中国电子学会发布“电子信息领域优秀科技论文（2020）遴选活动”入选论文。东南大学尤肖虎、张川、谈晓思、金石、邬贺铨联合署名的论文《AI for 5G: research

大规模MIMO是一类搭载大量天线阵列，支持对天线单元幅值与相位的精准控制，可以将无线信号能量汇集到特定方向上的5G/B5G关键通信技术。在大规模MIMO场景中，通信节点本来不容易受到非法窃听者的攻击。然而，一种新型的视距攻击能够利用视距通信系统中的信道相关性，在用户的通信链路上对信息进行窃取。王锐课题组设计了一种基于用户协作的通信安全方案，通过对窃听区域的预测，优先选择安全系数高的用户作为信息中转点，禁止窃听区域附近的用户进行传输，从而有效地对抗视距攻击。 相比现有的大规模MIMO场

项目成果/简介:5G智慧急救协同平台既可满足市县级地区本地社区120急救、本地二级医院120转运以及外地市120急救转运的急救需求，又具备充分扩展性，下一步面向全省。平台可对接现有120急救指挥调度中心系统，利用5G实现急救车与院内专科中心互联互通，支撑急救现场、基层医院、院前急救、院内急诊、重症监护和专科救治等多方紧密协作，应用模式如下图所示。胸痛中心作为省急性心肌梗死救治网络的核心，已形成较为完善的院前急救和院内急救网络，以此为基础构建快速、高效、全覆盖的急危重症医疗救治体系，实现五大中心信息化平台建设。平台的区域急救协作过程，分别通过急救转运时间轴和急救医疗时间轴进行服务监管和持续改进，从患者现场呼救第一时间开始，通过急救转运时间轴，监控多部门协作的资源调度和急救转运效率。从患者首次医疗接触时间开始，通过急诊急救医疗时间轴，监控急诊急救医联体的多学科协作环境下，急危重症医疗业务协同效率和临床服务质量。平台对接各国家专科上报系统，实现质控数据自动上报。平台整体拓扑如下图所示：利用5G技术连结成网，以医院为中心，实现院前急救与医院内抢救无缝衔接、分级救治和协同救治并举，创建国内领先的区域急危重症智慧化急救平台，建立涵盖胸痛、卒中、创伤、高危孕产妇、新生儿救治和医院急诊重症的急救网络。实现各级医疗机构在同一平台上急救信息共享，开展协同救治、实时质控，提高急救的效率、质量、救治效果。逐步建成本区域智慧急救信息化云平台、数据库和信息系统；由我院牵头，建设胸痛中心、卒中中心、创伤救治中心、逐步覆盖危重孕产妇救治中心、新生儿救治中心；提升甘肃省区域各救治医院信息化水平、信息共享和业务协同能力；将优势医疗资源下沉到基层和急救第一现场，改善和优化医疗资源配置；实现院前急救和院内抢救无缝衔接，合理配置和利用急救资源，规范急救流程；建立实时质控体系，升级改造救护车，实现急救中心、急救车辆、救治医院和救治中心以及卫健委信息互联互通和业务协同；建设急救电子地图，并利用新一代无线宽带通信（5G）、大数据、人工智能等技术，实现远程急救与应急指导，院内外信息的无缝对接；建立音视频会诊系统、移动协同应用，以急病要急、慢病要准为指导思想，提高患者救治成功率。通过院前急救、院内抢救、院后随访无缝衔接、分级救治和协同救治并举，实现如下目标：1、区域急救医疗资源统一应用在院内急诊规范化预检分诊和院前急救转运全过程监控的基础上，建立覆盖每台急救车、每个网络医院的数据互联互通和实时上报机制，形成急诊急救资源动态电子地图，提高急救医疗服务体系运行的透明度，实现医疗资源最优配置和患者转运治疗方案最佳选择。2、院前急救战线前移与院内救治的无缝衔接改变原有的院前转运和院内交接串行的衔接模式，通过院前病情评估分诊和预报、远程心电诊断、远程影像诊断、转运过程中的远程监护和实时音视频远程指导、院内医护端移动协同应用等方式，实现院内专科救治战线向院前前移，最大程度压缩急救时间延迟。3、院内急诊多病区精细化和规范化管理通过规范化的预检分诊，实现急诊患者分级分区有序管理，最大程度减少抢救、留观区患者与家属的无效移动；通过智慧急救平台，实现红黄绿区快速流转和统一管理，支撑以急危重症患者为中心进行急救的全程跟踪和闭环管理。通过优化收费模式，科学核算服务成本，引导公众合理急救需求。4、实现多学科高效协作与绿色通道，压缩抢救时间根据规范化的急救路径自动采集诊疗过程数据，进行绿色通道医疗行为监控，通过触发关键环节上的预报提醒和会诊通知，将串行步骤并行化，并加强多学科信息共享和团队协作，自动统计绿色通道运营指标，不断提高绿色通道运行效率，缩短患者救治时间。5、急危重症临床决策支持与服务质量持续改进通过可扩展的、全程覆盖完整危重救治链的质控平台，将多种病种的临床急救指南固化为标准的程序和规则，在对医护人员正常工作最小干预的前提下进行实时数据采集，将临床质量控制与临床决策支持高度融合，支撑流程的持续改进和急救医学服务的均质化。6、心脑血管等急危重症的分级诊疗和综合防治将急诊急救与慢病管理相结合，打通高危人群筛查、健康管理、院前急救、院内急诊、专科救治和院后康复的闭环流程，以胸痛、卒中高危人群为重点，建立健全基层首诊、双向转诊、急慢分治、上下联动的分级诊疗体系。7、急诊急救远程教育和公众急救知识普及通过移动互联网和远程音视频技术，开展急救医护人员和志愿者的技术培训，开展公众急危重症预防与急救知识的普及和教育，提升全民公共安全意识和自救互救能力，推动社会化和标准化兼备、全民参与的“大急救”。8、采用微服务架构，适用区域智慧急救模式，践行“时间即生命”平台采用微服务架构，既提供基于PC的WEB应用，又提供移动APP应用，业务数据集中存储，充分利用云端的优势，随数据量和业务量的增长可横向扩充。B/S架构保证了平台部署快捷方便，低运维成本。平台还利用业务集成网关，便捷、灵活的对接各医疗设备和物联网设备、周边相关业务信息系统，既能使平台闭环有效运转，又能让平台顺畅融入整个医院信息化环境，避免信息孤岛与烟囱式应用，充分体现“端”+“云”的应用架构优势。利用平台，可有效缩短急诊胸痛、卒中、创伤等患者的救治时间，体现了“时间即生命”的救治理念。院前由随车医生及远程会诊专家与患者家属交代病情及可能的治疗方案，使患者及家属有一个心理承受过程，在需要行急诊PCI时签署知情同意书所需时间也相应缩短。将所有可能造成急救时间窗延误的情况降到最低，从而提高了胸痛患者的抢救成功率，并提高了患者家属的满意度，获得良好的社会效果。9、患者精准定位，时间自动采集，确保质控时间点真实性项目采用超宽带（UltraWideBand，UWB）技术、替代传统手工填写的方式，自动无感地记录五大中心时间管理表所要求的救治环节及时间、时长。监控急救病人的流向、到达/离开关键节点的时间、可视化的全流程时间轴、历史轨迹查询和回放，使急诊绿色通道患者得到及时、规范、高效的救治服务。时间节点明细表准确记录采集每一位急诊患者信息、入院方式、到院时间、到达急诊时间、离开急诊时间、到达手术室时间、离开手术室时间等明细内容。并生成时间节点明细表。改变记录不及时、时间不准确、急诊数据信服力不足、浪费人力、不便管理等情况。平台采用的超宽带（UltraWideBand，UWB）技术是一种无线载波通信技术，采用纳秒级的非正弦波窄脉冲传输数据，该技术具有系统复杂度低，发射信号功率谱密度低，对信道衰落不敏感，截获能力低，定位精度高等优点。 知识产权类型:发明专利 、 软件著作权技术成熟度:正在研发技术先进程度:达到国内先进水平成果获得方式:与企业合作获得政府支持情况:无

5G智慧急救协同平台既可满足市县级地区本地社区120急救、本地二级医院120转运以及外地市120急救转运的急救需求，又具备充分扩展性，下一步面向全省。平台可对接现有120急救指挥调度中心系统，利用5G实现急救车与院内专科中心互联互通，支撑急救现场、基层医院、院前急救、院内急诊、重症监护和专科救治等多方紧密协作，应用模式如下图所示。   胸痛中心作为省急性心肌梗死救治网络的核心，已形成较为完善的院前急救和院内急救网络，以此为基础构建快速、高效、全覆盖的急危重症医疗救治体系，实现五大中心信息化平台建设。平台的区域急救协作过程，分别通过急救转运时间轴和急救医疗时间轴进行服务监管和持续改进，从患者现场呼救第一时间开始，通过急救转运时间轴，监控多部门协作的资源调度和急救转运效率。从患者首次医疗接触时间开始，通过急诊急救医疗时间轴，监控急诊急救医联体的多学科协作环境下，急危重症医疗业务协同效率和临床服务质量。平台对接各国家专科上报系统，实现质控数据自动上报。 平台整体拓扑如下图所示： 利用5G技术连结成网，以医院为中心，实现院前急救与医院内抢救无缝衔接、分级救治和协同救治并举，创建国内领先的区域急危重症智慧化急救平台，建立涵盖胸痛、卒中、创伤、高危孕产妇、新生儿救治和医院急诊重症的急救网络。实现各级医疗机构在同一平台上急救信息共享，开展协同救治、实时质控，提高急救的效率、质量、救治效果。 逐步建成本区域智慧急救信息化云平台、数据库和信息系统；由我院牵头，建设胸痛中心、卒中中心、创伤救治中心、逐步覆盖危重孕产妇救治中心、新生儿救治中心；提升甘肃省区域各救治医院信息化水平、信息共享和业务协同能力；将优势医疗资源下沉到基层和急救第一现场，改善和优化医疗资源配置；实现院前急救和院内抢救无缝衔接，合理配置和利用急救资源，规范急救流程；建立实时质控体系，升级改造救护车，实现急救中心、急救车辆、救治医院和救治中心以及卫健委信息互联互通和业务协同；建设急救电子地图，并利用新一代无线宽带通信（5G）、大数据、人工智能等技术，实现远程急救与应急指导，院内外信息的无缝对接；建立音视频会诊系统、移动协同应用，以急病要急、慢病要准为指导思想，提高患者救治成功率。 通过院前急救、院内抢救、院后随访无缝衔接、分级救治和协同救治并举，实现如下目标： 1、区域急救医疗资源统一应用 在院内急诊规范化预检分诊和院前急救转运全过程监控的基础上，建立覆盖每台急救车、每个网络医院的数据互联互通和实时上报机制，形成急诊急救资源动态电子地图，提高急救医疗服务体系运行的透明度，实现医疗资源最优配置和患者转运治疗方案最佳选择。 2、院前急救战线前移与院内救治的无缝衔接 改变原有的院前转运和院内交接串行的衔接模式，通过院前病情评估分诊和预报、远程心电诊断、远程影像诊断、转运过程中的远程监护和实时音视频远程指导、院内医护端移动协同应用等方式，实现院内专科救治战线向院前前移，最大程度压缩急救时间延迟。 3、院内急诊多病区精细化和规范化管理 通过规范化的预检分诊，实现急诊患者分级分区有序管理，最大程度减少抢救、留观区患者与家属的无效移动；通过智慧急救平台，实现红黄绿区快速流转和统一管理，支撑以急危重症患者为中心进行急救的全程跟踪和闭环管理。 通过优化收费模式，科学核算服务成本，引导公众合理急救需求。 4、实现多学科高效协作与绿色通道，压缩抢救时间 根据规范化的急救路径自动采集诊疗过程数据，进行绿色通道医疗行为监控，通过触发关键环节上的预报提醒和会诊通知，将串行步骤并行化，并加强多学科信息共享和团队协作，自动统计绿色通道运营指标，不断提高绿色通道运行效率，缩短患者救治时间。 5、急危重症临床决策支持与服务质量持续改进 通过可扩展的、全程覆盖完整危重救治链的质控平台，将多种病种的临床急救指南固化为标准的程序和规则，在对医护人员正常工作最小干预的前提下进行实时数据采集，将临床质量控制与临床决策支持高度融合，支撑流程的持续改进和急救医学服务的均质化。 6、心脑血管等急危重症的分级诊疗和综合防治 将急诊急救与慢病管理相结合，打通高危人群筛查、健康管理、院前急救、院内急诊、专科救治和院后康复的闭环流程，以胸痛、卒中高危人群为重点，建立健全基层首诊、双向转诊、急慢分治、上下联动的分级诊疗体系。 7、急诊急救远程教育和公众急救知识普及 通过移动互联网和远程音视频技术，开展急救医护人员和志愿者的技术培训，开展公众急危重症预防与急救知识的普及和教育，提升全民公共安全意识和自救互救能力，推动社会化和标准化兼备、全民参与的“大急救”。 8、采用微服务架构，适用区域智慧急救模式，践行“时间即生命” 平台采用微服务架构，既提供基于PC的WEB应用，又提供移动APP应用，业务数据集中存储，充分利用云端的优势，随数据量和业务量的增长可横向扩充。B/S架构保证了平台部署快捷方便，低运维成本。平台还利用业务集成网关，便捷、灵活的对接各医疗设备和物联网设备、周边相关业务信息系统，既能使平台闭环有效运转，又能让平台顺畅融入整个医院信息化环境，避免信息孤岛与烟囱式应用，充分体现“端”+“云”的应用架构优势。 利用平台，可有效缩短急诊胸痛、卒中、创伤等患者的救治时间，体现了“时间即生命”的救治理念。院前由随车医生及远程会诊专家与患者家属交代病情及可能的治疗方案，使患者及家属有一个心理承受过程，在需要行急诊PCI时签署知情同意书所需时间也相应缩短。将所有可能造成急救时间窗延误的情况降到最低，从而提高了胸痛患者的抢救成功率，并提高了患者家属的满意度，获得良好的社会效果。 9、患者精准定位，时间自动采集，确保质控时间点真实性 项目采用超宽带（UltraWideBand，UWB）技术、替代传统手工填写的方式，自动无感地记录五大中心时间管理表所要求的救治环节及时间、时长。监控急救病人的流向、到达/离开关键节点的时间、可视化的全流程时间轴、历史轨迹查询和回放，使急诊绿色通道患者得到及时、规范、高效的救治服务。 时间节点明细表准确记录采集每一位急诊患者信息、入院方式、到院时间、到达急诊时间、离开急诊时间、到达手术室时间、离开手术室时间等明细内容。并生成时间节点明细表。改变记录不及时、时间不准确、急诊数据信服力不足、浪费人力、不便管理等情况。 平台采用的超宽带（UltraWideBand，UWB）技术是一种无线载波通信技术，采用纳秒级的非正弦波窄脉冲传输数据，该技术具有系统复杂度低，发射信号功率谱密度低，对信道衰落不敏感，截获能力低，定位精度高等优点。  

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

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。

非线性失真是5G通信系统和其他新兴多载波通信系统的主要失真来源，而数字预失真代表着线性化方法发展趋势。目前，数字预失真方法均采用了对非线性器件输出信号的包络特性进行直接线性化的简单思路。由于有源非线性器件（如射频功放）存在最大输出功率的限制，故此种原理的线性化算法在高能信号区会造成输出有效增益的明显下降，也就是难以同时满足低功率损失和高线性化效果的要求。这不但造成了低下的电源利用效率，并且造成我国对进口大功率射频器件的依赖。 针对5G通信非线性失真研究的理论空白，申请人率先完成了非线性失真信号微观分析法，首次揭示了亿万个随机交调项间的定量关系，推导出了系统参数和非线性频谱间简洁的多项式表达关系，并将仿真速度提高1100倍。针对目前射频电路预失真方法的原理性缺陷，申请人建立的多级精细化数字信号预失真方法实现了在低功率损耗的条件下取得高度线性化效果，此方法可提高功放的功率利用率，降低我国对大功率射频功放的进口依赖。

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

2017年7月11日，北京邮电大学温向明教授研究团队受邀赴日内瓦参加ITU-T SG13全会，代表北京邮电大学、OAI软件联盟及开源5G中法联合实验室，全程展示了全球首个5G网络服务化切片管理编排原型系统，并提交了SBA 5G网络切片标准化提案。该系统是5G网络操作系统的核心部分，可实现灵活的网络切片管理、业务动态编排及弹性伸缩，可有效应对5G网络中场景多样化、业务动态化和网络异构化的挑战。5G切片管理编排原型系统得到了与会设备商、运营商及研究机构的广泛关注。温向明教授研究团队将加强与国内外重要运营商展开深层次的合作，提升在国际标准化组织的影响力，共同推动5G网络切片管理编排的标准化进程，占领5G网络切片管理编排及网络操作系统的制高点，加速推动5G网络切片管理编排系统在运营商网络的商用。