澳门大学计算机学系PhD博士招生中！（导师Prof. WU）

今天我们将带大家深入解析今天我们将带大家深入解析澳门大学 计算机学系的博士生导师Prof.WU，通过这样的“方法论”，让大家学会如何从了解一个导师开始，到后期更好地撰写套磁邮件及其他文书。

研究领域解析和深入探讨

在当今数字化转型的浪潮中，智慧城市物联网(IoT for Smart City)已成为推动城市可持续发展的关键技术领域。作为澳门大学智慧城市物联网国家重点实验室(State Key Laboratory of Internet of Things for Smart City, University of Macau)的杰出教授，教授在该领域的探索与创新已取得了显著成就。他的研究工作主要聚焦于以下几个相互关联且极具前瞻性的方向：

1. 移动边缘计算(Mobile Edge Computing, MEC)

移动边缘计算作为教授研究的核心方向之一，旨在将计算能力从传统中心化云端下沉至网络边缘，显著降低数据传输延迟并提高系统响应速度。在此领域，教授开创性地提出了多项资源优化算法，解决了边缘计算中的关键挑战：

• 任务卸载决策优化：通过设计智能化任务分配策略，在多终端设备与边缘服务器间实现任务的动态平衡分配，大幅提升系统计算效率。
• 通信与计算资源联合优化：针对带宽有限的边缘环境，提出了通信与计算资源的协同分配机制，平衡数据传输与本地计算的权衡。
• 能源效率优化：考虑到边缘设备能源受限的特性，研发了低功耗计算框架，延长设备运行时间的同时保持计算性能。

2. 无人机辅助网络(UAV-Assisted Networking)

教授在无人机通信领域的研究极具开创性，将传统静态网络拓展至三维动态空间：

• 地形感知UAV部署：针对复杂城市环境，提出了考虑建筑物阻挡效应的UAV最优部署方案，提高了信号覆盖率与传输质量。
• UAV轨迹优化：设计了创新性的UAV飞行路径规划算法，使UAV能够在满足通信需求的同时最小化能耗。
• 多UAV协作机制：研发了UAV集群协同工作的框架，通过优化不同UAV间的任务分配，提高整体系统效率与鲁棒性。

3. 联邦学习(Federated Learning)

在数据隐私保护日益重要的背景下，教授在联邦学习领域的研究尤为引人注目：

• 资源高效联邦学习：开发了适应异构设备的联邦学习框架，通过雪球效应模型显著降低训练成本。
• 分层联邦学习架构：针对不同计算能力的终端设备，设计了层次化的模型训练与聚合方案，解决了传统联邦学习中的通信瓶颈问题。
• 联邦数字孪生构建：创新性地将联邦学习与数字孪生技术相结合，实现了基于分布式传感的数字孪生模型构建，为智慧城市提供了新的决策支持工具。

4. 集成感知、通信与计算(ISCC)

作为新兴研究方向，教授在集成感知、通信与计算领域的工作具有前瞻性：

• 流体天线赋能技术：利用可重构天线技术，实现了感知、通信和计算功能的深度集成，大幅提高了系统资源利用率。
• 多任务混合卸载机制：针对不同类型任务的特性，提出了灵活的任务分配策略，平衡实时性与计算复杂度的需求。
• 感知与通信协同设计：探索了传感数据采集与信息传输的联合优化，为物联网应用提供了更高效的解决方案。

5. 物联网资源分配优化

教授在物联网资源优化领域的研究显示出其深刻的理论基础和实践洞见：

• 海洋物联网优化：针对海洋环境的特殊性，设计了能源高效的数据采集与处理方案，填补了传统陆地物联网技术在海洋应用中的空白。
• 工业物联网架构：开发了适用于工业场景的物联网框架，实现了工业设备的实时监控与智能控制。
• AoI感知机制：引入信息新鲜度(Age of Information)指标，优化数据更新策略，确保系统决策基于最新信息。

精读教授所发表的文章

1.《Terrain-Aware UAV-Enabled Mobile Edge Computing in Urban Environments: A Constrained Multi-Objective Approach With Task-Adaptive Mechanism》

(IEEE Transactions on Vehicular Technology, 2025)

该论文针对城市环境中UAV辅助的移动边缘计算提出了一种地形感知的多目标优化方法。创新点在于：

• 首次将城市建筑物阻挡效应纳入UAV部署模型
• 设计了任务自适应机制，根据计算任务特性动态调整UAV位置与资源分配
• 采用约束多目标优化算法，实现了能耗、延迟与覆盖率的平衡优化
• 该研究为复杂城市环境中的UAV部署提供了全新思路，解决了传统模型忽略建筑物影响导致的性能下降问题。

2.《Snowball Effect in Federated Learning: An Approach of Exponentially Expanding Structures for Optimizing the Training Efficiency》

(IEEE Transactions on Cognitive Communications and Networking, 2025)

这篇论文提出了联邦学习中的"雪球效应"概念，通过指数级扩展的结构优化训练效率：

• 创新性地设计了递进式模型聚合机制，加速模型收敛
• 针对异构设备的计算能力差异，提出了自适应参与策略
• 实现了通信开销与模型精度的有效平衡
• 该研究有效解决了传统联邦学习面临的通信瓶颈与参与者异质性问题，为大规模异构环境中的分布式学习提供了新的范式。

3. 《Fluid Antenna Empowered Integration of Sensing, Communications and Computing With Hybrid Multi-Task Offloading》

(IEEE Wireless Communications Letters, 2025)

这项研究探索了流体天线技术在感知、通信与计算集成系统中的应用：

• 提出了基于流体天线的多功能集成架构
• 设计了混合多任务卸载机制，适应不同类型任务的需求
• 实现了系统资源的动态重配置，提高了整体效率
• 该工作开创了流体天线赋能ISCC系统的新方向，为下一代通信系统提供了重要参考。

4. 《Joint Communication and Computing Resource Allocation for Energy Efficient Hierarchical Federated Learning in Marine Internet of Things》

(IEEE Transactions on Network Science and Engineering, 2025)

这篇论文针对海洋物联网环境中的联邦学习提出了通信与计算资源联合分配方案：

• 设计了层次化联邦学习架构，适应海洋环境的通信限制
• 提出了能源高效的资源分配算法，延长设备运行时间
• 实现了通信与计算资源的协同优化，提高系统整体效率
• 该研究填补了海洋物联网环境下联邦学习的研究空白，为特殊应用场景提供了实用解决方案。

教授的学术地位

教授在智慧城市物联网领域已建立了显著的学术影响力，这不仅体现在其丰富的学术产出和引用数据上，更反映在他获得的各类学术荣誉与担任的重要学术职务中：

1. 学术荣誉与奖项

• IEEE VTS杰出讲者：作为IEEE车辆技术协会(Vehicular Technology Society)2025级杰出讲者，这一殊荣充分彰显了其在该领域的权威地位
• 多项最佳论文奖：先后获得IEEE ICC'2016、IEEE TCGCC'2017、IWCMC'2021和WCNC'2023等顶级会议的最佳论文奖，表明其研究工作获得了同行的广泛认可
• 澳门大学杰出学者奖：2021年获得澳门大学"2020/2021杰出学术人员激励计划"奖项，肯定了其卓越的学术贡献

2. 学术职务与社会服务

• IEEE高级会员：作为IEEE高级会员，展现了其在电气与电子工程领域的专业成就
• 中国计算机学会杰出会员：表明其在计算机科学领域的贡献获得了中国权威学术组织的认可
• 欧洲创新联盟(EAI)会士：2020年当选EAI会士，彰显其在国际创新领域的影响力
• IEEE通信学会澳门分会副主席：担任重要学术组织的领导职务，展示了其在学术管理方面的能力
• IEEE通信学会亚太区会议委员会副主席：负责协调组织亚太地区的学术会议，扩大了其学术影响范围

3. 编辑与会议组织工作

• 期刊编委：现任IEEE Transactions on Vehicular Technology、IEEE Transactions on Network Science and Engineering以及IEEE Internet of Things Journal等多个高影响力期刊的编委，参与推动学术发展方向
• 会议主席：担任IEEE VTC、GLOBECOM、ICCC等顶级会议的分会场主席，引领学术交流与前沿探讨
• 研讨会组织者：主持组织多个智慧城市技术与物联网领域的专题研讨会，促进学术思想碰撞

4. 人才培养与团队建设

• 教授不仅致力于个人学术成就，更注重人才培养与团队建设，形成了一支在智慧城市物联网领域具有国际影响力的研究团队：
• 指导多名博士生与硕士生完成高水平学位论文
• 培养的学生在国际顶级会议和期刊发表多篇高质量论文
• 建立了跨机构、跨学科的合作网络，促进了智慧城市物联网研究的国际交流

5. 国际合作与项目领导

• 作为领域专家，教授积极参与国际合作，主持并参与了多项重要研究项目：
• 牵头国家级和地区级重点研究项目
• 与全球顶尖学者和研究机构建立了紧密合作关系
• 促进了智慧城市物联网技术的国际标准化与产业化

有话说

基于对教授研究工作的深入分析，可以提炼出以下关键洞见与创新思路：

1. 技术融合的系统性视角

教授的研究工作展现了跨领域融合的系统性思维，这一特点在未来研究中尤为重要：

• 多技术协同：将UAV、MEC、联邦学习等技术有机结合，形成了综合解决方案
• 多目标优化：在系统设计中同时考虑能效、时延、隐私等多方面指标
• 多场景适应：研究成果覆盖城市、海洋、工业等多种应用场景
• 这种系统性视角为智慧城市物联网的整体架构设计提供了重要参考框架

2. 面向实际应用的理论创新

教授的研究不仅注重理论创新，更强调理论与实际应用的结合：

• 针对性解决方案：基于实际场景的限制条件，提出有针对性的算法与架构
• 可实现性考量：在算法设计中充分考虑实际系统的资源约束与部署难度
• 性能与成本平衡：在系统优化中兼顾技术性能与实施成本的平衡
• 这种实用导向的研究方法，使其成果更易于转化为实际应用，解决现实问题。

3. 面向未来的前瞻性探索

从教授的研究轨迹可以看出其对技术发展趋势的敏锐洞察：

• 早期关注边缘计算：在边缘计算概念兴起初期，就开始了深入研究
• 智能化资源管理：引入人工智能技术优化物联网资源分配
• 集成化系统架构：探索感知、通信、计算的深度融合
• 这种前瞻性视角对于把握智慧城市物联网的未来发展方向具有重要指导意义。

4. 跨尺度协同的创新架构

教授提出的多项创新架构展现了跨尺度协同的重要性：

• 云-边-端协同：设计了云计算、边缘计算与终端设备的三级协同架构
• 空-地一体化：实现了UAV空中平台与地面网络的紧密配合
• 数字与物理融合：通过数字孪生技术，打通数字世界与物理世界的边界
• 这种跨尺度协同的理念，为未来物联网系统提供了新的设计思路。

5. 新型网络架构的研究方向

基于教授的研究成果，可以展望智慧城市物联网的几个关键研究方向：

• 语义通信网络：探索基于语义的通信模式，大幅提高通信效率
• 自组织网络：研究网络的自适应、自配置、自愈合能力
• 量子增强物联网：利用量子计算技术提升物联网的计算能力与安全性

博士背景

Aurelia ，美国TOP10院校计算机科学与认知科学双博士生，研究聚焦算法博弈论不确定性及其在人工智能中的应用。她的跨学科研究融合了计算机科学、语言学和心理学知识，在国际顶级期刊《Journal of Artificial Intelligence Research》和《Cognitive Science》上发表多篇论文。Aurelia 荣获ACM SIGAI博士论文奖，擅长相关方向的PhD申请指导。