Category: IT男的偏执

从3月中开始使用GPT5.3到5.4，发现它确实比国内大模型好太多了。

1，我可以只提需求，它能理解需求，设计架构，代码实现，自己测试，自己补文档，完整的工程能力。

2，代码质量非常高，没有语法类错误，逻辑错误也会被自己的测试发现并修正，大部分时候完成任务不需要人工改动一行代码。

3，不会像某些模型一样，修复了bug A，出现bug B，修复了bug B，出现bug C，修复了bug C，又出现bug A，周而复始，原地转圈。

4，拆解难题为合理小步骤，逐步推进，直至达到最终目标。Claude Opus 4.6没搞定的一个从采样数据解析同步码的通信问题，GPT5.4搞定。这个难题可是困扰了团队两年，被GPT5.4两个晚上搞定。

5，用它一小时内实现了GPU并行解调100Msps QPSK的仿真，而这是某大所去年的正式立项。

6，没有幻觉，完全没有。

7，能记住超长对话。

8，能分析解决问题的多项选择，告诉你这么做的原因，推荐下一步的最佳动作，比我还完美主义。

9，VS Code插件Codex完美工作，延续习惯。

10，Codex插件一样能调用系统命令帮你安装缺失的依赖和库，帮你打开各种文档进行分析，帮你生成流程图说明程序架构，你可以理解它不仅仅是编程助手，简直就是一个Agent。

11，当然，它也不是万能的。在专业领域，比如通信、卫星，某些专业知识或隐性知识，它还是不知道的，需要你主动告诉它，或者看它走歪了时告诉它，它才会及时纠正。而这，正是专业开发人员目前不能被AI替代的地方之一。

所以，对开发人员来说，一个顶尖好用的大模型才是最有用的，小龙虾和爱马仕没啥大用处（我都装了使用了一两个月）。

这个春节寒假就是个疯狂的AI假期。Claude Opus 4.6、GPT 5.3 Codex，GLM 5等国内外新一代大模型相继发布，让半个程序员的我陷入狂喜之中，每天2点才能睡觉，有时间就折腾他们，好多想干的事终于在AI进化到今天的智能后可以干了。

让GPT 5.4自己去爬文件夹，对假期中的AI编程做个总结，它花了2分钟干这事，最后生成个word文档，内容如下：

---

Programs 目录程序汇总报告

目录: D:\BaiduSyncdisk\Denny\Programs

统计说明

• 本报告按“一个程序 = Programs 下一个一级子目录”整理，共 12 个程序目录。
• 文件数统计排除了虚拟环境、缓存、打包产物和 IDE 元数据目录，例如 .git、.venv、venv、__pycache__、build、dist、downloads、output、outputs、results、video_frames 等。
• 代码总行数仅统计源码/脚本文件，例如 .py、.ipynb（仅代码单元）、.cpp/.c、.ps1、.html 等；Markdown、JSON、图片、模型和数据文件不计入代码行数。
• 用途说明优先依据 README、说明文档和主脚本名称/内容推断；无法确认的目录会明确标注不确定性。

总体结论

• 当前全部程序合计文件数为 609，代码总行数为 26092。
• 按代码总行数看，规模最大的 3 个目录是 XL_PSS（6373 行）、DVS_codes（3708 行）和 Robot_AI（3474 行）。
• 按文件数看，数量最多的 3 个目录是 CV_face（258 个）、CV_simple（149 个）和 ResNet50（67 个）。
• 这些项目大致可以分为 4 类：计算机视觉/深度学习、信号与通信分析、机器人/自动化、以及可视化仿真工具。
• 其中 Robot_AI、CV_face、CV_simple 的文件数仍受资料包或样本图片影响，不能简单等同于软件复杂度。

程序总表

程序目录	主要用途	文件数	代码总行数	备注
Boids_sim_py	基于 Craig Reynolds Boids 模型的鸟群/群体行为仿真，目录中保留了多个由不同模型生成的实现版本，适合做算法演示和实现对比。	12	3127	以 Pygame 实时动画为主。
CV_face	人脸识别完整流程项目，包含摄像头测试、数据采集、数据集切分、模型训练和实时识别。	258	508	文件数主要由样本图片组成。
CV_simple	空间种植/植物状态视觉识别项目，用于识别植物健康状态和生长阶段，并支持实时摄像头检测。	149	915	目录中包含训练样本和两个识别模型。
DVS_codes	DVS 事件相机数据处理与可视化工具集，重点是 EVT3/RAW/HDF5 数据解析、多版本播放器和 Metavision SDK 集成。	40	3708	包含多版 viewer、示例数据和格式参考图。
DVS_trigger_RGB	用于浏览和下载远程服务器上 DVS 触发的 RGB 照片的桌面工具，带登录、轮询、目录解析和 GUI 查看能力。	9	575	主体代码集中在单个 Python 脚本。
LEO_TDOA_Simulation	LEO 卫星 TDOA 定位仿真，涉及信号检测、测向、链路预算、GDOP 和 Monte Carlo 分析，并提供 GUI。	7	2274	README 描述完整，定位明确。
Phased-array-antenna-pattern	相控阵天线方向图 GUI 仿真程序，用于波束扫描、2D/3D 方向图显示和主瓣/旁瓣/波束宽度分析。	3	393	体量较小但目标单一清晰。
ResNet50	基于 TensorFlow/Keras 的 ResNet50 计算机视觉学习系统，覆盖数据处理、训练、推理和 Notebook 教学示例。	67	2309	同时包含脚本和教学型 Notebook。
Robot_AI	树莓派小车/机器人控制系统，支持 Web 端远程控制、避障、视频监控和自动/手动模式切换。	29	3474	参考资料减少后，统计更接近核心项目规模，但仍混有硬件资料和附件。
SNN_learning	脉冲神经网络（SNN）演示程序，展示网络结构、脉冲栅格图、膜电位变化和可视化分析。	2	626	更像单文件教学演示。
URL_monitor	WiFi 监听模式下的 URL/DNS 查询监控工具，可按关键字或域名告警，并支持日志、桌面通知和邮件提醒。	4	1810	单脚本项目，但逻辑较完整。
XL_PSS	针对星链上行 IQ/PCM 数据的突发检测、OFDM 参数估计、CP/PSS 提取和相位分析工具链。	29	6373	分析脚本较多，项目偏研究/信号处理。

逐目录备注

Boids_sim_py

用途: 基于 Craig Reynolds Boids 模型的鸟群/群体行为仿真，目录中保留了多个由不同模型生成的实现版本，适合做算法演示和实现对比。

统计: 文件数 12，代码总行数 3127，代码文件数 11。

主要文件类型: .py x 11、.md x 1

备注: 以 Pygame 实时动画为主。

CV_face

用途: 人脸识别完整流程项目，包含摄像头测试、数据采集、数据集切分、模型训练和实时识别。

统计: 文件数 258，代码总行数 508，代码文件数 5。

主要文件类型: .jpg x 250、.py x 5、.h5 x 1、.json x 1、.md x 1

备注: 文件数主要由样本图片组成。

CV_simple

用途: 空间种植/植物状态视觉识别项目，用于识别植物健康状态和生长阶段，并支持实时摄像头检测。

统计: 文件数 149，代码总行数 915，代码文件数 6。

主要文件类型: .jpg x 138、.py x 6、.h5 x 2、.cfg x 1、.json x 1、.md x 1

备注: 目录中包含训练样本和两个识别模型。

DVS_codes

用途: DVS 事件相机数据处理与可视化工具集，重点是 EVT3/RAW/HDF5 数据解析、多版本播放器和 Metavision SDK 集成。

统计: 文件数 40，代码总行数 3708，代码文件数 11。

主要文件类型: .jpeg x 14、.py x 11、.raw x 6、.tmp_index x 6、.spec x 2、.xml x 1

备注: 包含多版 viewer、示例数据和格式参考图。

DVS_trigger_RGB

用途: 用于浏览和下载远程服务器上 DVS 触发的 RGB 照片的桌面工具，带登录、轮询、目录解析和 GUI 查看能力。

统计: 文件数 9，代码总行数 575，代码文件数 2。

主要文件类型: .txt x 2、.docx x 1、.html x 1、.json x 1、.md x 1、.png x 1

备注: 主体代码集中在单个 Python 脚本。

LEO_TDOA_Simulation

用途: LEO 卫星 TDOA 定位仿真，涉及信号检测、测向、链路预算、GDOP 和 Monte Carlo 分析，并提供 GUI。

统计: 文件数 7，代码总行数 2274，代码文件数 3。

主要文件类型: .py x 3、.md x 1、.spec x 1、.txt x 1、[no ext] x 1

备注: README 描述完整，定位明确。

Phased-array-antenna-pattern

用途: 相控阵天线方向图 GUI 仿真程序，用于波束扫描、2D/3D 方向图显示和主瓣/旁瓣/波束宽度分析。

统计: 文件数 3，代码总行数 393，代码文件数 2。

主要文件类型: .md x 1、.ps1 x 1、.py x 1

备注: 体量较小但目标单一清晰。

ResNet50

用途: 基于 TensorFlow/Keras 的 ResNet50 计算机视觉学习系统，覆盖数据处理、训练、推理和 Notebook 教学示例。

统计: 文件数 67，代码总行数 2309，代码文件数 24。

主要文件类型: .jpg x 22、.py x 18、.png x 10、.ipynb x 6、.md x 6、[no ext] x 3

备注: 同时包含脚本和教学型 Notebook。

Robot_AI

用途: 树莓派小车/机器人控制系统，支持 Web 端远程控制、避障、视频监控和自动/手动模式切换。

统计: 文件数 29，代码总行数 3474，代码文件数 17。

主要文件类型: .py x 13、.md x 6、.yaml x 2、.css x 1、.html x 1、.js x 1

备注: 参考资料减少后，统计更接近核心项目规模，但仍混有硬件资料和附件。

SNN_learning

用途: 脉冲神经网络（SNN）演示程序，展示网络结构、脉冲栅格图、膜电位变化和可视化分析。

统计: 文件数 2，代码总行数 626，代码文件数 1。

主要文件类型: .png x 1、.py x 1

备注: 更像单文件教学演示。

URL_monitor

用途: WiFi 监听模式下的 URL/DNS 查询监控工具，可按关键字或域名告警，并支持日志、桌面通知和邮件提醒。

统计: 文件数 4，代码总行数 1810，代码文件数 1。

主要文件类型: .json x 1、.log x 1、.py x 1、.txt x 1

备注: 单脚本项目，但逻辑较完整。

XL_PSS

用途: 针对星链上行 IQ/PCM 数据的突发检测、OFDM 参数估计、CP/PSS 提取和相位分析工具链。

统计: 文件数 29，代码总行数 6373，代码文件数 24。

主要文件类型: .py x 24、.docx x 1、.md x 1、.mp4 x 1、.pcm x 1、.pdf x 1

备注: 分析脚本较多，项目偏研究/信号处理。

建议

• 如果后续要做更精确的软件资产盘点，建议把“源码”“数据”“模型”“参考资料”“打包产物”拆开分别统计。
• Robot_AI 适合再拆分“核心 Python 应用”和“随附硬件资料/示例代码”两部分，否则其规模统计仍会被附件放大。
• 如果你后面还会继续删减数据集或参考资料，建议固定一份统计口径，便于做前后版本对比。

---

够强吧？GPT 5.4的能力不仅仅在一流的编程，它实际上自带的skills和MCP能力已经完全可以不用不安全的OpenClaw了。当然，这花费我160/月，但绝对值得。

这些程序中花时间最多的是Robot_AI，树莓派智能小车程序，而且还花了我1400银子买树莓派、小车、电机、超声波传感器、红外传感器、电阻、排线等等。现在，这台小车能自动避障行驶，能看到我进行跟随，丢失我转圈寻找，我远离它靠近，我靠近它远离，特别有意思。下一步，还想加上语音控制，不知道树莓派5的心智是否能支撑？当然这个问题也可以先寻求AI的帮助。

视频在这里：树莓派5智能避障、跟随人脸小车，全AI架构设计、硬件设计、原材料采购推荐、组装指导、软件算法、软件编码。-其他-高清完整正版视频在线观看-优酷

最后谈谈AI编程对软件工程师的影响。这个话题似乎已经被谈滥了，我只说我自身的感受。

假期前有员工离职，留下一个硬件设备里嵌入式软件中的bug。大家发现这个bug已经有两三年了，是个产品中的老问题，但因为它是偶发性，很难复现，所以很难修复，就没人管它了。但假期前集中测试设备，遇到了两三次，这对即将交付的产品来说是致命的，用户肯定无法接受，到时候派人去现场调试成本就太大了。但嵌入式工程师已经离职，而且最近天天加班到晚上10点，周末也不休息，根本没时间回来弄。

那就让AI帮忙吧。

进到他留下的电脑，开虚拟机，终端安装Opencode CLI，打开VS Code，装上Opencode插件，打开他的app工程目录，告诉Opencode这个代码的目的、功能、现在的问题表现、可能的调试方向，然后它就开始吭哧吭哧读代码，理思路，最后给我指出代码可能存在的问题，问我是否允许它动手改。那就改吧。几分钟后它说改好了，也自动编译了，让我把二进制文件拷贝进设备验证。我欢天喜地把二进制拷进设备，可以运行，但偶发问题没法短时间验证，反而发现它影响了设备其它功能，我晕！告诉它问题，它认错。这次它开始完整研究代码，找出它的改动为啥影响了其它功能，然后又出一个版本让我测试。就这样它改一版，我测一版，我就是它的测试工程师。一天下来，最后所有功能都能正常执行了，但这个偶发问题是否真的被修复，还需要时间验证。【三月补充：经过2-3个星期的观察，偶发性问题好像确实没有再发生了。顺手还让它修复了另外一两个小问题。所以，我这个半拉子工程师让AI搞定了一个团队两三年没搞定的很隐蔽的偶发性问题！服不服？】

我自己总结AI对软件开发人员的影响：

1，不用AI的工程师是注定被淘汰的第一波人；
2，初级甚至中级工程师的职位已经岌岌可危，尽快用上AI，尽快提升专业领域知识是唯一出路；
3，用AI辅助编程的高级工程师是公司的核心价值所在，因为AI还无法替代高级工程师的业务理解、架构指导、线下验证等能力；
4，受冲击最大的是行业是门槛较低的领域比如互联网、自媒体，具备较高专业门槛的领域受冲击相对较小，比如通信、硬件（因为大模型训练样本不够啊，比如假期中那么多程序，它唯一一个没搞定的就是星链PSS解调）；
5，AI的进化已经是指数级上升，跟上最新的技术，哪怕只是了解一下也是必不可少的，否则很可能错过一些机遇，或者自身没准备好而快速掉队。

AI对普通人、龙虾对普通人、龙虾对程序员的作用是什么？下个月再聊吧，困。

一张放在蓝色桌面的立方体设备照片（照片SM，恕不上传），让AI把蓝色桌面改成绿色桌面，然后将设备厚度增加一些，如此简单的要求，遭遇如下：

首先用豆包，死活不能把桌面从蓝色变成绿色，只能说豆包是色盲。

用Nano Banana终于搞定了桌面颜色，存下绿色桌面的设备图片。将就Nano Banana，让它把设备变厚一些，死活做不到，哪怕我告诉它设备长宽高尺寸、在希望加厚的设备一边标出红线，仍然做不到，死活不知道“加厚”、“变厚”、“将高度改成xxx”的意思，还肆意改变了设备原来的形状。放弃！

再让豆包、元宝试，都不理解啥叫增加厚度或增加高度，永远不变。

让GPT-4o来，终于增加了设备厚度，但生成的图片太窄，把设备左右边缘切掉了。让它保留设备完整图片，然后就给我甩出一台移动电源，我晕！这脑回路，你可是大名鼎鼎的GPT-4o啊，怎么跟金鱼的记忆一样？

Gemini 2.0直接出错，不知道是不是AskManyAI代理的问题。

GPT-5.2给出一大堆用PS修改的文字建议，不能生成图片。

Deekseek-R1满血版，我知道它不能生成图片，但是它居然告诉我一个将这设备工程改造增加厚度的方案，太搞了，贴上它的回答：

根据要求将设备高度增加1/3后的三维结构改造方案如下：

1. 主体比例调整

• 垂直方向延伸33%，形成更修长的梯形轮廓
• 倾斜顶面角度从12°调整为8°，保持视觉延展性
• 底面长度维持原尺寸，确保设备稳定性

2. 通风系统重构

• 5组格栅保持间距比例上移，每组间距扩大至9mm
• 单个格栅高度从4mm增至6mm，维持3层栅条结构
• 新增导流曲面设计，优化空气动力学性能

3. 细节部件适配

• 圆形定位孔直径扩大至5mm，下移7mm保持居中
• 固定螺丝改为沉头设计，位置对应左移10mm
• 侧缘增加0.5mm过渡倒角提升握持舒适度

4. 材质表现优化

• 哑光涂层升级为纳米级蚀刻工艺
• 新增高度刻度暗示的渐变反光带
• 底部增加防滑硅胶垫片隐形卡槽

改造后设备在保持原有极简美学的前提下，通过黄金分割比例重构（新高度:原高=1.33:1）、流体力学优化和人体工学改良，实现了功能性与美观度的双重提升。可承载额外25%的散热负荷，同时维持一致的工业设计语言。

离开大学后的20多年都不怎么编程序了，因为工作更多是技术方案、技术服务和技术管理。编码总是最后交给程序员去写。虽然在moto也用VB、JS在excel或google docs里写过一些方便管理的程序，但数量不多。

直到2025年初免费的Deepseek R1横空出世，让我发现很多想编的程序可以在它的帮助下完成。半年过去，在DS R1满血版的帮助下完成的代码有：

1. 用matlab实现OFDM解调算法；
2. 用matlab仿真QPSK BER；
3. 用matlab读取星链TLE数据仿真星链卫星轨道；
4. 用matlab读取IQ采样数据并绘制时域图、频谱图和瀑布图；
5. 用matlab统计实采星链Ku上行数据帧长度和间隔时间；
6. 用matlab仿真Vivaldi天线方向图；
7. 用matlab仿真TDOA-Chan定位算法；
8. 用matlab仿真TDOA TWLS的测向误差；
9. 用matlab实现8阵元圆阵DOA MUSIC算法；
10. 用matlab仿真MUSIC测向算法对未知多信号源的分辨能力；
11. 用matlab仿真幅相误差对MUSIC算法的影响；
12. 用matlab仿真不同来波方向、不同SNR情况下的比幅法测向精度；
13. 用matlab仿真ESPRIT测向算法；
14. 用matlab实现高斯拟合算法寻找多个测向角度的最大可能值；
15. 用matlab控制Keysight N5173B信号源；
16. 用matlab提取星链路由器特征字段；
17. 用matlab拆分团队汇总工资单到每个人一个工资文件；
18. 用matlab实现从合同付款汇总表里指定一个付款条目并输出格式化付款申请单；
19. 用Python识别发票pdf扫描件的主要内容并存成excel。

正在尝试、尚未成功的：

1. 解析星链上行PSS；
2. 从星链上行采样数据解译OFDM信号；

尝试过不同AI，DS R1满血版仍然是免费版里的深度逻辑推理最强的，没有之一。老美的付费版的没用过，太贵，而且不如DS方便。

但DS R1也有不少问题，比如：

1. 问题多了容易忘记最初的目标，擅自改变假设条件；
2. 循环犯错，比如修复问题A时冒出问题B，修复问题B时冒出问题C，修复问题C时又冒出问题A，循环往复，难以自拔；
3. 近期莫名其妙在代码中插入“极”字，导致编译失败，网上已有人发帖控诉；
4. 对过于复杂的专业问题，尤其是网上资料很少时，难以通过现有知识自主推导出解决办法，换句话说AGI还没有达到，比如解析星链上行PSS和从星链上行采样数据解译OFDM信号。

希望DS的自主学习和逻辑推理能力越来越强，在专业技术方面更擅长归纳总结，那就能真正帮助我等小民企实现技术飞跃了。

今日头条、抖音里假货横行，奸商利用人们贪小便宜的心态（“反正也不贵…”），以次充好，比如，30元的号称2TB的U盘。于是我中招了。

买回来后才发现这个U盘虽然显示容量2TB，但拷贝个2G的东西都要十几二十分钟，真实写入速度只有不到1MB/s。查了下才发现这也是一种套路。于是开始理工男的折腾，一定要让妖怪显原型，哪怕容量变小，但真实，速度也是能接受的。

为让大家避坑，说下先后用过的不管用的工具（要么不能识别真实容量，要么不能测试真实速度）：Disk Genius、Htestw、CrystalDiskMark8，慎用！

管用的是这两个：

先用ChipGenius查询出存储芯片型号，原来是FirstChip（深圳三地一芯公司）的FC1178BC：

然后上他家官网下载=”http://www.szfirstchip.com/col.jsp?id=137“>MpTools工具，选第一个FirstChip_MpTools_20240221.rar下载。解开、运行，生产方式选“测试架Sorting”，进入主界面点击右边的“设定”按钮（没有密码，直接点“确定”），扫描级别选“4 – 清空+原厂扫描”，ECC级别15，优化模式选“稳定优先”：

注意它自动识别的Flash类型（上图中的89D3AC32C600）应该等于ChipGenius识别的“闪存识别码”，如果不一样，MpTools可能显示电压错误（错误码=23），那么需要手动从Flash类型下拉框中选中正确的类型，否则无法进行下一步。

确定后就“全部开始”，很快，不到一分钟，完成。点右边的“刷新”按钮，真实容量就出现了：

这时候已经可以在我的电脑看到新容量的U盘了，也可以正常读写了，读速度20MB/s、写速度10MB/s左右，正常USB2.0水平。

总结：

便宜无好货！便宜无好货！便宜无好货！

不要贪小便宜！不要贪小便宜！不要贪小便宜！

What happened to starlink?

从2020年以来，星链卫星的发射一直比较正常，Service（处于工作状态）的卫星数量基本是不断上升的，否则也无法支撑每个月上万的用户增长。但是2024年开始进入一个不正常的状态。

星链卫星数量统计图-绿色是工作正常卫星数，黄色是非活动状态卫星数，红色是烧毁卫星数，白色是总数

2023年12月28日，Service数量是4832，Inactive数量是271，Burned是376，对比前几年的趋势，一切正常。

到2024年3月4日，Service数量是4922，达到历史最高，但增长趋势减缓。Inactive数量532，几乎在短短三个月时间增加了一倍，不知道为什么Inactive增长这么快。Burned数量361，还算正常。

来到9月1日，Service数量下降到4759，基本上是从3月以来持续缓慢下降，少了163颗。而Inactive数量猛增到1558。考虑到发射总数一直持续上升，即从3月4日总发射数5815到9月1日6865，增加了1050颗，而Inactive数量，从3月4日的532到9月1日的1558，增量是1026，直觉解释成这些多发射的卫星，大多变成了Inactive，而不是进入Service状态。这就很奇怪了，从历史数据看，发射升空，就应该立即转为Service，白线和绿线走势基本是相同的。从统计图最右侧也能明显看到绿色的Service从3月开始缓慢下降，黄色的Inactive猛然抬头。最后看看红色的Burned，到9月1日为548，整体来看也是历史最高，但增长缓慢基本平稳。

那么问题来了，为什么最近半年SpaceX持续发射卫星，但Service数量不增反降，Inactive数量迅猛增加呢？除了上面提到的“直觉”解释，还有一种可能，就是这半年SpaceX在升级卫星，发射上去的是新版本，而一些老版本，就相应关停，但是还没到烧毁的高度，或者，也没必要强行报废，那就让它们飘着，置于Inactive就行了。这种解释可能更接近事实，因为这半年马斯克的确升级了地面终端，从二代升级到了三代（Ku天线版本REV4，路由器版本Gen3），是否相应也升级了卫星？有可能，因为三代终端的相控阵天线指标比二代有明显提升，也许卫星也需要相应改变，而这种改变必须是硬件改变，无法通过软件OTA，就会造成这半年卫星发射数量不少，但总的Service数量没增加，因为新发射的新版本卫星替换了老版本卫星。

那么是否马斯克真的需要他希望达到的42000颗卫星呢？这真的未必，一来可能并没有那么多用户需求，你看人口众多的中国到目前为止也未允许星链开通。二来他可能也就是先占坑再说，向FCC申请注册是一回事，真的发射上去是另一回事，这中间还有不短的缓冲期，那就多多注册，何乐而不为？如果真的升空了42000颗，按照现在的烧毁率，届时Burned数量也将达到3340颗，就算一箭100星，那也要30多箭才够补啊，就算SpaceX现在一周两射，那也要15周才够，也就是说，将近4个月发射的卫星都是为了弥补烧毁的卫星，这个战损比也忒大了吧？其实，一定有一个理论卫星上限，超过这数，就不划算了，影响因素包括用户数、带宽供需、卫星在轨寿命等，当然也有太阳风等偶然因素，马斯克比我聪明，他一定算过了的。

太空、低轨，都是竞赛场，希望中国奋起直追！

去年8月写了一篇《华为mate60pro天通卫星电话的技术突破》，提出华为Mate60Pro的卫星通信的上行链路由于地球同步轨道距离远，手机发射功率小，天线尺寸小而增益不可能太大，很难做到上行信号在接收端达到接收灵敏度门限。

最近跟一华为的朋友聊天，才了解到真实情况是华为用了中轨中继卫星接续上行信号的方法，才做到手机“直连”卫星。原来如此，难怪全网无人算出准确的链路预算，因为没有中继真做不到啊。

华为最近发布的Mate60Pro具备天通卫星电话功能，甚至一开始让奥卡姆剃刀张驰老师都不信，看到真机发布了才相信。对于我们搞通信的人来说，这里面应该有很多技术难点，目前还没有看到完整的解析。最主要的问题就是，原来傻大黑粗还带一根粗辫子（外置卫星天线）的卫星电话，为什么就可以完全集成在纤薄的手机里了？

首先，手机收卫星下行信号应该问题不大，主要的问题是上行信号如何让卫星接收机正确接收解调，毕竟天通是地球同步卫星，高度35800公里，上行频段1980~2010MHz，按照电磁波传输损耗（弗里斯传输公式），可以算出上行传输损耗是：PL = – 32.44 – 20 lg⁡(d) – 20 lg⁡(f) = -190dB，这个乍一看就很夸张了。再根据链路预算公式：Pr = Pt + Gt + Gr – PL，要增加接收功率，必须在提高发射功率、发射天线增益、接收天线增益这些方面想办法（以下皆为猜测）：

1，打卫星电话时加大手机发射功率Pt。这个需要有手机的朋友实测，是否打卫星电话时非常耗电；对普通人来说，不考虑资费，打卫星电话，也就是在没有移动网络或者救命的时候用，想用卫星电话煲粥，可能煲不了多久手机就没电了。当然发射功率也不可能太大，毕竟国家对无线设备发射功率是有标准限制的，一般4G/5G手机发射功率在0.2~0.4瓦，民用手持对讲机基本也就0.5瓦左右，专业手持对讲机会达到4-5瓦。好在Mate60Pro配备了7500mAh大容量电池，也许就是在寻找各种平衡吧，具体场景下的功耗参数目前还未可知。

2，提高手机天线增益。一般来说天线尺寸越大增益越大，但手机整体尺寸就那么小，很可能华为用了比较创新的、先进的天线技术提高了天线增益，比如特殊材料、形状和布局，优化天线方向图、波束宽度等，期待天线专家的解读。

3，提高卫星接收灵敏度。这是天通的活，会不会为了华为手机而优化卫星型号设计？

4，更优秀的信道编解码技术。这是为了提供更好的信息纠错能力，降低收端对信噪比的要求。编解码是华为的强项，当然也需要天通卫星软件的支持。据说华为Mate60Pro搭载的是54所研发的RX6003EQK高集成卫星通信芯片，只需少量外围元器件配合，即可实现 S 频段卫星信号收发和 北斗 B1/GPS L1 频段接收功能。也许就是这颗芯片提供了高效的编解码和射频信号处理能力。

总之，华为这技术杠杠的，期待大牛给出更多技术细节。