包括以下步骤：第一步、确立接收端模型；第二步、化简接收端模型；第三步、通过分层检测算法解调出发送的数据。本发明的基于分层检测的空移键控传输系统接收端数据检测方法，其误码（BER）性能随着搜索半径的增加逐渐逼近最优检测算法（ML），当搜索半径为发送端天线数目时，本发明的检测算法等价于最大似然检测算法。本算法通过对每层进行计算排序使得在较小的搜索半径下可获得接近最优检测算法的误码率性能，因此本发明能在获得较好性能的同时，大幅度降低接收端算法的复杂度。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

本实用新型公开一种甜菜收获机具状态数据采集系统，包括电源模块、传感器模块、信号处理模块和数据采集模块；所述电源模块包括稳压降压电路和驱动电路，为传感器模块提供稳定驱动电源；传感器模块包括扭矩传感器、拉力传感器与旋转编码器；信号处理模块包括微弱电压信号放大电路与滤波电路，控制传感器输出0～5V的电压信号并输入进数据采集模块；数据采集模块将采集的数据上传上位机平台。本实用新型能够实现甜菜收获机状态参数

本新技术成果提供了一种基于B/S的数据传输系统，包括数据分析系统和数据管理系统，所述数据分析系统将需要调用的函数和参数通过HTTP请求传输到数据管理系统，数据管理系统根据接收的函数和参数调用相应的数据，并运行函数，将执行函数得到的数据返回到数据分析系统。本技术基于B/S的数据传输系统，减少了数据的传输量和数据传输的次数，从而提高了数据传输率。

本实用新型公开了一种基于双全景相机的全景数据收集系统及装置，系统包括一台无人机本体(1)、 无人机支架(2)和全景相机集成架(3)、两台相同的全景相机(4)，所述全景相机集成架(3)包括挂接件(301) 和全景相机固定件(302);全景相机集成架(3)通过挂接件(301)连接无人机支架(2)，两台全景相机(4)通过 全景相机固定件(302)并列固定在全景相机集成架(3)中;挂接

本发明公开了一种并行重复数据删除方法，包括以下步骤：客 户端先对要重删的数据进行分块，然后通过哈希函数计算出每个分块 的哈希指纹，然后把哈希指纹发送到不同的重删服务器节点上进行指 纹的查重工作。如果某个指纹经过对比，确认是重复的指纹，则只用 更新查询服务器上元数据和重删服务器节点上的指纹计数器。如果某 个指纹经过对比，确认是一个新的数据块，则传输该数据块到重删服 务器并且更新指纹库和查询服务器上的元数据。本发明具重删

本发明公开了一种基于 Cassandra 的数据并行处理系统，包括 Hadoop 主节点、多个 Hadoop 子节点以及位于 Hadoop 子节点上的 Cassandra 存储端，主节点包括用户接口模块、Cassandra 查询模块、作 业调度模块、作业队列模块、作业追踪器,子节点包括任务追踪器、输 入模块、输出模块以及 Mapreduce 模块,用户接口模块用于接收用户请 求，并判断用户请求的类型是数据查询请求、提交数据处理作业

产品详细介绍V-HUB道路环境与车辆数据采集系统GPS道路环境与车辆数据采集系统基于GPS定位的道路交通环境与车辆数据采集系统是一种功能强大的仪器。它是基于新一代的高性能卫星接收器，其中主机主要用于测量汽车移动时的速度和距离，并且能够提供横纵向加速度值，减速度，时间和制动、滑行、加速等距离的准确测量。外接各种模块和传感器可以采集油耗，温度，加速度，角速度及角度，转向角速度及角度，转向力矩，制动踏板力，制动踏板位移，制动风管压力，车辆CAN接口信息等其它许多数据。由于它的体积较小及安装简便，其非常适合汽车综合测试时的使用。由于系统本身带有标准的模拟及数字模式的CAN总线接口，整个系统的功能可以根据用户的需要进行扩充。主要特点全套测量系统体积极小，安装简便迅速能完成国家标准要求的汽车动力性，经济性，操纵稳定性，制动性能等实验制动触发形式多样，使试验更加方便高精度、高可靠性，高耐振、抗冲击性能确保测试质量大容量紧凑式闪存卡（CF卡）即时存储数据，以便事后处理可扩展连接其他各种传感器等在线显示4个测量参数各种测量或采集到的参数可以实时显示可根据要求设定各种不同的试验条件进行试验制动触发形式多样，使试验更加方便WINDOWS操作界面的设定和分析软件，使用方便高精度、高可靠性，高耐振、抗冲击性能确保测试质量用GPS非接触式速度和距离测量现场即时打印功能，打印各个测量或采集到的参数，实现现场数据阅读大容量紧凑式闪存卡（CF卡）即时存储数据，以便后处理可扩展连接其他各种传感器绘制轨迹图，圈数定时参数能以标准的形式测量下列参数速度、距离、时间、位置、方向、高度、横向加速度、纵向加速度、垂直速度、与中心线的漂移、转弯半径用其它的硬件可测量的参数包括外部数字触发、温度、模拟电压、CAN 总线信息、偏航率、滚动角、倾斜角、滑行角度量程及精度序号 测量参数 量程 精度1 距离 -- 0.05%2 速度 0-1600公里/小时 0.1公里/小时3 时间 -- 0.001秒4 燃油消耗（实时显示） 0.3-120升/小时 ±0.2%5 X，Y，Z三轴向加速度 ±1.7g 1mg6 角速度（侧倾，俯仰，横摆） ±150°/s 0.1°/s7 转向力矩 ± 50Nm ±0.5Nm8 转向角 ±1250° 满刻度时0.1°9 温度 —— ——10 制动踏板力传感器（带实时显示器） 0-1500N 0.5%11 制动踏板行程 0 - 300 mm 0.1 mm12 制动管路压力 0-200 Bar 0.25%13 发动机转速 0-10000转/分钟 ±1转/分钟可进行的试验：滑行试验油耗试验爬陡坡试验最高车速试验加速性能试验制动性能试验操纵稳定性试验最小稳定车速试验最小转弯直径测量实验　　制动踏板力测量实验制动踏板行程测量实验制动管路压力测量实验汽车防抱制动系统性能实验温度测量实验里程，速度表校验等其它试验可满足的国家标准：oGB/T 12545 - 1990 汽车燃料消耗量oGB/T 12547 - 1990 最低稳定车速oGB/T 12536 - 1990 汽车滑行试验oGB/T 12543 - 1990 汽车加速性能oGB/T 12539 - 1990 汽车爬坡性能oGB/T 12544 - 1990 汽车最高车速oGB/T 12676 - 1999 汽车制动系统性能oGB/T 6323 - 94    汽车操纵稳定性试验方法oGB/T 12540 - 90   汽车最小转弯直径测定方法　oGB/T 13594 - 92   汽车防抱制动系统性能要求和试验方法规格GPS采用功能强大的全新的GPS引擎,可以提供以20-100Hz的更新率更新所有GPS参数包括速度,角度和位置，速度和角度是通过对GPS载波信号进行多普勒转换进行计算以提供高精度。模拟量输出2 x 16位模拟量输出可以通过用户配置输出速度或者其他GPS参数,用户用户其他的数据采集设备,输出电压范围为0到5V直流，分辨率为76 μV 每位。数字量输出有两类数字量输出，一个频率/脉冲输出对应于速度，第二个输出显示当前的数据采集状态。速度脉冲输出用户定义，可以改变每米的脉冲数，以仿效大部分其它类型的速度传感器。数字量输入两个数字输入，第一个用于制动触发器或事件测定并且连接到一个16位的事件定时器，可以使制动触发器时间的校准精度达到12μs。 第二个数字输入用于采用手持开关控制的遥控速度采集控制。CAN 总线两个单独的CAN总线接口，可以从外部模块接受数据，例如温度模块或频率模块，同时可以将GPS CAN数据传输到另外一个总线上。还可以从另外一个CAN总线源（例如车载CAN总线）中记录8个CAN信号。当需要从另外总线中记录数据的时候，可以从工业标准CAN数据库文件（.DBC）中下载数据。RS232 串行接口RS232 接口用于配置和输出GPS实时数据。必须要注意的是如果系统以高于20Hz的速度存储数据到CF卡中时，由于电脑串行口带宽只能到20Hz，以实时传输到软件中串行数据受到限制。这样要获得最好的精度，所有20Hz以上的测试必须在离线模式下对CF卡中的数据进行分析。CF卡接受1型的CF卡用于记录数据，数据以标准PC格式存储，允许快速的通过读卡器进行数据传输。文件格式位ASCII 文本格式，可以直接载入到VBOX.EXE软件中或者导入Excel和其它第三方软件中。

产品详细介绍互联网+大数据智能书柜教学实训系统 一、 概述智能书柜是以智慧图书柜或微型智慧图书馆为载体，可以广泛的在校园、公司写字楼、商场、社区、公园等地方使用，比如放置在校园的各个角落，如教学楼每层走廊、每间教室、宿舍楼等地，无需专门的图书管理员，学生可以随时随地快速方便的进行图书借还操作，而且校园内的所有图书可以随意流通借还，是传统图书馆功能在使用空间和时间上的扩展，是实现阅读无处不在、阅读触手可及的基础平台。互联网+大数据智能书柜是以智能书柜为硬件平台，综合了互联网数据传输、云大数据处理功能，通过在图书上粘贴RFID标签，利用智能书柜里面的RIFD读写器和RFID天线对图书标签自动实时识别，实现图书批量自助借还、智能盘点、智慧拣选、图书防盗等一系列智能化的图书管理，结合云平台大数据分析挖掘，实现精准图书采购、个性化指导学生借书种类和阅读时间，构建阅读学习成长模型。互联网+大数据智能书柜基本组成部分如下：第一部分：感知层和控制层，包括RFID图书信息采集模块、RFID人员身份信息采集模块、二维码信息采集、摄像头信息采集和控制、电控锁控制模块等；第二部分：传输层，包括有线网络传输、无线网络传输，如WIFI、4G等；第三部分：应用层，主要是智能书柜应用软件功能；第四部分：云服务器大数据处理，主要是大数据挖掘分析功能。这四部分功能，结合配套的相关设备，使互联网+大数据智能书柜成为用RFID等物联网技术手段改变图书馆传统借阅、阅读环境的典型应用。互联网+大数据智能书柜教学实训系统是用于研究RFID等物联网技术实现典型应用的平台，完成RFID等物联网技术从技术到实现典型应用相关的教学和学习13965501553