《IEEE Signal Processing Magazine》：The IEEE Signal Processing Society (SPS) Announces the 2026 Class of Distinguished Lecturers and Distinguished Industry Speakers [Contributors]
编辑推荐：
IEEE信号处理学会（SPS）宣布2026年度杰出讲师（DL）与杰出行业演讲者（DIS）名单，旨在通过顶尖学者与工业界专家的前沿报告，解决信号处理领域从基础理论到实际应用的关键挑战。该计划涵盖了机器学习鲁棒性、多媒体数据处理、计算成像、AI安全及无线传感等多个主题，其成果对促进学术交流与产业技术转化具有重要意义。
在人工智能与信号处理技术飞速发展的今天，如何将前沿学术研究成果有效转化为实际产业应用，同时确保人工智能系统的安全性、鲁棒性与可解释性，已成为全球学术界和工业界共同面临的紧迫问题。传统的技术交流模式往往难以跟上技术迭代的速度，而工业界面临的复杂挑战也需要更深入的理论支撑。为了弥合这一鸿沟，IEEE信号处理学会（SPS）持续推行其杰出的讲师计划，为全球各地的分会章节搭建了一座连接顶尖学术智慧与一线工业实践的桥梁。2026年，学会再次甄选出来自全球顶尖高校与领先企业的十位专家，组成了新一届的杰出讲师（DL）和杰出行业演讲者（DIS）阵容，他们的研究主题集中体现了当前信号处理领域最活跃、最具潜力的发展方向。
本研究报道了IEEE信号处理学会2026年度杰出讲师（Distinguished Lecturer, DL）与杰出行业演讲者（Distinguished Industry Speaker, DIS）的入选者及其核心研究方向。该计划旨在通过组织全球范围内的专题讲座，促进信号处理领域最新理论、方法及应用的传播与交流。入选的十位专家分别来自学术界和工业界，其研究主题广泛覆盖了信号处理的多个核心领域。
为开展此项介绍性研究，主要依赖于IEEE信号处理学会官方发布的公告及专家个人提供的公开资料进行汇总与分析。关键技术方法涉及对专家研究方向的主题分类、主要学术与工业贡献的梳理，以及其讲座主题所反映的技术趋势的归纳总结。这些资料共同勾勒出当前信号处理领域的研究热点与发展路径。
Ghassan AlRegib
Ghassan AlRegib（佐治亚理工学院）的研究聚焦于推断性机器学习（Inferential Machine Learning）及其向人机协作基础模型（Foundation Models）的演进。他的讲座主题包括机器学习中的伦理、信任与负责任部署，以及鲁棒性（涵盖可解释性、不确定性和可干预性）。他将基础模型视为信号处理管道，致力于图像理解与深度学习，并关注面向所有人的人工智能（AI）学习。其工作为构建更安全、可靠的人工智能系统提供了理论框架与实践路径。
Jingdong Chen
Jingdong Chen（西北工业大学）的核心研究方向在于声学信号处理。其讲座主题涵盖阵列设计与处理，用于声学和语音信号的采集与重现；多输入多输出（MIMO）声学信号处理；差分麦克风阵列的开发与应用；面向语音通信和人机语音交互的音频与语音处理；声学事件检测与分类；以及智能设备中的声信号采集与声场控制。这些研究对提升语音通信质量、智能设备交互体验具有重要意义。
Pin-Yu Chen
Pin-Yu Chen（IBM托马斯·J·沃森研究中心）的研究重点在于人工智能安全与鲁棒性，其长期愿景是构建可信赖的机器学习系统。他的讲座主题“生成式AI的计算安全”直接回应了当前生成式人工智能（Generative AI）快速发展所带来的安全隐患。他的贡献已融入IBM的开源库，如对抗性鲁棒性工具箱（Adversarial Robustness Toolbox）和AI可解释性360（AI Explainability 360），为产业界提供了实用的安全工具。
Alessandro Foi
Alessandro Foi（坦佩雷大学）专注于计算成像（Computational Imaging）领域的图像恢复与噪声建模。他的讲座深入探讨了成像中的噪声问题，特别是相关性与非线性，以及用于模块化成像管道的噪声变换（Noise Transformations）。他的工作为提升图像质量、开发更先进的成像设备提供了数学与统计基础。
Jianquan Liu
Jianquan Liu（日本NEC公司）的研究集中于多媒体数据处理。其讲座主题包括多媒体数据处理、多模态生成式AI（Multimodal Generative AI）、人类行为感知与理解。具体技术方向涵盖视频检索、视频摘要、动作识别、对象跟踪、人机交互、场景识别、行为模式分析等计算机视觉任务，以及多媒体数据库、高维相似性搜索、网络数据挖掘等信息检索与数据挖掘技术。这反映了工业界对多模态信息智能处理的迫切需求。
Scott McCloskey
Scott McCloskey（Kitware公司）的研究方向聚焦于利用非传统传感技术解决计算机视觉问题。他的讲座主题包括：用于空间应用的事件驱动传感（Event-Based Sensing）、使用计算相机识别运动物体、从光子稀缺图像中进行自监督X射线计算机断层扫描（Self-Supervised X-Ray Computed Tomography），以及深度伪造时代的媒体取证（Media Forensics）。这些研究展示了计算成像技术在极端条件下的应用潜力。
Anderson Rocha
Anderson Rocha（坎皮纳斯大学）的研究横跨人工智能与数字取证。他的讲座主题极具现实意义，包括：如何与合成现实共存（聚焦于AI时代打击虚假信息）；AI与可穿戴设备用于健康与福祉；AI、数字取证与生物识别技术的必要联盟；通过自监督学习（Self-Supervised Learning）和因果发现（Causality Discovery）对复杂数据进行推理；以及AI在步态识别、生物识别、欺骗攻击（Spoofing）和深度伪造等工程中的应用。其工作凸显了AI技术在安全与健康领域的关键作用。
Beibei Wang
Beibei Wang（Origin Wireless AI公司）是无线传感领域的专家。她的讲座主题包括Wi-Fi在泛在无线传感（Ubiquitous Wireless Sensing）中的应用、无线室内定位以及毫米波/雷达传感。她的研究成功地将学术突破转化为规模化工业解决方案，推动了Wi-Fi传感在医疗保健、安全和智能基础设施中的变革性应用，其相关产品曾荣获国际消费电子展（CES）创新大奖。
Dong Yu
Dong Yu（腾讯AI实验室）以其在语音识别和深度学习方面的开创性贡献而闻名。他的研究涵盖语音处理与识别、多模态智能体系统（Multimodal Agentic Systems）以及自然语言处理（包括大语言模型）。讲座主题包括通往人工通用智能（Artificial General Intelligence）的道路、对话式AI（Conversational AI）以及语音与音频增强。其工作代表了大型科技企业在核心AI技术上的前沿探索。
Junsong Yuan
Junsong Yuan（纽约州立大学布法罗分校）的研究关注视觉计算。他的讲座主题包括：生成式AI时代的统计信号处理、用于视频生成与预测的解耦表示（Disentangled Representation），以及智能手部传感与增强交互。这些研究方向为下一代人机交互和视觉内容生成提供了新的技术思路。
综上所述，IEEE信号处理学会2026年度的杰出讲师与行业演讲者计划，精准地捕捉了当前信号处理领域与人工智能深度融合的宏大趋势。从Ghassan AlRegib教授提出的可解释、可干预的鲁棒机器学习，到Pin-Yu Chen博士专注的生成式AI安全挑战；从Alessandro Foi教授对成像噪声本质的深刻数学洞察，到Beibei Wang博士将Wi-Fi信号成功转化为普适感知工具的产业实践；从Anderson Rocha教授将AI应用于打击虚假信息和健康监护的社会关切，到Dong Yu博士在通往人工通用智能道路上的前沿探索——每一位专家的研究方向都如同一块拼图，共同构成了信号处理技术赋能未来智能世界的宏伟蓝图。他们的工作不仅推动了学术边界，更深刻地影响着工业生产、社会生活乃至公共安全。该计划通过组织这些顶尖专家的全球巡讲，无疑将加速创新思想的碰撞与传播，有效促进产学研用的紧密合作，为应对下一个十年的技术挑战储备关键知识与人才。
