针对当前多机器人路径规划策略中存在的路径耦合性高、总路径长、避碰等待时间长等缺点，以及由此导致的系统鲁棒性低、机器人利用率低等问题，提出了基于三维时空地图和运动分解的多机器人路径规划算法。首先，根据已有路径集和当前机器人的位置生成时间维度上的动态临时障碍物，将其与静态障碍物一并拓展为三维搜索空间；其次，在三维搜索空间内，将路径运动总时间拆分为运动时间、转向时间和原地停留时间这三个参数，并使用条件深度优先搜索策略计算出从起始节点到达目标节点的所有符合参数要求的路径集合；最后，遍历路径集合中的所有路径，对于每条路径，计算其实际总耗时。如果某一路径的实际总耗时和理论总耗时之间的差距小于规定的最大误差，则可认为该路径为最短路径，否则，继续遍历剩下的其余路径；而如果路径集合中所有路径的实际总耗时和理论总耗时之差全都大于最大误差，则需要动态调整参数，然后继续执行算法的初始步骤。实验结果表明，所提算法规划的路径具有总长短、运行时间少、系统无碰撞、鲁棒性高等优点，解决了多机器人系统完成持续随机任务的问题。

针对视频安防监控系统中出现的监视区域有限、目标定位困难等问题，利用雷达监测范围广、不受光学条件影响的特性，建立了雷达引导的视频联动监控模型，并在此基础上提出了目标定位算法和多目标选择算法。首先，根据雷达检测到的目标信息，自动计算出运动目标在系统联动模型中对应的摄像机方位角和俯仰角，从而引导摄像机准确锁定目标并实时监控追踪。然后，当监控场景中出现多个目标时，采用多目标选择算法，将目标的离散程度、径向速度及其与摄像机之间的距离进行数据加权融合，选择出优先级别最高的目标进行重点监控。实验结果表明，所提目标定位算法对于行人与车辆的定位准确率分别达到0.94和0.84，能够实现目标的准确定位，多目标选择算法可在复杂环境中有效选择出最佳监控目标，具有良好的鲁棒性和实时性。

研究基于总变分(TV)的图像去噪问题,针对中央处理器(CPU)计算速度较慢的问题,提出了在图像处理器(GPU)上并行计算的方法。考虑总变分最小问题的对偶模型,建立原始变量与对偶变量的关系,采用梯度投影算法求解对偶变量。数值实验分别在GPU与CPU上进行。实验结果表明,总变分去噪模型对偶算法在GPU设备上执行的效率高于在CPU上执行的效率,并且随着图像尺寸的增大,GPU并行计算的优势更加突出。

为提高无线传感器/执行器网络(WSAN)的可靠性,提出一种基于遗传算法(GA)的WSAN故障检测滤波器的优化设计方法。在系统建模时将无线网络传输延迟对网络控制系统的影响建模为一种系统扰动噪声,将由敏感度和鲁棒性构成的复合优化指标作为故障检测滤波器的优化目标函数,即适应度函数。同时根据优化目标在自动控制系统中的数值特性,选择与之相适应的实数编码、均匀变异和算术交叉等处理方法,以期在加快收敛速度的同时也兼顾计算结果的精确度。所提的优化滤波器设计,不仅能抑制滤波器信号中的噪声分量,而且能放大故障信号。最后,通过Matlab/OMNET++的仿真平台验证了这一设计的有效性。

针对常规层次型布图算法在大规模程序中布线混乱的缺点，借鉴Sugiyama层次布局算法，提出了一种随着程序规模动态调整的通道优化布线算法。通过将节点的通道数目与程序规模建立函数关系，以解决现有算法在布图时出现的线路重叠和效率低下的问题；在布图中结合广义张量平衡思想，以减少交叉并实现布图的美观性；并根据调用节点之间的相对位置关系，给出了相应的线路分配和申请策略，实现了布线的有序性。实践证明，该算法能够提高布图效率,有效地减少交叉，实现节点的有序布线和实现简单等优点。

在无线协作环境下，充分利用无线电磁波的广播特性进行物理层网络编码(PLNC)可获得更大的吞吐量和频谱利用率。在物理层网络编码基本思想的基础上，首先着重介绍三类物理层网络编码技术——有限域上的物理层网络编码、模拟网络编码和复数域上的网络编码，给出它们相关理论的研究现状，并对与此相结合的新技术进行了介绍；然后论述目前物理层网络编码应用实现的现状；最后对物理层网络编码相关理论及其应用实现的发展趋势进行了分析与展望。物理层网络编码理论的进一步完善，相关安全性的研究，以及与协作通信理论，如信道编码与调制、中继选择、调度及资源分配等进一步紧密结合等，将是其研究的重要趋势。

提出了一种新的靶子图像识别算法，专门针对野外实弹射击采集的、具有复杂背景的图像。首先利用颜色特征，通过RGB空间转换到HSI空间、S通道阈值分割、融合I通道信息、第二次阈值分割、形态学后处理等步骤，进行一次粗分割；然后利用区域特征，提出了一种基于AdaBoost学习算法的靶子分类器设计方法，可以较好地将靶子区域同其他杂质区域分开，得到最终识别结果。

提出一种针对物体空间为序体绘制的空域跳过算法：采用双层次空间跳过，先以规则的数据分块作粗略地跳过，再以八叉树获得更高粒度的优化。该方法进一步解决了超过可用纹理内存容量的大规模体数据实时绘制问题，允许实时改变传递函数。针对该算法引入的CPU高负载瓶颈，提出一种新算法，在图形处理器(GPU)内快速计算采样面片，平衡了CPU与GPU间的运算负载。结合上述两种算法，实现高效的大规模体数据绘制并无损图像质量。

XP项目开发周期依赖于项目团队的开发效率。这个效率可以用每个迭代开发阶段加入的用户Story被成功实现的概率来描述。提出了一种简单、实用的估计XP项目开发效率和迭代周期的数学方法。该方法可用于项目开发成本和工作量估计。用一组数据对该方法进行了模拟验证。

脑—机接口（BCI）是连接大脑和计算机及外部设备的通讯系统，通过连续小波变换（CWT）对采集的脑电信号进行分解，构造由多个尺度对应的方差构成的多维向量，应用支持向量机（SVM）进行分类识别，取得了良好的效果。基于统计学习理论的结构化风险最小化原则，研究了高斯核支持向量机误差惩罚参数C和高斯核参数σ对支持向量机性能的影响，使用仿真实验验证了传统的经验风险最小化原则不能保证良好的推广能力，提出了综合调整参数σ和参数C的方法以优化支持向量机的性能。

利用Grover量子搜索算法和概率论给出了挖掘网络数据的关联规则挖掘、权威页面挖掘和Weblog记录挖掘的一种新方法，最后说明该方法比任何经典方法要快得多。

提出一种适用于面向人员工作流管理系统的开发框架，重点论述了框架的设计实现，并介绍具体应用实例。框架设置了三个层次：业务对象层、Runtime层和业务实体层。业务对象层提供简洁的API；Runtime层设置了统一的管理环境，保证面向人员工作流应用软件的可靠运行；业务实体层持久化并管理工作流对象。利用此框架开发面向人员工作流管理系统将大大简化开发的复杂性，提高系统的可维护性。