来源 | 雷达学报
智库 | 云脑智库(CloudBrain-TT)
云圈 | 进“云脑智库微信群”,请加微信:15881101905,备注研究方向
频谱分析（线谱估计）是信号与信息处理的基本问题之一。它将物理信号表示为若干不同频率的简单信号的叠加，描述了自然信号周期变化的本质，在雷达探测、无线通信等国家重大战略领域应用广泛，其经典的快速傅里叶变换技术被誉为二十世纪十大算法之一。长期以来，随着算力的不断攀升，如何从有限采样、非理想数据中更准确地揭示频谱信息一直是频谱分析研究的核心课题。近年来，西安交通大学杨在教授及所在团队对频谱分析及压缩感知基础理论进行了深入研究，提出了复数域压缩感知的相变理论，为以频谱分析为代表的复数域稀疏信号处理提供了理论基础与高效算法；以雷达测向中的波达方向估计（本质为多通道频谱分析）为背景，系统提出了离网稀疏方法与理论（论文已被他引近500次）；针对多维、多通道频谱分析，通过解决多层托普利兹矩阵分解等公开问题，提出了基于原子范数、不需离散化的无网稀疏方法，建立了相应的无限维压缩感知理论。在综述章节《Sparse Methods for Direction-of-Arrival Estimation》中（瑞典科学院院士Mats Viberg邀稿），系统分类并命名了频谱分析与波达方向估计的在网、离网和无网稀疏方法（on-grid, off-grid, gridless sparse methods），并已被国内外同行广泛接受。杨在教授在“雷达与信号处理技术及应用研讨会”上做了题为《频谱分析、波达方向估计与无限维压缩感知》的报告，从数学与工程角度详细阐述了阶段性的研究成果及未来研究方向。
杨在，西安交通大学数学与统计学院教授、博士生导师。本硕毕业于中山大学数学院，博士毕业于新加坡南洋理工大学电气电子工程学院。长期从事压缩感知与信息处理的数学理论与应用研究，解决了多层托普利兹矩阵分解、矩阵哈达玛积正定性判别等公开问题，提出了压缩感知和稀疏频谱分析系列理论与技术，并用于无线通信、雷达等领域。发表学术论文30余篇，谷歌学术引用2400余次。(曾)担任2017年欧洲信号处理会议Tutorial主讲人，现为IEEE高级会员和Signal Processing期刊编委。2019年获国家自然科学基金委优秀青年基金资助。
－ The End －
声明：欢迎转发本号原创内容，转载和摘编需经本号授权并标注原作者和信息来源为云脑智库。本公众号目前所载内容为本公众号原创、网络转载或根据非密公开性信息资料编辑整理，相关内容仅供参考及学习交流使用。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请跟我们联系。我们致力于保护作者知识产权或作品版权，本公众号所载内容的知识产权或作品版权归原作者所有。本公众号拥有对此声明的最终解释权。
投稿/招聘/推广/合作/入群/赞助 请加微信：15881101905，备注关键词
微群关键词：天线、射频微波、雷达通信电子战、芯片半导体、信号处理、软件无线电、测试制造、相控阵、EDA仿真、通导遥、学术前沿、知识服务、合作投资.
“阅读是一种习惯，分享是一种美德，我们是一群专业、有态度的知识传播者.”
↓↓↓ 戳“阅读原文”，加入“知识星球”，发现更多精彩内容.
/// 先别走，安排点个“赞”和“在看” 吧！↓↓↓
