近日，中国电子教育学会“2022年度优秀博士学位论文”评审结果公布，清华大学电子工程系博士毕业生李成蹊的论文《基于稀疏性的分布式信号检测与识别方法研究》获评优秀奖，指导教师李刚。

“中国电子教育学会优秀博士学位论文奖”由中国电子教育学会设立并组织评选，旨在持续优化研究生教育体系，加强电子信息领域高层次创造性人才的自主培养，激励博士研究生开展创新性的科学研究工作。专家们秉持公平公正、鼓励创新的原则，从118篇参评论文中评选出优秀奖20篇和提名奖10篇。

李成蹊于2018-2022年在清华大学电子工程系攻读博士学位。攻读博士学位期间，在李刚教授的指导下，针对基于稀疏性的分布式信号处理问题，创新性地提出了新的信号检测与识别方法。目前以第一作者的身份在Information Fusion、IEEE TSP和IEEE IoTJ等期刊上发表SCI论文10篇，发表信号处理领域顶级国际会议论文1篇，以学生第一申请人的身份授权2项发明专利，获得过国家奖学金、中国信息融合大会优秀论文奖、清华大学电子工程系研究生电子之星奖学金、清华大学优秀毕业生、清华大学优秀博士毕业论文和清华大学综合优秀奖学金等。

分布式信号检测与识别的目的是在无线传感器网络中判断信号是否存在并确定其所属的类别。稀疏性在自然界中广泛存在，具体表现为在高维向量中，只有少数元素具有显著幅度，大多数元素近似为零。对稀疏性加以利用，有助于提升分布式检测与识别的性能。论文在无线传感器网络所面临的通信负载约束和机密性约束下，重点研究了基于稀疏性的分布式信号检测与识别方法。针对通信负载约束下的分布式信号检测问题，基于待检测信号的稀疏性，提出了基于高精度量化数据传输的审查-局部最大势检测方法和基于单比特数据传输的似然比量化-局部最大势检测方法，在保证检测性能的前提下大大降低通信负载；针对机密性约束下的分布式信号检测问题，利用待检测信号的稀疏性，提出了基于虚伪审查策略的局部最大势检测方法，相比于已有方法，所提出的方法可在保证检测性能和机密性的前提下放松对信号稀疏度先验知识的需求，更具实用价值；针对通信负载约束下的分布式信号识别问题，借助压缩感知技术和联邦平均算法的优点，提出压缩感知-联邦学习算法，相同通信量下可达到更高的识别准确度。

李成蹊于清华大学电子工程系攻读博士学位，师从李刚教授。该实验室在雷达信号处理、遥感、多源信息融合、数据驱动医疗健康等领域取得了突出成果。

内容来源：清华大学电子工程系