信息学院赵子平课题组荣获2023年声学、语音和信号处理国际会议“最佳学生论文奖”

ICASSP是由IEEE信号处理协会主办的年度旗舰会议，ICASSP会议收录的论文涵盖了信号处理理论、方法和在各领域的应用，其中包括声学、语音、图像、视频、通信、雷达、生物医学等。本届ICASSP大会于2023年6月4日至6月10日在希腊罗德岛举行，吸引了超过四千名研究者参会。大会共收到了全球6127篇投稿，组委会从中遴选出5篇“最佳学生论文奖”，入围竞选的单位包括中国上海科技大学、美国哥伦比亚大学、德国亚琛工业大学、韩国科学技术学院等高校和科研机构。

图｜赵子平教授与硕士生魏权在ICASSP会议现场合影

赵子平课题组本次获得“最佳学生论文奖”的研究成果主要研究高维数据中的协方差矩阵估计问题。协方差估计是现代多元数据分析中的一个基本问题，它在机器学习、信号处理、统计学、金融学等领域有着广泛的应用。例如，机器学习中的数据降维、信号处理中的波束设计、量化金融中的资产组合设计等问题都需要预先估计一个好的协方差矩阵。在高维统计估计问题中，样本协方差矩阵估计量因奇异性会阻碍其在实际中的应用，然而，经典的基于L1范数的高维协方差矩阵估计方法又会产生有偏的估计误差。为解决这一问题，赵子平课题组提出使用非凸惩罚来估计高维协方差矩阵，并且提出了一种基于Majorization-Minimization的有效算法进行问题求解。在该算法框架下，论文证明了算法所求得估计量达到了oracle统计速率。这是现有文献中第一个针对高维协方差矩阵估计问题获得oracle统计收敛率的工作，获得了ICASSP会议审稿人和评奖委员会的高度认可。

信息学院赵子平课题组的主要研究方向涵盖信号处理、机器学习、数据科学的数学理论基础，重点聚焦于优化和统计方向的内容。团队成员致力于在这些领域中构建创新模型和提出高效算法，以应对与数据分析相关的各种实际应用挑战。课题组一直以来都致力于推动信号处理领域的前沿研究，并取得了系列研究成果。这是赵子平教授第三次指导学生入围“最佳学生论文奖”竞选，之前两次分别是IEEE SAM 2020(阵列信号处理领域会议)和IEEE SPAWC 2021(通信信号处理领域会议)。

ICASSP2023大会新闻链接：

https://2023.ieeeicassp.org/best-paper-awards/

获奖论文链接：

https://ieeexplore.ieee.org/document/10095334/