数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

万物有声科技关注声音后期制作中的拟音技术，用“AI+声音”的基本构想，致力于将拟音技术与人工智能结合，以声音资源库为核心资源，以视频动作识别和声音识别自动配音技术为核心技术。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 金若熙 公共管理学院/企业管理专业 2021 赵洋 计算机科学与技术学院/软件工程专业 2018/2022 王美琳 管理学院/会计学专业 2018/2022 谭惠文 经济学院/国际商务专业 2021 郭梦妍 艺术与考古学院/视觉传达专业 2019/2023 徐舒婷 光华法学院/法学专业 2019/2023 布音塔娜 管理学院/工商管理专业 2018/2022 崔靖乐 光华法学院/法学专业 2020/2024 陶振宇 传媒与国际文化学院/传播学专业 2020/2024 三、指导教师 姓名 学院 职务/职称 研究方向 王婧 传媒与国际文化学院 副教授，博导 声音研究、感官研究、表演学研究、艺术人类学 四、项目简介 万物有声科技关注声音后期制作中的拟音技术，用“AI+声音”的基本构想，致力于将拟音技术与人工智能结合，以声音资源库为核心资源，以视频动作识别和声音识别自动配音技术为核心技术。团队首次将人工智能与拟音技术相结合，以技术助力后期制作的同时，关注拟音技术中的情感注入和人文关怀，优化声音后期制作行业的资源配置，提高后期制作的生产效率；同时降低部分场景的声音后期制作门槛，丰富声音的应用场景，将拟音技术的高质量听觉体验引入在线音频、影视后期、游戏等多个领域。 团队首先对传统拟音师积累于硬盘中的无序声音资源进行了细化的分类和打标，对其进行数字化编码，完成了高质量声音资源库的打造，为喜爱创作视听产品的用户提供高质量的声音资源。本库声音均采用影视制作标准，同时配以智能简洁的检索系统，改善了同类产品中标签分类模糊杂乱、检索困难、音质参差不齐的不足；同时配合专业后期配音教程与作品分享，做到“既以鱼又以渔”，延伸产品价值。 其次，团队将自动配音技术与海量音源库相结合，开发有声数字化声音数据库，团队将进一步完善和细化声音资源库。同时深耕算法的研究和迭代，实现后期拟音的进一步智能化，该技术的应用场景将向专业视频后期转型，着重开发其在专业视频后期声音制作中的应用。

德力E8900系列5G NR信号分析仪是针对客户对5G系统无线侧全面测试而全新推出的平台化产品，拥有9GHz全频段扫描范围，100MHz实时分析带宽；具备的普通扫频设备10倍的扫描速度、丰富的物理接口。对于无线发射系统或基站安装、部署以及干扰排查提供了完整的测试方案。 功能特点 ● 9kHz-9GHz测试频率范围； ● 频谱扫速可以达到30GHz/s(@7.8kHz) ，可对信号进行100%捕获； ● 支持AOA测向方式，支持单机、联机多点定位功能； ● 支持相关干涉测试体制，配合PAD可完成路测自动定位功能； ● 支持5G NR等多种移动通信系统解调分析功能； ● 高达100MHz的实时分析带宽； ● 余辉频谱，对叠加信号或突发信号有效监测； ● 可导出100MHz实时带宽的IQ数据，支持第三方开发软件对IQ数据进行分析； ● 10.1寸电容触摸屏，具备“日间”、“现代”等多种操作模式。  

东南大学毫米波国家重点实验室、移动通信国家重点实验室和信号与信息处理实验室，于2006年3月在国内首次成功地进行了多输入多输出（MIMO）移动通信系统试验，实现了移动互联网多业务演示，其主要技术指标频谱利用率达到了3.3bps/Hz，物理层峰值速率达到4.272Mbps。

9月8日，在由NGMN（下一代移动网络）举办的第八届IC&E峰会上，华为Fellow暨华为无线CTO童文博士做了主题为《Bridging5Gto6G》的演讲。

本发明公开了一种适用于5G毫米波通信的紧凑型渐变缝隙阵列天线，包括上层金属层、下层金属层、介质板材以及若干金属过孔，所述上层金属层和下层金属层分别刻蚀在介质板材的正反面上形成金属层，所述金属过孔位于介质板材上并且分别连接着上层金属层和下层金属层，所述金属层由微带转SIW结构、一分八T型SIW功分器以及八个TSA天线单元组成。本发明结构紧凑、方便设计和安装，由一个西南微波2.40mm规格接头相连，适用于40.5～43.5GHz频段，可以应用到该频段的5G毫米波移动通信系统中。

目前市场上缺乏能够成套交付新要求的毫米波天线、集成度高的滤波器等无源器件、以及其相应的检测设备的综合性企业，特别是具有从设计，加工，调试到性能检测认证的全产业链能力。基于我们朗普达创始团队的核心技术，我们不但能够提供业界最领先的毫米波天线模组，高性能的滤波器和其他无源器件产品，还可以交付针对这些器件的测试检测设备。这两方面的产品能力互相补充，互相促进，互相拓展，使得朗普达的产品具有客户群体广泛，客户类型多样，能够快速适应市场变化等特点。 我们的毫米波的人工电磁材料技术可以让5G基站天线具有比4G基站天线更小面积和更多的天线数及接口，极大地提高系统容量和频谱效率；天线阵列宽角扫描技术，可以在不增加天线数目的基础上将手机的覆盖能力提高70%以上；是满足新一代无线通信产业对多天线系统小体积、高容量、广覆盖的需求的重要保障，显得尤为迫切和重要。我们基于矢量拟合法的滤波器特性提取和诊断算法，能够更精准的设计高良率的无源器件；同时结合神经网络和人工智能算法，可以适用于我司的滤波器自动检测设备和产线，实现滤波器的无人调试和高效检验交付。

随着5G与垂直行业的结合日益紧密，5G专网受到了广泛关注。传统5G专网大多依赖现有的运营商网络设施，基站位置固定且建设成本高，无法满足部分垂直领域低沉本、快速、灵活的布网需求。例如在应急抢险救灾领域，在地面通信设施中断受损等情况下，需要短时间快速进行网络搭建，且网络的服务区域需随着救援人员的任务位置不断变化；在矿业开采领域，随着作业面的掘进，联网机械设备的位置也在变化，由此也需要调整基站的位置。另外，对于长距离覆盖的场景，单个5G基站由于覆盖距离受限，难以满足要求。 在上述需求驱动下，课题组提出了5G机动专网的概念，通过利用5G高速链路实现了5G基站和核心网间的无线连接（即无线回程），使基站部署位置不再受限于有线连接，与此同时，机动专网系统的基站和核心网具有便携、轻量的特点，成本低、易部署、机动性好。由于系统的接入链路和回程链路均基于5G制式，整个系统相比现有Mesh组网方案具有显著的高速率优势，可在多跳组网下有效支撑全景视频回传、无线增强现实、远程无人车操控、高清视频通话等业务。图1展示了系统使用的灵巧软基站、雾小站和轻量核心网，图2展示了一个具体的机动多跳传输方案和性能结果，图3展示了所提方案在应急通信和军事通信领域的应用前景。图 1 机动专网核心设备介绍图 2 机动组网系统拓扑图 3 机动组网系统应用前景

随着5G与垂直行业的结合日益紧密，5G专网受到了广泛关注。传统5G专网大多依赖现有的运营商网络设施，基站位置固定且建设成本高，无法满足部分垂直领域低沉本、快速、灵活的布网需求。例如在应急抢险救灾领域，在地面通信设施中断受损等情况下，需要短时间快速进行网络搭建，且网络的服务区域需随着救援人员的任务位置不断变化；在矿业开采领域，随着作业面的掘进，联网机械设备的位置也在变化，由此也需要调整基站的位置。另外，对于长距离覆盖的场景，单个5G基站由于覆盖距离受限，难以满足要求。 在上述需求驱动下，课题组提出了5G机动专网的概念，通过利用5G高速链路实现了5G基站和核心网间的无线连接（即无线回程），使基站部署位置不再受限于有线连接，与此同时，机动专网系统的基站和核心网具有便携、轻量的特点，成本低、易部署、机动性好。由于系统的接入链路和回程链路均基于5G制式，整个系统相比现有Mesh组网方案具有显著的高速率优势，可在多跳组网下有效支撑全景视频回传、无线增强现实、远程无人车操控、高清视频通话等业务。图1展示了系统使用的灵巧软基站、雾小站和轻量核心网，图2展示了一个具体的机动多跳传输方案和性能结果，图3展示了所提方案在应急通信和军事通信领域的应用前景。 图 1 机动专网核心设备介绍 图 2 机动组网系统拓扑 图 3 机动组网系统应用前景