中山艾尚智同信息科技有限公司是在广东先进水泥基材料产业技术创新联盟的支持下，由武汉理工大学中山研究院于2018年创办的科技型企业，公司旨在以信息化手段改变混凝土生产行业当前 效率低、劳动密集、产品质量波动大的业态，尤其将目标瞄准在以先进的人工智能技术，实现在混 凝土生产中根据原材料质量波动智能调控材料配比的功能，从而大幅提高产品稳定性，帮助企业降 本增效，以实现其经济效益和社会效益的双提升。 公司目前拥有一支由教授牵头的核心研发团队，包含教授2人，博士3人，硕士2人。公司作为 广东先进水泥基材料产业技术创新联盟成员单位，目前已同多家联盟成员企业建立密切的合作机 制，并在传统生产企业智能化改造方面同中铁大桥局、保利长大等企业就混凝土、稳定土生产智能化达成实质性合作。

实验室信息化管理系列产品主要以各类大中专院校的实验室管理流程和基本事务管理为核心，以规范实验室管理信息化为准则，充分利用学校实验室资源，更好地服务于师生，有利于实验室管理的科学化和规范化。系列产品提供了18个子系统，主要包括校级开放式实验教学及实验室综合管理平台、院级开放式实验教学与实验室管理系统、实验室开放预约管理系统、实验室耗材管理系统、实验室安全培训考试系统、数字化资源管理系统等，用户可以根据实际需求进行子系统自由组合部署实施。

类别 参数 参数值 操作系统 Android4.4 CPU 四核 ，1.5GHz 内存RAM 1GB 存储容量 8GB 内置音响 2*2W 解码能力 支持4路1080P或1路4K 网络 支持有线、无线、WiFi热点 液晶面板尺寸 55 背光源 LED 显示比例 16:9 分辨率 1920*1080 亮度 350cd/m2 响应时间（ms） 9ms 对比度 1200:1 电源 AC100~240V 50Hz/60Hz 满载功耗 130W 待机功耗 0.3W 外形尺寸（mm） 1243.0×720.0×82.0 包装尺寸（mm） 1355*824*175 整机重量 17kg 机身材料 塑壳，RoHS+防火等级(UL94-HB75级) 安装方式 壁挂式 显示方式 支持横竖屏切换 工作温度 5℃～40℃ 工作湿度 10%～85% 其他外部接口 RJ45×1、USB2.0×2、RS232×1、SD卡插槽×1、WIFI×1

场景物联：内置物联网关，可以接入无线物联设备，实现灯光、风扇、空调、窗帘等用电设备管控，同时支持无线麦克风接入功能，实现教室无线扩声，一师一麦，根据场景进行自定义。 校园广播：支持图片、音频、视频广播播放功能，可将融合平台推送的任务信息进行解码播放，任意终端收到的任务信息以后自动运行播放。 课堂直播：主讲教室进行一键开启直播功能，听课教室设备自动开启，学生可同步观看主讲教室的推送的课程内容。 远程对讲、报修自如：内置IP对讲模块，通过融合平台实现语音呼叫、远程监听、监控联动等功能，在线完成督课巡课；本地实现一键故障报修。

内置工业电脑，强劲性能，搭载HDBaseT端口，支持信号传输，性能稳定，运行流畅，功耗更低； 音视频解码，定时推送，可将融合管理平台的音视频任务进行解码播放，任意终端收到任务信息都会自动运行播放，任务结束后设备自动关闭，实现自动化管理； 智能联动：内置无线物联网关，可以接入无线物联设备；支持无线麦克风接入，实现教室无线扩声； 反向扫码，语音对讲功能：对接校园IC 卡，可插卡、刷卡、扫码或者反向扫码开机

轻量化设计，极简操作：轻量化设计，一键开关所有多媒体设备；支持与麦克风智能连接； 音视频解码，定时推送，智能化管理； 智能联动：内置无线物联网关，可管理灯光、空调、风扇、窗帘等用电设备； 强电管理，能耗监测。

主要功能和应用领域：主要应用在数字视频芯片（DVB，DAB，DMB等数字视频广播标准）和通信网络（WLAN，WiFi，WiMAX等）领域。具有极为广泛的用途和应用价值。 特色及先进性：在满足数字视频芯片和通信网络要求下，采用了自创的校正方法，实现了更低的功耗、大大节省了芯片面积、降低了芯片的复杂度、提高了芯片的稳定性、不易受外界环境如温度、电源电压和工艺的影响，使性能更加出色。 技术指标：采样速率200MSps，分辨率10-Bit，ENOB达到8.7-Bit以上（±10%电源电压变化和-40~125度温度变化），总体功耗 < 100mW。 实施后可取得的效果：此类ADC芯片应用领域极广，中高端领域均有大量且稳定的需求。一旦形成产品，产量和销售极其可观。现在市场上此类ADC芯片主要掌握在国外大公司手里，定价相对较高，如果能够实现同等性能下更低的定价或者同等价位但是更出色的性能，将有巨大的市场。

ADC芯片

本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。

项目阶段:在研