特斯聯近期在智能物聯網技術（AIoT）領域取得最新科研成果，主要包括：優化智能物聯網的能耗、延時與交互，算力網絡的資源管理和任務調度，以及多智體反饋神經網絡框架和應用。以上技術突破由特斯聯前不久任命的首席科學家楊旸博士帶隊完成，該科研成果已被IEEE國際學術期刊和國際頂級會議收錄。

由于蜂窩移動通信系統基礎設施的封閉性，以及缺乏有效的現場測量工具，NB-IoT網絡的許多重要指標一直以來都沒有被深入地研究，例如：無線接入性能和能耗等?；趯嶋H應用場景中完成的扎實研究工作，團隊進一步給出了提升智能物聯網技術規范和芯片設計方向的優化建議。

在工業物聯網的應用場景中，無線傳感器設備無需鋪設專門的有線網絡，具有靈活性和可擴展等優勢。但是，工業生產環境中復雜時變的無線衰落信道會導致無法預測的隨機服務時延和時延抖動，降低了工業生產閉環反饋控制系統的性能和穩定性，這是無線傳感器設備和無線通信技術應用于高精度、高可靠的自動化工業生產系統的最主要技術挑戰。

針對工業物聯網應用場景中的嚴苛時延要求，楊旸博士及團隊提出了在無線多徑衰落信道中對時延分布進行塑形的新方法，通過對原始最優化函數的解耦分析，設計了“雙層閉式反饋控制算法（TACAN）”，實現了時延分布方差的最小化，從而顯著提高了工業物聯網系統的可靠性和穩定性。

在智能物聯網的應用場景中，邊緣計算資源的廣泛部署可以及時有效地滿足終端用戶的低時延、強計算、快響應等服務需求。針對復雜多變的無線信道環境和多層次的移動通信網絡架構，楊旸博士與團隊提出了基于大規模多天線中繼節點輔助的多層次算力系統，來增強復雜用戶任務的計算能力和效率。

此外，楊旸博士及團隊提出了“多智體反饋神經網絡”（MAFENN）框架，包含三個充分合作的智能體，其中的反饋智能體模擬了靈長類動物大腦中的信號反饋和錯誤糾正機制，有效提升了神經網絡訓練過程中的反饋學習能力、特征提取能力、噪聲和干擾消除能力。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：