用于智能路锥自组网（IRCAN）的现有多跳分簇路由协议存在组网控制开销有冗余、数据分组传输平均跳数未保证最小的问题。为解决上述问题，结合网络链状拓扑特点，提出一种基于非随机后倾成簇的高效分簇路由协议RCHR（Retroverted-Clustering-based Hierarchy Routing）。首先，提出基于中心扩展的后倾成簇机制和基于泛听跨层和扩展邻接矩阵的簇首选择算法；其次，采用所提机制和算法，以sink节点为中心依次生成具有后倾特点的簇，在不借助额外条件的情况下为sink节点选择分列两端的最优簇首节点，既减少组网过程的开销和用时，又能够形成有利于降低数据分组传输平均跳数的网络拓扑。理论分析验证了所提协议的有效性，仿真实验结果表明，与现有多跳分簇路由协议基于分环多跳的分簇路由（RBMC）和改进型低功耗自适应集簇分层型协议（MOD-LEACH）相比，所提协议的组网控制开销和数据分组传输平均跳数分别至少降低了32.7%和2.6%。

随着区块链技术及应用的不断发展，人们对区块链之间的交互需求日益增加。然而，区块链技术的孤立性和封闭性以及不同区块链之间的异构性造成了区块链的“价值孤岛”效应，这严重阻碍了区块链技术集成应用的广泛落地和良性发展。区块链跨链技术解决了不同区块链之间的数据流通、价值转移和业务协同等问题，也是提升区块链可扩展性和互操作性的重要技术手段。根据跨链技术的实现复杂性和功能丰富性程度，从三个方面分类总结了区块链跨链技术：一是基础的跨链机制，二是基于这些机制构建的跨链协议，三是提供了系统架构的跨链应用。最后，总结了跨链互操作中存在的问题，从而为区块链跨链技术的进一步研究提供了系统性理论参考。

由于水体本身的特性以及水中悬浮颗粒对光的吸收和散射作用，水下图像普遍存在信噪比（SNR）低、分辨率低等一系列问题，但大部分方法传统处理方法包含图像增强、复原及重建，都依赖退化模型，并存在算法病态性问题。为进一步提高水下图像恢复算法的效果和效率，提出了一种改进的基于深度卷积神经网络的图像超分辨率重建方法。该方法网络中引入了改良的密集块结构（IDB），能在有效解决深度卷积神经网络梯度弥散问题的同时提高训练速度。该网络对经过配准的退化前后的水下图像进行训练，得到水下低分辨率图像和高分辨率图像之间的一个映射关系。实验结果表明，在基于自建的水下图像作为训练集上，较卷积神经网络的单帧图像超分辨率重建算法（SRCNN），使用引入了改良的密集块结构（IDB）的深度卷积神经网络对水下图像进行重建，重建图像的峰值信噪比（PSNR）提升达到0.38 dB，结构相似度（SSIM）提升达到0.013，能有效地提高水下图像的重建质量。