头像
谢海辉
讲师（高校）
计算机与信息学院
行政职务：
暂无
技术职称：
讲师（高校）
最后学位：
工学博士学位
电    话：
13246862618
电子邮箱：
xiehh@fafu.edu.cn
办公地点：
田C-414
通讯地址：
福建省仓山区上下店路15号
邮    编：
362615

您是第10 位访问者

  •   本人致力于面向机器学习的高效通信的关键技术研究，主要包括三项研究内容：基于信号特征的高效信号重构技术、面向多任务学习的高效资源分配技术和基于异步参数共享的分布式联邦学习技术。在研究过程中，主要提出了多项新颖的研究思路与方法：通过学习稀疏性结构来促进最稀疏信号的重构、通过凸对偶正则项来准确地恢复低秩矩阵、通过以多任务的学习误差为优化目标来有效地分配无线资源、通过异步参数共享机制为去中心化模型减少分布式节点与通信方式对机器学习性能的影响等。相关的研究成果发表在国际权威IEEE Transactions on Wireless Communications、IEEE Communications letters 等上，以及著名国际会议 IEBE TENCON 2022上，还有部分高质批论文处于审稿过程当中。


  • 教育经历

    1. 2017/09 -- 2023/06，中山大学，    信息与通信工程，        博士

    2. 2014/09 -- 2016/06，福建师范大学，光学工程，                硕士

    3. 2010/09 -- 2014/06，福建师范大学，光信息科学与技术，学士

  • 工作经历

    1. 2016/07 -- 2017/03，  厦门同致电子科技股份有限公司，算法工程师

    2. 2017/04 -- 2017/08，  新大陆股份有限公司，算法工程师

    3. 2024/01 -- 至今，  福建农林大学，计算机与信息学院，讲师

    4. 2025/06 -- 至今，  香港中文大学（深），大数据研究院，双聘科学家

    4. 2026/05 -- 2027/05，  香港大学，电机电子工程学系，助理研究员

    • 研究领域

    边缘智能、联邦学习、信号处理、优化理论分析、分布式学习等


    开授课程

    物联网导论、矩阵分析等


    科研项目

    1、福建省工业和信息化厅, 福建省软件业技术创新重点攻关及产业化项目, 闽工信函软件[2024]488号, 云边端协同的地质灾害监测智能终端与系统的研发及产业化，2024/09~2025/08，参与。

    本人研究面向地质灾害监测的“感知-学习-通信”一体化技术，如图1所示。监测智能终端（传感器）采用多模态融合感知技术和边缘计算技术，对空天地多模态数据进行实时、全方位感知和处理，并采用异构组网技术实现广域通信。开发能自适应地质灾害场景变化的学习模型，学习数据的异构性。

     

     

     

     

     

     

     

     

     

     

     

    图1、面向地质灾害监测的“感知-学习-通信”一体化结构框图

    2、福建省科技厅, 福建省科技厅福厦泉协同创新平台项目, 2025E3012, 基于LLM和SD-WAN的高可靠智能网关设备与系统的研发及行业应用, 2026/01~2027/12，参与。

    本人研究基于智能网关的拆分推理模型，将复杂的机器学习模型划分为服务器的AI子模型和传感器终端的设备AI子模型，如图2所示。其中，边缘服务器子模型主要执行高计算复杂度的推理任务，智能网关子模型则执行中低复杂度的特征提取任务。在智能网关特征提取后，所提特征通过窄带空口无线信道传输到边缘服务器，经合理的无线接收技术设计恢复出发送的特征以作为边缘服务器子模型的输入。

     

     

     

     

     

     


    图2、基于智能网关的AI拆分推理模型

    3、NSFC-广东联合基金, 重点支持项目, U2001213, “低时延、高安全物联网关键技术研究”，2021/01~2024/12，参与。

    本人主要研究面向任务的高效资源分配算法，并将该算法部署在自动驾驶场景下，如图3所示。将资源分配算法部署在自动驾的目标检测和导航场景，提高决策精度。










     


     

     

     

     

     

     

     

     

     

     

     


    a）检测识别任务                      b）导航任务

    图3、基于任务导向的资源分配算法在自动驾驶场景的应用





    论文著作

    1. H. Xie, W. Wen*, S. Chen, Z. Shu, and M. Xia*. “Energy-Efficient Federated Edge Learning for Small-Scale Datasets in Large IoT Networks,” IEEE Trans. Wireless Commun., vol. 25, pp. 15534-15550, Apr. 2026. (SCI一区，Top期刊, IF=10.7)

    2. H. Xie, M. Xia*, P. Wu, S. Wang, and H. Vincent Poor, “Edge Learning for Large-scale Internet of Things with Task-oriented Efficient Communication,” IEEE Trans. Wireless Commun.,vol. 22, no. 12, pp. 9517-9532, Dec. 2023. (SCI一区，Top期刊, IF=10.7)

    3. H. Xie, M. Xia*, P. Wu, S. Wang, and K. Huang, “Decentralized Federated Learning with Asynchronous Parameter Sharing for Resource-limited Wireless Networks,” IEEE Internet Things J.,vol. 11, no.21, pp. 34123-34139, Nov., 2024.  (SCI二区，Top期刊, IF=8.9)

    4. H. Xie, P. Xu, Z. Shu, S. Chen*, and C. You, “Energy-Efficient and Learning-Aware Edge Intelligence with Probabilistic Scheduling,” IEEE Open J. Commun. Soc., vol. 7, no.1, pp. 2894-2907, 2026. (SCI二区, IF=6.1)

    5. H. Xie, P. Wu, F. Tan, and M. Xia*, “Adaptively Regularized Compressive Sensing with Sparsity Bound Learning,” IEEE Commun. Lett., vol. 25, no. 4, pp. 1283-1287, Apr. 2021. (SCI三区)

    6. H. Xie, S. Chen*, Z. Shu, and F. Tan, “Decorrelation Spectrum Sensing Model with Structural Information Learning,” Digit. Signal Process.,vol. 170, pp. 105759, Fed. 2025. (SCI三区)


    科技成果