针对现有人体追踪系统追踪误差大、硬件部署对环境改变大和用户佩戴设备不方便等问题，提出基于择优标签的无设备人体追踪方法. 采集人体在不同位置上的射频(RF)功率信号，分析人体所在位置与功率信号之间的关系. 为了减缓信号不稳定性对系统的影响，提取射频功率信号的特征作为模型训练的数据集. 利用信号特征建立不同的深度学习模型，对比不同训练方式下的追踪效果和标签用量，选择合适的模型结构和训练方式. 分析实验结果，给出普适性意见和最优标签选择方法的具体步骤.实验表明，基于择优标签方法的定位系统是可行的，其中跟踪误差为0.19 m，与表现较好的WallSense系统相比，跟踪误差降低约5 cm，标签量降低66.7%. 基于择优标签方法的定位系统明显降低了标签部署对环境的影响，在保证精度的情况下，减少了标签冗余.

考虑状态更新系统中传感器节点要尽可能及时地将随机生成的状态更新传送给基站，以信息年龄（AoI）作为时间新度量，同时引入平均保密年龄和保密年龄中断概率的性能指标，保证系统的通信安全性. 采用实用的截断自动重复请求（TARQ）方案，传感器节点持续传输不断更新当前状态，直到达到允许的最大传输次数或生成新的状态更新. 推导出平均AoI、平均峰值AoI的闭合形式表达式，以及平均能耗的表达式，通过优化物联网(IoT)设备的传输功率和平均传输功率约束下的最大允许传输次数来最小化平均AoI，实现系统的信息年龄-能量权衡. 仿真结果表明，在相同的平均传输功率约束下，采用的TARQ方案比允许无限次重传的经典自动重复请求（ARQ）方案的平均AoI更低，性能更好.

根据能量采集应用于标签的特点，在能量采集模块与标签模块之间添加监测电路，并在高低2个阈值设置的基础上，提出能量采集与标签协同工作策略，低阈值选取原则是保证储能模块的储能能够保证标签一次广播，最大限度地防止标签进入掉电状态. 从标签设计目标要求的广播间隔与功率出发，根据环境中能够采集到的能量大小与标签不同状态下所需能耗的变化，推导出储能电容最优值、环境中应具备的射频(RF)输入功率最小值与最优值. 利用P2110B与CC2640R2F芯片设计了一个基于射频采集的标签进行验证，测试结果表明：采取该方法设计的能量采集标签可以实现能量采集模块和标签模块协同工作，当射频输入功率大于最优值时，标签能够进行持续的“休眠 ? 广播”循环工作，有效地防止标签陷入“能量死锁”，并可自适应地在不同工作状态下转换.

针对传统星载合成孔径雷达（SAR）工作模式反演方法在识别准确率和时效性上存在局限性的问题，根据SAR信号的特点，提出基于一维卷积神经网络的星载SAR工作模式识别模型. 该模型以星载SAR信号脉冲峰值幅度作为输入，利用卷积神经网络的自主学习和模式识别能力，避免了传统方法的人为影响因素，能够学习原始信号更具有代表性的特征，最终实现星载SAR工作模式的有效识别. 在设计一维卷积神经网络结构时，参考了现有性能较优的卷积神经网络，根据网络训练过程中准确率和损失值的反馈，调整设置了较优的参数以训练得到具有良好识别性能的模型. 基于仿真数据的对比实验表明，该模型相较于传统反演方法具有更高的识别准确率，同时对于主旁瓣信号和不同侦收条件均具有较优的鲁棒性和抗噪性.

为了解决高频谐振功率转换器功率密度较低的问题，提出基于绝缘体上硅（SOI）工艺平台和氮化镓（GaN）功率晶体管的三维集成的单开关全谐振升压转换器，开关频率为500 MHz. 转换器主体采用传统Class-E放大器的衍生电路结构?并联式Class-E拓扑，栅极驱动器采用单管谐振式驱动拓扑. 转换器中的谐振电感元件采用SOI工艺中提供的平面螺旋电感实现，谐振电容元件采用GaN功率晶体管的米勒寄生电容实现，硅基芯片与GaN芯片通过三维倒装技术连接. 围绕电路参数设计、谐振元件的实现和版图结构设计进行详细分析. 实验结果显示，当输入电压为12 V时，片上转换器的最高功率密度为1.481 W/mm²，满载效率为60%，最高效率为89%. 本设计为实现高功率密度、高集成度的功率转换器提供了新思路.

为了解决车联网(IoV)中因车辆高速移动和拓扑结构多变导致的车辆间数据传输链路不稳定甚至中断的问题，提出一种活跃度感知的社交车辆分簇算法. 在簇头(CH)筛选过程中，考虑由相对加速度、速度和相对距离构成的移动相似性分值以及由兴趣相似度定义的社交相似性分值，加权求和得到车辆相似性分值. 利用基数排序算法排序并筛选出分值最高者作为簇头候选者(CHc)，保证集群的稳定性. 引入由车辆历史数据处理量和车辆请求资源次数构成的活跃度的概念，通过对其进行判断，从簇头候选者中筛选出真正有社交意愿和能力的簇头，提升簇内亲密度. 使用OMNet++平台进行仿真，结果表明，与传统算法相比，采用所提算法，能使得集群在保持稳定性的同时，亲密度有所提升.

零中频发射机架构是目前集成度最高的发射机架构之一，直流偏置不平衡和I/Q不平衡的问题会大大降低其发射效率，并且会产生显著的镜像干扰信号、本振泄露信号和与有用信号同频的干扰信号.为了解决零中频发射机架构的I/Q不平衡问题，提出利用发射机和接收机射频前端的反馈回路，在数字域使用模拟退火算法（SAA）对I/Q不平衡的补偿因子进行闭环搜索，提出I/Q不平衡校正的新方法.在Simulink软件中进行建模仿真，模拟结果表明，所提方法在不同强度的高斯白噪声条件下能够有效地对I/Q不平衡进行校正.在LMS7002M集成式收发芯片的基础上，搭建了所需要的零中频发射机校正实验平台.实验结果表明，所提方法具有良好的温度适应性和频率适应性，在-20~50℃的温度条件下，所提方法的平均镜像抑制度为-60.5 dBc；在1 600~2 400 MHz的频率条件下，平均镜像抑制度为-57.5 dBc.

针对图像超分辨率算法中新边缘指导插值算法（NEDI）计算复杂度较高、软件计算时间较长的问题，提出基于Cholesky分解的可扩展NEDI算法硬件设计方案.采用Cholesky分解方法简化NEDI算法中复杂的矩阵求逆运算，采用Goldschmidt算法设计低延时定点数除法器加速矩阵求逆运算，使用多周期计算方法隐藏数据相关性带来的数据等待时间并减少硬件资源使用.为了减少硬件资源的消耗，根据NEDI算法在不同大小窗口下核心计算部分的不变性，使用固定资源设计可扩展算法核心电路，采用可变资源设计扩展电路，在FPGA上实现该电路设计.实验结果表明，可扩展NEDI算法硬件的关键路径延时为7.007 ns，工作频率大于100 MHz.与使用PC端软件计算的结果相比，可扩展NEDI算法硬件电路计算结果的误差为0.1%，计算速度是使用PC端软件计算的51倍.