提出一种多重知识表示框架，探讨了其对推动大数据人工智能技术在各个领域中发展的重要意义及深远影响。传统知识表达和现代基于深度学习的知识表达通常着眼于利用特定变换方式，将输入转换为符号编码或者向量。例如，知识图谱关注于描述各个概念之间的语义联系，而深度神经网络更像是感知原始信号输入的工具。多重知识表达是一种更为先进的人工智能表征框架，具备更完整的智能功能，比如原始信号感知、特征提取及向量化、知识符号化和逻辑推断。多重知识表达有如下两点优势：（1）与现有以深度学习为主导的人工智能技术相比，具有更强的解释性以及更好的泛化能力；（2）将多重知识表达集成于现有人工智能技术，有利于各种表征（例如原始信号感知以及符号化编码）发挥互补优势。我们希望多重知识表达相关研究以及应用能够驱动新一代人工智能蓬勃发展。

三元空间大数据一般定义为由其定义领域（包括数据、对象、任务、应用场景、主体等）所有元素组成的集合。可视分析是一种新兴的人在回路大数据分析范式，可利用人类感知提高人类认知效率。本文探讨三元空间大数据跨域可视化分析，强调三元空间大数据跨域性带来的新挑战——数据、主题和任务域，并提出一个新的可视分析模型和一套方法来应对这些挑战。

噪声是影响人类视觉感知最常见的图像失真类型。本文提出一种基于熵、梯度和峰度特征的无参考图像质量评估方法。具体来说，基于偏度不变性在离散余弦变换域进行图像噪声估计，进一步计算得到熵特征。在主成分分析变换域，通过统计有噪声图像与无噪声图像之间的显著差异得到峰度特征。此外，将熵和峰度特征与梯度系数结合，提高熵和峰度特征与主观得分之间的一致性。通过不同方向的滤波器对图像进行梯度特征提取，最后支持向量回归将所有提取的特征映射到综合评分系统中。为验证算法性能，在3个主流数据库（即LIVE、TID2013以及CSIQ）中对该方法进行评价。实验结果验证了该方法的优越性，尤其是在反映预测精度的皮尔逊线性相关系数方面的突出性能。

低功耗有损网络路由协议（RPL）由因特网工程任务组设计，主要适用于通信条件复杂、环境恶劣的低功耗有损网络。为进一步提高低功耗有损网络性能，本文提出一种基于三角模算子的情景感知RPL新算法（CAR-TMO）。首先设计了一种新的情景感知复合路由度量（CA-RM）；CA-RM可综合评估候选父节点的剩余能量指数、缓存占用率、以及该候选父节点到根节点之间路径所需的期望传输数（ETX）、时延和跳数。CA-RM以递归方式评估了候选父节点及其偏好父节点的剩余能量指数和缓存占用率，以降低上游父节点对偏好父节点选择的影响。CA-RM综合使用路径上各链路ETX和时延的和值、均值和均方差值以进一步提高网络性能。其次，设计了上述各路由度量的隶属度函数。然后，基于三角模算子和各路由度量的隶属度函数构造综合隶属度函数和情景感知目标函数（CA-OF）。此外，提出新的计算节点秩值和偏好父节点选择机制。最后，理论分析和仿真结果均表明，CAR-TMO在分组投递成功率、能效等方面均优于RPL及其相关改进算法。

现有大多数关于有限状态自动机（finite state machines, FSM）状态空间的优化方法不便甚至不能给出优化的数学意义。本文将FSM视为逻辑动态系统，借鉴控制论中动态系统平衡点的概念，引入t-等价状态和t-源等价状态概念。基于近年提出的FSM状态转移动力学方程，得到t-等价状态和t-源等价状态的数学描述（该数学描述可类比于控制论中关于动态系统平衡点的充要条件），进而给出该优化问题的数学解释。基于这些数学描述，设计了求解FSM所有t-等价状态和t-源等价状态的两种方法。此外，找到降低FSM状态空间的两种路径。可不借助计算机，仅用纸笔以数学推演方式实现。并且，为使所设计的方法借助计算机能完全以无人值守方式运行，提出一个开放性问题。最后，采用实际语言模型验证了结论的正确性和有效性。

研究了状态约束下多输入多输出不确定非线性系统的自适应有限时间事件触发控制问题。为防止系统状态违反非对称时变约束，建立tan型非线性映射函数，将所考虑的系统转化为等价无约束系统。在虚拟控制信号中引入光滑切换函数，以避免传统有限时间动态面控制方法在零附近的奇异现象。同时，采用模糊逻辑系统补偿未知非线性函数。引入合适的事件触发机制确定何时控制律更新。利用李雅普诺夫稳定性理论分析，证明闭环系统是半全局最终有限时间稳定的，且不违反状态约束。最后，通过仿真实例验证了所设计控制方法的有效性。

恒流（CC）电能到恒压（CV）电能的转换是恒流输电水下观测网的关键技术之一。该系统通常采用具有高稳定性和高可靠性的并联稳压器以稳定输出电压。然而，并联稳压方法存在高热损耗和低转换效率的缺点。本文对传统并联稳压方法进行改进，提出一种CC/CV转换模块的无级功率重构方法。针对稳定负载或缓慢变化负载的应用场景，介绍两种无级功率重构转换模式：（1）基于单环控制的手动无级功率重构（MSPR）；（2）基于内—外环控制的自动无级功率重构（ASPR）。所述方法在保证系统留有预设功率裕度的同时，可以尽可能减少并联稳压方法中不必要的能量损失。分析了该方法的转换效率，讨论了系统关键参数选择方法。实验结果表明，MSPR和ASPR方法均保留了并联稳压方法的高稳定优点，同时降低了CC/CV转换模块的热耗散，提高了CC/CV转换效率。

随着日益增长的个人隐私和安全需求，基于生理信号的生物识别技术近年受到越来越多关注。心电信号（electrocardiogram, ECG）的活体采集性和信息隐蔽性使其具有极强抗攻击性。本文针对现有深度学习算法在心电身份识别领域应用中面临的3个主要瓶颈——超参数寻优费时、识别过程缓慢且计算量大、心电采集环境复杂且不稳定，提出一种新的深度神经网络框架，集双向长短期记忆网络（BLSTM）和自适应粒子群优化算法（APSO）于一体，直接从时序信号中学习待识别个体的关键特征表示。该方法避免了超参数选择寻优效率低下且依赖于经验设定的不足，充分利用时序信号的空间信息特征和识别算法对关键特征的记忆特性。为评估算法性能，设计了两种方案模拟个体ECG采集过程中的电极放置位置和采集时间连续性。经4种LSTM网络模型和机器学习算法的实验对比分析，证实所提算法在抑制过拟合和特征自学习方面存在一定优势，训练集、验证集和测试集的平均识别率分别为97.71%、99.41%和98.89%。实验结果表明，本文所提算法具有计算量小、泛化性能高的优势，可有效应用于个体身份识别。

设计了工作频段为2～20 GHz的超表面单元以增强对跖Vivaldi天线的增益和辐射性能。设计的超表面单元结构简单、超宽带性能稳定、介电常数高，可独立调制两个极化电磁波。分析了单元上的电流分布，并提取等效电磁参数，以验证超表面单元对x极化电磁波和y极化电磁波进行独立调制的能力。设计的超表面单元被集成到对跖Vivaldi天线的口径中形成超表面透镜，用于引导电磁波传播。提出两种超表面透镜，将它们分别集成到对跖Vivaldi天线中衍生出天线Ant1和Ant2，并从电场幅度和相位角度分析透镜对电磁波的调制作用，进而得到最终设计方案。根据优化设计结果，加工并测试对跖Vivaldi天线和提出的天线Ant2，测试与仿真结果吻合良好。Ant2测得的阻抗带宽基本覆盖2～18 GHz频段，与传统对跖Vivaldi天线相比，提出的天线Ant2增益提高0.6～3.7 dB，副瓣电平大大降低，方向性也得到明显改善。

为有效读出超导纳米线单光子探测器（SNSPD）输出信号，提出一种基于0.13 μm SiGe BiCMOS工艺的低功耗无电感宽带差分超低温放大器。为解决缺少超低温器件精确模型的问题，结合并联—并联反馈和电容耦合超低温放大器结构，通过详细理论分析和仿真，确定了放大器增益与电路可调设计参数间的关系，提高了设计和优化的灵活性，从而实现所需增益。为实现工作频率范围内端口阻抗平坦特性，采用RC并联补偿结构，有效提高了放大器闭环稳定性，并可抑制放大器过冲问题。给出室温（300 K）和低温（4.2 K）下S参数和瞬态性能测试结果。在良好输入输出阻抗匹配下，该放大器在300 K温度下3 dB带宽为1.13 GHz，增益为21 dB。在4.2 K温度下，该放大器增益可在15～24 dB范围内调节，其3 dB带宽为120 kHz～1.3 GHz，功耗仅3.1 mW。去除芯片外围焊盘，该超低温放大器芯片核心面积仅为0.073 mm2。

光栅姿态角表达方法是六自由度光栅干涉测量的重要课题，但仅有少量相关研究。目前，广泛用于航空航天、导航和机器人领域的导航角（roll-pitch-yaw）被引入六自由度光栅干涉测量领域。然而，因导航角存在固有旋转顺序，在描述绕多个测量轴的复杂旋转时会引起溯源偏差，且该偏差随光栅偏摆角度增加而增大，并不符合干涉系统中的精确定义。基于机器人领域的融合角（fused angles）表达法，本文提出“无偏溯源角（fused-like angles）”表达法，因无偏溯源角不会引起溯源偏差，更加符合光栅干涉仪中的定义，从而更适合六自由度测量。提出的无偏溯源角已应用于六自由度光栅干涉的运动模型和解耦算法研究。