基于STUN的SIP穿越非对称型NAT，杨伟，， NAT(Network Address Translator)打破了IP网络的端到端的特性，使得大量的IP应用(尤其是多媒体的应用)无法在IP网上使用。为了减小NAT设备对IP网

基于皮层脑电的脑机接口研究综述，祁玉，王跃明，基于皮层脑电的脑机接口是传统脑机接口研究领域的新分支，在信号的安全稳定性和解码的精确度上具有独特的优势。该技术在运动功能

论文研究-基于Bayes估计的多传感器数据融合方法研究.pdf,  对多传感器数据融合方法进行研究 ,以 Bayes估计理论为基础得到了多传感器最优融合数据 ,并将它与其它方法得到的融合数据进行了比较 .

针对传统总广义变分（TGV）小波修复模型采用单一小波基变换，仅对纹理细节信息较少且结构简单的图像有很好修复能力的缺点，提出一种紧框架域下的总广义变分正则化修复模型。不同于经典小波变换，紧框架系统具有冗余、时移不变和线性相位等图像处理过程中较为重要的特性。新模型通过引入多层紧框架分解系数的低阶与高阶导数项建立正则化项，获取图像不同尺度多方向上的特征信息来对图像进行约束。模型的数值实现采用分裂技术与原始-对偶方法相结合的优化算法（PDSBA），交替迭代求解两个易于处理的子问题，提高了图像修复过程的处理效率。相比于传统模型，所提模型不仅具有保边性能，而且对含有较多细节或纹理信息的图像也有较好的修复效果。实验结果显示，三个修复性能指标：峰值信噪比（PSNR）、平均绝对误差（MAE）和结构相似测度（SSIM）均获得显著提升。

CMOS工艺下高摆幅共源共栅偏置电路，高雪莲，骆丽，共源共栅级放大器可提供较高的输出阻抗和减少米勒效应，在放大器领域有很多的应用。本文提出一种COMS工艺下简单的高摆幅共源共栅��

建模汇率波动性至关重要，因为它对公司的获利能力和决策者的决策具有多种影响。 本文通过对2006年4月1日至2018年1月31日期间的USDINR和EURINR日汇率应用滚动对称和非对称GARCH模型，对印度货币的汇率波动进行了实证研究。得出的总观察值为2861。 （1,1）和EGARCH（1,1）模型，数据窗口滚动了五年，有近1200个观测值，一个月用作每个窗口的预测期。 样本内准则（例如对数似然准则，Akaike信息准则（AIC），贝叶斯信息准则（SIC）和Hannan Quinn准则（HQC））以及样本外准则（例如均方误差（MSE））和平均绝对误差（MAE）已用于测试模型拟合和预测模型的准确性。 为了检验结果的稳健性，使用Diebold-Mariano检验来比较两个模型的预测准确性。 此外，还通过将样本期分为印度汇率的平静和波动时期来测试这两种模型的预测准确性。 结果表明，具有广义误差分布的GARCH（1,1）模型足以捕获USDINR和EURINR汇率收益的均值和波动过程。

卫星通信网中DRA路由算法的研究与改进，王莹，，本文针对星座网络中低轨LEO卫星网络拓扑变化有规律、可预知的特点，提出了一种对数据报路由算法DRA的改进方案，设计出了LeapFrogDRA算�

采集癫痫小鼠模型在常态与致癫状态下的脑电信号以研究其癫痫脑电的自动分类。对经过噪声和伪迹消除预处理的脑电信号进行小波变换，获得不同频率子带的小波系数，对脑电信号及与癫痫特征波相关的小波系数提取相应的线性特征（标准差）和非线性特征（样本熵）；基于这些特征及其组合使用支持向量机分类器实现分类。实验发现基于小鼠脑电本身的标准差和样本熵的分类正确率分别为59.10%和58.00%；而融合各相关小波系数的标准差或样本熵，分类正确率分别达到86.60%和88.60%；融合全部相关小波系数的线性和非线性特征后分类正确率为99.80%。这些结果说明基于小波系数特征融合的分类算法性能有显著提升，能有效实现小鼠癫痫脑电的自动分类。

经验模态分解（EMD）是用来处理非平稳时变信号的一种信号分析方法，该方法对所分析信号的局部特征信号进行不同时间尺度的分解，从而得到这些局部特征信号的各阶本征模函数（IMF）。提出了一种基于IMF能量谱的水声信号特征提取与选择方法，通过对水声信号进行经验模态分解，提取信号的本征模式分量并转换为能量谱特征向量，从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机（SVM）分类器进行。实验结果表明，相对于小波能量谱特征提取法而言，利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果，平均正确率达88%以上。

基于相干探测的Φ-OTDR多点振动传感技术研究，吴晓晓，洪小斌，对基于相干探测的相位敏感光时域反射系统(phase-sensitive Optical Time Domain Reflectometer, Φ-OTDR)多点同时振动传感技术进行了研究。在基于相干