李兆坤
最后更新时间：..
2025年在本部和杭州研究院招生，尚有名额，欢迎感兴趣的同学与我联系。
一、空天地一体化自由空间光通信中的湍流抑制
自由空间光通信（FSO）是未来的高带宽通信手段，激光信号在大气传输过程中受到湍流影响，会出现幅度衰减和相位畸变问题，影响通信性能。为克服挑战，本课题提出一系列湍流抑制方案，涵盖编码技术、智能信号处理多个方面。以仿真论文为主，需熟练使用Matlab/Python等工具，涉及到深度学习、强化学习、凸优化等领域。主持博士后基金一项，国家自然科学基金青年项目一项，已结题。
1.1 基于自适应光学系统（AO）的无线光波前畸变校正
光波穿越大气信道时，大气颗粒与温度差异犹如层层叠叠的复杂棱镜，扭曲了光传输路径，影响光束质量和方向。基于自适应光学的技术是解决这一问题的关键，能够动态监测波前，实时调整光学元件以补偿这些不规则扰动。通过一系列精细探测器和执行机构（比如微型形变镜），精准补正波前，恢复光波原始形态。涉及到深度学习、强化学习、GAN等原理。
1.2 基于深度学习的无线光轨道角动量键控（OAM-SK）通信技术
通过利用轨道角动量（OAM）的多模态特性作为信息承载的新维度，极大增加了无线光通道容量。OAM是描述光波以螺旋形态传播的一种物理量，其处在不同量子态的模式可以作为独立的信息通道。在OAM-SK通信中，信息的传输是通过对光波携带的OAM态进行键控操作实现的，类似于传统通信中的相位键控（PSK）或频移键控（FSK）。然而，OAM状态空间远大于传统二维相位空间，使每个光脉冲可携带更多信息。结合深度学习算法，OAM-SK能对信号传输中的非理想因素进行识别。深度学习模型如卷积神经网络（CNN）能够通过学习从复杂的环境中提取特征，并通过端到端的优化实现更高效的信号解调。
二、多模态融合感知技术
利用不同传感器，如摄像头、毫米波雷达、激光雷达以及惯性测量单元，收集周围环境数据并有效融合，实现对环境的高精度感知定位，在复杂环境条件下提供比单一传感器更可靠、更精确的感知信息。该课题以编程为主，需要熟练使用C/C++/Python等编程工具，涉及到深度学习、强化学习等领域知识，前期用到了视觉/激光/IMU SLAM框架，会提供充分指导攻克工程问题，具备充分的设备条件和显卡资源。
2.1 毫米波雷达与视觉融合的环境感知
2.2 激光雷达/视觉/IMU定位与环境感知
