现有模型合成低资源语言的语音自然度低，为此提出改进模型. 以VITS为基线模型，使用ConvNeXt V2模块替换原模型解码器中的转置卷积模块以降低混叠干扰，应用逆短时傅立叶变换(iSTFT)构建新的解码器以提升合成语音的自然流畅性. 将帧级别的基频预测器引入模型，离散化预测器输出并转换为高维向量，再与VITS中流模块的输出向量拼接后送入所构建解码器结构中. 添加基频损失函数以捕捉和模拟声调. 使用缅甸语、越南语和泰语数据集训练并评估所提改进模型. 模型性能对比实验结果表明，所提改进模型的语音合成效果优于现有模型.

单裁决器拟态防御架构根据执行体数量预设裁决算法，导致执行体数量无法弹性伸缩，为此提出分布式拟态裁决模型，将执行体值裁决转变为多层级联逻辑运算的拓扑结构规划问题. 所提模型支持自定义数量的执行体与故障容许度，动态调整逻辑运算级联拓扑，解耦执行体数量与裁决算法的强一致性关系，移除根据执行体数量预设裁决算法的前提条件. 设计针对高安全、高鲁棒系统的分布式拟态裁决架构，定量分析执行体数量、容许度与级联逻辑运算迭代层数的关系. 在仿真实验中，对比单裁决器拟态裁决架构、经典三模冗余投票模型、分布式拟态裁决架构的裁决能力与裁决效率. 验证结果表明，分布式拟态裁决架构的裁决效率高，具有灵活的扩展性.

为了实现电网故障类型判断、故障线路定位和故障距离判断，提出融合快速傅里叶变换（FFT）、卷积神经网络（CNN）和图卷积神经网络（GCN）的电网故障诊断新模型. 通过FFT对电压和电流信号进行时域和频域分解，提取信号的基波幅值和相位，利用CNN提取分解后数据的时序特征，引入层归一化增强模型的稳定性. 结合GCN处理电网空间拓扑，提取并整合空间特征. 通过对IEEE 39节点电网系统的建模和仿真验证模型的有效性. 实验结果表明，所提模型具有较强的泛化能力，在不同任务、采样间隔和噪声影响下的故障诊断准确率优于现有模型.

为了提升色移键控（CSK）调制可见光通信系统的传输质量，提出2种基于空间调制（SM）的CSK设计方案. 基于三维光强度空间将CSK符号坐标的取值扩展为双极性信号；引入SM，将扩展CSK符号转换为单极性信号以适于在光强度上传输. 基于三角划分CSK符号集设计符号子集划分准则，在恒定光强度和白光约束下，以最大化CSK符号的最小欧式距离（MED）为目标函数，提出恒定强度面的SM-CSK设计方案（CIP-SM-CSK）. 为了进一步增大MED，提出多球面（MSP）的SM-CSK设计方案（MSP-SM-CSK），使用顺序二次规划算法进行优化问题的求解. 进行CSK方案的MED计算分析，仿真结果表明：相比现有CSK方案，所提方案极大改善了可见光通信系统的误比特率.

为了捕捉土壤光谱中复杂的非线性关系，提出基于卷积神经网络的光谱多通道卷积方法，进行土壤重金属镍含量预测. 以某污染农田土壤为研究对象，采集122个土壤光谱样本，利用Kennard-Stone算法将样本划分为校准集和验证集. 采用Savitzky-Golay平滑与标准正态变换进行原始土壤光谱数据预处理，使用改进的相关系数法($ p $=0.01)提取296个特征波段. 采用包括ResNet、VGG、Inception和MobileNet在内的4种深度学习方法进行不同通道策略（单通道（MTF）、双通道（MTF-GASF）、多通道（MC））下的重金属镍含量预测. 在不增加模型复杂度的情况下，提出用于提升轻量化模型MC-MobileNet预测土壤镍含量精度的方法. 以决定系数、均方根误差和相对预测偏差为评估指标，进行不同模型的预测性能综合评估. 结果表明，使用多通道卷积方法后，所有模型的预测性能均有提升，模型过拟合情形得到缓解，模型相对预测偏差均大于2.5.