机车信号入库自动测试系统实现了机车信号入库后的全自动测试，能自动记录和自动存储测试数据，随时打印，为机车信号的测试工作提供了可靠的科学依据，并从根本上解决了“漏测”等问题。      主要功能：1)     自动识别机车入库；2)     机车入库时自动向地面设备发送机车号；3)     机车入库后采用无线遥控自发自检测试工作方式自动进行机车信号全自动测试；4)     自动记录机车测试日期和时间；5)     自动测试机车信号设备的工作电压；6)     自动测试机车信号机延时时间；7)     采用主从自动应答方式将测试结果通过无线通信方式自动送回地面设备；8)     地面设备将测试结果自动记录、判断，同时显示在地面计算机显示屏上供电务值班人员监视；9)     具有自动重测、环线遥测、特别指定遥测及人工上车检测工作方式。      技术指标：1)     采用自发自检测工作方式。2)     全自动测试，自动判断分析设备故障，完全消灭了漏测现象。3)     提高了标准化测试作业质量，缩短了测试时间。4)     控制命令及数据传输通过无线信道，采用自动纠错及反馈重发技术，可保证信道误码率低于10-7。5)     通信及控制采用主从自动应答方式，保证系统内部的协调统一。      技术水平：      自发自检测工作方式是独一无二的技术，它使得机车信号可以脱离环线进行自动测试。具有很高的性能价格比。

成果简介：项目在高动态导航信号生成、高实时闭环仿真等技术方面取得了突破性的进展，并设计研发高动态实时卫星导航信号模拟设备。该设备可用于D载和低轨道卫星接收载荷设备的开发和测试。 项目来源：横向项目 技术领域：信息技术/地球观测与导航技术 应用范围：潜在合作领域 现状特点：国内先进 技术创新：高精度实时闭环导航信号仿真技术 所在阶段：研发阶段 成果转让方式：合作开发

1 成果简介2006 年 8 月，中国颁布了地面数字电视强制性国家标准（ GB20600-2006，标准的英文缩写为 DTMB）。三年来， DTMB 在全国范围内逐渐推广，带动了一大批相关企业的发展。其中接收终端的生产厂家、接收芯片的研发企业迫切需要 DTMB 调制器用于接收终端和接收芯片的研发调试。为此，清华大学利用自主研发的 DTMB 信道编码调制专用集成电路DT6010，研发成功高性能 DTMB 调制器。2 技术指标工作频率范围： 474~858MHz频率步进间隔： 1MHz码流输入接口： ASI/SPI输出功率： -10~-40dBm，功率调整步进间隔： 1dB工作模式：支持 GB20600-2006 所有 330 种模式调制误差率(MER)： 32dB，频谱带肩： 49dB内置信噪比测试功能内置 PCR 校正功能可内置 MPEG-2 编码器模块3 应用说明本信号发生器可接收外置的码流播放器或编码器提供节目流，也可以使用内置的MPEG-2 编码器提供的码流，通过用配套的按键和 LCD 显示屏可以设置输出信号中心频率、输出信号功率、工作模式、信噪比等参数，可在现场或实验室对 DTMB 接收机、芯片进行相关指标的调试。4 效益分析目前已经完成设备的定型， 单台硬件成本约不超过 1 万元。

课题组基于计算电磁学技术，开发了具有自主知识产权的电大复杂目标回波特性仿真分析平台，可以实现运动或静止目标的雷达回波特性仿真，并具备群体目标仿真分析能力，可实现复杂局域网环境下的信道确定性建模。 主要技术指标 动态雷达回波在 1 度窗口均值与实测误差 <3dB 静态雷达回波峰值误差 <2dB，均值误差 <3dB 相关成果 电磁信号传输及反射特性分析软件

下显视频信号源用于某型战机的态势机和综合显示器测试，具有完备的下显视频信号输出能力，包括扫描视频信号和光栅视频信号。系统按桌面台式应用设计，以高可靠的CompactPCI总线进行结构设计和板卡配置，并以虚拟仪器技术进行功能集成，针对测试项目要求提供了多达14种必检视频显示画面。系统信号输出稳定清晰，操作使用直观方便。本成果为校企联合研制，已完成熟化阶段。

本发明公开了一种高压信号隔离传输系统，包括电压偏置模块、 电压频率转化模块、电隔离传输模块、频率电压转换模块、有源滤波 模块以及偏置复原模块；所述电压偏置模块用于对输入信号施加偏置 电压，获得第一电压信号；所述电压频率转化模块用于将第一电压信 号转换为频率信号，所述电隔离传输模块用于隔离传输所述频率信号， 所述频率电压转换模块用于将所述频率信号转换为第二电压信号，所 述有源滤波模块用于滤除所述第二电压信号中的锯齿波噪声，将其还 原；所述偏置复原模块用于从所述有源滤波模块还原的第一电压信号 中移除偏置

产品详细介绍   采用标准便携式进口机箱，全屏蔽机箱结构，有效的提高了现场抗干扰能力；■ 每通道独立24位A/D转换器，确保数字信号更高的量化精度；■ 每通道独立的高性能浮点DSP，构成实时模拟滤波+数字滤波的高性能抗混滤波器；■ 采用DDS高精度频率合成技术，保证了所有通道并行同步采集；■ 采用DMA数据传输技术，保证了数据的实时传输、实时显示、实时分析、实时存盘；■采用Q- FAN智能温度控制系统，最大程度上减少了温度对测量结果的影响；■ 可进行1/4桥（三线制）、半桥、全桥应变应力测量；■ 测量通道类型和数量可定制；所有动态系统扩展功能强大，可方便构成超大规模动态信号测试系统；

PSA5000A是成都玖锦自主研发的一款高性能台式矢量信号分析仪，具有优良的测试动态范围、分析带宽、相位噪声、幅度精度和测试速度；具备高灵敏度的频谱分析、矢量信号分析及实时频谱分析功能；具有可选的测试功能和出色的硬件可扩展性。同时其最大分析带宽可高达1.2 GHz，满足5G、雷达、民用领域等的测试需求。 功能特点 9 kHz~50 GHz(可扩展到2 Hz) 最大分析带宽：1.2 GHz 最大实时分析带宽：600 MHz 相位噪声：-125 dBc/Hz(载波1 GHz，偏移10 kHz) 支持如下信号分析模式： 通用频谱分析模式 矢量信号分析模式 模拟信号分析模式(可升级) 实时频谱分析模式(可升级) 相位噪声测量模式(可升级) 噪声系数测量模式(可升级) 可通过LAN、GPIB、USB接口控制仪器 远程控制指令兼容主流同类设备 应用领域 4G/5G/WiFi等宽带通信设备研发与生产测试 大宽带瞬态信号的捕获与分析 非法和干扰信号的搜寻与识别 电子系统研发、测试和维修

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。