产品详细介绍功能：（1）进行学习计划管理，帮助教师建立学习、成长体系（2）提供课程资源导入功能，方便构建多元化、标准化的课程体系（3）提供在线学习平台，进行直播互动，进行交互式学习（4）根据计划追踪到每个教师的学习状态

一、产品简介     本实验系统覆盖了光纤光学、 光纤通信和光纤传感器等相关领域。是学生学习并了解光纤传输信息和光纤传感信息的基本原理和相关技术的基础实验设备，通过实验掌握相关的基本原理和基本操作，为以后的学习奠定坚实的基础。涉及的专业：信息类专业、通信专业、光学专业、物理专业、计量测试专业和仪器科学专业等。 二、实验内容 光纤光学基本知识 1）光纤激光器与光纤的耦合实验； 2）光纤传输损耗性质及测量实验； 3）光纤数值孔径（NA）测量实验； 半导体激光器特性实验 1）半导体激光器阈值实验； 2）半导体激光器效率、串联电阻和背光电流的测量； 3）半导体激光器的调制特性实验； 4） 半导体激光器的结发热效应实验； 光纤无源器件 1）光纤转换器测试实验； 2）光纤变换器测试实验； 3）光纤耦合器测试实验； 4）光纤隔离器特性测试实验； 5）波分复用器和解复用器测试实验； 6）可调光纤衰减器测试实验； 7）光纤机械光开关特性测试实验； 光纤传感实验 1）M-Z光纤干涉实验； 2）光纤温度传感实验； 3）光纤压力传感实验； 光纤通信实验 1）多模光纤特性测量； 2）单模光纤特性测量； 3）法兰盘特性测量； 4）衰减器特性测量； 5）光分路器特性测量； 6）光波分复用器特性测量； 7）回波反损测量； 8）光波长测量； 9）扰模器制作； 10）PI特性测量； 11）光源稳定性测量； 12）模拟信号光调制； 13）模拟信号光接收； 14）图像信号传输； 15）CMI码型变换实验； 16）接收定时恢复电路实验； 17）消光比测量； 18）加扰码实验； 19）5B6B码型变换实验； 20）光时域反射测试仪； 21）CDMA扩频调制解调实验； 22）AMI／HDB3终端接口实验； 23）同步数据接口实验； 24）异步数据接口实验； 25）CMI传输系统测试； 26）5B6B线路编码通信系统综合测试； 27）CDMA传输系统测试； 28）在线误码测试； 29）计算机数据传输系统测试； 30）光纤传输系统抗干扰性能测量； 31）同步数据通信系统测试； 6、智能语音光纤通信设计实验 本实验主要涉及语音识别，光纤通信，和智能灯控三部分，利用语音识别电路将语音口令转化为电信号，信号通过远距离数据传输的光纤发送给主控电路，最终主控电路根据解析出的口令来实现控制LED灯的开关、亮度的切换以及颜色的切换。本实验实现了声音信号-电信号-光信号-电信号的一个数据传输与转化的过程，通过本实验，能够让学生进一步学习声光电的数字传输与转化应用，以及光纤通信的优势。  三、实验配置参数 1、 激光器波长：650±20nm， 功率：≤5mw，输出端口：FC/PC ； 1310/1550±20nm，功率：1-2.5mw，连续可调；输出端口：FC/PC； 2、可见光功率探头：中心波长：650nm，最大输入功率5.5mw； 3、红外探头：响应波长范围：800-1700nm； 最大输入功率：4mw，校准波长：1550nm/1310nm； 4、光纤数值孔径参数：多模光纤跳线：纤芯直径62.5um；长：1米； 5光纤机械光开关：插入损耗：1310/1550  P1→P2 0.56/0.54 dB ，P1→P3 0.53/0.47 dB ;回波损耗＞50dB ；开关速度：≦8ms ； 6、高隔离度光纤隔离器：最大插入损耗：0.35dB ；回波损耗：≧50dB ；隔离度：≧30dB ； 7、光纤耦合器：分光比：50% : 50% ；最大插入损耗1310/1550: 3.3dB ; 8、光纤波分复用器：隔离度：1310nm ：31.8% ；1550nm ：34%；插入损耗：1310nm ：0.30%；1550nm ：0.34% ； 9、光纤可调衰减器：0-30db可调； 10、光纤温度传感器：测温范围：-40°~260°，精度1%； 11、光检测灵敏度高，实际测试指标约-40dBm； 12、可建立临时应急通信系统（点对点距离大于50公里），可传输PCM电话、同步数据（速率：2.048Mbps），计算机数据、模拟图像等业务。 13、语音识别/声控芯片：内置单声道mono 16-bit A/D 模数转换；内置双声道stereo 16-bit D/A 数模转换；内置 20mW 双声道耳机放大器输出；内置 550mW 单声道扬声器放大器输出；支持并行接口或者 SPI 接口；内置锁相电路 PLL，输入主控时钟频率为 2MHz - 34MHz；工作电压：(VDD: for internal core) 3.3V；48pin 的 QFN 7*7 标准封装；省电模式耗电：1uA； 14、TF卡(MICRO SD 卡)：存储空间512M； 15、喇叭：直径5CM；负载电阻8欧；额定功率1W；厚度1.1CM ； 16、麦克风：3.5mm迷你麦克风；灵敏度52DB； 17、光纤收发器：额定电压:DC 5V; 物理接口：DB9串口接口与SC接头；RS-232数据传输速率： DC-250Kbps； 18、单模光纤跳线：接口：SC-SC单模光纤跳线；类型：单模；工作波长：1310-1550nm；纤芯直径：9μm。 四、实验目的 1、了解光连接器及其原理、种类，实验操作进行连接器参数测量； 2、掌握光纤偏振控制器工作原理，实验操作单模光纤偏振状态控制； 3、了解光纤耦合器用途及其性能参数，实验操作测量耦合器特性参数测量； 4、了解光纤隔离器用途及其性能参数，实验操作光纤隔离器特性参数测量； 5、了解光纤光开关用途及其性能参数，实验操作光纤光开关特性参数测量； 6、了解光波分复用器（WDM）原理与意义，操作双波长波分复用（WDM）原理性实验； 7、实现声音信号-电信号-光信号-电信号的一个数据传输与转化的过程，通过本实验，能够让学生进一步学习声光电的数字传输与转化应用，以及光纤通信的优势。

       计算全息与信息安全综合实验系统是用光电传感器件（如CCD或CMOS）代替干板记录全息图，然后将全息图存入计算机。全息图可以通过用计算机模拟来实现被测物体的数字再现和处理。也可以利用空间光调制器（SLM）实现光学再现。数字全息与传统光学全息相比具有制作成本低、成像速度快、记录和再现灵活等优点。近年来，随着计算机特别是高分辨率CCD的发展，数字全息技术及其应用受到越来越多的关注，其应用范围已涉及形貌测量、变形测量、粒子场测试、数字全息显微、防伪、三维图像识别、医学诊断等许多领域。        TP-XOS1 计算全息与信息安全综合实验系统使用高精度CMOS相机和空间光调制器（SLM）进行采集和再现，降低了对环境（暗室、防震）的要求，免去了冲洗的不安全隐患，可以对数据进行二次开发，如滤波、存储、传输、加密安全等，拓展了全息的应用领域。 主要实验内容： 数字记录数字再现实验 光学记录数字再现实验 数字记录光学再现实验 光学记录光学再现实验 信息安全光学加密原理实验    

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题，项目拥有多项自主核心知识产权，涵盖路径规划与搜索算法、数据并行存储与计算。通过仿真表明，项目实施后，能在现有路网规模的基础上，显著提升现有道路的负载通行能力，缓解城市道路因局部负载过大导致的负载不均与交通拥堵，改善出行体验，降低尾气排放，提升智能交通效率。

目前北京理工大学基于神经网络的智能无人机疫情预警监控系统主要由无人机平台、光电载荷、喊话系统和地面控制及图像处理平台组成。 该智能无人机疫情预警监控系统能够自动监控广场、公路、小区等各类环境中的人群，检测人员聚集情况，利用红外热成像技术实时获取人员体温情况，实现在非接触情况下对疑似高危人员的快速区分，并快速形成疫情人员相关数据，还可以提供数据接口，供大数据系统进行分析。该智能无人机疫情预警监控系统可同时提供监控人员及被监控人员交互通道，通过喊话系统，监控人员可以随时疏导或制止被监控人员的异常行为，为疫情监控和预警提供了更为清晰和直接的手段方式。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括：1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用，参见下图。

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题

一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括： 1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。 图1 工业物联网 2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化