针对数据共享过程中身份泄露风险以及监管不足的问题，提出一种基于区块链的支持追踪与撤销的匿名数据共享方案。通过去中心化匿名凭证技术，对用户真实身份进行匿名性保护。结合沃克尔树和稀疏默克尔树两种数据结构，分别记录交易信息和存储证书信息，支持高效的验证和撤销操作，从而在确保身份隐私的前提下实现数据安全共享。安全分析与实验结果表明，所提方案能够有效保证用户身份隐私，实现高效的追踪与撤销机制，具有更高的处理效率和较强的安全性。
针对物联网用户任务处理期间面临的频谱资源短缺和安全问题，提出一种基于智能反射面(Intelligent Reflecting Surfaces, IRS)和人工噪声(Artificial Noise, AN)辅助共生无线电(Symbiotic Radio, SR)网络安全卸载方案。在满足次级用户安全通信需求、能量消耗等约束条件下，通过联合优化主发射机(Primary Transmitter, PT)的本地计算频率、发射功率、IRS的反射系数，以及全双工基站的发射和接收波束成形矢量，最大化主发射机的计算任务量。由于所构建的优化问题具有非凸性，采用分块迭代(Block Coordinate Descent, BCD)算法、半正定松弛(Semidefinite Relaxation, SDR)算法以及连续凸近似(Successive Convex Approximation, SCA)算法对其进行求解。仿真结果表明，与IRS随机相位方案和随机接收波束成形方案相比，所提方案使PT计算任务量分别提升了约4.1%和9.2%。
针对图像修复方法中修复图像分辨率过小导致使用场景受限的问题，提出一种注意力残差聚合的高分辨率图像修复算法。该算法通过生成器和判别器的协同作用，在生成器中使用带有注意力机制的聚合上下文转换块，使网络能够精准地聚焦于破损区域；在判别器中引入软掩码机制，有效模拟破损区域的边界，生成平滑的过渡效果，进一步提升修复图像的质量。实验结果表明，在CelebA-HQ人脸数据集和DIV2K+Flickr2K综合数据集上，所提算法的修复效果均优于其他对比方法，能够生成更加细腻的纹理和高质量的修复图像。
为提高髋部双能X线吸收法(Dual-energy X-ray Absorptiometry, DXA)图像中股骨的分割精度，提出一种双分支动态蛇形卷积网络的髋部DXA图像股骨分割方法。该方法基于经典U-Net网络，由动态蛇形卷积模块、注意力机制模块和多层感知机模块构成。利用动态蛇形卷积模块的可变形卷积自适应调整感受野，深入捕捉股骨边缘细节。采用多维度注意力融合的方式设计注意力机制模块，包含位置注意力模块、通道注意力模块以及坐标注意力模块，提升模型对关键信息的关注能力，减少无关特征干扰。结合局部图像块处理与全局信息协同的联动机制，通过多层感知机模块有效融合局部与全局特征，进而定位并识别股骨相关目标区域。实验结果表明，所提方法在验证数据集上与对比方法相比，Dice系数、召回率以及交并比分别最大提高了0.86%、0.93%和1.74%,Hausdorff距离最大降低了3.96%,细节与边缘特征捕捉方面更具优势，有效提升了髋部DXA图像股骨的分割精度。
为了解决低空网络空域资源短缺、无人机(Unmanned Aerial Vehicle, UAV)能源受限及动态环境下算法泛化性不足的核心难题，提出一种边缘计算赋能的低空网络中基于主动推理的联合优化算法。考虑一个多接入边缘计算(Multi-Access Edge Computing, MEC)赋能的低空网络场景，UAV配备传感器用于收集数据，边缘计算平台负责处理所有数据。在保证服务质量的同时，通过优化UAV感知时间和发送功率以最大化运营商的经济效益。由于系统的高度动态特性及变量间的紧密耦合，将问题重新建模为马尔可夫决策过程(Markov Decision Process, MDP),并采用基于主动推理的深度强化学习(Deep Reinforcement Learning, DRL)算法进行求解。实验结果表明，所提算法与感知时间随机算法及发送功率固定算法相比，经济效益平均提升了16%,总时延平均降低了23%,总能耗也显著低于对比算法。
针对水下图像普遍存在偏色、细节模糊以及现有网络模型推理速度较慢、复杂度较高等问题，提出一种信息熵自适应生成对抗网络(Generative Adversarial Networks,GAN)的水下图像增强方法。在GAN生成器中使用U-Net网络提取水下图像特征，并计算U-Net网络中各层的信息熵，根据预先设定的阈值自适应地选择参与细节特征增强模块训练的特征层。同时，利用去偏色模块对原始图像进行处理，采用特征提取模块提取去偏色后的图像特征。最后，通过细节特征增强模块完成特征融合，并利用判别器对重构增强的图像进行判别。实验结果表明，所提方法在峰值信噪比和结构相似度两个指标上分别达到21.92和0.95,较FUnIE-GAN方法提升了14.65%和3.51%。此外，在非参考指标水下图像质量度量和自然图像评价指标上，所提方法也表现出显著优势，验证了其在色彩校正、细节恢复和对比度提升方面的有效性。
为应对数字版权管理中恶意发布者的挑战，提出一种可撤销访问控制加密(Revocable Identity-based Access Control Encryption, RACE)方案。RACE结合结构保持签名、非交互式零知识证明和抗碰撞聚合器，通过可净化的身份基广播加密，确保合法发送方传输的密文经净化器处理后与原始密文格式一致。同时，引入撤销机制，通过更新密钥实现用户撤销与密文更新以增强系统的安全性。安全性分析表明，RACE满足“无读”和“无写”规则的安全要求。性能分析表明，RACE在增加安全功能的同时，实现了较低的计算和通信开销，其中解密阶段的计算开销较现有高效方案降低约12%,性能表现良好。
自由空间光(Free-Space Optical, FSO)通信在降雨环境中受到严重的链路衰减，为缓解衰减并提升通信性能，提出一种基于极限学习机(Extreme Learning Machine, ELM)与Adaboost算法相结合的降雨环境下FSO通信链路性能预测与优化模型。通过Mie理论建立降雨衰减的物理模型，分析不同的雨滴谱分布模型对激光通信的影响，构建以降雨强度、波长、雨滴谱类型和气压为输入的预测模型，实现衰减系数的高精度估计，进一步得到信噪比与误码率，并结合智能寻优算法，实现对工作波长、发射孔径和发射功率等关键参数的自适应调控，以优化通信性能。实验结果表明，所建模型对衰减预测的耗时仅为0.59 s,较传统Mie理论计算效率提升了近2 000倍；经参数优化后，在不同降雨场景下平均误码率降低了约5.98%～44.95%。
针对现有双向扫描链诊断技术由于硬件结构和测试向量行为特殊，难以直接兼容主流芯片测试体系、从而限制其工程应用的问题，提出一种面向现有DFT工具链的双向扫描链诊断流程优化方法。该方法通过设计双向扫描链全自动硬件插入模块、优化双向测试向量的排序策略，并实现与之匹配的诊断算法，在无需改变现有芯片测试体系的前提下显著提升了诊断效率。所提出的测试向量优化方法有效减少了冗余载出向量，使诊断所需时钟周期相比原方案缩短了43.49%。基于开源电路Dark-RISC-V的实验结果表明，与商用EDA工具中基于软件的扫描链诊断技术相比，所提方法在可诊断故障情形数量、诊断时间和诊断精度方面均具有明显优势，其中诊断时间减少约97%,诊断精度最高是对比算法的2.08倍。研究结果验证了所提双向扫描链诊断流程在工程实现上的可行性与有效性，为复杂集成电路的扫描链故障诊断提供了一种高效且可落地的解决方案。
针对电网负荷侧变压器在多工况运行下因无功补偿不足导致的功率因数低下、能耗增加问题，提出一种电网负荷侧变压器多工况无功节能优化方法。计算电网负荷侧变压器多工况无功节能优化参数，考虑多差异性进行寻优，确定变压器的开关操作允许上限，生成平衡约束式；进行负载与温升调整，考虑潮流约束关系计算优化潮流，对各个优化节点进行线性化近似处理；对负荷等级进行分类，融合流动特性结合近端优化算法构建电网负荷侧变压器多工况无功节能优化模型，计算此时的适应度，将目标函数映射到较大的取值空间中，判断约束条件，获取每个个体求解的变量值，完成电网负荷侧变压器多工况无功节能优化。实验结果表明，所提方法在轻载、中载、重载工况下可将功率因数分别提升至0.92、0.95、0.91,且电压波动率降至1.2%。所提方法能够显著提升变压器多工况下的无功优化能力与经济运行水平，为电力系统节能降耗提供有效技术支撑。