近年来，计信学院智能物联网团队聚焦智能物联网领域的关键科学与技术问题，围绕智能感知、可靠传输、数据分析与智能决策持续开展系统研究，在毫米波与无线感知、多模态遥感、语义通信、时序预测和智能推荐等方向取得系列研究进展。团队由许勇教授负责，主要成员包括方群教授、王杨教授、何昕教授、祝玉军副教授、孙剑锋博士等。经过长期积累与持续探索，团队逐步形成了贯通“感知—传输—分析—决策”的全链条研究体系。

关键技术进展

围绕上述研究体系，团队聚焦智能物联网从物理环境感知、信息可靠传输到复杂数据分析与智能决策的关键环节，开展多层次、交叉融合的技术研究，逐步形成覆盖“智能感知—可靠传输—数据分析—智能决策”的技术体系。

在智能感知方面，团队面向复杂环境下非接触式、全天候和多模态感知需求，持续开展无线感知、毫米波雷达感知与多模态遥感研究。早期利用智能手机获取 WiFi 信道状态信息（CSI），从无线信号变化中提取人体活动特征，实现不同尺度人体活动的非接触式识别；进一步针对毫米波雷达点云稀疏、噪声干扰和多径效应等问题，通过几何感知特征解耦、多尺度特征聚合和人体几何约束提升人体姿态估计的准确性与鲁棒性，并融合距离、方位和多普勒等多维雷达信息开展动态手势识别。同时，团队将视觉语言模型拓展至矿区多模态遥感变化检测，逐步形成从无线信号人体感知到复杂环境多模态感知的研究布局。

在可靠传输方面，团队长期关注资源受限物联网环境下的高可靠、低开销信息传输。早期面向 WiFi 反射通信中激励流量间歇性导致的链路不可靠问题，研究基于 Reed-Solomon 编码和流量统计特性的自适应传输方法，在兼顾服务质量的同时提高低功耗反向散射链路的可靠性。近年来，团队进一步面向带宽受限、强噪声和无人机高速移动等复杂无线环境，将研究拓展至跨模态语义通信，通过图像与文本协同传输、生成式语义恢复以及信道状态自适应，提高复杂无线环境下语义信息传输的效率与鲁棒性。

在数据分析方面，团队面向智能物联网产生的时序、关系和图结构等复杂异构数据，开展多尺度时序建模、长尾数据学习和多源关系分析研究。针对物联网时序数据的非平稳、多尺度和长时依赖特征，通过 CNN 与 Transformer 双向协同以及动态时序感知机制，增强局部模式与全局依赖的联合建模能力；针对知识图谱和多行为数据中的稀疏与长尾分布问题，利用知识迁移和对比学习改善信息稀缺节点的表示质量；进一步融合交互关系、局部知识语义与全局拓扑结构，开展多视图关系数据建模，为复杂物联网数据的智能分析、知识发现与后续决策提供基础。

在智能决策方面，团队面向复杂网络服务环境中的稀疏、长尾和含噪用户行为数据，围绕知识增强推荐、多行为学习和用户潜在意图建模开展系列研究。针对浏览、收藏、加购等辅助行为中存在的噪声和非转化现象，引入正样本—未标记学习挖掘潜在用户需求；进一步从信息论角度研究辅助行为与目标行为之间的潜在依赖，通过互信息最大化识别和校准用户“犹豫”状态，并结合知识迁移与长尾增强方法改善复杂数据环境下的推荐质量，为个性化服务和智能决策提供更加准确的用户理解。

部分代表性研究成果

人才队伍与育人成效

团队坚持科研创新、人才队伍建设与研究生培养协同推进。近年来，团队承担国家级科研项目3项、省级科研项目多项，并获得 OPPO 等企业多项横向项目支持，形成了基础研究、关键技术攻关与产业合作协同推进的科研格局。团队骨干何昕教授入选安徽省“江淮英才”青年项目；研究生李城、唐红陈、吴声亮获研究生国家奖学金。团队持续鼓励本科生参与科研实践，涌现出多名优秀推免学生，包括保送至南京航空航天大学的周一可、进入同济大学直博的汪凌云等，人才培养成效不断显现。

从无线感知与可靠通信的长期积累，到语义通信、复杂数据分析与智能决策等方向的持续拓展，团队逐步形成了贯通“感知—传输—分析—决策”的智能物联网研究体系。面向未来，团队将继续坚持厚积薄发、协同创新，推动人工智能、无线通信、智能感知与数据科学的交叉融合，面向复杂工业环境、无人系统、智慧教育和智能服务等应用场景开展基础研究与关键技术攻关，不断提升科研创新与人才培养质量，为学院学科建设与高质量发展添砖加瓦。