光致旋转技术兴起于20世纪90年代。光镊为研究激光角动量提供了一个理想平台。近几十年来，光致旋转技术被广泛运用在光学微操控实验和生物与微流控领域。近年来，其在经典和量子物理领域的应用潜力引起人们广泛关注。本文回顾了光致旋转技术实验与应用进展。首先介绍了角动量的基本研究。其次，介绍了由轨道角动量引起的光致旋转技术的发展和应用，并给出自旋角动量的概念。最后，介绍了光致旋转技术在高真空光阱中的应用与前景。随着液体介质中精密光学操作技术的成熟，高真空光镊技术为高速微纳转子开辟了一条新道路。

在智慧法院建设中，为实现更高效、公平和可解释的审判程序，我们提出一种全流程智能化审判系统（FITS）来提供智能化协助。在所提FITS中，介绍了对构建智慧法院至关重要的任务，包括信息抽取、证据分类、问题生成、对话摘要、判决预测和判决文书生成。具体而言，准备工作是从法律文本中抽取要素，从而帮助法官高效地确定案情。利用提取的属性，通过在所有证据中确认一致性等标准来证实每条证据的有效性。在庭审过程中，设计了自动发问机器人，协助法官主持庭审。它由一个表示程序性发问的有限状态机和一个通过对法庭辩论中的话语上下文编码进而生成事实问题的深度学习模型组成。此外，FITS还在多任务学习框架下，实时总结法庭辩论中产生的争议焦点，并在对话检查摘要（DIS）模块中生成摘要审判记录。为支持法官决策，采用了一阶逻辑来表达法律知识，并将其嵌入深度神经网络（DNN）来预测判决。最后，提出一种基于注意力和反事实的自然语言生成（AC-NLG）方法生成法院判决。

对于与流场相关的设计优化问题，例如飞机和汽车空气动力学设计，计算流体力学（CFD）模拟通常用于预测流场并分析性能。虽然CFD模拟十分重要，但它的迭代计算非常需要计算资源且极其耗时。昂贵的模拟开销限制了大范围设计空间的探索，并阻碍了实时的交互式设计。在本文中，我们提出FlowDNN模型，它是一种新颖的深度神经网络，可从CFD结果中高效地学习流场表示。FlowDNN根据给定的流动条件和几何形状可以直接预测预期的流场结果，从而极大地节省计算时间。FlowDNN首次结合了流体力学的基本守恒定律和注意力机制进行定常流场预测。这样做不仅可以提高预测准确性，而且可以维持预测流场的物理一致性，这对于CFD模拟至关重要。本文设计了多种指标以评估FlowDNN预测的整体流场和关键区域的结果（如流场快速变化的边界层）。实验结果表明，FlowDNN明显优于其他方法且具有更短的推理时间和更准确的结果。它与最新的GPU并行求解器相比，生成流场的速度提升14 000倍以上，同时保持预测误差在5%以内。

深度学习在计算机视觉领域应用非常成功，促进了图像降噪和多帧图像降噪领域的快速发展。本文针对多帧图像降噪问题，提出一种从多帧噪声图像中恢复清晰图像的方法。该方法结合BM3D（块匹配和三维滤波，block-matching and 3D filtering）算法和卷积神经网络（CNN）模型完成多帧图像降噪任务。该CNN模型基于分治法的思想设计。首先，用BM3D算法处理带噪声的多帧图像。然后，将预处理后的图像和原始噪声图像分别输入CNN模型的两个并行分支。最后，用一个轻量级CNN模块融合两个分支的输出得到最终图像估计。与以往研究不同，我们对CNN中两个并行分支分配了不同约束函数——信号约束和噪声约束，以提升模型提取不同特征的能力。此外，引入图像块匹配策略解决帧不对齐问题。在合成和真实噪声图像上的实验结果表明，该算法与其他算法相比具有一定竞争力。

自主移动机器人的基本任务是同时定位与建图（SLAM）。此外，长期鲁棒性是 SLAM的一个重要属性。当车辆或机器人快速旋转或在某些场景中（例如低纹理环境、长走廊、隧道或其他重复的结构环境）转向时，大多数SLAM系统可能会失效。本文提出一种新颖的鲁棒视觉惯性激光雷达(LiDaR)导航(VILN)SLAM系统，包括立体视觉-惯性LiDaR里程计和视觉-LiDaR闭环。所提出的VILN SLAM系统即使在偶尔会降低LiDaR或视觉测量性能的复杂场景中也可以长期稳定地运行。大量实验结果表明，与最先进的SLAM系统相比，VILN SLAM系统在各种场景下的鲁棒性都有了很大提高。

机器人需要更强的智能以胜任家居环境中的认知任务。本文提出一种新的云辅助家居服务机器人认知适应机制，它可以从其他机器人处学习新知识。在该机制中，在机器人处部署一种变化检测方法以检测用户家居环境变化，并触发认知适应过程，实现经云端从其他机器人处学习新知识。而认知适应是通过模型融合方法将知识从云端全局模型迁移至机器人本地模型得以实现。首先，提出3种不同模型融合方法执行认知适应过程，并给出影响模型融合方法的两个关键因素。其次，确定最适合云端至机器人知识转移的模型融合方法及其设置。再次，在一个变化的用户家居环境中进行案例研究，实验结果验证了所提方案的效率和有效性。基于实验结果，提出一种云端至机器人知识转移模型融合的经验准则。

门限代理重加密通过设置多个代理者，不仅能有效防止单个代理者和被授权者合谋，从而违背授权者的意愿随意转化任意文件，而且能在某些代理者瘫痪或者损毁的情况下仍然提供正常服务。本文提出一个格上非交互的基于身份门限代理重加密方案，无需公钥证书。在设计方案过程中，采用了两次Shamir的秘密共享方法，一方面有效隐藏了授权者的私钥信息，另一方面通过分割代理重加密密钥，实现了代理权限的去中心化。鲁棒性是指某个代理者如果提交了非法的密文转化密文份额，那么组合者会立刻识别出这个恶意的代理者。本文方案通过格上全同态签名实现了这一属性。因此，即使未来量子攻击变得可行，我们整个方案也能完全抵抗量子攻击。本文方案的安全性在标准模型下规约为判定性差错学习困难假设。最后，给出本文方案的两个典型应用场景，包括基于区块链的文件共享系统和基于门限密码学的鲁棒密钥托管系统。

由于传统机器学习方法对偏斜分布很敏感，且未考虑多类不平衡问题的特点，多类偏斜分布对机器学习算法来说是一个巨大挑战。为解决这一问题，提出一种新的基于一对多的海林格距离（OAHD）决策树分割准则。OAHD主要由两部分组成。首先，将一对多思想集成到OAHD的海林格距离计算过程中，从而对海林格距离决策树进行扩展，使其能解决多类不平衡问题。其次，针对多类不平衡问题，考虑了不同类的分布和数量，设计了改进的基尼系数。此外，对OAHD的性质进行理论证明，包括偏斜不敏感性和在决策树中寻找更纯节点的能力。最后，从基于进化学习的知识抽取（KEEL）和加州大学欧文分校（UCI）数据库中收集20个公开的真实不平衡数据集进行实验。实验结果表明，与其他5种常用决策树相比，OAHD在精度、F值，和多类别接收者操作特征曲线下面积（MAUC）上有显著优势。此外，使用了Friedman和Nemenyi检验，统计结果表明OAHD优于其他5种决策树。

主动式队列管理（AQM）对于预防具有往返时滞的TCP/AQM系统的服务质量退化至关重要。往返时滞主要由数据包传播时延引起，但也可由队列操作的处理时间和动态改变的网络情况引起。本文聚焦带有时延不确定性的主动式队列管理数字控制器的设计与分析。该控制器基于史密斯预估器算法，我们称其为SMITHPI控制器。本文同时证明了该控制器的稳定性和抵御网络参数变化的鲁棒性，如传输控制协议源的数量、时延、用户数据电报协议流。运用NS-2仿真评估所提SMITHPI控制器的性能、鲁棒性和有效性。最后，将SMITHPI控制器与著名的主动式队列管理（称为比例积分控制器）进行性能比较。

工作在高脉冲重复频率的脉冲多普勒雷达能避免多普勒模糊，但是高脉冲重复频率在许多场合导致距离模糊。目前，解决距离模糊的有效方案是基于波形设计，但是增加了雷达系统的复杂性。由于目标距离和量测距离的对应关系未知，传统的基于多脉冲重复频率方案，特别是中国余数定理，很难应用于多目标距离解模糊。本文旨在研究量测距离含有误差的基于中国余数定理多目标距离估计方法。提出基于对称多项式辅助的中国余数定理，能有效从含有误差的量测距离中重建多目标距离。封闭式鲁棒中国余数定理和基于Aitken加速算法的多项式方程求解方法能有效降低所提算法的计算复杂度。

由于无磁且容易实现高集成度，开关电容（SC）变换器作为一种直流变压器在现代电子领域具有广泛应用前景。然而，设计具有大电流和高功率的SC变换器仍面临挑战。本文提出一种双支路SC分压器拓扑，并通过集成电路（IC）得以实现。所设计SC变换器能驱动大电流负载，将其使用范围扩展至大功率应用场合。该SC变换器具有1/2的恒定变换比，其双支路交错操作方式可确保输入电流的连续性。此外，提出一种使用电容耦合型浮动电压电平转换器的片上栅极驱动方法有效驱动全NMOS功率链。通过自供电结构，飞电容器本身也是用于栅极驱动的自举电容器，从而减少所需元器件数量。采用数字调制方式，在轻载时自动降低开关频率以提高效率。所设计SC变换器IC使用180 nm三阱BCD工艺制造。实验结果证明了所提双支路交错操作方式和自供电栅极驱动方法的有效性。所设计SC变换器可在5至12 V的输入电压下驱动高达4 A的负载电流，功率效率高达96.5％。在轻负载条件下，使用所提优化方法，电源效率提高了30％。

提出一种基于改进级联观测器的智能分数阶积分滑模控制（FOISMC）策略。首先，针对永磁同步电机设计了分数阶积分滑模控制器，该控制器有良好跟踪性能，具有强鲁棒性，且能有效削弱抖振。所提策略结合了积分能消除稳态跟踪误差和分数阶微积分灵活的优点。其次，提出一种改进的级联观测器，能获得较小的转子信息观测误差。所设计级联观测器结合了自适应滑模观测器和扩展高增益观测器。此外，利用改进的变速灰狼优化算法优化控制器参数。最后，在综合考虑模型不确定性和外部干扰的情况下，通过仿真和实验验证了所提策略的有效性。

设计了一种用于用户端设备（CPE）且工作在2G/3G/4G/IMT/5G频段的小型化超宽带交叉振子天线。单个交叉振子的双臂由阶梯型枝节组成，天线的带宽不但能够通过选择阶梯型枝节的阶数来控制，还可以通过延伸枝节末端来展宽。偶极子通过连接在同轴线上的微带枝节来馈电。此外，通过在交叉振子下方增加开缝的寄生贴片，天线整体的带宽能够扩展到5G sub-6 GHz频段。此外，对天线结构进行了加工和测试。结果表明天线的10 dB相对带宽为147.3 %（0.77–5.07 GHz），双端口之间的隔离度优于20 dB。

提出一种在微波频段具有宽带、高效率的氮化镓（GaN）功率放大器。该功率放大器采用0.15 μm栅长GaN-HEMT工艺，其工作频段可以覆盖整个K频段，即17–26.5 GHz。为获得更好的输出功率和功率附加效率（PAE），根据晶体管的性能，设计了最优前后级驱动比和最佳晶体管尺寸，并采用宽带低损耗电路拓扑结构，实现宽带高效率设计。同时，将谐波控制结构巧妙地集成到驱动级匹配电路中，提升高频效率，确保整个频段内获得较高功率附加效率。该功率放大器采用三级放大拓扑结构，在连续波条件下，测试结果表明，在17–26.5 GHz频带范围内饱和输出功率超过42.5 dBm，平均PAE为30%，在19.8 GHz时PAE达到最大，为32.1%，输出功率平坦度优于1.0 dB。该芯片结构紧凑，面积仅为4.2 mm×3.0 mm，可广泛应用于收发组件、无线通信、电子测量仪器等领域。