重磅发布 | “基于昇思MindSpore的智能通信”实践课程在兰州大学正式上线！

导 语

人工智能技术已经在计算机视觉、语音识别和机器翻译等领域取得了巨大成功，同时也成为推动无线通信行业快速发展的重要引擎。随着移动通信从5G逐步迈向6G，深度学习与无线通信的智能融合已经成为6G发展的关键方向。近年来，学术界在基于深度学习的信道估计、信号检测、信道编译码以及语义通信等智能通信研究领域取得了众多引人注目的研究成果。

智能通信近年来在学术界受到广泛关注，然而，在通信工程等电子信息类本科专业人才培养中，智能通信的教学仍显得不够充实。为了解决这一问题，兰州大学袁磊副教授依托教育部-华为“智能基座”产教融合协同育人基地“金课”建设项目，建设了“基于昇思MindSpore的智能通信”在线实践课程。本课程以深度学习和昇思MindSpore基础知识为切入点，构建了多个富有挑战性的智能通信实践案例，通过逐步深入的实践使学生掌握智能通信系统的开发流程和实际应用。这既为学生提供了实战经验，也为电子信息类本科生进入智能通****信研究领域搭建了坚实的基础。

“基于昇思MindSpore的智能通信”课程网址：

https://www.educoder.net/paths/fi2axo4

0****1

课程简介

兰州大学“基于MindSpore的智能通信”课程主页

智能通信是无线通信领域的前沿研究方向，本课程基于国产AI框架昇思MindSpore构建了深度学习的调制类型盲识别、神经网络译码器和基于深度学习的信道编码码率盲识别三个方面的智能通信实践教学案例。在调制类型盲识别方面，既有基于星座图的案例，也有基于实测波形数据集的案例。并深入介绍了基于复数神经网络和多种信号特征融合的调制类型盲识别方法；在神经网络译码器方面，针对5G中使用的LDPC码和Polar码，开发了基于循环神经网络的LDPC码译码和基于ResNet的Polar码译码案例，进一步针对实际无线系统中可能遇到的噪声并非高斯白噪声而是相关噪声的问题，引入了利用卷积神经网络对噪声进行降噪和高斯化后进行信道译码的联合降噪译码案例；在信道编码码率盲识别领域，针对通信信号侦察领域需要进行信道编码码率盲识别的问题，先介绍了传统的LDPC码码率盲识别算法，然后开发了多种利用DL进行码率盲识别的案例，让学生了解利用DL进行码率盲识别的优势和掌握相关设计方法。

02

教学目标

本课程的教学目标如下：

• 理解智能通信的相关概念和发展趋势，激发学生的自主创新意识；
• 掌握运用Python和Matlab编程语言开发无线通信系统物理层相关算法；
• 掌握国产AI框架昇思MindSpore的基本开发流程及经典的深度学习网络模型；
• 掌握运用昇思MindSpore和DL进行调制类型盲识别和信道编码码率盲识别算法开发;
• 神经网络译码器设计，培养学生的实践创新能力。

03

课程特色

(1) 昇思MindSpore驱动前沿教学

本课程在国内率先开展了基于昇思MindSpore的6G前沿领域智能通信教学，以调制类型盲识别、信道编码码率盲识别及信道编码译码器设计三个应用场景为抓手，通过开发的多个实践教学案例让学生掌握如何将CNN、RNN、LSTM、ResNet等DL基础知识应用于无线通信系统设计，从而适应未来通信行业人才发展需求。

(2) 多层次案例式教学

本课程采用案例式教学，通过巧妙设计不同难度的实践案例，旨在提升学生的创新能力与实际应用技能。在基础性实践案例中，帮助学生运用Matlab、Python等编程工具，完成传统无线通信物理层算法的开发，同时通过实践掌握昇思MindSpore和经典深度学习网络模型（如AlexNet、ResNet等），全面参与智能通信实践案例的开发；在高阶性实践案例中，学生将面临更具挑战性的任务，需要自主设计复杂的深度学习网络模型，并运用这些模型进行智能通信相关实验。这一层次的实践旨在培养学生独立解决复杂问题的能力，加深对深度学习在通信领域的应用理解。通过案例式教学，学生将更好地理论与实践相结合，为未来职业发展打下坚实基础。

(3) 交互引导式教学手段

本课程以无线通信中不同任务为背景，设置实践案例，让学生充分理解学习内容的应用场景和应用方式。课程提供Matlab代码和Python代码进行引导和测评，学生需要根据已给出的代码指引和任务描述，将代码补充完整，使其能够顺利达到设定的任务目标。在具体案例中，任务内容按照DL经典流程分为3个步骤，第一步是数据集的调用和预处理，数据集可以通过Matlab或者Python生成，也可以调用公开的数据集；第二步学习如何调用昇思MindSpore框架提供的DL网络接口或自主设计DL网络，构建完成相应任务的网络模型；第三步是网络模型的训练及验证训练后网络模型的效果。通过上述3个步骤层层递进，引导学生快速掌握案例内容。

04

课程章节

第一章

人工智能概论

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

1-1 人工智能综述

第二章

Python基础语法

Python是一种面向对象的解释型计算机程序设计语言。它有着代码简洁、可读性强的特点。代码简洁是因为它把许多的复杂的操作封装起来，将C语言中麻烦的指针和内存管理对开发者隐藏起来，使得在开发过程中，无须在意这部分的细节。另外Python这们语言强制用户用缩进进行排版，若不好好排版，则代码编译无法通过，或者运行过程会出现错误。

2-1 列表

2-2 元祖

2-3 字典

2-4 函数

2-5 类

第三章

深度学习基础

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。本章将对深度学习的各个基础模块进行教学，帮助同学们快速入门深度学习。

3-1 神经元

3-2 激活函数

3-3 损失函数

3-4 前馈神经网络

3-5 卷积神经网络

3-6 循环神经网络

第四章

昇思MindSpore基础

昇思MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景覆盖三大目标。其中，易开发表现为API友好、调试难度低；高效执行包括计算效率、数据预处理效率和分布式训练效率；全场景则指框架同时支持云、边缘以及端侧场景。本章将教学如何在昇思MindSpore框架下进行深度学习基本操作。

4-1 昇思MindSpore简介

4-2 昇思MindSpore环境搭建

4-3 昇思MindSpore基础内容

4-4 昇思MindSpore入门实战

第五章

Matlab基础

Matlab是一种广泛应用于工程计算及数据分析领域的高级语言；具有功能强大、语言简单、简单易学、编成效率高、扩充能力强等优点。其广泛应用于数值计算、图形处理、符号运算、数学建模、系统辨识、小波分析、实时控制、动态仿真等领域。通信教学中常用它来实现许多算法的设计和仿真。第五章将使用Matlab完成两个基本的编译码实例，来让学生对通信的基础知识和结构有大致的了解。

5-1 Matlab语法简介

5-2 Matlab进阶实例

第六章

调制类型盲识别

信号调试方式识别技术在军、民等领域具有重要研究价值，信号调制方式的正确识别是通信接收机正确解调译码的前提。盲调制识别技术旨在接收未知调制信号类型并自动分类识别，此技术能在大量复杂多样的调制信号中正确识别调制格式。目前基于深度学习的盲调制识别技术能发挥深度学习在图像识别分类方面的极大优势，其稳定性和准确率都达到了空前高度。

6-1 调制类型盲识别介绍

6-2 基于GoodLeNet的信号调制类型盲识别

6-3 基于波形数据的调制类型盲识别

6-4 基于信号特征融合的调制类型盲识别

6-5 基于复数网络的调制类型盲识别

6-6 基于Attention机制的调制类型盲识别

6-7 基于迁移训练的调制类型盲识别

第七章

神经网络译码器

无线通信译码是将接收到的信号转化为有意义信息的关键过程。传统方法基于数学模型和规则，使用纠错码、解调和解调器等技术进行错误检测和纠正。相比之下，基于深度学习的无线通信译码利用神经网络学习和优化译码过程，具有以下优势：灵活性、自适应性、泛化能力和高性能，已经在研究和商业产品中得到应用。然而，深度学习模型需要大量数据和计算资源进行训练和设计，同时需要注意模型的泛化能力和实时性等问题。因此，在实际应用中需要综合考虑传统算法和深度学习算法的优缺点，并选择适合的译码方法。

7-1 神经网络译码器介绍

7-2 前馈神经网络译码器

7-3 循环神经网络译码器

7-4 基于BP-CNN的降噪译码器

7-5 基于ResNet的Polar码译码器

第八章

信道编码码率盲识别

信道编码码率盲识别是无线通信系统中的一项技术，通过对接收到的信号进行分析和处理，实现自动识别信道编码的码率。传统方法需要预先了解编码参数或使用参考信号估计，而码率盲识别不需要这些先验知识。深度学习作为一种强大的机器学习方法，可以自动学习特征和模式，提高准确性、实现自适应性和智能化，适应不同的信道环境和实时需求。它还具备可扩展性和通用性，有助于提升无线通信系统的性能和效率，并推动无线通信技术的发展和应用。

8-1 信道编码码率盲识别介绍

8-2 基于平均LLR的传统信道编码码率盲识别

8-3 基于AlexNet的信道编码码率盲识别

8-4 基于VGGNet的信道编码码率盲识别

8-5 基于ResNet的信道编码码率盲识别

05

学习导航

(1) 课程网址

https://www.educoder.net/paths/fi2axo4e

**对于老师，**可以将上述页面里的教学资源和实验资源，直接发送到老师们自己建设的课堂，供学生成建制的开展实践教学。在教学过程中，可根据学情反馈及时调整教学计划。

**对于学生，**点击网址链接，可跳转到课程主页，查看所有实践项目。在章节目录下点击“开始实践”即可进行案例实践。

(2) 课程参考教材

《智能通信：基于深度学习的物理层设计》金石，温朝凯编著，科学出版社，2020年，ISBN：978-7-03-065445-8.

《深度学习与MindSpore实践》陈雷编著，清华大学出版社，2020年，ISBN：978-7-302-54661-0.

《MATLAB基础与应用教程（第2版）》 蔡旭辉，刘卫国，蔡立燕编著，人民邮电出版社，2023年，ISBN：978-7-115-49488-7.

06

教师团队

袁磊

兰州大学信息科学与工程学院副教授，硕士生导师，通信工程专业系主任，中国电子学会会员，IEEE SPCC技术委员会成员。主讲本科生课程《无线通信技术与网络》、《物联网技术及应用》及兰州大学跨学科贯通课《现代通信网络中的数学原理》。主要研究方向为新一代无线通信技术，发表SCI、EI检索论文30余篇，授权发明专利8项，软件著作权5项，担任IEEE Wireless Communications Letters、IEEE Transactions on Vehicular Technology等国内外权威期刊审稿人。近几年指导学生获得“大唐杯”全国大学生移动通信5G技术大赛和全国大学生电子设计竞赛的省级和国家级奖项多项。2022年获得华为昇腾众智星光奖和教育部-华为智能基座“栋梁之师”称号，2023年其负责的无线通信与信息论课程教学团队荣获兰州大学“隆基教学创新奖”。