本发明公开了一种云平台上高性能并行应用的调度方法及系统； 其方法为：设置虚拟机类型；采集网络数据包信息和自旋锁信息，并 发送给宿主机；宿主机根据 Hypercall 调用号获取信息处理函数，获取 自旋锁计数和网络数据包计数，并根据自旋锁计数单节点虚拟机同步 需求，根据网络数据包计数判断跨节点虚拟机同步请求；根据虚拟机 类型、网络数据包计数、自旋锁计数以及同步请求信号，确定 vCPU 队列中下一次被调入运行的 vCPU

成果简介在钢铁企业规模快速发展的同时， 大量备件的消耗给资源、 能源造成巨大浪费， 而市场竞争的日趋激烈又给降低生产成本带来巨大压力。 经验证明， 应用表面技术在实现备件长寿化方面显现出卓越的功效。 超音速喷涂产品涂层具有硬度高、 涂层孔隙率小、 涂层结合强度高、 涂层无分层现象以及涂层表面粗糙度低等优点， 代表着当前表面技术应用方面国际先进水平。 该项目的投建， 将可对冷轧生产线镀锌池内的沉没辊和稳定辊， 连退炉中的高中低温段炉辊， 张力辊、 纠偏辊、 转向辊等各种工艺辊以及板坯连铸

该研究开发了一种低成本高性能的n型PbS基热电材料，其成本只有传统商用PbTe基材料的20%，而热电性能则相当，本研究还基于所开发的热电材料制备了热电发电器件，实现了废热到电能11.2%的能量转换效率。该项成果能够极大地推动低成本热电材料的开发，加速热电发电技术的商用化进程。

受体-受体型高分子半导体相对于给体-受体型高分子在实现n型器件性能上具有更优异的电子结构，但由于受体-受体型高分子半导体通常难以合成，因此高性能的n型高分子半导体通常具有交替的给体-受体主链结构。而给体单元的引入使得给体-受体型高分子同时呈现p型性能，因此这类聚合物难以实现单一n型性能而具有双极性性能。郭旭岗课题组通过对高对缺电子的双噻吩酰亚胺单体进行锡化，得到了单体BTI-Tin, 该单体具有很高的纯度、很小的空间位阻、很高的聚合活性。

本发明涉及一种高性能低碳含Mo贝氏体钢及其制备方法。其技术方案是：向Fe-C-Mn-Si低碳钢的冶炼成分中添加Mo，经真空冶炼后铸成钢坯，将钢坯轧制成板材。将轧制后的板材以5～10℃/s的升温速度加热至880～900℃，保温10～20min；水冷至410～420℃，接着空冷至340～350℃，保温30～40min；水冷至室温，制得高性能低碳含Mo贝氏体钢。所述的高性能低碳含Mo贝氏体钢的化学成分及其含量是：C为0.15～0.22wt%；Si为1.48～1.55wt%；Mn为1.95～2.04wt%；Mo为0.14～0.15wt%；P<0.008wt%；S<0.002wt%；N<0.004wt%；其余为Fe及不可避免的杂质。本发明具有成本低廉、周期短和工艺简单的特点；所制备的高性能低碳含Mo贝氏体钢综合性能优良。 （注：本项目发布于2014年）

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。

本实用新型公开了一种用于IGBT的驱动信号数字处理电路级联系统。通过将集成驱动电路(1)和数字信号处理及控制电路(2)的单个电路级联构成多路驱动与信号处理系统。本实用新型系统仅需一路输入的PWM调制信号即可完成一对IGBT的控制，同时可以使上层控制器用较少的光纤通道获得级联多个驱动板的相关信息反馈，从而简化了控制系统。该系统仅需调整程序下载至信号数字处理电路即可修改相关参数，方便了应用和系统设计工作。在IGBT过流短路以及电路板过电压或欠电压情况下可以将故障信号反馈至信号数字处理芯片，根据故障情况予以相应处理，同时能将故障情况通过光纤通道输出以便进一步处理。该实用新型结构简单、成本低，具有较好的通用性、灵活性以及可靠性。

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