重要信息
官网：www.icspcs.org （详情见官网）
时间：2025年8月15-17日
地点：西安
主题
| 信号处理与智能计算 | 计算科学与人工智能 | 网络与多媒体技术 |
| 数字信号处理 雷达信号处理 通信信号处理 临时和传感器网络 模拟和混合信号处理 阵列信号处理 音频和电声 音频语音处理和编码 生物成像和信号处理 生物信号处理与理解 光通讯 信号处理的机器学习 多媒体信号处理 自然语言处理 非线性信号处理 并行和分布式处理 安全信号处理 信号处理理论与方法 统计信号处理 时频时标分析 视频压缩和流 水印和信息隐藏 量子信号处理 边缘智能信号处理 医学影像分析 6G通信信号处理 |
信高性能计算与算法 量子计算 分布式和并行系统 模型拟合与数据分析 机器学习 计算机视觉 模式识别 认知计算 大语言模型 联邦学习 异构计算 可解释人工智能 Transformer架构 多模态学习 小样本学习 边缘AI计算 FPGA加速设计 移动端模型优化 Serverless计算 |
通信和宽带网络 密码学与网络安全 云计算 计算机图形学 虚拟现实 数字孪生 图形可视化 神经渲染 科学可视化 物联网技术 元宇宙应用 太赫兹通信 智能反射面网络 后量子密码 云原生架构 多传感器融合 AI内容鉴别 绿色计算技术 智能感知系统 |
信号处理与计算机科学
Signal Processing and Computer Science
一、概念简述
🎧 信号处理（Signal Processing）
信号处理是研究对各种信号（如声音、图像、生理电信号、雷达波、传感器数据等）进行采集、分析、变换、压缩、增强与识别的方法与技术。
按领域可分为：
一维信号处理：语音、音频、生理信号等
二维/多维信号处理：图像、视频、三维点云等
时频域分析：傅里叶变换、短时傅里叶、小波分析、Hilbert-Huang 等
💻 计算机科学（Computer Science）
计算机科学关注如何通过算法、编程、硬件和系统架构来实现信息的处理与自动化。包括人工智能、图形学、计算机视觉、机器学习、网络、软件工程、嵌入式系统等众多领域。
二、二者融合的关键方向
| 融合方向 | 应用内容 |
|---|---|
| 🎤 语音与音频处理 | 语音识别、合成、降噪、声纹识别 |
| 🧠 生物信号分析 | 脑电EEG、心电ECG、肌电EMG等信号的特征提取与识别 |
| 📷 图像与视频处理 | 图像增强、去噪、目标检测、视频压缩与恢复 |
| 📡 通信信号处理 | 载波调制/解调、信道估计、错误控制编码 |
| 🧠 AI信号智能理解 | 基于深度学习的语义建模、注意力机制 |
| 🔍 多模态数据融合 | 图像+语音+文本等多源异构信号的协同处理 |
三、关键技术与算法
✅ 常见信号处理算法
| 算法类型 | 示例 |
|---|---|
| 时域/频域变换 | 傅里叶变换、短时傅里叶、小波变换、Z变换 |
| 滤波 | FIR/IIR 滤波器、自适应滤波、卡尔曼滤波 |
| 压缩编码 | JPEG、MP3、MPEG-4、H.264 |
| 估计与识别 | 特征提取、模板匹配、谱估计、峰值检测 |
✅ 与计算机科学融合的深度技术
| 技术领域 | 融合点 |
|---|---|
| 深度学习 | CNN 用于图像处理，RNN/LSTM 用于序列信号分析 |
| 计算机视觉 | 视频信号中目标检测、人脸识别、行为分析 |
| 人工智能 | 用机器学习识别模式、异常信号、自动决策 |
| 边缘计算 | 低功耗设备上的实时信号处理（如可穿戴设备） |
| 信号增强与重建 | 超分辨率重建、图像盲去噪、语音复原 |
四、典型应用场景
| 应用领域 | 信号处理角色 |
|---|---|
| 医疗健康 | ECG/EEG分析、智能诊断、远程监护 |
| 工业检测 | 声学/光学信号缺陷检测、传感器融合 |
| 智慧交通 | 视频流车辆检测、雷达/激光测距信号处理 |
| 智能家居 | 语音控制、环境声检测 |
| 安防监控 | 视频增强、人脸/动作识别 |
| 通信系统 | 数据调制、信道编码与解码、频谱感知 |
| 人机交互 | 语音交互、眼动追踪、生理反馈响应 |
五、研究与项目选题建议
| 方向 | 示例选题 |
|---|---|
| 🎙️ 智能语音处理 | 基于深度神经网络的语音去噪与识别系统设计 |
| 📷 图像增强与复原 | 基于卷积神经网络的夜间低光图像增强方法研究 |
| 🧠 生理信号识别 | 可穿戴设备中的ECG信号异常检测系统设计 |
| 🛰️ 雷达信号分析 | 基于机器学习的无人机雷达信号识别算法研究 |
| 🎧 多模态分析 | 基于音频与图像的情感识别系统实现 |
| 📡 无线信道优化 | 面向5G通信的实时信号处理与误码控制 |
六、发展趋势与挑战
📈 发展趋势
信号处理与深度学习的深度融合（如端到端语音识别）
多模态感知与跨模态对齐技术快速发展（图文声联合建模）
高效信号处理算法在边缘设备部署（低功耗推理）
医疗、生物工程等领域对“实时智能分析”的需求迅速增长
⚠️ 面临挑战
原始信号的质量不稳定、噪声复杂
训练数据稀缺或不具备标注
实时性与计算资源之间的矛盾
可解释性、安全性与隐私保护问题
七、小结
信号处理提供“数据理解”的基础能力，计算机科学提供“智能分析与实现”的全栈支持。
两者结合，正催生以智能感知、实时决策、自动识别为核心的新一代计算系统，为 AIoT、智慧医疗、无人系统、可穿戴计算、智慧城市等提供强大支撑。