研究生课程开设申请表

开课院（系、所）：金沙js800000

课程申请开设类型： 新开     重开□     更名□（请在□内打勾，下同）

一、课程介绍（含教学目标、教学要求等）（300字以内）

课程围绕大规模MIMO系统中上行信号检测所展开，包括检测基础知识，介绍和讲述不同的检测方法与其对应的数学原理，并进行深入地分析与比较，力图勾勒出大规模MIMO检测研究的系统框架，使学生较为系统地学习大规模MIMO检测的理论和处理算法，帮助学生建立对于该研究领域的初步认识与理解，从而掌握大规模MIMO检测的应用和解决实际问题的方法，了解大规模MIMO检测技术的应用、发展和最新技术成就。采用讲授为主讨论为辅的教学方式，使学生通过本课程的学习，了解无线通信系统中MIMO传输技术的相关上行信号检测方法及最新研究动态，掌握其工作原理与设计方法，理解各项技术之间的区别与内在联系。

二、教学大纲（含章节目录）：（可附页）

第一讲：大规模MIMO系统上行信号检测基础知识（3学时）

包含基本的MIMO系统模型、发展演变过程、信道特性、MIMO检测问题数学模型、基础的线性检测和非线性检测方法等。

第二讲：基于格基规约的MIMO检测理论与方法 (3学时)

包含格理论中的LLL变换、围绕LLL变换展开的改进，基于格基规约的MIMO检测方法，有效检测区域等。

第三讲：球形译码 (3学时)

包含经典的Phost球形译码,SE球形译码，IRA译码以及相应的改进方法。

第四讲：低复杂度检测理论与方法 (3学时)

包含基于纽曼级数，牛顿迭代，雅克比，理查德森，高斯赛达尔等迭代方法的低复杂度检测基本原理以及优缺点比较。

第五讲：基于贝叶斯的检测理论与方法 (3学时)

包含基于消息传递，期望传播等方法的检测基本原理以及优缺点比较。

第六讲：采样检测理论与方法 （3学时）

包括各种空时频多用户传输技术应用于大规模MIMO系统存在的问题，以及相应的解决方案和研究现状。

第七讲：基于深度学习的智能检测方法 (3学时)

包括各种基于深度学习与人工智能的大规模MIMO检测的解决方案和研究现状。

第八讲：前沿大规模MIMO检测工作讨论与拓展 (3学时)

包括分小组进行学习报告，设立若干主题，进行分组汇报等

三、教学周历

注：1.以上一、二、三项内容将作为中文教学大纲，在研究生院中文网页上公布，四、五内容将保存在研究生院。2.开课学期为：春季、秋季或春秋季。3.授课语言为：汉语、英语或双语教学。4.适用学科范围为：公共，一级，二级，三级。5.实践环节为：实验、调研、研究报告等。6.教学方式为：讲课、讨论、实验等。7.学位课程考试必须是笔试。8.课件地址指在网络上已经有的课程课件地址。9.主讲教师简介主要为基本信息（出生年月、性别、学历学位、专业职称等）、研究方向、教学与科研成果，以100至500字为宜。

四、主讲教师简介：

王正，副教授，硕士生导师，江苏省双创博士，IEEE会员，IEEE通信协会会员，IEEE信息论协会会员。研究方向为智能无线通信系统信号传输与检测，机器学习与数理统计，数据分析与挖掘，以第一作者身份在IEEE TIT, TSP, TCOM等顶尖期刊上发表多篇论文。

五、任课教师信息（包括主讲教师）：

六、课程开设审批意见

说明：1．研究生课程重开、更名申请也采用此表。表格下载：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，同时提交电子文档交研究生院。

《大规模MIMO信号检测理论与方法》教学大纲

（课程编号  1.5学分 24学时）

金沙js800000

一、课程的性质与目的

二、课程内容的教学要求

本课程通过课堂教学和研讨学习环节，培养学生掌握大规模MIMO无线通信上行信号传输与检测课程的基本理论和实践方法，从而具备对无线通信系统和应用软件的设计和开发的基本能力，为复杂的无线通信工程设计和研究打下良好基础，具体为掌握以下几个方面的能力：

1. 学习与掌握大规模MIMO无线通信的系统构成、传输模型和信号检测方法。

2. 学习与掌握一系列高维信号检测理论与方法，包括格基规约方法、球形译码、低复杂度检测方法、基于贝叶斯的检测、采样检测、基于深度学习的智能检测方法等，具备对不同的大规模MIMO系统进行深入分析、研究设计相应的信号检测方法的能力。

3. 掌握运用现代仿真工具对无线通信信号检测算法进行应用仿真，以及对各种检测算法相应的编程设计能力。

4. 掌握对特定的研究专题进行资料检索、分析研究、自我学习、演讲交流和撰写报告的能力。

5. 在课堂教学、研讨教学的同时，通过无线通信领域的新技术应用案例，培养学生树立正确的价值观、科学观，提升学生的文化自信、科学自信、社会责任感和家国情怀。

三、教学方法

1. 课堂授课教学，采用多媒体教学和现场板书相结合的方式，授课过程中，穿插提问、  互动等形式提高教学效果。

2. 专题研讨教学，针对特定的研究专题进行专题研讨，学生将专题研究内容以PPT文稿及演讲进行展示，同时进行互动讨论。

3. 实践环节教学，运用Matlab工具对信号检测算法进行仿真实验，强化理论和实践的融合，以及采用课后作业、作业反馈、网上答疑等多种形式加强学习效果。

4. 深掘课程蕴涵的思想政治资源，通过系统案例和中国在无线通信领域的建设成就，增强学生的社会责任、历史使命和爱国情怀，培养学生人文情怀、工匠精神和文化自信。

四、课程内容与学时分配

课堂教学学时24，教学内容与学时分配如下：

第一讲：大规模MIMO系统上行信号检测基础知识（3学时）

包含基本的MIMO系统模型、发展演变过程、信道特性、MIMO检测问题数学模型、基础的线性检测和非线性检测方法等。

第二讲：基于格基规约的MIMO检测理论与方法 (3学时)

包含格理论中的LLL变换、围绕LLL变换展开的改进，基于格基规约的MIMO检测方法，有效检测区域等。

第三讲：球形译码 (3学时)

包含经典的Phost球形译码,SE球形译码，IRA译码以及相应的改进方法。

第四讲：低复杂度检测理论与方法 (3学时)

包含基于纽曼级数，牛顿迭代，雅克比，理查德森，高斯赛达尔等迭代方法的低复杂度检测基本原理以及优缺点比较。

第五讲：基于贝叶斯的检测理论与方法 (3学时)

包含基于消息传递，期望传播等方法的检测基本原理以及优缺点比较。

第六讲：采样检测理论与方法 （3学时）

包括各种空时频多用户传输技术应用于大规模MIMO系统存在的问题，以及相应的解决方案和研究现状。

第七讲：基于深度学习的智能检测方法 (3学时)

包括各种基于深度学习与人工智能的大规模MIMO检测的解决方案和研究现状。

第八讲：前沿大规模MIMO检测工作讨论与拓展 (3学时)

包括分小组进行学习报告，设立若干主题，进行分组汇报等

在讲授无线通信系统具体应用的时候，融入工匠精神、人文情怀和文化自信，强调人的价值、地位与作用，使系统设计如何体现人性化、工程伦理、节能环保和爱国情怀。

五、课程教材与主要参考书

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、能力培养的要求

1. 分析能力的培养：主要是对无线通信上行传输概念的理解以及对信号检测理论与方法的理解与掌握，从而分析问题、解决问题。

2. 计算能力的培养：要求学生通过本课程的学习，具备对高维信号进行检测与处理的能力，初步具有使用数学计算软件进行矩阵运算等数值计算分析的能力。

3. 设计能力的培养：要求学生通过本课程的学习，具备对常规信号检测进行设计的能力和对计算结果的正确性进行判断或校核的能力；初步具有使用专业设计软件的能力。

4. 自学能力的培养：通过本课程的教学，要培养和提高学生对所学知识进行整理、概括、消化吸收的能力，以及围绕课堂教学内容，阅读参考书籍和资料，自我扩充知识领域的能力。

5. 创新能力的培养：培养学生独立思考、深入钻研问题的习惯，和对问题提出多种解决方案、选择不同计算方法，以及对计算进行简化和举一反三的能力。

七、考核方式

课程的考核以考核学生对课程目标的达成为主要目的，以检查学生对教学内容的掌握程度为重要内容。课程成绩包括两个个部分，为平时成绩和期末考试成绩。成绩采用百分制。成绩评定方式如下表所示：

总评成绩＝平时成绩+考核成绩 ，平时成绩占30％，考核成绩占70％

课程目标与课程考核环节关系：

八、课程支撑的毕业要求指标点

本课程支撑信息工程专业毕业要求中的如下指标点：

• 指标点1.4：掌握信息工程专业知识，并能够综合应用相关知识解决信息工程领域复杂工程问题。

• 指标点3.2：掌握信息处理基础知识，能够设计/开发信号处理系统解决方案

• 指标点5.1：能够通过计算机网络等途径查询、检索信息工程专业文献及资料。

• 指标点5.2：熟练掌握计算机设计与仿真工具，能够对复杂工程问题进行设计与仿真。

九、课程目标与课程支撑的指标点的对应关系

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)