针对宽频段压制干扰威胁以及频谱资源与通信抗干扰能力之间的固有矛盾，提出在扩谱抗干扰基础上增加统计域维度的方法，推动通信抗干扰由“硬抗”向“容扰”转变。盲源分离抗干扰技术利用通信信号和干扰信号的统计特性差异进行信号分离，可在不增加频谱资源条件下提高通信抗干扰能力。为认识和完善盲源分离抗干扰从理论算法到工程实践的发展过程，阐述盲源分离通信抗干扰技术的基本原理，重点介绍多通道盲源分离、单通道盲源分离等关键技术，分析盲源分离通信抗干扰技术的主要特点和存在的问题，最后指出该领域的发展重点。

针对现有基于干扰认知的无线通信抗干扰方法难以有效应对未知干扰和智能干扰的问题，构建了一种基于多智能超表面的动态异构冗余信道抗干扰模型，为利用信道资源抵抗未知干扰提供基础。在此基础上，提出了一种基于多智能超表面优化与选择的信道空间内生抗干扰方法。所提方法由多智能超表面优化和多智能超表面选择两步组成，首先，对发射波束、智能超表面反射系数和接收波束等参数进行解耦，并在交替优化的框架下推导了各参数的最优闭式解；然后，采用贪婪算法选择最优智能超表面用于通信，以获得最佳抗干扰性能；最后，分析了所提方法的收敛性和计算复杂度。理论分析与仿真结果表明，所提方法能够有效抵抗不确定性干扰的影响。

尽管多元 LDPC 码纠错性能优异且能抗突发错误，但高译码复杂度仍制约了其实际应用。在其经典的FHT-QSPA译码中，快速哈达玛变换（FHT）及其逆变换（IFHT）是校验节点更新的主要瓶颈。基于此，提出了基于系统型MDS码的编码分布式FHT方案。该方案在主节点上将信道概率建模为矩阵并对其进行切分，再编码生成冗余子矩阵；其后，将所有子矩阵卸载到从节点并行执行FHT和IFHT，然后将计算结果传回主节点并完成最终译码。编码冗余的嵌入克服了节点掉队问题，稳定地提升了变换效率，从而加速了整个译码过程。与先前的编码矩阵乘法方案相比，所提方案编码复杂度更低、译码恢复数值精度更高，并保持了高效蝶形运算结构，降低了从节点计算复杂度。耗时对比和译码性能分析表明，所提方案相比传统单节点FHT方案快了约3.8倍，大幅提升了FHT-QSPA译码效率，且没有译码性能损失。

为解决传统单因子认证造成的数据泄露和身份冒充等问题，针对文化资源可信共享提出基于区块链的多因子身份认证方案。考虑多种身份因素，利用区块链分布式账本的不可篡改性和分布性构造异构数字身份模型。通过非对称加密算法和异或运算，实现异构数字身份的可信复用和多元主体的快速认证。安全分析和仿真结果表明，所提方案在安全性和效率方面优于已有的多因子认证方案，能有效降低身份认证成本。

针对无线链路和数据分布的异构性导致在FEEL训练中很难实现无线通信和模型精度的最佳权衡的问题，提出了一种智能反射面（RIS）赋能的空中联邦边缘学习系统，其利用智能反射面的信道可重构性自适应地配置信号传播环境，并利用空中计算实现联邦边缘学习模型的快速聚合。具体来说，首先刻画无线信道和数据异构影响下的联邦优化算法收敛行为，并以此构造统一的无线资源优化问题，通过联合设计收发端波束成形方案和RIS相移来优化学习性能。仿真结果验证了所提方案的有效性，并证明RIS可以在数据异构前提下提高空中联邦边缘学习系统准确性。最后，探讨了其在车联网中应用的可能性。

全景视频平面编码失真和球域感知失真不同域使主客观质量评价不一致，进而损失编码性能。此外，独立率失真优化技术没有考虑球域失真的时域依赖性对编码的影响，编码性能还有提升空间。针对上述问题，提出一种空-时域依赖的球域失真模型以优化全景视频编码。首先，提出一种球域失真到编码失真的空域映射模型，使主客观质量评价趋近一致；然后，提出一种球域失真时域传播模型，以提升传播链上所有编码单元的整体编码性能；最后，计算球域失真空域映射权重和时域传播权重来调整编码参数。实验结果表明，在低延时编码配置下，相较于通用视频编码基准VTM14.0，所提算法有平均7.4%（最高达22.1%）的码率节省和9%的编码时间节省。

为了增强感兴趣区域（RoI）的特征表达，包括空间网格特征编码模块和软回归损失，提出了一种基于原始点云网格自注意力机制的三维目标检测方法GT3D。网格特征编码模块用于通过自注意力机制对点的局部特征和空间特征进行有效加权，充分考虑点云之间的几何关系，以提供更准确的特征表达；软回归损失用于改善数据标注过程中由于标注不准确而产生的回归歧义问题。将所提方法在公开的三维目标检测数据集KITTI上进行实验。结果表明，所提方法相比其他已公开的基于点云的三维目标检测方法检测准确率提升明显，并提交了KITTI官方测试集进行公开测试，对简单、中等和困难 3 个难度等级的汽车检测准确率分别达到 91.45%、82.76%和79.74%。

针对广义频分复用（GFDM）系统在实际应用中仍然面临着带外功率泄漏和峰均功率比较高的问题，通过深入分析频谱预编码GFDM系统功率谱特性，构建了一种基于加权分数傅里叶变换（WFRFT）的通用频谱预编码（SP）框架，提出了二维参数可调的WFRFT-SP-GFDM系统。通过参数的灵活配置，可使该WFRFT频谱预编码器逼近加权分数傅里叶变换矩阵，实现对带外功率和峰均功率比的精确控制。仿真结果表明，与 GFDM 和WFRFT-GFDM波形相比，WFRFT-SP-GFDM波形可以有效抑制系统带外功率泄漏，同时保持较好的峰均功率比和误码率性能。

针对软件定义网络（SDN）设备被动响应式插入流表项导致表项空间占用和资源调度频繁的问题，提出了一种基于业务功能的多粒度数据流管理算法（MgdFlow）。通过延迟排序和多重聚合与分流，减少了流表项插入的数目和调度指令的次数。实验数据表明，所提算法在负载均衡性能方面比自适应两级流表提升18%，在平均表项占用方面比传统OpenFlow方案提升9%，在定义的控制器调度资源比率ImproveQoS方面比2种对比方案提升24%和12%。

为缓解当前无线系统的频谱稀缺和容量限制，引入太赫兹频段并以可重构智能反射面（RIS）进行辅助通信构建一个下行链路车载网络。考虑系统总功率有限约束、蜂窝移动用户服务质量约束、车辆和用户位置随机性约束，以最大化车辆用户总速率建立最优功率分配和RIS最佳部署的混合优化模型。基于平衡法、线性变换法和消元法将原NP-hard问题转化为具有复相关约束多变量耦合的凸优化问题，内层迭代基于拉格朗日乘子法求解最优功率分配，外层迭代基于改进式遗传算法求解RIS最佳部署。仿真结果表明，基于最优功率分配下合理部署RIS节点个数与分布密度能在获得较高目标总容量的同时节约成本。

针对无蜂窝大规模多输入多输出（CF-mMIMO）网络中用户如何选择接入点的问题，提出了一种基于信道排序的较差用户优先接入策略。首先，用户进行信道感知后对其信道质量和稳定性进行评估和排序，用户按照信道状态信息的顺序依次选择合适的接入点；其次，考虑到用户的能耗与数据安全等问题，采用联邦学习框架以增强用户的数据隐私安全，并提出一种基于能耗优化的交替优化变量算法，对多维变量进行优化，使系统总能耗最小化。仿真结果表明，相较于传统的大规模MIMO中用户为中心的接入策略，所提接入策略可使用户平均上行可达速率提升20%，信道较差用户的上行速率可提升2倍；在能耗优化方面，优化后的总能耗可降低50%以上。

面向无线缓存网络的内容分发场景，设计了一种两阶段自适应非正交/正交多址接入传输方案。针对该方案，提出了一种高可靠性用户调度策略，并通过理论分析得出了中断概率的解析表达式及其高信噪比下渐近表达式。分析结果表明，该策略可获得满空间分集增益。仿真结果表明，与基于瞬时信道状态信息的调度策略、随机调度策略以及传统的正交多址接入传输策略相比，所提策略可通过获取空间分集增益，实现优于现有策略的内容分发可靠性。

卫星编队飞行队形相对稳定，可有效支撑确定性传输，但其队形控制需要较大的实时计算开销，且不支持多业务的灵活部署。为此，基于广泛部署的低轨星座，提出了虚拟卫星编队方案，通过选取合适的卫星构建编队来实现时敏业务的确定性传输。首先，阐述了虚拟卫星编队的设计理念，分析了基于低轨星座设计编队的挑战和性能需求。然后，通过刻画星间链路的生存时间与距离变化率属性，构建编队节点选择模型，针对时敏业务需求设计虚拟卫星编队选择算法。最后，基于STK和Exata搭建卫星网络场景进行仿真验证，实验结果表明，所提方案能为时敏业务提供与卫星编队飞行相同的性能指标，且具有更灵活的业务部署能力。

为解决5G移动数据流量激增和新型网络应用不断涌现给网络运维造成巨大压力的问题，设计并实现一个面向5G核心网用户面的流量调度系统，包含网络状态信息感知子系统和路由决策子系统。在网络状态信息感知子系统中，传统带内网络遥测方法带宽开销高，而且不是专门为无线网络系统设计的，此外，在5G核心网中应用带内网络遥测还面临测量精度不高、QoS无法保障等挑战。为此，提出了基于带内网络遥测的5G核心网用户面状态信息感知方案，将遥测信息插入GTP-U报文的扩展头部，实时检测UPF状态信息，实现网络状态动态随路测量。路由决策子系统实现了基于改进蚁群算法的流量调度算法，利用感知到的网络状态信息升级信息素函数更新方式，完成基于实时网络状态的路由决策。实际部署测试结果表明，网络状态信息感知子系统能正常感知网络信息，而且所做路由决策在时延、吞吐量和丢包率方面优于传统路由算法。

针对现有测试方法的缺陷，提出了一种基于蜕变测试的区块链智能合约漏洞检测方法，其能针对区块链智能合约中具体的功能生成针对性的测试用例，从而检测区块链智能合约中存在的漏洞。针对可能出现的安全漏洞，设计了不同的蜕变关系并进行蜕变测试。通过验证源测试用例和后续测试用例之间是否满足蜕变关系，判断智能合约是否存在相关的安全漏洞。实验结果表明，所提方法可以有效地检测出智能合约中存在的安全漏洞。

为解决相互正交互补码集中序列数目受限及多载波码分多址（MC-CDMA）系统信号峰均功率比（PAPR）过高的问题，提出一类具有低列向量 PAPR 且参数渐进达到最优的非周期二元准互补序列集（QCSS）的构造。通过设计一类新的映射函数集，得到的参数渐进最优的非周期二元QCSS与已有二元QCSS相比具有更多的序列数目。并将正交Golay序列集作为初始矩阵，构造得到的非周期QCSS列向量为Golay序列，进而保证了其列向量PAPR不超过2。实验仿真结果表明，所构造的互补序列集可以有效地将时域MC-CDMA信号PAPR降低到3 dB，同时系统具有良好的误码率性能。

针对现有算法大都基于高斯逆伽马先验模型的稀疏贝叶斯学习（GIG-SBL），忽略了稀疏解所对应的支撑集向量稀疏性的问题，提出一种基于伯努利高斯逆伽马先验模型的稀疏贝叶斯学习（BGIG-SBL）架构，通过引入一个伯努利先验的二元向量，设计了单测量向量（SMV）的BGIG-SBL-SMV算法，结合支撑集向量的稀疏性提高重构性能。进一步将该算法扩展到多测量向量（MMV）方案，通过共享相同控制稀疏解的超参数，利用 MMV 的联合稀疏性提出BGIG-SBL-MMV算法。实验结果表明，所提BGIG-SBL-SMV算法相较于传统GIG-SBL-SMV算法，在 mMTC 用户检测场景可实现 2 dB 的性能增益；同时，所提 BGIG-SBL-MMV 算法相对于单测量向量BGIG-SBL-SMV算法，用户检测率和数据检错率的性能增益可达到4 dB，证明了所提算法的优越性。

区块链提供了一种在不可信网络中进行信息分享的可信通道。然而区块链账本是公开透明的，敏感数据直接明文存储在区块链中会泄露用户隐私。考虑到隐私保护，用户更倾向于提供噪声化数据。另外，面对不同的应用场景，用户需要提供的数据噪声化程度也不同。为此，基于区块链和智能合约技术，采用密文策略属性基加密（CP-ABE）算法设计了一套安全、高效且支持安全搜索的噪声化数据分享控制协议。首先，采用可外包的密文策略属性基加密算法，减少用户端的计算负担。其次，利用智能合约来实现密文之上的数据搜索，预防恶意服务器的恶意操作。再次，所提协议能将数据更新复杂度降低至O(1)，对数据实时更新的应用场景友好。最后，安全性分析和仿真实验证明了所提协议的安全性和可行性。

针对交通场景语义分割算法中存在的易融入周围背景的纤细条状目标分割不连续、模型参数量大等问题，提出一种融合多尺度深度卷积的轻量级 Transformer 交通场景语义分割算法。首先，基于深度卷积构建多尺度条形特征提取模块，在不同尺度下增强对纤细条状目标特征的表示能力。其次，在浅层网络中利用卷积归纳偏置特性设计空间细节辅助模块，以弥补深层空间细节信息的丢失来优化目标边缘分割。最后，提出基于Transformer-CNN框架的非对称编解码网络，编码器结合Transformer与CNN减少细节信息丢失并降低模型参数量；而解码器采用轻量级的多级特征融合设计来进一步建模全局上下文。所提算法在Cityscapes和CamVid交通场景公开数据集上分别取得的平均交并比为 78.63%和 81.06%，能够在交通场景语义分割中实现分割精度和模型大小之间的权衡，具备良好的应用前景。