成果简介：北京理工大学汽车排放质量监督检验中心是经国家环保局认可的柴油机排放检验机构和北京市环保局认可的轻型车辆排放检验机构。 主要设备包括：底盘测功器（日本小野测器公司）：该设备可进行轻型车的排放性能、动力性能、燃油经济性能的检测。司机助软件平台可根据现实标准编制司机助工况曲线；动力性能包括加速特性、最高车速、功率特性和爬坡度；燃油经济性能包括稳态工况和瞬态工况。气态排放分析仪（美国ROSEMOUNT公司）：按照国家汽车排放标准测量汽油车的排放情况。采用稀释采样技术，能模拟汽车排

产品详细介绍视频采集卡WINNOV Videum 1000plus为了简化各种操作，Winnov的Videum 1000 plus和Videum 1000VO提供了直观的采集程序，用来帮助用户在几分钟内就可以采集图像、视频片断和公司的视频宣传材料。通过开始时使用的Videum Configure程序，你可以预设和调节图像属性，以及为三个视频输入源预设相关联的音频源。通过Videum Zoom程序和应用程序相关联，你可以本地或远程实时地缩放、转动和伏仰你的视频源，控制视频的各种参数。使用VideumInsignia程序可以在应用程序的视频中插入自己标志的图案，来表明这是你制作的视频，或在视频会议中表明你的身份。高质量的音视频采集高质量的音频、视频采集卡Winnov的Videum 1000 plus系列产品是Winnov屡获大奖的Videum 1000采集卡的第二代产品。Winnov将其独有的ASIC关键技术在一个芯片中实现。Winnov Videum 1000 plus提供无与伦比的音视频采集质量，可以720x576尺寸提供每秒30帧的采集能力，而且还支持像素增倍，提供给用户最好的采集能力和最大的系统适应性。借助Winnov的硬件压缩，Winnov的Videum 1000 plus确保可以提供无人能及音视频采集质量的效果。当在视频采集方面说到Winnov的时候，人们就会想起其音视频采集的专业质量。现在，你可以使用Winnov最新发布的Videum 1000 plus产品获得更好的音视频采集质量，更好地达到你的目的。Videum 1000plus系列产品是为了满足公司内部视频协作交流，流媒体编码和视频监控市场的需求。更方便的视频采集和视频会议适应性 Winnov的Videum 1000 plus PCI 采集卡系列可以在常见的大多数的系统上运行：Windows NT, 2000 XP，2003，7。. 在任何系统中3.3V 或5V电压都可以运行。为公司内部视频协作、流媒体编码和视频监控设计具有和Videum 1000 plus相同的音视频采集能力,OEM系统集成商的理想选择• 高质量的视频采集：最大640x480, 30 fps 非压缩(NTSC制式)和720x576 25 fps 非压缩(PAL制式)• 接收多种信号：NTSC, PAL和倍分辨率信号• 支持宽银幕采集模式 - 640 x 360 (16/9) 和 640 x 272 (2.35:1)• 确保音视频同步• 集成音频 - 不需要声卡• 易装易用• 为已有声卡或耳机提供多路(2)音频输入支持• 多路(3)摄像头支持• Winnov硬件和软件视频压缩，用于硬盘存档• 采集高质量的音视频片断• 对任何摄像头使用平移、伏仰、缩放功能• 控制图像参数• 只需鼠标点击就可选择视频输入源(S-Video,复合视频和MXC)• 向应用程序中实时插入logo来表明视频来源• 预设图像属性和为每个视频源分配一个相关联的音频源• 远程配置、控制和监视任何摄像头• 借助Videum远程控制程序，用户可以控制他们自己想看的内容Videum 1000 plus-1010 plus优势Videum 1000 plus-1010 plus特征视频采集视频 NTSC or PAL -Composite, S-Video and MXC (connector for Winnov Color Camera)(For Videum 1010 ____, Composite and S-video inputs are availablewith a provided adapter cable)采集格式 YUY2 YUV 4:2:2 (for streaming)YV12 YUV 4:2:0 (for streaming)YVU9 4:2:0 (Intel Indeo® Raw)RGB8 8-bit RGB (256 colors)RGBH 16-bit RGB (32K colors)RGBT 24-bit RGB (16.8M colors)WINX Interframe Compression, 16:1 to 48:1WNV1 Hardware Compression, 1:1 to 12:1图像尺寸 Square pixel resolution32x24 to 640x480 (NTSC)32x24 to 720x576 (PAL)性能 640x480 30 fps uncompressed (NTSC)704x576 25 fps uncompressed (PAL)采集模式 高速，连续，触发，网络摄像头模式存档文件格式 AVI and ASF静止图像 32x24; 640x480 (NTSC); 720x576 (PAL)24-bit color, 16-bit color, 8-bit color or grey scale格式 BMP, JPEG网络摄像头 相应应用程序已包含Twain 提供相应驱动音频采集格式 8-bit or 16-bit mono or stereo采样率 Up to 48 Khz为Internet语音提供全双工音频文件格式 WAV音频输出 耳机或扬声器输出 - 不需要为被动式扬声器提供集成的功放音频输入 Stereo Line/Mic In, Stereo Aux In, Mono Camera Mic In (on MXC camera)工作电压 3.3V or 5 V supply voltageUniversal capture cards for 32-bit and 64-bit slots外形 Videum 1000- ____ PCI: 4.75” (L) x 3.81” (H),Videum 1010-____ low profile PCI: 4.81” (L) x 2.625” (H)参数系统需求：Pentium 200 or betterOne free PCI slot64 Mbyte of RAM or moreCD-ROM drive for software installationWindows XP, 2000,2003,7, NT4.0Internet connectionVideum 1000 Plus 采集卡视频输入 NTSC or PAL　 AV视频端子, S端子, MXC接口　  点击观看板卡的音视频接口采集格式: YUY2     YUV 4:2:2. YV12     YUV 4:2:0. YVU9     YUV 4:2:0 (Intel Indeo® Raw). I420      非压缩 YUV 4:2:0. IYUV      非压缩 YUV 4:2:0　 WINX     帧间压缩, 16:1 to 48:1. PAL8     8-bit Palettized RGB (256 色). RGBH     16-bit RGB (64K 色). RGBT     24-bit RGB (16.8M 色)图像大小  32x24 to 640x480 (NTSC)32x24 to 720x576 (PAL) 支持Square pixel : true square pixel support640x480 (NTSC)768x576 (PAL) 性能: 640x480 30 fps 非压缩 (NTSC)720x576 25 fps 非压缩 (PAL)640x360 用于 16/9 宽银幕格式 640x272 用于 2.35/1 宽银幕格式 采集模式: 高速、连续、触发，网络摄像头模式显示: 在兼容 Direct Draw 的视频卡下全屏显示存档文件格式: AVI, ASF静止图像: 32x24; 640x480 (NTSC); 720x576 (PAL)24位真彩色，16位高彩色，8位彩色或灰度图像图片文件格式: BMP, JPG网络摄像头: 相应的应用程序已包含Twain: 包含相应驱动慢扫描: 利用两帧高质量静态图像场数据平均电压: 3.3V 和 5V　 32bit 和64bit 插槽适用　音频 音频: 8位和16位立体声或单声道采样率: 11,22,and44kHz(多媒体)8,16,32,and48kHz(通讯)所有采样频率下全双工文件格式:  WAV音频输出: . H耳机或音箱输出--对带功放的音箱没有预先进行放大(1/8 mini jack)音频输入: 立体声 Aux In (1/8” mini jack)立体声 Line/Mic In (1/8” mini jack)Camera内单声道(通过摄像头的MXC接口)内置光驱音频连接线 　工作电压: 3.3V 和 5V PCI 环境 通用的32-bit 或 64-bit 插槽　系统配置要求. - 奔腾 200 及以上 CPU- 一个空余 PCI 插槽- 至少 64 兆- 安装需要光驱- Windows NT4.0, Windows 2000,XP,2003,7

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

本发明基于压缩感知理论将将测量的信号通过1比特量化，去掉了之前被测信号能量为1的假设，通过循环迭代的公式最小化凸的替代函数，最终恢复出要测量的信号，相比于之前相关算法明显的提高的信号的恢复精度。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

本实用新型公开了一种用于相位采集与同步精准调制的装置。激光器发出激光经相位型分束镜发生透射和折射，透射光作为物光，依次经半波片、散射介质后，再经第一反射镜反射到分束镜一侧；反射光作为参考光，经第二反射镜反射后，再经位相型电光调制器调制后入射到分束镜另一侧，两束光在分束镜中反射和投射，参考光和物光相重叠分别入射CCD相机和空间光调制器被接收。本实用新型能在测量空间光调制器面板光场相位分布的同时，实现高精度、高分辨率的相位调制，在医学成像、信息安全等诸多领域有着巨大的应用潜力。

西北工业大学高性能CPU计算集群项目招标项目的潜在投标人应在详见附件正文获取招标文件，并于2022年06月17日09点00分（北京时间）前递交投标文件。

在橡胶基体内加入反应型多维微纳碳材料，实现高性能橡胶复合材料的可控制备;可控调控生物质硅炭与多维微纳碳材料的复合结构，获得具有高力学性能和耐老化功能的新型橡胶加工技术;首次在橡胶基体内构筑具有电子共辄离域效应的交联复合结构,获得具有超耐老化能力的新型橡胶复合技术。该成果涉及的上述创新点，体现出具有国际领先的加工技术，青岛科技大学拥有独占的关键加工技术,橡胶在高温高压差非常规环境中表现出耐老化超长效工作的能力。

与医用不锈钢、普通钛合金相比，形状记忆合金医疗器械具有如下优点：（1）具有形状记忆效应和超弹性，可实现智能安装；（2）低弹性模量，降低骨内固定器应力屏蔽效应；（3）常恢复应力，稳定脊柱和牙齿矫形力；（4）大弹性回复，提高血管与非血管支架压缩比；（5）失稳刚度高，提高支架冲击载荷下的稳定性。本课题组前期从1991年开始研制镍钛形状记忆合金下尿路扩展支架、医用腔道内支架等医疗器械，并已部分投入了临床使用。近期，在国家自然科学基金、江苏省自然科学基金等资助下开发了针对复杂或多孔结构记忆合金的表面改性新技术，通过改变表面结构，获得了表面贫Ni甚至无Ni、且具有良好组织相容性的记忆合金骨科植入材料以及良好血液相容性的记忆合金心血管植入材料；通过改进自蔓延高温合成技术，获得了具有高生物力学相容性的多孔记忆合金受载硬组织替代材料。在此基础上研制的高性能新型医疗器械在骨科内固定、消化道狭窄与心血管介入治疗等医学领域有广泛应用前景。目前已经申请并获得6项发明专利与4项实用新型。