一体化污水处理设备

1.占地面积小。设备可设于地面上，也可埋在地下，减少厂区占地面积。 2.一体化设备。方便操作，易于管理，且可连接在汽车上做成移动式一体化污水处理设备。 3.脱氮除磷。具有脱氮除磷能力，处理工业废水，城市污水的能力。

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

一、装置概述 PUC-Q型高级氧化水处理综合实验装置是根据高等教育的改革方向，顺应国家培养应用型高技能人才的战略思想，以前沿技术为导向，紧密结合废水深度处理技术的实际，并针对高等院校对有机废水处理工艺应用和创新实验教学的实际需要而专门研制的综合性实验装置。本装置涉及放电等离子体技术、紫外光光解技术和智能程控技术等。装置工艺流程简洁、美观，可视化程度高，具有处理效率高、彻底、无二次污染等优点，非常适合大专院校的相关专业开展实验、实训、设计、创新创业训练等。 二、主要参数及指标 （1）处理能力：能处理各种生活废水和印染、造纸、医疗等多种工业有机废水； （2）污染物负荷：COD<800mg/L、色度（稀释倍数）<200、粪大肠菌群数<108个/L； （3）处理水量：40L； （4）处理效率：≥90%； （5）装置净重：200kg； （6）外形尺寸：1800mm×700mm×2000mm； （7）供电电压：AC220V、50Hz； （8）运行功率：＜3kW； （9）操作条件：常温、常压； （10）安全保护：具有接地保护、漏电保护和过流保护装置，安全符合国家标准； 三、主要配置及性能 采用自主知识产权的双介质阻挡放电等离子体反应器，放电均匀、稳定，活性物种产率高。 高频高压放电电源采用两级控制，安全、可靠，输出频率和电压可调。 可视化的光解反应池中安装全潜式UVC杀菌灯，能够直观观察光解过程；UVC杀菌灯配套专用整流器、高品质石英套管、防水接头，UV穿透率高，可在水中长时间工作。 316L不锈钢材质的尾气净化器中填装有高效的臭氧淬灭催化剂，可将尾气中的臭氧快速转化为氧气，并通过智能程控调节尾气净化器的温控设备，运行成本低。 水路采用自动和手动相结合的控制模式，灵活、方便。 采用电磁式增氧气泵供气，气量大、稳定、噪音低。 采用精度高、性能稳定的水温、水位、气压等变送器，实时监测装置的运行参数，不锈钢材质变送器探头耐磨、耐冲击、抗干扰强。 三菱FX3U系列PLC主机和模拟量输入输出模块完成设备运行控制，10英寸彩色触摸式液晶显示屏实时显示控制按键、装置运行状态及时间、水温、水位、气压、电流等重要参数。 所有设备模块化安装于304不锈钢材质的柜体中，柜体前后开设合页门，并设置视窗，便于设备的检修和运行过程的观察；柜体顶部安装有可调速换气扇，起到通风透气、降温的作用；柜体底部安装禁锢万向脚轮，方便移动。

本发明涉及一种基于黄金分割比例的菱形模板双尺度图像去噪方法。本发明的技术要点是采用菱形模板并进行自适应模板扩充，利用参与计算的信号点的距离权重和灰度权重的归一化权重进行去噪。本发明的优点是菱形模板中参与计算的所有信号点到中心点的距离方差较小，尽可能避免了距离过远的信号点参与滤波计算；根据噪声密度取部分信号点参与计算，不仅降低了计算复杂度，而且降低了模板内可能存在的其他噪声及边缘对滤波效果的影响；模板中横向包含的像素点和纵向包含的像素点个数之比为1:0.618，充分利用了数学的经典理念,也符合人的视觉习惯。实验结果表明，本发明既能处理低密度噪声，又能处理高密度噪声，噪声密度越高，相对效果越好。

本发明公开了一种基于运动颜色关联的视频图像显著性检测方 法，包括：获得视频图像的静态显著性图；提取场景的光流向量场；对光流向量场进行初步分类并抛弃最大分类区块；将视频图像从 RGB 颜色空间转换到 HSV 颜色空间；根据 HSV 颜色空间 H 分量中对应颜 色在输入图像中出现的频率，生成颜色直方图；针对光流向量场有效 分类区块中的每个向量，将其范数投射到颜色直方图的相应区间中去， 得到每个颜色区间的运动尺度变量；得到每种颜色的运动显著性值并 投影到原图像生成运动显著性图；将运动显著性图与静态显著性图相 加得到最终显著性图。本发明的方法可以有效地将运动特征纳入显著 性考虑范围，在现有的运动视频测试集上能取得优于传统方法的结果。

一种基于字典渐近更新的人脸图像超分辨率方法:在训练阶段，采用去一法对低分辨率人脸图像训 练集的每张低分辨率人脸图像进行超分辨率重构，得到一层低分辨率中间字典;以此低分辨率中间字典 作为新的低分辨率人脸图像训练集输入，重构得到新一层的低分辨率中间字典;重复上述过程，最终得 到多层低分辨率中间字典。在测试阶段，根据输入的低分辨率人脸图像，上一层低分辨率中间字典和高 分辨率人脸图像训练集，对输入低分辨率人脸图像进行超分辨率重构，得到预估高分辨率人脸图像;重 复上述过程，最终重构出高分辨率人脸图像。本发明可得到更高质量、与真实情况更为接近的重建效果。

本发明公开了一种基于支持向量回归的雷达图像适配性预测方法。所述方法包括：学习阶段，提取 SAR 图像多维特征构成学习集；对学习集样本特征预处理后，将其分为学习集 L1、L2，然后用学习集L1 训练支持向量机，并用得到的 SVM 模型对学习集 L2 进行分类，根据分类正确率、样本特征和类心之间的距离计算各样本的适配率；之后利用学习集特征及其相应的适配率，拟合回归得到适配性预测函数模型；预测阶段，对待评估的 SAR 图像

本发明公开了一种对卫星图像数据实时解压缩的系统，包括：数据服务器模块，用于接收卫星拍摄图像的图像压缩数据流，并将图像压缩数据流中不同通道的图像压缩数据并行发送给不同的解压缩单元进行解压缩，以及根据图像压缩数据流和解压缩后的图像数据确定图像压缩数据流的运行参数，运行参数包括误码率、压缩比、微损度以及数据速率；解压缩模块，包括至少一个解压缩单元，用于并行对不同通道的图像压缩数据进行解压缩，每个解压缩单元以 FPGA 为处

本发明公开了一种基于场量分析的视频图像显著性检测方法，包括以下步骤：S1 获得视频图像的静态显著性图；S2 根据连续的视频帧提取场景的光流向量场；S3 通过聚类方法对光流向量场进行初步分类并找出最大分类区块；S4 通过每个分类区块与最大分类区块之间的对比生成差异性能量；S5 规范化差异性能量，获得运动显著性值并生成运动显著性图；S6 将该运动显著性图与所述静态显著性图线性加权相加得到最终显著性图，即可实现对视频图像的显著性检测。本发明的方法综合利用视频场景的静态特征和动态特征来得到显著性映射结果，特