研究生課程開設申請表

開課院（系、所）：beat365正版唯一

課程申請開設類型： 新開     重開□     更名□（請在□内打勾，下同）

一、課程介紹（含教學目标、教學要求等）（300字以内）

課程圍繞大規模MIMO系統中上行信号檢測所展開，包括檢測基礎知識，介紹和講述不同的檢測方法與其對應的數學原理，并進行深入地分析與比較，力圖勾勒出大規模MIMO檢測研究的系統框架，使學生較為系統地學習大規模MIMO檢測的理論和處理算法，幫助學生建立對于該研究領域的初步認識與理解，從而掌握大規模MIMO檢測的應用和解決實際問題的方法，了解大規模MIMO檢測技術的應用、發展和最新技術成就。采用講授為主讨論為輔的教學方式，使學生通過本課程的學習，了解無線通信系統中MIMO傳輸技術的相關上行信号檢測方法及最新研究動态，掌握其工作原理與設計方法，理解各項技術之間的區别與内在聯系。

二、教學大綱（含章節目錄）：（可附頁）

第一講：大規模MIMO系統上行信号檢測基礎知識（3學時）

包含基本的MIMO系統模型、發展演變過程、信道特性、MIMO檢測問題數學模型、基礎的線性檢測和非線性檢測方法等。

第二講：基于格基規約的MIMO檢測理論與方法 (3學時)

包含格理論中的LLL變換、圍繞LLL變換展開的改進，基于格基規約的MIMO檢測方法，有效檢測區域等。

第三講：球形譯碼 (3學時)

包含經典的Phost球形譯碼,SE球形譯碼，IRA譯碼以及相應的改進方法。

第四講：低複雜度檢測理論與方法 (3學時)

包含基于紐曼級數，牛頓疊代，雅克比，理查德森，高斯賽達爾等疊代方法的低複雜度檢測基本原理以及優缺點比較。

第五講：基于貝葉斯的檢測理論與方法 (3學時)

包含基于消息傳遞，期望傳播等方法的檢測基本原理以及優缺點比較。

第六講：采樣檢測理論與方法 （3學時）

包括各種空時頻多用戶傳輸技術應用于大規模MIMO系統存在的問題，以及相應的解決方案和研究現狀。

第七講：基于深度學習的智能檢測方法 (3學時)

包括各種基于深度學習與人工智能的大規模MIMO檢測的解決方案和研究現狀。

第八講：前沿大規模MIMO檢測工作讨論與拓展 (3學時)

包括分小組進行學習報告，設立若幹主題，進行分組彙報等

三、教學周曆

注：1.以上一、二、三項内容将作為中文教學大綱，在研究生院中文網頁上公布，四、五内容将保存在研究生院。2.開課學期為：春季、秋季或春秋季。3.授課語言為：漢語、英語或雙語教學。4.适用學科範圍為：公共，一級，二級，三級。5.實踐環節為：實驗、調研、研究報告等。6.教學方式為：講課、讨論、實驗等。7.學位課程考試必須是筆試。8.課件地址指在網絡上已經有的課程課件地址。9.主講教師簡介主要為基本信息（出生年月、性别、學曆學位、專業職稱等）、研究方向、教學與科研成果，以100至500字為宜。

四、主講教師簡介：

王正，副教授，碩士生導師，江蘇省雙創博士，IEEE會員，IEEE通信協會會員，IEEE信息論協會會員。研究方向為智能無線通信系統信号傳輸與檢測，機器學習與數理統計，數據分析與挖掘，以第一作者身份在IEEE TIT, TSP, TCOM等頂尖期刊上發表多篇論文。

五、任課教師信息（包括主講教師）：

六、課程開設審批意見

說明：1．研究生課程重開、更名申請也采用此表。表格下載：http:/seugs.seu.edu.cn/down/1.asp

2．此表一式三份，交研究生院、院（系）和自留各一份，同時提交電子文檔交研究生院。

《大規模MIMO信号檢測理論與方法》教學大綱

（課程編号  1.5學分 24學時）

beat365正版唯一

一、課程的性質與目的

二、課程内容的教學要求

本課程通過課堂教學和研讨學習環節，培養學生掌握大規模MIMO無線通信上行信号傳輸與檢測課程的基本理論和實踐方法，從而具備對無線通信系統和應用軟件的設計和開發的基本能力，為複雜的無線通信工程設計和研究打下良好基礎，具體為掌握以下幾個方面的能力：

1. 學習與掌握大規模MIMO無線通信的系統構成、傳輸模型和信号檢測方法。

2. 學習與掌握一系列高維信号檢測理論與方法，包括格基規約方法、球形譯碼、低複雜度檢測方法、基于貝葉斯的檢測、采樣檢測、基于深度學習的智能檢測方法等，具備對不同的大規模MIMO系統進行深入分析、研究設計相應的信号檢測方法的能力。

3. 掌握運用現代仿真工具對無線通信信号檢測算法進行應用仿真，以及對各種檢測算法相應的編程設計能力。

4. 掌握對特定的研究專題進行資料檢索、分析研究、自我學習、演講交流和撰寫報告的能力。

5. 在課堂教學、研讨教學的同時，通過無線通信領域的新技術應用案例，培養學生樹立正确的價值觀、科學觀，提升學生的文化自信、科學自信、社會責任感和家國情懷。

三、教學方法

1. 課堂授課教學，采用多媒體教學和現場闆書相結合的方式，授課過程中，穿插提問、  互動等形式提高教學效果。

2. 專題研讨教學，針對特定的研究專題進行專題研讨，學生将專題研究内容以PPT文稿及演講進行展示，同時進行互動讨論。

3. 實踐環節教學，運用Matlab工具對信号檢測算法進行仿真實驗，強化理論和實踐的融合，以及采用課後作業、作業反饋、網上答疑等多種形式加強學習效果。

4. 深掘課程蘊涵的思想政治資源，通過系統案例和中國在無線通信領域的建設成就，增強學生的社會責任、曆史使命和愛國情懷，培養學生人文情懷、工匠精神和文化自信。

四、課程内容與學時分配

課堂教學學時24，教學内容與學時分配如下：

第一講：大規模MIMO系統上行信号檢測基礎知識（3學時）

包含基本的MIMO系統模型、發展演變過程、信道特性、MIMO檢測問題數學模型、基礎的線性檢測和非線性檢測方法等。

第二講：基于格基規約的MIMO檢測理論與方法 (3學時)

包含格理論中的LLL變換、圍繞LLL變換展開的改進，基于格基規約的MIMO檢測方法，有效檢測區域等。

第三講：球形譯碼 (3學時)

包含經典的Phost球形譯碼,SE球形譯碼，IRA譯碼以及相應的改進方法。

第四講：低複雜度檢測理論與方法 (3學時)

包含基于紐曼級數，牛頓疊代，雅克比，理查德森，高斯賽達爾等疊代方法的低複雜度檢測基本原理以及優缺點比較。

第五講：基于貝葉斯的檢測理論與方法 (3學時)

包含基于消息傳遞，期望傳播等方法的檢測基本原理以及優缺點比較。

第六講：采樣檢測理論與方法 （3學時）

包括各種空時頻多用戶傳輸技術應用于大規模MIMO系統存在的問題，以及相應的解決方案和研究現狀。

第七講：基于深度學習的智能檢測方法 (3學時)

包括各種基于深度學習與人工智能的大規模MIMO檢測的解決方案和研究現狀。

第八講：前沿大規模MIMO檢測工作讨論與拓展 (3學時)

包括分小組進行學習報告，設立若幹主題，進行分組彙報等

在講授無線通信系統具體應用的時候，融入工匠精神、人文情懷和文化自信，強調人的價值、地位與作用，使系統設計如何體現人性化、工程倫理、節能環保和愛國情懷。

五、課程教材與主要參考書

1.  Fundamentals of Wireless Communication，Tse, David, and Pramod Viswanath， Cambridge university press，2005

2.  Large MIMO Systems，A.Chockalingam，Cambridge university press，2011

六、能力培養的要求

1. 分析能力的培養：主要是對無線通信上行傳輸概念的理解以及對信号檢測理論與方法的理解與掌握，從而分析問題、解決問題。

2. 計算能力的培養：要求學生通過本課程的學習，具備對高維信号進行檢測與處理的能力，初步具有使用數學計算軟件進行矩陣運算等數值計算分析的能力。

3. 設計能力的培養：要求學生通過本課程的學習，具備對常規信号檢測進行設計的能力和對計算結果的正确性進行判斷或校核的能力；初步具有使用專業設計軟件的能力。

4. 自學能力的培養：通過本課程的教學，要培養和提高學生對所學知識進行整理、概括、消化吸收的能力，以及圍繞課堂教學内容，閱讀參考書籍和資料，自我擴充知識領域的能力。

5. 創新能力的培養：培養學生獨立思考、深入鑽研問題的習慣，和對問題提出多種解決方案、選擇不同計算方法，以及對計算進行簡化和舉一反三的能力。

七、考核方式

課程的考核以考核學生對課程目标的達成為主要目的，以檢查學生對教學内容的掌握程度為重要内容。課程成績包括兩個個部分，為平時成績和期末考試成績。成績采用百分制。成績評定方式如下表所示：

總評成績＝平時成績+考核成績 ，平時成績占30％，考核成績占70％

課程目标與課程考核環節關系：

八、課程支撐的畢業要求指标點

本課程支撐信息工程專業畢業要求中的如下指标點：

• 指标點1.4：掌握信息工程專業知識，并能夠綜合應用相關知識解決信息工程領域複雜工程問題。

• 指标點3.2：掌握信息處理基礎知識，能夠設計/開發信号處理系統解決方案

• 指标點5.1：能夠通過計算機網絡等途徑查詢、檢索信息工程專業文獻及資料。

• 指标點5.2：熟練掌握計算機設計與仿真工具，能夠對複雜工程問題進行設計與仿真。

九、課程目标與課程支撐的指标點的對應關系

Application Form For Opening Graduate Courses

School (Department/Institute)：

Course Type: New Open    Reopen □   Rename □（Please tick in □, the same below）

1. Course Introduction (including teaching goals and requirements) within 300 words:

This course covers the fundamentals of uplink signal detection of massive multiple input multiple output (MIMO) antenna based wireless communication systems. Massive MIMO is now an essential part of modern wireless communication systems, such as 5G, B5G, 6G etc. Massive MIMO brings to the domain of wireless communications, spectral efficiency and reliability gains. With multiple antennas at the transmitter and receiver it helps design wireless communication systems that can use the additional spatial dimension over and above the well investigated time-frequency dimensions to fetch myriads of new gains. Massive MIMO is expected to be one of the enabler of 5G and 6G communication systems. This course covers important concepts of massive MIMO detections. After completion of the course the participants will be able to apply the methods for performance analysis and design of advanced signal detection of uplink wireless communication systems.

2. Teaching Syllabus (including the content of chapters and sections. A sheet can be attached):

Lecture 1: The basics and background of massive MIMO (3 hours)

Learn the system model of MIMO systems, the development of MIMO systems, different channels, the problem of MIMO detection, linear detection and non-linear detection etc.

Lecture 2: Lattice reduction-aided detection (3 hours)

Learn lattice theory, LLL reduction, the modifications of LLL reduction, LLL reduction-aided MIMO detection, decoding region etc.

Lecture 3: Sphere decoding (3 hours)

Learn classic Phost sphere decoding, SE sphere decoding, IRA decoding as well as other related modifications etc.

Lecture 4: Low complexity detection (3 hours)

Learn detection schemes based on Neumann series, Newton, Jacobi, Richardson, GS, SOR, Steepest Descend, Damped Jacobi etc.

Lecture 5: Bayes based detection (3 hours)

Learn detection schemes based on expectation propagation, message passing etc.

Lecture 6: Sampling decoding (3 hours)

Learn sampling decoding, MCMC, derandomized sampling decoding etc.

Lecture 7: Decoding by deep learning (3 hours)

Learn decoding based on deep learning, deep neural networks etc.

Lecture 8: Discussions (3 hours)

Learn advanced massive MIMO detection schemes and its applications etc.

3. Teaching Schedule:

 2. Course terms: Spring, Autumn , and Spring-Autumn term.   

 3. The teaching languages for courses: Chinese, English or Chinese-English.  

 4. Applicable range of discipline: public, first-class discipline, second-class discipline, and third-class discipline.  

 5. Practice includes: experiment, investigation, research report, etc.  

 6. Teaching methods: lecture, seminar, practice, etc.  

 7. Examination for degree courses must be in paper.  

 8. Teaching material websites are those which have already been announced.  

 9. Brief introduction of chief lecturer should include: personal information (date of birth, gender, degree achieved, professional title), research direction, teaching and research achievements. (within 100-500 words)  

4. Brief Introduction of Chief lecturer:

Zheng Wang received the B.S. degree in electronic and information engineering from the Nanjing University of Aeronautics and Astronautics, Nanjing, China, in 2009, and the M.S. degree in communications from the Department of Electrical and Electronic Engineering, University of Manchester, Manchester, U.K., in 2010. He received the Ph.D. degree in communication engineering from Imperial College London, U.K., in 2015. From 2015 to 2016, he was a Research Associate with Imperial College London, U.K. From 2016 to 2017, he was a Senior Engineer with Radio Access Network R&D division, Huawei Technologies Company. His current research interests include MIMO systems, machine learning and data analytics over wireless networks, and lattice theory for wireless communications.

5. Lecturer Information (include chief lecturer)