一种欠驱动的仿生四足机器人，属于仿生机器人领域，解决现有仿生四足机器人腿部的质量和转动惯量过大的问题，同时减小与地面碰撞产生的能量损失，增加腿的柔顺性。本发明由机身以及前左腿、前右腿、后左腿、后右腿组件构成，前左腿、前右腿、后左腿和后右腿组件的结构相同，前左腿、前右腿组件左右对称、分别连接于机身前部的左右两侧，后左腿、后右腿组件左右对称、分别连接于机身后部的左右两侧。本发明驱动电机都布置在机身上，减小了腿部的质量和转动惯量，提高机器人运动速度；通过拉线方式实现膝关节和踝关节联动，减小了主动电机的数量

多孔骨支架材料是修复骨缺损最有前景骨替代材料，但制约其临床应用的瓶颈是支架深部骨再生能力，本研究在复习文献，总结现有骨支架材料的优缺点的基础上，提出仿生多孔复合骨支架材料的设想。自骨单位——哈弗斯系统结构特点得到启发，从结构与成分仿生出发，结合现有的生物合金、水凝胶及陶瓷支架的优势特点，设计了一种新型镁合金/水凝胶/生物陶瓷复合骨支架。支架内部由力学强度较高的多孔镁合金支架构成核心，支撑支架形态，可体内降解，且降解产物有助于成骨；支架其余部分由仿生多孔水凝胶/陶瓷复合骨支架填充，具有中央大孔和周围放射层板状孔隙结构（图1）。该孔隙结构开放度高，骨传导性强（图2）；水凝胶/陶瓷支架可在体内降解，并模拟骨组织细胞外基质特点，为成骨细胞提供适宜的微环境（图3）。新型仿生多孔镁合金/水凝胶/生物陶瓷复合支架具有力学强度适宜，可体内降解，生物活性优良等特点，有望逐步取代现有的陶瓷或金属骨支。

基于事件驱动方式的仿生视觉图像传感器，用于高速场景的拍摄 一、项目分类 关键核心技术突破、显著效益成果转化 二、成果简介 随着虚拟现实（VR）、增强现实（AR）和混合虚拟增强现实（MR）技术、自动驾驶、物联网以及机器视觉等领域的飞速发展，对图像传感器的采集速度提出了更高的要求。传统基于“帧”扫描形式的CMOS 或 CCD 图像传感器较难满足高速运动物体的拍摄需求，若提高相机的图像采集帧率，则需要采用高性能且结构复杂的模数转换器，大量的图像会带来较大的数据冗余，此外，也会面临功耗高的问题。 相比于传统的光电和图像传感器，生物视网膜具有许多不可比拟的优势。视网膜中的光感受器可根据外界光强的变化自适应调节增益，能够感知超过 180dB 的光强范围。另外，视网膜基于事件驱动式的采集方式，仅输出场景中光强发生变化的信息，因而，能够滤除低频信息带来的冗余。在信号处理和传输上，采用异步通信的方式，通过神经节细胞将光强信息转换为时空脉冲信号，实现低功耗。 受到生物视网膜的启发，研究人员提出了基于事件驱动方式的仿生视觉图像传感器，用于高速场景的拍摄。该类传感器多采用对数像素电路作为光强探测单元，因其动态响应范围宽，可随机读取。然而，对数电路在弱光环境下灵敏度低，几乎没有光响应，即仍然无法模仿视网膜弱光下的高灵敏度，除此之外，其输出受到 (Fixed Pattern Noise，FPN)的影响，降低了图像质量。 我们提出了一种兼容 CMOS 工艺的光敏二极管体偏置场效应晶体管器件(PD- body biased MOSFET，简称 PD-MOS)，其结构图和等效电路如图 1所示。 利用 PD 的感光特性以及 MOSFET 的正向衬底偏置效应实现集成光强探测及信号放大于一体的光电器件。该器件可解决对数电路在弱光下灵敏度低的问题，并且提出了一种明暗传感器的方案以降低噪声。设计成像测试方案并搭建静态图像采集测试系统，实现静态显示，通过 MTALAB 进行图像恢复从而实现动态图像显示功能。   图 1 (a) PD-MOS 器件结构及其 (b) 等效电路图 经过商用 180nm CMOS 工艺流程制备后的器件概貌如图 2 所示，图 (a) 为三种不同像素设计的芯片实物图，从上至下分别为环形结构、条形结构及对数像素电路，将其中的环形结构在显微镜下放大观察可看到图 (b) 所示的形貌，图 (c) 为4个像素的显微图。   图 2 (a) PD-MOS 成像阵列芯片的实物图，(b) 环形结构芯片在显微镜下的放大图以及 (c) 环形结构像素放大图 上位机实时显示效果如图3所示，可以明显看出两根头发相交。子图 (a) 为暗态时的 100 帧平均灰度图，子图 (b) 为暗态时的曲面图，子图 (c) (e) (g) (i) 为光态下的图，子图 (d) (f) (h) (j) 为光态下的图像数据减去暗态下图像数据的降噪图，可以发现在30nw/cm2 辐照度下已经出现头发的轮廓，当辐照度继续增加，头发的轮廓越来越清晰，当辐照度达到 3mw/cm2，仍然可以看到头发的轮廓。   图 3 阵列芯片采集的图像 不同于传统计算机视觉系统的图像采集方式，生物视觉系统的成像由视野场景中发生的事件触发，且生物视网膜具有宽动态响应范围、超低功耗以及异步传输等特点，这为仿生视觉系统的研究提供了全新的思路。随着物联网、自动驾驶以及安防等领域的快速发展，它们对高速动态图像传感器的需求也日益提升。近些年，针对这些需求，研究人员提出了一种用于采集高速动态信息的类视网膜相机，成为了一大热点研究方向。类视网膜相机的工作原理模拟了生物视网膜事件驱动型的采集方式及异步型的传输模式，为动态视觉成像提供了硬件基础。综上，该类传感器的研究具有十分重要的科研意义和深远的经济价值。

解剖结构正确，体表骨性标志清楚，关节运动灵活，可添加或替换不同的穿刺模块，可进行腰椎穿刺、髂前上棘骨髓穿刺、胸腔穿刺、腹腔穿刺、静脉穿刺等操作训练。适用于临床医学本科生实习示教、住院医师培训等。 可根据用户需求在此模型身上添加新的穿刺模块。 注：模型充分体现经济价值性，行穿刺功能同时，还可定制克雷氏骨折、根骨骨折等全身各处骨折形式。

本发明基于压缩感知理论将将测量的信号通过1比特量化，去掉了之前被测信号能量为1的假设，通过循环迭代的公式最小化凸的替代函数，最终恢复出要测量的信号，相比于之前相关算法明显的提高的信号的恢复精度。

该技术建立了在役输电铁塔结构性能弱化模型和评估方法，提出了适用于瞬变载荷测量的输电铁塔状态全面感知技术，考虑台风、龙卷风、覆冰等灾害气象条件下载荷的瞬变特征，完成了输电线路瞬变载荷状态感知系统及终端设备研制，提出以架空导线载荷、铁塔结构倾角和应力状态实时测量为基础，与数字仿真模型深度融合的输电铁塔状态全面感知技术，构建输电铁塔的边缘智能感知端与云端协调工作架构，实现输电铁塔结构状态全面高速感知，可以实现输电线路巡护重点定位和输电铁塔灾害反演。 该技术的应用将解决重要架空输电线路通道中铁塔结构的健康状态智能感知与评价问题，能够实现架空输电线路结构健康状态全面感知，有效提升输电铁塔结构健康状态感知的准确度和智能化水平，为定位输电线路的巡护重点提供重要技术手段，为我国坚强智能电网的建设，提供重要理论支撑、技术保障和实践依据。 1 系统功能 （1）输电线路地理信息 以电子地图方式显示输电线路的地理信息，展示输电线路走向及铁塔位置信息。同时，可标识当前的气象信息。 （2）输电铁塔结构状态感知实时监测数据 以表格、图形的方式显示状态感知实时数据，对异常的状态感知数据实现声光报警，并可进行历史状态感知数据的查询。 （3）输电铁塔灾害反演 建立塔线体系三维模型，在三维模型上显示导线位移、导线和绝缘子的应力计算结果，并可实现灾害过程反演。 （4）输电铁塔实时健康状态 建立输电铁塔的三维模型，在三维模型上显示输电铁塔的杆件应力计算结果、输电铁塔结构变形结果及实时的健康状态评价结果。 （5）输电线路结构健康状态及巡护重点定位 显示输电线路结构健康状态评价结果，提供输电铁塔薄弱环节定位功能，为输电线路重点巡护提供支持。 2 系统组成 输电线路结构健康状态智能感知平台的系统结构分为感知装置和主站系统构成，如下图所示。 图1 系统图 系统客户端界面如下图所示。 图2 客户端界面

本发明公开了一种感知时长和资源分配联合优化的方法，优化目标为：其中r为数据总速率，τ为感知时隙宽度，X和W分别为用户对各频带的占比矩阵和发射功率矩阵，约束条件为检测和虚警概率、发射功率峰值和均值均受限于预设门限。所述方法首先将优化问题分解为上下两个子层；然后在τ可行区下界附近选取第一二插值点，基于其连线斜率选取第三插值点；其次令插值函数导数为零导出τ最优解最后将τ的最优解代入至下层进行优化，得到X和W的最优化解本发明方法速度优势明显并且精度仍能维持较高水平。

本发明提出一种分块阵列块内压缩感知逐点扫描相机。该相机包括：物体光源、透镜组、DMD阵列、感光片、A/D转换器、DSP处理器组成。预先将DMD阵列分割成若干个小方块，透镜组将景物光线投向DMD阵列上面，通过控制DMD阵列上面数字微镜逐点翻转，实现对景物光线的分块逐点扫描，即在每一个小方块内分别进行压缩采样。然后根据重构算法重构原始信号，DMD阵列将逐点扫描后经过重构的景物图像反射到感光片上成像。本发明利用DMD阵列的逐点扫描提高了成像的速度，是一种具有很大潜在应用价值的新型拍摄方法，突破了香农采样定理的瓶颈，从少量采样测量值精确重构出原始图像，将传统数据采集与压缩合二为一，节省存储资源。

本发明公开了一种实时流计算流速感知弹性执行容错系统，将 传统流计算框架中元组发射、计算、状态保持与处理单元紧耦合关系 变成一种模块化、专职化的松耦合关系，结合流速感知、弹性执行、 状态管理等模块，使系统能够精细控制各阶段的处理时间进而保证整 个应用的延迟。流速感知使系统能够快速响应输入流变化或可用资源 变化。分发模块可灵活改变分发关系、并适时按批发送元组，进一步 减少了资源消耗和发送延迟。弹性执行使系统对用户透明地调

机器人产业在过去十年中得到了长足的发展，有效提高机器人的智能感知能力，是未来数年内进一步推动该产业发展的关键所在。机器人的智能认知能力，是指通过人工智能理论和技术，赋予机器人一种类似人类的高层认知能力，从而使得机器人可以自己适应复杂多变、具有较强不确定性的自然场景。本项目拟在前期计算机视、听觉认知算法研究基础上，进一步探索机器多模态认知关键技术在机器人环境感知问题中的具体应用。1.&n