无线光通信具有频谱免授权、电磁兼容性好等许多与射频无线通信截然不同的优良性质，使其有望成为未来物联网差异化发展的重要技术驱动力。首先，从无线光通信的光源和光学器件出发，介绍了其基本原理和限制；接着，从信道建模、信号调制、阵列通信和高精度定位等角度探讨了无线光通信的若干关键技术；在此基础上，依据下一代物联网对峰值速率、感知精度、能量传输和安全保密等技术指标的需求，分析了无线光通信如何使能下一代物联网；最后进行了总结。

基于发光二极管（LED, light-emitting diode）的可见光多输入单输出（MISO, multi-input single-output）系统信道带宽往往受 LED 器件的非线性和其发光的非相干特性限制。在信号传输中使用预编码可以以较低的成本缓解这一限制，目前的研究多采用相同的编码方式对全部信道进行编码。提出了一种非对称的编码方式，在两发一收的可见光通信系统中的一路使用了非线性编码。该方法以编码信道的误码率为代价，扩展了未编码信道的动态范围。在误码率门限设置为 3.8×10^-3时，这一编码方式使得未编码信道较编码信道的动态范围扩大 30%。若同时使用非对称的前向纠错编码冗余，此种编码方式可以在维持两路信道正常通信的前提下灵活控制信道的动态范围，从而适应信道环境的变化。该研究将有利于室内多光源多输入可见光系统或水下可见光通信系统的研究。

无线光通信的信道环境复杂，易受雨、雪、雾等自然现象的影响，通常采用信道编码的方式纠正信道噪声引起的误码，信道编码有里德-所罗门（RS, Reed-Solomon）码、Turbo码、低密度奇偶校验（LDPC, low density parity check）码和极化码等多种类型。梳理了纠错码的发展脉络，总结了纠错码用于无线光通信的研究进展并进行对比分析，在此基础上介绍了西安理工大学在该领域的理论和实验研究进展，比较分析了 RS 码、Turbo 码、LDPC码在雨、雪、雾环境下的纠错特性。最后，指出了该领域未来可能的研究方向和挑战，为相关领域未来的发展和研究提供参考。

相比于传统无线射频通信，拍赫兹通信（PetaCom, petahertz communication）具有高速率、低时延和高确定性等显著优势，在工业物联网（IIoT, industrial internet of things）中可以发挥更大的应用潜力。然而，在实际场景中，面向IIoT的PetaCom仍存在链路不稳定和信号干扰等问题。从IIoT和PetaCom的基本概念出发，对面向IIoT的PetaCom进行了全面概述和总结，包括信道建模、物理层技术、用户组网、优势与挑战等方面，旨在为今后面向IIoT的PetaCom相关研究提供参考。

传统的资源分配方法难以满足智能网联环境下各种业务准确理解大量多媒体数据语义的需求。针对该挑战，以智能任务导向的车联网场景为例，首先，提出了两种面向语义通信的资源分配优化准则；然后，针对不同维度的资源，综述了面向语义通信的资源分配模型与算法；构建了面向语义通信的图像数据集，在车联网仿真场景下分析了所研究资源分配方法的性能优势；最后，给出了语义通信资源分配的未来挑战。

随着能量收集无线传感器网络在环境监测、工业自动化、战场侦察等实时通信场景的广泛应用，多址接入需要同时考虑数据分组严格的传输时限特性以及传感器节点的能量收集特性。由于节点互干扰、传输紧迫性及能量储存度等因素的固有耦合，此多址接入的设计和优化相比于仅需考虑数据分组到达特性的传统多址接入具有更大挑战性。首先，设计各节点接入行为依赖于全局传输紧迫性和剩余能量的集中式接入协议；然后，考虑集中式接入具有难以承受的控制开销，设计各节点接入概率仅依赖于本地传输紧迫性和剩余能量的分布式接入协议。以最大化网络吞吐率为优化目标，使用马尔可夫决策过程对集中式接入分别进行考虑所有数据分组信息的完整建模和仅考虑队首数据分组信息的简化建模，并基于逆向归纳算法求解两种建模的最优集中式策略；最后，使用分布式马尔可夫决策过程对分布式接入协议进行简化建模，并基于马尔可夫策略搜索方法提出ε-最优分布式策略。仿真结果验证了简化建模的有效性和所提出策略相较于其他策略的性能优越性。

为分析配电网中场域网（FAN, field area network）的健壮性和可靠性，提出了一种可量化的网络弹性表征和评估模型。经过分析，从网络连通性、鲁棒性、冗余性3个方面定义了可量化的弹性表征指标，然后通过3个弹性指标的加权和计算网络总弹性。通过模拟节点随机失效和恶意攻击，评估 FAN 的弹性性能；通过模拟测试单个节点故障，评估网络弹性受不同节点故障影响的差异，从而找到网络中弹性薄弱点。将该弹性表征和评估模型推广到一般网络拓扑，使用BA无标度网络和ER随机网络进行仿真实验，实验结果验证了该模型的普适性。

针对任务有完成截止时间要求的工业物联网系统，为了降低该类系统的总能源损耗，提出一种基于Sarsa算法的节能计算卸载方案。基于Sarsa算法的特点对能耗优化问题进行了解耦，由Sarsa算法进行外部状态值函数的迭代，选择合适的边缘计算服务器进行计算任务卸载，再由粒子群优化算法解决其中的资源分配问题，最后更新环境信息进行下一轮算法迭代，直至算法满足结束条件。仿真结果表明，本方案具有更快的收敛速度并且有效降低了系统能耗。

正交频分复用（OFDM, orthogonal frequency division multiplexing）是物联网的物理层关键技术之一，导频设计和信道估计是OFDM系统的关键问题。针对物联网通信场景复杂多样导致固定导频方案性能较差的问题，提出了一种基于图信号处理（GSP, graph signal processing）的导频设计和信道估计方法。首先，将时频资源块建模为图信号，将信道估计问题转换为图信号的采样重建问题。进而考虑时频双选衰落的影响，设计加权图邻接矩阵，构造基于时频位置的图拓扑结构。在此基础上，基于图信号采样理论优化导频位置，提出一种基于加权图拓扑构造的导频图案设计方法。同时，基于图信号重建方法进行信道信息重建，提出基于图平滑性约束的信道估计方案。仿真结果表明，所提方法相较于传统方案在双选信道的高速场景下可取得更高的信道估计精度，在低速场景下则可有效节约导频资源。

现有无人机集群的协同决策设计所依据的信息共享缺乏对无人机之间通信能力的合理假设。针对电量、载荷和路线约束下的无人机集群多目标救援问题，结合无人机飞行路线，考虑通信能力对无人机之间信息共享的限制。首先，将问题建模成部分可观测马尔可夫决策过程；然后，利用循环神经网络提出基于深度强化学习的能够适应通信拓扑结构不断变化的分布式救援策略。仿真结果表明，所提策略相较于其他策略在通信受限的情况下具有更佳的分布式救援性能，无人机数量和无人机通信能力需要依据救援场景进行联合设置方能达到无人机集群救援性能和使用成本的最佳折中。

考虑一个可充电无人机辅助的无线传感器网络，网络包含多个地面终端，每个终端需要传输大量具有时间敏感性的数据。由于电池容量有限，无人机无法通过单次飞行任务采集全部终端的数据，它需要多次返回充电桩补充能量。研究了无人机的终端调度、飞行轨迹、飞行速度与传输速率优化，在数据生命期内最大化采集的终端数量。变量之间高度耦合且存在离散的二进制变量，涉及的优化问题难以求解，故而提出基于随机优化和特征工程思想的算法求解该优化问题。首先，引入飞行—悬停通信协议降低轨迹优化的复杂度，然后创新性地提出基于影响因子和随机优选的通信调度算法。该算法通过提取终端上影响无人机服务时间的特征赋予终端优先级，计算出不同终端服务总数下的最优调度方案，从而把优化问题简化成多个求解最短耗时的子问题，并利用块坐标下降法和连续凸近似技术求得子问题的解。仿真结果表明，与几种基准策略相比，所提优化算法在不同数据生命期与不同请求服务终端总数的场景下都有显著的性能优势。

星地融合中继网络（ISTRN, integrated satellite-terrestrial relay network）是下一代无线通信系统的必要组成部分，对加快建成我国空天地一体化网络系统具有重要的现实意义。传统 ISTRN 架构大量的信令需要转发到地面控制中心进行处理，这增加了网络控制和管理的时延。提出了一种新型云雾计算架构，在地面接入和中心云之间构建分区域的边缘雾计算层，提高业务流管理和控制的灵活性。在该云雾网络框架下，设计了基于Q-learning的边缘计算卸载策略，以时延与能耗作为卸载性能的评价指标。仿真实验结果表明，与Min-min算法和回溯算法相比，基于Q-learning计算卸载算法的时延与能耗性能更优，且可以在时延与能耗的联合优化之间达成平衡。

挖掘网络中的关键节点在信息传播、病毒营销、舆论控制等的演进过程中发挥着巨大的作用，关键节点的识别可以有效地帮助控制网络攻击、检测金融风险、抑制病毒和谣言的传播、防止恐怖袭击等。为了突破现有节点影响力评估方法存在的算法复杂度高、准确度低以及评价指标内在作用机制评估角度片面的限制，提出了一种识别关键节点的综合影响力（CI, comprehensive influence）评估算法。该算法通过同时处理网络的局部和全局拓扑来对节点重要性进行排序，从多个角度整合网络属性信息，提供更全面的节点重要性度量。算法中的全局属性考虑的是邻居节点以及节点之间的最短距离，节点的信息熵用来表示节点的局部属性，通过一个参数来调整全局和局部属性的权重比。使用SIR（susceptible infected recovered）模型和Kendall相关系数作为评价标准，在不同规模的现实世界网络上进行实验分析，结果表明，所提出的方法能在识别关键节点方面优于介数中心性（BC, betweenness centrality）、接近中心性（CC, closeness centrality）、重力指数中心性（GIC, gravity index centrality）、全局结构模型（GSM, global structure model）等著名的启发式算法，并且具有更好的排序单调性、更稳定的度量结果，对网络拓扑的适应性更强，适用于绝大多数具有不同结构的真实网络。

药品生产日期和有效期是衡量药品安全性和有效性的重要指标。可立袋液体药品生产日期及有效期均由0～9的印刷体数字表示，医院对药品日期的识别需要满足快速准确的要求，常规的模板匹配法、神经网络识别法计算量大、训练复杂。提出了一种基于多特征提取的药品日期识别方法，通过欧拉数、横线特征、竖线特征3个特征结合对不同数字字符进行精细化特征提取，具有计算量小、识别速度快等优点，相对于单一提取特征进行识别的方法而言，能有效地将 10 个不同数字区别开来，尤其适用于易混淆的数字。可为病人提供安全用药保障的同时改善医务人员工作的管理模式，并提高工作效率，进而提升医院药学服务水平。