因研究的进一步开展和原助研学生毕业工作，现在寻求2-3名助研学生和青年教师合作者。课题是生物医学信号的压缩传感。有意者请致信zhangzlacademy(a.t.)gmail.com (来信前请先阅读下面的基本要求） 。

背景介绍：生物医学信号的压缩传感，作为低功耗wireless telemonitoring的一种解决方案，越来越多的吸引了业界的关注，尤其是在Wireless Healthcare这个大背景下。我领导的团队和合作者们在这一方向做了很多开拓工作，一直处于领先地位。但是目前这方面还有很多技术问题需要解决。我们现在急需更多的人力一起来解决这些 难题 ，做出更多的贡献。

团队和合作团队介绍：经过2年来的合作交流，我们已经和多个国家的研究团队展开了深入的合作。这些团队包括：加拿大英属哥伦比亚大学 的一个研究组（合作者为前IEEE Signal Processing Society 副主席），意大利地中海大学 的一个研究组（合作者为 意大利神经网络学会主席），加州大学圣地亚哥分校的Prof. Jung在台湾的合作团队。我们不但数据共享，并合作研究，发表论文。 此外，还和加州大学Berkeley分校的一个研究组在硬件开发上建立了合作。

近期该方向上发表的论文（更多文章可在我主页https://sites.google.com/site/researchbyzhang/，或google scholar: http://scholar.google.com/citations?hl=en&user=Q3g3RV8AAAAJ 上下载）：

[1] Zhilin Zhang, Tzyy-Ping Jung, Scott Makeig, Bhaskar D. Rao, Compressed Sensing for Energy-Efficient Wireless Telemonitoring of Noninvasive Fetal ECG via Block Sparse Bayesian Learning, IEEE Trans. on Biomedical Engineering, vol.60, no.2, pp.300-309, 2013 [引用：24次]

[2] Zhilin Zhang, Tzyy-Ping Jung, Scott Makeig, Bhaskar D. Rao, Compressed Sensing of EEG for Wireless Telemonitoring with Low Energy Consumption and Inexpensive Hardware, IEEE Trans. on Biomedical Engineering, vol.60, no.1, pp.221-224, 2013 [引用：17次]

[3]Zhilin Zhang, Tzyy-Ping Jung, Scott Makeig, Bhaskar D. Rao, Zhouyue Pi, SpatiotemporalSparse Bayesian Learning with Applications to Compressed Sensing of Multichannel EEG for Wireless Telemonitoring and Brain Computer Interfaces, submitted to IEEE Trans. on Neural Systems and Rehabilitation Engineering

[4]Zhilin Zhang, Bhaskar D. Rao, Tzyy-Ping Jung, Compressed Sensing for Energy-Efficient Wireless Telemonitoring: Challenges and Opportunities, AsilomarConference on Signals, Systems & Computers (Asilomar 2013) (invited paper)

[5] D. Labate, F. La Foresta, I. Palamara, G. Morabito, A.Bramanti, Z. Zhang, F.C. Morabito，EEG Complexity Modifications and Altered Compressibility in Mild Cognitive Impairment and Alzheimer's Disease， 23rd Italian Workshop on Neural Networks (WIRN 2013), Salerno, Italy, May 23-25, 2014

基本要求：

助研学生和合作者的要求如下：

1. 了解基本的compressed sensing原理以及一些著名的算法；有使用过部分算法的经验

2. 数学能力较强。可以在我的 指导下推导算法（具备一定的优化理论和矩阵理论基础）。有意愿学习新的数学知识

3. 有一定的Matlab编程经验。可以编写简单的算法（比如OMP算法）。

4. 如果有一定的硬件设计能力更好（但不必须）

5. 最后但却是最重要的：态度认真，研究一丝不苟。

请注意：我会对申请者进行严格的遴选，但是最重要的是考察研究态度。