u 个人简介

姓名：孙彪
职称：副教授/博士生导师
学科专业：控制科学与工程（检测技术与自动化装置）
通讯地址：天津大学电气自动化与信息工程学院26教学楼D区321室
电子信箱：sunbiao@tju.edu.cn
u 工作经历
(1) 2018.07-至今 天津大学电气自动化与信息工程学院，检测技术与自动化装置专业，副教授，博士生导师
(2) 2013.07-2018.06天津大学电气自动化与信息工程学院，检测技术与自动化装置专业，讲师，博士生导师
(3) 2015.10-2016.10新加坡国立大学，医学院，国家公派访问****
u 实验室简介
孙彪博士，副教授，博士生导师，为天津大学智能电子学实验室负责人（实验室网站http://www.bsunlab.com/）。实验室成立于2013年，主要从事人工智能、压缩感知、脑机接口以及相关电子器件与系统的开发与应用。本实验室属于天津大学机器人与自主系统研究所（网站http://robot.tju.edu.cn/），依托检测技术与自动化装置国家重点学科，挂靠天津大学电气自动化与信息工程学院。研究所现共有13名研究人员，其中教授4名（含入选教育部“新世纪优秀人才”支持计划教授2名），副教授5名，讲师2名，实验员2名。
报考我实验室的同学有充分的自由选择喜欢的研究方向，我们内部是以导师团形式进行培养，研究生既可以选择智能电子学实验室内部的研究方向，也可以选择研究所层面的研究方向，各方向有充分的交流，且可以得到团队多名导师的共同指导。
u 研究经费
本实验室研究经费充足，近年来主持或参与国家自然科学基金、科技部重点研发计划、企业合作等项目10余项，总经费共计1200余万元，各研究方向均有省部级或国家级项目支持，避免同学们在经费方面的后顾之忧。具体项目列表请参考http://www.bsunlab.com/projects。

u 论文发表
实验室秉承“学生和老师是合作关系，学生出路好才是真的好，学生有成果才是真成果”的理念，鼓励学生自主发现问题、解决问题、总结经验、形成成果的四步走战略。自实验室创立以来，每位研究生毕业时均有自己的SCI论文，因而在就业或深造时具有显著优势，同时大大提升了实验室学生培养的质量和深造率，最终实现了学生和实验室双赢的局面。具体论文列表请参考http://www.bsunlab.com/publications。
u 研究方向
智能电子学实验室内部现有3大主要研究方向，具体如下：
1. 人工智能及深度学习
当前人工智能研究非常火热，而深度学习技术是本轮人工智能崛起的关键技术之一。本实验室于2013年即开始了深度学习技术的研究，在神经信号采集、图像识别、视频增强、安防环保方面均取得了有代表性的成果。代表性项目为“基于深度学习和双目视觉的头部自由遥测式瞳孔计”，如下图所示。该瞳孔计可用来进行人眼追踪、瞳孔直径实时测量等。本瞳孔计结构简单、造价低廉、使用便捷。详情请访问http://www.bsunlab.com/research。

2.脑机接口
脑科学和认知科学是当前国际重要科技前沿，受到各国研究人员广泛关注。全球各大科技强国纷纷对脑科学研究进行积极布局，力求抢占科技制高点。脑机接口作为连接大脑和外部设备的桥梁，日益受到各大研究机构的重视和重点攻关。本实验室自2013年起开始进行脑机接口技术研究，在算法设计、芯片设计、硬件实现、系统构建等方面取得了一系列成果，先后收到国家自然科学基金面上项目、天津大学北洋****青年骨干教师人才项目支持，代表性成果为“基于压缩感知的大规模神经在体记录技术”，该项目的完成将建立起大规模无线在体神经记录理论体系，设计出先进的大规模无线在体神经记录硬件系统，为脑科学与认知科学研究提供重要的基础性工具，推动相关交叉科学核心技术的进步，为我国高端科研仪器的自主研发提供有力支撑。

3.压缩感知
压缩感知（Compressed sensing），也被称为压缩采样（Compressive sampling）或稀疏采样（Sparse sampling），是一种寻找欠定线性系统的稀疏解的技术。压缩感知被应用于电子工程尤其是信号处理中，用于获取和重构稀疏或可压缩的信号。这个方法利用信号稀疏的特性，相较于奈奎斯特理论，得以从较少的测量值还原出原来整个欲得知的信号。这一方法至少已经存在了四十年，由于David Donoho、Emmanuel Candès和陶哲轩的工作，最近这个领域有了长足的发展。近几年，为了因应即将来临的第五代移动通信系统，压缩感知技术也被大量应用在无线通信系统之中，获得了大量的关注以及研究。
压缩感知方向于2008年开始就在本实验室开展了研究，是本实验室的传统强项和主攻方向，在此方向已承担了国家自然科学基金青年项目1项，国家自然科学基金面向项目2项，发表论文20余篇。代表性项目为“基于压缩感知的建筑结构健康监测技术与系统”，本项目结合建筑结构健康监测（SHM）若干关键问题和技术，引入压缩感知（CS）和稀疏恢复（SR） 理论，发展基于CS的SHM新方法和新技术。本项目主要研究结构振动信号的稀疏表达、压缩感知编码器优化、压缩感知重建算法等方面内容。开发多通道压缩采样硬件系统，集成并检验信号恢复算法。研究成果将大幅度降低无线传感器网络的能耗；突破现有数据采集技术对高频信号数据采集的制约。本项目将极大地丰富和发展SHM技术，具有重要的科学价值和应用前景。

压缩感知方向另外一个代表项目为“基于压缩感知的复杂流场烟羽精确捕获研究”，面对日趋严重的城市突发环境污染问题，开展针对毒害气体泄漏的复杂流场烟羽捕获研究，对保障人民生命及财产安全，促进经济社会的和谐发展具有重大现实意义。由于当前气体传感器存在采样率瓶颈，导致烟羽捕获精度难以提高。为解决此难题，本项目拟研究基于空间耦合压缩感知的烟羽捕获方法，以达到降低采样率、提高捕获精确度的目的。本研究将为复杂流场中的烟羽精确捕获研究提供理论支持。研究成果在毒害气体泄漏监测、生化反恐/排爆等诸多方面有潜在应用。

除以上3大研究方向外，报考本实验室的研究生还可以选择机器人与自主系统研究所其他研究方向，如无人机控制、水下机器人、地面机器人、图像处理等（详情请访问http://robot.tju.edu.cn/），届时将由孙彪副教授和相关导师联合进行培养，以达到双重指导，事半功倍的效果。
u 一些额外的参考资料
1.部分研究生的毕业论文
[1]侯惠让，基于嗅觉脑电的气味与情绪识别方法，博士论文，2020，暂未上网
项目简介：嗅觉作为生物进化史上最古老的感觉，与人类的记忆、学习和情绪等密切相关。大脑皮层是最高级的神经中枢，能够评估来自各感官的刺激。研究大脑对不同气味的识别能力在嗅觉功能障碍的评估与诊断、抑郁症等精神类疾病患者的情绪调控等方面具有重要的意义。本文在课题组自行构建的嗅觉脑电数据集基础上，围绕气味种类识别、气味浓度识别以及嗅觉诱发情绪识别三个问题，从EEG信号的特征提取及分类两个方面展开了较为深入的研究。
[2]孙磊，基于FPGA的压缩感知硬件优化与系统实现研究，硕士论文，2019，暂未上网
项目简介：压缩感知理论利用信号稀疏性直接采样压缩后的信号，具有信号采样率低、数据存储压力小、硬件简单等优点，在无线传感器网络、生物电信号采集、多输入多输出系统设计以及变换域采样系统设计等领域具有广泛的应用前景。如何设计更高效、更便于硬件实现的信号编码器以及如何设计复杂度低、信号重建质量高的算法一直是该领域的重点研究方向。本论文对压缩感知理论中的观测矩阵优化设计、重建算法设计以及压缩感知硬件实现等问题进行了系统研究，并在心电信号数据集上进行了实验验证。
[3]倪宇明，基于深度学习和双目视觉的头部自由遥测式瞳孔计研究，硕士论文，2018，暂未上网
项目简介：瞳孔直径的变化与神经系统活跃性直接关联，可以反应出许多重要的人体信息状态，应用在疲劳驾驶、疾病诊断以及人机交互等各个领域。远程头部自由式瞳孔计具有非接触、快捷等特点，具有广阔的研究与应用前景。然而，当前的远程头部自由式瞳孔计容易受到环境光的干扰、人眼追踪速度慢、测量瞳孔直径时会产生畸变误差而且使用前需要繁琐的校正流程。本文针对这些问题建立了基于深度学习的双目视觉测量模型，提高了系统的测量速度和精度，提高了系统的抗环境光干扰能力，同时无需每次使用前进行校正。
[4]陈科帆，基于压缩感知的模拟信息转换器设计与研究，硕士论文，2017，下载地址：http://d.wanfangdata.com.cn/thesis/D**
项目简介：压缩感知（Compressed Sensing, CS）是近年来发展起来的信号采样的新理论和新方法，引起了多个学科领域内研究人员的广泛关注。在无线传感器网络领域，CS也具有重要的理论价值和潜在应用前景。譬如，CS可以替代传统的奈奎斯特采样器件，减少数据采集、存储、传输及处理所需的能量，从而延长无线传感器网络的续航时间。本文基于压缩感知理论及随机解调硬件架构，设计了一种新型模拟信息转换器（Analog to Information Convertor, AIC），并将其应用于桥梁结构健康监测无线传感器网络中，进行了数值模拟仿真及实验验证。
[5]丰卉，面向气体信号量化压缩感知的贝叶斯重建方法研究，硕士论文，2017，下载地址：http://d.wanfangdata.com.cn/thesis/D**
项目简介：在社会经济飞速发展的今天，环境问题日益突出，有害气体的监测成为一项非常重要的内容。当前使用的气体传感器普遍存在较长的反应和恢复时间，其采样率存在瓶颈，在采样过程中容易丢失气体浓度信号的细节信息，因而难以精确的对有害气体信号的分布情况进行估计。压缩感知理论有望解决气体传感器的采样率瓶颈，提高对气体信号估计的精确度。本文在压缩感知的基础上，提出了基于分块稀疏贝叶斯学习的量化压缩感知重建算法，并且对气体信号进行了实验验证其优越性。
2.部分实验室本科生大创项目
[1]基于深度学习的瞳孔图像情感分析系统，2019
项目简介：特殊人群之间通常存在着交流障碍，人们也不能及时的发现特殊人群的真实情感。例如，人们和老年人、聋哑人以及婴孩之间沟通时，有时会因为不知道对方的真实情感而造成一些不必要的误解。本项目将围绕基于瞳孔特征构建情感模型和人机情感交互模型这一问题展开研究，通过移动终端等设备来获取瞳孔数据，并进行情感识别。
[2]基于虚拟仪器技术的MOOC电子技术开放实验平台建设，2019
项目简介：随着我国的快速发展，人才需求数量不断增加，实验室资源短缺问题日益严重。网络虚拟实验室技术能有效提高实验资源利用率，突破传统实验室时间和地点的束缚，解决实验资源短缺等问题。本项目拟综合运用LabVIEW软件编程和PCB线路板设计、虚拟仪器等技术构建MOOC电子技术实验开放平台，具体内容涉及开放实验平台的搭建及界面设计、LabVIEW与采集转换模块间数据交换、LabVIEW与实验仪器之间的连接和远程控制、控制系统软硬件联调、视频监控系统设计等。
[3]脑、视结合的驾驶员疲劳预测系统，2018
项目简介：疲劳驾驶是造成交通事故的主要原因之一，因此迫切需要一种便捷的方式监控汽车驾驶人员的疲劳状态。瞳孔振荡频率是一种不受人意识控制的信号，可以客观的反映出人的疲劳程度；脑电信号也被证明可在一定程度上检测人的疲劳程度。本项目拟综合运用脑电信息和双目视觉信息进行驾驶人员的疲劳检测，具体内容涉及脑电信号提取与分析、人眼检测及跟踪、瞳孔定位及测量、瞳孔振荡信号的疲劳分析等。
[4]赝品画廊，2017
项目简介：本项目的目的是设计一种算法，让计算机模仿已有画作的绘画风格来把一张照片重新绘画，以达到以假乱真的效果。利用一个多层的卷积网络(CNN)抽象出给定绘画作品里一些高级的隐藏特征用来模仿绘画风格，并把这个绘画风格应用到新的图片上。选用Python进行图像处理以及深度学习框架的搭建，并利用GPU来增强计算能力，以克服算法运行时间较长的缺点。后期选取CNN和GAN相结合来优化深度学习模型。
[5]基于FPGA的1bit压缩感知数字图像加密系统设计，2017
项目简介：本项目拟在设计一种基于FPGA的1bit压缩感知图像加密系统，通过对现有的一些算法进行优化，使得图像加密能够通过1bit压缩感知理论实现。 在现有的纯软件图像加密技术混沌PN序列加密方法的基础上提出了一种新的思路即 在FPGA上实现 上述系统，实现软硬件的结合，提高图像的隐蔽性和安全性以及信息采集的速度，同时提高了图像还原的概率，保证较高的还原度。