高职通信技术专业《移动通信网络智能化升级：从5G到6G的演进与实践》教学设计

高职通信技术专业《移动通信网络智能化升级：从5G到6G的演进与实践》教学设计

  一、课程定位与核心素养目标

  本教学设计面向高职院校通信技术专业三年级学生。学生已完成《移动通信原理》、《数据通信与网络》、《无线网络优化》等前导课程的学习，具备了通信系统基础架构、无线空口技术、网络协议栈等方面的基本知识。本课程旨在学生已有知识图谱上，构建关于移动通信网络智能化升级的系统性、前瞻性与实践性认知。其定位并非单纯介绍性概论，而是作为连接经典通信理论与前沿产业实践的“桥梁课程”与“综合实训课程”，重点培养学生面对复杂网络演进问题时，运用跨学科知识（通信工程、计算机科学、数据科学）进行分析、设计、仿真与批判性思考的高阶职业能力。

  本课程致力于培养三项核心素养：

  1.技术融合与系统架构素养：超越对单一技术的理解，能够从系统工程的视角，剖析人工智能（AI）、大数据、云计算、边缘计算等技术如何深度融入并重构移动通信网络的架构、功能与业务流程。理解“连接+算力+智能”融合的新型网络范式。

  2.演进路径与产业洞见素养：掌握从5G-Advanced（5G-A）向6G演进的清晰技术路线图、关键驱动力（业务需求、技术瓶颈、标准竞争）及潜在颠覆性技术。能够基于行业报告、标准组织（3GPP,ITU-R）文稿进行自主信息提取与分析，形成对产业发展趋势的独立判断。

  3.仿真验证与方案设计素养：具备在近似真实的软件仿真环境中（如基于MATLAB/Simulink、NS-3或专业网规网优平台），对特定的网络智能化功能（如智能无线资源管理、AI赋能的网络切片）进行建模、参数配置、性能仿真与结果评估的能力，并能针对给定场景，初步设计可行的智能化升级技术方案。

  二、教学目标

  （一）知识与技能目标

  1.能精确阐述移动通信网络智能化升级的内涵，区分“网络智能化”与“智能通信网络”的概念层次，列举至少三个驱动升级的核心业务场景（如沉浸式XR、全域物联网、数字孪生）。

  2.能系统描述5G-A在uRLLC（超高可靠低时延通信）、mMTC（海量机器类通信）及网络智能化方面的关键增强技术，如集成接入与回传（IAB）、无线化网络（CloudRAN）向开放化、智能化演进。

  3.能阐明6G愿景中的核心概念（如万物智联、数字孪生网络、通感算一体），并解释至少两项潜在使能技术（如太赫兹通信、智能超表面、AI原生空口）的基本原理与技术挑战。

  4.能熟练操作指定的网络仿真平台，完成一个包含AI智能体的网络切片资源调度仿真实验，分析不同AI算法（如强化学习）对切片服务质量（QoS）和资源利用率的影响。

  5.能基于给定的小区覆盖与业务负载数据，利用数据分析工具（如PythonPandas,JupyterNotebook）进行初步的KPI（关键绩效指标）异常检测与根因分析模拟。

  （二）过程与方法目标

  1.通过“标准文档研读-技术白皮书分析-厂商解决方案比较”的项目式学习过程，掌握从海量、有时冲突的行业信息中提炼技术要点和商业逻辑的方法。

  2.经历“场景定义-问题建模-仿真验证-结果分析”的完整工程研究闭环，体验将抽象的智能化概念转化为具体可验证的技术方案的过程。

  3.在小组协作中，通过角色扮演（如标准工程师、算法工程师、网络运维工程师）进行技术辩论与方案整合，提升在跨职能团队中的沟通与协作能力。

  （三）情感、态度与价值观目标

  1.激发学生对通信领域尖端技术探索的求知欲与使命感，认识中国在5G/6G研发与部署中的成就与挑战，树立科技报国的专业理想。

  2.培养严谨求实、精益求精的工程伦理意识，认识到网络智能化升级在提升效率的同时，可能带来的复杂性、不确定性及新的安全与隐私风险。

  3.形成开放合作的国际视野，理解全球标准制定与产业生态合作在通信技术演进中的决定性作用。

  三、教学内容与重点难点

  模块一：绪论——智能化升级：移动通信网络的必然选择(4学时)

  1.内容：回顾从1G到5G的代际演进逻辑；定义网络智能化（在网中引入AI）与智能通信网络（网络内生智能）的差异与联系；分析驱动升级的内外因素：爆炸式增长的多元化业务需求（ToC，ToB，ToH）、频谱与能效瓶颈、运维成本压力、自主演进需求。

  2.重点：智能化升级的核心价值主张：从“管道”到“平台”再到“智能体”的转型。

  3.难点：理解“网络即AI平台，AI即网络服务”的融合范式。

  模块二：基石——5G-Advanced的智能化增强(12学时)

  1.内容：

    (1)网络架构智能化：开放无线接入网（O-RAN）架构详解（RIC：近实时与非实时智能控制器，xApp/rApp），其如何为网络智能化提供开放、可编程的平台。

    (2)空口智能化：AI/ML用于信道状态信息（CSI）反馈增强、波束管理与预测、自适应调制编码（AMC）。

    (3)网元与功能智能化：AI赋能的网络切片生命周期管理（创建、保障、优化）、基于大数据的无线网络自优化（SON）向深度自优化（Deep-SON）演进、移动性增强。

    (4)运维智能化：引入数字孪生技术构建网络数字副本，用于预测性维护、闭环自动化与What-if分析。

  2.重点：O-RAN架构与RIC的核心作用；AI/ML在物理层与无线资源管理中的具体应用模型。

  3.难点：理解分布式智能在RAN中的部署（中心、边缘、终端）与协同机制；区分不同ML模型（监督、无监督、强化学习）适用的网络优化场景。

  模块三：愿景——6G：原生智能的通信网络(10学时)

  1.内容：

    (1)6G愿景与场景：沉浸式通信、超能物联网、泛在智能、数字孪生世界等。

    (2)潜在关键技术：

      -新频谱与空口：太赫兹通信的特点与挑战；基于AI的原生空口设计（AI-nativeAIR）。

      -新网络架构：跨星地融合网络的智能资源管控；通感算一体（ISAC）网络架构与资源分配。

      -新使能技术：智能超表面（RIS）对无线环境的智能调控原理；语义通信与任务导向通信的基本思想。

    (3)内生智能网络架构：网络全栈各层级的智能内生设计，AI作为基础服务能力。

  2.重点：6G与5G-A的本质区别——从“附加智能”到“原生智能”；通感算一体的概念与网络设计挑战。

  3.难点：太赫兹信道建模的复杂性；语义信息论与传统香农信息论的哲学差异。

  模块四：实践——智能化网络仿真与案例分析(10学时)

  1.内容：

    (1)仿真平台导览：基于O-RANSC或NS-3withAI模块的仿真环境搭建与基础操作。

    (2)综合仿真项目一：设计并实现一个基于强化学习的rApp，用于动态网络切片资源分配，优化多目标（吞吐量、时延、公平性）。

    (3)综合仿真项目二：利用历史KPI数据，构建一个异常检测模型，并进行简单的根因关联分析模拟。

    (4)行业案例分析：剖析一个实际运营商或设备商的网络智能化升级商用案例（如智能节能、智能投诉处理）。

  2.重点：仿真实验的设计、执行与结果可视化分析。

  3.难点：将实际网络问题抽象为适合AI算法求解的数学模型；仿真结果的合理解读与优化建议提出。

  四、教学实施过程（为核心环节，详细阐述）

  （一）总体教学策略与流程

  采用“三阶段、双循环”的混合式教学模式。三阶段指“课前知识建构-课中深度探究-课后迁移创新”。双循环指“理论认知循环”（从案例到概念到原理）与“实践能力循环”（从问题到建模到仿真）。每个核心教学单元均遵循“情境锚定-问题驱动-协作探究-技术实操-反思升华”的基本流程。教学场所包括智慧教室（配备小组研讨屏）、通信原理实验室及配备高性能计算资源的云实训平台。

  （二）分模块教学实施详案

  模块一第一单元教学实施（2学时）：识别智能化升级的驱动力

  1.情境锚定（15分钟）：

    播放一段融合了8KVR直播、工厂数字孪生控制、大规模无人机协同巡检的愿景视频。随即展示当前某城市核心区5G网络在业务高峰期的负载热力图与用户投诉报告（脱敏数据）。提问：“视频中的美好愿景，与现实中网络的‘力不从心’，矛盾何在？”

  2.问题驱动与初步探究（25分钟）：

    学生以小组（4-5人）为单位，基于课前预习材料（关于5G现网三大场景eMBB，uRLLC，mMTC的现状分析报告），讨论并罗列出至少五个现有网络在应对未来业务时可能存在的“能力鸿沟”。教师巡视，引导思考维度：速率、时延、连接数、可靠性、能耗、灵活性、运维复杂度。

  3.协作探究与概念生成（40分钟）：

    各小组派代表陈述本组的“能力鸿沟”列表，教师将其分类整理于电子白板。引导学生发现，这些鸿沟无法单纯通过增加基站数量或频谱资源（传统外延式发展）经济有效地解决。进而引入核心问题：“有没有一种‘内涵式’的解决方案，让网络变得更‘聪明’？”教师顺势提出“网络智能化升级”总议题。通过对比“自动化”（基于固定规则）与“智能化”（基于数据与学习、能适应未知）的区别，精确定义本课程讨论的“智能”。

  4.技术深化与案例剖析（15分钟）：

    教师简要介绍一个早期案例：谷歌利用AI优化其数据中心冷却系统，节能高达40%。类比到通信网络：“我们的基站、核心网，是否也能像数据中心一样，通过AI学习运行规律，实现智能节能？”引出智能化在“节能降耗”这一明确商业驱动力上的价值。布置课后任务：寻找一个通信领域外（如交通、电网）的智能化升级案例，分析其与本课程的潜在关联。

  5.反思与小结（5分钟）：

    教师总结：智能化升级不是可选项，而是应对业务爆炸、复杂度飙升和绿色低碳要求的必然路径。它不仅是技术的叠加，更是网络范式的变革。

  模块二第二单元教学实施（4学时）：深入O-RAN架构与RIC

  1.课前准备：

    学生自学O-RAN联盟发布的架构白皮书（指定章节），完成在线测验，重点理解O-RAN提出的“开放”与“智能”两大核心理念，以及SMO（服务管理与编排）、RIC等新功能实体的位置。

  2.课中：问题导入（20分钟）：

    教师展示一张传统一体化基站的框图与一张O-RAN解耦后的框图（CU，DU，RU分离）。提问：“解耦带来了灵活性，但如何管理这‘一分为三’甚至更多的网元？如何让不同厂商的CU和DU协同工作？”引导学生认识到标准接口（如F1，E2）的重要性。进而追问：“标准接口之上，如何注入‘智能’？”

  3.核心概念精讲与可视化演示（40分钟）：

    教师利用高交互性的动态架构图，详细讲解RIC。区分非实时RIC（Non-RTRIC，位于SMO内）与近实时RIC（Near-RTRIC，位于CU侧）。强调：Non-RTRIC如同“战略大脑”，负责分钟/小时级策略制定、AI模型训练与分发；Near-RTRIC如同“战术小脑”，负责10ms-1s级的策略执行与控制。通过动画演示一个“小区容量预测与扩容”场景：Non-RTRIC中的大数据分析平台预测到某商圈晚间流量将激增，遂通过A1接口向该区域Near-RTRIC下发“准备扩容”的策略指导；Near-RTRIC收到指令后，通过E2接口控制其管辖的DU和CU，提前配置资源。

  4.小组角色扮演与协作探究（50分钟）：

    设计一个“智能负载均衡”场景。某体育馆有南北两个小区，南侧有大型活动，北侧空闲。学生小组内分饰角色：角色A（Non-RTRIC算法工程师）：负责设计负载预测模型和迁移策略；角色B（Near-RTRIC应用开发者）：负责编写接收A1策略并转化为具体无线参数（如切换门限、功率调整）的xApp逻辑；角色C（网络运维工程师）：关注该策略对用户体验KPI（如掉话率）的影响。各角色先内部研讨，再跨角色小组讨论，最终形成一个协同工作方案，并绘制出信息流图（从数据采集到策略下发到网元执行）。

  5.技术实操（40分钟）：

    登录云实训平台，访问一个已预置的O-RAN仿真环境。学生以小组为单位，操作一个已开发的示例xApp（如基于简单阈值的负载均衡）。通过图形界面，修改xApp的输入参数（如负载阈值），观察仿真网络中用户分布和小区负载的实时变化，记录关键KPI。直观感受RIC和xApp对网络行为的调控能力。

  6.课尾总结与前沿拓展（10分钟）：

    总结O-RAN通过“解耦、开放、智能”重构了RAN产业生态，使网络智能化从封闭的“黑盒”走向开放的“白盒”。提出开放带来的新挑战：安全性、xApp/rApp的标准化测试与认证。布置阅读一篇关于O-RAN安全挑战的最新研究短文。

  模块三第三单元教学实施（4学时）：探究通感算一体（ISAC）

  1.情境锚定（20分钟）：

    回顾当前自动驾驶方案：依赖激光雷达、摄像头、毫米波雷达等多种传感器，并通过车载计算单元（域控制器）融合感知结果，再通过5G/V2X通信获取周边信息。指出其痛点：硬件成本高、系统复杂、感知与通信数据异构难融合、算力受限。提出颠覆性问题：“能否让通信基站，在给我们传输数据的同时，也像雷达一样‘看到’周围的车辆和行人？并用同一套信号、同一套硬件、同一套处理流程来实现？”

  2.核心概念建构与原理剖析（60分钟）：

    (1)概念厘清：解释ISAC（IntegratedSensingandCommunication）不是简单的“通信+雷达”拼凑，而是波束、波形、信号处理、硬件架构、网络资源的深度一体化设计。其输出是统一的“感知-通信”联合信息流。

    (2)信号层面：对比传统通信信号（以承载信息为目的，优化频谱效率）与雷达信号（以探测目标为目的，优化分辨率和测距精度）。展示如何设计一种统一的ISAC波形（如基于OFDM的雷达通信一体化波形），使其既能调制数据，又具有良好的自相关特性用于测距测速。

    (3)资源层面：分析时、频、空、功率资源在“通信”与“感知”两个任务间的权衡与智能分配。引入“帕累托最优边界”概念，解释为什么需要智能算法来动态调整资源分配策略（如：当需要高精度感知时，分配更多带宽和波束扫描时间）。

    (4)应用场景想象：除了自动驾驶，引导学生讨论低空经济（无人机监管）、智慧家居（手势识别与无感连接）、智慧工厂（人员定位与设备控制一体化）等场景。

  3.难点突破：仿真演示与讨论（30分钟）：

    教师运行一个简化的ISAC系统级仿真。动态展示一个基站同时服务于多个通信用户并对一个移动目标进行跟踪。屏幕上同步显示通信速率、感知精度（目标轨迹估计误差）两个指标。教师动态调整系统参数（如分配给感知的功率比例），让学生观察两个指标如何此消彼长。引导学生讨论：在何种业务优先级下（如安全第一的自动驾驶vs.速率第一的VR），应如何设置优化目标函数。

  4.小组挑战与展望（30分钟）：

    发布挑战任务：“为一座未来‘智慧高速公路’设计一个初步的ISAC基站部署与功能规划方案”。要求考虑：基站部署间距、主要感知目标（车辆、抛洒物）、需要提供的通信服务（C-V2X消息、高清地图分发）、面临的挑战（多径干扰、高速移动带来的多普勒效应）。小组进行头脑风暴，绘制草图并准备3分钟汇报。教师最后进行点评，并展望ISAC在6G中的核心地位，以及其与AI结合（AI赋能的信号处理与资源分配）的广阔前景。

  模块四综合仿真项目一教学实施（6学时）：基于强化学习的网络切片资源调度

  1.项目启动与背景导入（1学时）：

    回顾网络切片概念。呈现一个智慧工厂场景：包含三个切片——切片A（机器控制，uRLLC，时延<10ms，高可靠）、切片B（AR辅助维修，eMBB，带宽>100Mbps）、切片C（环境传感器，mMTC，海量连接，低功耗）。给定有限的共享无线资源（PRB，功率），传统静态或基于比例公平的分配方式难以满足动态变化的业务需求。提出问题：如何设计一个智能调度器？

  2.问题建模与算法选型讲解（1.5学时）：

    教师引导学生将问题形式化为一个序贯决策问题：每个调度时刻（TTI），调度器（智能体）观察环境状态（各切片队列状态、信道条件），选择动作（为各切片分配的资源量），环境反馈奖励（如满足QoS的切片数量、总吞吐量、公平性指数），并转移到下一个状态。这正是强化学习（RL）的典型框架。介绍适用于此环境的经典RL算法（如DeepQ-Network，DQN）的基本思想，重点讲解状态空间、动作空间、奖励函数的设计——这是将工程问题转化为AI问题的关键。

  3.仿真环境熟悉与基线实验（1.5学时）：

    学生分组登录仿真平台。平台已预置基于NS-3扩展的网络切片仿真环境和一个简单的轮询调度器作为基线。学生任务：熟悉仿真配置界面；运行基线调度器；收集并分析一段时间内三个切片的时延、吞吐量、丢包率等KPI数据；明确性能瓶颈所在。

  4.智能调度器实现与调优（1.5学时）：

    平台提供一个已搭建好的DQN智能体框架，但关键参数（如神经网络结构、学习率、奖励函数权重）需要学生调整。小组任务：根据对业务优先级（如控制切片时延最重要）的理解，修改奖励函数；尝试调整神经网络层数等参数；启动训练过程。在训练过程中，实时观察奖励曲线的变化，判断是否收敛。

  5.性能对比分析与报告撰写（0.5学时）：

    训练完成后，使用训练好的智能体模型进行性能测试，并与基线轮询调度器进行对比。要求使用图表直观展示KPI对比（如时延CDF曲线）。小组讨论并分析RL调度器的优势与不足（例如，在训练数据未覆盖的场景下表现如何？收敛速度是否满足要求？）。

  6.项目汇报与答辩（0.5学时）：

    各小组用5分钟展示本组的实验设计、调参思路、关键结果与分析结论。教师和其他小组进行提问，重点关注其奖励函数设计的合理性和结果分析的深度。

  （三）贯穿始终的形成性评价

  1.课堂贡献度追踪：通过智慧教室系统记录学生的提问、回答、小组讨论贡献（发言频率与质量）。

  2.线上学习档案：包括课前测验成绩、线上讨论区发帖质量、提交的案例分析报告。

  3.仿真实验报告：每个仿真项目提交一份结构完整的实验报告（问题描述、方法、结果、分析、反思）。

  4.项目成果展示：综合项目（如ISAC方案设计）的汇报与答辩表现。

  5.同行互评：在小组项目中对组内其他成员的贡献进行匿名评价。

  五、教学评估与反馈

  （一）评估方式

  采用“多元化、过程性、能力导向”的评估体系，终结性评估占比不高于50%。

  1.过程性评估（50%）：

    -课堂参与与贡献（10%）

    -线上学习活动完成度与质量（15%）

    -仿真实验报告（两个项目，共25%）

  2.终结性评估（50%）：

    -期末综合项目/论文（30%）：要求学生自选一个网络智能化升级的具体方向（如AI赋能的室内定位、基于数字孪生的网络故障预测），进行深度文献调研，并完成一份包含技术分析、方案设计或小型仿真验证的综合性报告。

    -期末闭卷/开卷考试（20%）：侧重考察对核心概念、技术原理、系统架构和演进逻辑的理解与应用，减少死记硬背题目，增加场景分析、技术对比、方案评述等开放题型。

  （二）反馈机制

  1.即时反馈：课堂问答、仿真实验指导中的口头反馈；在线测验的自动评分与解析。

  2.延时反馈：对作业、实验报告的详细书面批注，指出优点、不足及改进建议。

  3.阶段反馈：在学期中段，向每位学生提供一份学习情况中期报告，汇总其在各评估维度的表现，并给出个性化学习建议。

  4.课程反馈：学期末通过匿名问卷和焦点小组访谈收集学生对课程内容、教学方法、资源支持等方面的反馈，用于课程的持续迭代改进。

  六、教学资源与工具准备

  1.教材与参考书：

    -主教材：自编讲义《移动通信网络智能化：从5G-A到6G》。

    -参考书：《5GAdvanced:Toward6G》、《AIforWirelessNetworks》、《O-RAN详解》。

  2.在线资源：

    -3GPP、ITU-R、O-RAN联盟、IMT-2030（6G）推进组等官方网站的标准与白皮书。

    -IEEEXp