面向AIoT应用的信号与数据处理技术
2026年1月1日
·
2 分钟阅读时长
清华大学全球创新学院（GIX）硕士项目核心必修课程，系统讲授机器学习与数字信号处理基础方法与技术，并引导学生面向真实场景开展 AIoT 应用实践与问题求解。
课程概述
本课程为学生提供机器学习和数字信号处理的基础知识，然后指导他们将这些基础应用于人机交互和健康监测领域的实际AIoT应用。
主要内容
- 嵌入式系统与传感技术
- 数字信号处理（时域/频域、滤波、FFT）
- 音频信号处理
- 机器学习基础（分类、回归）
- 边缘设备深度学习
- TinyML与设备端部署
- 统计分析与实验设计
课程安排
| 周次 | 主题 | 内容 |
|---|---|---|
| 1 | 课程介绍 | 课程概述、AIoT在HCI和健康监测中的应用、端到端设计方法（传感器+信号处理+机器学习） |
| 2 | 嵌入式系统与传感 | 系统组件、电阻式/电容式传感、运动传感器、通信协议 |
| 3 | 信号处理基础 | 时域/频域、滤波器、FFT、峰值检测、采样。案例：可穿戴PPG心率检测 |
| 4 | 音频信号处理 | 音频概念、处理流程、触摸手势声音分析。项目头脑风暴 |
| 5 | 假期 | - |
| 6 | 项目提案展示 | 应用背景、技术可行性、创新讨论 |
| 7 | 机器学习I | 训练/测试集划分、监督/无监督学习、SVM、决策树、kNN。案例：花卉分类 |
| 8 | 机器学习II | 分类性能评估、信息可视化 |
| 9 | 回归分析 | 线性回归、曲线拟合、梯度提升、过拟合。案例：房价预测 |
| 10 | 深度学习I | 神经网络、激活函数、卷积、数据增强。案例：数字识别 |
| 11 | 深度学习II | 轻量级网络、迁移学习 |
| 12 | 边缘部署 | TinyML、CMSIS_NN、量化、部署加速。案例：唤醒词检测、手势识别 |
| 13 | 项目进度展示 | 技术实现、结果演示、创新亮点 |
| 14 | 统计分析I | 参数/非参数检验、t检验、方差分析、Wilcoxon检验、SPSS与Python |
| 15 | 统计分析II | 案例研究：身高分析、用户反馈分析、性能评估 |
| 16 | 期末项目展示 | 完整项目演示，包含用户研究和统计分析 |
课程作业
- 作业1：自我介绍与智能耳机创新报告
- 作业2：触摸手势声音信号处理与识别
- 课程项目：面向高社会影响力的AIoT应用（团队项目）
Authors
Associate Professor (Research Track)
Yuntao Wang’s research centers on physiobehavioral computing and
intelligent interaction for mobile and wearable systems. His work
focuses on (1) developing robust, efficient sensing that performs
reliably on mainstream devices, (2) extracting spatiotemporal patterns
from multimodal signals to infer interaction intent by leveraging
natural behavioral correlations, and (3) designing edge-efficient interfaces
that deliver high performance on mobile and wearable platforms.
He has published 90+ papers, received 10 international conference awards,
and holds 30+ granted patents. His contributions have been
recognized with honors including the Wu Wenjun AI Outstanding Youth
Award (2024), the CAST Young Elite Scientists Sponsorship Program (2022),
the Qinghai High-Level Innovation & Entrepreneurship Leading Talent (2024),
and the First Prize of the China Electronics Institute Science & Technology Award (2019).