（一）项目背景 党的十九大明确提出了建设航天强国的战略目标，我国航天事业获得了巨大发展动力，商业卫星市场不断壮大，未来必将产生一个巨大的卫星数据服务市场。其中数传链路系统和设备是卫星航天产业的基础技术之一，它将航天遥感遥测数据从模拟信号中的信息提取出来以供使用。目前国内有能力进入卫星解调市场的厂家并不多，主要有：中国空间技术研究院、北京遥测技术研究所、中国电子科技集团第五十四所和清华大学等，并且都位于我市之外，无助于我市航天产业发展战略。 目前卫星通信设备生产单位均采用法国 IN-SENC 公司的高速数据接收设备的技术路线，国内市场上现有的卫星数传链路调制解调设备也都采用FPGA 设计专用电路实现，存在成本高、设计实现复杂和通用性差等问题；并且设备的性能依赖于 FPGA 器件的制造工艺和资源规模，无法满足卫星数据传输速率的快速增长需求；此外，卫星数传链路设备多采用的高端 FPGA芯片长期依赖进口，芯片禁运政策导致诸多问题。另一方面，本项目属于移动通信相关设备制造行业，是卫星产业中的关键部分。戚发轫院士介绍中国未来卫星事业发展将走向“一大一小”两个方向。“大”是指未来的卫星将越来越大，通信能力更强；“小”是指未来将会涌现更多重量较轻的卫星，它们功能专一，但可以形成一个卫星网络。而现阶段卫星数据解调设备研制目前采取的方式仍然是向传统的设备生产厂商定制产品，生产能力有限且成本昂贵，无法匹配卫星产业快速发展的需求。 图 1 卫星地面处理与检测系统工作展示 作为卫星技术非常重要的一部分，调制解调技术的发展经历了由模拟实现到数字实现、从专用硬件芯片实现到软件定义无线电软硬件结合实现。 本项目基于 GPU 平台研究的全软件卫星解调设备可充分发挥软件实现的灵活性及可扩展性的优势，符合卫星产业向着智能化、灵活化、通用化的发展趋势。本项目的研究的卫星解调设备支持多种调制方式，全软件的开发平台可可大幅度降低地面接收设备的建设成本，缩短开发周期，提高产能，同时可以有效的规避禁运带来的各种风险，具有重要的战略意义。 （二）项目简介 针对我市发展航天产业的政策和国内外市场环境面临的新问题，本项目基于大规模并行计算技术和软件无线电技术研究开发一种新型全软件卫星数传链路系统，突破现有调制解调设备性能提升的瓶颈，既匹配“大卫星”的技术需求，同时全软件的设计又可有效降低成本，提高产能，符合“小卫星”市场对“量”的需求。总之，本项目将进行“软件定义卫星数传设备”及航天产业链电子信息软硬件系统的研发、生产、销售，产品将覆盖多种制式的卫星数据传输、地面测试和地面接收应用系统。 图 2 设备样机 （三）关键技术 本项目由高速并行载波恢复和并行时钟恢复技术实现高速率解调以及高速并行 LDPC 译码实现技术实现任意码速率、规则及非规则的准循环 LDPC译码。软件并行解调，costas 环和 gardener 环的 CUDA 编程实现高速并行载波恢复和并行时钟恢复技术，且同时实现解调、解密、译码三个流程。

开发了基于运行模态分析(OMA)的机床动态性能测试与分析技术，其技术特点为无需人工激励，通过借助环境振动如地基振动作为激励、机床运行产生的振动即可满足采集要求。采集信号只涉及输出响应信号，无需激励信号，且不存在锤击法中捶击所得数据不满足要求的情况，操作简单。

1 成果简介随着科技的发展和网络技术的应用，网络在带给人们便利的同时，其安全性问题也日趋严重。各种新的应用和未知协议导致网络越来越复杂、多样化和难以管理。例如： P2P、视频流等应用，占用了大量带宽，造成网络带宽耗尽；各种网络恶意攻击（僵尸网、蠕虫、病毒等）更是严重地危害到网络服务和信息安全。网络安全问题不仅使普通网络用户的个人信息和隐私受到威胁，还使得企业机密变得不再安全，网络服务提供商和管理者对网络的管理也变得更加困难。更为严重的是，不法分子在网上肆意进行盗版、黄色和反动内容传播等不法行为，如果不将这些恶意流量从骨干网的背景流量中识别并分类出来，就会对网络的净化、社会的和谐、国家的稳定造成不良影响。网络流分类技术的提出和发展解决了网路流量的实时分类和识别问题，是解决上述问题的必由之路, 是网络安全技术的基础研究之一。 网络流分类技术是网络安全领域中迫切需要解决的核心技术和热点问题。只有对流量进行实时的有效识别和分类，才能对网络进行有效的管理和控制，从而净化网络环境，确保网络和信息安全，促进社会和谐。 本系统基于采样的、基于交互控制命令信息的和基于载荷的网络流分类技术，提出了融合三种分类技术的层次化网络流分类方法，建立和完善一整套适用于网络流分类问题的、由基本模型、分类算法、硬件平台和体系结构组成的实用系统，系统具有在真实环境下的网络中对网络流进行快速、准确和实时分类的能力。2 技术指标l 8G 吞吐量 l 8 X 1G（光/电口） l DFA 硬件加速 l 200~300 种协议 l能实现文本类协议特征的自动提取 l能实现部分二进制协议特征的自动提取 l协议识别的精度和召回率达到先进水平 l支持正则表达式匹配3 应用说明（ 1）政府管理部门 通过精确的网络流分类系统，可以对一些涉及盗版、黄色内容、网络攻击、非法反动思想的传播工具所使用的协议做出有效识别，同时对一些 P2P 视频网站、国外热门论坛等内容进行流分类，只有将这些恶意不法流量或者敏感流量准确并实时地识别和分类，才可以从技术上提供有效的后续管理和控制。 （ 2）企业 随着计算机技术和网络技术的发展，大部分企业都实现了电子办公和互联网办公，因此网络安全对于企业尤为重要。首先，企业的网络管理十分严格，如果没有流分类技术将无法进行流量识别，那么如 P2P 等流量必将会对企业的正常工作带来影响。其次，企业的机密可能会因为网络安全问题被泄露，使得企业的利益受到损失。因此准确有效的流分类技术对于各大企业来说是非常重要的。 （ 3）网络服务提供商（ Internet Service Provider， ISP） 网络服务提供商非常关心如何保证其服务能够正常运行并使用户满意，对于网络流分类技术的需求也很迫切。准确有效的流分类技术能够提供当前流量的组成部分，可以帮助网络服务提供商制定有效的管理策略和合理的收费政策，保证网络服务的质量，提升网络服务的经济效益。 （ 4）网络管理者 网络管理者需要利用网络流分类技术来更有效地管理带宽，避免出现带宽被 P2P 等流量耗尽而使得正常业务流量不畅的问题，同时避免网络攻击等危害。这就需要流分类技术实时有效地将这些流量识别分类出来。 （ 5）研究者 对于现有协议的分析可以促进新的更完善的协议的出现，通过对流量的分类，也可以判断当前网络流量的组成和发展趋势，有助于整体网络模型的研究。4 效益分析（ 1）应用于骨干网的网络流量分类和控制 快速、准确、实时的网络流分类系统，可以应用于骨干网的网络流量分类和控制，能够对一些非法盗版、黄色内容、网络攻击、反动思想等流量进行有效识别和控制，净化网络环境，增强网络安全，促进社会和谐，确保国家安全。 （ 2）应用于网络运营商的网络流量分类和控制 快速、准确、实时的网络流分类系统，可以应用于网络运营商对于网络流量的分类、控制和管理，避免网路攻击，有效地管理带宽的使用，合理地制定收费政策，避免带宽被耗尽而造成的流量不畅，保障运营商网络的正常服务，并提升服务的质量。 （ 3）应用于企业网络管理 快速、准确、实时的网络流分类系统，可以应用于企业网内部对于网络流量控制和管理，避免企业机密信息的泄露和恶意的网路攻击，控制 P2P 等流量，合理利用网络带宽，保证企业网络环境的正常运转。 （ 4）市场推广 快速、准确、实时的网络流分类系统，包含一整套的软件模块和硬件平台。其既可以作为单独产品为网络流分类问题提供解决方案，也可以作为 UTM 产品系统的一部分使用，其中的模块还可以分拆成单独系统以满足特定的应用需求。其在网络安全系统中的成功应用必将产生巨大的社会价值和经济效益。 （ 5）知识产权 网络流分类系统的核心技术和算法将通过申请专利和软件著作权形式进行保护，形成技术优势和技术壁垒，并在允许的范围内进行专利转让和进一步的技术转化。该高性能网络流分类系统具有很好的应用前景和市场空间，能够创造很好的经济效益和社会效益。

1 成果简介随着科技的发展和网络技术的应用，网络在带给人们便利的同时，其安全性问题也日趋严重。各种新的应用和未知协议导致网络越来越复杂、多样化和难以管理。例如： P2P、视频流等应用，占用了大量带宽，造成网络带宽耗尽；各种网络恶意攻击（僵尸网、蠕虫、病毒等）更是严重地危害到网络服务和信息安全。网络安全问题不仅使普通网络用户的个人信息和隐私受到威胁，还使得企业机密变得不再安全，网络服务提供商和管理者对网络的管理也变得更加困难。更为严重的是，不法分子在网上肆意进行盗版、黄色和反动内容传播等不法行为，如果不将这些恶意流量从骨干网的背景流量中识别并分类出来，就会对网络的净化、社会的和谐、国家的稳定造成不良影响。网络流分类技术的提出和发展解决了网路流量的实时分类和识别问题，是解决上述问题的必由之路, 是网络安全技术的基础研究之一。 网络流分类技术是网络安全领域中迫切需要解决的核心技术和热点问题。只有对流量进行实时的有效识别和分类，才能对网络进行有效的管理和控制，从而净化网络环境，确保网络和信息安全，促进社会和谐。 本系统基于采样的、基于交互控制命令信息的和基于载荷的网络流分类技术，提出了融合三种分类技术的层次化网络流分类方法，建立和完善一整套适用于网络流分类问题的、由基本模型、分类算法、硬件平台和体系结构组成的实用系统，系统具有在真实环境下的网络中对网络流进行快速、准确和实时分类的能力。2 技术指标l 8G 吞吐量 l 8 X 1G（光/电口） l DFA 硬件加速 l 200~300 种协议 l能实现文本类协议特征的自动提取 l能实现部分二进制协议特征的自动提取 l协议识别的精度和召回率达到先进水平 l支持正则表达式匹配3 应用说明（ 1）政府管理部门 通过精确的网络流分类系统，可以对一些涉及盗版、黄色内容、网络攻击、非法反动思想的传播工具所使用的协议做出有效识别，同时对一些 P2P 视频网站、国外热门论坛等内容进行流分类，只有将这些恶意不法流量或者敏感流量准确并实时地识别和分类，才可以从技术上提供有效的后续管理和控制。 （ 2）企业 随着计算机技术和网络技术的发展，大部分企业都实现了电子办公和互联网办公，因此网络安全对于企业尤为重要。首先，企业的网络管理十分严格，如果没有流分类技术将无法进行流量识别，那么如 P2P 等流量必将会对企业的正常工作带来影响。其次，企业的机密可能会因为网络安全问题被泄露，使得企业的利益受到损失。因此准确有效的流分类技术对于各大企业来说是非常重要的。 （ 3）网络服务提供商（ Internet Service Provider， ISP） 网络服务提供商非常关心如何保证其服务能够正常运行并使用户满意，对于网络流分类技术的需求也很迫切。准确有效的流分类技术能够提供当前流量的组成部分，可以帮助网络服务提供商制定有效的管理策略和合理的收费政策，保证网络服务的质量，提升网络服务的经济效益。 （ 4）网络管理者 网络管理者需要利用网络流分类技术来更有效地管理带宽，避免出现带宽被 P2P 等流量耗尽而使得正常业务流量不畅的问题，同时避免网络攻击等危害。这就需要流分类技术实时有效地将这些流量识别分类出来。 （ 5）研究者 对于现有协议的分析可以促进新的更完善的协议的出现，通过对流量的分类，也可以判断当前网络流量的组成和发展趋势，有助于整体网络模型的研究。4 效益分析（ 1）应用于骨干网的网络流量分类和控制 快速、准确、实时的网络流分类系统，可以应用于骨干网的网络流量分类和控制，能够对一些非法盗版、黄色内容、网络攻击、反动思想等流量进行有效识别和控制，净化网络环境，增强网络安全，促进社会和谐，确保国家安全。 （ 2）应用于网络运营商的网络流量分类和控制 快速、准确、实时的网络流分类系统，可以应用于网络运营商对于网络流量的分类、控制和管理，避免网路攻击，有效地管理带宽的使用，合理地制定收费政策，避免带宽被耗尽而造成的流量不畅，保障运营商网络的正常服务，并提升服务的质量。 （ 3）应用于企业网络管理 快速、准确、实时的网络流分类系统，可以应用于企业网内部对于网络流量控制和管理，避免企业机密信息的泄露和恶意的网路攻击，控制 P2P 等流量，合理利用网络带宽，保证企业网络环境的正常运转。 （ 4）市场推广 快速、准确、实时的网络流分类系统，包含一整套的软件模块和硬件平台。其既可以作为单独产品为网络流分类问题提供解决方案，也可以作为 UTM 产品系统的一部分使用，其中的模块还可以分拆成单独系统以满足特定的应用需求。其在网络安全系统中的成功应用必将产生巨大的社会价值和经济效益。 （ 5）知识产权 网络流分类系统的核心技术和算法将通过申请专利和软件著作权形式进行保护，形成技术优势和技术壁垒，并在允许的范围内进行专利转让和进一步的技术转化。该高性能网络流分类系统具有很好的应用前景和市场空间，能够创造很好的经济效益和社会效益。

产品详细介绍耐用型超高频RFID抗金属资产标签简介： 优异的抗金属特性 ，具有非凡的高性价比 ，仓库托盘金属，非金属环境的应用。类型：无源，可读写 频率:860--960MHz 芯片协议：UHF EPC Class-1 Gen2 芯片：Alien H3 EPC 内存：96Bits 用户内存：512Bits 多单元访问：支持（防冲突机制） 抗干扰性：支持抗金属等干扰问题 读写次数：10万次 固定读取距离6M  工作温度：－30℃~＋55℃ 应用温度：－40℃~＋75℃ 安装方法：3M胶粘贴正华-范生18682082110深圳正华致力于打造中国最好的RFID电子标签产品制造商

成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。

本发明涉及一种风电集群轨迹预测与分层控制方法，包括：根据风电集群及风电场内的拓扑结构，基于空间相关性和NWP数据进行超短期风电功率预测；根据调度中心下发的调度值，将控制过程在空间上分为集群优化调度层、场群协调分类层和单场自动执行层，将风电功率预测值从时间上逐层细化；在场群协调分类层，基于风电功率预测值对风电场进行分类，分为上爬坡群、下爬坡群、平稳群和振荡群；在单场自动执行层，基于AGC机组下旋转备用裕度和风电送出断面裕度判断风电可增发空间，增发上爬坡群风电场出力或降低下爬坡群风电场出力；基于风电场运行与监测系统，根据监测到的风电场实际值，计算并反馈风电功率误差，修正风电集群和风电场预测值，使优化过程更加精确。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：