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

2019年 9月3日，浙江大学医学院附属妇产科医院联合中国移动杭州分公司打造的5G+VR新生儿远程探视平台正式上线。浙江大学医学院附属妇产科医院和中国移动杭州分公司合作，结合4k全景VR视频直播研发的面向5G的智慧医疗方案，以VR技术将实施画面上传至服务器管理平台，通过5G网络推流至VR一体机设备、手持平板以及高清电视屏等终端设备。由于医院感染控制的要求，一般情况下，患儿家长在规定时间内才能听到医生对患儿的病情介绍。家属实时探视，一直是医院的难题。VR新生儿探视平台的使用，让探视者仿佛置身于患儿身边，可以观察孩子实时状况，并且，家长可以清楚地听到医生孩子病情的详细介绍，有效缓解家属的紧张焦虑情绪。VR 远程系统同样可适用于医疗示教与远程诊疗，在实时手术示教过程中，通过VR眼镜可以清晰地看到手术的细节过程，与手术医生相同的视角，受教者如同亲自“主刀”的感觉，实现医术观摩交流现场教学效果。基于5G高度带宽、低时延与医疗领域应用特点的高度契合性，依托中国移动5G网络高速率低延迟优势特点，实现高清且超低时质量的音视频传输，杭州移动相继打造省内数个5G远程医疗应用之后，持续深挖医疗行业5G智能应用，全面推进互联网+智慧医院服务应用，努力提升患者就医体验，促进优质医疗资源下沉，提高医疗服务效能。未来，在全新的战略合作框架内，将在全方位服务医院的医生员工、服务医院的合作伙伴、服务医院的5G信息化发展等各方面，推进更大范围、更深程度、更高标准的合作协同。原文：http://www.womanhospital.cn/contents/79/6317.html

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

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。

（一）项目背景 当前以硅、砷化镓为代表的第一和二代半导体接近其物理极限，以氮化镓、碳化硅为代表的第三代半导体是当前国际竞争热点，也是我国发展自主核心半导体产业、实现换道超车的难得机遇。氮化镓（GaN）特别适合制作高频、高效、高温、高压的大功率微波器件，是下一代通信、雷达、制导等电子装备向更大功率、更高频率、更小体积和抗恶劣环境（高温抗辐照）方向发展的关键技术。 目前氮化镓基射频器件已接近于商用，需解决从走出实验室到小量中试的最后“1 公里”，重点攻克其在可靠性工艺和量产稳定性的瓶颈。 以氮化镓、碳化硅为代表的第三代半导体是当前国际竞争热点，也是我国发展自主核心半导体产业、实现换道超车的难得机遇。 半导体作为信息时代的“粮食”，将成为 5G 基建、特高压、城际高铁和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网等“新基建”七大领域发展的支柱性产业。而氮化镓为代表的宽禁带半导体先进电子器件，凭借其高效、高压、高温等优势，将在“新基建”中大放异彩，可以弥补传统半导体器件的技术瓶颈，满足更高性能器件要求。 （二）项目简介 5G 要求更高的数据传输速率，发射机的效率会出现指数级的下降。这种下降可以使用包络跟踪技术来修复，该技术已经在较新的 4G/LTE 基站以及蜂窝电话中采用。基站中的包络跟踪需要高速，高功率和高电压，这些只有使用 GaN 技术才能实现。诸如 GaN 助力运营商和基站 OEM 等实现了 5Gsub-6-GHz 和 mmWave 大规模 MIMO 的目标。 GaN 可以说为 5Gsub-6-GHz 大规模 MIMO 基站应用提供了众多优势：1、在 3.5GHz 及以上频率下表现良好，对比其他产品优势明显。2、GaN 的特性能转化为高输出功率，宽带宽和高效率。采用 DohertyPA 配置的 GaN 在 100W 输出功率下的平均效率达到 50%至 60%，明显降低了发射功耗。3、在高频和宽带宽下的效率意味着大规模 MIMO 系统可以更紧凑。4、可在较高的工作温度下可靠运行，这意味着它可以使用更小的散热器。 根据 Strategy Analytics 的数据，预计 5G 移动连接将从 2019 年的 500 万增长到 2023 年的近 6 亿。所以需求还将不断上涨。 根据Strategy Analytics的数据，预计5G移动连接将从2019年的500万增长到2023年的近6亿。所以需求还将不断上涨。 Efficient Power Conversion 的首席执行官兼联合创始人Alex Lidow 讨论5G时也说道：“基站中的包络跟踪需要高速，高功率和高电压，这些只有使用GaN技术才能实现。根据Yole Development公司发布的2018年度报告数据显示，随着全球整体数据流量的激增，我国5G产业将迎来大规模的需求增长。预计到2022年，我国5G基站规模将达到千亿市场，5G基站数量将达百万个。所以未来氮化镓基射频器件是5G通信基站收发端的核心。 氮化镓基射频器件是华为和中兴发展 5G 通信产业的核心器件，西安电子科技大学氮化镓射频器件研究团队自 2016 年起就与华为西安研究所、中兴西安研究所等国内主流5G通信公司协同攻关开展氮化镓基射频器件的研究，目前承担的流片服务项目合计约 500 万元。 2017 年，西安电子科技大学与西安市高新区、西电电气集团等联合成立“陕西半导体先导技术中心”，中心致力于推动陕西第三代半导体产业发展，促进以氮化镓为代表的射频器件、功率器件等加速产业化，2019 年团队向陕西半导体先导技术中心转让专利 35 项，作价 2000 万元，双方正在联合推进搭建第三代半导体中试平台，平台将会立足西安，服务全国，提升氮化镓基射频器件量产工艺可靠性，实现相关技术成果转化。 （三）关键技术 本项目由西安电子科技大学作为技术攻关的主要单位，制定技术路线，保障国家重大科技专项“高效 GaN 微波功率器件及可靠性研究”和“5G 移动通信 GaN 芯片可靠性机理研究”研究，与华为和中兴联合开展工程合作项目实施，加快解决器件工艺可靠性工程问题，重点开展氮化镓微波功率与太赫兹器件工程技术研究，突破高性能低缺陷外延材料生长、高效率高可靠氮化镓微波功率器件工艺技术等关键瓶颈问题，协助规模量产高效率 S-Ku 波段典型氮化镓功率器件和模块、5G 基站核心射频模块。

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。