针对图像降噪中降噪效果差、计算效率低的问题，提出了一种结合降噪卷积神经网络（DnCNN）和条件生成对抗网络（CGAN）的图像双重盲降噪算法。首先，使用改进的DnCNN模型作为CGAN的生成器来对加噪图片的噪声分布进行捕获；其次，将剔除噪声分布后的加噪图片和标签一同送入判别器进行降噪图像的判别；然后，利用判别结果对整个模型的隐层参数进行优化；最后，生成器和判别器在博弈中达到平衡，且生成器的残差捕获能力达到最优。实验结果表明，在Set12数据集上，当噪声水平分别为15、25、50时：所提算法与DnCNN算法相比，基于像素点间误差评价指标，其峰值信噪比（PSNR）值分别提升了1.388 dB、1.725 dB、1.639 dB；所提算法与三维块匹配（BM3D）、加权核范数最小化（WNNM）、DnCNN、收缩场级联（CSF）和一致性神经网络（CSNET）等现有算法相比，结构相似性（SSIM）评价指标值平均提升了0.000 2~0.104 1。实验结果验证了所提算法的优越性。

随机多址通信方式是计算机通信研究中不可或缺的一部分，针对传统的P坚持载波侦听多路访问（P-CSMA）协议对无线传感器网络（WSN）系统的传输控制并解决系统的能耗问题，提出了一种在WSN中碰撞时长可变的三时隙P-CSMA协议。该协议在传统的双时隙P-CSMA协议中加入了碰撞时长 b，将系统模型改为三时隙模型，包含信息分组发送成功的时长、发生碰撞的时长以及空闲时长。通过建模分析了该模型下系统的吞吐量、碰撞率以及空闲率，发现通过改变碰撞时长可以降低系统的损耗。相比传统的P-CSMA协议，该协议使系统性能得到了改善，并使得在基于电池模型得到的系统节点的生命时长明显延长。通过分析，得到了本协议的系统仿真流程图。最后通过对比分析各个指标的理论值和仿真值，证明了理论推导的正确性。