成果简介：近年来我国突发了很多重大自然灾害及安全事故，在公共安全的预警及救援方面仍存在科技能力不足的现实问题。安全预警系统是人们获悉灾害的重要有效途径，一个功能强大的预警系统能够给人们带来宝贵的应急准备时间，尽可能的减少人们的生命财产损失，设计部署可靠而便利的安全预警系统具有重要的社会和经济意义。本项目对现有物联网应用进行了扩展,首次提出“智音物联网”的概念并设计了应用于公共安全领域的预警和求救系统。智音物联网具有更加方便自然的信息交互接口，通过语音更有效地将物联网信息传递给人。本项目对传统预警系

项目旨在设计出一款基于Dijkstra算法的高精度物联网小区无人智能运输车。该项目主要可分为两个部分:实车与模型车的同步开发和基于eclipse平台的APP开发。在实车和模型车的开发过程中，通过常规车载传感器实现小车的“智能化”，利用Dijkstra算法解决最短路径选择问题。利用计算机语言完成在eclipse平台上的APP开发，实现APP同时与实车和模型车的互联，实现智能运输小车运输末端的配送。

“基于物联网及云计算技术的设备故障诊断及预测平台”利用云计算、物联网、大数据、移动互联网等现代信息通信技术，实现人与设备、人与人、设备与设备的实时互动，实现信息和数据的共享。软件产品以服务的方式向用户提供。减少企业的平台搭建费用、数据安全维护成本、服务器投资和维护成本、专业技术人员投入成本、软件升级维护成本等。所有云服务产品实现全移动化，支持IOS和Andriod系统的多个版本，并且与PC端数据实时同步。云平台配置了冗余容灾、异地备份以及通讯加密、防止暴力破解等技术解决方案。 技术优势： 1.我们在围绕以大型建筑设备为主的智能运维平台中处于领先阶段目前该行业设备比较分散，信息化程度不高，我们从2014年开始研发该智能运维平台，目前处于国内领先阶段。 2.智能运维平台数据积累量巨大，为大数据分析提供基础设备智能运维云平台经过近两年的研发，于2016年年底上线至今已得到行业内企业的认可。目前已接入上千台设备，每月新增数据条数达几十亿条，该运维平台将会是大数据平台的数据、需求、市场的直接来源。 3.产学研合作推进平台的技术发展 产学研合作将为该项目提供更多研究性成果，目前已申请发明型专利2项、实用新型专利6项，软件著作权7项。 应用概况： 该平台于2016年年底上线至今已得到行业内企业的认可。目前已接入上千台设备，每月新增数据条数达几十亿条。设备主要为建筑设备相关，如：大型中央空调主机、冷冻机、水泵等。接入设备主要分布于南京、上海、杭州、济南、贵州等地。目前平台接入企业50多家。

一种面向多云架构的网络性能提升方法，属于云计算领域，解 决传统多云架构系统未考虑不同云存储服务器之间性能差异的问题， 以提升网络性能。本发明采用多云架构，将用户文件通过纠删码编码 后冗余地储存在多个云存储服务器中，每个云存储服务器都只能获得 文件的部分数据，在进行文件传输时能根据实际的网络环境尽可能多 地利用性能好的云存储服务器，同时避免被性能差的云存储服务器拖 累，使得系统的网络性能比传统的多云架构系统以及任一云存

无线通信技术VHF/UHF频段基于OFDM技术的高速数据通信系统   无线通信的突出问题：频率资源严重不足 。   我国无管会允许在这一频段进行数据的传输，如地质矿产、水利、能源、国家地震局、建设部、气象局、军队等部门的专用无线通信系统。

本发明公开了一种面向物联网的硅基SIW带金属柱悬臂梁可重构带通滤波器，包括SIW带通滤波器、转接结构(3)和带金属柱的MEMS悬臂梁结构。带金属柱的MEMS悬臂梁结构包括MEMS悬臂梁(6)，MEMS悬臂梁依靠锚区(7)的支持悬浮在硅衬底(1)之上，MEMS悬臂梁的下表面上设置有金属柱(11)，硅衬底对应金属柱的位置开设有孔(14)，且该孔(14)穿过硅衬底(1)上的氮化硅层(10)和上表面金属层(5)进入硅衬底(1)中。本发明只需要通过控制MEMS悬臂梁的状态就能够改变滤波器通带的中心频率，达到切换滤波器通带中心频率的目的，MEMS悬臂梁可以实现快速的DOWN态和UP态的转换，可以有效地实现微波电路中对滤波器滤波范围的控制。

主要技术内容： （1）提出了基于神经网络的多电平 SVPWM 控制技术，研发了基于 FPGA 技术的多电平 SVPWM 控制器，实现了塑料片材挤出装备驱动电源的高效性。采用神经网络技术，实现参考电压矢量所在区域判断及矢量作用时间计算，降低了计算量；将多电平 SVPWM 控制器集成到一片 FPGA 芯片上，为挤出装备用交流电机驱动控制提供高性能的专用 SVPWM 控制器，可以直接与通用变频器对接。 （2）提出了分离型螺杆结合 CRD 分散混合器的高速螺杆技术，提升了挤出效率及效果；研发了塑料片材挤出螺杆高频电磁感应加热装置，有效降低了挤出机运行能耗。将常规三段式螺杆设计成五段式，改变了传统螺杆直径对挤出产量的限制。在螺杆机筒外壁上缠绕电流线圈，线圈外再包覆隔热层，线圈两端连接控制线圈电流的高频电源模块；在常规加热瓦加热的基础上，通过电磁感应原理使螺杆产生热量，使得螺杆及螺杆机筒同时加热，缩短了机筒内聚合物塑化时间、降低了能耗。 （3）提出了面向塑料片材挤出成套装备运行过程的全息生产车间制造物联感知技术，开发了成套装备运行的全息感知系统。构建了 RFID-WSN 数据采集集成网络，提出了 LZM - WKPSO 优化算法，在保证覆盖率的前提下使干扰最小；借鉴昆虫协作机理，提出了基于昆虫协作机理的源节点选择概率算法，最大化降低了网络能量消耗。（4）提出了塑料片材挤出成套装备多目标柔性资源优化调度模型，研发了塑料片材挤出装备精益管控软件平台，实现了成套装备的高效能运行。建立了多目标柔性资源优化调度模型，采用重力粒子群混合优化算法进行求解。按照 SOA 思想，设计了集成平台；开发了塑料挤出成套装备运行功能模块，并与底层全息车间无缝集成，形成塑料挤出成套装备精益管控平台。 行业意义： 本项目针对高效能塑料片材挤出装备的关键技术取得了创新性成果，解决了我国塑料片材挤出装备业目前普遍存在的高能耗、高污染、低附加值、低劳动效率等问题，提升了塑料片材挤出装备的自动化与信息化水平，促进了塑料片材挤出装备的自动化、信息化深度融合；完成了塑料挤出装备产业技术上的跨越式发展，极大地推动了塑料挤出装备产业结构的优化升级，实现了产业结构由高消耗向高效率的转变。 获奖情况：2015 年获中国商联联合会科学技术进步奖特等奖。 成果的技术指标、创新性与先进性: 目前市场上还没有完全一样的同类产品出现，国外主要有德马克、克虏伯、巴顿菲尔,日本的住友重工等公司在致力于开发塑胶挤出装备产品，但是他们开发的还是将单一系统的简单组合，无法从单机与成套装备精益化管控两方面集合提高系统的能效。由于本项目是从单机关键设备能效优化设计和成套装备精益化管控能效优化设计两个方面入手，开发料挤出成套装备，产品具有能耗低、效率高等特点。综上所述，本项目产品目前拥有先入的一定优势，竞争对手在技术方面无法与本项目产品直接竞争。 本项目产品具有如下技术和性能优势： （1）螺杆的速度从同行的 100 转/分钟提高到 200 转/分钟，挤出量从类技术的 200kg/h 提升 400kg/h；挤出效率的提升导致能耗降低 10%左右；同类技术目前直径 105mm 的螺杆需要配置 115KW 左右的电机，而本项目技术只需要配置90KW 左右的电机，降低了能耗。 （2）螺杆高频感应加热装置使得加热系统能耗降低 15%左右； （4）克服了同类技术在高速混合挤出时混合效果差导致温度不均衡、色差大等问题，提高了制品的品质； （5）生产工艺数据自动数采率 95%以上； （6）生产效率提高 30%左右；优等品率提高 20%；产能提高 1.5 倍； （7）填补国内针对塑料挤出装备生产过程的精益化生产软件的空白； （8）本项目实现生产流程的闭环优化，现有的 ERP、MES 系统则为开环控制； （9）本项目的软件平台有效提升了塑料挤出成套装备的附加值。 技术的成熟度: 相关技术已经形成产品，在广东达诚机械有限公司及其下游企业进行了产业化。 项目成果转化造价：130 万元； 投资预算：硬件成本（不包含塑料片材挤出机本体部分）85 万元；软件开发45 万元。 成果应用范围：塑料包装行业、包装机械行业。 应用案例及单位：成果在广东达诚机械有限公司等行业龙头企业进行了产业化，并在广东、江浙等地区的 10 多家塑料企业进行了推广应用。 经济和社会效益：项目成果能够有效降低能耗 25%，提高生产效率 30%左右，使得企业投资效益大幅度提升。近 3 年来，据不完全统计，累计新增产值约 67206 万元，新增利润 5040 万元，新增税收 2872 万元。项目成果解决了我国塑料片材挤出装备业目前普遍存在的高能耗、高污染、低附加值、低劳动效率等问题，提升了塑料片材挤出装备的自动化与信息化水平，促进了塑料片材挤出装备的自动化、信息化深度融合；完成了塑料挤出装备产业技术上的跨越式发展，极大地推动了塑料挤出装备产业结构的优化升级，实现了产业结构由高消耗向高效率的转变。 

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

本发明公开了一种基于极化码的分段CRC校验堆栈译码方法，包括：将信息序列分为N部分；对每一段最后一位比特在极化码码字序列中的位置进行标记；在进行堆栈译码的过程中，当译码长度到达标记位置时，实施CRC检验，若通过，则该译码路径存活，若不通过，则该译码路径被淘汰。与传统的方法相比，本发明大大降低了算法复杂度并使译码性能得到提升，并提升了译码的正确率。此外，在译码方法的基础上，硬件架构同时被提出，资源占据较传统算法实现了降低。