新时期电子信息类工程人才培养模式探索与实践

以数字化、网络化和智能化为特征的信息技术正推动着新一轮科技革命和产业变革,影响着人类社会的生产和生活方式,对电子信息类人才培养的教学理念、教学内容和方法都提出了新的挑战。本文分析了新时期电子信息类工程人才培养存在的问题,介绍了重庆大学电子信息工程专业在人才培养中的探索与实践。基于面向产业、面向技术发展和未来的教育理念,突破学科专业壁垒,引入知识图谱,构建以学生为中心的知识、能力、素养协调发展人才培养体系;引导学生自主定位,构建知识结构,主动学习;通过三课堂融合,强化工程实践,用成功的实践经历激发学生的专业学习兴趣,培育专业志趣。

重庆大学知识产权信息服务中心成立

2018年7月19日,重庆大学知识产权信息服务中心正式成立,这是重庆市首家成立的高校知识产权信息服务中心。2017年12月25日,国家知识产权局办公室与教育部办公厅联合发布了《高校知识产权信息服务中心建设实施办法》(国知办发规字〔2017〕62号);2018年3月23日、6月22日,教育部科技发展中心召集多所高校图书馆,先后举办了两次高校知识产权信息服务研讨会,并于6月22日成立高校知识产权信息服务中心联盟,充分体现了国家行政部门对高校知识产权工作的重视。

6G新型时延多普勒通信范式:OTFS的技术优势、设计挑战、应用与前景

在未来的通信网络中,被广泛期待的第6代移动通信系统(The Sixth Generation of Mobile Communications System,6G)技术将面临诸多挑战,其中包括在高速移动场景下的超高可靠通信问题。正交时频空间(Orthogonal Time Frequency Space,OTFS)调制技术克服了传统通信系统在高速移动环境下多径和多普勒效应的影响,为实现6G超高可靠通信提供了新的可能性。该文首先介绍了OTFS的基本原理、数学模型、干扰与优势分析。然后,归纳分析了OTFS技术在同步、信道估计、信号检测技术上的研究现状。接着,从车联网、无人机、卫星通信、海洋通信4个典型应用场景分析了OTFS的应用趋势。最后,从降低多维匹配滤波器、相位解调和信道估计、硬件实现的复杂度和提高对时频资源的高度利用4个角度探讨了未来研究OTFS需要克服的困难和挑战。

无线网络通信及其应用课程的虚拟仿真实验教学设计与实现

开设无线网络通信实验存在设备昂贵、协议复杂以及基于行业应用背景的实验教学难以现场开展等问题。为此,设计并实现无线网络通信及其应用课程的虚拟仿真实验教学,包括基础实验、专项实验和综合设计3层次实验。采用Catfly无线网络节点实验平台构建虚拟仿真实验环境,全方位实现无线网络通信技术及其应用所涉及的重要知识点的实验探究。该课程通过应用案例触发模式带动学生体验“需求—设计—实现”的完整项目开发过程,有效提升无线网络通信及其应用相关教学内容的学习效果,对无线网络通信领域技术人员的培养具有重要意义。

面向车联网通信的OTFS信号检测算法综述

车联网(Vehicle to Everything,V2X)通信被认为是未来无线通信网络最重要的应用之一。然而,车辆在高速移动时引起的高多普勒频移会严重恶化V2X通信链路的性能。正交时频空(Orthogonal Time Frequency Space,OTFS)调制技术可以将时间和频率选择性信道转换为时延-多普勒(Delay-Doppler,DD)域的非选择性信道,从而显著提高无线通信系统在高移动性场景下的性能,在V2X通信中具有重要的应用价值。但OTFS调制技术极大地增加了系统接收端的复杂度,研究低复杂度信号检测算法成为了新一代无线通信系统采用OTFS调制的关键问题之一。为此,综述了面向车联网V2X通信的OTFS信号检测算法。首先介绍了OTFS系统模型,然后概述了现有的低复杂度OTFS信号检测算法,并将其分为线性检测算法、消息传递(Message Passing,MP)检测算法及其改进算法、基于神经网络的检测算法3类,最后探讨了V2X通信中OTFS信号检测目前所面临的技术挑战与未来的发展趋势。

面向异构传输需求的多无人机通信协同抗干扰决策方法

干扰条件下的多无人机通信中,用户根据业务有不同的通信需求,而各个信道质量也不同,对抗干扰通信决策提出了业务需求与资源匹配的新要求。针对外部对抗性干扰场景下,多个用户如何选择适合的信道和功率,在干扰躲避、内部冲突控制以及功率优化的同时实现有限资源的高效利用这一问题进行研究,提出了一种面向传输需求匹配的抗干扰决策方法。首先,利用部分重叠信道的特性进行信道资源复用;然后,运用多用户协同强化学习训练用户信道选择策略,并使用斯坦伯格博弈对功率进行优化,实现对用户异构传输需求进行资源匹配。所提方法能实现干扰条件下的多用户异构传输需求的信道和功率联合优化,提升资源利用合理性,实现传输效果的提升。

多波束小基站协作通信的资源分配和位置规划

针对小基站加载多波束阵列天线后协作提供通信覆盖的资源分配与位置规划问题,建立了以最小化基站总功耗以及基站间负载均衡为目标函数的多目标混合整数非凸优化模型;给出了一种迭代优化算法,将问题分为用户关联、功率分配和位置部署3个子问题,在固定基站位置和波束功率下通过改进的鲸鱼算法求解出用户与波束的关联关系,在此基础上利用连续凸逼近法和改进差分进化算法交替优化功率分配和基站位置部署。数值仿真表明,多波束小基站与所提迭代算法可灵活适应复杂业务需求分布,降低网络功耗和均衡基站间负载。可为小基站加载阵列天线增强通信覆盖提供参考。

“电子线路”远程在线实验平台建设与实践

远程在线实验平台通过网络提供开放式硬件资源,可远程控制真实电路搭接并进行设备参数测试,克服了纯软件仿真实验的局限性,突破传统实验的时空限制,扩展了实验渠道。文章介绍“电子线路”远程在线实验平台的建设方案,以振幅调制实验为例说明平台使用方法;介绍实验平台在实验教学中的应用情况,体现远程在线实验相对于传统实验的优势;阐述了通过远程在线实验和现场实验互为补充,扩充实验内容的实验设计思路,为实验教学改革探索提供了新途径。

电子信息类专业课程思政体系研究

开展面向电子信息类专业课程思政的教学模式研究,教学课堂实践,为工科类本科生提供兼有正确人生价值观、职业道德修养、“工匠精神”和爱国情怀的优质思政教学课程,实现专业知识传授与思政教育引导的有效融合、同频共振,提高教学质量。不断强化专业课教师对专业课育人职责的认识和水平,进一步促进专业教师将学生的价值引领与知识传授有机结合,将德育培养任务始终贯穿于专业课程教学的全过程,提升专业课教师的课程思政能力,同时构建融入思政元素的多维度开放性课程评价体系和基于课程思政理念的多元双向考评体系。

工程管理数字化关键技术研究进展

随着建设工程规模的扩大与难度的不断提升,传统工程管理方法已无法满足其需要;同时建筑信息模型(BIM)、地理信息系统(GIS)和人工智能(AI)等数字化技术的出现,为工程管理的数字化与现代化发展提供了一种新思路。以数字化工程管理为出发点,从BIM+GIS、AI两个方面,对近年来数字化工程管理的技术与研究成果进行了详细的总结与归纳,包括BIM+GIS在建筑、基础设施、市区建设的综合应用,以及计算机视觉、自然语言处理(NLP)、信息融合、知识表示与推理、智能优化等AI技术与工程管理的有机融合,最后对工程管理数字化关键技术的发展趋势进行了展望。

模拟集成电路设计课程实验项目驱动式教学改革

基于高校模拟集成电路设计课程实验项目分散且教学目标不明确,缺乏系统性和工程应用性,提出了项目驱动式教学改革。以与企业合作的工程项目为基础设立实验项目,并分解成由易及难的多个实验题目,分阶段、分步骤完成实验内容,最终完成模拟集成电路设计全流程实验,以“带隙基准电压源芯片全定制设计实验”为例阐述了实施步骤。课程实验项目采用驱动式教学加深了学生对课程内容的理解,有助于培养学生扎实的工程实践能力。

基于跨越连接与融合注意力机制的红外弱小目标检测方法

针对复杂背景红外小弱目标信号弱、特征不明显、干扰虚警多等检测性能低问题,提出基于跨越连接与融合注意力机制的单阶段红外弱小目标检测算法。该方法融合注意力机制与残差网络提取小目标多特征,减少复杂背景干扰;双向跨越连接结构融合低层与高层各自的特征信息,凸显小弱目标特征表达能力;增加一个高分辨率检测层,重新聚类弱小目标先验框,增强目标与背景的特征差别学习能力;最后,建立真实目标和预测目标框的高斯分布模型,计算两者相似性,解决因IoU度量造成的目标损失回归偏差敏感问题,提升损失回归准确性。在公开红外小目标数据集上进行对比测试,实验结果表明该算法对多种复杂背景下红外小弱目标检测均取得了最佳性能,在平均精度和速度等方面都得到显著提升,模型最小,方便部署。

基于包络学习和分级结构一致性机制的不平衡集成算法

集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络(Deep Instance Envelope Network,DIEN)和分级结构一致性机制(Hierarchical Structure Consistency Mechanism,HSCM)的不平衡集成学习算法.该算法在考虑局部流形和全局结构信息的情况下,通过多层样本聚类,生成高质量的多层包络样本,从而实现类平衡化.首先,算法基于样本近邻拼接和模糊C均值聚类算法,设计DIEN来挖掘样本的结构信息,得到深度包络样本.然后,设计局部流形结构度量和全局结构分布度量来构建HSCM用于增强层间样本的分布一致性.接着,将DIEN和HSCM结合起来,构建出优化后的深度样本包络网络——DH(DIEN with HSCM).之后,将基分类器应用于包络样本.最后,设计bagging集成学习机制来融合基分类器的预测结果.文末组织了多组实验,采用了十多个公共数据集和有代表性的相关算法进行验证比较.实验结果表明,本文算法在AUC(Area Under Curve),F-measure等四个性能指标上显著最优.

基于局部显著特征聚焦学习的SAR舰船智能检测

合成孔径雷达(Synthetic Aperture Radar,SAR)图像的船舶目标检测,因其广泛的应用前景而备受关注。近年来,基于深度学习的SAR图像船舶目标检测在多种场景中表现出较好性能。然而,由于SAR独特的成像机制,舰船目标通常与背景环境具有相似的散射特性使得实际的船舶目标难以辨识,且船舶目标尺度较小,导致准确检测船舶目标具有挑战性。为了缓解这一问题,本文提出了一种基于局部显著特征聚焦学习的SAR舰船检测方法。首先,设计了双重注意力模块,通过对通道级和空间级的特征进行双重注意力加权,以充分地探索船舰目标的关键语义特征,从而提升模型的深度提取能力。随后,为了进一步提升模型对船舶目标特征的表征能力,设计了平衡特征金字塔网络模块,通过对舰船目标的多尺度特征进行缩放、增强和聚合处理,以实现多尺度特征间的语义和空间信息均衡分布。最后,在SAR舰船检测数据集(SAR Ship Detection Dataset,SSDD)上进行了广泛的实验分析,实验结果一致性地证明了所提方法在提升SAR图像舰船目标检测准确性方面的有效性。

使用异质集成学习和心电信号异构特征融合的睡眠呼吸暂停分类方法

睡眠呼吸暂停(SA)会影响睡眠质量,增加心脑血管疾病风险,其准确分类有助于在SA早期阶段及时开展针对性治疗。本文提出一种使用异质集成学习和异构特征融合的SA分类新方法。首先从原始心电信号中提取小波时频谱,使用SE-ResNet作为初级分类器;然后提取RR间期序列和R峰值序列,使用1D CNN-LSTM作为初级分类器;再提取心率变异性特征,使用SVM作为初级分类器。最后采用堆叠法作为异质集成学习的融合策略,再使用另一个SVM作为次级分类器实现SA分类。在Apnea-ECG数据集上进行实验,所提出的SA分类方法的准确率为89.12%。实验结果表明,所提方法有效利用了各初级分类器的多样性和异构特征的互补性,其性能优于传统的SA分类方法。

一种低复杂度的正交时频空系统接收机设计

正交时频空(OTFS)调制可以将时间和频率选择性信道转换为时延-多普勒(DD)域的非选择性信道,这为高速移动场景建立可靠的无线通信提供了解决方案。然而,在车联网等复杂的多散射场景下,信道存在严重的多普勒间干扰(IDI),这给OTFS接收机信号的准确解调带来了极大的挑战。针对上述问题,该文提出一种联合稀疏贝叶斯学习(SBL)和阻尼最小二乘最小残差(d-LSMR)的OTFS接收机设计。首先,根据OTFS时域和DD域的关系,采用基扩展模型(BEM)将信道估计问题转换为基系数恢复问题,精准估计包括多普勒采样点在内的DD域信道。然后,提出一种高效的转换算法将基系数转换为信道等效矩阵。其次,将信道估计中估计得到的噪声,用于d-LSMR均衡器中进行信道均衡,并利用DD域信道矩阵的稀疏性实现快速收敛。系统仿真结果表明,与目前代表性的OTFS接收机相比,该文所提方案实现了更好的误码率性能,同时降低了计算复杂度。

最大SNR准则的共形阵列波束合成方法

相控阵波束合成的最终目的是提高接收信号的信噪比(Signal-to-Noise Ratio,SNR),但是由于共形阵阵面是弯曲的,各个阵元具有不同的接收SNR,把所有阵元移相后直接进行波束合成并不能保证获得最大SNR。在考虑单元方向图影响情况下,通过对共形相控阵天线接收SNR解析表示,采用迭代方式对阵元是否接入波束合成进行判断,确保了天线具有最大SNR输出。计算机仿真证实了阵元选择方法的正确性。

面向学位/学历证书可信管理的可扩展类PBFT算法

现有的学位/学历证书可信管理存在节点扩展的优化策略不足、未考虑节点差异性和吞吐量低等问题,“区块链+教育”为学位/学历证书的可信管理提供了一种解决方案。针对上述问题,提出一种面向学位/学历证书可信管理的可扩展类PBFT算法z-PBFT。该算法采用基于区域分组的分层设计,算法模型分为主区域和副区域节点簇,副区域内部采用局部共识机制;通过基于TOPSIS建模和熵值赋权法的加权随机选取分派策略评估节点性能,并选取共识委员节点集。实验结果表明,在大规模节点应用场景下,该算法在确保安全性的同时,具有更高的吞吐量和可扩展性。

活动理论视角下高校数字劳动教育的优化路径研究

数字化智能制造产业的不断升级发展,意味着未来生产劳动中将会出现越来越多的数字化、智能化、虚拟化数字劳动,但这并未引发研究者对数字劳动教育的广泛关注,导致鲜有研究从全局视角探究数字劳动教育的优化路径,而活动理论的引入为此研究提供了可能。基于此,文章首先阐述数字劳动、数字劳动教育与数字化劳动教育的相关理论,梳理数字劳动教育在高校层面的实践情况;然后,文章基于全国高校劳动教育实施推进情况的研究成果,分析了80所高校的劳动教育实施方案相关数据,透视高校数字劳动教育的发展问题;最后,文章基于活动理论与数字劳动人才培养机制的耦合关系,提出了高校数字劳动教育的优化路径,即形成面向数字资源创生的育人平台、建立面向个性教育指导的育人规制、构成面向师资群体演进的育人主体、实现面向教育价值形塑的育人生态,以期为教育数字化转型发展与数字劳动教育育人实践提供参考。

车联网V2I场景下基于GNN的SC-FDMA智能信道估计

随着车联网的迅猛发展,车对路基础设施(Vehicle to Infrastructure,V2I)通信对车联网的可靠性和时延提出了更高的要求,而信道估计是接收机高可靠低时延通信的重要保障.为解决传统信道插值算法不能有效拟合V2I信道快时变特性、自适应多普勒频移能力弱和传统神经网络可解释性不强的问题,本文提出基于图神经网络(Graph Neural Network,GNN)的单载波频分多址(Single Carrier-Frequency Division Multiple Access,SC-FDMA)智能信道估计算法.该算法将信道频率响应中的数据点作为图的节点、符号间时域相关性作为边,将图化后的数据送入GraphSAGE信道插值器(GraphSAGE Channel Interpolator,GCI)中,通过边更新、聚合操作、节点更新三大模块进行网络训练,同时采用多普勒频移矢量作为节点特征控制网络拟合不同多普勒条件的信道,使得网络具备可解释性.最后,系统仿真验证了在不同速度环境下算法的有效性和鲁棒性,较线性插值、样条插值以及全连接网络,本文所提GCI在低、中和高速移动环境下具有最优的误码率(Bit Error Rate,BER)和归一化均方误差(Normalized Mean Square Error,NMSE)性能,特别地,在200 km/h高速移动条件下GCI的优势更为明显.