探索物联网专业创新型本科生培养体系

周安福

（北京邮电大学 计算机学院，北京 100876）

0 引 言

随着5G 和人工智能的发展，物联网已成为继计算机、互联网之后的世界信息产业第三次热潮，广泛推动着智能制造、智能家居、智慧汽车、智慧医疗等新兴产业的发展，对新一轮产业变革和经济社会绿色、智能、可持续发展具有重要意义。近年来，随着世界各国纷纷在前沿技术研发上发力，物联网已成为下一个产业竞争制高点，生态构建和产业布局正在全球加速展开。GSMA《2020年移动经济》报告指出，全球物联网收入在未来几年将增加3 倍以上，由2019年3 430 亿美元（2.4 万亿元），增长到2025年1.1 万亿美元（7.7 万亿元）。

当前正是我国经济新常态下创新驱动、形成发展新动能的关键时期。把握物联网新一轮生态布局的战略机遇，大力发展物联网技术和应用，加快构建具有国际竞争力的产业体系，深化物联网与经济社会融合发展，从而支撑制造强国和网络强国建设。早在2013年，国务院就发布了《关于推进物联网有序健康发展的指导意见》，提出要实现物联网在经济社会各领域的广泛应用，掌握物联网关键核心技术，基本形成安全可控、具有国际竞争力的物联网产业体系，成为推动经济社会智能化和可持续发展的重要力量。工业和信息化部在2016年发布了《信息通信行业发展规划物联网分册（2016—2020年）》，进一步指出物联网正进入跨界融合、集成创新和规模化发展的新阶段，迎来重大的发展机遇，提出在未来几年，要基本形成具有国际竞争力的物联网产业体系，包含感知制造、网络传输、智能信息服务在内的总体产业规模突破1.5 万亿元，智能信息服务的比重大幅提升。国家物联网新型基础设施建设三年行动计划（2021—2023年）提出，到2023年底，在国内主要城市初步建成物联网新型基础设施，社会现代化治理、产业数字化转型和民生消费升级的基础更加稳固。突破一批制约物联网发展的关键共性技术，培育一批示范带动作用强的物联网建设主体和运营主体，催生一批可复制、可推广、可持续的运营服务模式，导出一批赋能作用显著、综合效益优良的行业应用，构建一套健全完善的物联网标准和安全保障体系。

1 体系构建

物联网是一门理论与实践密切结合的综合学科，其发展要求有理论水平与实践能力俱佳的高层次、高素质复合创新型人才。当前，国内高校在物联网人才的教育和培养上与实际产业需求存在着一定程度的脱节，课程滞后、实践不足、创新缺乏等问题突出。因此，有必要探索如何采用产教融合的方式将教育链、人才链与产业链、创新链有机衔接，人才、智慧、技术、管理等资源要素集聚融合，形成产教融合、校企联动的立体培养模式，培养既有理论水平又有实践能力的“双创”复合型人才，促进人才培养供给侧和产业需求侧结构要素全方位匹配。

面向物联网的创新型人才培养体系着力于解决当前本科生培养中存在的内容滞后、产教脱节、实践不足三项关键性问题。

第一，解决当前本科生课程内容滞后于产业发展的问题，创新本科生课程内容，加强课程的前瞻性设计与实用性探索，使课程紧跟物联网产业发展步伐。

第二，解决当前人才培养供给侧与产业发展需求侧脱节的问题，创新本科生教育方式，引入产业链顶端企业深度参与，形成科学研究、人才培养、科技服务三位一体的产教融合型教育模式。

第三，解决当前本科生实践能力不足、创新缺乏的问题，创新本科生培养模式，引导学有余力的优秀本科学生参与具体的校企合作项目，全方位提升学生的实践能力和创新能力。

2 培养模块

面向物联网的创新型本科生培养体系包含本科生创新课程设计、产教融合协同培养、校企联动项目实践三大模块。

模块一：本科生创新课程设计

对本科生课程内容增加新的设计和规划，加强课程的前瞻性设计与实用性探索。一是注重对本科生理论素养的培养，在课程中着重加强与物联网相关计算机、通信技术等专业基础知识内容，同时有效融合管理学、软件开发等多方面知识，增强学生综合理论水平。二是引导学生关注物联网产业动态，在课程中融入物联网产业技术创新、前沿技术模块学习，强化课程的前瞻性与实用性。

模块二：产教融合协同培养

创新本科生教育方式，将物联网产业的发展与学生能力培养密切结合，引入产业链顶端科技企业深度参与教育教学，形成科学研究、人才培养、科技服务三位一体的产教融合型教育模式。一是在教学内容中深度融入产业需求，鼓励学生从物联网产业领域提出问题、发现问题，不断提高学生解决问题的能力。二是通过讲座、参观、实习、课题、联合研究等方式引入产业链的头部企业、前端企业，使人才培养供给侧与产业发展的需求侧有效衔接。

模块三：校企联动项目实践

引导学生深入参与物联网校企联动项目，通过具体的物联网项目实施全方位提升学生的动手实践能力。一是通过研究生带动本科生、小组合作、团队协作等方式让学生全面、深入地参与物联网校企联动，让学生完成与其能力相匹配的项目，解决实际问题，实现实际功能。二是让学生深入参与前瞻性物联网科学研究，全方位接触物联网前沿技术，有效提升科学研究能力和创新思考能力。

3 实践案例

我们在北京邮电大学开展了面向物联网的创新型本科生培养体系的探索。该探索以物联网毫米波感知为核心内容，将本科生创新课程设计、产教融合协同培养、校企联动项目实践融为一体，培养具有物联网实践能力和学术研究能力的创新型人才。

毫米波感知是物联网感知领域的学术前沿方向。作为一种无线感知技术，毫米波感知无需特定传感器，而是通过分析5G 毫米波无线信号在空间传播的信号特征，间接推测目标信息，部署方便且成本低。与低频段WiFi、RFID 等传统无线感知相比，毫米波在高分辨率、抗干扰感知方面具有不可替代的独特优势，将使得5G 的价值不仅体现在超高速无线通信，也体现在泛在高质量感知上，在智慧城市、工业互联网等“十三五”国家战略型新兴产业发展领域具有广阔应用前景。然而，相比军事领域成熟的毫米波雷达遥感技术，物联网毫米波感知依赖于能力受限的低成本民用5G 毫米波通信设备。更重要的是，物联网感知对象不再是雷达遥感中的大体积刚性物体，感知场景也呈现高动态和多干扰。目前，国内外物联网毫米波感知的研究刚起步，是下一代物联网研究和应用的前沿领域。

课程学习的模块中，在无线射频识别、计算机网络技术与应用、数据结构、多媒体技术及应用等多门本科生课程中融入了毫米波感知的前沿问题，通过专题探索、论文阅读、创新实践等提升学生的创新与实践能力。部分同学在课程学习后将毫米波感知作为毕业论文的研究方向，先后获得了北京市优秀毕业论文奖、北京邮电大学优秀毕业论文奖等奖励。这一工作也入选了北京邮电大学教育教学改革项目“物联网产教融合‘双创’复合型人才培养研究与实践”。

在产教融合的模块中，我们与国内企业合作，鼓励、带领同学走出去解决实际问题。例如，学生在智能家居科技公司的参观过程中，了解到家居养老服务产业的一个难题：为了对老年人的室内状态（家居活动、跌倒等）进行监测，现有方案通常采用可穿戴设备或摄像头的解决方案，而前者经常出现忘戴现象，后者会侵犯用户隐私，实施阻力较大。带领学生将这一实际问题与毫米波感知技术相结合，研发了基于毫米波感知非介入式运动状态监测和预警技术，可在不侵犯隐私、不需要用户配合的情况下，对感知对象进行全天候24 小时的监测呵护。目前，我们正与相关企业适合，将这一技术进行工程优化和场景适配，以形成实际产品，实现更好的社会服务。

在项目实践的模块中，我们将本科生引入实验室，与博士生、硕士生形成科研小组，解决实际问题，完成实践工作。例如，我们的3 名本科生在设计毫米波精准感知系统的过程中，将毫米波感知用到了手势识别方面。通过神经网络分类模型，实现了5 种微手势的识别，并将其与自动拍照系统结合，研发了基于毫米波手势识别的自动拍照系统，获得了北京邮电大学大学生创新创业大赛奖励。此外，先后有4 位本科生参加了我们与国内高科技产业界合作的感传融合校企合作创新项目，研究成果发表于移动计算领域顶尖国际会议ACM MobiCom 2019/2020，并获得了阿里巴巴优秀学术合作奖。

下面，我们以两个具体案例展开阐述上述培养模块的设计过程。

案例一：毫米波手势控制拍照系统

我们以毫米波手势拍照系统为基础在课堂上进行了面向物联网的创新性本科生培养体系实践。该系统主要包括三个模块：毫米波信号分析、卷积神经网络手势分类器和相机控制程序。学生通过该系统的学习能够全面掌握当前物联网科学前沿毫米波感知的相关知识，深度参与物联网技术在前沿领域的应用过程，激发学生科研和创新的兴趣，全方位提升学生的实践能力和创新能力。该模块的总体架构如下：

首先由毫米波设备发送天线发射无线信号，信号被用户手部动作调制反射，反射信号被毫米波接收天线捕获。接着，毫米波设备将收到的信号进行处理，获得信号强度、距离、多普勒频移等信息。将这些信息输入神经网络进行学习，通过学习后的分类器对用户新动作进行分类预测。这一过程的进一步描述如下：

（1）以TI 毫米波雷达为例进阐述。毫米波设备为TI IWR1443，该设备可以将原始FMCW 信号进行预处理后，得到一个帧序列信号，每一帧含有11 个与角度、距离、RangeDoppler 有关的特征值。

（2）利用神经网络对这些帧序列进行学习和分类的过程我们是在Python 中实现。当前采用的神经网络为ResNet。在神经网络进行学习的过程中，我们把学习准确率最高的网络模型保存为.pkl 的格式，留以后用。

（3）对新手势的预测，采用调用Python 脚本的方式导入训练好的网络模型，并用该网络模型对于新手势进行预测。该脚本由Matlab 进行调用，并返还给Matlab 一个预测分类结果值。

（4）控制相机的部分在Matlab 中完成。采用的方式是调用Webcam 模块控制相机。每当一个新手势完成分类预测之后，Matlab 就会给该模块发送一个control 值。模块根据不同的control 值控制相机的不同动作。

该系统的基本原理如下：用毫米波束发射并照射手，反射信号是来自多个动态散射中心的反射的叠加，其代表动态手部变化。然后，将接收到的信号处理成多个与角度、距离、Range Doppler 有关的特征值表示（在此称之为变换），这使我们能够提取手部动作各种瞬时和动态特征。虽然这些特征不足以重建手的骨骼结构，然而它们的组合可以唯一地识别。我们可以通过深度学习技术将它们与先验捕获的训练数据集进行比较来识别各种手部配置和运动。

在课堂上，学生们在老师的指导下分组自行搭建了上述系统，并运用该系统采集到了相应的数据。课后，学生们运用所学的知识对这些数据进行分析和处理，形成各自的汇报结果。学有余力的学生，还可以在上述系统的基础上运用所学知识对系统进行修改和验证。

案例二：毫米波步态识别系统

我们在本科生培养中运用的第二个系统是毫米波步态识别系统。在研究中发现使用毫米波技术，能够提供更智能、有效的生物识别，例如步态识别。

步态是人类步行的行为特征。步行是人类生存的基础，是人类与其他动物区别的关键特征之一。正常步行并不需要思考，然而步行的控制十分复杂，包括中枢命令，身体平衡和协调控制，涉及足、踝、膝、髋、躯干、颈、肩、臂的肌肉和关节协同运动。任何环节的失调都可能影响步态。步行是全身肌肉参与，包括人体重心移位，骨盆倾斜旋转，髋、膝、踝关节伸屈及内外旋转等，使人体位移的一种复杂的随意运动。随着年龄的增长，单、双支撑时相占步态周期的比例也随之增加。不同性别和身高的人，其支撑时相和摆动是有差异性的。

行走过程中，从一侧脚跟着地开始到该脚跟再次着地构成1 个步态周期。由于体型和运动模式的不同，每个人在活动时，都会对周围毫米波信号产生特定的影响模式，人在行走时，身体在用毫米波波束照射时，会将该波调制并反射，且由于毫米波对变化的分辨率极高，毫米波设备可以检测到细微的变化，比如步态周期中的支撑时相和摆动时相。支撑时相又分为脚跟着地、趾着地、支撑中期、脚跟离地、蹬离期和趾离地等动作阶段。摆动时相分为加速期、摆动期和减速期。身体在动态变化时所产生的反射信号就是由多个表面反射点的反射的叠加所造成。为了得到这些反射点的特性，我们将接收到的信号按照相关原理模块变换成与Range Doppler、角度有关的特征值的表示，这些特征值包括每一个反射点的距离、速度和角度。这些反射点组成一个人的点云。

通过毫米波雷达设备得到的点云数据为非结构化数据，点云相对稀疏，人类并不能直观地去理解这些数据。所以为此特意定制了一套神经网络模型进行学习点云数据中的特征，以便对人类步态点云数据进行分类预测。

我们在课堂上搭建了一套毫米波步态识别系统，该系统的总体架构如下：

首先由毫米波设备发送天线发射无线信号，信号被用户步态动作调制后反射，反射信号被毫米波接收天线捕获。接着，毫米波设备将捕获信号进行处理，获得距离、角度、多普勒频移等信息，并将这些信息输入神经网络进行学习，通过学习后的分类器对用户进行分类预测。这一过程的进一步描述如下：

毫米波设备我们使用TI 毫米波雷达TI IWR1443，该设备可以将原始FMCW 信号进行预处理后，得到3D 的点云，点云中包含若干个反射点，每个反射点含有3 个属性，分别是三维坐标、速度、信噪比。

对这些点云数据进行预处理并生成点云序列，利用神经网络对这些点云序列进行学习和分类的过程在Python 中实现，当前采用的神经网络为ResNet。在神经网络进行学习的过程中，把学习准确率最高的网络模型保存下来。

对步态的预测，采用调用Python 脚本的方式导入训练好的网络模型。该脚本由Matlab 进行调用，并返还给Matlab一个预测分类结果值。

结果显示部分在Matlab 中完成，将预测的结果匹配到特定的人进行显示。

通过对该系统的学习，学生们能够进一步加强对物联网前沿技术毫米波感知的认识，并学会运用多种技术去分析和解决问题。

4 结 语

上述面向物联网的创新性本科生培养体系的探索在教学实践中收到了良好的效果。学生们乐于参与，积极参与，在实践过程中极大地提升了他们的学习能力和创新能力。

在未来的教学科研工作中，将进一步在本科生创新课程设计、产教融合协同培养、校企联动项目实践三个模块深化改革，推进物联网专业创新型本科生培养体系的进一步发展。