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。
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
咨询请添加顾问老师
