本发明公开了一种气动光学效应校正识别一体化实时处理系统，统包括 FPGA 模块、多核主处理器 DSP、多个协处理器 ASIC 及红外图像非均匀性校正片上系统 SoC，通过上述系统完成气动光学效应退化图像的全图热辐射校正、去噪、传输效应校正及目标检测过程。相应的，本发明提出了一种与之对应的方法。本发明能够有效解决气动光学效应问题以及飞行器高速飞行条件下要求处理器在完成探测处理时间间隔短的问题，通过采用自主研发的专用 A

本实用新型公开一种利用一体化污水处理设备污水废热的热泵系统，包括有热水集水箱、一体化污水处理设备内部的污水侧换热器、热泵机组，中介水管道连接污水侧换热器及热泵蒸发器，生活水管道连接热水集水箱及热泵冷凝器，热水集水箱通过生活热水使用管道与生活热水器具相连接，生活水从进口管道进入热泵机组，经过冷凝器换热后再由生活水出口管道进入热水集水箱。本实用新型利用一体化污水处理设备污水废热来达到全年全天候提供生活热水的目的，解决了传统污水源热泵堵塞、腐蚀、除污等问题。

大气污染的日益严重，雾霾天气逐渐增多，对传感器的性能提出了更高的要求，然而对于气体传感器的研究却缺乏大型的、一体化、同时实现多种气体在线检测的设备作为支撑。本课题组经过多年探索，自主研发了具有领先水平的一体化混合配气和气体传感器在线检测系统SJTUGDS-919。该套设备硬件经精心设计和严格验证，具备气体传感研究过程中常用到的所有功能，且所有控制都能在上位机软件上完成，实现了完全的自动化。 本套设备可以实现对气体传感器的快速在线检测,支持自动采集、自动计算、自动标定。该系统可以实现多组分复杂气体的精确稀释和配比，为传感器的多组分定性、定量识别和测量提供保障，并且集动态检测、静态检测、探针检测于一体。同时，该套设备还可以调节气氛的压力和湿度，并首次实现气体温度和传感器温度的协同调控，精准模拟了真实大气环境。应用此套设备，可大幅度缩短研发时间，降低实验成本，极大的提高工作效率，保证气体传感器研发工作的顺利推进。 本项目研发依托于“微米/纳米加工技术”国家级重点实验室和“薄膜与微细技术”教育部重点实验室等先进平台，本套系统现已申请八项发明专利，两项软件著作权。应用此套系统已开展科研项目十余项，发表高水平论文50余篇。SJTUGDS-919是首创的高度集成化的国内一流的气体传感器检测系统，是气敏研究和传感器器件研发的必备利器，是治理大气污染的开山斧！目前正在寻求将此系统设备产业化，推向市场。

 大气污染的日益严重，雾霾天气逐渐增多，对传感器的性能提出了更高的要求，然而对于气体传感器的研究却缺乏大型的、一体化、同时实现多种气体在线检测的设备作为支撑。本课题组经过多年探索，自主研发了具有领先水平的一体化混合配气和气体传感器在线检测系统SJTUGDS-919。该套设备硬件经精心设计和严格验证，具备气体传感研究过程中常用到的所有功能，且所有控制都能在上位机软件上完成，实现了完全的自动化。  本套设备可以实现对气体传感器的快速在线检测,支持自动采集、自动计算、自动标定。该系统可以实现多组分复杂气体的精确稀释和配比，为传感器的多组分定性、定量识别和测量提供保障，并且集动态检测、静态检测、探针检测于一体。同时，该套设备还可以调节气氛的压力和湿度，并首次实现气体温度和传感器温度的协同调控，精准模拟了真实大气环境。应用此套设备，可大幅度缩短研发时间，降低实验成本，极大的提高工作效率，保证气体传感器研发工作的顺利推进。  本项目研发依托于“微米/纳米加工技术”国家级重点实验室和“薄膜与微细技术”教育部重点实验室等先进平台，本套系统现已申请八项发明专利，两项软件著作权。应用此套系统已开展科研项目十余项，发表高水平论文50余篇。SJTUGDS-919是首创的高度集成化的国内一流的气体传感器检测系统，是气敏研究和传感器器件研发的必备利器，是治理大气污染的开山斧！目前正在寻求将此系统设备产业化，推向市场。

上海交通大学电子信息与电气工程学院离子束溅射沉积系统 招标项目的潜在投标人应在上海市共和新路1301号C座110室获取招标文件，并于2022年07月06日 10点30分（北京时间）前递交投标文件。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试