李向陽

E- Mail： xiangyangli@ustc.edu.cn

個人主頁：http://staff.ustc.edu.cn/~xiangyangli/

主要研究方向：無線網絡、移動計算、智能物聯網，安全隱私、數據共享與交易，大數據計算/網絡經濟學

李向陽博士（英文用名Xiang-Yang Li），188bet亚洲体育博彩及真人教授、博士生導師、新創講席教授。現任188金宝慱体育版信息與智能學部執行部長，188滚球网執行院長，中國科學院無線光電通信重點實驗室主任。前ACM中國聯合主席，ACM Publication Board 成員，現ACM中國指導委員會主席，ACM SigMobile China聯合主席。獲評國家創新人才長期項目，ACM Fellow，IEEE Fellow, ACM傑出科學家（ACM Distinguished Scientist），基金委傑出青年基金獲得者，國家重點研發計劃物聯網安全項目首席科學家。帶領下一代移動計算與數據創新團隊（LINKE）入選全國高校黃大年團隊（188金宝慱体育版首批團隊）；首次將射頻識別室內定位精度提高到毫米級。作為首席科學家承擔了國家重點研發計劃、傑出青年基金、海外傑出青年基金、國家自然科學基金重點項目、和美國基金委重點項目等20餘項。和國內多家知名企業進行科研合作，服務地方經濟。獨立/合作指導博士50餘名，大部分在美國和中國高校擔任教職。

1995獲得清華大學計算機科學和工商管理雙學士學位，1999年至2001年獲得美國伊利諾伊大學厄巴納-香檳分校碩士、博士學位。曾任美國伊利諾伊理工大學計算機科學係助理教授、副教授、教授，曾任清華大學EMC講席教授，微軟亞洲研究院訪問教授，2012年5月至2015年12月曾任無錫清華信息科學與技術國家實驗室物聯網技術中心副主任。

李向陽教授一直從事智能物聯網，邊緣計算，數據共享計算，物聯網安全和數據安全隱私等方麵的研究。自2000年以來已在高水平國際期刊及會議累計發表近500篇學術論文（其中CCF A類論文170餘篇），包括移動計算/無線網絡領域著名的會議ACM MobiCom論文16篇，穀歌學術論文引用總數超過24000次，H-Index 81，近10次獲得國際會議最佳論文獎，例如ACM MobiCom 2014、IEEE GlobeCom 2015等。獲批國內外專利50餘項。撰寫了無線網絡領域專著《Wireless Ad Hoc and Sensor Networks: Theory and Applications》（2008年出版）。曾經擔任《IEEE/ACM Transactions on Networking》，《IEEE Transactions on Mobile Computing》，《IEEE Transactions on Parallel and Distributed Systems》等期刊的編委，和算法百科全書《Encyclopedia of Algorithms》無線網絡學科方向的編輯。曾經擔任了多個知名國際學術會議程序委員會主席或者大會主席（如ACM MobiHoc，IEEE MASS等），多年來擔任本領域的重要學術會議的程序委員會成員（如ACM MobiCom，IEEE INFOCOM等）。是美國國家自然科學基金（NSF）、中國國家自然科學基金（NSFC）、香港自然科學基金（RGC HongKong）科技部重點研發計劃等重大項目的評委。

導師選題：

基於Wi-Fi 等無線信號的感知	隨著物聯網技術的快速發展，非接觸式人員狀態監測在智能家居、醫療健康等領域展現出廣闊的應用前景。傳統的監測手段，如攝像頭和雷達，雖然能夠提供較為精確的監測數據，但通常存在隱私風險、高能耗和高成本等問題，限製了其在日常環境中的廣泛應用。相比之下，利用商用Wi-Fi設備進行人員狀態監測憑借其低成本、低功耗、無侵入性以及廣泛的設備普及率，成為近年來研究的熱點。通過分析Wi-Fi信道狀態信息（CSI），係統能夠捕捉人體與無線信號的微小交互變化，從而實現對人員存在、呼吸速率和跌倒狀態等的監測。然而，實際應用中麵臨諸多技術挑戰。首先，室內環境複雜，Wi-Fi信號在傳播過程中會受到牆壁、家具等多種因素的幹擾，如何從噪聲中提取與人員狀態相關的高質量信號成為關鍵難點。其次，係統需適應不同用戶及其多樣化的行為模式，這些行為會對無線信號造成幹擾，影響監測的穩定性和準確性。因此，本研究旨在通過優化信號處理算法，提高在複雜環境下對Wi-Fi CSI數據的解析能力，增強係統在麵對不同用戶和行為變化時的魯棒性，從而實現高精度、實時的人員狀態監測。這將為智能家居和健康監控領域中隱私友好、低成本的監測係統提供強有力的技術支持。
RFID或者自研無源標簽在工業環境中的應用	研究如何在複雜的工業環境中使用RFID或者無源標簽進行物品位置跟蹤和運動狀態等檢測。研製適用於工業場景的測溫標簽，通過CT取能設計，實現母線溫度的無線低成本監測，解決母線高壓環境下維護困難的問題。
工業動作感知與認知	聚焦於工業環境中人與設備的動作感知，確保裝配過程的質量可靠。通過對視頻數據進行深度神經網絡訓練，實現操作順序和工具使用的智能識別，確保正確的裝配步驟。
基於5G的全域氣象感知	降雨感知對於智慧農業、徑流檢測、災害預警具有至關重要的意義。傳統的檢測手段，如雨量計、氣象雷達、星載雷達等，雖然能夠進行精準的降雨監測，但是成本高昂，難以對市鎮集區域進行全域檢測。注意到5G 基站已經得到廣泛部署，如果能給予 5G 信號實現無處不在的降雨感知，將極大豐富氣象感知手段，賦能智慧生產。使用 5G 信號進行降雨感知來源於一個基本觀察：不同程度的降雨會對信號傳播造成不同程度的影響。然而，具體實現中存在諸多挑戰，首先，室外環境複雜，信號在傳播過程中會受到樓宇、樹木等多種因素的幹擾，如何從噪聲中提取降雨相關的高質量信號成為關鍵難點；其次，係統需適應不同終端設備，不同設備發射功率不同、姿勢朝向各異，這些差異會對無線信號造成幹擾，影響監測的穩定性和準確性。因此，本研究旨在通過優化信號處理算法，提高在複雜環境下5G 信號數據的解析能力，增強係統在不同環境中的的魯棒性，從而實現市鎮級全域降雨感知，為智慧生產提供信息支撐。
雲邊端協同在線計算：數據-傳輸-計算聯合優化	基於數據-傳輸-計算聯合優化，研究邊緣計算的在線解決方案的設計、分析與應用，充分利用在線近似算法、在線學習、在線博弈等理論，設計一係列當前最優性能保障、真實數據平台驗證、關鍵領域落地應用的數據存儲與傳輸、雲邊端協同計算、模型部署等策略，算法簡潔、易分布式部署，為實現低延遲、高可靠、強安全的智能邊緣計算提供核心理論與算法支撐。
數據共享和交易	數據共享和計算智能物聯網等技術催生海量異構數據，各行各業對跨域大數據融合應用的強烈需求，及中國數據要素市場化政策的推進充分表明了數據共享與交易的必要性和緊迫性。然而數據共享與交易有以下的挑戰：1）數據的權屬可信、權利安全難以保障；2）數據的實際價值、質量難以度量；3）數據的服務安全、隱私信息難以確保。研究多模異構數據的安全可信確權、標記和權屬鑒定；多模異構數據的質量評估和價值衡量；數據服務/模型服務的隱私安全和服務保障等內容。
個性化非結構化數據隱私保護	通過加解密或脫敏的方式，實現不同用戶的不同等級的隱私保護，以滿足可定製、個性化的用戶隱私需求。研究實時音/視頻流中實現動態個性化加密；多語言環境中提高語音隱私保護的有效性；一次保護滿足多個用戶不同的物體粒度的隱私脫敏需求。麵向不同的機器學習任務進行個性化隱私增強，隱私增強後的數據保證特定任務可用（模型訓練/模型推理）。研究隱私保護效果與可用性的權衡，保護隱私的同時保留特定任務的可用性；設計數據脫敏策略，保護隱私同時不影響機器學習任務性能。
非結構化數據隱私檢測與評估	旨在通過多級語義分析，全麵評估圖像中的顯性和隱性隱私信息，量化不同保護方法的隱私風險，幫助用戶做出明智的決策。研究非結構化數據隱私泄露風險標準化和量化；場景/關係等隱私信息深度挖掘。
智能工業優化求解器	自主建模：在工業場景建模中，工藝排布需求複雜，工藝知識收集困難，業務人員和算法人員存在溝通和協作困難，使得建模過程效率低下。本項目擬采用自然語言處理技術和大語言模型進行建模過程的輔助，建立從自然語言到建模語言的映射，從而高效、自主地對各行業優化問題進行建模。高效求解：工業製造中，麵臨著變量和約束數目較大的挑戰，傳統的求解方法如分支定界算法往往需要消耗大量的時間和計算資源。其中分支定界算法包含多個決策模塊，如變量選擇、節點選擇、割平麵選擇等，我們結合曆史求解數據，采取模仿學習、強化學習等技術，訓練模型代替傳統求解器的硬編碼算法進行決策。增量求解：許多行業麵臨著目標和約束參數快速變化的挑戰。例如，工廠流程優化、客戶需求變更和部門人力調整都可能導致部分參數的增加或修改。傳統方法中這些問題需要被重新建模後從頭求解，但工業場景下的MILP問題往往約束多、規模大，且需要在規定的時間限製內完成，因此探索求解器的增量求解技術具有重要的意義。
量子智能	量子算法：探索如何在前量子計算機上實現超越經典算法的機器學習，求解實際問題，如何利用量子特性，設計量子啟發的經典算法，提高問題求解效率。量子糾錯碼：量子比特的易錯性是量子計算麵臨的最大挑戰之一。設計更高效的糾錯碼，也腳踏實地，考慮具體的硬件噪聲提高解碼器的精度速度，降低容錯的資源開銷。量子線路編譯：量子算法不能直接在物理機器上執行，需要編譯器將其轉換到符合硬件的限製條件。優化量子線路的編譯過程，最大限度地減少量子門的數量，提升計算效率和結果的準確性。量子硬件控製：量子比特的操控精度直接影響量子計算的效果。基於真實的硬件調控數據，設計更精準更高效的硬件參數調控方案。