近日，信号处理领域国际顶级旗舰期刊——《IEEE Transactions on Signal Processing》（简称IEEE TSP）正式在线发表了最新研究成果。我院2022级电子信息工程专业本科生崔明晶，在学院王世元教授的指导下，以第一作者身份撰写的长文《Treating the Filter Weights as Learnable Functions: An Efficient Nonlinear Filtering Framework and Its Adaptive Algorithms》（vol. 74, pp. 545-560, 2026）被该期刊正式录用并发表（图1）。作为IEEE信号处理学会的旗舰期刊，TSP是国际公认的信号处理、通信及信息理论领域的最高级别学术期刊，其对论文的数学推导严谨性和理论创新性要求极高，代表着该研究方向的国际最前沿。

该研究针对传统非线性滤波方法存在的计算复杂度高、存储开销大及稀疏近似误差等瓶颈，创新性地提出了一种基于Kolmogorov-Arnold（KA）表示定理的权重可学习非线性滤波框架（Weight-learning-based nonlinear filter, WLNF）。该方法突破了传统系数加权的静态范式，首创性将滤波器权重视为“可学习函数”，利用高斯基函数线性组合实现了对非线性动态过程的高效建模（图2）。同时，团队推导设计了WL-LMS与WL-RLS两类自适应算法，实现了对基函数组合系数的在线动态学习和建模。在理论层面，该论文不仅给出了严密的均方收敛性条件，还完整推导了稳态与瞬态超量均方误差的闭式解，为算法的实际工程部署提供了坚实的数学支撑（图3）。广泛的实验验证表明，该方法在保持固定网络结构和极低计算复杂度的前提下，大幅提升了非线性滤波的稳态精度与收敛速度（图4），为复杂信号的在线实时处理与工程实用化推进提供了重要的新范式。

自2025年启动“拔尖创新人才启航计划”以来，学院始终坚守立德树人初心，通过不断完善人才培养机制，依托高水平科研平台赋能育人全过程，引导本科生实现从“被动学习”向“主动探索”的转变。这不仅是学院人才培养成效的体现，更是学院依托高水平科研育人，主动服务国家战略需求、践行新时代使命担当的生动实践。

图 1：本研究成果被IEEE TSP期刊正式录用并上线（来源：IEEE Xplore）

图 2：基于KA定理的新型权重学习非线性滤波框架与传统框架对比

图 3：理论分析验证 图 4：混沌时间序列预测和非线性系统辨识实验

论文题目：Treating the Filter Weights as Learnable Functions: An Efficient Nonlinear Filtering Framework and Its Adaptive Algorithms

作者：崔明晶、林东源、李磊、郑云飞、王世元

引用：M. Cui, D. Lin, L. Li, Y. Zheng and S. Wang, "Treating the Filter Weights as Learnable Functions: An Efficient Nonlinear Filtering Framework and Its Adaptive Algorithms," in IEEE Transactions on Signal Processing, vol. 74, pp. 545-560, 2026, doi: 10.1109/TSP.2026.3657751.

论文链接：https://ieeexplore.ieee.org/abstract/document/11363386

图文：崔明晶、王越

初审：王世元

复审：王慧维、谢俪