产品详细介绍二、信号发生器系列： 产品名称 型号规格 主要性能及特点 单价 电视彩色信号发生器 PD5388A VHF/UHF  PAL-D制式，十六种测试信号。 960 电视彩色信号发生器 PD5388A-1 VHF/UHF  PAL-D制式电调谐，十六种测试信号 980 电视彩色信号发生器 PD5382 VHF/UHF  PAL-D制式，各种测试信号可任意叠加。 1500 电视彩色信号发生器 PD5388B 48～860MHz  PAL-D制式电调谐，十六种测试信号。 2100 产品名称 规格型号 主要性能及特点 单价 电视彩色信号发生器 PD5389 48～860MHz  PAL-D制式电调谐，十六种测试信号可前后翻转，带伴音开关。 2500 电视彩色信号发生器 PD5389A 48～860MHz  PAL-D制式电调谐，各种测试信号可任意叠加，带伴音开关。 3000      

产品详细介绍         产品图片                        产品特点        1.      使用方法：低频信号发生器与多功能学生电源类似，该设备控制面板上设有波形输出选择按钮、频率调节旋扭、输出电压调节旋扭、频率显示表头。可输出正弦波，三角波和方波三种波形信号。       输入电源要求:AC 220V ±10%  50Hz。额定电流：0.6A             产品范围        朗威®DISLab产品支持的学科以物理、环境科学和小学科学为主，兼顾化学、生物；并且涵盖基础教育的全学段，即从小学科学到初、高中理科实验教学。         产品用户          凭借强有力的教学科研支撑、稳定的产品质量和优良的售后服务，朗威®DISLab产品先后中标沪、京、浙、苏、皖、鲁、闽、粤、桂、陕等省大型政府项目，多年间装备了全国2000多所中学及200多所高等师范院校。           产品服务            朗威®DISLab产品每年在北京、上海、广州、新疆等全国30个省、市自治区开展数字化实验室教学培训，为各校提供了系统的产品应用培训、有力的促进了数字化实验在教学中的应用及推广。     山东远大深切了解一线用户的需求，本着强烈的社会责任和奉献精神，十年来的服务足迹遍及大江南北、天山脚下、白山黑水和西南边陲，从而获得了广大用户的好评。         产品意义        

产品详细介绍         产品图片                        产品特点        1.      使用方法：低频信号发生器与多功能学生电源类似，该设备控制面板上设有波形输出选择按钮、频率调节旋扭、输出电压调节旋扭、频率显示表头。可输出正弦波，三角波和方波三种波形信号。       输入电源要求:AC 220V ±10%  50Hz。额定电流：0.6A             产品范围        朗威®DISLab产品支持的学科以物理、环境科学和小学科学为主，兼顾化学、生物；并且涵盖基础教育的全学段，即从小学科学到初、高中理科实验教学。         产品用户          凭借强有力的教学科研支撑、稳定的产品质量和优良的售后服务，朗威®DISLab产品先后中标沪、京、浙、苏、皖、鲁、闽、粤、桂、陕等省大型政府项目，多年间装备了全国2000多所中学及200多所高等师范院校。           产品服务            朗威®DISLab产品每年在北京、上海、广州、新疆等全国30个省、市自治区开展数字化实验室教学培训，为各校提供了系统的产品应用培训、有力的促进了数字化实验在教学中的应用及推广。     山东远大深切了解一线用户的需求，本着强烈的社会责任和奉献精神，十年来的服务足迹遍及大江南北、天山脚下、白山黑水和西南边陲，从而获得了广大用户的好评。         产品意义         在中学物理教学领域的应用逐步从课件和虚拟走向了数据采集和实时实验，这是由物理教学的本质特征所决定的。具有代表性的首先是上海市编写的《上海市二期课改高中物理教材》，其次是人民教育出版社、上海科技教育出版社以及广东教育出版社新课程教材。在这些教材中，均明确提出了以朗威®DISLab传感器、数据采集器为基础的数字化物理实验的概念，并明确给出了教学实施方案。学校选用朗威®DISLab，既体现了信息技术与物理教学整合的课改理念，又能够使实验教学装备与新课标教材要求保持高度一致。         生产能力         山东远大总部及生产基地位于济南市，公司占地2000平方米，有员工近130人，其中专业技术人员30多人。公司拥有整套完善的生产管理、产品质量控制程序。公司在同行业中率先通过了ISO9001：2008质量管理体系认证和ISO14001：2004环境管理体系论证及GB/T28001-2001职业健康安全管理体系认证。         公司简介        山东省远大网络多媒体股份有限公司，成立于1997年，是依托山东大学组建的高新技术企业，产品注册商标为“朗威”牌llongwill®。 山东远大立足知名学府，身处高科技前沿。自1999年起,致力于数字化实验系统的研发,并于2000年推出第一代产品,在国内率先提出了实验教学采用“传感器+数据采集器+计算机”模式。2001年度，山东远大研发、生产的“微机辅助中学物理实验系统”产品顺利通过国家教育部部级新产品新技术鉴定,并荣获国家科技部科技型中小企业技术。山东远大在注重技术进步的同时，格外注重向整个教育领域传播全新的教学理念。以技术为依托、以产品为载体、以理念为先导，是山东远大一贯坚持的发展思路。作为中国数字化实验教学领域的开创者和领先者，山东远大的业绩在十年间有了长足进步公司影响力在同行业中名列前茅,朗威®系列产品已经初步具备了与国际一流品牌抗衡、冲击国际教育市场的实力，山东远大也正向教育行业的中型高科技企业稳步迈进。   山东远大，必将为中国教育做出更大贡献！

产品详细介绍         产品图片                        产品特点        1.      使用方法：低频信号发生器与多功能学生电源类似，该设备控制面板上设有波形输出选择按钮、频率调节旋扭、输出电压调节旋扭、频率显示表头。可输出正弦波，三角波和方波三种波形信号。       输入电源要求:AC 220V ±10%  50Hz。额定电流：0.6A             产品范围        朗威®DISLab产品支持的学科以物理、环境科学和小学科学为主，兼顾化学、生物；并且涵盖基础教育的全学段，即从小学科学到初、高中理科实验教学。         产品用户          凭借强有力的教学科研支撑、稳定的产品质量和优良的售后服务，朗威®DISLab产品先后中标沪、京、浙、苏、皖、鲁、闽、粤、桂、陕等省大型政府项目，多年间装备了全国2000多所中学及200多所高等师范院校。           产品服务            朗威®DISLab产品每年在北京、上海、广州、新疆等全国30个省、市自治区开展数字化实验室教学培训，为各校提供了系统的产品应用培训、有力的促进了数字化实验在教学中的应用及推广。     山东远大深切了解一线用户的需求，本着强烈的社会责任和奉献精神，十年来的服务足迹遍及大江南北、天山脚下、白山黑水和西南边陲，从而获得了广大用户的好评。         产品意义         在中学物理教学领域的应用逐步从课件和虚拟走向了数据采集和实时实验，这是由物理教学的本质特征所决定的。具有代表性的首先是上海市编写的《上海市二期课改高中物理教材》，其次是人民教育出版社、上海科技教育出版社以及广东教育出版社新课程教材。在这些教材中，均明确提出了以朗威®DISLab传感器、数据采集器为基础的数字化物理实验的概念，并明确给出了教学实施方案。学校选用朗威®DISLab，既体现了信息技术与物理教学整合的课改理念，又能够使实验教学装备与新课标教材要求保持高度一致。         生产能力         山东远大总部及生产基地位于济南市，公司占地2000平方米，有员工近130人，其中专业技术人员30多人。公司拥有整套完善的生产管理、产品质量控制程序。公司在同行业中率先通过了ISO9001：2008质量管理体系认证和ISO14001：2004环境管理体系论证及GB/T28001-2001职业健康安全管理体系认证。         公司简介        山东省远大网络多媒体股份有限公司，成立于1997年，是依托山东大学组建的高新技术企业，产品注册商标为“朗威”牌llongwill®。 山东远大立足知名学府，身处高科技前沿。自1999年起,致力于数字化实验系统的研发,并于2000年推出第一代产品,在国内率先提出了实验教学采用“传感器+数据采集器+计算机”模式。2001年度，山东远大研发、生产的“微机辅助中学物理实验系统”产品顺利通过国家教育部部级新产品新技术鉴定,并荣获国家科技部科技型中小企业技术。山东远大在注重技术进步的同时，格外注重向整个教育领域传播全新的教学理念。以技术为依托、以产品为载体、以理念为先导，是山东远大一贯坚持的发展思路。作为中国数字化实验教学领域的开创者和领先者，山东远大的业绩在十年间有了长足进步公司影响力在同行业中名列前茅,朗威®系列产品已经初步具备了与国际一流品牌抗衡、冲击国际教育市场的实力，山东远大也正向教育行业的中型高科技企业稳步迈进。   山东远大，必将为中国教育做出更大贡献！

产品详细介绍

产品详细介绍1.概述扬州晶明科技有限公司(http://www.yzjmtest.com/comp/3-JM5930.htm)生产的JM5930动态信号测试分析系统采用USB2.0接口，集信号调理、数据采集、信号分析与输出于一体的高性能、多功能系统。配接相应的传感器，可测量力、压力、加速度、速度、位移、应变、温度等各种工程量，构成振动冲击信号测试分析系统、动态应变测试分析系统，可直接替代进口设备，广泛应用于航空、航天、军工、高校、研究所、计量院、工矿企业等单位，作为检测计量系统。    扬州晶明科技有限公司扬州晶明测试技术有限公司地址: 江苏扬州市维扬路25号公司主页 http://www.yzjmtest.com公司邮箱 sale@yzjmtest.com电话     0514-87850416,87867922,82960507传真     0514-82960507联系人   唐先生手机     15952768463QQ       1225605447MSN      Dynamictestor@hotmail.com 个人邮箱 tcb@yzjmtest.com 或 yztcb@sohu.com  2.系统特点2.1 高精度2.2 系统采用模块化设计，具有较高的可靠性及可维护性2.3 采用多种创新性设计，具有较高的性能2.4 系统具有较强的兼容性和工程适应性2.5 全电子化、程控化设计2.6 系统具有较强的可扩充性3.系统组成3.1 采集器主机3.2 调理单元3.3 系统软件4.主要性能指标4.1 通道数：16/84.2 AD位数：24 bits4.3 采样方式：并行同步采样4.4 采样速率：最高96KHz/CH，多档可设置4.5 精度：优于0.3%4.6 数据接口：USB2.04.7 采样触发方式：手动触发、定时触发、内触发（信号触发）、外触发4.8 采样长度：取决于设置或硬盘容量4.9 自动识别所配调理单元，并完成相关调理控制功能4.10 采用过采样技术，大大降低了对前置滤波器的要求，提升了系统的可靠性及精度4.11 在45%采样率以下平坦度优于0.02dB，55%以上衰减率大于120dB4.12 配套功能完善的采集控制软件 5、 JM3822应变调理模块性能参数本公司的应变模块可以配接绝大多数的信号输入,如上图所示5.1 通道数：25.2 信号输入类型：DC_STRAIN、AC_STRAIN、IEPE、DCV、ACV可选5.3 增益：应变（DC_STRAIN、AC_STRAIN）（V/V）： 100、300、1000、3000、10000、30000可设置IEPE、DCV、ACV增益（V/V）：1、3、10、30、100、300可设置5.4 应变测量范围： 0～±50000με5.5 应变适用桥路电阻： 50～10000Ω5.6 应变供桥电压：2V、3V、5V、10V可设置精度：0.2%电流：30mA max电平：输出对地对称5.7 自动平衡范围：应变：约8000μεIEPE、DCV、ACV：约±1Vp5.8 自动平衡时间：<1秒5.9 应变测量共模抑制比:≥80dB(DC～50HZ)5.10 精度应变：±0.5%±2μεIEPE、DCV、ACV：<±0.3%±2mV5.11 线性度：0.05%FS5.12 应变测量噪声：<1μεRMS RTI（输入短路、最大增益时）5.13 应变测量稳定度：温漂：零点：±2μVVTI/ /℃ 灵敏度：±0.02%FS/℃ 时漂：零点：±0.1%FS/ 2h（输入短路）灵敏度：±0.1%FS/ 2h 5.14 最大带宽（保证最大带宽点衰减率不大于-4dB）：DC_STRAIN、DCV：DC～100kHzAC_STRAIN、IEPE、ACV：0.3Hz～100kHz5.15 滤波器截止频率（-3±1dB，100kHz点-1dB ～ -4dB）： 30、100、300、1k、3k、10k、30k、100k Hz衰减率：约-12dB/oct5.16 输出：±5Vp/5mA5.17 过载指示：±4.7V±0.2V6、 JM5862电荷调理模块性能参数6.1 通道数：26.2 信号输入类型：Q、IEPE、DCV、ACV可选6.3 增益电荷（mV/pC）：0.1、0.3、1、3、10、30、100、300、1000、3000可设置IEPE、DCV、ACV增益（V/V）：1、3、10、30、100、300可设置6.4 IEPE工作电压：24V工作电流：约4mA6.5 积分、一次积分、二次积分可设置 6.6 精度：不积分：0.5%积分：3%6.7 最大带宽（保证最大带宽点衰减率不大于-4dB）：DCV：DC～100kHzQ、IEPE、ACV：0.3Hz～100kHz6.8 滤波器截止频率（-3±1dB，100kHz点-1dB ～ -4dB）： 30、100、300、1k、3k、10k、30k、100k Hz衰减率：约-12dB/oct6.9 电荷输入噪声（输入端旋接金属保护帽）：<3μV(最大增益折合至输入)6.10 输出电压：±5Vp/5mA6.11 过载指示：±4.7V±0.2V7、 JM5902转速模块性能参数7.1 配接电涡流传感器7.2 通道数:27.4 频率范围：DC～5KHz（±0.5dB）7.5 初始位置调零7.6 精度误差：＜1%7.7 输出：±5Vp8、数据采集分析软件8.1、信号调理、数据采集与信号分析功能一体化，方便使用。8.2、结构化的项目管理功能，直观明了。8.3、数据预处理：数据编辑和截取、选抽、去零点、数据平滑、趋势消除、微分积分、数字滤波等。8.4、时域分析：单踪时域分析（包括时域的特征统计）、利萨如图分析、自相关分析和互相关分析。8.5、频域分析：付里叶分析、功率谱分析、功率谱密度分析、频响函数分析、互谱分析、相干分析、脉冲响应函8数、冲击响应谱、倒频谱分析、最大熵分析等。8.6、提供了与office软件的接口功能：将数据文件转换成文本文件（.txt文件），Excel表格文件（.xls文件），及与功能强大的分析处理软件Matlab的数据格式转换功能。8.7、叶片疲劳分析软件。9、模态分析软件9.1、模态试验测量的数据可以直接用来进行模态分析，也可以将其它类型的数据（转为标准的UFF格式）导入项目进行模态分析。9.2、包括试验模态分析（EMA)和运行状态模态分析(OMA)。9.3、模态测试与分析软件特点：（1）方便的建模功能：有常见的线、面、圆、长方体、圆柱、球形模型等自动创建功能，并可由它们组合成需要的模型，并支持模型的编辑与修改。（2）多批次测量的数据可以对单批或其中几批数据进行分析以确认试验的有效性。（3）支持各种频谱分析功能，如频响的幅频、相频，实频、虚频，奈奎斯特图、脉冲响应函数，信号的自谱、互谱分析等功能。（4）模态识别：不仅能用于输入输出可测情况的传统试验模态分析(EMA)，而且还具有环境激励、仅有响应测量的运行模态分析(OMA)功能。（5）时域ODS和频域ODS：时域ODS用于观察机械结构在各时间点上的振动状态；频域ODS用于观测机械结构在各频率点上的运行状态振型，还可用于区分同一频率点在不同模态空间上的强迫振动振型。（6）模态参数列表和振型动画显示。（7）可方便地生成报告：识别所得模态参数输出方便，各种曲线存储为BMP或JPG文件，振型动画也可直接输出成AVI文件，方便生成多媒体试验报告。扬州晶明科技有限公司扬州晶明测试技术有限公司地址: 江苏扬州市维扬路25号公司主页 http://www.yzjmtest.com公司邮箱 sale@yzjmtest.com电话     0514-878504160514-8785041687867922,82960507传真     0514-82960507 0514-82960507联系人   唐先生手机     15952768463QQ       1225605447MSN      Dynamictestor@hotmail.com个人邮箱 tcb@yzjmtest.com 或 yztcb@sohu.com 

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

本发明一方面充分利用特征基的特性改进了贝叶斯压缩感知算法，提高了恢复性能，更重要的是避开了贝叶斯算法中复杂的矩阵求逆过程，特别的，当信号的长度比较长，矩阵的阶数很大时，能够有效地减少信号恢复运算复杂度。

已有样品/n该项目提供了一种导航信号扩频码优选技术，在待优选码族码长与目标码长不相等的情况下，通过计算截短码的平衡性和最大奇偶自相关旁瓣来确定截断点，并根据最大奇偶自相关旁瓣、干扰参数、最大频谱幅度、最大奇偶互相关进一步优选。与现有技术相比，码长的选取更自由，奇相关的考虑也更符合实际应用情况，实际工作环境中多址性能可提升2dB 以上。该项目可用于卫星导航系统信号设计，也可应用于其它码分多址系统的扩频码优化，在不改变系

项目简介 本成果提供基于全固态微结构或微空气孔组成的传输光纤，具有单偏振传输、低传 输损耗、低连接损耗、大模场传输等特点。在传输光纤及器件方面申报了系列专利，申 请发明专利 15 项，其中已授权发明专利 8 项（ZL201010149977.1、ZL201110284989.X、 ZL201010589019.6 、 ZL201110284988.5 、 ZL201210391185.4 、 ZL201010589053.3 、 ZL201110356877.0、ZL20101059