侧信道攻击中，泄露区间的定位对进一步提升攻击效果和芯片防护产生至关重要的作用.对于基于神经网络的模板攻击，由于神经网络是黑盒模型，使得泄露区间定位成为难题.本文通过改进加权梯度类激活映射(Grad-CAM)，提出一种新的可以定位功耗或电磁曲线泄露位置的方法WAvg-Grad-CAM.该方法利用梯度计算进行区间定位，计算输入曲线的不同位置对攻击成功的影响程度，从而可以准确地定位输入曲线的泄露区间.通过实验对比其他常见的可视化方法在模板攻击中的应用效果，发现其拥有曲线平滑和噪音小的优势.实验证明在泄露情况未知且不进行二阶曲线处理的情况下，即使网络成功率较低，也可以直接对带掩码实现的曲线进行精准定位.

针对现有NAND闪存垃圾回收算法对回收效率和数据冷热分离考虑的不足，提出了一种基于无效页年龄的NAND闪存垃圾回收算法.该算法提出了新的回收块选择策略，用无效页年龄计算回收代价，同时使用静态磨损的方法保证了物理块的磨损均衡.此外，算法重新定义了逻辑页数据热度计算公式，提出使用动态调节的阈值将有效数据分为热数据、次热数据、次冷数据和冷数据，将不同类型的数据迁移到不同的空闲块中，有效实现了逻辑页数据的冷热分离.实验结果表明，与GR, CB, CAT, FaGC, FaGC+算法相比，该算法取得了最小的垃圾回收代价以及更好的磨损均衡效果.

视网膜血管图像分割在疾病的自动诊断中起着重要的作用，是早期诊断和手术规划的关键步骤.所以视网膜血管树的精确分割己成为计算机辅助诊断的先决条件.随着卷积神经网络在医学图像分割中的应用，一些分割性能优越的网络逐渐被提出.但是他们忽略了上下文多视野的关注，导致微血管分支很难分出.为了解决此问题，本文提出了一种多视野上下文关注的网络架构.该网络融入一个新的多视野关注模块，该模块能够在扩大感受野的同时关注有效信息，防止微血管分割断裂.其次网络融入注意力门控机制，将低级特征和高级特征相结合，产生更具代表性的新特征，进一步提升微血管分割的性能.在公开的两个眼底数据集DRIVE和CHASE DB1进行了评估，实验结果显示在准确率，灵敏度，交并比和AUC(ROC曲线下的面积)上均优于目前的新算法.

为克服传统图像增强算法在光照强度不均的密闭腔体内对图像增强不足和自然度保留能力弱的问题，本文提出了一种双曝光度图像融合的算法.首先通过图像熵最大化准则估计最佳曝光度，然后利用相机响应模型合成最佳曝光度图像，并基于自适应的权重评估方法融合弱光照图像和最佳曝光度图像，最后利用改进的BM3D (Block-matching And 3D Filtering) 方法对融合图像去噪.所提方法在公开数据集和GIS设备的密闭腔体内进行了验证.实验结果表明，本文方法能够增加图像熵，减少图像噪声，提高低光照部分的亮度，保护图像自然度.

针对风电功率数据的时序性特点，提出降噪循环神经网络模型对电场中短期内的风电功率进行预测.通过模型能够挖掘其蕴含的知识，提高电力系统的稳定性，优化电力调度.模型首先采用循环神经网络构建一个编码-解码结构，设计编码器从序列变量中获取相应的深度特征，再通过解码器对深度特征进行解码，还原输入序列的状态并预测下一时刻的输出.进而，模型在解码器中设计降噪模块和预测模块，克服一般循环神经网络难以对带噪声数据进行预测的问题，使得模型能够对含有噪声的输入变量进行分析.通过利用电力物联网所采集的数据进行实验，结果证明提出的方法能很好地对风电功率进行预测，达到较好的预测效果

针对目前彩色图像加密方案存在的效果差、安全性低等问题，提出了一种基于DNA编码和比特级置乱的彩色图像加密算法.该算法通过对选取DNA编码规则的均匀程度进行评价，使DNA的8种编码规则可以随机并且更加均匀的被选取.首先基于比特级置乱规则对彩色图像进行预处理；再使用DNA编码和循环移位的方式改变RGB平面本身的统计信息；最后使用S盒对DNA译码后的像素值进行非线性替换.理论分析和仿真结果表明，算法可以提供更大的密钥空间，密文图像也具有更高的信息熵，具有良好的安全性.

针对基于卷积神经网络的视频插帧算法模型参数过大、实时性差、内存占用高、难以广泛应用的问题，提出了一种基于双向光流和多尺度特征融合的轻量级级联推理网络模型.将视频插帧任务分解为帧间运动合成和纹理重建两个步骤，设计了一种轻量级的级联双向光流预测网络，并提出了一种多尺度空间与纹理特征融合网络模型，实现了对视频帧多尺度纹理特征和复杂运动特征的充分提取和利用.该模型使用相邻的两个视频帧和所需中间帧的位置作为网络输入，首先计算两个输入帧的空间金字塔特征与纹理金字塔特征；然后使用空间金字塔特征计算帧间的多尺度双向光流；随后结合双向光流，计算出中间帧的空间特征和纹理特征；最后融合中间帧的多尺度空间、纹理特征得到最终所需的视频帧.在Vimeo90K和UCF101数据集上的实验表明，在保证精度的前提下，本文算法在计算速度和模型参数量上具有更好的表现.

为提高可穿戴式医疗芯片的集成度、降低芯片整体功耗和工艺成本，提出了一种多信号可配置的低功耗模拟前端电路.该电路其主要采用了C类反相器和全互补耗尽区MOS电容技术，设计了集成了带有可配置高通滤波功能的仪表放大器、低功耗可配置增益放大器和带宽可配置的低功耗低通滤波器等模块.该模拟前端电路采用SMIC 0.18 μm CMOS工艺设计，仿真结果表明：功耗为52.8 μW，CMRR为76.1 dB，输入参考噪声功率谱密度为3.45 μV/sqrt(Hz).

近年来，RISC-V在处理器领域的大行其道，不仅仅在于其开源可扩展的指令集架构属性，同时也得益于加州大学伯克利分校为其量身打造的敏捷化设计语言Chisel，极大降低了处理器设计门槛.本文基于Chisel语言设计实现了一款带有扩展指令协处理器的多核RISC-V芯片，相对于传统的硬件设计语言，将硬件IP的设计与集成周期压缩50%以上，并且依靠丰富的模板资源，能够快速完成拓扑互连、时序分割、跨时钟域转换等影响处理器整体性能的全局性优化设计，将芯片验证与实现的迭代周期缩短30%以上，为开源处理器敏捷化开发探索了行之有效的技术手段.

针对水下环境采集到图像质量发生严重退化的问题，提出了基于非下采样轮廓波变换(Non-subsample Contourlet Transform, NSCT)的水下图像清晰化算法.先对图像预处理，补偿红色通道，再进行白平衡和锐化，把白平衡图像和锐化图像作为输入，进行NSCT分解.对于低频分量，提出了一种区域方差与加权拉普拉斯能量和的融合方法；采用了改进的引导滤波对高频分量进行处理；最后进行逆NSCT变换和颜色校正，获得清晰的水下图像.实验结果表明，该算法纠正了水下图像色偏，提升图像对比度，突出细节信息，显著提高了水下图像的质量.

为解决在正交幅度调制-正交频分复用调制(QAM-OFDM)系统中的自适应比特分配算法复杂度过高的问题，提出了一种子载波比特分配方案.基于边缘自适应准则，通过对信道增益的预处理，在迭代分配中利用与运算以及移位操作来减少贪婪(greedy)算法中的计算和搜寻操作.仿真结果显示：在相同的仿真环境下，改进算法与贪婪算法有着几乎相同的比特分配效果以及误比特率性能，并且较贪婪算法所用的时间更少，由此验证了改进算法具有很高的实用性.

针对传统电荷泵电压损耗严重和输出纹波较高的缺点，本文提出了一种高效低纹波双端输出电荷泵。该电荷泵基于传统电荷泵做了结构上的改进，利用栅压驱动，减小输出纹波，达到正反相倍压输出，并设计一款稳定高驱动能力的振荡器电路，振荡器电源由电荷泵输出端直接自给，降低了电压损耗，提高了转换效率。电荷泵电路基于0.6 μm CMOS工艺进行设计与仿真，仿真结果表明改进型电荷泵启动稳压时间仅为51 μs，在常规电源电压2.8~5 V均可达到正反相倍压的目的。典型电源电压3.3 V，负载电流10 mA条件下，输出V+可达6.2 V，V-可达-6 V，纹波仅为15 mV，具有转换效率高，稳压输出的优点，改善了性能指标。

在高速大容量的存储系统中，传输通道为实时的双向链路，微控制器无法实时感知存储设备的状态，需要存储设备主动发起数据的传输.针对这种特征，设计了一种面向存储的高性能双向SPI传输接口，并定义了一套可扩展的存储传输协议，实现命令级别和数据级别的传输操作.该设计基于FPGA实现，比对仿真结果表明: 该传输机制支持从设备主动传输，实现真正双向SPI通信，其传输效率相对当前主流Flash存储设备具有明显优势.

在跨语料库语音情感识别中，训练和测试数据分布的差异变得非常明显，导致验证和测试性能差别很大.针对该问题，提出一种基于对抗训练的跨语料库语音情感识别方法.该方法通过语料库之间的对抗训练能有效地缩小不同语料库之间的差异，提升模型对域不变情感特征的提取能力.同时，通过引入多头自注意力机制，对语音序列中不同位置元素之间的依赖关系进行序列建模，增强序列中情感显著特征的提取能力.在以IEMOCAP为源域、MSP-IMPRO为目标域和在以MSP-IMPRO为源域、IEMOCAP为目标域上的实验表明，所提出方法的相对UAR性能相比于基准方法分别提升了0.91%~12.22%和2.27%~6.90%.因此，在目标域标注缺失的情况下，所提出的跨语料库语音情感识别方法具有更好的域不变情感显著特征的提取能力.

针对直流无刷电机驱动系统存在的模拟PWM技术控制难、PWM芯片少以及PWM死区时间精度低等问题，本文采用Verilog语言设计了一款纯数字电路实现的PWM波形生成器.文中简要介绍了PWM在直流无刷电机系统的控制原理、电机转子位置和电机相导通的关系及PWM调制方式，重点描述了采用纯数字方法实现PWM波形发生器的设计流程.通过增加时钟除频模块，死区计数时钟频率可提高到PWM计数器的16倍；两通道PWM共用一个死区计数器，节省了设计资源.设计的PWM波形生成器可通过SPI接口进行参数配置，实现可编程、方便控制等优点.

机器学习系统以其强大的自适应性、自学习能力，越来越多的应用到Android恶意软件检测领域，取得了显著的检测效果.然而，机器学习算法和样本本身还面临着诸多安全威胁，一些经过精心策划的攻击，希望颠覆这些算法并允许恶意行为对抗检测.首先以Drebin系统为例介绍了基于机器学习的Android恶意软件检测方法的原理，然后在攻击目标、攻击策略的基础了提出了针对机器学习分类器的逃避攻击模型.在综合考虑特征权重、可修改性、修改成本的基础上，提出了一种恶意对抗样本生成方法.实验结果表明，只需要修改很少量的特征，就能够逃避线性SVM分类器的检测，最后用一个具体的恶意样本逃避实例验证了提出方法的有效性.