研途青年说第126讲-浪live

浪live

浪live > 学术沙龙 > 正文

研途青年说第126讲

发布者：时间：2026-05-14 14:47:47 浏览：

为拓宽研究生学术视野，促进研究生学术交流，营造良好的学术氛围，浪live 主办的“研途青年说”第126讲于4月28日10：30-11：30在文清210举行。本次主讲人为23级研究生李佳辉、刘文柏、毛俊彦，孙荣禧和尹乐垚。

李佳辉同学的汇报围绕基于图学习的城市路网紧密中心性关键节点识别展开，针对传统方法计算开销大、实时性不足、难以适配动态扰动路网等问题开展研究。首先阐述选题背景与意义，明确紧密中心性在关键节点识别中的核心价值，以及研究对交通管理、应急响应、韧性城市建设的实用价值。研究分为两个内容：面向单区域街区路网，设计特征融合与局部拓扑增强的分层图注意力预测框架；面向城市级多区域路网，提出局部注意力与全局扩散融合的双分支预测方法。通过数据构建、模型训练与对比实验，验证所提模型在识别精度、鲁棒性与泛化能力上与基线模型对比。最后总结研究成果并提出未来展望。

刘文柏同学提出了一种基于深度学习的超分辨测角方法。该方法设计了阵列重构网络，用于实现从小阵列信号到虚拟大阵列信号的非线性映射，在物理孔径不变的条件下等效扩大阵列孔径，从而突破瑞利分辨限对角度分辨力的理论限制；再利用分类网络对重构信号进行高精度DOA估计，在提升角度分辨力的同时保障测角精度，以支撑更安全、更可靠的智能驾驶系统。仿真实验表明，该方法在16阵元条件下可成功分辨角度间隔3°的两个目标，验证了其超分辨测角的有效性。

毛俊彦同学针对复杂网络流量中关键时间步特征难以突出的问题，提出了一种基于注意力增强长短期记忆网络的隐蔽时序信道攻击检测方法。该方法结合Transformer对全局依赖关系进行建模，并利用长短期记忆网络刻画序列动态演化过程，在此基础上引入加性注意力机制，对关键时间步特征进行自适应加权，从而提升对隐蔽通信特征的识别能力。基于ARES数据集的实验结果表明，该方法在准确率、召回率和F1值等指标上均优于多种对比方法，检测准确率达到99.51%，验证了模型的有效性与鲁棒性。

孙荣禧同学围绕车载CAN网络中ECU身份识别与入侵检测问题，提出了基于增量在线学习的解决方案。首先，利用CAN总线物理层电压信号提取时域与频域特征，验证了静态模型在局部稳定条件下的高识别率，但长期运行中因环境变化和ECU老化导致概念漂移，性能下降。为此，引入了ARF、SRP等在线集成方法，结合ADWIN、DDM、EDDM漂移检测器，实现模型动态更新。实验表明，在线集成模型尤其是ARF-DDM在识别准确率、稳定性、预测耗时和内存占用等方面综合表现最优，能够有效适应时序数据分布变化，缓解概念漂移影响，提升车载网络安全性。

尹乐垚同学围绕复杂城市环境下噪声溯源监测技术展开研究，针对传统噪声监测仅能测声压级、无法精准溯源、数据集难以动态更新等痛点，完成三项核心工作。一是提出场景化噪声溯源监测技术，依托迁移学习实现噪声分类，融合声源方位、场景先验知识完成精准溯源；二是基于对比学习与 HDBSCAN 聚类，构建可增量更新的城市噪声音频库，大幅降低人工标注成本；三是开发集识别、溯源、展示、管理于一体的智能监测系统。经实验与测试，所提方法溯源有效，系统稳定实用，为城市噪声污染治理提供了可行技术方案。

本次“研途青年说”第126讲圆满落幕，五位同学围绕智能交通、毫米波雷达、网络安全、车载通信、城市噪声监测等前沿方向，展示了扎实的科研能力与创新成果。报告内容兼具理论深度与应用价值，充分展现了我院学子积极探索、勇于突破的学术风貌。此次交流不仅拓宽了同学们的学术视野，也为跨领域研究搭建了良好平台。未来，学院将持续举办学术交流活动，鼓励学子深耕科研、勇于创新，不断提升专业素养与科研水平，为电子与通信领域发展贡献青春力量。

李佳辉

2023级浪live

通信专业

导师：周发升

主要研究方向：图神经网络

主要科研成果：Li J, Guo F, Zhou F. GNN-based prediction of closeness centrality in urban road networks[C]//Ninth International Conference on Traffic Engineering and Transportation System (ICTETS 2025). SPIE, 2026, 14011: 939-945. （EI会议，第一作者）