Met de evolutie van telecommunicatienetwerken om onze alsmaar groeiende honger naar data te stillen, evolueert ook onze blootstelling aan radiofrequente (RF) elektromagnetische velden (EMV). Dit onderzoeksvoorstel is gericht op het gelijke tred houden met de huidige evolutie in draadloze telecommunicatie, zoals de invoering van massieve MIMO (Multiple-Input Multiple-Output) en bundelvorming in de vierde generatie (4G) technologie Long Term Evolution (LTE), en het verwachte wijdverspreide gebruik ervan in 5G New Radio (NR). Terwijl RF-EMV blootstelling alsmaar meer gebruiksafhankelijk wordt, zijn huidige meetmethodes te statisch en te kort, en negeren ze de invloed van de gebruiker. De eerste twee problemen (statisch en kort) worden hier aangepakt door het ontwerpen van een uitgestrekt sensornetwerk dat continu omgevings-RF-EMV opmeet. De derde kwestie (invloed van de gebruiker) wordt verwacht een dominante rol te spelen in 5G NR. Daarom is het van belang nieuwe meetmethodes te ontwerpen en ze continu aan te passen aan technologische vorderingen en nieuwe gebruiken volgend in het zog van nieuwe versies van 5G NR. Gezien de grote hoeveelheid (miljoenen punten) en verscheidenheid (verschillende meetapparatuur) aan data die verwacht wordt, zullen we bij de analyse kunstmatige intelligentietechnieken en stochastische methodes gebruiken. Dit onderzoek zal leiden tot een betere karakterisering en een beter begrip van onze huidige en toekomstige blootstelling aan RF-EMV.