葡京娱乐场-富盈娱乐场开户

無線緩存技術是一種減輕無線網(wǎng)絡負載的技術，其基本原理是將熱門文件緩存到網(wǎng)絡邊緣的緩存節(jié)點中，當用戶需要下載這些文件的時候，可以直接從緩存節(jié)點的本地內(nèi)存中獲取，不需要通過容量有限的無線鏈路從基站獲取這些數(shù)據(jù)。王銳課題組將緩存文件的傳輸和放置聯(lián)合優(yōu)化，設計了一種基于馬爾可夫決策過程和強化學習的低復雜度無線資源調(diào)度算法來降低基站傳輸資源的消耗。 在有限的文件生命周期內(nèi)，用戶訪問文件的次數(shù)是隨

中國電子學會發(fā)布“電子信息領域優(yōu)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(lián)合署名的論文《AI for 5G: research

大規(guī)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(guī)模MIMO場景中，通信節(jié)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(tǒng)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(xié)作的通信安全方案，通過對竊聽區(qū)域的預測，優(yōu)先選擇安全系數(shù)高的用戶作為信息中轉(zhuǎn)點，禁止竊聽區(qū)域附近的用戶進行傳輸，從而有效地對抗視距攻擊。 相比現(xiàn)有的大規(guī)模MIMO場

新冠肺炎常規(guī)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(shù)不是專業(yè)超聲醫(yī)生，這為如何在治療重癥患者的過程中更好地發(fā)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(yī)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(shù)的自動測量等功能，輔助醫(yī)生對重癥病人進行動態(tài)評估和治療。 袁克虹團隊與深圳華聲醫(yī)療技術股份有限公司1月中旬組成研發(fā)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(lián)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(xié)和西院等多家醫(yī)院使用，在一定程度上輔助了醫(yī)生對重癥患者進行疾病的動態(tài)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(yī)院）牽頭開展進一步研究，將完善和改進現(xiàn)有功能，優(yōu)化遠程診斷流程，實現(xiàn)超聲為醫(yī)生治療重癥患者提供更智能、更可靠、更專業(yè)的幫助。

數(shù)據(jù)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(shù)據(jù)。可將不同的傳感器集成在智能手環(huán)、腳環(huán)、腰帶等可穿戴設備中，以實現(xiàn)加速度、角速度和生理等數(shù)據(jù)的采集；物體和環(huán)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(huán)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(xiàn)各種環(huán)境信息的采集。 多模態(tài)傳輸技術 LPWAN (Low-Power Wide-Area Network，低功率廣域網(wǎng)絡) 在LPWAN技術出現(xiàn)以前，通信技術已經(jīng)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(fā)現(xiàn)在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現(xiàn)正好彌補了這個短板。         LPWAN可分為兩類：一類是工作于未授權(quán)頻譜的LoRa、SigFox等技術；另一類是工作于授權(quán)頻譜的基于蜂窩組網(wǎng)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(lián)網(wǎng)應用而設計。 最具前景的LPWAN技術——NB-IoT和LoRa： 物聯(lián)網(wǎng)（IoT）應用需要考慮諸多因素，例如節(jié)點成本、網(wǎng)絡成本、電池壽命、數(shù)據(jù)傳輸速率(吞吐率)、延遲、移動性、網(wǎng)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(yè)特性，也是最有發(fā)展前景的兩個低功耗廣域網(wǎng)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(lián)網(wǎng)應用。 LoRa （Long  Range）:     一個LoRaWAN網(wǎng)絡架構(gòu)中包含了終端、基站、NS(網(wǎng)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(wǎng)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(jié)點可以同時發(fā)送信息給多個基站。基站則對NS和終端之間的LoRaWAN協(xié)議數(shù)據(jù)做轉(zhuǎn)發(fā)處理，將LoRaWAN數(shù)據(jù)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(gòu)建基于蜂窩網(wǎng)絡，只消耗大約180KHz的帶寬，可直接部署于GSM網(wǎng)絡、UMTS網(wǎng)絡或LTE網(wǎng)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(wǎng)的蜂窩數(shù)據(jù)連接。NB-IoT支持待機時間長、對網(wǎng)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(nèi)覆蓋，在同樣的頻段下，NB-IoT比現(xiàn)有的LTE網(wǎng)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(qū)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(yōu)化的網(wǎng)絡架構(gòu)；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(yè)預期的單個接連模塊不超過5美元。 數(shù)據(jù)分析技術 人工智能研究的各個分支，包括專家系統(tǒng)、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(tǒng)等。2012年以后，得益于數(shù)據(jù)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(xiàn)，人工智能開始大爆發(fā)。機器學習是一種實現(xiàn)人工智能的方法，深度學習是一種實現(xiàn)機器學習的技術。機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)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(fā)展迅猛，一些其特有的學習手段相繼被提出（如殘差網(wǎng)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(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現(xiàn)對被監(jiān)護者摔倒等異常行為的檢測。

非線性失真是5G通信系統(tǒng)和其他新興多載波通信系統(tǒng)的主要失真來源，而數(shù)字預失真代表著線性化方法發(fā)展趨勢。目前，數(shù)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(qū)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(diào)項間的定量關系，推導出了系統(tǒng)參數(shù)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(shù)字信號預失真方法實現(xiàn)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(shù)據(jù)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(shù)據(jù)。可將不同的傳感器集成在智能手環(huán)、腳環(huán)、腰帶等可穿戴設備中，以實現(xiàn)加速度、角速度和生理等數(shù)據(jù)的采集；物體和環(huán)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(huán)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(xiàn)各種環(huán)境信息的采集。多模態(tài)傳輸技術LPWAN (Low-Power Wide-Area Network，低功率廣域網(wǎng)絡)在LPWAN技術出現(xiàn)以前，通信技術已經(jīng)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(fā)現(xiàn)在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現(xiàn)正好彌補了這個短板。       LPWAN可分為兩類：一類是工作于未授權(quán)頻譜的LoRa、SigFox等技術；另一類是工作于授權(quán)頻譜的基于蜂窩組網(wǎng)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(lián)網(wǎng)應用而設計。最具前景的LPWAN技術——NB-IoT和LoRa：物聯(lián)網(wǎng)（IoT）應用需要考慮諸多因素，例如節(jié)點成本、網(wǎng)絡成本、電池壽命、數(shù)據(jù)傳輸速率(吞吐率)、延遲、移動性、網(wǎng)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(yè)特性，也是最有發(fā)展前景的兩個低功耗廣域網(wǎng)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(lián)網(wǎng)應用。LoRa （Long Range）:   一個LoRaWAN網(wǎng)絡架構(gòu)中包含了終端、基站、NS(網(wǎng)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(wǎng)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(jié)點可以同時發(fā)送信息給多個基站。基站則對NS和終端之間的LoRaWAN協(xié)議數(shù)據(jù)做轉(zhuǎn)發(fā)處理，將LoRaWAN數(shù)據(jù)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(gòu)建基于蜂窩網(wǎng)絡，只消耗大約180KHz的帶寬，可直接部署于GSM網(wǎng)絡、UMTS網(wǎng)絡或LTE網(wǎng)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(wǎng)的蜂窩數(shù)據(jù)連接。NB-IoT支持待機時間長、對網(wǎng)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(nèi)覆蓋，在同樣的頻段下，NB-IoT比現(xiàn)有的LTE網(wǎng)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(qū)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(yōu)化的網(wǎng)絡架構(gòu)；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(yè)預期的單個接連模塊不超過5美元。數(shù)據(jù)分析技術人工智能研究的各個分支，包括專家系統(tǒng)、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(tǒng)等。2012年以后，得益于數(shù)據(jù)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(xiàn)，人工智能開始大爆發(fā)。機器學習是一種實現(xiàn)人工智能的方法，深度學習是一種實現(xiàn)機器學習的技術。機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)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(fā)展迅猛，一些其特有的學習手段相繼被提出（如殘差網(wǎng)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(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現(xiàn)對被監(jiān)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(tài)統(tǒng)計和日常需求預測與推薦；多模態(tài)行為分析和數(shù)據(jù)采集和傳輸系統(tǒng)；多模態(tài)行為數(shù)據(jù)采集和分析平臺；基于LoRaWAN/5G的工廠環(huán)境、農(nóng)業(yè)大棚等環(huán)境監(jiān)測系統(tǒng)。技術成熟度:通過中試

（一）項目背景 當前以硅、砷化鎵為代表的第一和二代半導體接近其物理極限，以氮化鎵、碳化硅為代表的第三代半導體是當前國際競爭熱點，也是我國發(fā)展自主核心半導體產(chǎn)業(yè)、實現(xiàn)換道超車的難得機遇。氮化鎵（GaN）特別適合制作高頻、高效、高溫、高壓的大功率微波器件，是下一代通信、雷達、制導等電子裝備向更大功率、更高頻率、更小體積和抗惡劣環(huán)境（高溫抗輻照）方向發(fā)展的關鍵技術。 目前氮化鎵基射頻器件已接近于商用，需解決從走出實驗室到小量中試的最后“1 公里”，重點攻克其在可靠性工藝和量產(chǎn)穩(wěn)定性的瓶頸。 以氮化鎵、碳化硅為代表的第三代半導體是當前國際競爭熱點，也是我國發(fā)展自主核心半導體產(chǎn)業(yè)、實現(xiàn)換道超車的難得機遇。 半導體作為信息時代的“糧食”，將成為 5G 基建、特高壓、城際高鐵和城際軌道交通、新能源汽車充電樁、大數(shù)據(jù)中心、人工智能、工業(yè)互聯(lián)網(wǎng)等“新基建”七大領域發(fā)展的支柱性產(chǎn)業(yè)。而氮化鎵為代表的寬禁帶半導體先進電子器件，憑借其高效、高壓、高溫等優(yōu)勢，將在“新基建”中大放異彩，可以彌補傳統(tǒng)半導體器件的技術瓶頸，滿足更高性能器件要求。 （二）項目簡介 5G 要求更高的數(shù)據(jù)傳輸速率，發(fā)射機的效率會出現(xiàn)指數(shù)級的下降。這種下降可以使用包絡跟蹤技術來修復，該技術已經(jīng)在較新的 4G/LTE 基站以及蜂窩電話中采用。基站中的包絡跟蹤需要高速，高功率和高電壓，這些只有使用 GaN 技術才能實現(xiàn)。諸如 GaN 助力運營商和基站 OEM 等實現(xiàn)了 5Gsub-6-GHz 和 mmWave 大規(guī)模 MIMO 的目標。 GaN 可以說為 5Gsub-6-GHz 大規(guī)模 MIMO 基站應用提供了眾多優(yōu)勢：1、在 3.5GHz 及以上頻率下表現(xiàn)良好，對比其他產(chǎn)品優(yōu)勢明顯。2、GaN 的特性能轉(zhuǎn)化為高輸出功率，寬帶寬和高效率。采用 DohertyPA 配置的 GaN 在 100W 輸出功率下的平均效率達到 50%至 60%，明顯降低了發(fā)射功耗。3、在高頻和寬帶寬下的效率意味著大規(guī)模 MIMO 系統(tǒng)可以更緊湊。4、可在較高的工作溫度下可靠運行，這意味著它可以使用更小的散熱器。 根據(jù) Strategy Analytics 的數(shù)據(jù)，預計 5G 移動連接將從 2019 年的 500 萬增長到 2023 年的近 6 億。所以需求還將不斷上漲。 根據(jù)Strategy Analytics的數(shù)據(jù)，預計5G移動連接將從2019年的500萬增長到2023年的近6億。所以需求還將不斷上漲。 Efficient Power Conversion 的首席執(zhí)行官兼聯(lián)合創(chuàng)始人Alex Lidow 討論5G時也說道：“基站中的包絡跟蹤需要高速，高功率和高電壓，這些只有使用GaN技術才能實現(xiàn)。根據(jù)Yole Development公司發(fā)布的2018年度報告數(shù)據(jù)顯示，隨著全球整體數(shù)據(jù)流量的激增，我國5G產(chǎn)業(yè)將迎來大規(guī)模的需求增長。預計到2022年，我國5G基站規(guī)模將達到千億市場，5G基站數(shù)量將達百萬個。所以未來氮化鎵基射頻器件是5G通信基站收發(fā)端的核心。 氮化鎵基射頻器件是華為和中興發(fā)展 5G 通信產(chǎn)業(yè)的核心器件，西安電子科技大學氮化鎵射頻器件研究團隊自 2016 年起就與華為西安研究所、中興西安研究所等國內(nèi)主流5G通信公司協(xié)同攻關開展氮化鎵基射頻器件的研究，目前承擔的流片服務項目合計約 500 萬元。 2017 年，西安電子科技大學與西安市高新區(qū)、西電電氣集團等聯(lián)合成立“陜西半導體先導技術中心”，中心致力于推動陜西第三代半導體產(chǎn)業(yè)發(fā)展，促進以氮化鎵為代表的射頻器件、功率器件等加速產(chǎn)業(yè)化，2019 年團隊向陜西半導體先導技術中心轉(zhuǎn)讓專利 35 項，作價 2000 萬元，雙方正在聯(lián)合推進搭建第三代半導體中試平臺，平臺將會立足西安，服務全國，提升氮化鎵基射頻器件量產(chǎn)工藝可靠性，實現(xiàn)相關技術成果轉(zhuǎn)化。 （三）關鍵技術 本項目由西安電子科技大學作為技術攻關的主要單位，制定技術路線，保障國家重大科技專項“高效 GaN 微波功率器件及可靠性研究”和“5G 移動通信 GaN 芯片可靠性機理研究”研究，與華為和中興聯(lián)合開展工程合作項目實施，加快解決器件工藝可靠性工程問題，重點開展氮化鎵微波功率與太赫茲器件工程技術研究，突破高性能低缺陷外延材料生長、高效率高可靠氮化鎵微波功率器件工藝技術等關鍵瓶頸問題，協(xié)助規(guī)模量產(chǎn)高效率 S-Ku 波段典型氮化鎵功率器件和模塊、5G 基站核心射頻模塊。

萬物有聲科技關注聲音后期制作中的擬音技術，用“AI+聲音”的基本構(gòu)想，致力于將擬音技術與人工智能結(jié)合，以聲音資源庫為核心資源，以視頻動作識別和聲音識別自動配音技術為核心技術。 一、項目進展 創(chuàng)意計劃階段 二、負責人及成員 姓名 學院/所學專業(yè) 入學/畢業(yè)時間 金若熙 公共管理學院/企業(yè)管理專業(yè) 2021 趙洋 計算機科學與技術學院/軟件工程專業(yè) 2018/2022 王美琳 管理學院/會計學專業(yè) 2018/2022 譚惠文 經(jīng)濟學院/國際商務專業(yè) 2021 郭夢妍 藝術與考古學院/視覺傳達專業(yè) 2019/2023 徐舒婷 光華法學院/法學專業(yè) 2019/2023 布音塔娜 管理學院/工商管理專業(yè) 2018/2022 崔靖樂 光華法學院/法學專業(yè) 2020/2024 陶振宇 傳媒與國際文化學院/傳播學專業(yè) 2020/2024 三、指導教師 姓名 學院 職務/職稱 研究方向 王婧 傳媒與國際文化學院 副教授，博導 聲音研究、感官研究、表演學研究、藝術人類學 四、項目簡介 萬物有聲科技關注聲音后期制作中的擬音技術，用“AI+聲音”的基本構(gòu)想，致力于將擬音技術與人工智能結(jié)合，以聲音資源庫為核心資源，以視頻動作識別和聲音識別自動配音技術為核心技術。團隊首次將人工智能與擬音技術相結(jié)合，以技術助力后期制作的同時，關注擬音技術中的情感注入和人文關懷，優(yōu)化聲音后期制作行業(yè)的資源配置，提高后期制作的生產(chǎn)效率；同時降低部分場景的聲音后期制作門檻，豐富聲音的應用場景，將擬音技術的高質(zhì)量聽覺體驗引入在線音頻、影視后期、游戲等多個領域。 團隊首先對傳統(tǒng)擬音師積累于硬盤中的無序聲音資源進行了細化的分類和打標，對其進行數(shù)字化編碼，完成了高質(zhì)量聲音資源庫的打造，為喜愛創(chuàng)作視聽產(chǎn)品的用戶提供高質(zhì)量的聲音資源。本庫聲音均采用影視制作標準，同時配以智能簡潔的檢索系統(tǒng)，改善了同類產(chǎn)品中標簽分類模糊雜亂、檢索困難、音質(zhì)參差不齊的不足；同時配合專業(yè)后期配音教程與作品分享，做到“既以魚又以漁”，延伸產(chǎn)品價值。 其次，團隊將自動配音技術與海量音源庫相結(jié)合，開發(fā)有聲數(shù)字化聲音數(shù)據(jù)庫，團隊將進一步完善和細化聲音資源庫。同時深耕算法的研究和迭代，實現(xiàn)后期擬音的進一步智能化，該技術的應用場景將向?qū)I(yè)視頻后期轉(zhuǎn)型，著重開發(fā)其在專業(yè)視頻后期聲音制作中的應用。

德力E8900系列5G NR信號分析儀是針對客戶對5G系統(tǒng)無線側(cè)全面測試而全新推出的平臺化產(chǎn)品，擁有9GHz全頻段掃描范圍，100MHz實時分析帶寬；具備的普通掃頻設備10倍的掃描速度、豐富的物理接口。對于無線發(fā)射系統(tǒng)或基站安裝、部署以及干擾排查提供了完整的測試方案。 功能特點 ● 9kHz-9GHz測試頻率范圍； ● 頻譜掃速可以達到30GHz/s(@7.8kHz) ，可對信號進行100%捕獲； ● 支持AOA測向方式，支持單機、聯(lián)機多點定位功能； ● 支持相關干涉測試體制，配合PAD可完成路測自動定位功能； ● 支持5G NR等多種移動通信系統(tǒng)解調(diào)分析功能； ● 高達100MHz的實時分析帶寬； ● 余輝頻譜，對疊加信號或突發(fā)信號有效監(jiān)測； ● 可導出100MHz實時帶寬的IQ數(shù)據(jù)，支持第三方開發(fā)軟件對IQ數(shù)據(jù)進行分析； ● 10.1寸電容觸摸屏，具備“日間”、“現(xiàn)代”等多種操作模式。