本产品是针对各类大中专院校《数字信号处理》实验课程配套开发的可在网上开展基于C/S架构的虚拟实验教学系统，系统由课程实验仿真台和虚拟实验教学管理系统两部分组成。仿真台模拟真实实验中用到的器材和设备，提供与真实实验相似的实验环境；虚拟实验教学管理系统提供全方位的虚拟实验教学辅助功能，包括：实验前的预习、实验的开课管理、典型实验库的维护、实验教学安排、实验过程的指导、实验结果的批改、实验成绩统计查询等功能，为实验教学环境提供服务并开展应用。可满足各类大中专院校《数字信号处理》课程实验教学环节的需要，尤其适用于远程教学。 系统提供了七大类54种数字信号处理器件模型： 1、序列与采样信号 复指数序列、随机整数序列、实指数序列、矩形序列、抽样脉冲序列、正弦序列、阶跃序列、正弦采样信号 2、信号操作与FFT 序列相加、序列卷积、序列累加、序列反褶、序列相乘、序列平移、周期序列、信号延迟、信号下采样（抽取因子）、信号上采样（内插因子）、信号重构（采样率转换）、高斯白噪声、加法器（采样信号叠加）、增益器、FFT（快速傅立叶变换）、IFFT（快速傅立叶反变换） 3、模拟滤波器设计 巴特沃斯模拟低通（脉冲响应设计）、切比雪夫1型模拟低通（脉冲响应设计）、切比雪夫2型模拟低通（双线性变换设计）、椭圆模拟低通（双线性变换设计）、脉冲响应不变法设计（模拟转换为数字）、双线性变换法设计（模拟转换为数字） 4、IIR设计 巴特沃斯数字滤波设计、切比雪夫1型数字滤波设计、切比雪夫2型数字滤波设计、椭圆数字滤波设计 5、FIR设计 阶数计算（FIR）、数字截止频率计算（FIR）、窗函数（FIR）、FIR数字滤波设计 6、滤波器实现与分析 1/z传递函数（滤波器结构）、FIR数字滤波器实现、IIR数字滤波器实现、系统频率响应、系统脉冲响应、系统阶跃响应 7、输出显示与文件读写 读取外部数据（txt）文件、数据写入外部文件、读取外部音频（wav）文件、音频数据写入外部文件、复数信号点阵图、信号针状图、信号波形图、幅度图、相位图、零极点分布图 使用现有器材模型系统提出了如下二类17种典型实验的训练： 一、基本元器件使用实验 1.信号源的使用 2.信号处理 3.模拟IIR滤波器设计 4.数字IIR滤波器设计 5.FIR滤波器设计 6.其他元件的使用 二、信号处理与应用分析型实验 7.序列信号的产生及运算 8.FFT的应用 9.脉冲响应不变法设计IIR数字滤波器 10.双线性变换法设计IIR数字滤波器 11.IIR数字滤波器的设计与实现 12.窗函数法设计FIR数字滤波器 13.级联型数字滤波器的滤波实现 14.并联型数字滤波器的滤波实现 15.抽取器的高效FIR多相结构实现 16.内插器的高效FIR多相结构实现 17.数据与音频信号的处理 备注：除上述实验，用户也可以利用提供的器材模型自主添加典型实验。 系统服务器端用户分为学生、教师、教务管理员和系统管理员四种角色，不同角色拥有不同权限。 ►学生：选课、选择实验、开展实验、接受实验指导、在线提交实验报告、保存和提交实验结果、查询实验成绩和批语。 ►教师：典型实验库维护、发布实验、安排实验、批改实验报告、系统指导、统计并发布学生的实验成绩和批语。  ►教务管理员：课程计划、开课计划、选课日期设置、开课审核、开课查询。  ►系统管理员：用户管理、分组管理、角色管理、权限管理、系统维护等。  性能指标 支持同时在线用户数1万人以上，经过在多所学校的实训教学应用，系统运行稳定，不限终端用户数，完全能满足职业技能大赛训练或省赛预赛使用。 服务器运行环境 操作系统：Windows Server ，Linux/Unix Server Web服务器：Tomcat6.0，JDK6.0 数据库：MySQL 客户端运行环境 操作系统： All Windows系列

该发明公开了一种大规模磁纺设备及使用该设备制备微纳米纤维的方法，该设备包括支架，给料装置，纺丝喷射装置和水平设置的滚筒式收集装置，收集滚筒的表面固定有提供磁场的条形永磁铁，纺丝喷射装置有多个喷头，排成一列，指向条形永磁体，被固定在可沿滚筒中轴线方向做往复运动的驱动器上。该设备以磁场力代替电场力，在交变磁场力作用下拉伸铁磁流体制备磁性微纳米纤维，整个过程无需高压电作用，有效降低生产成本和安全隐患，同时可批量连续生产微纳米纤维，且制得的纤维排布有序，产量高适合大规模生产。

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。

成果描述：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。市场前景分析：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。与同类成果相比的优势分析：国内领先

相对其它软件，本项目有如下优点： 采用Web结构的分布式多层处理方式，使对数据的处理合理地分布在服务器和工作站上，保证了系统的稳定性、实时性。 灵活而安全地网络机制与权限管滚动发布基本信息：本系统提供动态滚动文本、图象、视频信息发布功能，可以在交易大厅的显示屏上发布基本信息，也可以在其它显示终端上接收这些信息。支持多媒体信息的播放发布：用户可以通过本系统发布房屋的多媒体信息，也可以从服务器的多媒体数据库中取得房屋的各种信息。提供与客户需求动态交互的网页。先进的加密、压缩算法，网络传输安全、实时。 同时满足交易大厅查询和家庭上网查询。与房地产交易系统交互，可由管理员直接操作。程序结构、层次清晰，保障程序易于更新和维护。满足大型网站实时、多服务器、交易大厅显示屏及触摸屏电脑等发布要求。

复杂信息系统人机交互数字界面已成为操作者获取信息、知识推理、判断决策的重要手段和操作依据。复杂信息系统人机交互界面在军事、信息安全、地理交通等诸多重要领域发挥着不可替代和非常重要的作用。该项技术首次综合信息编码、生态界面、认知摩擦、认知负荷和态势感知等关键理论和技术，构建了复杂系统信息流的功能结构模型，分析了复杂系统要素之间的层次结构和内联属性的复杂特征，提出了复杂系统“界面信息-视觉认知”映射模型的知识表征与规则推理，揭示了复杂系统数字界面从视觉信息认知到行为决策之间的映射关系，建立了复杂系统数字界面信息区块布局的空间与结构约束机制。本项技术首次融合脑电、眼动等多维度生理测评技术，提出了复杂信息系统数字界面的可用性评估体系。通过高时空分辨率的脑成像技术与眼球追踪技术相结合，共同揭示了人类在复杂系统数字界面认知各阶段的认知特性，分析了认知失误、认知困难等问题的生理学根源。该技术基于脑电ERP、眼球追踪等多维度融合的生理测评方法，对设计优化方案进行可用性评估，由此提出复杂信息系统数字界面设计的量化评估体系，提出了可实施的复杂系统数字界面设计优化方案。项目成果已成功运用到海、陆、空、航天等信息化装备上，全面提升了信息化装备的人机交互水平，保障了信息化装备整体性能和水平的充分发挥，提高了信息化装备操作绩效。取得突出成绩。应用前景广阔。

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

在企业的产品开发过程中，会形成大量的技术数据、技术资料、工程经验等设计资源。面对这些资源，企业往往因为缺乏基于知识技术的信息管理方法和技术，使得这些设计资源不能得到很好的规范组织和重用，从而制约了企业产品创新能力和产品结构合理化程度的提高。   天为 DMIS 设计师信息管理系统，能够统一管理企业中与产品形成过程中产生的所有结构化和非结构化的资源，使设计人员在设计过程中能够迅速找到相关知识，从而方便快捷地对已有的相关设计案例进行参考和相互比较，使相关文档在特定的时间发送到特定的地点和特定的人员手中，并可对已有模块进行快速配置和变型设计等；从而提高企业的产品设计效率，缩短产品设计周期，降低设计成本，提高设计质量和产品创新能力，提升企业的整体管理水平。