一、研究团队简介

复杂信号处理与智能计算系统研究团队由龚国良教授、张宇副教授、吕娟副教授组成，团队从事人工智能芯片设计，智能计算系统、装备及终端应用产品研发，针对智慧医疗中的医学图像处理、生物信号处理，计算机视觉和机器视觉、智能电网、智慧油田、工业自动化生产控制中的不完整、不精确信号处理，高动态复杂条件下的运动目标、小目标识别与跟踪等，开展深度学习、机器学习算法研究、软件开发与智能计算装备研制。团队成员具有丰富的科研经历，主持科研项目经费累计超过3900万元，参与重点科研项目总经费超过6500万元。

研究方向：

人工智能芯片与计算系统

深度学习算法及其应用

计算机视觉

生物医学信息处理

弱信号检测技术

设备状态监测技术

二、团队成员介绍

团队负责人：龚国良，天津科技大学教授，中国科学院半导体研究所客座教授，硕士生导师，2012年在中国科学院半导体研究所获工学博士学位，毕业后留所，于2023年加入天津科技大学。主要从事类神经计算芯片、计算系统，神经网络算法及其应用研究。作为主要参与者于中国科学院半导体所成功研制了特种神经计算装备原理样机，带领研究团队成功研制出具有自主知识产权的CASSANN-V、CASSANN-X、CASSANN-T等系列人工智能芯片，技术指标达到国内领先、国际先进水平；在智能电网领域，提出了电力设备绝缘在线监测的系列算法，部分成果作为关键技术成功应用于中国科学院半导体所新一代自主研发的电力设备绝缘在线监测装备；在智慧油田领域，提出了针对抽油机工况诊断的神经网络示功图计算方法，成果应用于新疆克拉玛依油田。主持国家级、省部级项目共8项，总经费超过3900万元。

张宇，博士，副教授。本科毕业于哈尔滨工业大学，博士毕业于哈尔滨工程大学，工学博士学位。博士期间获得国家公派留学资格，赴悉尼大学学习两年，师从陶大程教授（欧洲科学院外籍院士、澳大利亚科学院院士、IEEE等多个顶尖学会会士）。主要从事深度学习算法、计算机视觉和生物医学图像和信息处理研究。近年来从事复杂场景下的图像复原研究、医学影像的重建与分析研究、基于深度学习技术的蛋白功能预测研究，发表多篇SCI一区论文。

吕娟，博士，副教授。本科就读于哈尔滨工业大学，博士毕业于哈尔滨工程大学，工学博士学位。读博期间赴悉尼科技大学联合培养，为期两年，期间通过了悉尼科技大学组织的助教培训，并连续两年担任悉尼科技大学生物医学工程系助教，有丰富的教学、科研和论文写作指导经验，指导学生发表生物医学 A 类会议论文两篇。主要从事基于深度学习的医学图像、医学信号分析研究，包括医学图像的分类、分割、目标检测、3D重建、脑电信号处理等。近年来与悉尼科技大学、香港理工大学开展了深入合作并联合发表了多篇高水平SCI论文。目前已在国外高水平期刊和国际会议中共发表论文10余篇。

三、科研经历（科研项目）

1．国家高技术项目：时空感知智能处理器技术，课题负责人，1530万元；

2．中科院STS专项研发项目：CMOS存算一体神经网络芯片研制及应用，课题负责人，350万元；

3．中科院先导A类项目：自主进化智能编译器研制，子课题负责人，1500万元；

4．北京市科技重大专项项目：类脑计算与认知系统核心技术研究，课题负责人，120万元；

5．中科院先导A类项目：自主进化智能机预先研究，课题负责人，200万元；

6．中科院STS区域重点项目：电力变压器绝缘在线监测与智能诊断装备，课题负责人，120万元；

7．中科院高技术项目：基于传输门的神经网络芯片研究，项目负责人,60万元；

8．国家自然科学基金：电力设备tanδ在线监测中的信号去噪，项目负责人，26万元；

9．国家自然科学基金：概率计算的多目标优化神经计算芯片研制，参与，245万元；

10. 中科院先导A类项目：超导计算机口令解码应用验证系统，参与，2825万元；

11.国家高技术项目：某神经网络芯片研制，参与，一期700万元，二期1200万元，

12. 国家高技术项目：基于神经网络的某关键技术研究，参与，1590万元。

13. 科技部中瑞国际合作项目：云助网联居家式监护群关键技术开发，参与，200万元

14. 中国医药教育协会，骨科骨质疏松创新奖励基金项目：光控CRISPR/Cas13系统靶向抑制DNMT1治疗废用性骨质疏松的研究，参与，10万元。

四、代表性成果

[1] Liu Y, Wang W, Xu X,Guo X,Gong G*, LU H.Lightweight real-time stereo matching algorithm for AI chips .Computer Communications，2022.06.21.

[2] Liu F, Qiao R, Chen G,Gong G*, LU H.CASSANN-v2: A High-Performance CNN Accelerator Architecture With On-Chip Memory Self-Adaptive Tuning. IEICE Electronics Express,2022,19,No.10.

[3] Liu Y, Guo X, Tan K, Gong G*, Lu H. Novel activation function with pixelwise modeling capacity for lightweight neural network design. Concurrency Computat Pract Exper. 2021;e6350.

[4] Yin S, Liu Y, Gong G*, , Lu H, Li W. RLEPSO：Reinforcement learning based Ensemble particle swarm optimizer. Computing and Artificial Intelligence(ACAI’21),2021,53,1-6.

[5] 鲁华祥, 尹世远, 龚国良*，等. 基于深度确定性策略梯度的粒子群算法. 电子科技大学学报, 2021,50(2):8.

[6] 王凯诚，鲁华祥，龚国良*，陈刚，基于注意力机制的显著性目标检测方法.智能系统学报，2020,15(5),956-963,

[7] Liu Y, Li Z, Xu C,Gong G, Lu H. Improving the accuracy of SqueezeNet with negligible extra computational cost, 2020 International Conference on High Performance Big Data and Intelligent Systems (HPBD&IS). 2020, pp. 1-6.

[8] 孔鑫，陈刚，龚国良，鲁华祥，毛文宇，一种面向卷积神经网络加速器的高性能乘累加器，西安电子科技大学学报, 2020, 47(4): 1-9.

[9] 乔瑞秀，陈刚，龚国良,鲁华祥.一种高性能可重构深度卷积神经网络加速器[J/OL].西安电子科技大学学报:1-10, 2019.03.27.

[10] Wang A, Gong GL, Shen RX, et al. Tracking the Multi-Well Surface Dynamometer Card State for a Sucker-Rod Pump by Using a Particle Filter[J]. IET Communications, 2018, 12(16): 2058-2066.

[11] Wang K , Gong G , Shen R , et al. Novel physical network algorithm for indirect measurement of polished rod load of beam-pumping unit[J]. The Journal of Engineering, 2019(16).

[12] Tan Z, Guo W, Gong G, Lu H. A New Pseudo-Random Number Generator Based On The Leap-Ahead LFSR Architecture, 2018 IEEE International Conference on Integrated Circuits, Technologies and Applications (ICTA), 2018, pp. 57-58.

[13] Zhang Y, Wang X, Bi X, et al. A light dual-task neural network for haze removal[J]. IEEE Signal Processing Letters, 2018, 25(8): 1231-1235. （SCI2区）

[14] Zhang Y, Lyu J, Bi X. A dual-task dual-domain model for blind MRI reconstruction[J]. Computerized Medical Imaging and Graphics, 2021, 89: 101862. （SCI 1区）

[15] Chen Z, Bi X, Zhang Y, et al. Lightweightderain: learning a lightweight multi-scale high-order feedback network for single image de-raining[J]. Neural Computing and Applications, 2022: 1-18. (SCI 2区)

[16] Juan Lyu, Sai Ho Ling, Sunetra Banerjee, et al. "Ultrasound volume projection image quality selection by ranking from convolutional RankNet." Computerized Medical Imaging and Graphics 89 (2021): 101847. (SCI 1区)

[17] Juan Lyu, Xiaojun Bi, Sunetra Banerjee, et al. "Dual-task ultrasound spine transverse vertebrae segmentation network with contour regularization." Computerized Medical Imaging and Graphics 89 (2021): 101896. (SCI 1区)

[18] Juan Lyu, Xiaojun Bi, and Sai Ho Ling. "Multi-level cross residual network for lung nodule classification." Sensors, 2020, 20(10): 2837. (SCI 2区)

[19] Juan Lyu, and Sai Ho Ling. "Using multi-level convolutional neural network for classification of lung nodules on CT images."2018 40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). (A类会议, EI检索)

[20] Juan Lyu, Sai Ho Ling, Sunetra Banerjee, et al. "3D Ultrasound Spine Image Selection Using Convolution Learning-to-Rank Algorithm." 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). (A类会议, EI检索)

[21] Sunetra Banerjee, Juan Lyu, Zixun Huang, et al. "Light-Convolution Dense Selection U-Net (LDS U-Net) for Ultrasound Lateral Bony Feature Segmentation." Applied Sciences 11.21 (2021): 10180. (SCI 2区)

[22] Sunetra Banerjee, Sai Ho Ling, Juan Lyu, et al. "Automatic segmentation of 3d ultrasound spine curvature using convolutional neural network." 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC). (A类会议, EI检索)