信号处理与大数据分析技术

电力大数据智能感知与安全监测...

我国城市用电量占全社会用电量的70%以上，城市负荷密度大，用电安全事故多、损失大、增长快，未来设备老化和大规模新能源接入将进一步恶化用电安全态势。高效、安全用电是城市高质量发展面临的关键问题！课题组已经逐步建立出一套重要的用电数据智能感知方法——高效、低复杂度非侵入式负荷监测模型，实际用于用电侧负荷辨识，恶性负载和电弧的安全监测及电力需求侧响应。

非侵入式负荷监测的过程中利用深度神经网络具有良好的识别效果，但是深度神经网络往往面临着庞大的计算成本和存储压力。为了使深度学习模型能够在资源受限的设备上运行，需要进行模型轻量化，减少对计算和存储的需求，便于将其部署在智能电表中。

课题组所提出的基于云端的非侵入负荷辨识系统，获国家权威机构国家继电保护及自动化设备质量监督检验中心验证，具备量产能力。

网络工程中的优化问题

无人群集系统安全优化...

随着无人机和机器人技术的发展，保证传输数据的安全性和可靠性、稳定、可靠的通信算法有利于无人系统发展和应用，本团队基于多跳MESH组网、多播网方式研究系统的网络安全问题，提出机器人群、无人机群、智能微电网等无人系统网络中的安全和信号处理方案，研究在边缘计算网关和智能终端通信模块中设计具有鲁棒性的预编码和解码算法以利用信道特性实现高效传输的同时又能克服数据篡改攻击、中间人攻击、欺骗攻击，实现多条物联网安全优化技术，应用于各类无人系统和各类信息通信网络。

人工智能中的优化问题...

提出深度网络中无梯度优化方法，适用于时间序列数据预测、人体/机器人姿态分析等深度模型的场景下，提供快速、精确、稳定优化算法。

机器学习、计算机视觉等方法在行业中研究与应用

基于计算机视觉的高速无人机精准控制...

研究基于计算机视觉和高速相机焦距分段策略，应用高速固定翼无人机导航与跟踪系统。

基于机器学习和计算机视觉的智慧医疗...

采用基于深度学习的单步目标检测模型，定位牙齿的位置和牙周炎症状，根据牙周炎分类将其映射为对应牙位和牙周炎类型。本团队提出的模型相对基准模型有效提高了检测精度和速度，该应用框架可以有效辅助牙科医生进行快速诊断。