当前位置: X-MOL首页全球导师 国内导师 › 王启松

个人简介

王启松,男,1979年生,仪器科学与工程学院副教授,硕士生导师。精密电测技术与仪器研究所副所长,创新创业发展中心副主任,中国生物医学工程学会会员,美国弗吉尼亚联邦大学访问学者。主要从事生物电信号处理与控制、脑机接口情感计算、毫米波雷达成像、运动神经康复等方面研究工作。在IEEE Transactions on Instrumentation and Measurement、Computers in Biology and Medicine、Biomedical Signal Processing and Control以及Sensors等期刊发表SCI论文30余篇,出版学术专著1部,授权国家发明专利10余项。 教育经历 2006年 - 2011年 哈尔滨工业大学仪器科学与技术专业 工学博士 2003年 - 2005年 哈尔滨工业大学仪器科学与技术专业 工学硕士 1998年 - 2002年 哈尔滨工业大学测试计量技术及仪器专业 工学学士 工作经历 2021年12月 - 至今 哈尔滨工业大学仪器科学与工程学院 副教授 2018年10月 - 2021年12月 哈尔滨工业大学仪器科学与工程学院 讲师 2014年7月 - 2015年7月 美国Virginia Commonwealth University生物医学工程系 访问学者 2011年11月 - 2018年10月 哈尔滨工业大学电气工程及自动化学院 讲师

研究领域

1. 脑机接口 (1)多模态情感识别:基于主观/客观的多模态情感特征识别方法,设计信号测量及预处理、特征提取/特征融合、建模和分类算法,实现情感识别,进而赋予计算机识别、理解、表达和生成各种情感特征的能力 (2)疼痛检测与抑制:研究疼痛信息的脑电数学模型,求解疼痛的存在性、强度及病灶位置 (3)运动想象控制:研发脑电信号采集设备开发脑电信号的无线采集和嵌入式处理方法,实现智能小车、飞行器的脑电控制 2. 生物电信号处理 (1)运动意图识别:基于表面肌电信号研究信号处理算法实现用户运动意图识别,完成灵巧机械手/康复机械手的控制,融合脑电信号实现肢体运动康复 (2)迁移学习:针对跨个体表面肌电信号的个体差异问题,研究迁移学习算法克服个体差异,搭建强泛化模型实现肌电信号的“即插即用” 3. 毫米波雷达成像 (1)雷达成像:基于毫米波雷达信号的分析处理进行隐匿物品的三维重建成像 (2)生理信号监测:基于毫米波雷达信号对人体呼吸状态,心电信号进行实时监测 4. 人体步态识别 (1)可穿戴传感器硬件开发:研究基于多传感节点的无线、便携步态识别传感器 (2)数字孪生人体3D建模:研究基于肌肉骨骼模型的三维人体模型与多模态传感器匹配

近期论文

查看导师新发文章 (温馨提示:请注意重名现象,建议点开原文通过作者单位确认)

Chai X, Wang Q*, Zhao Y, et al. Unsupervised domain adaptation techniques based on auto-encoder for non-stationary EEG-based emotion recognition[J]. Computers in biology and medicine, 2016, 79: 205-214. JCR Q1, 中科院 2区, IF=6.698 Chai X, Wang Q*, Zhao Y, et al. A fast, efficient domain adaptation technique for cross-domain electroencephalography (EEG)-based emotion recognition[J]. Sensors, 2017, 17(5): 1014. JCR Q2, 中科院 3区, IF=3.9 Liu D, Wang Q*, Zhang Y, et al. FPGA-based real-time compressed sensing of multichannel EEG signals for wireless body area networks[J]. Biomedical Signal Processing and Control, 2019, 49: 221-230. JCR Q2, 中科院 2区, IF=5.076 Wang Q, Cao T, Liu D, et al. A motor-imagery channel-selection method based on SVM-CCA-CS[J]. Measurement Science and Technology, 2020, 32(3): 035701. JCR Q2, 中科院 3区, IF=2.398 Cao T, Liu D*, Wang Q, et al. Surface Electromyography-Based Action Recognition and Manipulator Control[J]. Applied Sciences, 2020, 10(17): 5823. JCR Q2, 中科院 4区, IF=2.398 Cao T, Wang Q*, Liu D, et al. Resting state EEG-based sudden pain recognition method and experimental study[J]. Biomedical Signal Processing and Control, 2020, 59: 101925. JCR Q2, 中科院 2区, IF=5.076 Wang Q, Dong Z*, Liu D, et al. Frequency-modulated continuous wave radar respiratory pattern detection technology based on multifeature[J]. Journal of Healthcare Engineering, 2021, 2021. JCR Q2, 中科院 4区, IF=3.822 Zhang M, Wang Q*, Liu D*, et al. Real-time gait phase recognition based on time domain features of multi-MEMS inertial sensors[J]. IEEE Transactions on Instrumentation and Measurement, 2021, 70: 1-12. JCR Q1, 中科院 2区, IF=5.6 Tao L, Cao T, Wang Q, et al. Distribution adaptation and classification framework based on multiple kernel learning for motor imagery BCI illiteracy[J]. Sensors, 2022, 22(17): 6572. JCR Q2, 中科院 3区, IF=3.9 Zhang M, Liu D*, Wang Q*, et al. Detection of ness-related EEG signals based on decision fused BP neural network[J]. Biomedical Signal Processing and Control, 2022, 74: 103479. JCR Q2, 中科院 2区, IF=5.076 Zhang M, Liu D, Wang Q, et al. Gait pattern recognition based on plantar pressure signals and acceleration signals[J]. IEEE Transactions on Instrumentation and Measurement, 2022, 71: 1-15. JCR Q1, 中科院 2区, IF=5.6 Tao L, Cao T, Wang Q, et al. Application of self-adaptive multiple-kernel extreme learning machine to improve MI-BCI performance of subjects with BCI illiteracy[J]. Biomedical Signal Processing and Control, 2023, 79: 104183. JCR Q2, 中科院 2区, IF=5.076 Zhong X C, Wang Q*, Liu D, et al. A Deep Domain Adaptation Framework with Correlation Alignment for EEG-based Motor Imagery Classification[J]. Computers in Biology and Medicine, 2023. JCR Q1, 中科院 2区, IF=7.7

推荐链接
down
wechat
bug