天地一体化信息网络是科技强国的重要标志，根据国家整体规划，到 2030 年将建成全球覆盖、按需服务、随域接入、安全可信的信息网络，服务国防建设和社会发展。空间激光通信是实现信息高速传输和保密安全的重要手段，将在构建天地一体化网络中发挥重要作用。首先从概念内涵与系统架构、研究现状与发展趋势、总体目标与主要难点3个方面介绍了天地一体化网络，然后总结了空间激光通信的概念和特点、研究现状和发展趋势，以期为我国天地一体化信息网络的构建提供有益参考。

用于生物医疗成像的传统高分辨率光学显微镜由于复杂的光学透镜系统导致高成本、不便携。为了实现小型化成像检测，基于CMOS图像传感芯片与微流控集成的无透镜微流控片上成像系统近年来发展迅速，是解决小型化显微成像检测的重要方法。综述了无透镜微流控片上成像系统的结构、成像原理、存在的问题与改进的方法，主要包括阴影成像系统、全息成像系统、荧光成像系统以及彩色成像系统等，分析了无透镜微流控片上成像系统的不足和可能的发展方向。

随着智能交通的发展，自动驾驶、智能车载交互、安全预警等新型车载应用不断涌现，独立车辆依靠自身有限的计算资源难以运行这些种类繁多且具有大量计算需求和时延需求的应用。雾计算通过将计算任务分布在网络边缘的设备中，运用虚拟化、分布式计算和并行计算技术，使用户能够按需动态地获取计算能力、存储空间等服务。将雾计算架构应用于车联网能够有效缓解计算量大、低时延车载应用与车辆有限且不均的资源分布之间的矛盾。从分析车—车通信、车—基础设施通信以及车辆时延容忍网络通信的信道容量入手，建立车联网异构接入的多业务资源优化模型，通过联合调度各类车联雾资源，实现智能交通应用的高效处理。仿真结果表明，所提出的强化学习算法能够有效地应对异构车联雾架构下的资源优化。

环境反向散射通信技术具有低功耗和低成本的特征，是支撑无源物联网的核心使能技术之一。首先介绍了环境反向散射通信技术的基本概念和国内外研究现状，然后在深入分析环境反向散射通信技术与RFID技术区别的基础上，详细描述了环境反向散射通信系统面临的技术难点，包括检测时延长、误码率高、传输速率低以及通信距离短，进而提出了一系列潜在的解决方法，最后对环境反向散射通信的未来研究方向进行了展望。

面向海量数据造成的频谱短缺问题，以共享为解决手段，研究了运营商如何合理利用感知频谱传输数据。考虑物联网设备的局限性，设计了超密集认知异构网络架构，基于流量需求和感知开销设计了最优的接入控制和感知决策方法，以实现网络效用最大化。考虑感知频谱的不确定性，将最优规划方案建模成混合整数随机优化问题，并提出了数据驱动下基于统计特征的概率顽健求解方法，在可用带宽概率分布未知的情况下，统计满足各种服务请求的数据传输要求。

利用无人机组建空中移动基站，可为地面终端用户提供更灵活、高效的接入服务。受无人机覆盖范围和有限能量的约束，研究如何建立快速、高效、节能的空地协同网络至关重要，无人机需要根据复杂动态场景进行最优覆盖部署，同时要减少部署过程中的路径损耗和能量消耗。基于深度强化学习提出了无人机自主部署和能效优化策略，建立无人机覆盖状态集合，以能效作为奖励函数，利用深度神经网络和Q-learning引导无人机自主决策，部署最佳位置。仿真结果表明，该方法的部署时间能够有效减少60%，能耗可降低10%~20%。

随着物联网时代的到来，万物互联的传输模式引发数据量爆炸式增长，给传统路由协议带来了严峻挑战。阐述了在数据量急剧增长的情况下，已有路由协议的局限性，并将路由选择问题重新建模为马尔可夫决策过程。在此基础上，采用深度强化学习方法为每项数据传输任务选择下一跳路由器，从而在避免数据堵塞的前提下尽可能缩短数据传输路径长度。仿真结果表明，所提方法能够显著降低数据堵塞概率，增大网络吞吐量。

移动边缘计算通过在数据源端执行通信和计算操作，缩减了物联网业务的传输和处理时延。然而，针对大量的物联网设备连接数，海量碎片化的数据同时汇聚在边缘计算平台，会显著地增加前传链路的流量负载和边缘服务器的计算负荷。为了应对这一挑战，基于多样化的物联网应用需求，通过最优化设备传输的选择控制，设计了一种任务协同迁移策略，以实现时延约束下的系统最小能量消耗。在缺少信道状态完美先验信息的条件下，提出了一种基于深度增强学习的资源管理算法，以较低的复杂度获得了最优的任务卸载决策。仿真结果表明，与随机的传输选择策略相比，所提出的算法能够显著地降低系统的能量消耗，并且满足任务的服务时延。

差分跳频技术克服了传统跳频抗跟踪干扰能力较弱的问题。G函数算法决定了差分跳频序列的性能，也直接影响差分跳频系统的性能。然而随着无线系统的复杂化，如大容量的差分跳频系统，传统序列的应用受到严重挑战。因此，为了提升系统的安全性，提出了一种基于混合加密算法的 G 函数构造，证明了加密算法和 G 函数的等价性并分析了混合算法的安全性。仿真结果表明，新的G函数生成的序列性能优异，可以大幅度提升系统性能。

移动边缘计算作为新架构赋予了边缘端更强的计算、存储和通信能力，但是需要合理的激励机制来提高边缘端用户提供资源的主动性。针对移动智能边缘计算的三大典型应用场景即计算卸载、边缘缓存和数据收集，首先对不同应用场景下的激励机制进行研究，然后从服务质量、网络质量和数据质量3个角度提出了移动智能边缘计算激励机制设计所要解决的核心科学问题，最后深入分析了解决以上问题所面临的技术挑战，并给出了对应的具体解决方案。

车联网（IoV，Internet of vehicle）技术是智能交通中的热点研究课题，智能数据传输新方法的研究是IoV的重要技术之一。针对IoV的智能数据传输问题，考虑了车辆密度、车辆速度、数据传输速率和数据传输时延等重要参数，构建了IoV网络模型和时延函数，提出了基于马尔可夫决策理论的数据传输最优路由方法。通过同类方法的对比分析，验证了本路由策略具有数据传输速率更高和数据传输时延更短的性能，对基于IoV的智能交通中的动态远程监控等多种应用具有重要的理论意义和实用价值。

面向物联网高密度、大连接和差异性服务质量的移动通信网络优化具有重要的研究意义。在此条件下，移动通信网络优化是一种多参数的、针对高计算成本函数的复杂优化问题，基于计算图的移动通信网络覆盖质量评估的计算方式，为运算的并行化提供依据，进而基于计算图获得了覆盖质量指标的梯度计算方式，利用基于反向传播获取的梯度信息指导基站天线工作参数的优化，并引入动量法加速了优化问题的收敛速度。仿真结果表明，本算法适用于移动通信网络的覆盖优化计算。

目前制造业整体信息化水平参差不齐，普遍存在工厂设备智能化程度低、系统封闭无法互联互通等问题。首先利用窄带物联网低功耗等特性，灵活部署传感设备，实现生产数据的实时采集和传输，然后建设基于蜂窝工业物联网的制造执行系统，实现“人、机、料、法、环”信息的闭环处理，进一步对贯穿整个生产流程的工业大数据进行建模、分析和处理，降低运维成本，提高生产效率和产品质量，最后对应用整体效益进行评估，使工厂产能得到有效提升。