导师简介
如果你想申请香港大学电子电气工程系的博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析香港大学的Professor K.B. Huang的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！
教授是香港大学电子电气工程系的教授及副系主任。他在新加坡国立大学获得电子工程学士和硕士学位，并在德州大学奥斯汀分校取得博士学位。黄教授的学术生涯还包括在韩国延世大学电子电气工程系担任助理教授的经历。黄教授发表了90多篇IEEE期刊论文并拥有14项美国专利。他还因其在研究领域的杰出贡献，被Clarivate Analytics评为2019-2021年度高被引研究员。
研究领域
黄教授的教学和研究兴趣主要集中在无线通信和机器学习领域。这包括无线通信技术在边缘人工智能（AI）中的应用、第六代（6G）通信技术的发展、多输入多输出（MIMO）通信系统，以及移动设备和电子产品在这些领域的应用。他对这些高科技领域的深入研究和贡献反映了他在电子电气工程领域的专业知识和创新能力。
研究分析
Wireless Data Acquisition for Edge Learning: Data-Importance Aware Retransmission [IEEE Transactions on Wireless Communications, 2021]
该文探讨了边缘学习中针对数据重要性的无线数据采集方法。文章设计了考虑数据重要性的重传机制,可以提高边缘学习的通信效率。该研究对高效的边缘学习无线通信具有重要贡献。
Deploying Federated Learning in Large-Scale Cellular Networks: Spatial Convergence Analysis [IEEE Transactions on Wireless Communications, 2023]
该文分析了大规模蜂窝网络中的联邦学习部署问题。文章研究了用户分布的空间相关性对联邦学习收敛性的影响,得出非均匀用户分布会降低收敛速率的结论。该研究对蜂窝网络中的联邦学习应用具有重要指导意义。
Wireless Data Acquisition for Edge Learning: Data-Importance Aware Retransmission [IEEE Transactions on Wireless Communications, 2021]
该文提出一种考虑数据重要性的边缘学习无线数据采集方案。该方案根据数据样本对学习结果的影响,优化无线重传以提高通信效率。文章还给出收敛性分析。该研究对无线边缘学习具有重要贡献。
Automated Machine Learning on the Air [IEEE Communications Magazine, 2020]
该综述系统总结无线通信助力自动机器学习的最新研究进展。文章讨论如何利用无线传输特性实现自动化的模型选择、超参数优化等。该研究对无线通信与自动机器学习的结合有重要意义。
Simultaneous Transmit Energy Beamforming and Receive Signal Splitting for Wireless Powered MIMO Systems [IEEE Transactions on Signal Processing, 2021]
该文研究MIMO系统中同时进行的无线能量聚焦和接收信号分割问题。文章设计联合发送聚焦和接收分割算法,可以提高系统吞吐量。该研究对增强型MIMO系统性能有重要贡献。
Intelligent Reflecting Surface Aided Multi-Antenna Passive Beamforming [IEEE Wireless Communications Letters, 2020]
该文探讨智能反射面辅助的多天线无源波束赋形问题。文章设计接收端选择相位偏转模型最大化信噪比的算法。该研究为智能反射面系统提供重要设计指导。
项目分析
香港研究资助局(RGC)项目“物联网数据的实时无线聚合”(2019-2022)
该项目研究电磁波计算的方法,进行实时的数据聚合与模型更新,以支持IoT应用。项目设计了降低通信能耗的无线计算方案。该研究对IoT系统的应用具有重要价值。
香港创新科技署项目“基于RIS的智能无线网络”(2020-2023)
该项目利用智能反射面,研究智能化的无线网络,如MIMO系统和无线电力传输。项目设计新型网络结构,开拓智能无线网络领域。该研究对未来网络具有重要意义。
香港研究资助局项目“氢能无线通信网络”(2021-2024)
该项目利用氢能发电,研究自供电的无线通信网络。项目目标是设计高效的氢能供电和管理方案,实现网络的长期自主运行。该研究对可持续网络具有重要价值。
研究想法
6G通信中可重构智能表面的设计与优化
- 利用RIS提高6G频段覆盖范围和能效的算法设计
- RIS中的非线性元件建模与性能分析
- RIS配置优化算法设计
边缘人工智能中移动边缘计算的资源管理
- 考虑设备移动性的MEC任务卸载决策
- 利用深度强化学习进行移动边缘计算的联合计算资源和无线资源管理
- 移动边缘计算系统的安全性与隐私保护
大规模MIMO系统中混合数模Beamforming技术
- 结合频域和时域自适应Beamforming的联合设计
- 混合数模Massive MIMO的 Channel建模与预估
- 基于深度学习的高效混合数模 Beamforming设计
认知电子系统中的无线供电技术
- 微波或磁耦合无线供电的系统优化
- 考虑能量约束的认知电子系统资源管理
- 无线供电与低功耗硬件协同设计
申请建议
1、选择一个Huang教授当前非常活跃的研究方向出发,例如他最近在IEEE JSAC发表的一篇关于RIS助力边缘智能的文章。你可以围绕这一方向进行立项。
2、根据Huang教授团队近年来的研究论文方向,找到他们使用的试验平台或数据集,尝试利用公开的数据复现部分 RESULTS,或设计新的算法对比原有方法。这可以表现出你对前沿技术的掌握程度。
3、主动参与Huang教授在GitHub上发布的开源项目,为项目提交ISSUE或PULL REQUEST。这可以体现你的编程能力,也是直接跟Huang教授团队互动的好机会。
4、在立项初期可以将你的想法和计划以EMAIL形式发送给Huang教授,邀请他给出修改建议。一定要积极回复教授的意见,修改方案。
5、如果条件允许,也可以考虑先申请Huang教授的硕士生或访问学生,通过表现赢得导师的认可,以便更顺利地升入博士阶段。
【竞赛报名/项目咨询请加微信：mollywei007】
