信息类研究生《现代数字信号处理》优质课程建设及思考
来源:用户上传
作者:
摘 要 针对我校信息类研究生必修课《现代数字信号处理》课程教学及优质课程建设过程中面临的重理论、轻实践，研究生创新能力不够等问题。从精选课程内容，优化课程体系、突出应用、特色，创新能力培养等入手。提出了一套针对性的措施来改善课程建设成效，实现课程团队成员合理优化配置，践行能力提升的核心理念。
关键词 现代数字信号处理 优质课程建设 优化配置
中图分类号：G423.3 文献标识码：A
1现状与背景分析
现代数字信号处理课程为我校通信、信号处理类工科研究生的专业必修学位课程。在我校信息类研究生培养课程体系中占有极其重要的地位。注重工程实践和应用，课程紧跟数字信号处理新技术，将现代智能信号处理方法，如机器学习、模式识别、深度学习、神经网络等智能感知信息方法，融合到现代数字通信、控制、信号处理等各个工业领域。我校自2014年国务院学位办授权硕士招生以来，以电子科学与技术（0809）一级学科为依托，着力打造研究生课程教学团队，为电路与系统及相关专业研究生开设现代数字信号处理课程已5年。课程教学团队师资力量雄厚，骨干教师均有博士、教授、或副教授学历，具有丰富的信号处理课程建设经验。近2年，针对信号处理类课程体系内部支撑问题，对信号处理系列课程进行整合，确立以“数字信号处理”、“统计信号处理”、“现代模式识别”、“现代数字信号处理”为核心的新型信号处理类课程群体系建设。但教学过程中发现，存在诸多不合理的问题，因此拟推出一系列措施：整合“信号处理仿真实验”各实验平台，软硬件资源及虚拟仿真，实现资源优化配置，提高实验资源和平台协同利用效率。
2優质课程建设措施
（1）课程建设紧紧围绕教学目标：精炼教学内容体系与结构，对离散随机信号处理的理论方法、实现及应用，功率谱估计、信号建模、自适应滤波器技术问题进行筛选。将统计与自适应信号处理应用，时域和频域中参数线性信号建模，非参数功率谱估计，最佳线性滤波器及算法，信号建模和参量谱估计，自适应滤破器设计等重点内容辅以应用案例教学，并配以图形演示，配合应用实例给出了说明和解释，教学效果卓著。
（2）团队成员精选教学内容，优化系列课程教学体系：教学实践中我们发现，如果对教学内容进行精选，可以有效地突破教学难点，优化教学效果。团队在教材选用上突出理论与应用结合，强化应用。在其他教材和教学网站上收集整理了很多典型应用，介绍基本概念、基本原理在实际工程中的应用，这样容易让学生容易理解、产生兴趣，并且易于接受。
（3）团队搭建课程教学演示系统：在教学过程中，团队老师根据需要制作和教学内容相应的演示程序，把抽象的理论用动态的图形来演示。根据对“现代数字信号处理”课程的重点难点分析，搭建教学演示系统结构图，分别实现了平稳随机信号的相关函数的估计、功率谱估计、维纳滤波、卡尔曼滤波、自适应滤波、信号的抽取和插值等内容的演示，形象直观，方便课堂教学。
（4）团队成员教学形式多样化，及时跟踪学习动态：团队老师充分利用板书教学和幻灯片教学的各自优势。板书教学用于相对简单，逻辑严密的推导和证明过程，给学生相对充足的思考时间。拓展知识部分或直观展示部分，利用形象思维提高授课效率，教法相互补充，解决学时不足问题.面向所有学生集中答疑，针对性讲解共性问题.针对部分学生答疑，解决个性问题，通过电邮网络答疑，解决简单个性问题.三种答疑方式结合，有效地推动教学有序运行。
（5）课程教学与科研相结合，将科研成果以案例形式引进课堂：教学科研结合作为促进教学质量提高的重要措施。一方面，通过科研，提高自身理论水平和实践能力，另一方面，促进科研成果向人才培养转化，推进教学为核心的改革，从科研工程中提炼、总结基础理论在实际应用中的案例，支撑课程知识点的教学，将科研资源转化为教学资源，丰富教学内容，促进科研思想、科研成果等进入理论教学、实验教学和创新实践等环节中。
3课程建设优势特色
（1）带动或指引信号处理类课程群建设。（2）承上启下，为后续信号处理类课程提供了现代数字信号处理数据处理的基本思想，基本思路。（3）为后续智能信息处理课程，如人工智能、机器学习、模式识别、深度学习、大数据统计行为分析等知识结构提供理论基础和知识储备。
4结束语
《现代数字信号处理》是我校信息电子类研究生的专业基础学位课程，在我校研究生培养方案中占有及其重要的位置，目前专业课程建设尚有很多不完善。本文从培养研究生动手能力，和培养实践性优质课程建设入手，推出一系列措施用于改善目前《现代数字信号处理》课程建设中存在的问题，对教学中存在各种问题进行探讨和思考，措施可行性尚需在实践中完善。
参考文献
[1] 王炳和.现代数字信号处理及应用[M].西安：西安电子科技大学出版社，2011（11）.
[2] 雷鸣.机器学习与应用[M].北京：清华大学出版社，2019.
[3] 陆凤波.复杂电磁环境下的欠定盲源分离技术研究[D].长沙：国防科学技术大学，2011.
[4] 李学龙，龚海刚.大数据系统综述[J].中国科学：信息科学，2015（01）.
转载注明来源:https://www.xzbu.com/1/view-15028866.htm
