行为识别作为计算机视觉领域研究的热点，在当今社会的智能安防、智能监控、智慧医疗等领域有着广泛的应用，而将在在计算机视觉方面有着突出表现的深度学习应用在行为识别研究上效果便更加显著.相较于传统基于手动特征提取方法，基于深度学习的行为识别方法具有速度快、鲁棒性强、准确率高等优点，因此文章针对基于深度学习中的视频行为识别方法进行综述.通过对国内外最新发表的相关文献进行归纳总结，首先阐述分析了传统行为识别方法以及相应改进点，依照网络架构的不同详细梳理基于深度学习的行为识别方法，继而研究对比常见的识别数据集并且比较各算法在数据集上的表现优劣，最后对本领域的研究进行总结，侧重于存在的问题对未来进行了展望，希望可以对之后研究者予以启迪和帮助.

近年来，通过聚合知识图谱中附加的项目信息进行推荐取得了优异的成果，但用户信息来源相对较少，同时多重聚合会使项目自身特征表达不全，甚至发生噪音.针对以上两点，提出基于知识图谱的双重感知网络推荐算法KGDP.首先，从用户交互记录中随机选取部分项目作为用户相关项目，以及选取项目的邻居实体作为项目的相关实体；然后，将选取的用户相关项目经过深度神经网络融合为用户特征，丰富了用户特征，同时单独聚合项目的相关实体；其次，经过两个深度神经网络使用户分别感知项目特征和邻居特征，即非线性交互；最后，通过一个单层感知机调节交互特征的输出权重进行评分预测.在推荐算法常用的两个真实数据集上进行实验，较基线模型AUC指标分别提升了9.2%、2.4%；ACC指标提升了6.6%、1.9%，F1指标分别提升了7.0%、1.1%；Precision@N指标分别提升了28.8%、6.5%；Recall@N分别提升了4.0%、23.7%；F1@N指标分别提升了43.3%、8.4%.

针对现有的基于局部描述子的小样本度量学习方法未能考虑局部描述子之间的关联性以及未充分利用类别的全局特征信息的问题，提出了修复局部描述子网络(RLDN).相邻GCN模块通过利用同张图像内的空间位置关系增强局部描述子之间的联系，修复了部分背景噪声局部描述子.全局特征提取模块通过学习并融合图像的全局特征输出类别的全局描述子，再串接局部描述子对其作进一步修复.此外还引入了三元组损失，将其融入到传统的交叉熵损失中提出了全新的混合损失函数，增大了不同类别的间距，有助于分类器减少错误分类的情况.实验结果表明，与传统的局部描述子方法对比，修复局部描述子网络能降低噪声特征对分类器的干扰，有效提升模型的分类准确率.

为了满足对大规模视频数据的异常行为检测的需求，基于视频帧重建和帧预测的方法被广泛研究.但由于监控视角下背景环境是几乎不变的，因此会浪费大量的资源在不变的背景上，同时也不利于检测目标信息的提取.为了解决这个问题，本文使用无监督学习的视频帧预测策略，利用生成对抗网络学习正常行为的特征以生成效果较好的预测帧，并且拟采用注意力驱动损失来缓解异常行为检测中前景目标与背景环境失衡的问题，同时使用空间-通道注意力机制(CBAM)来增强模型生成器的预测效果.经在公共数据集UCSD Ped1和UCSD Ped2的测试和验证，在Ped1数据集上的检测精度达到了83.5%，在Ped2数据集上的检测精度达到了95.8%.与经典的异常行为检测算法以及原始基于生成式对抗网络异常检测算法比较，本文所采用的方法进一步提高了异常行为检测的准确率.

针对无人机航拍输电走廊图像中背景复杂多变、目标偏小且尺度变化大导致检测精度差的问题，本文提出基于RetinaNet递归特征融合与并行缩放的工程车辆检测方法.该方法更适合检测复杂背景中的工程车辆：首先，增添C2层为基础层，与原始骨干网输出层共同用于生成特征金字塔，避免小目标特征被高度压缩；其次，调整原始特征金字塔层次结构，将具有反馈连接的递归结构用于特征提取增强表征能力，设计新颖轻巧的特征融合策略重构特征金字塔，充分利用上下文信息，提高对复杂背景中目标的检测能力；最后，在骨干网C5层的基础上使用多个反卷积块和平均池化层构造并行输出的特征缩放分支，进一步增加特征图的分辨率，提高对小目标的检测精度.在本文构造的工程车辆APEV数据集和公开的PASCAL VOC数据集上分别进行对比实验，结果表明，所提方法的检测速度在满足工程应用需求的前提下，检测精度比原始RetinaNet网络分别提升4.9%和2.7%，与Faster R-CNN、SSD、YOLOv3、YOLOv5、LSN、S-RetinaNet等方法相比精度更高.

SAR图像中道路提取在路网规划建设、灾害监测等领域具有重要的应用价值.传统SAR图像道路提取方法多是基于SAR图像的幅值特性进行提取，缺少对极化特性的解译.此外极化分解方法多应用于水体提取、地物分类、建筑物提取等，较少应用于道路提取.针对现有的道路提取方法数据质量要求高、全极化道路提取研究较少、全极化数据源相干斑噪声影响大的问题，本文首先对全极化数据进行多视处理、滤波去噪预处理，并通过极化分解方法获取20维极化特征散射分量.其次，从散射机理的角度出发，构建鉴别道路信息的最优极化特征矢量.最后，通过SVM分类器得到初步道路提取结果，并通过数学形态法提取道路数据.实验结果表明，该方法达到了98.4%的Acc和65.3%的Iou，具有提取精度高、应用范围广的优点，充分利用高分辨率SAR数据的极化信息，可有效应用于SAR图像的道路提取方法研究中.此外，区分于将光学道路提取的方法直接套用到SAR图像道路提取研究，本文探索了极化特征在SAR图像道路提取中的应用表现，为SAR图像道路提取研究提出新模式新思路.

针对目前纯直接法的视觉里程计缺乏尺度信息，优化位姿时容易陷入局部最优点，且单目视觉初始化时收敛速度较慢等问题，提出了一种改进的直接法单目视觉惯性里程计方案.基于目前效果较好的直接法视觉惯性里程计VI-DSO，提出修改方案.在初始化时，针对VI-DSO方案忽略IMU的初始化，采用后端统一优化的方式估计IMU偏置，导致尺度收敛慢，累积误差较大的问题，增加了IMU偏置及尺度的MAP快速预估，加快了初始化时尺度收敛的速度，同时也为后端优化提供了一个较精确的初始数据，减少累积误差；在深度估计中，改进了深度滤波方案，参考了SVO的滤波方法，利用高斯-均匀滤波器估计误匹配的概率，剔除错误的深度估计，融合正确的深度数据，提高定位精度；在边缘化过程中，完善了VI-DSO方案的边缘化策略，增加了对当前运动状态的判断，根据运动状态选择需要边缘化的帧，确保滑窗内有足够的视差.通过在EuRoc数据集中的测试结果表明，改进后的方案，初始化速度提升了33%，平均定位精度提高了34.5%.

针对当前相关滤波跟踪算法在目标进行旋转、快速运动和被遮挡时，易出现跟踪漂移甚至跟丢的问题，提出一种卷积视角下抗遮挡相关滤波跟踪方法.该方法在相关滤波算法框架的基础上，利用上下文感知方法增加背景信息，引入多模态历史池更新策略增强抗遮挡的跟踪性能.首先，设计出一套基于卷积视角的公式推导体系，巧妙地引入卷积定理在频域上求解滤波器，相比于现有文献中循环矩阵对角化的滤波器求解方法，该推导方法易于理解.然后，通过引入上下文相关信息，设计合理的能量泛函压制背景区域的响应值，达到更加稳健跟踪目标的目的.最后，建立历史多模态目标池，一旦相关响应最大的样本与历史模板池各多模态模板相似度低于人为设置阈值，则认定该帧出现遮挡，不进行模板池、外观模型、滤波器的更新，有效解决遮挡挑战下跟踪漂移的问题.将所提方法在OTB2015上进行测试，实验表明在目标旋转、快速运动、被遮挡等条件下，所提方法在保证准确跟踪的同时保持较高的速度，优于实验所提的其他方法.

相较于传统正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术，滤波OFDM(Filtered OFDM, F-OFDM)技术具有子载波带宽灵活可变和抑制频谱带外泄露等优点，是面向未来无线通信系统的候选波形之一.但是在高动态通信场景下，时变信道中存在的多普勒频偏现象却依然会严重损害F-OFDM系统的性能.针对该问题，提出一种基于变换域的迭代消息传递检测(Message Passing Detection, MPD)算法.MPD算法基于稀疏因子图，通过在收发节点间进行迭代式的消息传递和状态更新，最终实现对多普勒频偏的抑制.此外，通过对检测过程中的干扰进行高斯等效，能够一定程度上降低迭代MPD检测算法的复杂度.进一步的，所提算法基于变换域的设计思路，能够充分利用时变多径信道在变换域的增强型稀疏性，以此有效减少MPD算法中收发节点间的连接支路数，进而降低检测算法的计算复杂度.基于F-OFDM系统的仿真结果表明，相较于传统的时频域MPD算法，所提基于变换域的迭代MPD算法在系统误码率和计算复杂度上均有更为优异的性能表现.

深度神经网络在图像语音智能化处理领域的应用越来越广泛，但其算子、参数类型多，计算、存储密集大的特点制约了在航空航天、移动智能终端等嵌入式场景中的应用.针对这一问题，提出了解耦输入数据流，进行高效流水并行处理的思路，设计了一种神经网络加速器指令控制系统.不同算子的输入数据循环分块后，对应到指令组配置中，多状态机协同完成指令信息三阶段分发控制，实现指令解析、数据输入、计算、数据输出四级并行流水，充分利用分块内的数据复用机会，减少访存带宽及流水周期空闲率.将其部署在ZCU102开发板上，测试中支持常见的多种神经网络层类型和宽范围参数配置.频率为200 M时，峰值算力800 GOPS，运行VGG16网络模型，实际测试运行算力为489.4 GOPS，功耗4.42 W，能效比为113.3 GOPS/W，优于调研对比的同类神经网络加速器和CPU、GPU.实验结果表明，分解数据流，采用指令调度实现高效并行流水的方法解决了通用性和能效比两大难题，基于此方法设计的指令控制系统，可为神经网络加速器的嵌入式平台应用提供方案.

针对高速数字喷墨打印对高带宽、低延迟、低抖动的打印数据传输，以及高并发的位操作喷孔控制等需求，设计了一种领域专用SoC架构并实现了软硬件系统.通过StandaloneOS下的轻量级网络传输减少了操作系统带来的传输抖动，保持稳定高速的数据传输；基于片内高速总线提升了主控系统与喷头控制模块之间的传输带宽, 降低了信号传递的延迟；通过设计位操作协处理模块，实现了对喷孔阵列的高并发控制.基于ZYNQ7020 FPGA SoC平台实现了上述SoC架构及系统，实验结果表明：该系统从上位机接收打印数据时，采用千兆以太网传输速率可以稳定保持在947 Mbps；片内总线传输带宽可达800 MB/s，指令传输延迟在10 ns内；系统的位操作数据处理频率可达64 MHz；整个系统的数据吞吐率可达1500 Mbit/s，数据传输抖动在20 ns内.该系统可驱动具有30720个喷孔的打印机喷头以600 dpi的打印精度完成200 cm/s的打印工作，在1200 dpi的打印精度下仍表现出优良的性能，为突破高速数字喷墨打印的速度瓶颈提供了新的技术思路.

随着无线传感网络和技术的快速发展，高精度无线时频同步技术在分布式系统协同工作中的需求愈加迫切.针对卫星拒止条件下，视距范围分布式网络内高精度无线时频同步需求，本文提出了一种基于载波双向频率传递的时钟同步系统方案，该方案创新地通过部署全双工双向时频同步协议的方式，经由毫米波信道实现时频信息互传，并引入Xilinx MMCM IP动态移相功能核心对时频信号进行相位控制，实现频差测控以及动态调相，有效地提高了时频同步架构的调相性能，最终实现一套完整的亚纳秒级超高精度无线时频同步方案.文中对整个系统的技术架构、射频前端、无线信道传输以及抗干扰能力进行了建模与仿真，验证了整个技术方案的有效性以及最优的调相精度；同时本文还使用60 GHz射频前端及Xilinx 7系列FPGA完成了原理样机设计，实验结果表明，该时频同步系统能够为节点间提供高至322.2 ps同步精度的无线时频互校准服务，从而实现频率同步与相位对齐，支持各项分布式协同工作的开展.与传统的无线同步方法相比，本方案精度高，受无线信道的影响小，抗干扰能力强，易于扩展到高动态等复杂环境，更适合无线分布式网络.

嵌入式Flash由于成本、存储密度等优势日益成为微控制器中重要的程序、数据存储器.然而嵌入式Flash相对较慢的读取速度, 制约着微控制器的整体性能, 因而提升Flash中指令和数据的读取性能十分重要.为了提升微控制器中嵌入式Flash的读取性能，提出了一种基于缓存和预取的Flash控制器，并对当前缓存和预取的不足进行优化.针对现有缓存适配性差的问题，提出缓存行长自适应技术进行优化.针对传统方式访问组相联缓存时缺失代价和功耗高的问题，提出路命中预测技术进行优化.针对现有预取技术准确性低的问题，提出跨步预取技术进行优化.最后, 设计并实现了一款嵌入式Flash控制器, 并集成到SoC系统中, 搭建了验证平台进行功能仿真和FPGA验证.实验结果表明，采用缓存行长自适应技术后，处理器读取嵌入式Flash的性能得到明显提升(103%)；采用路命中预测技术后，处理器读取嵌入式Flash的性能得到进一步提升(2%).采用跨步预取技术后，DMA读取嵌入式Flash的性能得到明显提升(50%).

存内计算技术是解决传统冯·诺伊曼计算架构面临瓶颈的最有效的技术路径之一.基于自旋转移矩-磁随机存储器(STT-MRAM)的存内计算方案尽管具有非易失性、低功耗、高耐久性等优势，但却因其较小的感测裕度对灵敏放大器(SA)设计的读可靠性提出了挑战.尽管基于两个晶体管和两个磁隧道结(2T2MTJ)单元的存内计算方案能有效提升读感测裕度与位运算正确率，存储阵列的面积却成倍增加.本文针对1T1MTJ单元，提出一种高可靠性、多位并行读出存内计算方案，采用了三组参考单元支路结构，结合改进型多位电流型灵敏放大器(MBCSA)进行支路电流运算.结合MTJ紧凑模型与SMIC 40nm工艺的仿真结果表明，在典型条件下，该方案的读操作正确率比采用预充电电流型灵敏放大器(PCSA)的1T1MTJ方案和2T2MTJ方案分别提升了4.07%和1.65%；在小磁阻比、低电源电压条件下也展现了更高的读操作正确率与良好的鲁棒性.此外，该方案可在6 ns周期内同时对两组存储单元进行“AND”、“OR”逻辑运算，实现了四种位逻辑运算结果的多位并行读出.

当前中低压输入军用高可靠DC/DC电源模块普遍采用Si基功率开关，典型输入电压28 V、开关频率500 kHz，随着模块电源小型化发展、开关频率不断提升，开关损耗大幅增加，严重影响电源转换效率.软开关技术的应用可以大幅降低高频化带来的开关损耗，然而软开关控制线路结构复杂，在军用高可靠领域中目前尚无可用的高端集成控制器.GaN器件具有极低的栅电荷、输出电容以及零反向恢复电荷特性，在不增加线路复杂度的前提下可有效降低高频应用带来的开关损耗，这一点在消费电子领域AC/DC变换器中取得成功应用.然而在中低压输入军用高可靠电源模块中，随着母线电压大幅降低和开关频率的提升，GaN器件的高速特性能否有效降低开关损耗提升转换效率还有待验证.本文采用单端反激功率拓扑、同步整流技术设计了一款典型输入28 V、输出5V/30W、开关频率1 MHz的原理样机，通过对单元电路损耗的定量分析和测试验证，获得了GaN器件与Si基器件在1 MHz开关频率下的损耗与效率曲线，得出中低压高频条件下，使用GaN器件的转换效率相比Si基器件提升4%，并且功率开关的电压应力控制在合理范围内.对于军用高可靠领域中低压输入DC/DC变换器小型化、高频化发展具有重要意义.