西电-九洲先进计算联合实验室研讨会
会议时间:2022年7月12日
会议平台:腾讯会议ID:131616595
时 间 |
主题报告 |
报告人 |
主持人 |
14:00-14:40 |
阵列抗干扰技术与应用探讨 |
许京伟 (bevictor伟德官网) |
高卫峰 (bevictor伟德官网) |
14:40-15:20 |
基于分布式优化算法的去中心化分布式学习 |
谢晋 (bevictor伟德官网) |
15:20-16:00 |
无人蜂群作战前沿技术展望 |
李捷 (九洲电器) |
16:00-17:00 |
自由讨论 |
|
报告摘要
Keynote报告1
题目:无人蜂群作战前沿技术展望
报告人:李捷 九洲电器
摘要:随着美军第三次抵消战略的提出,分布式作战、马赛克作战等新型作战概念的不断发展,低成本、可消费的无人机受到各军事强国的青睐,而无人蜂群自主作战作为颠覆未来作战游戏规则的重要样式而快速发展。本报告聚焦无人蜂群作战技术的发展,首先从无人蜂群作战概念、美军相关规划和布局,分析技术要点和存在问题;其次围绕计算智能、行为自治两个方面介绍国内外相关项目及技术发展现状;最后结合公司业务,分析了无人蜂群技术的核心方向,提出了多个具体的研究需求,与各位老师、专家研讨。
报告人简介:
李捷,正高级工程师,博士,现任九洲电器副总工程师、技术创新中心主任、国防先进技术研究院轮值院长,兼任bevictor伟德官网兼职教授。是军队某科技委专家、国家国防科工局专家库成员、四川省项目评估咨询专家、国家国防科工局基础科研计划专家组成员、总装无人机专家组成员。作为有突出贡献的科研学术带头人,获“军队科学技术进步二等奖”两次、全国“巾帼建功标兵”、2019年度绵阳市“绵州育才计划”绵州杰出科技工作者等称号。李捷同志长期从事国防军工电子产品的开发研究和基础预研工作,牵头主持了十多项国家重点项目的研制开发、试验试飞和加改装工作,担任多项国家重点研发计划(973、探索一代、军科委集成创新领域基础增强计划等)项目负责人。参与编写了五部军工电子产品标准规范,突破二十多项关键技术。发表高水平论文20余篇,授权发明专利6项,授理6项。
Keynote报告2
题目:阵列抗干扰技术与应用探讨
报告人:许京伟bevictor伟德官网
摘要:现代战场电子环境日趋复杂,雷达干扰和抗干扰成为战争双方必争的技术高地。其中,主瓣方向有源电子干扰是是一种极具威胁的干扰方式,传统空域波束形成干扰抑制算法性能有所下降,亟需结合空域、频域、时域以及极化域等多维信息,提升雷达的抗干扰能力。报告首先回顾了一些干扰形式,然后分析了阵列自适应波束形成技术,涉及全阵元处理、子阵化处理以及主辅通道处理三种波束形成技术方案,比如阵元域、波束域最小方差无畸变响应(MVDR)算法,广义旁瓣相消(GSLC)算法,主辅通道联合处理的功率倒置(PI)以及自适应旁瓣相消(ASLC)算法,最后针对主瓣方向欺骗式干扰抑制问题,给出了基于频率分集阵(FDA)新体制的干扰抑制技术,并且介绍了一些波形分集阵列技术,包括阵元脉冲编码(EPC)、空时编码阵列(STCA)技术,揭示了波形分集阵技术通过设计可辨识的调制信息,可以在接收端获得信号和干扰的区分维度,在雷达抗干扰中有重要潜力。
报告人简介:
许京伟,现任bevictor伟德官网电子工程学院“华山学者”精英教授,博士生导师。主要研究方向为波形分集雷达技术、多通道阵列处理、空时自适应处理、多输入多输出(MIMO)雷达、雷达系统建模与仿真。围绕新体制频率分集阵列雷达天线方向图时空耦合信号表征和利用的科学问题开展了十余年的研究,揭示了频率分集阵列雷达时空耦合方向图的物理原理,提出了一系列信号处理新方法,取得了有独创性的研究成果,被国内外很多学者给予正面评价并跟踪研究。主持和参加了国家自然科学重点项目、面上项目、青年基金项目、国际合作与交流项目、某科技委基础加强重点项目、领域基金、某发展部共用技术项目、领域基金等10多项纵向课题,不断推进新理论和新技术在雷达系统中的应用。在近5年内发表SCI期刊论文80篇,其中顶级期刊论文30篇,高被引论文2篇。谷歌引用2600余次,最高单篇引用300余次,H指数为25。入选2017年度香江学者计划、中国电子学会优博、2018年度陕西省优博、2018年度陕西省高校青年人才托举计划、2020年度陕西省青年杰出人才支持计划、2020年度吴文俊人工智能自然科学二等奖。
Keynote报告3
题目:基于分布式优化算法的去中心化分布式学习
报告人:谢晋bevictor伟德官网
摘要:机器学习作为人工智能领域最重要的分支,近年来在各行各业都取得了令人瞩目的成就。随着数字设备和网络技术的发展,许多场景下集中式机器学习算法已经无法处理分布式存储的数据,需要在保证分布式数据隐私的前提下将集中式机器学习方法应用到分布式数据。另一方面,考虑到现实中的一些实际应用场景,需结合实际应用需求,研究不同条件下的去中心化的分布式学习算法,例如考虑训练样本中存在无标签样本、通信网络的连通情况为时变或者存在延迟、通信网络各节点之间通信受限或仅能传输少量数据、训练数据实时到达从而要求学习模型实时更新等情形,研究相应的分布式学习算法,要求收敛性可以得到理论保证,并且可以达到和传统的集中式机器学习算法一样或者相近的结果,同时避免原始数据交流,使得数据隐私得以保护。
报告人简介:
谢晋,bevictor伟德官网数统学院讲师,硕士研究生导师。2013年本科毕业于华北电力大学数理系,信息与计算科学专业;2013-2015在东软集团大连有限公司算法中心负责智能算法模块;2015-2020年在伟德国际BETVlCTOR硕博连读,运筹学与控制论转应用数学专业,2020年7月获理学博士学位并留校任教。其研究方向为分布式优化、分布式监督与半监督学习,目前共发表学术论文20余篇,其中以第一或者通讯作者在Applied Mathematics and Computation、Neural Networks,Neurocomputing,Knowledge Based Systems等期刊发表论文11篇。主持国家自然科学基金青年基金一项,高等学校基本科研业务专项自由探索类重点项目一项。