周亚同，男，教授，博士生导师。2006 年博士毕业于西安交通大学信息与通信工程专业，2007年进入河北工业大学电子信息工程学院工作。自2008年起曾在中国石油集团东方地球物理公司、中科院地质与地球物理研究所做博士后。美国德克萨斯大学奥斯汀分校、北京大学数学科学学院访问学者。曾到美国维克森林大学、芬兰萨沃尼亚应用科技大学等高校短期访问交流。河北工业大学电信学院“信息感知与机器学习”学科方向责任教授，国内外10余家知名学术期刊论文评审人，国家自然科学基金评审专家。多次荣获“河北工大课堂教学质量优秀教师”和“河北工大优秀毕业设计指导教师”荣誉称号。截至目前已招收培养全日制及在职研究生40余名，多人次荣获国家奖学金、省研究生创新资助项目、学校研究生一等奖学金，多篇研究生学位论文入选学校优秀毕业论文。研究生毕业后大多就业于国家电网、中国移动、中国电信、中国电子科技集团、华为、海康威视、联想、三星、展讯等知名企业。

学术成果：主持完成国家自然科学基金面上项目、中国博士后科学基金、教育部人文社科基金、教育部春晖计划、河北省自然科学基金、河北省引进留学人员资助项目、天津市科技型中小企业技术创新资金等10多个科研项目。同时作为天津市科技特派员，和京津冀企业紧密合作并主持多个横向项目，科研经费充足。已在IEEE TGRS、IEEE GRSL、Geophysics、GJI、JAG等国内外期刊上发表论文100余篇，其中被SCI或EI检索80余篇，授权专利20余项，软件著作权30余项，出版专著1本。与德克萨斯大学奥斯汀分校应用数学系、康奈尔大学统计学系、橡树岭国家实验室计算科学中心、佐治亚州立大学计算机系、北京大学数学科学学院、中科院地球物理所等学术机构的研究人员保持密切合作与交流。

研究领域：本课题组长期从事信息感知与机器学习研究。具体研究方向包括：

1．机器学习新模型及其应用研究。提出了多尺度高斯过程这一普适的核机器学习新模型，研究了模型的学习曲线、单点上界并定量比较与逼近间的紧致度等。该项研究能从理论源头上克服传统高斯过程模型之不足，为核机器学习研究提供一种新框架，为把众多核学习方法统一纳入到该框架下提供了一种可能。同时先后提出了基于抽样的贝叶斯决策树、贝叶斯核最近邻等贝叶斯学习新学习模型。近年开始探索深度学习与强化学习新算法及其在纺织布瑕疵检测等领域的应用等。

2．多维非均匀采样信号重建理论及其应用研究。经典的数字信号处理理论以信号均匀采样为前提，然而在实际工程应用中经常会遇到非均匀采样情形。现有非均匀采样重建理论面临着重建速度慢、重建维数灾、空间假频干扰难消除、难于完成海量采样点重建等瓶颈。为此提出了贝叶斯稀疏反演、傅氏域约束非均匀重建等多个非均匀采样信号重建算法，有效解决了长期困扰信号重建的瓶颈问题，丰富了多维非均匀采样信号重建理论体系，已被广泛应用于数字图像修复、计算机图形学、多维物理场估计等工程领域。

3. 多维稀疏信号的自适应表示理论及其应用研究。结合稀疏信号表示新近理论如压缩感知、张量补全、低秩矩阵恢复理论等，将信号表示与信号采样、重建、去噪、压缩结合考虑，先后提出了压缩感知框架下基于k奇异值分解字典学习、基于Tucker张量分解的信号补全、基于子空间的高维数据降维等新算法。上述算法已广泛应用于地震信号去噪、大规模无线传感器网络数据感知重建等工程领域。上述研究能根据信号本身特点自适应选取表示基，能更有效刻画多维稀疏信号的结构特征，能更高效挖掘并利用多维信号的稀疏特性，能降低多维信号处理模型自由度，能有效减少多维信号的采集时间，具有重要意义及广泛需求。

联系人：周老师18649020811         电子邮件：zyt@hebut.edu.cn