本文简要回顾了笔者所在团队研制的深紫外全固态激光光电子能谱仪近期研究成果。采用非线性晶体KBe2BO3F2（KBBF）倍频产生深紫外全固态激光，与传统非相干光源如气体放电灯和同步辐射形成互补，大大提高光电子能谱仪的能量、动量和自旋分辨率。由于具有光子能量高、线宽窄、光子通量密度高等优点，深紫外全固态激光光电子能谱仪开发出许多新功能，在高温超导体、拓扑绝缘体、费米半金属等领域观测到许多新现象，获得大量新的科学信息。深紫外全固态激光源为光电子能谱技术注入了新活力，为科技前沿领域提供了新的研究平台。

人工智能（AI）是技术革命和产业转型的核心技术。金融智能作为AI 2.0时代新需求之一，引起学术界和工业界广泛关注。在当前充满活力的资本市场中，金融智能展示了快速准确的机器学习能力，可处理复杂数据，并有潜力逐渐成为“金融大脑”。我们对现有金融智能进行总结和综述：首先，论述金融智能概念，阐述其在金融技术领域的地位。其次，介绍金融智能的细分领域，回顾财富管理、风险管理、金融安全、金融智能客服和区块链等领域的最新技术。最后，提出一个称作“金融大脑”（FinBrain）的研究框架，总结了4个开放性问题，即可解释的金融代理和因果关系、不确定性下的感知和预测、风险敏感和稳健决策以及多智能体博弈和机制设计。相信这些研究方向可为AI 2.0在金融领域的发展奠定基础。

识别码在维护网络安全的人机身份验证中得到广泛应用。人机身份验证面临的挑战包括对人与机器滑动轨迹的正确检测。提出一种基于滑动轨迹数据集的人机识别随机森林模型。通过多维性能评价指标，包括识别准确率、识别召回率、识别误报率、识别漏报率、F值和加权准确率，验证该随机森林模型以及基准模型（逻辑回归模型和支持向量机）。随机森林模型多维性能评价指标优于基准模型。

基于哈希函数的消息验证码（HMAC）被广泛应用于身份认证和消息完整性领域。SM3函数作为中国的哈希函数在国内具有很高市场价值。基于SM3的HMAC（HMAC-SM3）侧信道安全性依旧处于被评估阶段，尤其在硬件实现下的侧信道安全性更具研究价值。在硬件实现下，存储在寄存器的中间值有明显的汉明距离泄漏。此外，SM3算法结构决定了HMAC-SM3侧信道分析难度。针对HMAC-SM3的硬件实现，提出一种技巧性的基于比特值的选择明文相关能量攻击策略。在一款现场可编程门阵列（FPGA）开发板上进行实际攻击实验。实验结果表明，利用所提选择明文攻击策略，可从2256的密钥猜测空间中恢复正确密钥。

提出一种基于多分辨率分解和去相关的模块化安全性与鲁棒性彩色图像水印方案。该方案主要目标是同时满足良好水印的4个要求（鲁棒性、安全性、不可察觉性和容量）。本研究的贡献在于实现一个基本满足这4个矛盾需求的水印方案。为此，结合不同方法以实现这个目的。例如，为获得不可察觉性，通过主成分分析去相关3个颜色（红绿蓝）通道，并选择第一个主成分（去相关红色通道）嵌入水印。为取得鲁棒性，采用离散小波变换（DWT）分解去相关信道，将近似带（其余3个带保持不变以保留边缘信息）进一步分解为不同区块。根据随机生成键选择随机区块。随机选取的区块进一步被分解为奇异值和向量。基于奇异值和向量矩阵的相互依赖性，并依据水印位，对数值进行修改，并保存这些数值的位置，将数值位置作为提取水印所需的另一个密钥。两级认证级别确保了安全性，同时使用奇异值和向量可提高该方案的容量。此外，在水印嵌入过程中，左右奇异向量与奇异值的结合增强了该方案的鲁棒性。最后，使用Gonzalez和Kodak数据集，从不可察觉性（峰值信噪比和结构相似性指数）、安全性（带多个伪密钥）、鲁棒性（归一化相关和误码率）和容量方面将该方案与已有方案作比。结果显示本文方案与现有方案相比有明显改进。

重要节点识别对电网安全意义重大。但电网音乐能激发人的情感，这是一个心理生理过程。因此心理生理特征可用于识别个人音乐情感体验。提出一种新的基于人体生理特征的个人音乐情感识别方法。首先，建立一个基于音乐情感特征的数据库和一个基于听音乐产生的生理信号的数据库，包括心电、脉搏、皮温、呼吸和瞳孔直径变化等生理信号。然后，分别采用线性回归、岭回归、三种不同核的支持向量机、决策树、K近邻算法、多层感知器和Nu支持向量回归（NuSVR）方法，通过音乐特征和人体生理特征识别音乐情感。结果显示，NuSVR性能优于其他方法，其唤醒相关系数为0.7347（均方差为0.02323），效价相关系数为0.7902（均方差为0.01485）。最后，对不同数据集进行比较，结果表明所有特征（音乐特征和所有生理特征）数据集在识别中表现最好，唤醒相关系数为0.6499（均方差为0.02932），效价相关系数为0.7735（均方差为0.01576）。本文提供了一种有效的个人音乐情感体验识别方法，可用于个性化音乐推荐。

提出一种鲁棒的广义旁瓣消除器抵抗到达方向失配的影响。为估计干扰加噪声的统计特性，传统信号提取方法常需收集大量仅存在干扰噪声的信号片段。为避免该收集过程，我们使用特征分析方法重新设计阻塞矩阵结构，从接收样本中重建干扰噪声的协方差矩阵。另外，基于秩-1矩阵假设，改进特征分析重建方法，以实现更高重建精度。将该重建方法与最大信干噪声比波束形成器结合，获得阻塞矩阵，最大限度减少信号泄漏的影响，并最大化干扰噪声功率，以进一步在最终输出中抑制噪声和干扰成分。数值结果表明，在存在到达方向失配和快照数有限的情况下，上述两种方法在输出波形信干噪比和与期望信号的相关系数方面有显著改进。与所提第一种方法相比，改进后的方法可进一步减少信号失真。

交叉眼干扰是一种电子攻击手段，它通过人为构造虚假目标并欺骗雷达对其进行检测和跟踪，从而导致单脉冲雷达产生角度误差。目前还没有能够有效对抗交叉眼干扰的方法。本文通过对交叉眼干扰详细的机理分析，在随机有限集框架下建立描述典型交叉眼干扰场景的多目标模型。将目标与干扰的特征差异以及交叉眼干扰的释放过程结合，提出一种基于概率假设密度多目标滤波器的抗干扰新方法。目标与干扰的特征差异以及干扰释放的过程信息可用于优化粒子的划分。将表征目标和干扰特性的粒子身份标签引入目标检测和跟踪流程，通过波束内目标数目的实时估计检测干扰的释放，通过粒子标签与估计状态之间的关联和传递实现真实目标与虚假干扰的身份辨别，从而在强干扰条件下实现对真实目标的准确跟踪。仿真结果表明，所提抗干扰方法具有很小的干扰检测延迟以及较高的目标状态估计精度。

在工件含批量生产任务情况下如何进行最佳生产调度是一个重要的生产计划问题。通常将批量工件划分为子批处理（称为分批优化）。若子批数较大，则会大大增加工件完成时间的计算复杂性。现有研究未能考虑此类计算时间问题。本文考虑可变子批、准备时间以及子批批量约束（传输子批批量受传输设备容量限制），提出一种求解n个工件、m台机器流水车间分批优化调度方法。所提方法包含3个阶段：初始批量划分、基于生产周期/总流程时间指标快速评价法的工件排序优化、分批传输方案调整。为验证3阶段优化方法的有效性，采用5个标准数据集进行测试。实验结果表明，所提方法能节省大量计算时间，尤其对大规模问题能提供更优解。