针对海洋时变中小尺度过程长期精细观测需求,研制了一种轻型长航程AUV。这种AUV的最大特征是借鉴了水下滑翔机的变浮力、重心可调执行机构,使得其具备海洋环境自适应能力,可在不同海水密度条件下实现零攻角高效航行。首先介绍了轻型长航程AUV的系统组成,讨论了这种可变浮力、可调重心AUV的航行控制系统设计;针对这种AUV新增的浮力和重心两个控制输入量间存在系统耦合的问题,开展了基于模型预测算法的零攻角定深航行控制器研究,着重阐述和推导了控制目标的修正、面向控制的动力学建模以及模型预测控制器的设计过程;最后通过仿真验证了所述方案和方法的可行性。该研究有利于提高轻型长航程AUV的航行效率,进一步提升AUV的续航能力。

探讨电力配电系统故障诊断与定位技术的研究进展及应用。通过综述现有文献和技术实践，分析了各种先进的故障诊断方法和定位策略，包括基于智能算法的数据分析、传感器网络监测以及故障模式识别等技术。重点讨论了这些技术在提高电力系统故障诊断精度和效率方面的应用潜力，以及在实际工程中的应用案例与挑战。研究表明，通过结合多种技术手段和工程实践经验，可以有效提升电力配电系统的故障诊断能力，为电力系统运行和维护管理提供重要的技术支持。

为实现多天线无线系统中感知和通信的一体化波形设计问题，提出一种基于加权优化的目标函数，在完成数据通信的同时，降低各天线波形之间的互相关性。利用梯度投影法设计了最优通信波形并作为初始迭代点，而后利用最大化最小化算法得到一体化波形设计结果。仿真结果表明，设计的一体化波形实现了通信性能和感知性能的权衡，可用于多天线感知通信一体化系统之中。

设计了一种基于尺寸渐变超表面的宽带高增益低剖面天线，该天线由双层超表面和一层微带缝隙组合而成。双层超表面由分别印刷在2个介质板上的尺寸渐变六边形阵列贴片组成,贴片之间存在非等距间隙。超表面单元尺寸渐变设计能够使天线产生多个邻近的谐振点，从而展宽带宽。通过改变超表面天线尺寸结构，分析天线的宽带辐射特性。为获得最佳宽带性能，采用遗传算法优化天线几何参数。制作并测试了一款边长为43.3mm，厚度为4.853mm的样本天线用于验证仿真结果。实测结果显示，该天线-10dB阻抗带宽达到了54%(3.99～6.93GHz)，最高增益达到12.05dB，在4～6GHz范围内增益保持在8dB以上。该天线实现了宽频带、高增益、低剖面的特点，适用于宽带高速率无线通信的诸多领域。

本文提出了下行多用户多天线系统中一种新的基于Tomlinson-Harashima预编码(THP)的低复杂度调度排序算法。该算法根据THP与误符号率的特点,将调度和排序结合在一起,有效降低了复杂度。仿真结果表明,本文提出的算法在平均误符号率性能上逼近贪婪调度best-first排序,而复杂度更低,在实际系统中有很好的应用价值。

为保证船舶舱室的通信质量，研究无线电波的传播特性显得尤为重要。本文将金属共形技术引入时域有限差分法，用于曲形舱室结构的电磁传播特性和信道建模分析。具体地，通过修正共形网格处磁场迭代方程的系数，减少FDTD方法在计算曲形物体时存在的阶梯近似误差。通过与CST软件场仿真结果对比，验证了该方法的正确性。接着，将该方法用于模拟大型船舶舱室环境中的超短波无线信道，并通过CLEAN算法对时域信号进行数据后处理，得到了舱室下多径分量的功率分布及簇的数目。仿真结果表明，该方法不用增大网格的剖分精度，仍可获得较高的计算精度，适用于不规则大型物体目标的电磁求解。

针对高斯滤波会使图像过度平滑及高低阈值选取的主观性影响传统的Canny边缘检测效果，提出一种基于改进Canny算子的边缘检测方法。该方法采用了改进的中值滤波，且依据图像的幅值梯度直方图特性得到自适应的高低阈值，再结合FPGA(现场可编程门阵列)高速并行处理数据和多级流水的特点，设计了一个基于硬件平台的实时边缘检测系统。实验结果表明，该系统实时性效果好，边缘的提取完整，阈值的选取具有自适应性。

本文研究了一种SAR雷达平面目标欺骗干扰回波信号产生的方法。为了得到平面目标欺骗干扰的数学模型。首先总结了SAR雷达点目标回波的数学模型,进而推广到了平面目标回波的数学模型,利用该回波模型即可模拟生成平面目标欺骗干扰回波信号。在仿真实验中,通过对比SAR雷达原始回波信号的成像结果和叠加了平面目标欺骗干扰信号后的成像结果,明显地可以看出后者成像结果中存在欺骗干扰,验证了本文中平面目标欺骗干扰回波信号产生方法的正确性。

对运动想象脑电信号的动力学模型进行了分析,将其分成两个阶段(强非线性的瞬态阶段和弱非线性的自由响应阶段),并构建了一种新的特征提取算法。首先通过起始点扫描的方式对脑电信号进行分割来获得自由响应阶段的脑电信号;然后针对自由响应阶段产生的脑电信号,引入振动多模态参数识别ITD(Ibrahim Time Domain)算法来提取特征组合成特征向量;最后利用Adaboost分类器进行自适应特征选择和分类。运用此方法对国际标准数据库The largest SCP data of Motor-Imagery中的CLA运动想象数据集进行特征提取和特征选择与分类,其平均分类准确率高达90%以上。与现有的特征提取算法相比,获得了更好的分类性能和稳定性。

针对信号带宽的增加所导致的数字预失真反馈回路的模数转换器(Analog-to-Digital Converter, ADC)采样率受限的问题,提出了基于带限分解向量旋转(Band Limited Decomposed Vector Rotation, BL-DVR)模型的数字预失真模型,从而更好地对宽带功放的非线性引起的带内失真与带外频谱扩展进行补偿。通过在DVR模型后添加数字有限长单位冲激响应(Finite Impulse Response, FIR)低通滤波器,对预失真信号进行带限,从而获得了更好的预失真效果。本文使用带宽为100MHz的5G新空口(New Radio, NR)信号作为激励信号,对中心频率为2.6GHz的SKY66317-11高效率功放进行数字预失真线性化实验。实验结果表明,预失真后的功放输出信号的误差向量幅度(Error Vector Magnitude, EVM)从3.69%降低到1.20%,邻信道功率比(Adjacent Channel Power Ratio, ACPR)在频率偏离±65MHz的位置分别改善了14.87dB与16.82dB。

基于门限值的能量检测是一种常用频谱感知技术,传统单门限能量检测方法不灵活且不准确。本文提出了一种基于双门限分簇自适应协作频谱感知算法。首先,基于噪声不确定性设置双门限值,在双门限值范围外进行硬判决,否则进行软判决。根据判决结果,基站将传感器节点划分为不同的簇。融合中心根据融合规则,设置分簇门限值,进行进一步频谱检测。仿真结果表明,该算法可以提高频谱感知的准确性,避免不必要的能量消耗。

为了检测观赏鱼类的行为及其健康状况，设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存，添加了新的视觉通用变换器BiFormer以提升计算效率，并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明：使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果，慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明，本文中设计的YOLOv8n-BiFormer模型具有通用性，在检测和追踪血鹦鹉和慈鲷目标方面均表现优异，消耗的计算资源较少，可部署在水族箱监控系统中，为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

为了检测观赏鱼类的行为及其健康状况，设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存，添加了新的视觉通用变换器BiFormer以提升计算效率，并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明：使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果，慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明，本文中设计的YOLOv8n-BiFormer模型具有通用性，在检测和追踪血鹦鹉和慈鲷目标方面均表现优异，消耗的计算资源较少，可部署在水族箱监控系统中，为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

为了提高水下图像的清晰度和对比度，恢复水下图像颜色特性，提出了一种基于非监督超分辨重构的方法(SR-CycleGAN)对水下图像进行增强。该方法采用超分辨网络和退化网络学习水下图像和陆地图像之间的跨域映射函数，使用相对平均判别器，增加了内容损失函数，并将SR-CycleGAN模型与4种传统的水下图像增强模型和5种基于深度学习的模型，在同一数据集上进行增强效果比较。结果表明：本文中构建的SR-CycleGAN模型得到了最高的PSNR值(20.277)和SSIM值(0.727),与SESS-CycleGAN模型相比，PSNR和SSIM值分别提高了5.9%、13.9%,与FEATURE FUSION-CycleGAN模型相比分别提高了13.8%、71.8%,与BM-CycleGAN模型相比分别提高了5.1%、1.1%;对7类海洋生物进行识别，经过SR-CycleGAN模型增强后图像的识别准确率提高了48%。研究表明，本文中提出的SR-CycleGAN模型在校正水下图像颜色失真的同时还增强了图像清晰度，在海洋生物水下图像识别中具有一定的实用性。

利用基本粒子群算法对移动无线传感网络覆盖进行优化时，存在容易陷入局部最优问题,网络覆盖率不能达到全局最大最优值。本文从粒子群算提出了两种优化方法，一方面从算法权重自适应进行优化，另一方面从算法的粒子位置速度更新加入干扰分子进行优化。经MATLAB工具仿真，结果表明优化前后移动无线传感网络覆盖率增加6%以上，有一定的应用价值。

为了精准预测水产养殖过程中最重要的两个环境参数溶解氧和氨氮,针对预测模型需要解决的有效影响因子确定、预测算法和网络结构优化等问题,将Levenberg-Marquardt（LM）神经网络、遗传算法（genetic algorithm, GA）和主成分分析（PCA）算法相结合,提出一种基于GA-LM-PCA的水产养殖环境溶解氧和氨氮含量预测模型,即采用PCA确定影响因素,实现影响因素的去耦合降维,采用遗传算法对网络结构进行优化,确定合适的隐层节点数目和权值,采用LM训练神经网络,提高神经网络的收敛速度。为了验证GA-LM-PCA的预测效果,将GA-LM-PCA的预测效果与未用PCA方法的GA-LM预测模型进行了试验比较,并探讨了影响因素数量对预测效果的影响。结果表明:用GA-LM-PCA方法预测的溶解氧和氨氮值与实测值吻合较好,平均绝对误差和均方根误差分别为0.004 7、1.872 7×10-4（溶解氧）和0.006 5、9.428 7×10-4（氨氮）,适用于影响因素数量较多的场合。研究表明,GA-LM-PCA是一种有效的水产养殖环境溶解氧和氨氮预测工具,尤其对于影响因素复杂繁多的非线性系统效果更好。

本文探讨了基于智能算法对机构进行优化设计时应注意的内容，同时也说明了如何用实验验证优化结果。通过简单举例介绍了如何对机构结构、参数和性能进行分析，在保持机构稳定性和可靠性的前提下提出了一种新的优化方案。基于智能算法对于机构设计的改进和优化具有重要意义，为智能算法的应用提供了实证基础。

为了解决车辆组合导航算法开发验证过程中周期长、人力物力投入大的问题，满足车辆日益增长的高精度定位需求，使用C语言和Matlab平台搭建了一套组合导航仿真评价系统，基于误差状态卡尔曼滤波融合INS、GNSS、车辆轮速信息，并辅以车辆运动约束，实现车辆的连续准确定位；可以一键式进行算法仿真并进行精度评价，相比于传统验证评价手段将验证周期缩短近20倍，同时大大节省人力物力成本。通过对实车采集的多传感器数据进行处理，验证了所设计算法和仿真评价系统的性能。

水力发电站是一种重要的可再生能源利用方式，但在发电过程中面临一定的调度与优化问题。为了提高水力发电站运行效果并充分利用储能设备，本文提出了一种考虑储能设备的水力发电站发电仿真模型。首先，根据水力发电原理与储能设备特点，建立了水力发电站的数学运行模型；其次，采用优化算法对模型进行优化，从而得到最佳的发电策略；最后，通过仿真实验验证了所建模型的有效性。研究结果表明，在储能设备辅助下，水力发电站的运行效率及能源利用率得到了有效提升，为水力发电站的运行管理和优化提供了有价值的参考。

在汽车自动驾驶中，环境变更对其影响十分重要，不仅需要保证定位的精准度，还需要解决在线定位跳变问题。本文从自动驾驶激光雷达定位技术出发，以LIDAR技术为例，对基于融合地图的定位算法进行了分析，通过融合在线地图与离线地图来自动识别环境更新区域，帮助自动驾驶车辆及时识别环境，实现高精度定位，提高自动驾驶安全性。