XM-402-3心脏解剖放大模型（带数字标识）   XM-402-3带数字标识心脏解剖放大模型放大3倍，可拆分为3部件，增加了心耳结构，并且可以拆装，可清晰的看到心室的内部结构，展现了心脏的动静脉、心脏和瓣膜的基本形态，共有39个部位数字指示标志及对应文字说明。 尺寸：放大3倍，22×22×28cm 材质：PVC材料

XM-402-2心脏解剖放大模型（带数字标识）   XM-402-2带数字标识心脏解剖放大模型放大2倍，可拆分为4部件，显示了心脏正常的形态结构，动静脉和瓣膜结构，左、右心室壁和沿动脉搏动切面部可拆装，共有49个部位数字指示标志。 ■ 呈舒张状态，沿肺动脉根部横切，示左右心房的内部结构及肺动脉，主张脉半月瓣。 ■ 沿心房做纵斜切，示左右心室的内部结构。 ■ 右心房示上、下腔静脉口、下腔静脉瓣、冠状窦口冠状窦瓣、卵园窝和右房室口。 ■ 右心房示左右肺静电脉口和左房室口。 ■ 右心室示室上嵴、三尖瓣、动脉圆锥、腕索、乳头肌、肉柱和肺动脉瓣。 ■ 左心室示二尖瓣、腱索、乳头肌、肉柱和主动瓣，示房间隔和室间隔。 ■ 示管状态、前后室间沟。 ■ 示心耳、心肌纤维、心涡、心切迹、脂肪和动脉韧带、示左右、冠状动脉及其分支。 ■ 示冠状窦及其属支。 ■ 示升主动脉和主动脉弓发出的分支。 ■ 示上腔静脉、下腔静脉及其属支。 ■ 示肺静脉和肺动脉。 尺寸：放大2倍，15×15×19cm 材质：PVC材料

XM-522-2鼻腔解剖放大模型（3倍，3部件，带数字标识）   XM-522-2带数字标识鼻腔解剖放大模型放大3倍，可拆分为3部件，展现了鼻腔及鼻侧壁、鼻软骨的解剖结构，带有多个部位数字指示标志。 外鼻：展示鼻骨及鼻软骨的切面。 鼻腔：外侧壁有上、中、下三个鼻甲突入鼻腔，形成上、中、下三个鼻道。 鼻副窦：示额窦、蝶窦和上颌窦。 尺寸：放大3倍，53×38×13cm 材质：PVC材料

XM-522-1鼻腔解剖放大模型（带数字标识）   XM-522-1带数字标识鼻腔解剖放大模型显示了外鼻（示鼻骨及鼻软骨的切面）、鼻腔（外侧壁有上、中、下三个鼻甲突入鼻腔，形成上、中、下三个鼻道）、鼻副窦（示额窦、蝶窦和上颌窦）等结构，共有17个部位数字指示标志及对应文字说明。 尺寸：放大，23×14×11cm 材质：PVC材料

XM-521A喉、心、肺模型（带数字标识）   XM-521A带数字标识喉心肺解剖模型由喉正中矢状切面、心冠状切面和肺等7部件组成，并显示喉、气管、胸腔内心脏、左右肺以及膈上的食道裂孔、主动脉裂孔等结构，共有51个部位数字指示标志及对应文字说明。 尺寸：自然大，40×26×12cm 材质：PVC材料

XM-507A 盲肠阑尾放大模型（带数字标识）   XM-507A带数字标识盲肠阑尾放大模型展现了回肠未端、回盲瓣、盲肠、阑尾、升结肠段结构及其动静脉血管和淋巴结的分布，带有多个部位数字指示标志和对应的文字说明。 尺寸：33×23×10cm 材质：PVC材料

XM-502-1带数字标识胃解剖放大模型   XM-502-1带数字标识胃解剖放大模型放大1.5倍，由胃冠状剖面两个部件组成，显示胃的形态贲门、幽门、胃底、胃体、胃小弯、胃大弯、角切迹、幽门窦、幽门管和胃壁的组织结构粘膜层，胃道、幽门瓣、粘膜下层、肌层、幽门插约肌、浆膜以及胃的血管和迷走神经等结构，共有多个部位指示标志。 尺寸：放大1.5倍，11×16×20cm 材质：PVC材料

1 成果简介语音识别在嵌入式芯片上实现的主要矛盾是算法实现的性能精度与芯片功耗、速度之间的矛盾，一个性能较好的 800 条典型汉语普通话语音识别算法以纯粹软件嵌入方案实现通常需要 200MIPS 以上 ARM（ Advanced Risc Machine） MCU 处理速度，因此我们提出语音识别集成电路 IP 与协处理器来克服以上的问题，通过关键运算的硬件化映射来大幅提高语音识别计算的功耗和处理速度。该设计可作为语音识别集成电路 IP 放入客户的 SoC 芯片中，也可作为协处理器放在片外。 关键性能指标如下： *工艺：苏州 HJTC 0.18um 1P6M 标准 CMOS 工艺 *管芯面积： 1.5 x 2mm *逻辑规模： 3 万等效门（标准二输入与非门，不含 SRAM） *I/O 数： 52 封装: CQFP64 *存储规模：片上集成 1 片单口 SRAM，共 4K×16 比特 *供电电压：核心部分->1.8V， IO 部分->3.3V *正常工作频率： 20MHz（最高工作频率 100MHz） *功耗： 80uW/MHz *速度： 4us/帧（特征维数取 27，时钟频率取 20MHz） 图 1 语音识别集成电路版图图 2 ARM+语音识别协处理的测试系统表 1 与其他语音识别芯片的对比2 应用说明语音识别 IP 或协处理器基于对高斯混合模型计算的优化，适合于各种 HMM 模型的模式识别计算，在语音识别、说话人识别、说话人确认、语音合成等方面均可以广泛应用。 语音识别 IP 或协处理器以加速 ASIC 的模式工作，相同时钟主频下计算性能是 TI C54x系列 16bit DSP 的 5.5 倍以上，对主系统计算性能提升可以达到 4~8 倍。 语音识别 IP 或协处理器对于性能要求型场合和功耗限制型场合都十分适合，芯片支持16bit 并行总线接口，适合于各种 32 位/16 位 MCU 系统，迅速为系统集成高性能语音处理能力。3 应用范围车载导航， GPS 手机，支持大规模识别词表（例如万条以上的地名）支持模糊语音检索；低端手机平台，支持语音拨号、语音控制，支持用户身份确认、声纹密码。4 效益分析语音识别 IP 或协处理器芯片可应用拓展到个人移动信息终端的全市场空间，以 GPS 产品为例，细分的预装 GPS、个人导航设备（ Portable Navigation Device， PND）， GPS 手机三种产品，根据 CCID（ Consulting China Research Center）咨询公司预测 2008 年这三者分别约占到全球市场总量的 15%、 35%和 50%。快速增长的 GPS 市场，对语音识别功能有着非常迫切而又实际的需求， GPS 应用提出的超大规模词表、高混淆度和高环境复杂度这一系列语音识别的技术难题，也只能由语音识别芯片解决。语音识别加快了人机交互与地名等信息的检索，可提高驾驶期间操作 GPS 的行车安全性，同时可以反过来进一步促进 GPS 产品的销售增长。 语音识别技术通过芯片在性能得到大幅提升后，将摆脱传统的人名拨号功能，可用于菜单控制、地名、信息、多媒体内容的检索等等。而语音识别芯片使得低功耗和低成本的要求得以满足，有望成为手机人机交互界面（ Man-Machine Interface， MMI）发展的新技术增长点，移动通信领域的市场潜力特别巨大。

1.飞行器控制主板软件设计。2.无人机多功能一体化遥控器（图像显示）的开发3.深度智能追踪和识别目标

本发明公开了基于维数递增弱线性回归树的目标检测方法，其步骤为：①准备训练样本集(xi，yi)，i＝1，……，N，xi 表示训练样本的特征值集合，yi 为样本类别，N 为训练样本数，N 为自然数；②初始化训练样本权重为其中 t 为自然数，初始化时 t＝1；③对样本集合进行循环计算，选定循环次数 T，T 为自然数每次循环都得到一个线性回归树作为弱分类器。等到 T 次循环完成后，再将 T 个弱分类器合成一个强分类器；④使用该强分类器对数字图像中的各个区域进行分类，从而判断是否为