综合新闻 您现在的位置是: 首页» 新闻通知» 综合新闻

【高水平学术前沿讲座】暨【交叉科学论坛】之交叉会: 北京交通大学陈为教授讲述结构化压缩感知技术

来源: 发布日期: 2020-07-10

7月10日上午,由北京理工大学研究生院主办、前沿交叉科学研究院承办的“高水平学术前沿讲座”暨“交叉科学论坛”之交叉会(2020年第5期)以在线形式开展。应前沿交叉科学研究院高镇特别副研究员邀请,北京交通大学教授、博士生导师陈为分享题为《结构化压缩感知技术》的学术报告。

报告中,陈为教授首先系统地介绍了传统的压缩感知技术。从传统的信号处理技术引入,陈为教授一一介绍了压缩感知技术的理论基础、系统模型、问题优化,并重点解释了不同稀疏信号重构算法的问题建模、解决思路、性能优劣,包括以Lp范数为约束的凸优化类算法、迭代阈值类算法、稀疏贝叶斯学习算法等。

相较于传统压缩感知所解决的高自由度的稀疏信号重构,结构化的压缩感知所恢复的信号不仅具有稀疏性,还具有额外的结构性,包括矩阵的行(列)稀疏性、低秩性、相关性等等。利用这种结构性设计优化问题、重构算法,可以有效提高重构信号的精度。陈为教授以凸优化类算法、稀疏贝叶斯学习算法为例,介绍了如何在问题建模和优化设计中利用这一类结构性,从而获得信号重构的性能增益。

在报告中,陈为教授不仅介绍了压缩感知技术的发展历程,还结合了近年来研究火热的数据驱动类方法,描绘了压缩感知技术未来可能的发展方向,对其应用前景进行了展望,同时以自适应网络深度的稀疏贝叶斯学习算法为例,讲述了如何实现数据、模型双驱动的压缩感知。

在报告结束后的讨论环节,师生们就稀疏信号结构性的利用、不同稀疏信号重构方法的对比、如何与数据驱动方法结合等问题,进行了深入而广泛的讨论。陈为教授以自身丰富的科研经历与深刻的科研理解,详细解答了相关专业问题,与会师生获益匪浅。

 

报告嘉宾简介:

陈为,北京交通大学教授,博士生导师,IEEE高级会员,中国电子学会高级会员,中国计算机学会(CCF)物联网专委会委员。2013年于英国剑桥大学获得计算机科学专业博士学位,后加入北京交通大学轨道交通控制与安全国家重点实验室。累计在IEEE期刊发表论文二十余篇、机器学习A+类会议论文五篇、IEEE会议论文(ICASSP、ICC、GLOBECOM等)三十余篇,担任IEEE Access、IET Signal Processing和IET Wireless Sensor Systems编委。曾获2020 IWCMC 5G-EWNAT Workshop最佳论文奖、2019 CCF-腾讯犀牛鸟基金“卓创奖”、2017 International Conference on Computer Vision (ICCV) 年轻学者奖等荣誉。目前主要研究方向包括无线通信、信号处理、无线传感器网络、图像处理、模式识别、机器学习等。