核心领域：语音信号处理与机器学习、语音编码与增强、汽车听觉系统、自主驾驶感知AI、多模态语音识别。
主要技术方向：
语音编码与增强：软判决信源解码与错误隐藏、人工带宽扩展（HMM/DNN）、深度噪声抑制（FCRN、LSTM、自注意力）、声学回声消除（经典/神经Kalman滤波、DNN方法）、联合回声与噪声抑制；
汽车语音与听觉系统：免提通信与车载通话系统、多通道声学回声控制、车内声学事件检测与诊断、麦克风阵列波束形成与后滤波；
自主驾驶感知AI：语义分割与单目深度估计、对抗攻击与防御、无监督域适应与连续学习、角落案例检测、神经网络性能预测、模型压缩与量化、多任务学习；
多模态语音识别：端到端自动语音识别（Transformer）、音视频融合与Turbo ASR、视听语音识别、语言迁移学习。
关键能力：具备从语音信号处理算法设计、机器学习模型开发到车载与嵌入式系统部署的完整研发链条，贯通“算法理论→标准化贡献→工业应用”的全流程。其30余年工业与学术经验（西门子、大众、GN/Jabra等合作）深度结合，形成了涵盖语音通信、自主驾驶感知与安全AI的综合技术创新体系，在ITU-T语音质量评估标准制定中发挥了重要作用。
专家详情：
【重要履历】拥有亚琛工业大学电气工程博士学位（获优异等级）。曾在西门子（Siemens AG）担任技术主管与部门副负责人，积累了丰富的语音信号处理与标准化经验。曾获IEEE Fellow、VDE ITG Fellow及AAIA Fellow等殊荣。
【技术能力】涵盖语音信号处理与机器学习的全谱系。核心方向包括：语音编码与增强（软判决解码、人工带宽扩展、深度噪声抑制、声学回声消除）；汽车语音与听觉系统（免提通信、车载诊断、多通道声学回声控制）；自主驾驶感知AI（语义分割、单目深度估计、对抗攻击与防御、无监督域适应、连续学习、角落案例检测）；多模态语音识别（端到端ASR、Transformer、音视频融合）。他在语音质量评估标准化（ITU-T P.1100/P.1110/P.1130）方面亦有重要贡献。
【标志性成果】在IEEE T-ASLP发表多篇经典论文（其中两篇获ITG奖），获得CVPR Workshops多次最佳论文奖】，并与大众、GN/Jabra等企业长期合作。其作为主编出版《Deep Neural Networks and Data for Automated Driving》专著（Springer, 2022），Google Scholar h-index达37。主持的科研项目总经费超760万欧元，涵盖DFG、BMBF、BMWi等国家级项目，指导13名博士生，在语音增强与自动驾驶感知交叉领域形成了深远影响。