全卷积神经网络（FCN）高效的特征提取能力极大地提升了显著性目标检测算法的性能。然而现有算法依靠简单的特征拼接或相加等融合策略无法有效地增强特征，导致算法在复杂场景中的目标误检和漏检问题依然突出。文中提出基于场景的针对性特征增强方法来提高显著性目标检测算法的性能。首先，目标误检多发生于背景复杂且目标和背景元素交织的场景，文中分别从特征全局性增强和特征结构化增强角度解决目标误检问题；其次，针对目标漏检一般发生在目标的内部和边缘，基于残差学习从背景中学习丢失目标的信息，修复丢失的目标内部和边缘区域；最后，在5个基准数据集上与其他13种先进的方法进行实验对比，结果表明文中所提模型的各性能评价指标均优于其他13种方法，显著地解决了复杂场景中的目标误检和漏检问题。

文中从隐写方法遵循的最小化失真或最大熵原则出发，将嵌入概率的最优分布作为先验知识来指导视频隐写分析。为更好地刻画运动向量的嵌入优先级，从视频的运动特征、纹理特征以及编码框架下的局部最优性定义失真函数，并利用Gibbs分布估计运动向量的嵌入概率。据此提出一种利用嵌入概率对检测特征进行定量增强的方法，并从相对熵的角度对增强的原理进行了解释。实验结果表明，3种经典的隐写分析算法在使用文中特征增强方法后，检测准确率均有提升，且对码率具有鲁棒性。与新型深度神经网络VSRNet检测方法的对比结果也验证了文中方法的有效性。

触觉传感器因可以模仿人类皮肤感知外界信息而获得广泛的关注和研究，其中基于纳米ZnO的触感传感器及其阵列因具有高灵敏度、高机械强度、高柔韧性、生物兼容性好、低成本工艺等优点，在仿生机器人、人机交互、生物医学和可穿戴电子设备等领域具有广阔的应用前景。文中首先介绍了纳米ZnO触觉传感器基于压电效应的传感机理及其主要制备方法，然后从压电性能优化、多功能化、集成化、阵列化4个方面系统概述了纳米ZnO压电触觉传感器的研究进展，列举了相关技术领域与研究方向的最新成果，并讨论了ZnO触觉传感器在应力成像、人体运动和生理健康监测3个方面的应用研究，最后分析了其存在的不足和未来的主要研究方向。

音乐源分离在音乐信息检索领域有着重要的研究价值。传统音乐源分离方法存在依赖假设、模型复杂度有限、表示能力不足等问题。能应对这些问题的时域深度学习端到端网络模型训练耗时长，且分离性能有待提升。为进一步改善时域端到端分离模型的表示能力和计算效率，在目前时域分离性能最优的Demucs模型基础上进行改进，提出了一种端对端网络Unet-SE-BiSRU。该模型在广义编码层和解码层中引入了注意力机制，采用挤压-激励块（SE）根据待分离音频的种类有选择地提取特征；在一维卷积后增加组归一化，以应对在学习过程中可能出现的梯度爆炸或梯度消失问题；将双向长短期记忆网络改进为双向简单循环单元（BiSRU），进一步提高了学习的并行性，且降低了模型参数量。实验结果表明，改进后的网络模型的信噪比指标提升了0.34dB，在目前检索到的文献的时域端对端方法中取得了最好的分离性能，并且训练时间缩短为源模型的2/5。

5G的发展推动了通讯设备的小型化、集成化，也带来了新的电磁兼容问题，而将频率选择表面（FSS）引入设备可显著减少设备之间的干扰。为克服传统FSS设计方法效率低、质量差和依赖经验等缺陷，提出了一种新型FSS形状优化方法。该方法根据FSS的形状特性，提出了在极坐标系下分区定义形状优化参数的策略，并基于遗传算法实现了FSS优化参数的智能搜索，实现了以工作频率和电磁屏蔽性能为目标的FSS单元形状智能优化。采用实心单元、环形单元和缝隙单元 3种结构类型算例进行验证，结果表明，优化后FSS谐振频率向28GHz移动且电磁屏蔽性能提高，得到的FSS适用于5G环境，且具有良好的稳定性。

现有基于深度学习的语音带宽扩展算法中，时域算法语音特征提取不够精确，训练数据量大；频域算法对数功率谱特征提取未重视帧与帧之间的信息关联，频率轴数为奇数，不便于加深网络深度，且忽略时域信息；时频两域算法模型相对复杂。针对以上问题，文中提出了一种基于Flatten-CNN的语音带宽扩展算法。首先，为了充分利用语音特征和减少数据量，文中算法基于频域运行；其次，为了利用对数功率谱时间轴信息，提出了一种改进的编码器，通过引入平铺层，实现对数功率谱时频两轴特征提取；接着，为了加深网络深度，在频率轴数据处理时去掉最后一个点，还原时再补零，使频率轴数为偶数，以利于加深网络深度；最后，为了利用语音信号时域信息，在损失函数中引入时域损失。为验证文中算法的有效性，用TIMIT数据集和VCTK数据集进行了模型的训练和测试，实验结果表明，与当前主流算法相比，文中算法生成的高带宽语音质量得到提高，呈现出了更好的听觉效果。

在基于可调谐二极管激光吸收光谱技术（TDLAS）红外气体检测系统中，用来表征气体体积分数大小的二次谐波信号，易受到各类硬件参数的影响。基于比尔朗伯定律与HITRAN数据库，使用LabVIEW研究参数对二次谐波的谐波幅值、对称度、峰宽的影响，并进行了谐波优化仿真实验。结果表明：对于一般TDLAS检测系统，应优先选择合适的扫描幅度与滤波器阶数，使得谐波波形完整且不失真；然后尽可能增大谐波幅值与峰宽，得出最佳调制度；最后根据系统需求和自身硬件基础，选择合适的调制频率与扫描频率。

针对目前有源探头的探测频率主要集中在低频段，难以满足高频段探测需求的问题，提出了一种小型、高带宽、非接触式的有源磁场探头。该有源磁场探头采用多层印刷电路版（PCB）制作，于无源探头的基础上，加入了有源放大器模块及其配套的电源管理芯片，对超宽带类型探头的传输增益进行提升；并从频率响应、空间分辨率、校准因子、差分电场抑制能力4个方面对探头进行了测试分析。结果表明：文中设计的探头的传输增益达到-20dB，空间分辨率达到900μm，有良好的差分电场抑制能力，该探头可用于超宽带下的PCB板与较复杂集成电路等场景的测量工作。

面向移动VR(Virtual Reality)业务的高数据量和低时延需求，为有效降低核心网的数据流量、减小设备的内容请求代价，文中建立了面向移动VR的部分缓存内容共享模型。建模了社交属性感知的内容共享代价最小化问题，将优化问题分解为功率优化与模式选择、设备关联两个子问题，并分别提出基于代价的功率优化和模式选择算法以及基于社交关系和请求代价的匹配算法；最后，通过仿真对提出的基于部分缓存的内容请求模式选择与功率优化的方法的性能进行评价，并与其他缓存方案进行了对比分析。仿真结果表明，文中提出的基于部分缓存的内容请求模式选择与功率优化方案可有效降低内容请求者的请求代价。

边缘保持图像平滑是很多计算机视觉和图形学算法的关键步骤,基于l1范数的边缘保持图像平滑算法是现有算法中性能较好的一种,但是该算法的平滑结果中仍然存在很多未被平滑的纹理。为了改进算法的平滑结果,提出了一种新的基于重加权l1范数的边缘保持图像平滑算法,该算法将原始的基于l1范数的图像平滑算法与重加权l1范数最小化相结合,通过使用重加权方法使得解更加稀疏；并通过实验对该算法的性能进行了验证。结果表明：和基于l1范数的图像平滑算法以及一些最新的图像平滑算法相比,文中提出的算法可以更加有效地平滑图像,平滑结果中仅有很少的纹理残留；采用重加权l1范数可以改进现有的基于l1范数的图像平滑算法的图像平滑结果。

污水处理过程中，由于工艺过程的复杂性、监测设备的不完备性和工作环境的恶劣性，导致重要的出水指标变量难以实现精准的监测；为此，文中提出了一种基于协同训练的集成自适应多输出软测量模型。首先，利用高斯过程回归(GPR)和相关向量机(RVM)两种不同类别的方法建立一个异构的软测量模型；然后，利用移动窗口（MW）和卡尔曼滤波（KF）同步对模型的结构和参数进行实时优化；最后，以一污水厂为对象进行实验，对模型的预测性能和自适应性进行验证。结果表明，文中提出的方法有效地提高了软测量模型的预测性能和自适应性。

传统视频压缩感知重构算法重构时延过长，新发展的基于神经网络的视频压缩感知重构算法虽解决了高耗时的问题但未能充分利用视频的时空相关性，重构质量较差。为了解决上述问题，文中提出了基于深度学习的两阶段多假设视频压缩感知重构算法（2sMHNet）。首先，采用时域可变形卷积对齐网络实现基于像素的深度学习多假设预测，在避免了块效应的同时通过自适应参数学习提高了假设集的匹配准确性与权重的计算精度，充分地挖掘了时间相关性得到高质量的预测帧；然后，构建残差重构模块以实现预测帧残差的观测域重构，进一步提升重构质量；最后，为了充分利用图像组帧间相关性，提出了两阶段串行式重构模式，在第一阶段利用细节信息丰富的关键帧提升非关键帧重构质量，在第二阶段利用相关性更强的相邻帧再次进行运动补偿重构，适应运动快且复杂的序列。仿真结果证明，2sMHNet相比于目前优秀的视频压缩感知重构算法具有更加优良的重构性能。