武汉大学电子信息学院

2026.04.16

学术报告——基于磁电偶极子的带内全双工天线去耦技术研究

报告时间：2026年4月21日（周二）上午10:00报告地点：武汉大学电子信息学院（于刚宋晓楼）B603会议室报告题目：基于磁电偶极子的带内全双工天线去耦技术研究主讲嘉宾：何业军深圳大学特聘教授邀请人：万显荣教授报告摘要：首先阐述带内全双工（In-Band Full-Duplex, IBFD）通信技术概念、带内全双工天线去耦技术研究现状，其次分析现有研究工作中存在的关键问题与技术挑战，最后阐述我们在带内全双工天线去耦技术领域的具体工作，揭示研究方法、创新和成果。报告人简介：何业军，2005年博士毕业于华中科技大学，2006年入职深圳大学，现为深圳大学特聘教授、博士生导师，享受国务院政府特殊津贴，中国通信学会会士，英国工程技术学会会士，IEEE天线与传播学会深圳分会主席。广东省特支计划领军人才，深圳市“鹏城学者”特聘教授，深圳大学优秀学者、教学名师。现任国家科技部中英天线与电波联合实验室主任、广东省基站天线与电波工程技术研究中心主任，深圳市天线与电波重点实验室主任。曾先后在香港理工大学、香港中文大学、加拿大滑铁卢大学、美国佐治亚理工学院、新加坡国立大学任博士后研究员或高级访问学者。在国内外期刊及国际知名会议上发表学术论文360余篇，其中IEEE Trans./Magazine等SCI期刊论文150余篇。出版著作7部，获授权专利近40项。连续5年同时入选全球前2%顶尖科学家职业长期影响力及年度影响力两个榜单。现担任国家自然科学基金委员会、国家科技部等部门项目会评专家；担任IEEE Transactions on Antennas and Propagation、IEEE Antennas and Wireless Propagation Letters、IEEE Transactions on Vehicular Technology等6个SCI国际期刊副编辑。在深圳大学创办IEEE射频与天线技术国际学术会议。现主持国家自然科学基金联合基金“叶企孙”科学基金重点项目、国家重点研发计划“政府间国际科技创新合作”重点专项项目等。主要研究方向：天线与射频，无线通信等。欢迎感兴趣的老师和同学们积极参与！

2026.04.13

学术讲座公告---通信感知一体化：理论极限、信号处理及决策优化

报告时间：2026年4月16日（周四）下午4:00报告地点：武汉大学电子信息学院（于刚宋晓楼）B603会议室报告题目：通信感知一体化：理论极限、信号处理及决策优化报告人：魏志强教授邀请人：黄公平教授报告摘要：通信与感知的技术融合、频谱共享的迫切需求、网络功能的多元化演进及新兴应用的强力驱动，共同促使通信感知一体化（ISAC）成为6G的核心技术与关键应用场景。本报告系统地介绍通信感知一体化信息理论极限、信号处理算法和决策优化方法。首先，针对感知与通信性能指标各异的核心挑战，报告基于容量-失真理论，深入分析了双基地ISAC系统中感知与通信功能的最优折衷关系。其次，为实现感知与通信的功能互助，报告聚焦于统一的系统建模与信号处理框架，重点介绍了基于WiFi信号的鲁棒协同跟踪算法及目标-信道双域协同跟踪算法，有效验证了感通互助机制的可行性与性能优势。最后，针对高移动性场景中感知与通信过程动态耦合、难以建模与优化的难题，报告提出一种双层优化问题建模方法，并在此基础上设计了一种模型与数据双驱动的混合深度强化学习-凸优化算法，显著提升了感知与通信决策的综合性能与泛化能力。报告人简介：魏志强，西安交通大学教授，博士生导师，国家级高层次青年人才计划入选者，德国洪堡学者。主要研究兴趣为高移动性无线传输方法研究、高移动性网络优化理论与算法、通信感知一体化技术等。截至目前已在本领域国内外顶级期刊和会议上发表学术论文100余篇，获引8000余次，发表ESI高被引论文5篇。曾获2018年IEEE国际通信大会(ICC)和2023年IEEE无线通信与网络会议(WCNC) “最佳论文奖”。入选斯坦福大学全球2%顶尖科学家榜单和爱思唯尔中国高被引学者。目前担任IEEE TCOM和IEEE OJCOM编委。欢迎感兴趣的老师和同学们积极参与！

2026.03.30

学术讲座公告---Physical-Layer Enablers of Future Wireless Networks: Security, Reconfigurable Propagation, and Cell-Free Architectures

报告时间：2026年3月30日（周一）13：00报告地点：武汉大学电子信息学院于刚·宋晓楼A303会议室报告题目：Physical-Layer Enablers of Future Wireless Networks: Security, Reconfigurable Propagation, and Cell-Free Architectures报告人：Sobia Jangsher，Assistant Professor in School of Electronic Engineering，Dublin City University (DCU), Ireland邀请人：陈琪美副教授报告摘要：Future wireless networks beyond 5G are expected to support scalable, resilient, and secure connectivity across diverse and dynamic environments. Achieving these goals requires a shift from conventional network-centric design towards physical-layer–driven innovations. This talk explores key physical-layer enablers for next-generation wireless systems, focusing on three main directions: distributed architectures, intelligent and reconfigurable propagation, and physical-layer security. Through representative examples including cell-free massive MIMO with optical fronthaul, RIS-assisted communication, and secret key generation with hardware-based primitives, the talk highlights how modeling, optimization, and learning-assisted techniques can enhance system performance under practical constraints. 报告人简介：Sobia Jangsher is an Assistant Professor in School of Electronic Engineering with Dublin City University (DCU), Ireland. She received her PhD from The University of Hong Kong in the field of Optimization for wireless communication in 2015. Prior to joining DCU, She has worked an Assistant Professor for the Institute of Space Technology, Islamabad, Pakistan fro Nov' 2015 - Jan 2021. From Jan' 2021 - Feb '2023, she was associated with Department of Electrical Engineering and Computer Science, Khalifa University, Abu Dhabi, UAE. Her research mainly focuses on optimization/resource allocation for IRS systems, multiple access schemes and small cell networks. She has also interests in the application of AI/ML for wireless communication. She has authored over 50 research articles including peer reviewed journals and conference and workshop proceedings in well known journals and conferences in the field of wireless communication. 欢迎感兴趣的老师和同学们积极参与！

2026.03.27

学术讲座公告---高纯度线偏微型准BIC激光器

报告时间：2026年3月31日（周二）晚上7：40报告地点：武汉大学电子信息学院于刚·宋晓楼B603会议室报告题目：高纯度线偏微型准BIC激光器报告人：曾永全报告主题简介：连续域束缚态（BIC）凭借超高品质因子与拓扑偏振分布的特性，为实现微纳尺度高性能激光提供了优异的设计思路。然而，理想 BIC 所伴随的拓扑偏振奇点有利于矢量光束发射，却难以产生高纯度的偏振光。利用外置偏振器将不可避免地造成 50% 的效率损耗，因此通过激光工作模式的直接偏振调控产生偏振光是非常重要的。通过反演对称性破缺实现的各向同性准 BIC 虽能在单一波矢（k）空间点产生偏振激光，但该方案需较大器件尺寸才能逼近无限周期阵列的效果。本文提出一种基于复合偏振色散工程策略的线偏振微型准BIC 激光器，可实现均匀线偏振激光发射。通过结合反演对称性破缺与各向异性色散调控，成功获得偏振消光比（PER）高达 298:1、器件尺寸超紧凑（约 16.4 μm×13.4 μm，含 20×20 个单元）的线偏振激光输出。本研究成果为微型化偏振光源提供了有效实现方案，可推动其在精密计量、成像及显示等领域的应用。报告人简介：曾永全，武汉大学电子信息学院，教授/博士生导师，国家高层次青年人才。主要从事新型半导体激光器和片上光器件研究，在Nature、Science、Science Advances、Nature Communications、ACS Photonics、Advanced Optical Materials、Photonic Research等光学领域顶级期刊发表SCI论文40余篇，申请国际国内专利15项。主持国家省部级科研项目多项，曾获海外自费留学生奖学金、PIERS青年科学家等荣誉。欢迎感兴趣的老师和同学们积极参与！

2026.03.27

学术讲座公告---超紧凑太赫兹量子级联激光器

报告时间：2026年3月31日（周二）晚上7：00报告地点：武汉大学电子信息学院于刚·宋晓楼B603会议室报告题目：超紧凑太赫兹量子级联激光器报告人：崔洁圆报告主题简介：紧凑型激光光源在集成光电子学和先进光子学领域具有广泛需求。连续谱中的束缚态（BIC）作为位于布里渊区中心的高度局域化光学模式，因其理论上无限大的品质因子以及表面出射特性，使其在激光应用中具有天然优势。在本报告中，我将介绍我们基于量子级联激光器外延结构开展的超紧凑BIC激光研究工作。具体包括：利用拓扑能带反转的BIC模式抑制侧向泄漏损耗；通过merging-BIC设计提升器件对加工误差和有限尺寸效应的鲁棒性；以及我们近期提出的平带联合multi-BIC方案，在微型腔体中实现对面内与面外场的同时增强约束，最终实现兼具低阈值、高方向性和单模工作的超紧凑太赫兹量子级联激光器。报告人简介：崔洁圆博士， 2021于浙江大学获博士学位，2021至今在新加坡南洋理工大学电力电子工程学院做博士后， 2025年入选国家高层次青年人才。主要研究方向包括半导体激光器件、光子晶体谐振腔、微纳光学等，以第一（含共同）在Nature Photonics（2篇）、Science Advances、Nature Communication、Light: Science & Applications、Laser Photonics Review等国际期刊上发表了20余篇SCI论文，申请国内外发明专利4项。欢迎感兴趣的老师和同学们积极参与！

2026.01.12

学术讲座公告---High Quality Audio Generation with Latent Diffusion Models

报告时间：2026年1月13日（周二）上午10：00报告地点：武汉大学电子信息学院于刚·宋晓楼B618会议室报告题目：High Quality Audio Generation with Latent Diffusion Models报告人：Haohe Liu, Research Scientist at Meta, Redmond, WA, USA邀请人：黄公平教授报告摘要：High-quality audio generation remains a core challenge in artificial intelligence, with applications in content creation, virtual environments, and assistive technologies. To address this challenge effectively, intuitive user interaction is important, and our preliminary user study on AI-assisted sound-search systems suggests that natural language provides a flexible and user-friendly means for interacting with audio. Inspired by this insight, we focus on text-to-audio generation and explore how diffusion-based models can improve the diversity, quality, and efficiency of audio generation. This thesis introduces AudioLDM and its successor AudioLDM 2 for text-to-audio generation, followed by AudioSR for audio super-resolution, and SemantiCodec to enable efficient, semantically-aware audio compression.Previous works on text-to-audio generation often fall short on the scope of the audio they can generate. They may not follow the text prompt well, and the audio it produces is often restricted to limited categories. To address these challenges, we propose AudioLDM, a text-to-audio model that can accept open-domain natural language as input and generate audio that follows the given descriptions. To further explore the possibility of combining the advantages of diffusion modelling and language modelling, we introduce AudioLDM 2, which enables the generation of speech, music, and environmental sound effects from text within a shared architecture, with improved generation quality over AudioLDM. To further enhance the output quality of the audio generation model, we propose AudioSR, a latent diffusion-based model specialized in audio super-resolution. Unlike previous methods that focus on narrow domains such as speech, AudioSR is designed to enhance a broad spectrum of sounds, including speech, music, and general sound effects, and uniquely supports input audio with flexible sampling rates, making AudioSR robust for diverse real-world use cases. Our experiments show that AudioSR can effectively restore missing high-frequency details with significantly improved perceptual quality, as verified on both real audio recordings and generative model outputs. Finally, we explore compact and semantically rich latent spaces for future audio generation models. Existing language-modelling-based audio generation models often rely on high-bitrate codecs, leading to high computational costs, limited semantic abstraction in the audio tokens, and inefficient downstream model training. To address these challenges, we propose SemantiCodec, an ultra-low bitrate codec that encodes audio into compressed but semantically rich representations. Building upon the self-supervised learning feature, SemantiCodec achieves a good tradeoff between compression efficiency and reconstruction quality, outperforming existing neural codecs at significantly lower bitrates.报告人简介：Haohe Liu is currently a Research Scientist at Meta, Redmond, WA, USA. He did his PhD at the Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey with Prof. Mark D. Plumbley and Prof. Wenwu Wang. During his PhD, Haohe conducted research on the understanding and recreation of music/sound effect/speech. He is the primary author of several influential projects, including AudioLDM, AudioLDM 2, NaturalSpeech, and AudioSR, with his open-source work earning over 10000 GitHub stars and over 4000 of Google Scholar citations.欢迎感兴趣的老师和同学们积极参与！

2026.01.02

学术讲座公告---环境声音的智能感知：前沿方法与产品化探索

报告时间：2026年1月4日（周日）上午10：30报告地点：武汉大学电子信息学院于刚·宋晓楼B618会议室报告题目：环境声音的智能感知：前沿方法与产品化探索报告人：白吉生博士报告摘要：本次学术讲座围绕环境声音智能感知，系统介绍数据、感知与理解方法以及产品化应用之间的协同关系。介绍面向真实场景的环境声音数据集构建过程，介绍基于自监督学习、多模态学习等技术的环境声音感知前沿方法，进一步结合实际应用需求，介绍环境声音感知技术在城市、工业与安防领域的落地实践，涵盖违法鸣笛抓拍、声学相机、声振电子哨兵以及工业设备状态分析等成果转化产品。报告人简介：白吉生， 2025 年博士毕业于西北工业大学信息与通信工程专业。2023 至 2024 年期间，作为访问博士生赴新加坡南洋理工大学开展合作研究。自 2018 年起，作为算法负责人联合创办西安联丰迅声信息科技有限责任公司。现任西安邮电大学通信与信息工程学院图像与信息处理研究中心讲师。其研究方向主要聚焦于深度学习与音频信号处理。截至目前，已在 IEEE Transactions on Audio, Speech, and Language Processing、IEEE Transactions on Cognitive and Developmental Systems等期刊，以及 ICASSP、ICME 等国际重要学术会议上发表论文 30 余篇，牵头组织 ICME 2024 与 APSIPA 2025 声学场景分类挑战赛，在 DCASE 与 ICASSP Grand Challenge 等国际声学竞赛中获得第一名，在第七届中国国际大学生创新大赛中获国金。欢迎感兴趣的老师和同学们积极参与！

2025.12.24

学术讲座公告---光网络发展回顾、关键技术及未来展望

报告时间：2025年12月25日15：00报告地点：于刚·宋晓楼B606会议室报告题目：光网络发展回顾、关键技术及未来展望报告人：沈世奎，中国联通研究院光传输领域首席研究员邀请人：郑国兴教授报告摘要：光网络作为新型数字基础设施的坚实底座，是驱动数字经济高质量发展的关键基石。自高锟博士发明光纤以来，光纤通信技术及应用历经一系列技术变革，实现了从早期低速传输向超高速、大容量、广覆盖的跨越式发展。本报告首先回顾光网络数十年发展历程，并结合当前行业发展与实际需求，重点介绍光网络关键技术及最新进展，内容涵盖从传统单模光纤到新型光纤、从骨干传输网到城域接入网、从地面光纤网络到海洋信息网络及空天地一体化光网络。同时，介绍 AI 与光网络双向赋能、光网络内生安全、通感融合等前沿方向的技术探索，最后展望光网络未来发展趋势，提供行业参考。报告人简介：沈世奎，中国联通研究院光传输领域首席研究员，博士，正高级工程师，北京邮电大学兼职教授。2006年本科毕业于武汉大学，2011年博士毕业于北京理工大学，自2011年加入中国联通主要从事光网络领域新技术、标准制定和应用部署等研究工作。担任国际电联ITU-T SG15 Q6副报告人，中国通信标准化协会（CCSA）传送网与接入网技术工作委员会（TC6）光器件工作组（WG4）副组长。中国通信学会高级会员，IEEE高级会员，英国IET CEng特许工程师，Optica会员，OFC 2024/2025/2026 TPC member，ACP 2023/2024 TPC member。牵头完成十余项ITU标准、CCSA行业标准和国家标准，参与完成标准三十余项。参与多项国家重点研发计划项目，曾获得国家科技进步二等奖、北京市技术发明二等奖、中国电子学会科技进步一等奖、中国光学工程学会科技进步一等奖、中国通信标准化协会科学技术二等奖和中国发明协会等奖项。欢迎感兴趣的老师和同学们积极参与！

2025.12.17

学术讲座公告---活细胞三维超分辨显微成像技术

报告时间：2025年12月18日16：00报告地点：于刚·宋晓楼B606会议室报告题目：活细胞三维超分辨显微成像技术报告人：黄小帅北京大学研究员邀请人：李子乐研究员报告摘要：在三维空间中实时观察活细胞内决定其状态和命运的细胞器精细结构、动态变化及相互作用，对于深入理解细胞生物学过程至关重要。为满足高轴向分辨率、快速成像和低光毒性等需求，我们研发了多项先进的超分辨显微成像技术：1. 活细胞三维各向同性分辨率的快速超分辨成像技术系统（4Pi-SIM），将3D-SIM的轴向分辨率提升了3倍，达到各向同性100纳米。 2. 多层结构光照明显微镜（3D-MP-SIM），通过引入分光棱镜对样本中的多层结构进行同时成像，较传统3D-SIM提高约8倍，最快可达到每秒14个体积的成像速率。3. 超分辨率荧光与无标记光学衍射层析双模态显微成像技术，实现了无标记、快速、低光毒性的三维活细胞成像。通过双模态成像，成功在原代分离的精细胞及生殖腺中共定位识别了多种亚细胞结构，并首次发现了一种全新的、特异性包裹线粒体的细胞外囊泡的动态外排过程。报告人简介：自2020年10月起任北京大学临床医学高等研究院、国际癌症研究院研究员、博士生导师，任北京大学肿瘤医院双聘PI。黄小帅博士主要从事活细胞三维超分辨显微成像技术，相关工作发表在Nature Photonics，Nature Methods, Nature Cell Biology, Light: Science& Applications, Nature Communications (2篇)等杂志。主持国家自然科学基金项目(优青、原创探索、面上)、国家重点研发计划(课题、子课题)等。欢迎感兴趣的老师和同学们积极参与！

2025.12.15

学术讲座公告---恢复范式下的声学解码方法

报告时间：2025年12月19日（周五）上午8:45报告地点：武汉大学电子信息学院于刚·宋晓楼B603会议室报告题目：恢复范式下的声学解码方法报告人：李安冬特别研究助理（中国科学院&中科院声学研究所）邀请人：黄公平教授报告摘要：生成式人工智能的快速发展为音频处理与生成领域带来了突破性进展，其中声学解码(Vocoder)技术作为该领域的核心环节之一，旨在从低维声学表征中重建高保真音频波形。本次报告将聚焦课题组在声学解码方向的最新研究成果：以“恢复范式”为核心切入点，结合零值分解、压缩感知等信号处理理论，重新阐释声学解码的处理逻辑。报告还介绍了课题组针对音频生成任务提出的新型优化损失函数与评价指标。最后，展望了声学解码及音频处理任务的发展趋势及应用前景。报告人简介：李安冬分别于 2018 年和 2023 年在东南大学和中国科学院声学研究所取得学士和博士学位。从2023 年至 2024 年，担任腾讯 AI Lab 高级研究员。自 2024 年起担任中国科学院及中国科学院声学研究所特别研究助理。主持国自然青年基金、腾讯犀牛鸟研究计划等研究项目4项，带领团队斩获DNS-Challenge/URGENT-Challenge/LRAC-Challenge/EEG-AAD等行业竞赛冠军5项，在 TASLP/Information Fusion/AAAI/IJCAI/MM/ICASSP/Interspeech 等国际期刊和会议发表论文 50 余篇，并担任 ICLR/ACMMM/AAAI/IJCAI/ICASSP/Interspeech/TASLP/TPAMI/TNNLS/NN/SPL 等顶级学术期刊/会议的审稿人，曾获Interspeech 2024最佳论文提名。其主要研究方向包括语音信号处理、阵列信号处理、音频生成等。欢迎感兴趣的老师和同学们积极参与！

学术动态