本发明公开了一种减少RAID-6解码I/O数据量的方程选择方法：一次只选择一个校验方程，而且遵循每次都选择具有最多可重用块的校验方程的原则，直到选定的校验方程数量与条带中丢失的数据块数量一致为止；为了快速选出可重用块数量最多的校验方程，维持一个按可重用块数量排序的校验方程序列，每次从序列顺序选择校验方程。使用本发明方法选择校验方程子集用于解码时，解码 I/O 的数据量要少于传统解码方法使用的数据量，这有助于减少解码时

本发明公开了一种计算复杂度感知的视频解码宏块级并行调度 方法，包含两项关键技术：一是根据熵解码和重排序之后的宏块信息， 如非零系数个数、宏块帧间预测编码类型、运动矢量等，建立宏块解 码复杂度预测线性模型，对每个模块进行复杂度分析，充分利用已知 的宏块信息，提高并行效率；二是在满足宏块解码依赖的前提下，将 宏块解码复杂度与计算并行相结合，对已获取的宏块复杂度进行排序， ·945·根据排序结果对宏块进行分组并发执行，分组

本发明公开了一种具有抗误码机制的帧间无损编码与智能解码方法，包括：星上编码步骤：获取序列图像 f；把图像 fk,k＝1,2,...划分成互不重叠的子块；令第 3j+1,j＝0,1,...帧图像为参考帧图像，进行分块 JPEG-LS 编码；而第 3j+2 和 3j+3 帧图像参考第 3j+1 帧图像进行帧间无损编码；每 K 个子块后插入一组 EDC 信息形成检错码流；进行RS(m,n)纠错编码；在压缩码流中加入每帧的压缩帧头和帧尾。

本发明属于集成电路技术领域，具体为一种面向手势识别的稀疏二值网络激活图像编解码硬件加速器。本发明的硬件加速器包括：激活图像编码单元，编码图像存储单元，编码图像解码单元。该加速器针对稀疏二值网络的激活图像中存在大量相同向量进行压缩，这些相同的向量是由于二值化的手势边缘作为输入所产生的，压缩激活图像可以有效地降低片上存储容量，降低数据搬运功耗，进而降低芯片功耗；该加速器能够对压缩后的激活图进行译码，在译码过程中跳过重复的计算，从而减少计算次数，提升计算速度，有效地提升硬件性能。本发明具有低功耗，低延时的特性，有效地降低硬件资源，提升硬件的能效比。

本发明公开了一种加速基于 XOR 的 RAID-6 编解码过程的方程 并行计算方法：将基于 XOR 的 RAID-6 编码的校验规则用校验方程组 表示，把每个校验方程在编解码过程中的求解分解为两个阶段——“预 计算阶段”以及“递归求解阶段”；每个校验方程由一个独立的线程 实施求解，多个校验方程的预计算阶段被并行执行；使用一个全局共 享的数据块状态表记录数据块的状态以协调所有线程的执行。本发明 方法利用编码的潜在并行能

心理测评系统是一套专门用于心理健康评测、心理健康普查以及心理档案建立的专业应用软件。它旨在通过科学、标准化的测评工具，帮助各类机构了解个体及群体的心理状态，被誉为国内同行业中专业性较强、测量种类较齐全的权威心理测评软件之一。该系统已被全国众多院校、心理咨询室、医院、司法机关等单位采用。 心理测评系统在设计上注重简单、快捷、高效、实用，具有以下突出的技术优势： 部署便捷：服务器端支持一键快速安装，无需复杂配置；客户端无需安装任何插件，通过浏览器即可使用。 多平台与多终端支持：可安装在Windows系列操作系统上，并支持普通台式机、笔记本电脑、平板电脑（如iPad）、触摸互动一体机等多种硬件。 高负载能力：系统整合了BS和CS两种架构优势，在硬件允许的情况下，可轻松应对十万级以上的用户并发压力。 人性化测评功能： 分段测评与断电续评：允许用户分多次完成测评，即使遇到断电等意外情况，系统也能自动保存进度，恢复后继续测评。 语音导读：为部分量表提供语音朗读功能，方便有阅读困难的用户。 数据安全与灵活性： 硬件加密：采用专属硬件加密锁，保障数据安全。 云备份与还原：支持时时对测评数据进行云备份和云恢复，是国内较早支持该功能的系统之一。 运行模式切换：支持单机、局域网和互联网三种模式一键切换。 高度自定义：管理员可自定义测评报告内容、系统界面“皮肤”，甚至远程管理测评终端（如远程开机、关机）。 核心功能 全面的测评功能：系统涵盖心理健康、个性/人格、情绪、智力、职业倾向、婚姻家庭、社会功能与适应能力等九大方面。内置了几百个标准化量表，包括国际国内通用的SCL-90（临床症状自评量表）、16PF（卡特尔十六种人格因素测验）、EPQ（艾森克人格问卷）、SAS（焦虑自评量表）、SDS（抑郁自评量表）、瑞文推理测试、霍兰德职业倾向问卷等。 多样的测试形式：支持人机对话（在电脑、平板上直接答题）、纸笔测试（传统答卷）和读卡测试（填涂答题卡，通过光标阅卷机高速录入，速度可达每秒约5张）三种模式，满足不同场景下的测评需求。 科学的报告与统计： 测评结果自动生成包含数据表、统计图（柱型图、饼形图、曲线图）和详细文字分析的个性化报告。 提供强大的团体统计功能，可对任意两个群体做T检验，对多个群体进行方差分析，所有原始数据均可导出到Excel或SPSS，便于深入的科研分析。 智能预警与档案管理： 预警功能：当测评结果显著超出正常范围时，系统会自动预警，帮助快速筛查出有潜在心理问题的人员，做到尽早干预。 自动建档：为每一位参与测评的用户自动建立心理档案，方便长期跟踪和纵向比较。 辅助功能：系统还集成了网络心理咨询功能，支持在线预约和咨询。 适用场景与人群 心理测评系统因其全面性和灵活性，适用于广泛的场景和人群： 教育机构（大中小学、幼儿园）：用于新生心理普查、学生心理健康筛查、职业规划指导。例如，山西师范大学实验中学和浙江嵊州鹿山小学都曾使用该系统对学生进行心理普测。 医疗机构（医院、心理咨询室）：辅助临床诊断、心理疾病筛查。 企事业单位：用于员工心理健康管理、招聘选拔、员工发展与晋升评估。 司法机关（司法局、监狱）：用于社区矫正人员、服刑人员的心理评估与矫正。 个人用户：用于自我认知、职业规划。

磁场控制系统主要由磁场发生装置（电磁铁、赫姆霍兹线圈或螺线管等）和程控高斯计及电源组成，这些设备通过串口线连接至电脑，然后通过电脑里的上位机软件对该系统进行控制，控制主要通过两种方式，第一是直接控制电源的输出电流大小，从而控制了磁场强度的大小，而高斯计则将测量值显示并记录在电脑中，用于分析；第二种方式则是通过软件可以直接设置磁场强度的大小，此时电源则会输出稳定电流直至磁场强度达到设定值后会稳定下来。这两种方式均提供了一套可以控制的电磁场系统，并形成系统闭环。   系统配置：   装置 产品 说明 磁场发生装置 赫姆霍兹线圈、电磁铁、螺线管等 高磁场一般选用电磁铁、均匀低磁场选用赫姆霍兹线圈和螺线管 测量装置 高斯计、磁通门计等 一般选用高斯计，特低磁场选用磁通门计（比如1GS及以下） 供电装置 程控电源 根据磁场要求可选用不同精度及稳定性的电源 控制中心 控制软件 控制电流输出及磁场大小，并进行记录和分析  

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

       由山东金歌科学仪器有限公司自主研制的全新一代NMT产品- SRMT1208非损伤微测系统（植物吸收监测仪、NMT活体生理检测仪）具备测量多种关键元素的能力，如磷、硅、锌、铁、铜、铝、砷等。该仪器功能全面，可检测植物所需的全部大量元素、中量元素以及大部分微量元素，同时涵盖离子通量（flux）、离子浓度、分子通量（flux）、分子浓度及膜电位等多项检测项目。   金歌NMT功能特色：   （1）检测种类多；   （2）实时输出时间-flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全；   （3）提供个性化定制，免费升级测试软件。   可检测种类：   （1）大量营养元素：N (NH4+/NO3-)、P (HPO42-)、K+   （2）中微量元素：Ca2+、Mg2+、SO42-、Na+、Cl-、H+、SiO32-、Zn2+、Fe2+、Cu2+   （3）胁迫：Cd2+、Al3+、Pb2+、Ag+、Cr3+、AsO43-   （4）其它：Li+、NO2-   （5）分子：O2、H2O2、IAA、NO、葡萄糖等   测试样品：   根际/种子/花粉管、细胞/液泡、生物膜、藻类、活体组织、神经、骨骼、珊瑚等其它活体样品   测试项目：   （1）离子通量SRIET   （2）分子通量SRPT   （3）离子浓度aIon   （4）pH   （5）分子浓度aMol   （6）膜电位Potential   主要应用：   植物营养生理、逆境生理、植物与微生物互作、作物育种、生理调控机制等研究     附：非损伤微测技术（Noninvasive Microelectrode Technique，NMT）        非损伤微测技术NMT是离子/分子通量测试技术在国内的名字，其全称是非损伤微电极测试技术（Noninvasive Microelectrode Technique，NMT），能够原位、实时、非接触式测量生命活动中离子/分子通量（flux），可用于植物营养生理、盐胁迫和重金属胁迫等研究。        离子/分子通量测试技术（非损伤微测技术）经历了方法学建立、原型机、技术成熟、引进国内和全国产化。         1.方法学建立         1974年，美国麻省伍兹霍尔海洋生物学实验室科学家 Lionel Jaffe 和 Nuccitelli 提出了振动电极（Vibrating Probe：VP）概念，采用振动电极探针技术测量生物体中弱电流，为离子/分子通量（flux）测试奠定了方法学的基础。         2.原型机         1990年伍兹霍尔海洋生物学实验室开发出了基于离子振动电极技术的自动化离子/分子通量（flux）测试系统，在早期的文献中写做 SRIS系统。         3.SIET离子/分子通量测试系统标志着通量测试技术仪器的成熟         1994年，伍兹霍尔海洋生物学实验室员工 A.M.Shipley 和 E.Karplus 分别成立 Applicable Electronics Inc. 和 Sciencewares 公司，联合推出商业机 SIET通量测试系统，标志着离子/分子通量（flux）测试技术仪器的成熟。          4.SIET系统被引进国内          SIET通量测试系统被引进国内后，我国学者从2009年开始在离子/分子通量（flux）测试领域发表文章，当时文章明确标识使用的是SIET通量测试系统。（文献：Plant Physiology, February 2009, Vol. 149, pp. 1141–1153, NaCl-Induced Alternations of Cellular and Tissue Ion Fluxes in Roots of Salt-Resistant and Salt-Sensitive Poplar Species）          5.国产化           金歌仪器科研团队自2011年开始深耕非损伤微测技术（NMT）领域，为在国内推广的通量flux测试系统（非损伤微测系统）研制并供应核心组件。通过不断丰富NMT可测离子种类，成功摆脱了对国外的依赖。           在科技竞争白热化的今天，核心技术自主可控是企业可持续发展的底线和基石。2022年金歌公司成立以来，始终如一坚持创新发展理念，聚焦关键技术攻关，打破原装进口核心部件-国内组装的模式，推动构建自主可控的产业链体系。2025年8月7日，北京知识产权法院判决金歌公司在与某北京公司NMT专利侵权案中胜诉，金歌已逐步确立了其在NMT领域重要生力军的地位。          凭借扎实的科技实力，金歌公司成功打造出可靠的“NMT耗材-零部件-整机”一站式NMT供应平台。通过不断积累并整合自1990年离子/分子通量flux测试技术（即‌非损伤微测技术NMT）诞生三十多年以来已发表成果，我们建立了丰富的NMT大数据库，实现了NMT仪器国产化、自动化、智能化、信息化和标准化，进一步巩固和扩大了我国在NMT领域的优势。          金歌NMT测试界面实时输出flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全。用户购买仪器后，金歌NMT仪器测试种类和检测项目等仍会不断增加，金歌仪器将及时告知用户，郑重承诺免费为用户做测试软件升级。          金歌仪器将永远以客户需求为导向，精益求精，不断推出创新性产品和个性化解决方案，为加快实现高水平科技自立自强贡献智慧和力量。