近来，人工智能和机器学习技术在无线通信领域的应用受到极大关注。人工智能在语音理解、图像识别、自然语言处理等领域取得成功，展示了其解决难以建模问题的巨大潜力。无线通信在大量应用场景中存在着日益增长且多样的需求，而人工智能已成为满足这些需求的重要使能技术。本文详细介绍无线通信中人工智能发挥重要作用的一些典型场景，包括信道建模、信道译码和信号检测以及信道编码设计。进而，从信息瓶颈的角度讨论了人工智能和信息论的关系。最后，讨论了将人工智能技术深入集成在无线通信系统的一些想法。

登纳德缩放定律的失效使计算机系统面临功耗和利用率双重挑战。让晶体管在近阈值电压附近工作，能够有效解决能耗墙问题。然而，电压降低会引发错误，导致可靠性问题。若在解决电压降低带来的副作用的同时确保系统完全正确，又会额外减损系统性能，增加能耗。由此可见，计算机系统设计的目标已从简单的性能优化发展到多目标综合优化。本文提出一种通过有效识别系统最佳配置实现性能、能耗和可靠性的综合优化方法。设计了输出精度预测器、性能预测器和功耗预测器，分别预测不同系统配置下的精度、性能和功耗。其中输出质量预测器采用软硬件协同的故障注入平台，分析近阈值电压导致的错误对输出精度的影响。采用多目标优化动态规划模型，基于所设计的输出精度预测器、性能预测器和功耗预测器，选择系统最佳的电压和近似级别。实验结果显示本文方案在能效性下降10%的情况下将输出精度提高28%，从而实现平均20%的精度、功耗和性能的综合优化。

分布式集束调整方法使用多个工作节点解决集束调整问题，克服单台计算机的计算和内存存储限制。但是，额外的块划分步骤和同步等待会引入可观的性能开销。因此，我们提出一个低开销共识框架，该方法基于异步共识融合使先到达的节点先共识融合，避免等待较慢的计算节点。此外，提出一个场景汇总方法，并将其集成到块划分步骤，用以在小规模汇总场景上执行聚类。在公开数据集上的实验结果表明，本文方法可以提高工作节点利用率，减少块划分时间。此外，在大规模文化遗产数据集上的实验也证明该方法有效。

公司常用平面广告图像宣传产品，提高品牌知名度。设计平面广告图像不仅需要清晰地传达产品信息，还需考虑广告的目标产品、产品品牌和目标用户等内容，因此自动平面广告生成具有挑战性。本文提出数据驱动的方法捕获平面广告图像中设计特征与各个元素之间的特征关系，从而根据特定的风格，将输入的元素自动合成平面广告图像。为实现多样式的平面广告生成，构建了包含13 280张平面广告图像的数据集，标签涵盖图像中产品类别、元素位置、颜色等内容。利用本文的概率模型，用户通过附加的约束（例如，基于上下文关键字）引导合成广告的风格。将本文方法用于大量设计任务，并针对生成结果进行用户感知和评价实验。结果表明，本文方法生成结果的用户满意度比非专业学生的设计结果提高了7.1%，生成的广告配色也比由色彩和谐模型与Colormind得到的结果获得更多用户好感。

判别相关滤波器（DCF）是视频跟踪领域一种有效方法，显著推动了视频跟踪领域进展。然而，卷积算子的对称性会带来计算上的问题，并破坏广义的平移等变性。针对前一问题，人们提出许多解决方法，但对后一问题不够重视。本文分析循环卷积的对称性带来的问题，提出一种非对称卷积运算，且证明这种运算具有弱的广义平移等变性。利用提出的卷积运算，构造一个非对称判别相关滤波跟踪器（ADCF）。它对目标的平移更加敏感，且其非对称性允许滤波器和输入样本有不同空域大小，这使得ADCF的计算复杂性，从滤波器参数数量不随输入样本增大而增加的意义上说，更加可控。且ADCF对应的正规矩阵具有两级块Toeplitz矩阵结构，利用该结构可设计时间复杂度为O(NlogN)、空间复杂度为O(N)的矩阵—向量乘法。此外，有别于基于DCF的跟踪器，ADCF引进空域和时域正则化项，本质上不会增加计算复杂度。在4个公开基准数据集（OTB-2013，OTB-2015，VOT-2016和Temple-Color）和一个合成数据集上进行对比实验，结果表明所提方法取得最优视频跟踪性能。

针对现有图像去噪方法容易造成图像纹理细节丢失的现象，提出一种基于分数积分的去噪新方法。首先，通过拓展柯西积分推导分数阶积分公式，然后利用数值方法估计分数阶积分算子的近似值。最后，在图像8个像素方向构造一个任意阶次的分数阶积分掩模算子。仿真结果表明，本文提出的图像去噪方法在去除噪声的同时，能够保护图像的边缘和纹理信息。并且，由于在迭代过程中采用了纹理保护机制，该方法在去噪后可获得更高的图像特征值和更好的视觉效果。

本文研究通信距离受限的多无人机协同目标跟踪问题。该问题集成了无人机运动控制、目标状态估计和网络拓扑控制。首先，介绍用于描述网络连通性的通信拓扑和基本符号，以及分布式卡尔曼一致性滤波器。其次，分析基于滤波器的估计误差收敛性和有界性，采用势函数方法实现通信连接保持和防撞控制。在考虑稳定跟踪的基础上，设计基于势函数的分布式无人机运动控制器。由于无人机仅能获得目标状态的估计值而非真实值，且其运动也会影响状态估计精度，因此目标状态估计与无人机运动控制是耦合的。最后，详细分析耦合系统在有界噪声下的稳定性和收敛性，并进行仿真验证。

目前的雷达目标检测方法通常基于高信杂比。本文提出一种新的基于卷积神经网络的双激活杂波抑制算法，以解决实际海况中低信杂比下的小目标检测问题。双激活有两个步骤。首先，激活最后一个全连接层的权重和来自上采样层的特征图获得类激活图，对应于海杂波的轮廓；其次，将类激活图反向映射到海杂波频谱得到抑制系数。抑制系数与原始距离多普勒图相乘即得到杂波抑制后的距离多普勒图。此外，提出一种基于采样的数据增强方法和一种有效的多类编码方法以提高预测精度。实测数据验证了方法的有效性。

超级大回转是一项高山滑雪速度系列运动项目，滑雪轨迹对运动员比赛成绩有重要影响。由于优化模型复杂且难以收敛，确定滑雪者全程最优轨迹具有挑战性。本文基于最优控制理论，以滑行时间最小为优化指标，建立高山滑雪运动员在超级大回转中的轨迹优化模型。将轨迹优化问题转化为多阶段非线性最优控制问题，采用伪谱法求解，并优化轨迹参数。MATLAB仿真结果验证了所提轨迹优化模型的有效性和合理性。此外，提出一些切实可行的滑雪策略，帮助高山滑雪运动员提高训练水平和比赛成绩。