ICASSP2026Accepted

2026-01-24

字数统计: 486字 | 阅读时长≈ 1分

两篇工作被 ICASSP 2026 (CCF-B) 录用

非常荣幸，在2026开年之际，我作为唯一作者的两篇论文被信号处理领域会议 ICASSP 2026 (CCF-B) 录用。

在此，我由衷感谢所有给予我指导、支持与鼓励的老师、同学和朋友们。这两项工作均聚焦于将传统信号处理理论与深度学习模型深度融合，以提升时间序列预测的精度与健壮性，是我在大半年前已开展的相关研究的进一步推进。

在2026开年便收到了ICASSP 2026的两份录用通知，确实给新年开了一个好头。在此，我要向各位关心我的朋友、老师、同学表示最真挚的感谢。这次被录用工作的方向主要是将传统信号处理算法（小波变换、散射变换等）与深度学习神经网络有机结合起来，从而达到改善时序分析的目的。

本次被录用的第一篇工作将传统小波变换扩展为可学习的自适应分解模块，结合频率感知的注意力机制，实现多分辨率时序建模。另一篇工作利用散射变换的数学稳定性与平移不变性，构建层次化多尺度特征提取结构，结合多分辨率时序注意力机制。

诚然，ICASSP 并非顶级会议，但这两篇工作被录用已是对我个人科研路径的重要肯定。我也清醒认识到代码规范、实验充分性与写作精度仍有提升空间，目前正持续优化，力争在2026年内实现更高水平的研究输出。

如有兴趣深入交流，欢迎与我联系。也欢迎关注我后续在时间序列分析、信号处理与深度学习交叉方向的工作。