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。

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：本发明涉及分布式极化敏感阵列的参数估计技术，特别涉及信号波达角度和极化参数的联合估计方法。 一个完备的电磁矢量传感器由空间放置的3个电偶极子和3个磁偶极子构成，它们在空间共点放置相互正交，从而形成极化敏感阵列，可以接收入射电磁波全部的电场分量和磁场分量，因而相较于传统的标量阵列，极化敏感阵列可以接收更多的入射信号的信息。又，极化敏感阵列能够感应入射信号的极化信息，从而获得入射电磁信号的极化参数。然而，传统的标量阵列却由于不能感应入射信号的极化信息，而无法获得入射电磁信号的极化参数。并且，极化敏感阵列还可以同时感应入射电磁波的极化信息和空域信息。因此，极化敏感阵列不管是用于极化参数估计还是自适应波束的形成，其都具有比传统标量阵列更优越的系统性能。 在极化敏感阵列的应用中，利用电场、磁场和坡印廷矢量之间的矢量关系，当空间放置有单个完备的电磁矢量传感器，利用该电磁矢量传感器就能够同时获得最多5个不相关信号的波达角度（DOA）和极化参数的估计，因此，在空间物理孔径受限的场合具有重要的意义。 然而，针对极化敏感阵列的信号处理，大多假设各个阵元由2至6个共点放置的相互正交的电偶极子或磁偶极子构成，因此，各极子在空间共点放置不可避免的会有严重的互耦效应，互耦效应会降低天线系统的性能。 阵元间的互耦现象是不可避免的，为了有效减少阵元各共点通道之间互耦的相互影响，现有技术提出了分布式极化敏感阵列，分布式极化敏感阵列是将极化敏感阵列各阵元共点分量在空间分散放置，其能够使阵元间的互耦效应大大降低，同时也可以感应入射电磁波的电场信息和极化信息。现有的针对分布式极化敏感阵列的参数估计方法大多针对完备的电磁矢量传感器，即在空间分散放置3个电偶极子和3个磁偶极子，然后再利用改进的矢量叉乘的方法来完成参数估计。然而，在实际中，由于空间电场和磁场是时变的，时变的电场产生磁场，时变的磁场产生电场，二者之间存在一定的冗余关系，因此考虑仅仅采用电偶极子或磁偶极子构成极化敏感阵列将可以获得更多的入射信号电磁信息。

本成果在四川省广汉市、什邡市、绵竹市、德阳市旌阳区、云南省红河县和禄劝县山等多个地区的应用单位产生了显著的经济效益。在地理信息系统和自然灾害监测等领域的应用发挥了重要的作用。

本发明涉及分布式极化敏感阵列的参数估计技术，特别涉及信号波达角度和极化参数的联合估计方法。 一个完备的电磁矢量传感器由空间放置的3个电偶极子和3个磁偶极子构成，它们在空间共点放置相互正交，从而形成极化敏感阵列，可以接收入射电磁波全部的电场分量和磁场分量，因而相较于传统的标量阵列，极化敏感阵列可以接收更多的入射信号的信息。又，极化敏感阵列能够感应入射信号的极化信息，从而获得入射电磁信号的极化参数。然而，传统的标量阵列却由于不能感应入射信号的极化信息，而无法获得入射电磁信号的极化参数。并且，极化敏感阵列还可以同时感应入射电磁波的极化信息和空域信息。因此，极化敏感阵列不管是用于极化参数估计还是自适应波束的形成，其都具有比传统标量阵列更优越的系统性能。

该成果采用PCB线圈组成的磁耦合谐振式无线电能传输系统可实现中短距离无线供电，该系统的创新在于采用PCB线圈替代传统的线绕线圈，铜线绕制的线圈容易变形而引起参数变化，对系统完全保持一致的谐振频率增加了难度而PCB 板生产出来的线圈参数几乎能完全保持一致，因此有利于保持系统的谐振频率一致。

本发明公开了一种基于超材料结构的湿度传感器，包括基板、输入微带信号线、输出微带信号线、叉指结构、开路短截线电感、微带线地线、聚酰亚胺层，该湿度传感器是在基板上放置由叉指结构和开路短截线电感构成的超材料结构，当空气中的湿度发生变化时，叉指结构上涂覆的湿度敏感材料聚酰亚胺层能够吸收空气中的水汽分子，其介电常数发生变化，导致由叉指电容和开路短截线电感构成的超材料结构产生相应的相移输出，通过检测超材料结构的相移，实现湿度的测量，本发明灵敏度高，测量误差小，同时还具有结构简单、成本低、统计小、功耗低、工艺兼容等优势。

本发明公开了一种基于单摄像头的太阳跟踪定位装置与方法,该装置包括数字信号处理芯片、舵机、摄像头和视频解码器。该方法包括舵机控制摄像头定位、图像信息采集和图像信息处理步骤。本发明实时采集太阳方位图像信息并得到太阳的精确方位,系统精确度高,稳定可靠,抗干扰能力强,适合于那些跟踪精度要求较高,设备性能要求较稳定的太阳能聚光发电系统使用。

提出一种汉克尔矩阵扫描的图像置乱方法，算法实现简单，置乱度高，通用性强，并且能抵抗一定的攻击，可以很好的用于信息隐藏的预处理和图像加密，而且可以满足数字图像加密和隐藏的鲁棒性要求。