复杂信号处理与智能计算系统团队

一、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，自然语言处理和大语言模型，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

自然语言处理

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

团队负责人及简介：

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。

邮箱：gongguoliang@tust.edu.cn

团队成员及简介：

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、医疗场景的大语言模型研究，发表多篇SCI一区论文。邮箱：zhangyuai@tust.edu.cn, hit10024@gmail.com

目前研究团队还在组建中。

三、科研方向

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

自然语言处理与大预言模型

生物医学信息处理

弱信号检测技术

设备状态监测技术

四、学术成果

（一）代表性成果

（1）类脑神经网络芯片设计技术

团队经过十余年的持续研究和技术积累，在类脑神经网络芯片设计方面形成了系统化的技术体系，掌握了人工智能芯片、终端智能装备、计算系统开发的关键技术。

团队主要成员在中国科学院半导体所工作期间，作为CASSANN系列类脑计算芯片的总架构师与设计师，先后完成了CASSANN-V、CASSANN-X、CASSANN-T 三款神经网络芯片的研制任务。其中CASSANN-V芯片同时期达到国际先进水平，该芯片能够广泛应用于工业自动化生产过程管控、物流调度等应用场景，能够为新区港口任务调度、智能化管控，以及工业自动化生产产线优化等提供解决方案。CASSANN-X与CASSANN-T同时期达到国内领先水平，两款芯片属于面向边缘端的人工智能芯片，是智能化终端视频、图像目标识别、检测、跟踪应用的核心器件。其中，CASSANN-T通过模仿人脑在看事物的同时伴随联系记忆的过程，在信息处理能力方面显著优于同类产品。CASSANN-X与CASSANN-T芯片能够作为关键器件为新区智慧港口、智慧城市建设等提供支撑。

（2）面向智能电网的电力设备状态在线监测技术

电力设备的状态检修是泛在电力物联网建设的重点内容。团队十余年来长期从事电力设备绝缘在线监测技术研究，特别是针对变电站中的变压器、避雷器、绝缘套管等核心设备的绝缘状态进行算法开发与监测装备研制。基于神经网路，发展出了强噪声条件下的弱信号检测技术、电流传感器在线校验技术、信号相位差高精度测试技术等。团队开发出了的部分算法已成功应用于中国科学院半导体研究所自主研发的第三代电力设备绝缘在线监测装备，针对容性电力设备的绝缘性能监测达到国内领先水平。

（3）面向智慧油田的抽油机示功图计算技术

抽油机示功图是油井井下工况诊断、设备信息感知和油田产量估计的重要依据。通过电功图来计算示功图能够避免使用载荷传感器带来巨大的经济压力，并能减少人员事故发生，该问题是困扰油田行业数十年的难题。团队经过多年研究，提出了基于神经网络的抽油机示功图计算方法，相关成果应用于中石油在新疆克拉玛依的油田片区，实现了应用示范。

（4）深度学习算法理论与应用研究

团队关注深度学习算法的理论研究，主要聚焦于网络轻量化和模型可解释性的探索，并关注于解决特定实际问题的深度学习模型研究。已经在自然图像去雾、去雨、补全、超分辨率、低照度增强，医学图像分割、3D重建、分类、选择，和自然语言大模型方面取得研究成果，发表多篇SCI一区论文。

（二）代表性论文及专著

[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)

（三）代表性专利

[1] 尹世远，龚国良，鲁华祥，申荣铉， 陈刚，金敏，毛文宇。 粒子群优化算法模型的训练方法、粒子群优化方法及装置, 2022-01-18, 中国, 202210057339.X.

[2] 乔瑞秀,龚国良,邓琪,鲁华祥,边昳. 卷积神经网络计算装置、数据计算方法, 2019-02-27,中国，201910149064.0.

[3] 孔鑫, 龚国良, 陈刚. 一种神经元计算模块, 2019-04-01,中国，201910259493.3.

[4] 刘毅, 李志远, 郭晓洲, 龚国良, 鲁华祥,边昳. 手写字符识别方法、装置、电子设备及存储介质，2019-11-28，中国，201911210562.8

[5]陈刚,鲁华祥,龚国良,王渴,毛文宇,金敏. 基于典型关联分析的电流互感器角差的确定方法. 中国，CN107402367A.

[6]滕南君,李志远,金敏,龚国良,鲁华祥. 基于递归神经网络的密码字典生成方法中国，CN107579816A

[7]毛文宇,鲁华祥,王渴,龚国良,陈刚,金敏. 无源被动式室内定位方法及装置. 中国，CN107884744A

[8]王晓燕,鲁华祥,金敏,王渴,龚国良,陈刚,毛文宇,边昳. 基于多尺度卷积神经网络的心律失常心拍分类方法.中国，CN108932452A.

[9]龙鹏;鲁华祥;边昳;徐露露;王俭;陈旭;龚国良;金敏;陈刚.鲁棒的全局阈值分割方法,中国：申请日: 2015.01.20；申请号­: CN201510028768.4

[10]龙鹏;鲁华祥;边昳;徐露露;王俭;陈旭;龚国良;金敏; 陈刚.基于CIE Lab彩色空间的灰度阈值分割方法.中国,申请日: 2015.01.20；申请号­: CN201510027820.4

[11]徐元;鲁华祥;龚国良;陈旭;陈刚.一种基于固定点独立分量分析算法的合作频谱感知方法,中国,发明人：申请日: 2014.01.23；申请号­: CN201410032164.2；授权日20150729

[12]张敏;鲁华祥;来疆亮;边昳;龚国良;徐露露;基于差影法的遥控器按键缺陷检测方法；申请日: 2013.08.16；申请号­: CN201310357352.8；授权日20150715

五、社会服务意向

芯片开发（AI芯片、控制芯片、专用计算芯片等）；

软件开发（深度学习算法、最优化算法及软件）；

智能计算系统研制（基于AI芯片、SOC芯片等的智能检测模块、终端产品设计与开发等）。

六、联系方式

姓名：龚国良

邮箱：gongguoliang@tust.edu.cn

电话：13001399875

团队地址：天津经济技术开发区第十三大街9号天津科技大学（西院）8号楼308