梁军利中国智能信号处理事业的中国梦

梁军利中国智能信号处理事业的中国梦

“在学士学位阶段，我的专业是计算机应用，主要方向是数据处理和识别。在博士阶段，我的研究方向开始关注信号和数据处理。两者看着相似,其实有很大的不同。这使我能够更经常地换个角度思考科研问题,从而带来一些比较新颖的科研创新成果。”西安理工大学梁军利博士这样告诉笔者。带着满腔的热情,梁军利实践着为中国智能信号处理事业作出自己最大贡献的“中国梦”。脉冲耦合神经网络技术的应用,实现了自我净化、自我完善和人“在决定考研之前的一段时间,我一直在思考,这一生要怎样才算不白白度过?当时,我乘车经过一段九曲十八弯的山路,那时的感受就是,不经过这一弯,永远不能够知道前方的路。于是,在偶然经过一所著名的研究所时,我的头脑忽然一下子清晰起来,我应该去做研究,去做些对国家和社会有用的事儿,这就是我生命的意义。”回顾当年,梁军利这样说。2001年,他考取西安电子科技大学计算机应用专业,并进入计算机学院的智能信息处理研发小组。此后,他参与了国家自然科学基金“脉冲耦合神经网络理论及在自动目标识别中的应用研究”和“用于癌症基因诊疗的基因表达图谱智能盲数据分析”课题的研究,对所涉及的基于脉冲耦合神经网络的图像融合、图像分类与识别、图像重建与压缩、图像视频跟踪以及基于非负矩阵分解的雷达一维距离像特征提取等关键问题进行了研究,并于2004年顺利完成了硕士毕业论文《脉冲耦合神经网络在模式识别中的应用》。“当时,硕士导师非常重视学生培养工作。她教我们应该如何做研究,论文如何修改……这样的培养不仅使我打下了坚实的知识基础,更让我觉得科研工作特别有意义,萌生了继续深造的想法。后来,我考入了中国科学院声学研究所,继续攻读博士,也是因为想继续开阔一下自己的眼界。”梁军利说。在中科院声学所,梁军利开阔了视野,获得了快速的成长。2004年,他进入中国科学院声学研究所声纳智能导航研发小组,参与了一些预研项目和课题,对所涉及的基于平行因子分析联合对角化的阵列信号盲分离和参数估计、基于矩阵子空间理论的阵列信号盲分离和参数估计等一系列关键问题进行了深入地研究,圆满地完成了博士学位论文《微弱信号检测及基于阵列的信源定位新方法研究》,顺利通过论文答辩,并获“中国科学院声学研究所2007年度发表论文先进个人一等奖”。2007年12月,梁军利加入西安理工大学的晶体生长设备与系统集成国家地方联合工程研究中心和陕西省工业装备自动化与信息工程技术研究中心。也是在那里,他扬起了理想的风帆,开始了饶有兴趣又意义非凡的科研历程。“人生伟业的建立,不在能知,乃在能行。”梁军利就是要以踏实的努力,为我国科技事业发展做出自己的贡献。他积极参与国家科技重大专项“较大规模集成电路用300m单晶炉”,对所涉及的基于图像序列的晶体直径测量与控制、基于图像序列的熔料进程检测与识别等一系列关键问题进行了深入地研究。巧思多视,开拓了中国视频网络多年来,梁军利在科研领域稳步前行,不懈攀登,先后主持和参与多项重大项目,包括国家自然科学基金青年基金和面上项目、中国博士后特别资助项目以及面上项目、陕西省自然科学基金项目、陕西省教育厅科学研究计划项目、陕西省青年科技新星配套项目、西安理工大学青年科技创新团队项目、霍英东基金等课题,取得了不俗的成绩。谈及科研创新的秘诀,他非常谦逊:“如果说有秘诀的话,那就是多视角地思考问题。”梁军利说。实际上,正是这种多向思维,让他收获良多。“对于图像中直线的检测问题,我们把直线看作是虚拟的平面波获取虚拟快拍,通过阵列信号处理单快拍谱估计的方法对图像中直线进行检测;而图像中圆圈的拟合问题,我们则看作是虚拟的无线传感器定位问题,圆心视作虚拟圆,而圆的边界点看作是虚拟传感器,构造虚拟无线网络,实现圆圈的拟合。前者获得了ICIRA2012国际会议最佳论文奖。”梁军利介绍说。这种独辟蹊径的巧思,做起来如此行云流水,令人惊叹。多视角、跨学科的思想,大大开拓了梁军利的视野,让他看到了别人所不能看见的东西,做出了别人所不能预见的成果。“比如,在被动信源定位方面,以往的方法分成两类,有很多方法研究近场源定位,有很多方法研究远场源定位。而实际中,这些信号离阵列的远近是未知的,而且远近的模型是不一样的,我们建立了适合混合或者不确定场目标的定位模型和方法,能够在未知信号场的情况下对于目标实施定位。”梁军利说。阵列信号处理的子空间方法稳健性较差,当阵元间存在耦合、通道不一致、阵元位置扰动等模型误差时,算法失效。梁军利带领团队研究了广义降秩理论,能够实现阵列信号多维参数的解耦估计,巧妙构造一个辅助电子角,实现导向矢量分离以及待估计参数的解耦,无须对多维参数实现多维谱搜索,更重要的是避免了参数配对的错误,避免了张冠李戴现象。此外,他们还将当前的欠定系统压缩感知和稀疏表达理论扩展至超定系统,发展了超定系统稀疏表达理论。结合硅单晶直径测量问题,发展了基于超定系统稀疏表达理论的椭圆参数辨识新算法。目前,梁军利的主要研究方向集中在统计、阵列、分布式、张量信号与信息处理、图像处理与识别等方面。在教学中,梁军利也非常善于运用自己的多视角思维,这就是他常说的“换个角度看景色”。他总是积极地引导学生理解枯燥的数学公式的现实意义,结合自身的科研实践,给他们以生动的说明。鼓励他们自己独立思考,对每个问题都形成自己的独到理解。基础研究及应用“信息化时代海量信息的数字化对于数据的表示和处理提出了越来越高的要求,以往的矩阵表达方式无法准备描述数据在多个维度上的信息,而且处理方式会存在破坏数据内在结构的不足,为此,我们考虑具有多个索引的张量表示方法,方法有平行因子分析和高阶奇异值分解。前者是对数据的一种近似,而后者可以实现完全分解,我们对于前者重点研究了其在阵列信号处理中的应用,而对于后者我们侧重于对于数据精度表示要求更高的图像处理方面的研究。”梁军利说。实际上,这正是他承担的国家自然科学基金青年基金和面上项目的研究目标。众所周知,随着科技的进步以及计算机技术的发展,科学计算特别是矩阵计算的研究越来越受到科技人员的重视,其应用领域已渗透到通信、雷达、声纳、控制、医学、信号与信息处理、模式识别等许多学科及领域中,并成为重要的、不可替代的数学工具。例如,在雷达、声纳、医学成像等涉及阵列信号处理的领域中,对多个传感器接收的数据进行矩阵分解进行低秩近似获得信号子空间或噪声子空间,进而可有效地解决目标测向或目标成像问题。而在图像处理及识别等领域中,通常将矩阵分解作为一种图像特征提取工具,基于图像数据分解结果进行后续高层次的图像处理,如图像水印嵌入、图像识别、图像滤波、图像压缩等等。目前,他正致力于国家自然科学基金面上项目“张量的高阶奇异值分解基础理论研究及其应用”的研究,并取得了一些重要成果,包括张量的降维算法等。“关于张量的特征选择,新的图像处理方法,我们也已经有一些初步的想法,正在不断完善。”据悉,这一项目于2012年启动,计划用四年时间解决多个关键科学问题,旨在完善和发展张量在HOSVD(高阶奇异值分解)框架下的最优低秩近似理论和方法,并挖掘张量核元素的特性。在此基础上,提出基于张量子空间的阵列信号多参数联合估计新算法;此外,对图像数据构造张量模型,提出基于张量HOSVD的彩色图像水印新算法、彩色图像压缩新算法、图像融合新算法以及人脸图像识别新算法。这些理论的完善以及算法的提出将为HOSVD进一步的发展以及在涉及张量低秩近似的雷达、图像通信、遥感遥测等领域内的应用提供重要的理论依据和技术支撑。人们常说,风光永远在路上,梁军利和他的研究团队亦一直在科研的道路上,他们不断求索,不懈进取,为我国科技事业的进步勇往直前!国内外研究文献发表情况梁军利,1978年生。西安理工大学教授,博士后,博士生导师,2012年陕西省青年科技新星。在IEEETran.ImageProcessing、IEEETran.SignalProcessing、IEEETrans.AntennasandPropagation、IEEETrans.AerospaceandElectronicSystems、IE