该系统是与北大医学部物理教研室联合研制。涵盖了脉搏、语音等非电量的信号采集、频谱分析、分解与合成等功能；结合数字图像处理技术，进行傅里叶光学实验模拟。系统可完成多个设计性、创新性、趣味性的实验内容。 《脉搏语音图像分析系统》是与北京大学医学部物理教研室联合研制开发。 该系统涵盖了脉搏、语音等非电量的信号采集、频谱分析、分解与合成等功能；并结合数字图像处理技术，进行傅里叶光学实验模拟。 仪器可应用于开设“压力传感器测量脉搏”、“语音形态观测”、“数字图像的离散傅里叶变换”等多个实验，更能够让学生自主设计各类频谱滤波器，完成多个设计性、创新性、趣味性的实验内容。 系统特色： 1.  直观地展现语音、脉搏等生活中常见的信号,实现脉搏信号和语音信号的可视化； 2.  快捷地分析脉搏、语音信号的频谱构成、选频、重建； 3.  轻松地完成阿贝成像空间滤波物理研究性实验内容，以及数字图像的二维频谱分析、滤波、重建等功能； 4.  高灵敏度的采集探头对脉搏信号进行真实呈现，精确分析脉搏强度，实现科学定量地脉搏诊断。 功能模块 一、脉搏语音实验仪 二、信号分析软件 1. 脉搏信号测量分析测量脉搏波，并对脉搏信号作傅里叶频谱分析；并根据信号频谱图，进行原信号的分解以及合成还原。 教学应用： 可用于研究脉搏波的不同频率构成，通过任意分解和还原脉搏信号，分析不同频率对于脉搏图像的影响程度和变化规律。 2.  语音信号观察测量语音，并对语音信号作傅里叶频谱分析；在此基础上对原信号分解、合成、还原。 (1) 不同语音图像和频谱对比； (2) 分析同一实验者的不同音节，并进行信号的傅里叶变换，对比两段语音的时域差别和频域差别；(3) 分析不同实验者语音频谱，理解和掌握语音识别的原理； (4) 长时动态傅里叶频谱观察，进行长时间动态观察语音信号的时域图像和频域图像。教学应用：(1) 方便学生观察不同音节的语音形态，分析语音结构的细节特征；(2) 直观地反映语音信号在短时间内重复的周期变化，对不同类周期信号进行分析，研究类周期信号之间的异同点；(3) 对语音进行时-频分析，观察不同人、不同声音的频谱特征。 3.  多通道信号叠加分析 将多通道信号进行叠加,频谱分析、信号分解、分离和还原。将实验中多种信号通过传感器转换为电信号，接入外接通道，进行信号观察、检测和时-频分析。 教学应用： (1) 用标准信号进行实验分析，并与理论计算公式作对比，对傅里叶变换公式进行实验验证； (2) 根据实际需要，可以让学生设计测量各种物理量的传感器，直接输入到实验仪的外接通道，进行待测信号的测量。 4.  数字图像处理与光学实验模拟 观察黑白图片的二维傅里叶频谱，使用不同形状和参数的滤波器，对图像频谱进行低通、高通以及带通处理，对比处理后图像与原图的异同。 教学应用： (1) 将数字图像作为二维函数，通过傅立叶变换转换到频率域上，让学生根据具体需要，对频谱进行各种滤波处理，并将滤波后的频谱反变换，得到特定增强滤波处理后的图像； (2) 使用不同的图片模拟光学实验，进行空间滤波。无需到实验室搭建实际光路，就能够让学生观察到复杂的光学成像结果。 典型应用 教学中可开展的实验内容  1.压力传感器测量脉搏 压力的测量是各种测量技术中最常见的一种测量。本实验采用压电晶体式压力传感器测量脉搏波的波形及脉搏频率。 2.  语音形态观测实验由话筒采集语音信号，信号放大后输入计算机由数/模转换器转换为数字信号，经软件处理后显示在监视器上。实验中可通过观察同一人发不同音、不同人发相同音，理解语音识别的基本原理。 3.  傅里叶光学的空间频谱与空间滤波实验滤波器：低通滤波，高通滤波，带通滤波，自定义滤波器滤波 物屏：一维光栅滤波，二维光栅滤波， “光”字屏滤波。

大数据分析平台，通过将企业内部数据与互联网数据进行整合，形成企业大数据，然后利用分析平台，探索、展示、分析与挖掘各业务信息资产，从海量的信息中及时地发现有价值的知识，进而通过应用层向最终企业领导提供商业分析和数据服务，降低管理决策中“凭经验、拍脑袋”的风险和隐患，提高企业在市场中的应变力和竞争力。

产品详细介绍适用于煤炭、电力、化工、冶金、水泥、地质勘探和医药、科研等行业和部门进行工业分析。煤质化验时，能严格按照国标GB212、GB5447、GB5449有关规定，自动完成慢灰、快灰、罗加指数、粘结指数、挥发分等测定。

产品详细介绍肌电信号分析肌电信号(Electromyogram)简称EMG，反映神经肌肉兴奋性，评估神经与肌肉的功能状态。可用于肌肉工作的工效学分析、安全操作姿态分析、康复状态功能评价、疲劳识别以及肌电假肢控制等动作模式研究等。ErgoLAB肌电分析软件自动对原始数据进行滤波降噪处理，根据MVC进行数据归一化与统计分析。时域分析包括原始数据、处理数据、归一化数据的Mean、Max、Min、SD、Variance、RMS、Mean Absolute Value、iEMG等指标；频域分析的中值频率、均值频率、可视化频谱图，系统支持自动识别周期性动态用力分析。EMG高级数据处理分析模块可以结合人机环境同步平台和生理记录系统采集到与EMG指标相关的生理信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出可视化分析报告。技术要求1、信号处理模块信号滤波方法包括小波降噪（Wavelet Filter）、高通滤波(High Pass)、低通滤波(Low Pass)、带阻滤波（Band Stop）用以滤除噪音干扰，从而得到有用的EMG信号。肌电整流(Rectification)，包括三种方法EMG包络线（Envelope）、滑动均值滤波（Moving Average）、滑动均方根滤波（Moving RMS），可自定义分析窗口长度。EMG信号归一化处理：自定义MVC（Maximum Voluntary Contraction），计算Normalization EMG数据。Cycle Analysis周期性分析。系统对周期性用力的肌电数据进行自动化的识别与统计分析。自定义激活阈值（Activation threshold(%)）、用力的最小持续时间（Minimum duration(ms)）、动态用力的最小时间间隔（Minimum interval(ms)）参数，进行自动处理。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析模块包括时域分析和频域分析以及周期用力分析，二者可实现自由切换。A.   时域分析将肌电信号看作时间的函数，通过分析得到肌电信号的某些统计特征。统计分析指标包括：处理数据、整流数据、归一化数据的均值（Mean）、中值（Median）、标准差（STD）、最大值/最小值（Max/Min）、方差（Variance）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电（iEMG）。B.   频域分析运用参数模型法和直接快速傅里叶变化将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析。从功率谱密度中确定肌电信号的频带，不同频带可自定义，将在功率谱分析图中以不同的颜色区分。具体包括中值频率、均值频率及频谱图。C. 周期用力分析，自动识别周期性用力片段，具体的指标包括：周期的开始时间（Start Time）、周期的结束时间（End Time）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电值（iEMG）、中值频率（Median Frequency）、均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、归一化数据（Normalized）、PSD数据以及整体结果报告。

产品详细介绍EEG高级数据处理分析模块可以通过可穿戴脑电测量系统采集到与EEG分析相关的脑电信号进行离线处理和分析，结合ErgoLAB人机环境测试云平台可以分析多模态数据同步分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出原始数据、处理后数据和分析后数据；并可导出可视化分析报告。1、信号处理模块EEG信号处理包括High Pass高通滤波（High Pass）；低通滤波（Low Pass）；以及带阻滤波（Band Stop）。支持自定义设置参数。2、信号分析模块（1）脑地形图分析（Scalp Map）：包括EEG信号不同频段下的平均能量值（Average Power ）与总能量值（Total Power ）的实时可视化结果显示。包含的数据指标如下：Delta(1-4Hz)   δ波，实时显示1-3Hz频段的脑电波Theta(4-8Hz)   θ波，实时显示4-7Hz频段的脑电波Alpha(9-14Hz) α波，实时显示9-13Hz频段的脑电波Beta(14-30Hz) β波，实时显示14-29Hz频段的脑电波Gamma(30-49Hz) γ波，实时显示30-48Hz频段的脑电波Custom    自定义频段，用户可根据研究需要输入特定的整数波段（2）EEG通道分析1)Channel Analysis：通道分析，可针对脑电采集的单通道或全通道的数据进行数据分析。2)Time-Frequency Spectrum：时-频图，展示所选通道在整个实验过程中每个时刻的脑电频率变化，可以通过调整参数区间阈值，改变不同频率对应的颜色。3)Power Spectrum：能量谱图，该图展示了不同频率脑波的能量值。4)数据统计：具体指标包括α、β、γ、θ、δ频段的 Total Power、Power Percent、Average Power、Power Peak、α/β、θ/β、(α+θ)/β、(α+θ)/(α+β)以及θ/(α+β)、SMR频段的Power值。5)可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、PSD数据以及整体结果报告。

产品详细介绍通用信号数据处理与分析ErgoLAB生理测试云平台，除针对EMG、EDA、HRV、RESP信号的专业处理与分析软件之外，还提供了General基础通用信号分析软件，如生物力学信号、环境信号、皮温SKT、眼电等，该分析模块默认为一般化的处理方式，可满足基本的信号处理与分析统计。其他信号如生物力学信号、环境信号、其他生理信号、眼电信号等可在 General 一般性分析模块中进行处理与分析。该模块可以结合人机环境同步平台和生理记录系统采集到的所有生物信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于查看数据，在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出分析报告单。技术要求：  1、信号处理模块包括基础滤波，包括高通滤波（High Pass）、低通滤波（Low Pass）和带阻滤波（Band Stop）；滑动滤波（Smooth），包括滑动均值滤波Moving Average、高斯滤波Guass和Hann窗；Scale变换，包括线性变换（Liner Transform）、指数变换（Power Transform）和绝对变换（Absolute Transform）3种，以及数据降采样（Resample）。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析包括时域分析和频域分析，且可时域分析、频域分析自由切换。A.时域分析是将生物信号看作时间的函数，通过分析得到生物信号随时间变化的统计特征。其统计分析指标包括：包括最大值（Max）、最小值（Min）、均值（Mean）、标准差（STD）、最大最小值差（Range）、方差（Variance）。B.频域分析是运用参数模型法和直接傅里叶变化（FFT）将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析，从功率谱密度中确定生物信号的频带。具体包括中值频率（Median Frequency）与均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、PSD数据以及整体结果报告。

深圳国际研究生院张盛副教授团队在已开展的核酸测序方面的专用图像传感元器件关键技术基础上，提出了“基于单分子荧光图像测序的冠状病毒核酸智能检测技术”重大攻关项目研究方案。课题组通过远程网络讨论与协作等多种方式，组织了相关学科的专家多次进行技术研讨，并与深圳市行业内的权威机构合作，在两周内快速进行原理论证，形成技术方案，完成智能检测装置的原型结构设计及前期研究准备工作。 项目致力于开发具有核酸智能检测能力的低成本嵌入式物联网设备，为公共卫生防疫事业提供更加有力、且具备“提前生产、快速部署、分散检测”特点的新型核酸检测的解决方案，有望实现未来冠状病毒传染事件中基因序列的快速发布与潜在感染者的本地化核酸检测能力快速部署，帮助医护人员和民众在家庭或社区对感染或疑似患者进行现场筛查，减少潜在感染者的聚集与交叉感染，快速实现核酸检测层次的确诊检验与病症初筛，助力疫病防控和公共卫生领域战略科技力量的提高和储备。

完成人简介：樊君，西北大学教授，西北大学化工学院副院长， 陕西省化工过程实验教学示范中心主任，指导博、硕士生研究方向包括反应工程、碳一化工、纳米材料、分离工程、精细化工产品开发研究等。 成果内容：基于量子点的荧光探针分析对推动即时检测（POCT）技术的发展具有十分重要的意义。本项目以制备功能型纳米荧光探针为主，主要包括量子点荧光探针（QDs）和稀土掺杂上转换纳米颗粒（UCNPs），并利用制备的荧光探针实现了对生物活性分子的定量检测。项目设计了基于荧光共振能量传递（FRET）的QDs荧光探针和基于CuMn双掺杂的ZnS QDs比率荧光探针，分别实现了对生物活性分子多巴胺和叶酸的定量检测（图13），结果表明所制备的探针具有较高的选择性和灵敏度，项目成果将为医学检测和POCT技术提供技术支持。   不同反应时间得到的CdTe量子点在紫外灯下的实物图及其吸收和发射光谱 成果优势： 量子点(quantum dots，QDs)是指颗粒半径小于激子波尔尺寸半径的纳米晶粒，属于三维尺度限域的零维纳米材料，其尺寸一般在10nm以下。QDs有许多显著地光学性质：优良的抗光漂白能力； 较宽的吸收光谱；发射光谱窄；较大的斯托克斯位移(Stokes shif)。 成果成熟度：中试阶段。 转化方式：技术转让等。 市场展望：本项目的研究结果对提高疾病诊治水平，推动医学科技前沿发展，形成经济新增长点，带动大健康产业发展等都将具有十分重要的意义。

FED是目前在研的几种平板显示器中的一种，也是唯一能够保持 传统阴极射线管显示器（Cathode Ray Tube Display，简称CRT）高显示 质量的新型平面显示技术。在家用电视机、电脑显示器、车用显示器、工业监视器、 医疗仪器设备、军事、航天等领域有重要应用前景。特别是FED具有比现有的平板显示技术更高的抗恶劣 环境的能力，在军事、航天等方面有重要的应用前景。针尖型冷阴极的FED制作成本昂贵，而采用纳米线 冷阴极，具有制备方法简便、电学性质可控等优点。 本技术成果采用自组织生长纳米线冷阴极结合微加工薄膜工艺制作高分辨率的FED，在纳米冷阴极可 控生长及其栅极微结构集成、纳米冷阴极FED器件封装等关键技术取得突破。掌握了从材料、器件结构、 制作工艺到驱动技术的完整的知识产权体系，自主建立起纳米冷阴极FED的整套工艺线及其工艺。本技术 成果在大面积玻璃衬底上实现了高精细定位生长纳米冷阴极；研制出可用于高分辨率FED的栅极结构纳米 冷阴极电子源阵列；开发出了纳米线冷阴极FED器件的真空封装技术；建立起纳米冷阴极FED工艺流程； 研制出栅极结构纳米冷阴极FED样机。

利用微层共挤出技术制备高分子材料层和发泡层交替排列的层状材料，该材料具有以下特点：（1）层数可以调，最多可达到2000多层；（2）高分子材料层和发泡层的厚度比可调；（3）由于高分子材料层和发泡层的模量差异较大，因此声波会在层状界面发生反射，并且层状界面数量越多，反射的声波越多，起隔音降噪作用；（4）由于发泡层的存在，因此材料的整体密度不高，并且密度可调；（5）层状结构的协同作用导致材料的力学性能优异。