导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

本发明涉及一种磁性离子液体，特指基于胍基官能团的离子液体的制备方法及在萃取脱除非极性溶液中含硫有机物的用途。其结构如通式（I）所示，该类离子液体是典型的室温离子液体，具有很低的熔点及很高的沸点，室温呈液态，蒸汽压低，稳定性好，与非极性溶剂互溶度极低；具有极高的脱硫效率，可在3~6min达到脱硫的萃取平衡；选择性高，不会对原来的非极性溶液产生污染及着色。该发明的磁性离子液体之中，当n=1.5~2时，具有很高的顺磁性，其比磁化系数大于59.1×10-6emu/g,优于已有的报道。因此，萃取脱硫结束后可以通过外加磁场的方法方便地实现离子液体和非极性溶剂的分离。该类磁性离子液体通过加水稀释并用四氯化碳反萃取的方法能恢复其性能，并且可以循环多次使用而不会引起脱硫效率的明显降低。脱除的含硫芳环化合物也能通过减压蒸馏富集并实现回收利用。

城市生活垃圾焚烧发电目前已被公认为是城市生活垃圾资源化、减量化和无害化处理的的最有效方式，国内外大中城市都通过建设垃圾高效无害处理的焚烧发电厂来处理日益增长的城市垃圾。垃圾成分中腐蚀性物质，在锅炉内部高温和压力下发生复杂的化学、电化学反应，导致焚烧锅炉主要受热面烟气侧腐蚀十分严重，腐蚀程度和因腐蚀引发的爆管事故远高于同级别的燃煤锅炉。受热面腐蚀问题是严重影响垃圾焚烧锅炉系统安全、经济运行与寿命的主要问题。 通过本项目的研究，摸清了受热面腐蚀机理，开发出适合四种工况下膜式水冷壁和过热器的防腐蚀技术及工艺方案,包括：中温中压、中温次高压、次高温次高压、高温高压四种工况，并在相关项目中实际应用效果明显。项目研究申请并获得了授权专利多项，形成了丰富的材料体系、成熟的质量工艺体系，具备工业化大规模应用条件。相关成果还可应用于流化床锅炉、煤粉炉、气化炉、磷化工黄磷尾气处理余热锅炉、钢铁行业焦虑煤气锅炉、化工反应炉等领域。 部分专利 序号 专利名称 专利类型 专利号/申请号 许可方式 1 一种受热面防磨蚀的水冷壁用管及其制备方法与应用 PCT专利 PCT/CN2018118156 国家阶段 2 受热面防磨蚀的膜式水冷壁及其制备方法 PCT专利 PCT/CN2019071988 国家阶段 3 一种在钢基体上制备耐海水耐腐蚀熔覆层的方法 发明专利 201110122035.9 授权 4 感应重熔与喷射一体化制备垃圾焚烧发电锅炉管复合涂层的方法 发明专利 201910601418.0 授权 5 锅炉水冷壁高温防腐涂层制备与管基体热处理协同强化技术 发明专利 201910601433.5 授权 6 一种受热面防腐蚀的水冷壁及其制备方法与应用 发明专利 201811150322.9 实审 7 一种受热面防磨蚀的膜式水冷壁及其制备方法 发明专利 201811150408.1 实审 8 一种硼化物陶瓷颗粒增强复合材料制备方法 发明专利 201710457857.X 授权 9 基于裂纹扩展效应的陶瓷切割推磨复合式平面加工方法 发明专利 2016110816617 授权 10 一种用废轧辊再制造成水泥辊压机的挤压辊方法 发明专利 201910755439.8 实审 11 锅炉膜式壁涂层高频重熔气体保护抑制管排氧化技术 发明专利 201910731494.3 授权 12 中速磨煤机磨辊耐磨堆焊用粉芯焊丝及其制备与堆焊方法 发明专利 2011103031690 授权 13 用于水泥行业辊压机的挤压辊及其制造方法 发明专利 CN106181217A 授权 14 用于制备含有非晶相的高耐磨涂层的粉芯丝材及其制备 发明专利 CN106191738A 授权 15  一种膜式壁表面制备防磨蚀涂层的微熔焊设备 实用新型 201921786621.1 授权 16 一种锅炉水冷壁专用喷砂机 实用新型 201921786251.1 授权 17 一种膜式壁双枪立式堆焊装置 实用新型 201821177387.8 授权 18  一种膜式壁立式堆焊夹具 实用新型 201821177386.3 授权 产品展示 生产工艺 自动化程度高，避免了人为因素； 实现微冶金结合，稀释率低，结合强度高； 热变形小，有利于装配； 涂层质量和成分得到严格控制，合格率高； 效率高，安全环保。 特色材料 1.系列合金粉末 完全自主研发的材料体系，并申请发明专利 高Ni、Cr含量，兼具抗腐蚀和抗磨损性能 与基体材料导热系数及热膨胀系数相近 根据不同环境的磨损和腐蚀需求，可调整材料配方 彻底突破合金堆焊丝材的局限性 根据垃圾“热值”、“工业分析”、“元素分析”数据可实现涂层材料针对性配比 2.纳米纳米高导热防结焦陶瓷封孔剂 作用: 防止或阻止腐蚀介质浸入基材表面； 延长合金涂层的防护寿命； 用于密封的涂层,防止液体和压力泄漏； 防止污染或研磨屑碎片进入涂层 保持陶瓷涂层的绝缘性能。 性能： 纳米碳化硅粒子具有高导热系数，是碳钢的2倍以上，热膨胀系数小； 硬度是碳钢的10-15倍，有极强的耐磨特性； 该涂层厚度为几十微米，大的比表面积使得涂层吸附能力强，不易剥落； 表面光滑平整，不易结焦。 化学性质极为稳定，1000度以下不与常规酸碱盐反应。  

本发明提供了一种锂离子电池正极材料 LiFePO4/C 复合材料的 制备方法，具体为：（1）将碳酸锂、磷酸铁和草酸加入聚合物水溶液 中搅拌，得到混合物；（2）对混合物进行球磨，在球磨过程中，草酸 作为还原剂将磷酸铁锂化，制备出无定型的前驱体；（3）对前驱体进 行煅烧，在煅烧过程中，通过聚合物的高温分解将前驱体进一步还原 锂化，并且聚合物作为碳源合成出 LiFePO4/C 复合材料。本发明方法 环境友好，制备过程简单，制备成本低，制备产物颗粒均匀，易实现 工业化生产。

本发明公开了一种三维多输入多输出下行多用户传输系统调度方法，采用均匀平面天线阵的三维多输入多输出下行多用户传输系统中两种用户调度方法，两种方法中均为每一个用户设置一个优先级，初始状态时将所有用户优先级均设置0，随后每一调度时隙首先将调度出的服务用户集合初始化为空集并将全部用户加入未调度用户集合，然后利用统计信道信息计算信干比度量或信漏比度量进行用户调度，用户调度完毕后将集合中用户的优先级均设置为0，将未调度用户集合中的用户优先级均加1直至达到最高优先级Q。本发明具有所需信道信息量小，计算复杂度低的优点，可灵活设置不同门限满足不同的用户服务质量，能够同时兼顾用户的公平性和系统吞吐量。

本发明公开了俯仰多视角的悬浮式360度视场空间三维显示装置，包括复合式偏折型散射屏、高速投影机、图像发生器、探测模块和旋转传动机构。高速投影机将三维物体不同俯仰角度水平360度全景视场的组合图像投影到高速旋转的复合式偏折型散射屏上。复合式偏折型散射屏可对不同角度入射光的垂直偏折及发散角度和水平发散角度进行控制，使环绕观看的不同高度的观察者的双眼观察到对应于其视点位置的图像，实现显示的三维物体悬浮于复合式偏折型散射屏的上面，且其位置不随视点的高低变化而改变。俯仰多视角的悬浮式360度视场空间三维显示可供多人俯仰多角度、水平360度全视场裸眼同时观看，实现空间遮挡消隐并可探入触摸交互。

本项目在 2 项国家自然科学基金项目和国家"863"计划海洋重大专项连续 3个五年计划滚动支持下，历经 10 多年产学研联合攻关，研究并掌握了基于稀疏换能器阵列的三维成像规律，发明了适用于近场和远场条件下的换能器阵列稀疏方法，解决了换能器阵元数量巨大所导致的高系统复杂度难题；研究了波束形成算法的计算机制，发明了分布式子阵波束形成实时处理算法和动态三维图像构建方法，实现了水下高分辨率三维场景的实时成像；发明了基于大规模 FPGA 的并行处理系统架构，实现了 128×128 个波束信号的高速实时计算，成功研制了高分辨率相控阵三维声学摄像声纳系统，为我国海底探测和水下安防等提供了一整套高端先进的探测手段。本项目的成果打破了国外的技术垄断，填补了国内空白，作为国家重大科技成果参加了“十一五”国家重大科技成就展。本项目共申请国家发明专利 18 项，其中授权 14 项；获得美国发明专利授权 2 项；获得软件著作权 3 项；发表 SCI/EI论文 16 篇；经由两位院士和其他专家组成的专家组鉴定，项目总体技术水平达到国际领先，为行业进步起到重要的推动作用。

本发明公开了一种相控阵三维声学摄像声纳动静目标识别方法,包括目标聚类步骤、目标特征提取步骤和目标特征匹配步骤。通过遍历声纳数据点,利用数据点之间的距离连通性对目标进行聚类,得到单帧图像中的各个独立目标;对聚类后的各个目标进行三维特征提取,包括目标总点数、目标质心、距离跨度和边界信息等;对相邻两帧中处于重叠区域的目标进行前后帧的特征匹配,通过合理设定各个特征参数的权重值,计算各个特征参数与权重值的累加和,实现动静目标的有效识别。该方法布局严谨、高实时高精度、准确率高、可扩展性强,有效地实现了三维声纳目标动静目标识别功能。

本发明公开了一种基于FPGA的三维摄像声纳系统的阈值调整装置及方法。该阈值调整装置与结果读取单元和存储器写入控制单元相连,位于三维摄像声纳系统的每个并行处理机内,包括:结果暂存缓冲器、最大值搜索单元、本地阈值计算单元、阈值发送单元、阈值接收单元和阈值仲裁单元。该阈值调整方法根据探测场景的变化和不同探测距离处目标回波强度的变化,动态的调整空间不同位置处所使用的阈值。本发明采用多单元块并行处理和流水线操作方法,可与前端的数字波束形成器同步工作,保证了优异的实时性能。

本发明公开了一种基于多波束相控阵声纳系统的三维声纳可视化处理方法，包括以下步骤：采集声纳数据，并通过网络发送；通过网络逐帧获取声纳数据，将每一帧声纳数据对应的范围图像转化为全局坐标系下的点云数据；对点云数据进行过滤，将过滤得到的点云数据连接成三角面片，并计算每个三角面片的法向量和顶点；将当前帧与前一帧进行配准，将配准后的当前帧和前一帧中的点云数据进行马赛克化处理，然后利用遍历交叉点算法将马赛克化后的当前帧和前一帧的点云数据进行融合，并进行三维场景图像模型点集的更新；依据融合后的点云数据的强度以及三角面片的法向量和顶点的法向量，生成三维场景图像。本发明方法，速度快，精度高。