|
该项目深入研究了复杂环境下射频识别系统关键技术，提出了高精度的RFID系统建模、分析和测试方法，提出了复杂电磁环境下RFID瞬态信号实时提取和滤波方法，提出了准确率高、速度快的射频与模拟芯片测试、诊断与预测方法，研发了高性能、低成本的RFID系统关键装备。在IEEE Trans. Instru. And Measure.、IEEE Trans.CAS、IEE Proc.Circuits Devices & Systems、Int. J of Electronics、IEE Elec Lett.、J.Elec.Test、Analog IC & Signal Processing等学术刊物上所发表的论文被国际三大检索《SCI》收录86篇，SCI他引922次（见附件4.1），取得授权发明专利56项，申请国际发明专利PCT 15项，获得计算机软件著作权34项，获批与实施国（军）标3项，（见附件1.1，1.2，4.2）有效解决了互耦效应、数据碰撞、多径效应、单粒子效应、噪声干扰、可靠性评估及性能优化等RFID关键技术难题。所取得的研究成果获中国机械工业科学技术发明一等奖【附件46-48】。 1.权威机构检测 总装备部军用电子元器件检测技术研究中心检验认为该项目研发的RFID系统测试装备“工作环境、功能参数等19项检验项目符合GB/T 16260.1～GB/T 16260.4-2006、GB/T17544-1998、ISO18046和ISO18047的要求”【附件5】；智能电路板测试诊断装备“符合GB/14862-1993、GB/T14377-1996、SJ20645-97、IEEEP1500、IEEE1149、IEEEP1450的要求”【附件6】。 国际DASH7联盟及第三方实验室MET Labs（北美国家安规认证有限公司）对该项目成果“ISO18000-7测试系统”进行了独立认证，为世界首套经DASH7联盟认证的ISO18000-7 RFID标准符合性测试系统【附件45】。 该项目成果“NFC射频模拟测试系统”为国内首台通过国际权威第三方认证机构德国南部技术监督协会（TUV SUD）认证的系统【附件8】。 2.鉴定意见 中国机械工业联合会组织的来自山东大学方家熊院士等专家组鉴定认为该项目“揭示了互耦效应、标签贴附物损耗及数据碰撞等射频识别系统性能影响因素的内在机理，首次构建了复杂应用环境下射频识别系统全链路预算模型，解决了复杂应用环境下多因素组合效应导致的系统可靠性难以量化评估的关键技术难题”；“提出了复杂应用环境下瞬态信号的实时处理与特征提取方法，解决了强噪声环境下微秒级、多源弱应答信号的实时捕获及分析难题”；“揭示了电子元件的电气动力学突变行为，首次提出了模拟与混合信号电路故障特征轨迹可视化方法，解决了模拟与混合信号电路故障模式不可数及特征展示难题，….，解决了容差效应与非线性效应关键难题”；“创建了高速、多协议的射频识别系统测试方法体系，……,研发了具有自主知识产权、在国际上唯一同时符合134.2kHz-2.45GHz频段内17项国内外主流标准的射频识别综合测试平台?！行Ы饩隽舜巢馐宰氨覆恢С侄嗥刀?、多协议及可扩展性差等关键技术难题”；“引领了射频识别系统测试技术进步，推进了物联网射频识别关键技术发展”，“项目整体达到了国际先进水平，在多协议测试方面达到了国际领先水平”【附件4，53】。 3.学术同行评价 Michael Pecht (IEEE Fellow, Chair Professor，University of Maryland, USA；Chief Editor for microelectronics reliability，Associate Editor for the IEEE TRANSACTIONS ON COMPONENTS AND PACKAGING TECHNOLOGY. Chief Editor of the IEEE TRANSACTIONS ON RELIABILITY，Advisory Board of IEEE SPECTRUM. a Fellow of the ASME, SAE,IMPS, the IEEE Reliability Society’s Lifetime Achievement Award.)在论文“Diagnostics and Prognostics Method for Analog Electronic Circuits”（IEEE Transactions on Industrial Electronics, Vol. 60, No. 11, 2013，5277）中认为该项目发明人所提出的基于机器学习的方法（4篇文献：ref.39,40, 42,43：kurtosis and entropy [39], kernel PCA [40], multi resolution decomposition [42], and L1-norm optimization [43]）较传统的测前方法能提供较快的诊断结果，在在线诊断方面具有吸引力（“the ML[39,40,42,43]-based SBT approaches typically provide faster results compared to SAT approaches during the diagnostics phase，This makes an ML-based approach appealing for online fault diagnostics.”）?；诟孟钅糠⒚魅颂岢龅姆椒ǎ╮ef.39），提出的模拟电路故障预测方法具有鲁棒性（“These results indicate that the developed diagnostic module is robust and is capable of delivering reliable information during field operation”）?！靖郊?4】 Michael Pecht[IEEE Fellow]在其论文“Signal Model-Based Fault Coding for Diagnostics and Prognostics of Analog Electronic Circuits”（IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, VOL. 64, NO. 1, JANUARY 2017,605-614）中引用了该项目发明人5篇参考文献（ref. 22,23,33,36,39:），指出该项目完成人提出的“翘度与熵[22]”(“kurtosis, and entropy[22])，……,“主元分析[23]”(principal component analysis [23]),l1范数最优化[33](“l1norm optimization approach[33]”)提供的故障隔离具有很高的信任度(“provide a fault isolation with a high confidence,”),相关向量机[36]被用来跟踪故障进化，预测剩余寿命（“relevance vector machines [36] are designed for tracking fault evolution and predicting RUP of the circuit”）。Michael Pecht根据该项目发明人提出的kurtosis (ref.22)来获取电路响应轨迹包络线，从而构造反应电路实时特征的故障字典（“Three main features—peak value, central frequency, and kurtosis[22] of the envelope—are used to characterize the envelope of the circuit responses”“The FDI for real-time circuit outputs are implemented during field operation using a series of fault-indicating curves constructed in advance and stored in the factory setting.”）【附件45】 Shuhui Bu (IEEE Senior M., Assistant Professor at Kyoto University, Japan. Professor at Northwestern Polytechnical University,Xian ) and Junwei Han ((IEEE Senior M.,Professor with Northwestern Polytechnical University, Xi’an, Associate Editor of IEEE TRANSACTIONS ON HUMAN–MACHINE SYSTEMS, NEUROCOMPUTING, and MULTIDIMENSIONAL SYSTEMS AND SIGNAL PROCESSING.)在论文“Capturing High-Discriminative Fault Features for Electronics-Rich Analog System via Deep Learning（IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, VOL. 13, NO. 3, JUNE 2017,1213-1226）”中基于该项目发明人提出的kurtosis(Ref. 20)发展的深度学习特征提取方法能够在原始信号中发现高分辨力的特征（“The diagnostic performance by direct DBN classifier of WKT feature is superior to that by Soft max classifier of WKT feature, This validates that high-level discriminative feature implicit in raw signals can be discovered by DBN model and the representation ability of the high-level feature is clearly better than that of manual feature.”）【附件46】 Marcantonio Catelani(IEEE senior M.,professor,Univ. of Florence,Italy)在论文“Soft Fault Detection and Isolation in Analog Circuits: Some Results and a Comparison Between a Fuzzy Approach and Radial Basis Function Networks”（IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, VOL. 51, NO. 2, APRIL 2002，196）认为该项目发明人提出的“神经网络故障字典法[10,11]得到了满意的结果”(“Neural classifiers trained on the fault dictionary examples have been successfully applied to the diagnosis problem[10],[11],[12],[13], providing satisfactory results”)【附件47】。 Xiang Wu(professor)在文献（Sensors 2015, 15, 25564-25576）中指出该项目发明人（IEEE Trans. Instrum. Meas. 2013, 62, 304–314.；IEEE Trans. Instrum. Meas. 2014, 63, 2387–2395）提出的“无源射频识别标签具有高灵活性、低损耗，具有广泛商业应用前景”（“Passive RFID tags offer several advantages such as battery-less operation, wireless communication capability, high flexibility, low cost and fast deployment, which all result in their extensive use in commercial applications[8] [9]”）. 4.用户评价 北京圣涛平试验工程技术研究院在实施物联网特种仓储工程建设中，采用该项目相关发明专利技术科学指导复杂环境大规模阅读器标签环境布局，采用标签集和相位开关系统性能优化方法，分别提高识别率10%和7.6%，整体识别率达到了99.98%，满足了国防重点工程高识别率要求。应用表明该项目“射频识别系统测试装备”，测试速度快，准确率高，测试成本大大降低，能满足134.2kHz-5.8GHz频段内国标、国军标、ISO、EPC、UID的17项主流RFID标准、21种模式测试，解决了多协议测试难题，解决了噪声干扰等不稳定问题，实现了可靠的动态测试【附件16】。 陕西省电子技术研究所、北京京瀚禹电子公司、北京集诚泰思特测试技术有限公司等用户采用了课题组“基于SRAM的FPGA的LUT测试结构”等专利技术，完成了某型国产FPGA及XX型号研制，解决了非线性、容差效应等测试与诊断难题，实现了FPGA器件可靠的动态测试【附件21，23，27】。 合肥三立自动化工程有限公司应用项目技术标签传感智能感知终端等专利技术，研发了长距离水利输送状态监测系统，在南水北调等国家重点建设项目中获得了应用，有效解决了多径效应、贴附物损耗及系统优化等关键技术难题，大大降低了监测网络的复杂性，提高了监测网络的稳定性和可靠性【附件19】。 上海坤锐电子科技有限公司采用本课题组适用于生产线的射频标签测试技术解决了标签高速连续生产测试、自动化同步测试等关键难题【附件14,25】。 北京圣涛平北科检测技术有限公司在实施航空601所、611所、中国运载火箭技术研究院、中国兵器工业计算机应用研究所等国家航空航天重点工程建设中，采用了课题组射频系统测试、故障预测与诊断等发明专利技术，解决了复杂环境噪声干扰、容差效应、非线性等模拟与高速数字电路测试与诊断难题，模拟电路故障诊断正确率高达98%，保障了航空航天高可靠性需求【附件22】。 日本Peritec公司等用户应用项目超高频入口盲点测试系统、无源超高频识别系统的通信误码率测试方法等射频识别技术，有效解决了复杂应用环境下互耦效应、多径效应、数据碰撞等技术难题，大大提高了复杂应用环境下系统识别率，识别率最高达到99.8%【附件15，26】。 5.行业组织评价 NFC射频模拟测试系统获中国仪器仪表学会2015年度优秀产品奖，NI-VISN-100射频识别标签测试仪获EDN中国年度优秀创新产品奖【附件52】。 |
