西大首页  本站首页  君武英才  高层次人才  模范教师 
  君武英才  
高剑波
2015-11-10 14:54   审核人:

高剑波,男,1966年3月出生,美国莱特州立大学(Wright State

University)教授。现任广西大学复杂性科学与大数据技术研究所所长、美国PMB智能有限公司CEO、欧亚系统科学研究会期刊《系统科学通讯》副主编。曾任美国加州大学洛杉矶分校研发工程师、美国弗罗里达大学助理教授。本科毕业于浙江大学,硕士毕业于中科院力学所,博士毕业于美国加州大学洛杉矶分校。

在多尺度分析和建模、非线性动力学、湍流、时间序列分析、生物信号分析、信息科学方面有着深厚的学术造诣,是非线性时间序列分析和多尺度分析领域的国际知名专家。曾是《IEEE Transactions on Biomedical Engineering and Signal Processing》的编委,在科学和工程多个领域做出了重大贡献,香港政府基金、美国、希腊、波兰政府自然基金特邀审稿者。发表150多篇SCI 论文,被他人引用超过1500次(根据SCI数据库),SCI H index 是25。主持和共同主持科研项12项,总经费额度超过 75万美元。拥有3项专利。出版的专著《Multiscale Analysis of Complex Time Series Integration of Chaos and Random Fractal Theory》是最早涉及数据驱动的复杂信号数据多尺度分析方面的专著。该专著发表后,得到了很多世界知名学者的高度评价。生物力学之父,美国三院(自然科学院、工程科学院、医学科学院)院士,美国总统奖与美国工程科学院RUSS奖(相当于生物医学工程诺贝尔奖)获得者冯元桢教授评论这本书说“我从每一页都学到新的知识”。

为了有效地处理多尺度信号,提出了一种新的复杂度测量方法——依赖尺度的Lyapunov 指数(scale-dependent Lyapunov exponent, SDLE)。SDLE不同于经典的Lyapunov 指数,因为SDLE是一个函数,而Lyapunov 指数是一个数。SDLE 可以很容易地将主要的时间序列分类,有效地解决了非平稳多尺度的复杂信号特征的提取,包括小尺度复杂且非常规特征、大尺度有序特征。SDLE 已经在众多领域得到了应用。

提出了一种全新的“非线性自适应滤波方法”。该方法是所有确定全局趋势方法中最优的。相比于线性滤波器,小波消噪,和基于混沌的消噪方法等,申请人提出的方法能更有效的去噪。关于信号的多尺度分解,该方法与EMD同样有效,但更简单并且分辨性能更好。非线性自适应滤波也非常适于分形和多重分形分析;特别当信号有很强的非线性趋势时,比detrended fuctuation analysis (DFA)更有效。1993年获中科院青年科学家奖;2002年入选《Marquis Who’s Who》(马奎斯世界名人录);2012年获Winner of Grand Challenge in Teraheartz(THz)image processing,IEEE NAECON 2012 (with E. Blasch) —This is a novel application of my SDLE for multiscale image processing. 2013年以“杰出人才”层次引进到广西大学,创建了广西大学复杂性科学与大数据技术研究所。

关闭窗口

 

广西大学版权所有版权: Copy@2015

制作维护:广西大学信息网络中心 E_mail:webmaster@gxu.edu.cn