本项目应用成果导向教育理念（Outcome-Based Education，OBE），配合学校逐步形成 OBE 管理模式，为学校构建从生源质量、过程质量到结果质量的全面质量监测与分析报告体系。成果导向的质量监测体系为学校教学与质量管理、二级院系和教师考核、专业建设和专业调整以及院校评估、专业认证提供数据支撑与管理分析报告。

教学数据分析系统是针对学校各类考试，为学校提供快速、科学的数据分析，即时、有效的数据发布，提供的分析图表种类丰富、内容实用，是学校进行教学管理、质量监控与教学科学研究的得力助手。教学数据分析系统入围了中央电化教育馆2015年“数字校园综合解决方案----区级、校级教学质量监控解决方案”的产品。为教育管理者、教研部门提供教学质量监控科学依据。

产品详细介绍适用于煤炭、电力、化工、冶金、水泥、地质勘探和医药、科研等行业和部门进行工业分析。煤质化验时，能严格按照国标GB212、GB5447、GB5449有关规定，自动完成慢灰、快灰、罗加指数、粘结指数、挥发分等测定。

产品详细介绍真空原位分析表征系统是为红外光谱吸附态表征和催化剂酸性测定设计的专用真空系统，配有石英红外吸收池，可以与Bruker、Nicolet、PE、Shimadzu、Jasco、Varian\Bio-Rad等主要红外光谱仪连接使用，进行氨、吡啶、一氧化碳、一氧化氮、甲醇、乙醇等小分子化合物的化学吸附测定。具体应用吸附态研究和催化剂的表征　　红外光谱已经广泛应用于催化剂表面性质的研究，其中最有效和广泛应用的是研究吸附在催化剂表面的所谓“探针分子”的红外光谱， 如：NO、CO、CO2、NH3、C3H5N等，, 它可以提供在催化剂表面存在的“活性中心”信息。用这种方法可以表征催化剂表面暴露的原子或离子, 更深入地揭示表面结构的信息。与其它方法相比较, 这样的红外研究所获得的信息只限于探针分子（或反应物分子）可以接近或势垒所允许的催化剂工作表面。 CO吸附态研究　　由于CO具有电子受授性质，未充满的空轨道很容易同过渡金属相互作用。CO同许多重要的催化反应有密切关系。如羰基合成、水煤气合成、氧化等。并且具有很高的红外消光系数。因此, 在过渡金属表面吸附态的研究是一个十分广泛的研究课题。 双金属原子簇催化剂的研究（红外光谱方法研究催化剂表面组成和相互作用）利用两种气体混合物吸附在双组元过渡金属催化剂上通过红外光谱侧其吸附在不同组元上吸收带强度的方法可以测定双金属载体催化剂的表面组成。例如：CO和NO混合气吸附在Pt-Ru/SiO2上的红外光谱测定Pt-Ru/SiO2催化剂的表面组成。催化剂红外酸性测定 氧化物表面酸性的测定　　酸性中心一般看作是氧化物催化剂表面的活性中心。在催化裂化、异构化、聚合等反应中烃类分子和表面酸性中心相互作用形成正碳离子, 是反应的中间化合物。正碳离子理论可以成功地解释烃类在氧化物表面上的反应, 也对酸性中心的存在提供了强有力的证明。为了进一步表征固体酸性催化剂的性质, 需要测定表面酸性中心的类型（L酸、B酸）、强度和酸量。利用红外光谱研究表面酸性常常利用氨、吡啶、三甲基胺、正丁胺等碱性吸附质, 其中应用比较广泛的是吡啶和氨利用红外光谱研究固体酸。 氧化物表面羟基的研究 红外光谱应用于反应于反应动态学研究 催化剂原位表征高真空系统解决的问题　　由于红外光谱方法本身存在一定的局限性。　　1) 利用透射方法研究载体催化剂, 由于大部分载体低于1000cm, 就不透明了,所以很难获得这一范围的许多重要信息。　　2) 金属粒子不同的暴露表面边、角、阶梯、相间界面线等,分子吸附在所有这些中心上的光谱都可对测得的光谱有贡献, 因而解释起来有困难。　　3) 由于催化反应过程中, 在催化剂表面上反应中间物浓度一般都很低,寿命很短（尤其是反应活性的承担者）, 红外光谱的灵敏度和速度不够高。　　4) 红外光谱只适用于有红外活性的物质。　　随着光谱技术的发展, 这些局限性将通过真空系统克服。系统基本情况　　一套用于催化剂原位表征的真空装置及红外原位测量系统，配备红外吸收池统。 提高真空系统的性能使其在较短的时间内达到测量需要的中高真空度。主要技术指标　　1. 样品处理开始后样品池中真空度应在30 分钟内达到10-5 Torr；　　2. 样品测量过程中各样品可同时或分别进行吸附或脱附探针分子；　　3. 由于测量所需探针分子为酸性或碱性分子，高硼硅玻璃材质避免了相互污染；　　4、真空处理系统由机械泵与玻璃四级扩散泵串联组合抽气，达到客户对测试池中高真空的要求，抽速快，体积小,低噪音，操作简单，使用方便的特点,并且价格适中。　　5、低真空部分主要是抽出系统中的高浓度气体或吸附的残余气体。　　6、各部分节门选用高硼硅玻璃节门，满足系统高真空的要求，透明性操作，便于调试。　　7、真空测量仪使用数显高精密真空计。　　8、本系统配备透过式石英红外吸收池，采用透射模式，可对样品进行陪烧、流动氧化还原、抽空脱气、吸附反应等处理过程，可随时移入或移出到红外光谱仪的光路中进行实验，也可利用配备的延长管路进行原位表征和实验。其加热方式可采用程序升温方法控制温度的升降，也可使用调压变压器对温度的升降进行控制，使用温度可以高达450度，标准配置的吸收池窗口为CaF2，工作区间为4000—1200波数之间，用户也可按照需要自性配置其他材料的窗口。　　9. 样品测量过程中各样品可同时或分别进行预处理、吸附、脱附探针分子或更换样品。　　10. 波纹管更换方便。　　11．为满足客户的要求真空系统可做相应改变。配置单序号 设备名称 数量高真空装置 1.1 机械泵 1 1.2 玻璃油扩散泵 1 1.3 真空计 1 1.4 压力规表头 1 1.5 吸附阱、冷却室、管道、真空工作架、玻璃节门、电控标准连接件等 1测量系统 2.1 石英样品池 1 2.2 温控装置 1 2.3 操作手册 1

产品详细介绍通用信号数据处理与分析ErgoLAB生理测试云平台，除针对EMG、EDA、HRV、RESP信号的专业处理与分析软件之外，还提供了General基础通用信号分析软件，如生物力学信号、环境信号、皮温SKT、眼电等，该分析模块默认为一般化的处理方式，可满足基本的信号处理与分析统计。其他信号如生物力学信号、环境信号、其他生理信号、眼电信号等可在 General 一般性分析模块中进行处理与分析。该模块可以结合人机环境同步平台和生理记录系统采集到的所有生物信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于查看数据，在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出分析报告单。技术要求：  1、信号处理模块包括基础滤波，包括高通滤波（High Pass）、低通滤波（Low Pass）和带阻滤波（Band Stop）；滑动滤波（Smooth），包括滑动均值滤波Moving Average、高斯滤波Guass和Hann窗；Scale变换，包括线性变换（Liner Transform）、指数变换（Power Transform）和绝对变换（Absolute Transform）3种，以及数据降采样（Resample）。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析包括时域分析和频域分析，且可时域分析、频域分析自由切换。A.时域分析是将生物信号看作时间的函数，通过分析得到生物信号随时间变化的统计特征。其统计分析指标包括：包括最大值（Max）、最小值（Min）、均值（Mean）、标准差（STD）、最大最小值差（Range）、方差（Variance）。B.频域分析是运用参数模型法和直接傅里叶变化（FFT）将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析，从功率谱密度中确定生物信号的频带。具体包括中值频率（Median Frequency）与均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、PSD数据以及整体结果报告。

产品详细介绍肌电信号分析肌电信号(Electromyogram)简称EMG，反映神经肌肉兴奋性，评估神经与肌肉的功能状态。可用于肌肉工作的工效学分析、安全操作姿态分析、康复状态功能评价、疲劳识别以及肌电假肢控制等动作模式研究等。ErgoLAB肌电分析软件自动对原始数据进行滤波降噪处理，根据MVC进行数据归一化与统计分析。时域分析包括原始数据、处理数据、归一化数据的Mean、Max、Min、SD、Variance、RMS、Mean Absolute Value、iEMG等指标；频域分析的中值频率、均值频率、可视化频谱图，系统支持自动识别周期性动态用力分析。EMG高级数据处理分析模块可以结合人机环境同步平台和生理记录系统采集到与EMG指标相关的生理信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出可视化分析报告。技术要求1、信号处理模块信号滤波方法包括小波降噪（Wavelet Filter）、高通滤波(High Pass)、低通滤波(Low Pass)、带阻滤波（Band Stop）用以滤除噪音干扰，从而得到有用的EMG信号。肌电整流(Rectification)，包括三种方法EMG包络线（Envelope）、滑动均值滤波（Moving Average）、滑动均方根滤波（Moving RMS），可自定义分析窗口长度。EMG信号归一化处理：自定义MVC（Maximum Voluntary Contraction），计算Normalization EMG数据。Cycle Analysis周期性分析。系统对周期性用力的肌电数据进行自动化的识别与统计分析。自定义激活阈值（Activation threshold(%)）、用力的最小持续时间（Minimum duration(ms)）、动态用力的最小时间间隔（Minimum interval(ms)）参数，进行自动处理。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析模块包括时域分析和频域分析以及周期用力分析，二者可实现自由切换。A.   时域分析将肌电信号看作时间的函数，通过分析得到肌电信号的某些统计特征。统计分析指标包括：处理数据、整流数据、归一化数据的均值（Mean）、中值（Median）、标准差（STD）、最大值/最小值（Max/Min）、方差（Variance）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电（iEMG）。B.   频域分析运用参数模型法和直接快速傅里叶变化将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析。从功率谱密度中确定肌电信号的频带，不同频带可自定义，将在功率谱分析图中以不同的颜色区分。具体包括中值频率、均值频率及频谱图。C. 周期用力分析，自动识别周期性用力片段，具体的指标包括：周期的开始时间（Start Time）、周期的结束时间（End Time）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电值（iEMG）、中值频率（Median Frequency）、均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、归一化数据（Normalized）、PSD数据以及整体结果报告。

产品详细介绍EEG高级数据处理分析模块可以通过可穿戴脑电测量系统采集到与EEG分析相关的脑电信号进行离线处理和分析，结合ErgoLAB人机环境测试云平台可以分析多模态数据同步分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出原始数据、处理后数据和分析后数据；并可导出可视化分析报告。1、信号处理模块EEG信号处理包括High Pass高通滤波（High Pass）；低通滤波（Low Pass）；以及带阻滤波（Band Stop）。支持自定义设置参数。2、信号分析模块（1）脑地形图分析（Scalp Map）：包括EEG信号不同频段下的平均能量值（Average Power ）与总能量值（Total Power ）的实时可视化结果显示。包含的数据指标如下：Delta(1-4Hz)   δ波，实时显示1-3Hz频段的脑电波Theta(4-8Hz)   θ波，实时显示4-7Hz频段的脑电波Alpha(9-14Hz) α波，实时显示9-13Hz频段的脑电波Beta(14-30Hz) β波，实时显示14-29Hz频段的脑电波Gamma(30-49Hz) γ波，实时显示30-48Hz频段的脑电波Custom    自定义频段，用户可根据研究需要输入特定的整数波段（2）EEG通道分析1)Channel Analysis：通道分析，可针对脑电采集的单通道或全通道的数据进行数据分析。2)Time-Frequency Spectrum：时-频图，展示所选通道在整个实验过程中每个时刻的脑电频率变化，可以通过调整参数区间阈值，改变不同频率对应的颜色。3)Power Spectrum：能量谱图，该图展示了不同频率脑波的能量值。4)数据统计：具体指标包括α、β、γ、θ、δ频段的 Total Power、Power Percent、Average Power、Power Peak、α/β、θ/β、(α+θ)/β、(α+θ)/(α+β)以及θ/(α+β)、SMR频段的Power值。5)可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、PSD数据以及整体结果报告。

项目简介 本发明公开了一套2π空间偏振观测仪器，其包括：1）基于2π空间天球划分的基准结构；2）上半球空间多角度观测的方位及俯仰一体化转台控制系统；3）变时相多弧度角面元光学偏振成像序列系统。整个系统由计算机控制电控箱工作，电控箱连接安装基面、双轴转台、变时相多弧度角面元光学偏振成像序列系统、数据记录仪以及数据采集终端。应用范围 该系统可以获得任意时刻的天空偏振分布模式，为寻找大气中性点区域、全天空偏振场量表征和仿生偏振导航的天空偏振矢量线提供数据支撑。项目阶段 该项目所涉及实验正在进行中。

团队开发创新实践类教学仪器，包括智能四轮小车、DSP和STM32嵌入式实 验套件、智能平衡小车以及DSP电机控制实验箱等。利用此系列产品可以揩建完 整的创新电子电控类实验室，针对不同年级和不同课程的需求，逐步层阶式培养 提高学生电子部件基本应用能力、硬件设计能力、软件编程以及创新和实践应用 能力。 目前，产品已经设计完成，其中，智能四轮小车和智能平衡小车已经在 重庆大学电气工程学院相关课程中使用，获得学院师生的一致好评。产品科技创 新，产品附加值更高，在初步推广中得到了很多高校老师和学生的认同。 产品的主要特点和创新点： 积木式开发套件； 采用DSP和STM32控制芯片，可扩展高级应用算法； 集成电力电子模块、信号采集模块、人机交互单元、蓝牙、陀螺仪等多种功 能模块； 支持C语言开发； 支持MATLAB/Simulink快速搭建算法模型； 丰富的实验内容和外设扩展接口。

仪器以“8核”螺旋流道惯性分选芯片为核心，集成了被动流量调节阀，使得仪器可以采用低成本的隔膜泵作为进样驱动。仪器具有多次分选、回液、富集浓缩及自动清洗等多种模式。可全自动实现血液中肿瘤细胞的高通量自动分选和浓缩。两次分选后血细胞去除率99[[[%]]]，癌细胞回收率80[[[%]]]以上。该仪器无需复杂的生化标记，有望为癌症转移的早期诊断和有效预后评估提供重要工具手段。