姓名：董新桐

性别：男

职称：副教授

所在系别：仪器科学与技术系

导师类别：博士生导师/硕士生导师

最高学历：研究生

最高学位：博士

邮箱：dxt@jlu.edu.cn

电话：18186829038

董新桐，英国威廉希尔公司官网副教授，唐敖庆青年学者，入选第六批全国博士后创新人才支持计划（全国每年400项）。主要从事基于人工智能（主要为深度学习）、稀疏变换、低秩理论的勘探地震资料噪声性质分析、背景噪声抑制、微弱信号恢复、智能速度建模、偏移成像等方向研究，研究专长主要包括：

[1]基于深度学习方法（卷积神经网络,生成对抗网络,注意力机制等）复杂地震数据背景噪声抑制及微弱信号恢复技术研究。

[2]基于多尺度卷积神经网络的稀疏地震观测系统补偿技术（五维插值、成像域稀疏炮重建等）。

[3]基于Transformer全局信息提取的智能地震速度反演。

[4]深度学习方法在全波形反演（FWI）、逆时偏移（RTM）中的应用。

[5]强泛化通用性深度学习模型（多尺度网络架构、扩散模型、Transformer等）及其在地震数据处理中的应用

近五年，在Surveys in Geophysics、IEEE Transactions on Geoscience and Remote Sensing、Geophysics、Geophysical Journal International、Geophysical Prospecting等主流地球物理期刊发表第一作者/通讯作者SCI论文40余篇（含ESI热点文章3篇、高被引文章3篇），累计被引700余次、H-index 16。主持博新计划、国家自然科学基金-青年基金、博士后面上资助、广东省六大海洋基金重大项目子课题、中石油横向等；参与国家自然科学基金重点项目2项、面上项目3项。

项目组配备了浪潮NF5468M6高性能异构节点GPU计算服务器（包含16个NVIDIA Tesla A系列高性能显卡）、浪潮NF5280M6 CPU计算节点（4个）、DellT640塔式服务器、Dell移动工作站等计算设备，深度学习算力充足。并且项目组与中石油、中石化相关部门建立长期合作研究，可提供大量“实操”机会。欢迎对人工智能、勘探地球物理、信号处理交叉学科具有研究兴趣的同学报考智能地球物理信号处理研究小组（intelligent geophysical signal processing group；IGSP Group）硕士、博士研究生。

学科专业：勘探地球物理，人工智能，信号处理，计算机视觉，应用数学。

讲授课程：暂未确定

教育经历

[1] 2012-08至2016-07 williamhill中国官网通信工程学院信息工程系 工学学士

[2] 2016-08至2021-07 williamhill中国官网通信工程学院通信与信息系统 工学博士

工作经历

[1] 2021-07至2023-07 英国威廉希尔公司官网 “博新计划”博士后

[2] 2021-07至2023-07 英国威廉希尔公司官网 助理研究员

[3] 2023-07至今 英国威廉希尔公司官网 副教授、唐敖庆青年学者

代表性科研项目：

[1]基于对抗式深度学习策略的DAS地震资料智能消噪系统构建，中国博士后基金会-第6批博士后创新人才支持计划（博新计划），主持。

[2]基于多尺度可迁移深度学习方法的多井DAS地震数据“智普”消噪技术研究，国家自然科学基金委员会-青年基金，主持。

[3]基于深度学习的北部湾OBC地震数据智能处理技术研究，湛江市财政经费，主持。

[4]海洋可控震源系统关键技术与装备研发子课题-4，广东省自然资源厅-广东省海洋经济发展（海洋六大产业）专项子课题，主持。

[5]基于数据弱依赖、强普适性深度学习方法的塔里木盆地地震随机噪声压制技术研究，中国博士后基金会-第70批面上资助，主持。

[6]智能化多域去噪技术研究，中国石油天然气集团有限公司勘探开发研究院，主持。

[7]基于深度学习的光纤地震资料噪声压制与微弱信号恢复研究，吉林省人力资源和社会保障厅-吉林省博士后优先资助，主持。

以第一作者/通讯作者发表代表性论文：

发表论文情况详见Researchgate或Google scholar主页，如下为部分代表性文章

[1]Dong X T, Lin J, Lu S P, Huang X G, Wang H Z, Li Y, 2022. Seismic Shot Gather Denoising by Using Supervised-Deep-Learning Method with Weak Dependence on Real Noise Data: a Solution to the Lack of Real Noise Data:Surveys in Geophysics, 43, no. 5, 1363-1394. (基于生成对抗模型的标签数据增广技术)

[2]Dong X T, Zhong T, Li Y. 2020, New Suppression Technology for Low-frequency Noise in Desert Region: The Improved Robust Principal Component Analysis Based on Prediction of Neural Network:IEEE Transactions on Geoscience and Remote Sensing, 58, no.7, 4680-4690.（基于深度学习预测模型的改进低秩理论去噪方法及其在塔里木低频噪声压制中的应用）

[3]Dong X T, Jiang H, Zheng S, Li Y, Yang BJ. 2019. Signal-to-noise Ratio Enhancement for 3C Downhole Microseismic Data Based on the 3D Shearlet Transform and Improved Back-propagation Neural Networks:Geophysics, 84, no.4, V245-V254.（基于三维shearlet变换和BP神经网的多分量微地震数据信噪比增强）

[4]Zhong T, Cheng M, Lu S P*,Dong X T*, Li Y. 2022. RCEN: A Deep-Learning-Based Background Noise Suppression Method for DAS-VSP Records:IEEE Geoscience and Remote Sensing Letters, 19, 1-5.(井中DAS地震数据智能化随机噪声压制，该文入选ESI热点文章，高被引文章)

[5]Dong X T, Li Y. 2021. Denoising the Optical Fiber Seismic Data by Using Convolutional Adversarial Network Based on Loss Balance:IEEE Transactions on Geoscience and Remote Sensing, 59, no. 12, 10544-10554.（基于生成对抗策略的光纤地震数据优化）

[6]Wang H Z, Lin J,Dong X T*, Lu S P, Li Y, Yang B J. 2023. Seismic Velocity Inversion Transformer:Geophysics, 88，no. 4, R513-R533.(基于Transformer框架的智能化地震速度反演技术研究)

[7]Dong X T, Li Y, Yang B, 2019. Desert Low-frequency Noise Suppression by Using Adaptive DnCNNs Based on the Determination of High-order Statistic:Geophysical Journal International, 219, no.2, 1281-1299.（利用结合高阶统计量判定的CNN实现共享低频段信噪分离）

[8]Dong X T, Li Y, Zhong T, Wu N, Wang H Z, 2022. Random and Coherent Noise Suppression in DAS-VSP Data By Using a Supervised Deep learning Method:IEEE Geoscience and Remote Sensing Letters, 19, 1-5.(国内外较为领先提出针对DAS地震数据的随机噪声、相干噪声同时压制技术，入选ESI热点文章，高被引文章，web of science数据库被引138次)

[9]Cheng M, Lu S P,Dong X T*, Zhong T, 2022. MultiscaleRecurrent-guidedDenoisingNetwork forDistributedAcousticSensing-VerticalSeismicProfileBackgroundNoiseAttenuation:Geophysics, 88, no. 1, WA201-WA217.（多尺度循环自引导网络结构设计）

[10]Dong X T, Cheng M, Wang H Z, Li G H, Lin J, Lu S P. 2023. A Potential Solution to Insufficient Target-Domain Noise Data: Transfer Learning and Noise Modeling:IEEE Transactions on Geoscience and Remote Sensing,61, 1-15.（利用迁移学习微调策略提升深度学习模型泛化性）

[11]Dong X T, Lu S P, Cong Z, Zhong T. 2023. Multi-stage Residual Network for Intense DAS Background Noise Attenuation:Geophysics, 88, no. 6. WC181-WC198. (多阶段残差卷积神经网络及其在低信噪比地震数据处理中的应用)

[12]Zhong T, Cheng M,Dong X T*, Wu N. 2022. Seismic Random Noise Attenuation by Applying Multiscale Denoising Convolutional Neural Network.IEEE Transactions on Geoscience and Remote Sensing, 60,1-13.(多尺度卷积神经网络)

[13]Dong X T, Lin J, Lu S P, Wang H Z, Li Y. 2022. Multiscale Spatial Attention Network for Seismic Data Denoising:IEEE Transactions on Geoscience and Remote Sensing,60, 1-17.（注意力引导的多尺度卷积神经网络及其在地震数据去噪中的应用）

[14]Wu H,Dong X T*, Zhong T, Zhang S K, Lu S P*. 2023. Least-squares Reverse Time Migration using the Inverse Scattering Imaging Condition:IEEE Transactions on Geoscience and Remote Sensing,61, 1-12. (最小二乘逆时偏移)

[15]Cheng M, Lin J,Dong X T*, Lu S P, Zhong T. 2023. Simultaneous Denoising and Reconstruction of DAS Seismic Data via a Multi-Cascade Deep Learning Method:Geophysics,88，no. 6, WC145-WC162. (基于深度学习方法的同时地震数据去噪与插值)

[16]Cheng M, Lin J, Lu S P, Dong S Q,Dong X T*. 2023. Seismic Data Reconstruction Based on Multiscale Attention Deep Learning:IEEE Transactions on Geoscience and Remote Sensing,61, 5914718. (采用多尺度注意力深度学习方法实现OBC地震数据随机缺失与规则缺失的完整重建)

[17]Wang H Z, Lin J,Dong X T*, Jiang D D. 2023. Signal Recovery and Noise Suppression of the Ocean-Bottom Cable P-component Data based on Improved Dense Convolutional Network:Geophysical Prospecting,online.(密集连接卷积神经网络及其在OBC地震数据噪声抑制中的应用)

[18]Dong X T, Lu S P, Lin J, Zhang S K, Ren K, Cheng M. 2024. Can Deep-Learning Compensate the Sparse Shots in Imaging Domain? A Potential Alternative for Reducing the Acquisition-Cost of Seismic Data:Geophysics,online.(基于深度学习的稀疏炮偏移成像技术，以期实现地震数据智能化稀疏采集，降低采集成本)

[19]Zhang R Z, He H Y,Dong X T*, Li T L, Liu C, Kang X Z. 2023. Application of Supervised Descent Method for 3D Gravity Data Focusing Inversion:IEEE Transactions on Geoscience and Remote Sensing,online.(基于有监督下降法的三维重力数据反演)

[20]Zhong T, Cheng M,Dong X T*, Li Y. 2021. Seismic Random Noise Suppression by Using Adaptive Fractal Conservation Law Method Based on Stationarity Testing:IEEE Transactions on Geoscience and Remote Sensing, 59, no. 4, 3588-3600. (地震背景噪声统计特性定量判定)

个人荣誉及获奖：

[1]吉林省2022年优秀博士学位论文

[2]williamhill中国官网2021年优秀博士学位论文

[3]williamhill中国官网2021年十佳博士研究生

[4]第五届油气地球物理学术会议最佳论文奖

[5]Outstanding Professional Presentationin SEG 4th International Workshop on Mathematical Geophysics: Traditional & Learning

代表性授权发明专利：

无

社会兼职：

无