【个人简介】
彭盛亮，博士，教授。2011年11月毕业于东南大学移动通信国家重点实验室，同年入职华侨大学信息科学与工程学院通信工程系；2016年3月至2017年3月，在美国Stevens Institute of Technology开展访问研究；2023年4月至2024年4月，在瑞典Uppsala University开展访问研究。研究领域包括多模态信息感知、泛在无线通信、智能信号处理等。担任多家高新企业的技术顾问，负责架构设计及产品研发工作。主持国家自然科学基金、福建省科技计划项目以及其他纵向、企业课题10余项。第一/通信作者在国内外主流期刊和会议上发表学术论文40余篇；获国家发明专利授权近20项。
【研究方向】
1. 多模态信息感知：频谱全感知、电子皮肤/触觉感知
2. 泛在无线通信：广域/超广域低功耗物联、无线定位
3. 智能信息处理：人工智能/大模型、医学信号处理
【招生方向】
学术学位硕士：信息与通信工程
专业学位硕士：电子信息
【讲授课程】
本科生：电子设计自动化、面向对象程序设计
研究生：FPGA原理与应用
【学术兼职】
IEEE Senior Member
AI Engineering期刊Associate Editor
长期承担IEEE Commun. Mag.、IEEE Trans. Neural Netw. Learn. Syst.、IEEE Trans. Commun.、IEEE Trans. Signal Process.、IEEE Commun. Lett.、IEEE Signal Process. Lett.、Sci. China、China Commun.等二十余种期刊的审稿工作
【个人荣誉】
福建省高层次人才(B类)
厦门市重点引进人才
厦门市“双百计划”领军型创业人才
厦门市高校大学生创新创业“金牌导师”
第十六届全国信号处理学术会议“优秀论文奖”
【代表性主持项目】
1. 面向远海物联的超广域低功耗窄带收发机研制，福建省科技计划工业引导性(重点)项目
2. 高敏捷性的融合协同及部分中继协同主用户检测研究，国家自然科学基金青年项目
3. 认知Massive MIMO系统中多天线频谱感知理论和算法的研究，国家自然科学基金子课题
4. 基于深度学习的调制编码识别研究，福建省自然科学基金面上项目
5. 基于深度学习的传输信号分析研究，中央高校基本科研业务费
6. 认知无线电系统频谱感知折中研究，华侨大学科研启动费
7. 文档生成与审查垂域大模型系统研发，企业横向
8. 负压引流监测系统软件开发，企业横向
9. 分布式无线温控器软件研发，企业横向
10. 智能消火栓软件研发，企业横向
【代表性发明专利】
1. 彭盛亮; 朱春阳; 李卓群; 一种基于寻呼的低功耗通信方法和网络, 2018-10-16, ZL201510922268.5 (企业专利)
2. 彭盛亮; 郑伟斌; 赖美玲; 高仁阳; 杨喜; 一种基于减少采样点数的快速两步能量检测算法, 2019-05-03, ZL201610326437.3 (已转化)
3. 彭盛亮; 谢小娟; 倪艳琴; 一种适用于变化场景的基于深度学习的调制方式识别方法, 2021-08-31, ZL201910577022.7
4. 彭盛亮; 李焕焕; 陈铮; 杨喜; 一种基于LSTM网络的MAC协议识别方法, 2022-02-22, ZL201910110083.2
5. 彭盛亮; 孙姝君; 李焕焕; 黄秋婷; 一种基于GRU网络的主用户数目估计方法, 2023-02-07, ZL202010488065.0
【代表性一作/通信论文】
[1] S. Peng et al., "Modulation Classification Based on Signal Constellation Diagrams and Deep Learning," IEEE Transactions on Neural Networks and Learning Systems, 2019. (ESI高被引, Google Scholar引用700+)
[2] S. Peng, S. Sun and Y. D. Yao, “A Survey of Modulation Classification Using Deep Learning: Signal Representation and Data Preprocessing,” IEEE Transactions on Neural Networks and Learning Systems, 2022. (Google Scholar引用270+)
[3] S. Peng, H. Jiang, H. Wang, H. Alwageed and Y. D. Yao, "Modulation classification using convolutional Neural Network based deep learning model," 26th Wireless and Optical Communication Conference (WOCC), Newark, NJ, USA, 2017. (Google Scholar引用270+)
[4] X. Qin, S. Peng, Xi Yang and Y. D. Yao, “Deep Learning based Channel Code Recognition using TextCNN”, IEEE International Symposium on Dynamic Spectrum Access Networks (DySPAN), Newark, NJ, USA, 2019. (Google Scholar引用30+)
[5] X. Xie, S. Peng and X. Yang, “Deep learning‐based signal‐to‐noise ratio estimation using constellation diagrams”, Mobile Information Systems, 2020. (Google Scholar引用30+)
更多论文：https://scholar.google.com/citations?user=gcKIeSUAAAAJ
