为了进一步促进研究生学术交流，拓宽研究生学术视野，营造良好的学术氛围，广州大学电子与通信工程学院主办的“沿途青年说”第37讲于4月18日下午16:00-17:20在线上（腾讯会议：526-729-343）举行。本次主讲人为20级研究生何建，候明江，主题分别为基于射频功率放大器的低复杂度数字预失真模型和医学智能诊断。

第一位进行汇报的是侯明江同学，侯明江同学从四个方面展开自己的报告。

本文基于不平衡的妊娠高血压数据，首先用改进的F-Score特征选择方法更好地发现和利用少数类别的特征信息，提高了模型的预测精度，并且为医院和决策者提供了特征重要性排序，及时为患者做出治疗。

其次，我们使用了双层的Stacking集成模型，Stacking通过将多个基模型的预测结果进行结合，提高了整个模型的预测准确性。在Stacking的基础上，我们提出了适配Stacking的遗传算法来进行模型选择，通过遗传算法，我们自动化的选出了最优模型组合，获得了最大的预测性能。

最后，我们对于工作的展望大概有三方面，第一。如果数据伴随时间发生变化，我们能否采用类似于滑动窗口的方法来进行动态的数据处理，第二，我们可否将模型规模扩大，变成多层集成、让更多的模型来集成。第三，当模型规模较大时，我们是否可以通过更加智能的算法来优化参数选择。

第二位进行汇报的是何建同学，从五个方面展开自己的报告。提纲为：

选题背景及意义：介绍无线通信为了避免因衰减而导致的传输中断通常需要通过功率放大器放大后再经天线发送以及为何要提高功率放大器的线性度。
  现状与研究目标：目前有多种技术来提高功放线性度，其中预失真技术最为突出。介绍了数字预失真原理、常见的有记忆数字预失真模型和数字预失真学习结构（直接与间接）。给出了研究目标：数字预失真技术中的参数提取算法和低复杂度模型。
  研究方法：1.提出了一种基于改进的高斯牛顿参数提取算法，该方法解决了直接学习结构中的高斯牛顿参数提取算法容易出现病态问题的问题。2.提出了一种低复杂度的预失真模型——动态广义记忆多项式模型，通过和常用预失真模型进行实验对比，证明了该模型能在保证精度的同时复杂度更低。
 研究结果：基于RF WebLab测试平台，验证改进的高斯牛顿法能够适用于实际环境提高攻防线性度，并且性能优于为改进的高斯牛顿法。然后将动态广义记忆多项式模型和改进的高斯牛顿参数提取算法结合，进行综合实验测试。
 论文总结：1.介绍了数字预失真技术的研究背景、目的和意义，并且给出了数字预失真技术的两个研究内容。2.分享硕士期间获得的科研成果。

何建

2020级电子与通信工程学院

电子与通信工程专业型硕士

导师：秦剑

主要研究方向：功率放大器线性化技术

主要科研成果：一篇EI检索会议论文，一个发明专利（实审）

侯明江

2020级电子与通信工程学院

电子与通信工程/专业型硕士

导师：曾衍瀚

主要研究方向：医学智能诊断

主要科研成果：专利一篇，SCI在投一篇