1. 透明材料：使用对热（红外）辐射透明的材料，以便在热能源和目标物体之间创建透明环境。最先进的技术提供了各种对短波红外辐射透明的材料。特别是，这种材料广泛用于热像仪技术。例如，可以使用具有所需热机械特性的特殊硫属化物玻璃。2. 红外注入辐射器：使用红外注入辐射器（基于红外 LED 和/或红外激光二极管）来产生具有所需光谱和空间特性的定向红外辐射。众所周知的 COB（板上芯片）、Multi-COB 和其他技术使我们能够提供所需的功率水平和高水平的能源效率。3. 热像仪：使用热像仪远程监控目标物体的温度。最终的技术成果是创建了一种无惯性方法和一种无惯性（几乎瞬时）冷加热系统（各种变体），包括：瞬时生成具有所需光谱和空间特性的热（红外）辐射（红外 LED 的响应时间以微秒为单位）；将热能从源直接瞬时传输到目标物体（物体）；瞬时测量（监测）目标物体的温度；瞬时控制加热过程参数。

随着互联网技术的出现，获取信息变得非常容易，但同时也引发了版权难题。通过在数字图像中嵌入版权信息可以改善这一困境，这种方法称为数字图像水印。人工智能优化算法广泛应用于无数解决问题的场景，并产生了有效的结果。本研究提出了一种利用单候选优化器 (SCO) 的可视化数字图像水印方法。与许多流行的元启发式优化算法相反，2024 年推出的 SCO 不是基于人群的。SCO 的适应度函数旨在最大化水印图像与主机和水印图像之间的相似性。对图像处理中常用的图像进行了实验，并使用八个质量指标评估结果。此外，将获得的数值结果与众所周知且广泛使用的遗传算法、差分进化算法和人工蜂群优化算法的结果进行了对比。研究结果表明，SCO 在可见数字图像水印方面的表现优于其他算法。此外，由于其非基于人群的特性，SCO 的速度明显快于其他算法。

在日益互联的世界里，加密变得比以往任何时候都更加重要。高级加密标准 (AES) 凭借其数学特性，在 20 多年后仍被认为是安全的。然而，旁道攻击 (SCA) 威胁着不适当的 AES 实现。本文介绍了不同的 AES 实现，并展示了它们对功率 SCA（即相关功率分析 (CPA) 攻击）的抵抗力。为了提高能源效率，通过寄存器级组织和与流程相关的优化，将因对抗 SCA 而增加的额外功能导致的功耗增加降到最低。不同的 AES 实现是通过 Cadence ASIC 流程（TSMC 65 nm LP 技术）构建和处理的。使用 ChipWhisperer 平台对 SCA 抵抗力进行评估，该平台在 RTL-to-GDSII 流程后获得的实际功耗值上运行。结果表明，流水线化和展开 AES 轮次会增加 SCA 抵抗力，但代价是能源效率略有降低。所提出的实现适用于不同的旁道攻击对策。

开发一种保护隐私的数据发布算法（PPDP），在不忽视数据效用的情况下防止个人身份信息的泄露，仍然是一个有待实现的重要目标。这是因为在数据效用和数据隐私之间找到最佳平衡是一个具有挑战性的NP难题，也是当前的研究领域。作为该项目的一部分，通过关注基于数据匿名化过程中常用的k匿名化方法的算法的基本缺点，开发了将对文献做出重大贡献的新算法。该项目范围内的拟议算法是基于基于连通性的离群因子（COF）和蒙德里安技术的PPDP算法。该算法旨在通过在蒙德里安算法中引入异常检测机制来提高数据效用，并生成比蒙德里安方法更多的等价类，与基于k-匿名化的先前算法相比，提供了更多的数据效用。另一种提出的PPDP算法基于项目范围内的k-匿名化，具有一种新颖的分区策略，该策略基于分而治之策略（如k-维树（KD树））来划分数据空间。它在保持权衡的同时解决了边界问题，并引入了一种新的机制来解决异常值引起的问题。该算法适用于数值和分类数据，与之前的算法相比，在数据效用和数据隐私方面都表现出了更成功的性能。

加强努力和防灾计划可以提高社区对地震的抵御能力。机器学习和人工智能在地震相关领域有着重要的应用。这些技术用于地震破坏预测、地震活动预测和建筑加固策略。GEAKDES项目提供了一个综合的灾害决策支持系统。实时机器学习算法使用建筑物、地震和地面数据等特征进行地震损伤预测。这些信息与卫星图像分析相结合，以实现更准确的地震损失预测。此外，确定了地震后的援助需求，并运行了一个物流网络模型来确定援助路线。该项目中开发的成本敏感并行ABC-ANN和成本敏感并行GA算法在地震损伤预测中因其高精度和快速训练时间而脱颖而出。Sentinel-2和Sentinel-1卫星图像用于震后损伤检测，光学图像用于识别建筑物倒塌，SAR图像用于检测地面变化。整合这些信息后，准确率达到91%。使用开源的Sentinel-1 SAR卫星图像，结合机器学习方法，有助于了解地震造成的破坏。

由于电动汽车的增加，对电动汽车充电系统的需求每天都在增加。无线电力传输（WPT）因其安全性和便利性而在技术中脱颖而出。这里最重要的方面之一是可再生能源的出现，以防止电动汽车充电过程中电网过载。在该项目中，将开发一种功率为10千瓦的基于并网光伏（PV）的电动汽车WPT。系统中将使用动态能量管理算法，以确保电池的不间断和高质量充电。在项目范围内，光伏系统通过合适的直流转换器连接到直流母线，直接为高频逆变器供电，从而以较少的损耗和较低的成本为充电系统供电。

最近，随着无人机技术的快速发展，无人机在回程基础设施中的应用受到了关注。在这个拟议的项目中，我们解决了基于无人机的回程系统的设计、性能分析和优化问题，这对未来几年的电信行业至关重要。在我们的项目中，设想光无线通信将用于建立空中回程基础设施所需的地面无人机、无人机间和无人机地面链路的连接。我们项目的总体目标是提供创新的基于无人机的回程解决方案，并为自由空间光（FSO）链路开发先进的物理层技术，这将成为空中回程网络的基石。使用这些模型，我们探索了机载网络节点在不需要充电的情况下可以运行多久，以及在这些约束下应该如何选择关键的系统参数，如运行高度。通过在该项目范围内开展的研究活动，在从信道建模到物理层设计和能量收集的广泛领域，为非地面光无线通信系统领域的文献做出了新的贡献。该项目的成果为下一代无线通信系统的空中回程解决方案的设计提供了指导。

无线系统的进步显著扩大了通信系统的市场，导致数据传输和接收流量增加。扩展无线通信频谱的带宽对于满足新的数据传输需求至关重要。然而，目前6 GHz以下的频谱充斥着WiMAX和WiFi等应用。因此，毫米波（mmWave）频段是第五代（5G）无线通信系统的有前景的候选者，因为它们具有宽带和更高容量的潜力，能够实现高达20 Gbps的数据速率。5G系统必须具有低功耗、低成本和高紧凑性，以实现移动设备兼容性。本研究提出了一种基于PLL的SiGe BiCMOS频率合成器，针对5G MIMO收发器系统进行了优化，解决了5G系统中的频率转换瓶颈问题。该合成器旨在实现：低功耗的高信噪比（SNR）、紧凑的面积和高集成能力。该项目使用基于滑动中频拓扑的II型三阶架构的整数N PLL实现了高性能。该合成器由压控振荡器（VCO）、环路滤波器（LF）、电荷泵（CP）、相位频率检测器（PFD）和分频器组成。合成器使用0.13？m SiGe BiCMOS技术。广泛的布局后模拟证实，该合成器在9 GHz至12 GHz的频率范围内实现了目标性能，在1 MHz偏移下的相位噪声为-118 dBc/Hz，稳定时间为0.8µs。该项目已成功支持5G MIMO收发器，其频率合成器可提供低相位噪声、功率效率和紧凑性。

考虑到城市在能源消耗中的份额，设计可持续的城市住区、能源管理和城市优化设计是不可避免的。迄今为止开发的用于生成边界元法的软件存在许多缺点，例如需要高用户知识、基于旧软件技术、具有研究人员般的外观和文档不足。有两种被动房屋软件，但这些软件无法对可再生能源系统（RES）进行建模。边界元法的两类是自上而下（T-d）和自下而上（B-u）方法。T-d模型不需要每栋建筑的详细数据。B-u方法基于边界元法的详细计算。这种方法是一个新的研究领域。B-u为建筑社区建模的软件工具很少。在这个项目中，为标准建筑、被动式建筑和/或净零能耗建筑（NZEB）以及由这些建筑组成的社区开发了能源建模软件。该项目开发了四种软件：建筑能源模拟工具（BEST）、可再生能源模拟工具、零能耗被动式房屋工具（ZP-BEST）、低/零能耗/被动式建筑和建筑社区能源模拟工具。BEST软件以其易用性、计算建筑外墙最佳导热系数的能力以及首次根据用户满意度对建模建筑进行评估，为文献做出了贡献。ZP-BEST软件通过使用多目标优化算法计算将被动建筑提升到NZEB状态的最佳RES，并首次根据用户满意度对其进行评估，为文献做出了贡献。REST软件通过生成具有多目标优化内容的RES设计和NZEB特有的优化设计，为文献做出了贡献。ZP_C软件结合了BEST和REST软件开发的模型。ZP_C是用B-u方法开发的，为一个新的研究领域做出了贡献。在ZP_C中，云计算被用来加速软件。使用NZEB构建社区可以用ZP_C进行建模，或者可以通过分别建模建筑物和RES来确定需求满足率。

根据美国国家公路交通安全管理局（NHTSA）最近的一项研究，94%的交通事故是由人为错误造成的。自动驾驶系统（ADS）正在开发中，其目的包括预防交通事故、减少排放、运送残疾人、为乘客提供经济高效的交通服务以及减轻与驾驶相关的压力。感知模块是设计全自动驾驶汽车（自动驾驶系统之一）的最重要模块之一，用于检测可行驶的道路区域，从而基于传感模块提供的信息高精度地计算转向角。该模块的设计在预防事故方面也非常关键。此外，关于转向角计算的研究主要基于道路车道标线的存在。然而，随着时间的推移，道路车道标记可能会暴露在恶劣的天气条件下，导致线路恶化或因暴露在道路上积聚的水、雪和泥中而完全毁坏。在这种情况下，为了使车辆成功实现全自动驾驶，该项目侧重于检测可行驶的道路区域并计算车辆的转向角。通过这种方式，消除了安全驾驶对车道线的依赖，确定了可行驶的道路区域，并计算了转向角。一种基于卷积神经网络的新算法已经开发出来，用于可驾驶道路区域检测，这是当今的趋势技术之一。开发的算法用从菲腊大学校园区收集的FuVid数据集进行了测试。根据实验结果，所开发算法的参数数量为17万，每秒浮点数为0.0074亿，分割准确率为86.89%。