目的：随着四元数在信号处理各个领域越来越广泛的应用，基于四元数的信号处理理论也获得了快速发展。然而，制约其进一步应用的一个瓶颈就是对一般四元数函数的梯度的定义及特性还缺乏清晰并有说服力的描述。本文就试图对这一问题进行探索。
创新点：在信号处理中，虽然很多优化函数的值都是实数，但在进行优化时，尤其是在非线性信号处理中，经常会遇到对取值为四元数的四元数函数求梯度。不同于以往只适用于实数值四元数函数梯度的定义，本文第一次就一般四元数函数的梯度给出了一个自洽的定义，并对其特性进行了详细的研究和描述。基于以上研究，本文对四元数值的最小均方(LMS)自适应算法，以及一个有代表性的非线性自适应算法进行了推导，并以矢量传感器阵列波束形成为例进行了计算机模拟。

目的：随着空间技术和计算机技术的发展，空间飞行器协作控制越来越受到重视。多智能体编队控制是研究这一类问题的基础。本文研究了三种情况下单积分器多智能体系统基于线性二次最优性能指标的编队控制问题，并设计相应的控制算法保证多智能体系统在完成编队的基础上使所定义的性能指标达到最优。
创新点：针对三种不同的单积分器多智能体最优编队情况，分别提出相应的网络连接拓扑以及局部反馈矩阵；不同于其他论文不能给出网络拓扑以及局部最优反馈矩阵的具体解析解，本文给出相应的解析解，并且证明解析解与实际物理系统完全相符。
方法：应用代数图论以及矩阵理论的相关知识，针对无物理耦合的多智能体系统，通过求解代数里卡蒂方程，设计智能体之间的网络连接拓扑以及局部反馈矩阵，保证多智能体系统在完成编队的同时相应的LQR指标最优。针对有物理耦合的多智能体系统，同样通过求解代数里卡蒂方程，得到相应的网络连接拓扑以及局部反馈矩阵，保证多智能体系统在完成编队的基础上使相应的LQR指标最优；针对有物理耦合但无法设计网络拓扑的多智能体系统，将最优指标写成局部反馈增益的函数，通过求最优指标的导数，得到最优局部反馈增益。
结论：对于无物理耦合单积分器多智能体的编队问题与有物理耦合单积分器多智能体的编队问题，分别设计网络连接拓扑以及局部反馈矩阵，在多智能体系统完成编队的基础上保证相应的性能指标达到最优。对于有物理耦合但无法改变通讯网络拓扑的单积分器多智能体系统编队问题，设计最优局部反馈增益，在多智能体系统完成编队的同时保证性能指标最优。

目的：在互联网环境下聚合数据中心中计算资源的虚拟计算环境（iVCE）可以提供经济而有效的服务。在iVCE中，我们广泛地应用虚拟机技术以实现用户间的隔离，保证计算环境的可信性。但是传统的虚拟机需要很长时间来启动，难以满足iVCE环境下大规模高动态的应用需求。针对这一问题，我们设计并实现了VirtMan，一个可以快速启动大量同构虚拟机的系统。
创新点：设计并实现了支持虚拟机镜像动态挂载的缓存组管理系统，可以实现动态地添加和删除缓存设备，减小从存储服务器上读取的数据量；设计并实现了支持虚拟机镜像数据快速分发的层级挂载技术，每个计算节点的本地缓存数据都可以提供给其他节点上的同构虚拟机，进一步减小存储服务器成为性能瓶颈的可能。
方法：VirtMan将远程的镜像块设备挂载到计算节点本地。在我们缓存组管理系统中为其新建一个缓存设备，并在缓存设备上为每个虚拟机建立快照，随后在快照设备上启动虚拟机。由于快照保证了缓存是只读的，我们将每个缓存设备作为新的挂载点，为其他节点上的同构虚拟机提供镜像数据。
结论：VirtMan通过弹性缓存组管理系统以及层级挂载等技术，极大地提高了大规模同构虚拟机的部署速度，可以实现在2分钟内部署1000台虚拟机。

目的：社会化标注系统产生了大量具有歧义和非受控的标签，降低了用户体验也限制了资源检索效率。标签聚类能够将具有相似语义的标签聚集在一起，从而缓解上述问题。现有的社会化标签聚类方法基本上从“资源-标签”的二元关系测量标签相似度，并使用K-means和层次聚类等算法实现标签的聚类，容易引起高维、稀疏和标签语义丢失等问题。本文提出一种基于共同共现群体的标签相似度测量方法，利用谱聚类算法实现标签聚类。
创新点：对社会化标注系统中的三元标注关系进行分析，总结出三元关系中最能保持语义关系的标签共现形式。在分析标签个体共现相似度的基础上，利用群体思想，提出标签的共同共现群体相似度，从全局角度精准地刻画标签的语义相似性，并提出一种基于共同共现群体相似度的社会化标签谱聚类方法。
方法：利用共同共现群体相似度来计算两两标签的相似度，建立相似度矩阵（公式（4））。使用谱聚类算法实验标签的聚类，首先使用拉普拉斯（Laplacian）变换对相似度矩阵进行规范化，建立标签的规范化拉普拉斯（Normalized Laplacian）矩阵，然后计算该矩阵的前k个特征值及其对应的特征向量，并将这k个特征向量组成新的特征空间，在此空间上用K-means算法将标签聚成k个类簇（算法1）。
结论：利用内部评价指标SC和Dunn对本文提出的标签聚类方法和其它传统的标签聚类方法进行实验对比。得出基于共同共现群体相似度的标签谱聚类方法在SC和Dunn这两个指标上的值均优于其它传统标签聚类方法；基于共同共现群体相似度的标签谱聚类方法能够获取较好的聚类结果。

目的：众所周知，普通格上的基于身份的签名体制的公钥尺寸较大并且签名效率不甚令人满意，为提高格上的签名效率并且降低其公钥尺寸，本文设计了NTRU格上的基于身份的签名方案。
创新点：将抛弃采样技术扩展到NTRU格上，并利用NTRU格上的SIS问题构造了NTRU格上的首个可证安全的基于身份的签名方案，使得签名效率显著提高，并很大程度地降低了公钥尺寸。
方法：首先，明确NTRU格的定义，提出NTRU格上的小整数解问题（SIS），即定义5，指出该困难问题在量子计算环境下是安全的。然后，将抛弃采样技术扩展到NTRU格上(算法6)，利用扩展后的抛弃采样技术构造NTRU格上的基于身份的签名方案，详见算法4-7。该方案的安全性依赖于所提出的NTRU格上的SIS问题，因而该方案在量子计算环境下仍然是安全的，并且其通信复杂度较低（详见表1-2）。
结论：将抛弃采样技术扩展到NTRU格上，并构造了NTRU格上首个基于身份的签名方案，该签名方案与普通格上的基于身份的签名方案相比，效率更高，公钥尺寸更小。

目的：统一建模语言（unified modeling language, UML）是软件工程领域使用最广泛的建模语言之一。通过运用一系列图形符号，UML使得软件工程的面向对象分析和面向对象设计便于表达，从而简化了软件设计的复杂流程。UML可以用于不同类型系统、域、方法和进程的建模，但无法表达某些问题域的需求。因此，涌现出了相当多的UML扩展。然而扩展后的UML常仅适用于一个特定域。为减少使用UML扩展对目标系统建模耗费的时间与精力，本文对所有的问题域提供一种集成形式。
创新点：提出一种集成的UML，以同时支持多个域的建模。
方法：首先建立集成UML扩展的框架，再利用此框架集成已有文献中的扩展（表2），形成集成的统一建模语言图形形式（integrated unified modeling language-graphical form,iUML-g form）。iUML-g将现有的UML扩展整合至一个集成形式中，此集成形式包含UML类图、时序图和用例图的集成图。
结论：通过对一个使用多个不同域的系统（此类型系统无法通过UML直接建模）进行建模，本文方法有效性得到验证。同时，包含有9人的iUML-g使用者问卷调查表明（表9），iUML-g的打分不低于3.56（满分为4）。

目的：基于工艺参数扰动及环境参数扰动，实现对芯片漏电功耗成品率及芯片时延成品率的双目标优化，得到分布均匀的帕累托优化解集。
创新点：考虑分布不确定的工艺参数扰动及环境参数扰动，在任意相关性下利用CAA理论对漏电功耗成品率及芯片时延成品率进行有效估算，降低计算复杂度，并根据AWS方法对漏电功耗成品率及芯片时延成品率同时进行优化，取得了分布均匀的优化解，便于设计人员灵活选择优化解。
方法：首先，考虑工艺参数及环境参数的扰动不确定性，提出一种能够处理任意相关性的漏电功耗及芯片时延概率分布边界估算方法。然后，通过计算累积分布边界构造功耗-时延成品率双目标优化模型。最后，利用AWS方法同时优化漏电功耗成品率及芯片时延成品率，得到一组分布均匀的帕累托优化解，进而提供漏电功耗成品率与芯片时延成品率间的均衡优化信息。
结论：针对工艺参数及环境参数的扰动不确定性，提出了一种能够处理任意相关性的芯片成品率双目标优化算法，得到了一组分布均匀的帕累托优化解。

目的：为金属条码标签设计提供参考依据，以实现在工业、军事等恶劣环境下，物品信息的长期保存及自动提取。
创新点：将无损探伤中交流场测量技术应用于金属条码标签的检测识别，从而克服了金属条码标签抗污损能力差的缺点。
方法：将无损探伤中交流场测量技术应用于金属标签的检测识别中。利用薄膜场理论中刻痕处磁标位势的边界方程和二维傅立叶变换，给出高频线圈激励多刻痕金属标签条件下，金属标签上方空间中磁标位势的解析解，并给出磁场强度分布。通过对空间磁场强度的仿真，定性分析金属标签基底材质、刻痕和激励线圈属性等因素对金属标签识别的影响，为金属标签的设计提供参考。
结论：金属标签基底材质、刻痕和激励线圈属性等因素对金属标签检测识别的分辨能力影响为：（1）ACFM在精确定位刻痕时应选择幅度检测的方式；（2）金属标签基底材料应选择相对磁导率较大的金属；（3）刻痕的位置应尽量靠近激励线圈的中心区域；（4）刻痕深度选择4-8 mm为宜；（5）相比于圆形激励线圈，菱形激励线圈可以提高对刻痕的分辨能力；（6）相比于大尺寸激励线圈，小尺寸激励线圈可以提高对刻痕的分辨能力；（7）相比于小尺寸激励线圈，大尺寸激励线圈可以扩大可分辨区间；（8）通过提高激励频率，可提高ACFM检测过程中抗噪声干扰的能力。