新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種內(nèi)置可更換粘滯阻尼器與耗能鋼筋的預制拼裝橋墩抗震結(jié)構(gòu)及其施工方法，橋墩抗震結(jié)構(gòu)包括帶有“［”型凹槽a的預制混凝土墩柱節(jié)段、用于嵌套預制混凝土墩柱節(jié)段上部和下部的雙壁鋼套筒、用于定位墩柱節(jié)段的定位鋼筋、安裝在“［”型凹槽a內(nèi)部的粘滯阻尼器、耗能鋼筋。粘滯阻尼器與耗能鋼筋在結(jié)構(gòu)中起到“安全氣囊”的作用，它們在地震作用下具有較強的耗能能力。粘滯阻尼器與耗能鋼筋在結(jié)構(gòu)中還起到“保險絲”的作用，它們是地震損傷集中部位，并且可更換。使用本發(fā)明不僅可以提高預制拼裝橋墩的抗震性能，同時還能快速修復受損橋墩。

Teemo天尚元與Cenntro容大智造的此次合作，充分表明了雙方對滑板底盤新技術(shù)的積極探索，為未來可拓展的城市應(yīng)用場景提前做好準備。

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(yīng)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(shù)股份有限公司合作，用人工智能技術(shù)賦能5G超聲設(shè)備，增添采集心肺關(guān)鍵標準切面的導航以及關(guān)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(shù)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(chǔ)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(guān)，半個月就獲得了較好的成果。該技術(shù)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(shù)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(shù) 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(shè)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(shù)，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(shù) LPWAN (Low-Power Wide-Area Network，低功率廣域網(wǎng)絡(luò)) 在LPWAN技術(shù)出現(xiàn)以前，通信技術(shù)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(shù)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(shù)還欠缺，而LPWAN技術(shù)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(shù)；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(shù)，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(yīng)用而設(shè)計。 最具前景的LPWAN技術(shù)——NB-IoT和LoRa： 物聯(lián)網(wǎng)（IoT）應(yīng)用需要考慮諸多因素，例如節(jié)點成本、網(wǎng)絡(luò)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(luò)覆蓋范圍以及部署類型等，可以說沒有一種技術(shù)可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術(shù)具有不同的技術(shù)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(shù)。這兩種LPWAN技術(shù)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(yīng)用。 LoRa （Long  Range）:     一個LoRaWAN網(wǎng)絡(luò)架構(gòu)中包含了終端、基站、NS(網(wǎng)絡(luò)服務(wù)器)、應(yīng)用服務(wù)器這四個部分。基站和終端之間采用星型網(wǎng)絡(luò)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(luò)，只消耗大約180KHz的帶寬，可直接部署于GSM網(wǎng)絡(luò)、UMTS網(wǎng)絡(luò)或LTE網(wǎng)絡(luò)。NB-IoT是IoT領(lǐng)域一個新興的技術(shù)，支持低功耗設(shè)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(luò)連接要求較高設(shè)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(luò)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(shè)備成本、低設(shè)備功耗和優(yōu)化的網(wǎng)絡(luò)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(shù) 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(shù)。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(wù)。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(lǐng)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(luò)），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(yīng)用的技術(shù)，傳感器采集的各類信號，通過卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)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。

神經(jīng)遞質(zhì)作為神經(jīng)元與神經(jīng)元及神經(jīng)元與細胞之間溝通的媒介分子，介導了發(fā)育、信息感知，運動及大腦的高級認知功能。隨著生化分離純化技術(shù)的發(fā)展以及人們對大腦精細結(jié)構(gòu)的進一步了解，現(xiàn)如今已發(fā)現(xiàn)有幾十種重要的神經(jīng)遞質(zhì)。而神經(jīng)系統(tǒng)在時間和空間上的高度復雜性對研究特定神經(jīng)遞質(zhì)的動態(tài)變化及其功能提出了極大的挑戰(zhàn)。本項目成功構(gòu)建了一系列新型的基因編碼的神經(jīng)遞質(zhì)熒光探針，可實現(xiàn)對特定神經(jīng)遞質(zhì)動態(tài)變化的靈敏檢測。該類熒光探針利用大多數(shù)已知的神經(jīng)遞質(zhì)所對應(yīng)的特異性G蛋白偶聯(lián)受體（GPCR）與循環(huán)重排的熒光蛋白（cpGFP）融合，利用循環(huán)重排熒光蛋白的熒光強度變化來指示GPCR的激活，進而反應(yīng)外源神經(jīng)遞質(zhì)的濃度變化（圖一）。我們命名該類熒光探針為GRAB探針，即為GPCR Activation Based Sensor的縮寫。

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(luò)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(guān)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(guān)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(shù)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(shè)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(shù)，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(shù)LPWAN (Low-Power Wide-Area Network，低功率廣域網(wǎng)絡(luò))在LPWAN技術(shù)出現(xiàn)以前，通信技術(shù)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(shù)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(shù)還欠缺，而LPWAN技術(shù)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(shù)；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(shù)，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(yīng)用而設(shè)計。最具前景的LPWAN技術(shù)——NB-IoT和LoRa：物聯(lián)網(wǎng)（IoT）應(yīng)用需要考慮諸多因素，例如節(jié)點成本、網(wǎng)絡(luò)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(luò)覆蓋范圍以及部署類型等，可以說沒有一種技術(shù)可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術(shù)具有不同的技術(shù)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(shù)。這兩種LPWAN技術(shù)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(yīng)用。LoRa （Long Range）:   一個LoRaWAN網(wǎng)絡(luò)架構(gòu)中包含了終端、基站、NS(網(wǎng)絡(luò)服務(wù)器)、應(yīng)用服務(wù)器這四個部分。基站和終端之間采用星型網(wǎng)絡(luò)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(luò)，只消耗大約180KHz的帶寬，可直接部署于GSM網(wǎng)絡(luò)、UMTS網(wǎng)絡(luò)或LTE網(wǎng)絡(luò)。NB-IoT是IoT領(lǐng)域一個新興的技術(shù)，支持低功耗設(shè)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(luò)連接要求較高設(shè)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(luò)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(shè)備成本、低設(shè)備功耗和優(yōu)化的網(wǎng)絡(luò)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(shù)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(shù)。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(wù)。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(lǐng)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(luò)），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(yīng)用的技術(shù)，傳感器采集的各類信號，通過卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)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(yīng)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(shù)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(nèi)瓦參加ITU-T SG13全會，代表北京郵電大學、OAI軟件聯(lián)盟及開源5G中法聯(lián)合實驗室，全程展示了全球首個5G網(wǎng)絡(luò)服務(wù)化切片管理編排原型系統(tǒng)，并提交了SBA 5G網(wǎng)絡(luò)切片標準化提案。該系統(tǒng)是5G網(wǎng)絡(luò)操作系統(tǒng)的核心部分，可實現(xiàn)靈活的網(wǎng)絡(luò)切片管理、業(yè)務(wù)動態(tài)編排及彈性伸縮，可有效應(yīng)對5G網(wǎng)絡(luò)中場景多樣化、業(yè)務(wù)動態(tài)化和網(wǎng)絡(luò)異構(gòu)化的挑戰(zhàn)。5G切片管理編排原型系統(tǒng)得到了與會設(shè)備商、運營商及研究機構(gòu)的廣泛關(guān)注。溫向明教授研究團隊將加強與國內(nèi)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(wǎng)絡(luò)切片管理編排的標準化進程，占領(lǐng)5G網(wǎng)絡(luò)切片管理編排及網(wǎng)絡(luò)操作系統(tǒng)的制高點，加速推動5G網(wǎng)絡(luò)切片管理編排系統(tǒng)在運營商網(wǎng)絡(luò)的商用。

（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(guān)鍵技術(shù)。 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(lǐng)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(shù)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(luò)跟蹤技術(shù)來修復，該技術(shù)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(luò)跟蹤需要高速，高功率和高電壓，這些只有使用 GaN 技術(shù)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(yīng)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(luò)跟蹤需要高速，高功率和高電壓，這些只有使用GaN技術(shù)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(guān)開展氮化鎵基射頻器件的研究，目前承擔的流片服務(wù)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(shù)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(shù)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(wù)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(guān)技術(shù)成果轉(zhuǎn)化。 （三）關(guān)鍵技術(shù) 本項目由西安電子科技大學作為技術(shù)攻關(guān)的主要單位，制定技術(shù)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(shù)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(shù)等關(guān)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(guān)注聲音后期制作中的擬音技術(shù)，用“AI+聲音”的基本構(gòu)想，致力于將擬音技術(shù)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(shù)為核心技術(shù)。 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(shù)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(wù)專業(yè) 2021 郭夢妍 藝術(shù)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(wù)/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(shù)人類學 四、項目簡介 萬物有聲科技關(guān)注聲音后期制作中的擬音技術(shù)，用“AI+聲音”的基本構(gòu)想，致力于將擬音技術(shù)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(shù)為核心技術(shù)。團隊首次將人工智能與擬音技術(shù)相結(jié)合，以技術(shù)助力后期制作的同時，關(guān)注擬音技術(shù)中的情感注入和人文關(guān)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(yīng)用場景，將擬音技術(shù)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(lǐng)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(shù)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(shù)的應(yīng)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(yīng)用。