中国科学院数学与系统科学研究院系统科学研究所副研究员。本科毕业于四川大学，博士毕业于中国科学院数学与系统科学研究院，曾在美国韦恩州立大学、澳大利亚西悉尼大学和瑞典林雪平大学进行合作研究，曾获得中国自动化学会和中国科学院优秀博士学位论文。在系统控制领域三大期刊IEEE-TAC，Automatica，SICON发表20余篇SCI论文，现任SCI期刊《Systems and Control Letters》编委。

研究兴趣主要集中于系统辨识与建模、机器学习、目标定位、量子系统辨识等辨识和估计的理论和实际问题。

辨识和估计问题是通过带有噪声的观测数据建立实际系统尽可能精确的数学模型的研究方向，包括模型、数据、方法、算法和先验知识等基本要素。

　　1. 模型：选取能尽可能精确描述实际系统行为的模型类

　　2. 数据：噪声、输入、回归向量

　　3. 方法：建立从数据到参数的映射

　　4. 算法：实现辨识方法的可行算法

　　5. 先验知识：模型参数、函数及噪声具有的特点

正则化辨识方法

通过正则化的方式自动嵌入参数向量的先验知识，实现辨识精度比经典辨识方法显著提高，特别是能处理小样本、病态数据等情形。

　　• 核函数设计：通过参数化核函数，自动编码参数向量具有的衰减性、光滑性、稀疏性、单调性等先验知识，其中的参数称为超参数（合理参数化核函数）

　　• 超参数估计：用数据估计核函数中未知的超参数，如经验贝叶斯、斯坦无偏风险估计、交叉验证（研究渐近最优性、鲁棒性等理论性质）

　　• 输入设计：通过精细设计输入进一步提高正则化辨识方法的辨识精度（求解非凸优化问题）

机器学习

　　• 高维回归模型的正则化，如岭回归、LASSO等

　　• 核方法和高斯过程回归的分布式算法

目标定位

　　• 基于到达时间 (TOA)、到达时差 (TDOA) 和到达角度 (AOA) 等定位方式的精确解算（求解非凸优化问题）

　　• Perspective-n-Point (PnP) 问题（求解相机的外参）

　　• 机器人位姿估计

量子系统辨识

　　• 量子状态层析（根据量子概率观测推断量子状态矩阵）

　　• 量子过程层析（根据量子概率观测推断量子过程矩阵）

异常值辨识、神经网络

　　欢迎数学、统计学、自动化、控制等专业学生报考硕士、博士研究生。

更多信息请参阅http://lsc.amss.ac.cn/~bqmu/