近日，2020年度上海市青年科技英才扬帆计划拟资助人员名单公布，上海交通大学密西根学院助理教授毕尤一和助理教授乔恒分别以“基于产品维护数据分析建模的产品优化设计方法研究”和“稀疏阵DOA估计算法的鲁棒性分析”的课题入选榜单。
毕尤一课题组的主要研究方向是数据驱动的设计与制造、智能互联系统建模与仿真，以及复杂系统设计中的协同决策。近年来大数据驱动的产品设计方法正在兴起，但目前数据驱动设计主要利用用户的购买和使用数据，很少涉及产品的维修、保养数据，而这些维护数据所揭示的特征是提高产品质量和安全性的重要参考。此次入选课题以乘用汽车的工程参数设计为应用背景，研究基于产品维护数据分析建模的产品优化设计方法，以达到在控制产品制造成本的前提下，优化产品的工程参数设计，提高产品的耐用性和安全性，对提升我国自主品牌汽车的质量和安全性以及行业竞争力具有重要意义。
影响汽车驾驶可靠性和安全性的关键因素以及多目标优化
以汽车为代表的复杂实体产品，在现阶段获取大规模产品维护数据的成本远远高于互联网应用等虚拟产品。因此，在考虑数据获取成本的前提下，实体产品只能获得有限的用户使用数据。少量数据的建模结果，无法充分体现产品维护特征和市场环境的复杂度，为基于产品维护数据分析建模的产品优化设计带来偏差。毕尤一课题组为此提出基于有限产品维护数据分析和群体行为建模的产品优化设计方法，通过系统建模方法（如Network Model, Agent-based Modeling，Stochastic Actor-oriented Model等），模拟、预测市场中大规模产品的维护特征，从而初步解决实体产品维护数据稀缺性的问题。
一个系统建模示例：运用网络模型建模用户-产品之间的复杂关系（来源：M. Wang et al., Des. Sci., vol. 2, e11, 2016）
乔恒课题组的主要研究方向是稀疏阵理论，包括新型稀疏阵列构型和新一代高性能阵列信号处理算法。传统传感器阵列构型和算法已不能适应众多新兴应用的实际需求，特别是在多目标和有限观测量条件下算法性能较差以及计算和系统设计复杂度较高。近年发展的稀疏阵理论重点突破了这些技术瓶颈，并被广泛应用在新体制雷达、无线MIMO通信、自动驾驶、室内定位、传感器网络等新兴应用中。相比于传统阵列构型，稀疏阵的最大优势是能充分利用目标信号的各种结构特征以及压缩感知、超分辨率估计等领域的理论成果，综合各种算法的技术优势，提高阵列的整体性能。
DOA估计算法的新兴应用：(左图) 基于Wi-Fi的室内定位(©ACCUWARE) (右图)车载雷达阵列被应用到自动驾驶中以实现实时定位各种障碍物(©NXP)
均匀阵列、嵌套阵、互质阵的物理阵列和虚拟差合阵列（非负部分）
此次入选课题项目聚焦于阵列信号处理领域的一个核心问题，即波达方向（DOA）估计。波达方向估计是雷达、声呐等传统应用进行目标探测的一个核心技术步骤，也是以室内定位、自动驾驶为代表的新兴应用的一个关键技术基础。稀疏阵DOA估计算法的优势主要体现在可以利用信号的结构性质，探测多于实际物理阵元数的目标。这一优势对于物理阵列尺寸受限以及需要探测的目标数量较多的应用场景非常重要。在实际应用场景中，目标多是处于不断的运动中，因此阵列可以获得的观测量是有限的。现有的稀疏阵理论无法提供有限观测量条件下的DOA估计算法鲁棒性分析，也因此无法为实际算法设计和各种算法间的比较提供理论基础。乔恒课题组旨在弥补这一稀疏阵理论中的重要缺陷，通过利用压缩感知、调和分析等领域的最新理论成果，严格分析有限观测量条件下的DOA估计算法性能。通过研究算法的鲁棒性，提出并发展新的稀疏阵DOA估计算法，重点突破现有算法在分辨率和鲁棒性方面的技术瓶颈。课题组研究将对于DOA估计算法的鲁棒性分析推广到MIMO通信、传感器网络等其他重要应用领域，并发展新的高性能算法。
背景介绍
毕尤一，2009年和2012年分别获得北京航空航天大学的机械工程和航空宇航制造工程的学士和硕士学位，2017年获得美国普渡大学机械工程的博士学位，2017至2019年在美国西北大学从事博士后研究工作，2019年8月加入上海密西根学院担任助理教授。其主要研究方向包括数据驱动设计，设计优化，产品设计理论与方法，智能互联系统，网络分析与建模等。
乔恒，上海交通大学密西根学院助理教授，博士生导师。2012年在清华大学本科毕业，2016年在美国马里兰大学帕克分校取得理学硕士学位，2019年在美国加利福尼亚大学圣地亚哥分校取得哲学博士学位。2020年3月加入密西根学院。在稀疏阵、压缩感知、超分辨率估计、谐波恢复、欠定逆问题理论及算法分析方面发表了多篇学术论文并获得了多项国际学术奖励。
