AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。 这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。 多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。 单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。 视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。 听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。 文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。 多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。  

该成果建立了新型复杂桥梁结构的虚拟激励法理论，应用该理论针 对三维钢结构拱桥、自锚式悬索桥等复杂桥型进行研究，提出了适合于软土地区的地震动场、自功率谱及相干函数等模型，进行了抗震性能研究，发明了具有很强抗震性能的钢管混凝土腹杆组合箱梁，对于类似桥梁的抗震设计具有重要的参考价值；对拱桥的横向支撑钢管混凝土N型相贯节点进行了理论分析和试验研究，得出往复荷载作用下不同加强形式破坏特征一致的结论，可为大跨径组合桥梁的设计与

1. 痛点问题 目前，新能源场站不具备快速电网频率调节能力，随着新能源装机容量的增加，电网的频率稳定将面临严峻挑战，严重情况下会导致新能源机组限制出力，甚至大面积脱网，影响发电效率和电网安全。 新能源大规模并网时，电网运营商只对场站级特性提出明确要求。尽管新能源装备在装机前需通过严格的涉网型式实验，但该实验仅针对单机实施，多机之间缺乏协同，无法保证场站性能。新能源场站内的运行维护通常由新能源业主负责，然而受限于其技术水平，当前新能源场站的运行方式较为粗放，场站级控制仅根据调度要求完成功率指令下发等功能，多机组之间缺乏有效协同。在实际运行过程中，未有效挖掘多机协同潜力，导致效率难以进一步提升，且由于多机之间的相互干扰而时常发生非故障脱网现象。 2. 解决方案 基于新能源场站级和设备级调频模块，构建新能源多机智能化功率协同控制系统，采用集中式协同-分布式自主的控制方式实现新能源场站的快速调频控制，使新能源场站满足电网的调频要求，提高供电可靠性和发电效率。 合作需求 产品的应用领域：风电/光伏新能源场站； 产品的目标客户：快速调频模块的用户主要是电站运营企业和部分逆变器、变流器企业；加装快速调频模块逆变器的客户是电站投资企业、光伏EPC企业，和风机/光伏整机厂商。

基于Xen虚拟化环境的内核级rootkit检测和处理方法，所述Xen虚拟化环境包括管理域、虚拟机监控器和半虚拟化的客户机；管理域包括控制模块，虚拟机监控器包括安全链表维护模块、检测模块和敏感信息备份模块，客户机包括运行时维护模块和rootkit处理模块。还包括客户机启动过程中敏感信息备份、内核模块加载时安全链表更新、内核模块加载成功后交叉对比检测rootkit、内核敏感信息攻击性检测和在管理域对客户机中的rootkit进行处理的步骤。

本发明公开了一种虚拟化环境下的 USB 设备访问控制方法，该 方法可以将客户端中插入的 USB 设备映射到虚拟机中，并且能对映射 到虚拟机中的 USB 设备进行读写访问控制。该方法的实现步骤如下： 首先，配置客户端和虚拟机的网络，使得客户端和虚拟机之间可以相 互 PING 通；其次，在客户端和虚拟机中分别安装 USB 映射程序，确 保 USB 设备能够从客户端映射到虚拟机中；再次，在虚拟机所在的服 务器中将 USB

虚拟仿真外语实验教学中心基于沉浸式虚拟仿真技术，结合实验教学、语言教学理论、二语习得理论，探索“新文科”建设背景下外语学科实验教学的创新突破。

本发明涉及无线Mesh网络中基于时分复用的虚拟信道分配方法，属于无线通信技术领域。本发明通过将MAS时隙再分割成子时隙并进行编号，并将每个MAS中编号相同的子时隙视为一组，称为虚拟信道。通过构建二跳节点干扰模型，引入图着色的方法，即被染上相同颜色的链路可以同时使用同一虚拟信道。通过图着色对网络中的链路进行虚拟信道分配，由于两跳或两跳以外的节点互不干扰，因此可以链路两跳以外的链路可以同时使用相同虚拟信道。与目前Mesh网络中现有资源分配问题相比，本发明充分考虑了时隙的利用率，提出了一种提高网络吞吐量的时分复用虚拟多信道分配方法。

以当今主流放疗和影像设备为仿真对象，以 3D 场景仿真医院放疗和影像科室的工作实景及流程，将放疗和医学影像专业与信息化技术有机融合，将教学能动性发挥到最大。系统包括学习模式和考核模式，操作者可以通过鼠标的点击操作，在三维模拟的医院检查环境下进行360°漫游，在整体上对相关检查设备有所认识，每种设备检查技术涵盖实训步骤不少于30步，包含设备开机检查、开机、准备、登记、患者准备、去除异物、摆位、调整设备位置、设置参数、后处理、打印等全过程仿真操作及各仿真过程中知识点学习及考核，软件为B/S架构，不限节点。

深圳国际研究生院王兴军教授团队研发出一套穿戴式智能化隔离监测系统和一套高通量非接触式大规模疑似病患筛查系统。 “自动隔离监测系统”采用可贴身佩戴的体温传感器，轻巧方便，可以佩戴于额头或腋下等部位，可实时对体温进行采集。采集的数据通过网关或手机传至云服务平台进行数据整合和数据可视化，当出现数据不正常或出现被隔离者离开监测区域时，系统都会进行报警。对于在隔离期内生理数据正常的人员，可以在一定时间之内不用重复测量，避免重复检查。 “高通量非接触式大规模筛查设备”可以放置于火车站、地铁站、海关等人流密度较高的区域，利用红外热成像设备和可见光采集设备，搭配智能算法，可以实现在高人流密度区域同时对多人非接触式地、即时地采集体温和血氧数据，及时筛查出疑似患者，预防输入性病例。采集的数据将上传至云平台，用于进行公共卫生数据统计和数据交互。相关数据还能直接对接到卫生部门，方便进行后续的跟踪观测、诊断治疗。上述两套系统可以为疫情隔离监测和大规模排查筛查提供全覆盖的服务，犹如“防疫天眼”，产品正在加紧研发。