葡京娱乐场-富盈娱乐场开户

中國電子學會發布“電子信息領域優秀科技論文（2020）遴選活動”入選論文。東南大學尤肖虎、張川、談曉思、金石、鄔賀銓聯合署名的論文《AI for 5G: research

大規模MIMO是一類搭載大量天線陣列，支持對天線單元幅值與相位的精準控制，可以將無線信號能量匯集到特定方向上的5G/B5G關鍵通信技術。在大規模MIMO場景中，通信節點本來不容易受到非法竊聽者的攻擊。然而，一種新型的視距攻擊能夠利用視距通信系統中的信道相關性，在用戶的通信鏈路上對信息進行竊取。王銳課題組設計了一種基于用戶協作的通信安全方案，通過對竊聽區域的預測，優先選擇安全系數高的用戶作為信息中轉點，禁止竊聽區域附近的用戶進行傳輸，從而有效地對抗視距攻擊。 相比現有的大規模MIMO場

項目成果/簡介:5G智慧急救協同平臺既可滿足市縣級地區本地社區120急救、本地二級醫院120轉運以及外地市120急救轉運的急救需求，又具備充分擴展性，下一步面向全省。平臺可對接現有120急救指揮調度中心系統，利用5G實現急救車與院內專科中心互聯互通，支撐急救現場、基層醫院、院前急救、院內急診、重癥監護和專科救治等多方緊密協作，應用模式如下圖所示。胸痛中心作為省急性心肌梗死救治網絡的核心，已形成較為完善的院前急救和院內急救網絡，以此為基礎構建快速、高效、全覆蓋的急危重癥醫療救治體系，實現五大中心信息化平臺建設。平臺的區域急救協作過程，分別通過急救轉運時間軸和急救醫療時間軸進行服務監管和持續改進，從患者現場呼救第一時間開始，通過急救轉運時間軸，監控多部門協作的資源調度和急救轉運效率。從患者首次醫療接觸時間開始，通過急診急救醫療時間軸，監控急診急救醫聯體的多學科協作環境下，急危重癥醫療業務協同效率和臨床服務質量。平臺對接各國家專科上報系統，實現質控數據自動上報。平臺整體拓撲如下圖所示：利用5G技術連結成網，以醫院為中心，實現院前急救與醫院內搶救無縫銜接、分級救治和協同救治并舉，創建國內領先的區域急危重癥智慧化急救平臺，建立涵蓋胸痛、卒中、創傷、高危孕產婦、新生兒救治和醫院急診重癥的急救網絡。實現各級醫療機構在同一平臺上急救信息共享，開展協同救治、實時質控，提高急救的效率、質量、救治效果。逐步建成本區域智慧急救信息化云平臺、數據庫和信息系統；由我院牽頭，建設胸痛中心、卒中中心、創傷救治中心、逐步覆蓋危重孕產婦救治中心、新生兒救治中心；提升甘肅省區域各救治醫院信息化水平、信息共享和業務協同能力；將優勢醫療資源下沉到基層和急救第一現場，改善和優化醫療資源配置；實現院前急救和院內搶救無縫銜接，合理配置和利用急救資源，規范急救流程；建立實時質控體系，升級改造救護車，實現急救中心、急救車輛、救治醫院和救治中心以及衛健委信息互聯互通和業務協同；建設急救電子地圖，并利用新一代無線寬帶通信（5G）、大數據、人工智能等技術，實現遠程急救與應急指導，院內外信息的無縫對接；建立音視頻會診系統、移動協同應用，以急病要急、慢病要準為指導思想，提高患者救治成功率。通過院前急救、院內搶救、院后隨訪無縫銜接、分級救治和協同救治并舉，實現如下目標：1、區域急救醫療資源統一應用在院內急診規范化預檢分診和院前急救轉運全過程監控的基礎上，建立覆蓋每臺急救車、每個網絡醫院的數據互聯互通和實時上報機制，形成急診急救資源動態電子地圖，提高急救醫療服務體系運行的透明度，實現醫療資源最優配置和患者轉運治療方案最佳選擇。2、院前急救戰線前移與院內救治的無縫銜接改變原有的院前轉運和院內交接串行的銜接模式，通過院前病情評估分診和預報、遠程心電診斷、遠程影像診斷、轉運過程中的遠程監護和實時音視頻遠程指導、院內醫護端移動協同應用等方式，實現院內專科救治戰線向院前前移，最大程度壓縮急救時間延遲。3、院內急診多病區精細化和規范化管理通過規范化的預檢分診，實現急診患者分級分區有序管理，最大程度減少搶救、留觀區患者與家屬的無效移動；通過智慧急救平臺，實現紅黃綠區快速流轉和統一管理，支撐以急危重癥患者為中心進行急救的全程跟蹤和閉環管理。通過優化收費模式，科學核算服務成本，引導公眾合理急救需求。4、實現多學科高效協作與綠色通道，壓縮搶救時間根據規范化的急救路徑自動采集診療過程數據，進行綠色通道醫療行為監控，通過觸發關鍵環節上的預報提醒和會診通知，將串行步驟并行化，并加強多學科信息共享和團隊協作，自動統計綠色通道運營指標，不斷提高綠色通道運行效率，縮短患者救治時間。5、急危重癥臨床決策支持與服務質量持續改進通過可擴展的、全程覆蓋完整危重救治鏈的質控平臺，將多種病種的臨床急救指南固化為標準的程序和規則，在對醫護人員正常工作最小干預的前提下進行實時數據采集，將臨床質量控制與臨床決策支持高度融合，支撐流程的持續改進和急救醫學服務的均質化。6、心腦血管等急危重癥的分級診療和綜合防治將急診急救與慢病管理相結合，打通高危人群篩查、健康管理、院前急救、院內急診、專科救治和院后康復的閉環流程，以胸痛、卒中高危人群為重點，建立健全基層首診、雙向轉診、急慢分治、上下聯動的分級診療體系。7、急診急救遠程教育和公眾急救知識普及通過移動互聯網和遠程音視頻技術，開展急救醫護人員和志愿者的技術培訓，開展公眾急危重癥預防與急救知識的普及和教育，提升全民公共安全意識和自救互救能力，推動社會化和標準化兼備、全民參與的“大急救”。8、采用微服務架構，適用區域智慧急救模式，踐行“時間即生命”平臺采用微服務架構，既提供基于PC的WEB應用，又提供移動APP應用，業務數據集中存儲，充分利用云端的優勢，隨數據量和業務量的增長可橫向擴充。B/S架構保證了平臺部署快捷方便，低運維成本。平臺還利用業務集成網關，便捷、靈活的對接各醫療設備和物聯網設備、周邊相關業務信息系統，既能使平臺閉環有效運轉，又能讓平臺順暢融入整個醫院信息化環境，避免信息孤島與煙囪式應用，充分體現“端”+“云”的應用架構優勢。利用平臺，可有效縮短急診胸痛、卒中、創傷等患者的救治時間，體現了“時間即生命”的救治理念。院前由隨車醫生及遠程會診專家與患者家屬交代病情及可能的治療方案，使患者及家屬有一個心理承受過程，在需要行急診PCI時簽署知情同意書所需時間也相應縮短。將所有可能造成急救時間窗延誤的情況降到最低，從而提高了胸痛患者的搶救成功率，并提高了患者家屬的滿意度，獲得良好的社會效果。9、患者精準定位，時間自動采集，確保質控時間點真實性項目采用超寬帶（UltraWideBand，UWB）技術、替代傳統手工填寫的方式，自動無感地記錄五大中心時間管理表所要求的救治環節及時間、時長。監控急救病人的流向、到達/離開關鍵節點的時間、可視化的全流程時間軸、歷史軌跡查詢和回放，使急診綠色通道患者得到及時、規范、高效的救治服務。時間節點明細表準確記錄采集每一位急診患者信息、入院方式、到院時間、到達急診時間、離開急診時間、到達手術室時間、離開手術室時間等明細內容。并生成時間節點明細表。改變記錄不及時、時間不準確、急診數據信服力不足、浪費人力、不便管理等情況。平臺采用的超寬帶（UltraWideBand，UWB）技術是一種無線載波通信技術，采用納秒級的非正弦波窄脈沖傳輸數據，該技術具有系統復雜度低，發射信號功率譜密度低，對信道衰落不敏感，截獲能力低，定位精度高等優點。 知識產權類型:發明專利 、 軟件著作權技術成熟度:正在研發技術先進程度:達到國內先進水平成果獲得方式:與企業合作獲得政府支持情況:無

5G智慧急救協同平臺既可滿足市縣級地區本地社區120急救、本地二級醫院120轉運以及外地市120急救轉運的急救需求，又具備充分擴展性，下一步面向全省。平臺可對接現有120急救指揮調度中心系統，利用5G實現急救車與院內專科中心互聯互通，支撐急救現場、基層醫院、院前急救、院內急診、重癥監護和專科救治等多方緊密協作，應用模式如下圖所示。   胸痛中心作為省急性心肌梗死救治網絡的核心，已形成較為完善的院前急救和院內急救網絡，以此為基礎構建快速、高效、全覆蓋的急危重癥醫療救治體系，實現五大中心信息化平臺建設。平臺的區域急救協作過程，分別通過急救轉運時間軸和急救醫療時間軸進行服務監管和持續改進，從患者現場呼救第一時間開始，通過急救轉運時間軸，監控多部門協作的資源調度和急救轉運效率。從患者首次醫療接觸時間開始，通過急診急救醫療時間軸，監控急診急救醫聯體的多學科協作環境下，急危重癥醫療業務協同效率和臨床服務質量。平臺對接各國家專科上報系統，實現質控數據自動上報。 平臺整體拓撲如下圖所示： 利用5G技術連結成網，以醫院為中心，實現院前急救與醫院內搶救無縫銜接、分級救治和協同救治并舉，創建國內領先的區域急危重癥智慧化急救平臺，建立涵蓋胸痛、卒中、創傷、高危孕產婦、新生兒救治和醫院急診重癥的急救網絡。實現各級醫療機構在同一平臺上急救信息共享，開展協同救治、實時質控，提高急救的效率、質量、救治效果。 逐步建成本區域智慧急救信息化云平臺、數據庫和信息系統；由我院牽頭，建設胸痛中心、卒中中心、創傷救治中心、逐步覆蓋危重孕產婦救治中心、新生兒救治中心；提升甘肅省區域各救治醫院信息化水平、信息共享和業務協同能力；將優勢醫療資源下沉到基層和急救第一現場，改善和優化醫療資源配置；實現院前急救和院內搶救無縫銜接，合理配置和利用急救資源，規范急救流程；建立實時質控體系，升級改造救護車，實現急救中心、急救車輛、救治醫院和救治中心以及衛健委信息互聯互通和業務協同；建設急救電子地圖，并利用新一代無線寬帶通信（5G）、大數據、人工智能等技術，實現遠程急救與應急指導，院內外信息的無縫對接；建立音視頻會診系統、移動協同應用，以急病要急、慢病要準為指導思想，提高患者救治成功率。 通過院前急救、院內搶救、院后隨訪無縫銜接、分級救治和協同救治并舉，實現如下目標： 1、區域急救醫療資源統一應用 在院內急診規范化預檢分診和院前急救轉運全過程監控的基礎上，建立覆蓋每臺急救車、每個網絡醫院的數據互聯互通和實時上報機制，形成急診急救資源動態電子地圖，提高急救醫療服務體系運行的透明度，實現醫療資源最優配置和患者轉運治療方案最佳選擇。 2、院前急救戰線前移與院內救治的無縫銜接 改變原有的院前轉運和院內交接串行的銜接模式，通過院前病情評估分診和預報、遠程心電診斷、遠程影像診斷、轉運過程中的遠程監護和實時音視頻遠程指導、院內醫護端移動協同應用等方式，實現院內專科救治戰線向院前前移，最大程度壓縮急救時間延遲。 3、院內急診多病區精細化和規范化管理 通過規范化的預檢分診，實現急診患者分級分區有序管理，最大程度減少搶救、留觀區患者與家屬的無效移動；通過智慧急救平臺，實現紅黃綠區快速流轉和統一管理，支撐以急危重癥患者為中心進行急救的全程跟蹤和閉環管理。 通過優化收費模式，科學核算服務成本，引導公眾合理急救需求。 4、實現多學科高效協作與綠色通道，壓縮搶救時間 根據規范化的急救路徑自動采集診療過程數據，進行綠色通道醫療行為監控，通過觸發關鍵環節上的預報提醒和會診通知，將串行步驟并行化，并加強多學科信息共享和團隊協作，自動統計綠色通道運營指標，不斷提高綠色通道運行效率，縮短患者救治時間。 5、急危重癥臨床決策支持與服務質量持續改進 通過可擴展的、全程覆蓋完整危重救治鏈的質控平臺，將多種病種的臨床急救指南固化為標準的程序和規則，在對醫護人員正常工作最小干預的前提下進行實時數據采集，將臨床質量控制與臨床決策支持高度融合，支撐流程的持續改進和急救醫學服務的均質化。 6、心腦血管等急危重癥的分級診療和綜合防治 將急診急救與慢病管理相結合，打通高危人群篩查、健康管理、院前急救、院內急診、專科救治和院后康復的閉環流程，以胸痛、卒中高危人群為重點，建立健全基層首診、雙向轉診、急慢分治、上下聯動的分級診療體系。 7、急診急救遠程教育和公眾急救知識普及 通過移動互聯網和遠程音視頻技術，開展急救醫護人員和志愿者的技術培訓，開展公眾急危重癥預防與急救知識的普及和教育，提升全民公共安全意識和自救互救能力，推動社會化和標準化兼備、全民參與的“大急救”。 8、采用微服務架構，適用區域智慧急救模式，踐行“時間即生命” 平臺采用微服務架構，既提供基于PC的WEB應用，又提供移動APP應用，業務數據集中存儲，充分利用云端的優勢，隨數據量和業務量的增長可橫向擴充。B/S架構保證了平臺部署快捷方便，低運維成本。平臺還利用業務集成網關，便捷、靈活的對接各醫療設備和物聯網設備、周邊相關業務信息系統，既能使平臺閉環有效運轉，又能讓平臺順暢融入整個醫院信息化環境，避免信息孤島與煙囪式應用，充分體現“端”+“云”的應用架構優勢。 利用平臺，可有效縮短急診胸痛、卒中、創傷等患者的救治時間，體現了“時間即生命”的救治理念。院前由隨車醫生及遠程會診專家與患者家屬交代病情及可能的治療方案，使患者及家屬有一個心理承受過程，在需要行急診PCI時簽署知情同意書所需時間也相應縮短。將所有可能造成急救時間窗延誤的情況降到最低，從而提高了胸痛患者的搶救成功率，并提高了患者家屬的滿意度，獲得良好的社會效果。 9、患者精準定位，時間自動采集，確保質控時間點真實性 項目采用超寬帶（UltraWideBand，UWB）技術、替代傳統手工填寫的方式，自動無感地記錄五大中心時間管理表所要求的救治環節及時間、時長。監控急救病人的流向、到達/離開關鍵節點的時間、可視化的全流程時間軸、歷史軌跡查詢和回放，使急診綠色通道患者得到及時、規范、高效的救治服務。 時間節點明細表準確記錄采集每一位急診患者信息、入院方式、到院時間、到達急診時間、離開急診時間、到達手術室時間、離開手術室時間等明細內容。并生成時間節點明細表。改變記錄不及時、時間不準確、急診數據信服力不足、浪費人力、不便管理等情況。 平臺采用的超寬帶（UltraWideBand，UWB）技術是一種無線載波通信技術，采用納秒級的非正弦波窄脈沖傳輸數據，該技術具有系統復雜度低，發射信號功率譜密度低，對信道衰落不敏感，截獲能力低，定位精度高等優點。  

新冠肺炎常規通過病史、CT等進行病情評估，但重癥病房應用超聲不便，還需要評估重癥患者的心臟等多器官，然而操作者絕大多數不是專業超聲醫生，這為如何在治療重癥患者的過程中更好地發揮超聲的作用提出了難題。深圳國際研究生院袁克虹團隊與深圳華聲醫療技術股份有限公司合作，用人工智能技術賦能5G超聲設備，增添采集心肺關鍵標準切面的導航以及關鍵參數的自動測量等功能，輔助醫生對重癥病人進行動態評估和治療。 袁克虹團隊與深圳華聲醫療技術股份有限公司1月中旬組成研發團隊，在已有合作工作的基礎上，針對新冠肺炎重癥患者臨床超聲的迫切需求開展聯合攻關，半個月就獲得了較好的成果。該技術從2月初開始在武漢協和西院等多家醫院使用，在一定程度上輔助了醫生對重癥患者進行疾病的動態評估和治療指導。 目前該技術正由國家感染性疾病臨床研究中心（深圳市第三人民醫院）牽頭開展進一步研究，將完善和改進現有功能，優化遠程診斷流程，實現超聲為醫生治療重癥患者提供更智能、更可靠、更專業的幫助。

數據采集技術 可穿戴傳感器是接觸式傳感器。加速度傳感器測量運動加速度，心率、血壓和血氧傳感器檢測心率、血壓等生理數據。可將不同的傳感器集成在智能手環、腳環、腰帶等可穿戴設備中，以實現加速度、角速度和生理等數據的采集；物體和環境傳感器是非接觸式傳感器，常見的物體傳感器基于RFID技術，通常用于身份、物流等信息的識別。常見的環境傳感器有聲音傳感器、磁力計、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實現各種環境信息的采集。 多模態傳輸技術 LPWAN (Low-Power Wide-Area Network，低功率廣域網絡) 在LPWAN技術出現以前，通信技術已經有多種類別，短距離的有wifi、藍牙、zigbee等，長距離的則有2G、3G、4G、5G等，但是如果把這些無線通信技術按照功耗與傳輸距離這兩個維度劃分的話可以發現在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現正好彌補了這個短板。         LPWAN可分為兩類：一類是工作于未授權頻譜的LoRa、SigFox等技術；另一類是工作于授權頻譜的基于蜂窩組網的通信技術，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠距離、大量連接的物聯網應用而設計。 最具前景的LPWAN技術——NB-IoT和LoRa： 物聯網（IoT）應用需要考慮諸多因素，例如節點成本、網絡成本、電池壽命、數據傳輸速率(吞吐率)、延遲、移動性、網絡覆蓋范圍以及部署類型等，可以說沒有一種技術可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術具有不同的技術和商業特性，也是最有發展前景的兩個低功耗廣域網通信技術。這兩種LPWAN技術都有覆蓋廣、連接多、速率低、成本低、功耗小等特點，都適合低功耗物聯網應用。 LoRa （Long  Range）:     一個LoRaWAN網絡架構中包含了終端、基站、NS(網絡服務器)、應用服務器這四個部分。基站和終端之間采用星型網絡拓撲，由于LoRa的長距離特性，它們之間得以使用單跳傳輸，終端節點可以同時發送信息給多個基站。基站則對NS和終端之間的LoRaWAN協議數據做轉發處理，將LoRaWAN數據分別承載在了LoRa射頻傳輸和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT構建基于蜂窩網絡，只消耗大約180KHz的帶寬，可直接部署于GSM網絡、UMTS網絡或LTE網絡。NB-IoT是IoT領域一個新興的技術，支持低功耗設備在廣域網的蜂窩數據連接。NB-IoT支持待機時間長、對網絡連接要求較高設備的高效連接。 NB-IoT具備四大特點：一是廣覆蓋，將提供改進的室內覆蓋，在同樣的頻段下，NB-IoT比現有的LTE網絡增益提升20dB，覆蓋面積擴大100倍；二是具備支撐海量連接的能力，NB-IoT一個扇區能夠支持10萬個連接，支持低延時敏感度、超低的設備成本、低設備功耗和優化的網絡架構；三是更低功耗，NB-IoT終端模塊的待機時間可長達10年；四是更低的模塊成本，企業預期的單個接連模塊不超過5美元。 數據分析技術 人工智能研究的各個分支，包括專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等。2012年以后，得益于數據量的上漲、運算力的提升和機器學習新算法（深度學習）的出現，人工智能開始大爆發。機器學習是一種實現人工智能的方法，深度學習是一種實現機器學習的技術。機器學習是用大量的數據來“訓練”，通過各種算法從數據中學習如何完成任務。深度學習本來并不是一種獨立的學習方法，但由于近幾年該領域發展迅猛，一些其特有的學習手段相繼被提出（如殘差網絡），因此越來越多的人將其單獨看作一種學習的方法。深度學習的各種算法已成為行為識別主要應用的技術，傳感器采集的各類信號，通過卷積神經網絡、循環神經網絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現對被監護者摔倒等異常行為的檢測。

非線性失真是5G通信系統和其他新興多載波通信系統的主要失真來源，而數字預失真代表著線性化方法發展趨勢。目前，數字預失真方法均采用了對非線性器件輸出信號的包絡特性進行直接線性化的簡單思路。由于有源非線性器件（如射頻功放）存在最大輸出功率的限制，故此種原理的線性化算法在高能信號區會造成輸出有效增益的明顯下降，也就是難以同時滿足低功率損失和高線性化效果的要求。這不但造成了低下的電源利用效率，并且造成我國對進口大功率射頻器件的依賴。 針對5G通信非線性失真研究的理論空白，申請人率先完成了非線性失真信號微觀分析法，首次揭示了億萬個隨機交調項間的定量關系，推導出了系統參數和非線性頻譜間簡潔的多項式表達關系，并將仿真速度提高1100倍。針對目前射頻電路預失真方法的原理性缺陷，申請人建立的多級精細化數字信號預失真方法實現了在低功率損耗的條件下取得高度線性化效果，此方法可提高功放的功率利用率，降低我國對大功率射頻功放的進口依賴。

項目成果/簡介:數據采集技術可穿戴傳感器是接觸式傳感器。加速度傳感器測量運動加速度，心率、血壓和血氧傳感器檢測心率、血壓等生理數據。可將不同的傳感器集成在智能手環、腳環、腰帶等可穿戴設備中，以實現加速度、角速度和生理等數據的采集；物體和環境傳感器是非接觸式傳感器，常見的物體傳感器基于RFID技術，通常用于身份、物流等信息的識別。常見的環境傳感器有聲音傳感器、磁力計、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實現各種環境信息的采集。多模態傳輸技術LPWAN (Low-Power Wide-Area Network，低功率廣域網絡)在LPWAN技術出現以前，通信技術已經有多種類別，短距離的有wifi、藍牙、zigbee等，長距離的則有2G、3G、4G、5G等，但是如果把這些無線通信技術按照功耗與傳輸距離這兩個維度劃分的話可以發現在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現正好彌補了這個短板。       LPWAN可分為兩類：一類是工作于未授權頻譜的LoRa、SigFox等技術；另一類是工作于授權頻譜的基于蜂窩組網的通信技術，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠距離、大量連接的物聯網應用而設計。最具前景的LPWAN技術——NB-IoT和LoRa：物聯網（IoT）應用需要考慮諸多因素，例如節點成本、網絡成本、電池壽命、數據傳輸速率(吞吐率)、延遲、移動性、網絡覆蓋范圍以及部署類型等，可以說沒有一種技術可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術具有不同的技術和商業特性，也是最有發展前景的兩個低功耗廣域網通信技術。這兩種LPWAN技術都有覆蓋廣、連接多、速率低、成本低、功耗小等特點，都適合低功耗物聯網應用。LoRa （Long Range）:   一個LoRaWAN網絡架構中包含了終端、基站、NS(網絡服務器)、應用服務器這四個部分。基站和終端之間采用星型網絡拓撲，由于LoRa的長距離特性，它們之間得以使用單跳傳輸，終端節點可以同時發送信息給多個基站。基站則對NS和終端之間的LoRaWAN協議數據做轉發處理，將LoRaWAN數據分別承載在了LoRa射頻傳輸和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT構建基于蜂窩網絡，只消耗大約180KHz的帶寬，可直接部署于GSM網絡、UMTS網絡或LTE網絡。NB-IoT是IoT領域一個新興的技術，支持低功耗設備在廣域網的蜂窩數據連接。NB-IoT支持待機時間長、對網絡連接要求較高設備的高效連接。NB-IoT具備四大特點：一是廣覆蓋，將提供改進的室內覆蓋，在同樣的頻段下，NB-IoT比現有的LTE網絡增益提升20dB，覆蓋面積擴大100倍；二是具備支撐海量連接的能力，NB-IoT一個扇區能夠支持10萬個連接，支持低延時敏感度、超低的設備成本、低設備功耗和優化的網絡架構；三是更低功耗，NB-IoT終端模塊的待機時間可長達10年；四是更低的模塊成本，企業預期的單個接連模塊不超過5美元。數據分析技術人工智能研究的各個分支，包括專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等。2012年以后，得益于數據量的上漲、運算力的提升和機器學習新算法（深度學習）的出現，人工智能開始大爆發。機器學習是一種實現人工智能的方法，深度學習是一種實現機器學習的技術。機器學習是用大量的數據來“訓練”，通過各種算法從數據中學習如何完成任務。深度學習本來并不是一種獨立的學習方法，但由于近幾年該領域發展迅猛，一些其特有的學習手段相繼被提出（如殘差網絡），因此越來越多的人將其單獨看作一種學習的方法。深度學習的各種算法已成為行為識別主要應用的技術，傳感器采集的各類信號，通過卷積神經網絡、循環神經網絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現對被監護者摔倒等異常行為的檢測。應用范圍:家居智慧控制，提高舒適度：家庭生活狀態統計和日常需求預測與推薦；多模態行為分析和數據采集和傳輸系統；多模態行為數據采集和分析平臺；基于LoRaWAN/5G的工廠環境、農業大棚等環境監測系統。技術成熟度:通過中試

2017年7月11日，北京郵電大學溫向明教授研究團隊受邀赴日內瓦參加ITU-T SG13全會，代表北京郵電大學、OAI軟件聯盟及開源5G中法聯合實驗室，全程展示了全球首個5G網絡服務化切片管理編排原型系統，并提交了SBA 5G網絡切片標準化提案。該系統是5G網絡操作系統的核心部分，可實現靈活的網絡切片管理、業務動態編排及彈性伸縮，可有效應對5G網絡中場景多樣化、業務動態化和網絡異構化的挑戰。5G切片管理編排原型系統得到了與會設備商、運營商及研究機構的廣泛關注。溫向明教授研究團隊將加強與國內外重要運營商展開深層次的合作，提升在國際標準化組織的影響力，共同推動5G網絡切片管理編排的標準化進程，占領5G網絡切片管理編排及網絡操作系統的制高點，加速推動5G網絡切片管理編排系統在運營商網絡的商用。