课程目标

现代无线通信系统的主要特征是不同种类的无线接入点部署得越来越密集,使得系统所受干扰变得越来越大。因此诸如多输入多输出技术,协同传输技术,以及更高效的信号检测算法等可以有效消除通信系统中干扰的技术被越来越广泛的应用,但这样一来也使得通信系统变得愈发复杂,于是就需要一种更有效的,能针对通信系统中的关键因子,诸如衰落特性、路径损耗、干扰以及信道状态信息等进行理论分析的数学工具，本课程讲授的随机矩阵理论可应用于若干种实际通信场景的理论分析，并作为数学工具发挥重要作用。

现代通信系统面临着越来越庞大的数据处理需求，为了提升系统性能，通信方法设计必须引入更智能的方法处理海量通信数据。随着AI技术快速发展，深度学习在通信领域受到越来越多的重视与应用。深度学习主要有两个核心部分组成，一个是深度神经网络，另一个是统计学习理论。其中深度神经网络提供一种针对复杂非线性模型的建模方法，而统计学习理论则为算法设计提供了理论支撑，指明了问题中的难点与关键点，为具体的研究指明了方向。另一方面，面对着以指数性增加的通信需求，一些先进的通信技术相继被提出，同时也使通信系统更加复杂。通信信号处理作为一门以信息论为基础的学科，统计学习理论一直以来就是解决相应问题的利器。因此本课程讲授的贝叶斯学习理论同样可应用于若干种实际通信场景的理论分析，并作为数学工具发挥重要作用。

总的而言，本课程通过对贝叶斯学习的基本理论的讲授以及理论运用案例分析，提高学生对人工智能数学基础的掌握能力；通过对随机矩阵理论讲授以及随机矩阵在无线通信中的应用分析，提高学生对大数据和大规模通信数学基础的掌握和应用能力；通过课程思政教学内容，引领学生奋斗自强，学以报国，为助力国家实现高水平科技自立自强提供自己的青春力量。总之，通过本课程建设可夯实学生从事科研工作的理论基础，提高研究生的研究水平和创新能力。