各位师生：
应公司邀请，西北工业大学王大伟副教授、英国伦敦大学学院胡晓燕博士及西安交通大学郑通兴副教授将分别于10月18日、10月23日来院做“学术大讲堂”系列学术报告，欢迎广大师生参加！报告的具体安排如下：
报告时间：2021年10月18日（周一），上午8:20-12:30
报告地点：通院大楼106室
报告一：空地一体化车联网高效信息传输与网络优化技术研究（王大伟 副教授），上午8:20-10:20
摘 要：传统的车联网具有网络架构单一、灵活性低、实时性差等问题，无法满足于车联网业务需求。本次报告主要介绍空地一体化车联网来实现更大的覆盖范围，更强的态势感知能力、动态重构及容灾能力。报告首先介绍基于移动边缘计算的空地一体化车联网最小时延卸载方法，得到最优的资源分配和任务卸载方案。随后，介绍一种异构车载网络无人机部署方案，实现最大覆盖范围。最后，介绍课题组在空地一体化车联网领域的相关研究成果。
报告人简介：王大伟，男，博士，副教授，陕西省优秀博士学位论文获得者。2018年获西安交通大学博士学位，2016-2017年在加拿大UBC联合培养；2018年入职西北工业大学。研究领域：无人机通信、物理层安全、认知无线电等。
报告二：智能反射面协助的移动边缘计算——从优化到机器学习的解决方案（胡晓燕 博士），上午10:30-12:30
摘 要：In this work we explore optimization-based and data-driven solutions in a reconfigurable intelligent surface (RIS)-aided multi-user mobile edge computing (MEC) system, where the user equipment (UEs) can partially offload their computation tasks to the access point (AP). We aim at maximizing the total completed task-input bits (TCTB) of all UEs with limited energy budgets during a given time slot, through jointly optimizing the RIS reflecting coefficients, the AP's receive beamforming vectors, and the UEs' energy partition strategies for local computing and offloading. A three-step block coordinate descending (BCD) algorithm is first proposed to effectively solve the non-convex TCTB maximization problem with guaranteed convergence. In order to reduce the computational complexity and facilitate lightweight online implementation of the optimization algorithm, we further construct two deep learning architectures. The first one takes channel state information (CSI) as input, while the second one exploits the UEs’ locations only for online inference. The two data-driven approaches are trained using data samples generated by the BCD algorithm via supervised learning. Our simulation results reveal a close match between the performance of the optimization-based BCD algorithm and the low-complexity learning-based architectures, all with superior performance to existing schemes in both cases with perfect and imperfect input features. Importantly, the location-only deep learning method is shown to offer a particularly practical and robust solution alleviating the need for CSI estimation and feedback when line-of-sight (LoS) direct links exist between UEs and the AP.
报告人简介：胡晓燕，女，博士，英国伦敦大学学院（University College London, UCL, QS世界大学排名第8）工程科学董事长奖学金获得者，2020年获得UCL博士学位，2019年10月受聘UCL博士后研究员。主要研究方向包括：边缘计算，无人机通信，智能反射面通信，协作与中继通信，无线能量传输与收集，机器学习与人工智能等。2017年被评为IEEE Communications Letters (CL) 优秀审稿人，并长期担任JSAC, JSTSP, TWC, TCOM, TMC, TVT, CL等知名期刊审稿人。2020年1月起，担任IEEE Wireless Communications Letters (WCL)行政编辑（assistant to Editor-in-Chief of WCL）。
报告时间：2021年10月23日（周六）,上午9:30-11:30
报告地点：通院大楼106室
报告三：无线安全通信技术研究：从物理层安全到隐蔽通信（郑通兴 副教授）
摘 要：无线信道的广播特性，保护信息安全对于无线通信系统而言尤为重要,而且相比有线通信系统更为困难。物理层安全利用信道编码和信号处理等多种手段实现比特级信号保密传输，为实现无线安全通信提供了一种有别于传统高层加密安全机制的新途径。在很多实际应用场景中，例如军事通信中，单纯保护信息安全远远不够，通信双方甚至希望隐蔽地进行不被敌方检测发觉的通信过程。隐蔽通信，或低检测概率通信，为解决上述问题提供了可行办法。本报告首先简要介绍物理层安全和隐蔽通信的基本概念和实现途径，然后介绍课题组在上述两个方向上的相关研究成果，最后开放式探讨未来可能的研究方向。
报告人简介：郑通兴，男，博士，博士生导师，西安交通大学电信学部信息与通信工程学院和网络空间安全学院副教授，陕西省优秀博士学位论文获得者，获2019年陕西省高等学校科学技术奖一等奖，IEEE会员，中国通信学会高级会员，中国电子学会会员。2010年和2016年先后获得西安交通大学学士和博士学位，2016年10月留校任教。2017年12月至2018年12月，澳大利亚新南威尔士大学访问学者。研究方向包括5G/6G无线网络与关键技术，物理层安全，隐蔽通信，边缘缓存与计算，V2X，随机几何理论应用等。目前已主持10余项科研项目，由Springer出版英文专著1部，英文章节1章，发表学术论文60余篇，其中以第一/通讯作者在IEEE杂志/汇刊发表论文10余篇，目前担任国际期刊IET Electronic Letters副编辑，30余个国际学术期刊的论文评审人，连续两年被评为IEEE Transactions on Communications模范审稿人。目前2篇论文入选ESI全球高被引论文。论文在Google Scholar引用1500余次，H因子为18。
特此通知。
0638太阳集团
2021年10月11日
