Armfield S6-MKIII 实验室流道是液压或土木工程师最重要的工具之一，无论是从事基本原理的教学还是研究实际问题的解决方案。流体力学中的许多应用都与水流通过开放通道有关，在开放通道中，水具有暴露于大气压力下的空气的自由表面。 水槽的长度从 5 米到 17.5 米不等，以 2.5 米为增量递增。Armfield 水槽安装在世界各地的教育和研究机构中。 提供全面的附件和测量仪器，包括排放控制、波浪生成和用于沉积物输送研究的闭环。   Armfield 的系列标准模块式倾斜水槽，50年来不断开发新产品，目前已有350多部成功安装案例。工作段为300 mm宽，450 mm深，最短工作长度为5m ，每2.5m为一个模块。 标准配置为一体化不锈钢床道和电子流量计。 可选配件包括沉积物再循环设备和电动起重机。配套有大量仪器和适用于开放水道的各种形状的模型，用来扩展其演示能力。 可选的电脑教学软件可以对每一次演示的结果进行自动分析。软件控制的随机造波机配件（S6-45）可提供全范围的演示和研究能力。     用于流体力学实验室实验、项目工作和研究活动的独立式玻璃倾斜水槽 水槽工作通道由 2.5m 长的模块化部分组装而成。有多种标准长度可供选择，从 5m 开始 水槽横截面宽 300 毫米，深 450 毫米 制造的高精度不锈钢床身提供出色的强度和刚度，无需单独的底架。 为了安装和维护设备，除顶升站外无需进行任何调整，实现典型床身变形小于 1 毫米 每个水槽都包含一个排放罐，该排放罐配有可调节的溢流堰和导流管，以避免飞溅和噪音 标配电磁流量计 提供全面的可选配件和仪器，以补充基本水槽的功能 闭环再循环是沉积物迁移研究的一种选择   工程 倾斜水槽最重要的方面是保持工作部分的完整性。为了实现这一点，需要极其坚固的设计，以确保无论负载或倾斜如何，几乎都不会发生偏转。   实验与研究 Armfield S6-MKIII 水槽是在 30 年的连续生产中开发出来的，示例已安装在世界各地的教育和研究机构中。 可提供不同长度的水槽以适应应用，短款适用于基本调查，长款适用于研究具有非均匀通道流动的逐渐变化的流动剖面。   所有 Armfield 教学和研究水槽都可以选择配备我们市场领先的软件的两种变体，提供数据采集和可选的软件控制添加。   数据记录和仪表系统 S6-MKIII-DTA-ALITE 是一个基于软件的应用程序，其支持硬件提供以下功能：   电子测斜仪测量床的坡度 用于测量的电子压力计：包括水流结构的压力读数 与皮托管一起使用的差压传感器 用于仪器的电压输入通道 用于测量水温的热敏电阻传感器 包含 USB 接口和软件，允许记录上述参数的数据。该软件包括复杂的采样、校准和绘图功能，包括以 Microsoft Excel 格式保存或导出数据的能力 S6-MKIII-DTA-ASuite 软件控制和数据采集包包括 S6-MKIII-DTA-ALITE 数据记录和仪器软件，此外在控制台内集成了一个逆变器，用于流道泵的电子速度控制。   控制功能： 循环泵的变频器速度控制，通过前面板控制或从 PC 控制。使用 PC 控制时，可以在 PID 回路中设置泵速以保持恒定流速 控制动力顶升系统设置特定的床身坡度

该成果是扬州大学江苏省家禽疫病防控工程技术研究中心自主研发的 H7N9 亚型流感抗原检测试剂及试剂盒产品。 产品以两株针对 H7N9 流感病毒不同抗原表位的单克隆抗体建立双抗体夹心免疫层析快速检测试纸条。该试纸条特异性、广谱性强，与传统的血凝和血凝抑制试验相比，灵敏度更高、耗时更短； 与国外进口的同类产品有相同的检出率，且敏感性更高，更利于临床样品的快速检测，适合推广应用。

XM-633头颈部层次解剖模型附脑N、A   XM-633头颈部层次解剖模型附脑N、A模型显示头部、颈部深、浅层血管和神经，在显示头部、颈部的肌肉基础上显示血管、神经的分布和走向，头部、颈部作正中矢状切面显示各种器官结构，左侧半脑拆下可示脑神经外形及脑神经进出脑及脑颅底部位，脑可拆下示眼外肌。 尺寸：自然大，38.5×24×50cm 材质：PVC材料

产品详细介绍 压电陶瓷，是一种能够将机械能和电能互相转换的功能陶瓷材料。压电陶瓷到底是一种什么样的材料呢？压电陶瓷属于无机非金属材料。这是一种具有压电效应的材料。所谓压电效应是指某些介质在力的作用下产生形变，引起介质表面带电，这是正压电效应。反之，施加激励电场，介质将产生机械形变，称逆压电效应。这种奇妙的效应已经被科学家应用在与人民生活密切相关的许多领域，以实现能量转换、传感、驱动、频率控制等功能 特性：纳米级分辨率      无摩擦，无间隙      刚度强，使用寿命长      可选择位置传感功能进行闭环控制      真空兼容，可在高温或低温下操作      机械接头形式：螺纹、圆球、平头      可根据客户要求定制应用：通信，光纤调节      显微镜微调，机械工程      微系统技术，你米定位技术      半导体设备，精密仪器      阀门（真空管）      度量衡/干涉度量学      生命科学/生物技术   

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

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。

神经递质作为神经元与神经元及神经元与细胞之间沟通的媒介分子，介导了发育、信息感知，运动及大脑的高级认知功能。随着生化分离纯化技术的发展以及人们对大脑精细结构的进一步了解，现如今已发现有几十种重要的神经递质。而神经系统在时间和空间上的高度复杂性对研究特定神经递质的动态变化及其功能提出了极大的挑战。本项目成功构建了一系列新型的基因编码的神经递质荧光探针，可实现对特定神经递质动态变化的灵敏检测。该类荧光探针利用大多数已知的神经递质所对应的特异性G蛋白偶联受体（GPCR）与循环重排的荧光蛋白（cpGFP）融合，利用循环重排荧光蛋白的荧光强度变化来指示GPCR的激活，进而反应外源神经递质的浓度变化（图一）。我们命名该类荧光探针为GRAB探针，即为GPCR Activation Based Sensor的缩写。

非线性失真是5G通信系统和其他新兴多载波通信系统的主要失真来源，而数字预失真代表着线性化方法发展趋势。目前，数字预失真方法均采用了对非线性器件输出信号的包络特性进行直接线性化的简单思路。由于有源非线性器件（如射频功放）存在最大输出功率的限制，故此种原理的线性化算法在高能信号区会造成输出有效增益的明显下降，也就是难以同时满足低功率损失和高线性化效果的要求。这不但造成了低下的电源利用效率，并且造成我国对进口大功率射频器件的依赖。 针对5G通信非线性失真研究的理论空白，申请人率先完成了非线性失真信号微观分析法，首次揭示了亿万个随机交调项间的定量关系，推导出了系统参数和非线性频谱间简洁的多项式表达关系，并将仿真速度提高1100倍。针对目前射频电路预失真方法的原理性缺陷，申请人建立的多级精细化数字信号预失真方法实现了在低功率损耗的条件下取得高度线性化效果，此方法可提高功放的功率利用率，降低我国对大功率射频功放的进口依赖。

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

2017年7月11日，北京邮电大学温向明教授研究团队受邀赴日内瓦参加ITU-T SG13全会，代表北京邮电大学、OAI软件联盟及开源5G中法联合实验室，全程展示了全球首个5G网络服务化切片管理编排原型系统，并提交了SBA 5G网络切片标准化提案。该系统是5G网络操作系统的核心部分，可实现灵活的网络切片管理、业务动态编排及弹性伸缩，可有效应对5G网络中场景多样化、业务动态化和网络异构化的挑战。5G切片管理编排原型系统得到了与会设备商、运营商及研究机构的广泛关注。温向明教授研究团队将加强与国内外重要运营商展开深层次的合作，提升在国际标准化组织的影响力，共同推动5G网络切片管理编排的标准化进程，占领5G网络切片管理编排及网络操作系统的制高点，加速推动5G网络切片管理编排系统在运营商网络的商用。