干扰方法提高25%以上。

针对格上属性基加密方案中存在的运算效率低、访问策略表达能力不够灵活、不具备撤销功能的问题, 提出一种格上高效表达且可撤销的密文策略属性基加密方案。在环上带误差学习困难问题下, 采用小策略矩阵和更高基数的采样算法降低了方案的累计误差, 提升了运算效率。将线性秘密共享技术和环上带误差学习困难问题结合，实现了访问策略的高效灵活表达; 此外, 在该访问策略下加入直接撤销, 使方案在具有高效表达性的同时, 也具备了用户撤销功能。所提方案在环上带误差学习困难问题下可以抵抗选择性明文攻击。实验仿真比较结果表明了所提方案的有效性和实用性。

为缓解去中心化联邦学习中不同终端节点数据异构带来的负面影响, 在提升系统异步兼容性的同时降低整体通信开销, 提出一种基于掩码位置图的去中心化联邦学习算法。具体地, 设计一种不对称的掩码更新方案。通过逐渐提升稀疏度, 将掩码范数与训练程度绑定, 同时使用可信任的稀疏联邦聚合, 在有效利用稀疏梯度的同时保障系统的安全性。其次, 设计动态掩码社区分割算法, 将梯度掩码与社区分割结合, 可有效利用全网梯度之间的相似性, 主动选择相似聚合目标, 提升模型性能。进一步, 在网络结构上将模型层与掩码层分离, 可降低算力异构对系统可拓展性的影响。最后, 设计一种单线程、可同时模拟数据异构、算力异构与终端节点异步的实验方案。实验结果表明, 与现有相关方法相比, 所提算法在两种数据集与严苛异步条件设置下均可维持高准确率, 并且将通信开销降低了14%~21%。