约翰霍普金斯科研课题:调制信号的实时识别与控制

Description

约翰霍普金斯科研课题

调制信号的实时识别与控制

课题简介

振幅调制(Amplitude modulation)和频率调制(Frequency modulation)在无线通讯,(例如:收音机)中有着重要应用,然而传统的调试识别以及解调方法主要基于带通滤波,其侧重于获得承载信号,而其中大量的调制信息却损失了。近年来,加权最小二乘法在水动力特性识别中获得了成功应用,其对于调制信号识别的适用性也获得了初步的验证。

本课题将设计一信息-物理系统(Cyber-Physical system),假想调制信号满足一时变的质量-弹簧-阻尼器系统,应用加权最小二乘法,实时识别该系统中的时变参数(时变质量,时变阻尼),从而获得调制信号的振幅调制和频率调制信息。进一步,通过实时控制该系统的虚拟参数,从而实现对调制信号的实时控制。

 

科研方法

AI+X数据驱动型科研

AI+X数据驱动型科研是指使用人工智能(AI)算法,收集、处理、分析具体学科(X)的海量数据,并基于此进行预测,从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比,AI+X数据驱动型科研可以借助AI算法强大的运算能力,高效地进行大数据分析,具有投入产出比高、适用范围广的优点。

AI+X数据驱动型科研已被广泛地应用于各个领域,利用AI算法研究基因数据,从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万,使用传统的科研方式对其进行分析,工程量大、过程繁琐,在客观上难以实现。但借助AI算法这一便捷的工具,生命科学家便能够以海量的患者的遗传信息为基础,建立数据库,与过往的研究成果进行对照,快速、准确地在两者中发现规律、建立联系,从而使癌症诊断的“标准化”成为可能。

 


高中生/本科生 科研项目
资讯 · 课程 · 全程指导
请扫码添加微信好友

有方背景提升科研项目计算机工程

联系电话:134 7257 6903


授课导师

约翰霍普金斯大学 博士

多次以第一作者身份,在Journal of Fluids and Structures、Journal of Fluid Mechanics、Journal of Vibration and Shock等国际知名期刊和杂志上发表过多篇专业学术论文;

曾荣获ASC17超级计算机挑战赛第一名;年度“2016年度Top Academics”国际学术会议杰出表现奖;

研究方向:Turbulence, Control Theory, Energy System"。

 

课题要求

本课题适合: 9-12 年级学生,有较强的逻辑思维和抽象思维能力

英文:
1、具备基本的学术英语阅读能力;
2、接触过英文写作,有论文写作经验者更佳;

数学:
1、微积分(偏微分)
2、线性代数

计算机:
MATLAB入门

物理:
简谐运动