“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品 “生物安全，人人有责” 推出背景： 在国际竞争白热化，战争形态多样化的今天，生物安全已成为国家安全的重要组成部分，为积极应对这一挑战，2019年10月，生物安全法草案于首次提请十三届全国人大常委会第十四次会议审议。本次新冠肺炎疫情的爆发，让各界更加意识到，生物安全对于确保国家安全、保障社会稳定、人民群众生命安全和身体健康的重要性。 国家安全就是国家竞争，归根结底又是科技实力的竞争！因此，作为中国的高新技术企业，中关村NMT联盟的会员单位，旭月（北京）科技有限公司利用20多年的技术积累，以NMT：非损伤微测技术为底层核心技术，迅速推出了与国家生物安全相关多种检验，监测仪器设备，以及适用于多个学科及领域的研发平台： 《NMT生物安全创新平台》特制系列产品！   应对挑战： 1） 安全性：NMT是用于研究活体材料的生理环境，其所检测的Na+、H+、K+、Cl-等与细胞能量代谢、细胞凋亡、细胞形态维持等生理过程直接相关。 2） 有效性：NMT可实现活体组织层面研究，结果更贴近体内的真实药效结果。 分类及用途： 1）《NMT药物分析仪》（型号：NMT-DAR-100） 基于底层核心NMT技术，以及成熟的技术解决方案，让科研人员可以马上投入相关科研创新工作。   2）《NMT药物分析仪》（型号：NMT-DAR-200） 基于底层核心NMT技术，结合自身科研兴趣，以及其它相关技术参数，在我方技术人员协助下形成技术解决方案，让科研人员建立更具独有创新特色的实验平台。   《NMT药物分析仪》（型号：NMT-DAR-100） 应对挑战： 1） 安全性：NMT是用于研究活体材料的生理环境，其所检测的Na+、H+、K+、Cl-等与细胞能量代谢、细胞凋亡、细胞形态维持等生理过程直接相关。 2） 有效性：NMT可实现活体组织层面研究，结果更贴近体内的真实药效结果。 用途： 基于底层核心NMT技术，以及成熟的技术解决方案，让科研人员可以马上投入相关科研创新工作。   参数： 1.基本功能： 1.1针对药物分析设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、K+、Na+、NH4+、Ca2+、Mg2+、Cl-、O2、H2O2 2.性能： 2.1自动化操作 2.2长时间实时和动态监测 2.3无需标记 2.4立体3D流速检测 3.软件： 3.1imFluxes智能软件，可直接检测、输出离子分子的浓度与流速 《NMT药物分析仪》（型号：NMT-DAR-200） 应对挑战： 1） 安全性：NMT是用于研究活体材料的生理环境，其所检测的Na+、H+、K+、Cl-等与细胞能量代谢、细胞凋亡、细胞形态维持等生理过程直接相关。 2） 有效性：NMT可实现活体组织层面研究，结果更贴近体内的真实药效结果。 用途： 基于底层核心NMT技术，结合自身科研兴趣，以及其它相关技术参数，在我方技术人员协助下形成技术解决方案，让科研人员建立更具独有创新特色的实验平台。   参数： 1.基本功能： 1.1针对药物分析和相关研发设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、K+、Na+、NH4+、Ca2+、Mg2+、Cl-、O2、H2O2 1.4可实时监测和记录检测时的环境参数：温度、湿度、大气压、海拔、经纬度 1.5配备新指标拓展功能 2.性能： 2.1自动化操作 2.2长时间实时和动态监测 2.3无需标记 2.4立体3D流速检测 3.软件： 3.1imFluxes智能软件，可直接检测、输出离子分子的浓度与流速，以及检测时的环境参数

产品详细介绍通用信号数据处理与分析ErgoLAB生理测试云平台，除针对EMG、EDA、HRV、RESP信号的专业处理与分析软件之外，还提供了General基础通用信号分析软件，如生物力学信号、环境信号、皮温SKT、眼电等，该分析模块默认为一般化的处理方式，可满足基本的信号处理与分析统计。其他信号如生物力学信号、环境信号、其他生理信号、眼电信号等可在 General 一般性分析模块中进行处理与分析。该模块可以结合人机环境同步平台和生理记录系统采集到的所有生物信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于查看数据，在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出分析报告单。技术要求：  1、信号处理模块包括基础滤波，包括高通滤波（High Pass）、低通滤波（Low Pass）和带阻滤波（Band Stop）；滑动滤波（Smooth），包括滑动均值滤波Moving Average、高斯滤波Guass和Hann窗；Scale变换，包括线性变换（Liner Transform）、指数变换（Power Transform）和绝对变换（Absolute Transform）3种，以及数据降采样（Resample）。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析包括时域分析和频域分析，且可时域分析、频域分析自由切换。A.时域分析是将生物信号看作时间的函数，通过分析得到生物信号随时间变化的统计特征。其统计分析指标包括：包括最大值（Max）、最小值（Min）、均值（Mean）、标准差（STD）、最大最小值差（Range）、方差（Variance）。B.频域分析是运用参数模型法和直接傅里叶变化（FFT）将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析，从功率谱密度中确定生物信号的频带。具体包括中值频率（Median Frequency）与均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、PSD数据以及整体结果报告。

产品详细介绍肌电信号分析肌电信号(Electromyogram)简称EMG，反映神经肌肉兴奋性，评估神经与肌肉的功能状态。可用于肌肉工作的工效学分析、安全操作姿态分析、康复状态功能评价、疲劳识别以及肌电假肢控制等动作模式研究等。ErgoLAB肌电分析软件自动对原始数据进行滤波降噪处理，根据MVC进行数据归一化与统计分析。时域分析包括原始数据、处理数据、归一化数据的Mean、Max、Min、SD、Variance、RMS、Mean Absolute Value、iEMG等指标；频域分析的中值频率、均值频率、可视化频谱图，系统支持自动识别周期性动态用力分析。EMG高级数据处理分析模块可以结合人机环境同步平台和生理记录系统采集到与EMG指标相关的生理信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出可视化分析报告。技术要求1、信号处理模块信号滤波方法包括小波降噪（Wavelet Filter）、高通滤波(High Pass)、低通滤波(Low Pass)、带阻滤波（Band Stop）用以滤除噪音干扰，从而得到有用的EMG信号。肌电整流(Rectification)，包括三种方法EMG包络线（Envelope）、滑动均值滤波（Moving Average）、滑动均方根滤波（Moving RMS），可自定义分析窗口长度。EMG信号归一化处理：自定义MVC（Maximum Voluntary Contraction），计算Normalization EMG数据。Cycle Analysis周期性分析。系统对周期性用力的肌电数据进行自动化的识别与统计分析。自定义激活阈值（Activation threshold(%)）、用力的最小持续时间（Minimum duration(ms)）、动态用力的最小时间间隔（Minimum interval(ms)）参数，进行自动处理。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析模块包括时域分析和频域分析以及周期用力分析，二者可实现自由切换。A.   时域分析将肌电信号看作时间的函数，通过分析得到肌电信号的某些统计特征。统计分析指标包括：处理数据、整流数据、归一化数据的均值（Mean）、中值（Median）、标准差（STD）、最大值/最小值（Max/Min）、方差（Variance）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电（iEMG）。B.   频域分析运用参数模型法和直接快速傅里叶变化将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析。从功率谱密度中确定肌电信号的频带，不同频带可自定义，将在功率谱分析图中以不同的颜色区分。具体包括中值频率、均值频率及频谱图。C. 周期用力分析，自动识别周期性用力片段，具体的指标包括：周期的开始时间（Start Time）、周期的结束时间（End Time）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电值（iEMG）、中值频率（Median Frequency）、均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、归一化数据（Normalized）、PSD数据以及整体结果报告。

产品详细介绍EEG高级数据处理分析模块可以通过可穿戴脑电测量系统采集到与EEG分析相关的脑电信号进行离线处理和分析，结合ErgoLAB人机环境测试云平台可以分析多模态数据同步分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出原始数据、处理后数据和分析后数据；并可导出可视化分析报告。1、信号处理模块EEG信号处理包括High Pass高通滤波（High Pass）；低通滤波（Low Pass）；以及带阻滤波（Band Stop）。支持自定义设置参数。2、信号分析模块（1）脑地形图分析（Scalp Map）：包括EEG信号不同频段下的平均能量值（Average Power ）与总能量值（Total Power ）的实时可视化结果显示。包含的数据指标如下：Delta(1-4Hz)   δ波，实时显示1-3Hz频段的脑电波Theta(4-8Hz)   θ波，实时显示4-7Hz频段的脑电波Alpha(9-14Hz) α波，实时显示9-13Hz频段的脑电波Beta(14-30Hz) β波，实时显示14-29Hz频段的脑电波Gamma(30-49Hz) γ波，实时显示30-48Hz频段的脑电波Custom    自定义频段，用户可根据研究需要输入特定的整数波段（2）EEG通道分析1)Channel Analysis：通道分析，可针对脑电采集的单通道或全通道的数据进行数据分析。2)Time-Frequency Spectrum：时-频图，展示所选通道在整个实验过程中每个时刻的脑电频率变化，可以通过调整参数区间阈值，改变不同频率对应的颜色。3)Power Spectrum：能量谱图，该图展示了不同频率脑波的能量值。4)数据统计：具体指标包括α、β、γ、θ、δ频段的 Total Power、Power Percent、Average Power、Power Peak、α/β、θ/β、(α+θ)/β、(α+θ)/(α+β)以及θ/(α+β)、SMR频段的Power值。5)可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、PSD数据以及整体结果报告。

热重分析法（TG、TGA）是在升温、恒温或降温过程中，观察样品的质量随温度或时间的变化，目的是研究材料的热稳定性和组份。广泛应用于塑料、橡胶、涂料、药品、催化剂、无机材料、金属材料与复合材料等各领域的研究开发、工艺优化与质量监控。

同步热分析将热重分析 TG 与差热分析 DTA 或差示扫描量热 DSC 结合为一体，在同一次测量中利用同一样品可同步得到热重与差热信息。

本发明公开了一种可伸缩式竖直运动箱体导向机构，包括用于容纳箱体做竖直运动的管道，以及设置于箱体上用于对箱体在所述管道内做竖直运动进行导向的导向装置。该导向装置为可伸缩式结构，包括设置于所述箱体侧壁面的导轨、设置在所述导轨上并可沿着导轨滑动的至少一个楔形滑块、抵靠在所述楔形滑块上与楔形滑块配合形成楔形调整机构的导向球，以及设置于所述导向球外侧用以约束导向球仅沿着垂直于箱体侧壁面的方向移动的导向球约束装置。通过驱动楔形滑块沿导轨滑动，使导向球朝向远离或者靠近箱体侧壁面的方向运动，以在竖直运动时抵靠在管道内壁实现导向，或在箱体进出竖直轨道时收缩远离管道内壁，从而能够避免与管道内壁的齿条形成干涉。

细菌通过多个趋化受体来感受周围不同的化学小分子，主动游动，实现获得更好的生长环境或者实现趋利避害。但不是强的正趋小分子都是很好的可利用营养物质—好闻的不一定有营养，同样，也不是容易代谢的营养就是强的趋化因子—有营养的不一定好闻。细菌在自然界中往往面临多种不同强弱的趋化小分子，多种不同可代谢程度的营养来源的复杂浓度梯度环境中，细菌群落是如何通过趋化行为抉择它们的去向，实现最优化它们的环境适应性与生长速度？细菌在个体与群体的选择上是否有不同？这一基于细菌的生物行为的研究也许对了解复杂的高等生物的群体行为也有所帮助。 北京大学物理学院欧阳颀院士领导的“生物物理”团队的罗春雄研究组在基于微流体细菌趋化分析芯片的实验研究中发现：在反向不同引诱物浓度梯度下，细菌首先趋向聚集于强引诱物而少营养的一端， 但当细胞密度超过一个阈值时，细菌群落部分“逃逸”强引诱物浓度场，游向趋化因子相对弱但可代谢物质富集的一端。这一现象被刻画为细菌群体运动的“逃逸相变行为”。罗春雄研究组通过与美国IBM沃森研究中心的涂豫海教授（北大定量生物学中心资深访问学者）合作，对此现象涉及的趋化受体间的协作行为进行了系统细致的理论分析和实验论证，发现营养物质通过数量较少的Tap趋化受体进行了响应行为，而且在较大的一个趋化响应参数空间均会出现由细菌密度超过临界密度而产生的逃逸条带（“Escape Band”）行为，该行为可以使得细菌群落在复杂的趋化物浓度场中获得更好的生长优势。相关的定量实验与理论研究以“The escape band in Escherichia coli chemotaxis in opposing attractant and nutrient gradients”为题于2019年1月23日在线发表于Proceedings of the National Academy of Sciences of the United States of America（PNAS）杂志上。细菌群体趋化运动的“逃逸相变行为” 文章第一作者为北京大学定量生物学中心博士研究生张玄麒,通讯作者为北京大学物理学院/定量生物学中心罗春雄教授及美国IBM沃森研究中心/定量生物学中心的涂豫海教授，参与人包括欧阳颀院士，前沿交叉学科研究院博士研究生司光伟，董一名，物理学院博士研究生陈凯悦。工作得到国家自然科学基金委、物理学院介观物理重点实验室、 北京大学定量生物学中心、北大-清华生命科学联合中心的支持。 工作原文连接: https://www.pnas.org/content/early/2019/01/22/1808200116

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。

为解决数控技术的核心部分过分依赖国外的问题,由原航天工业部资助,历时三年的时间成功地开发了 HIT6503型精度伺服运动控制器，并于1997年荣获航天工业部科技进步三等奖。 由于采用数字信号处理器MC1401片组及可编程逻辑器件，该控制器具有较高的集成度，并可提供极其精细的控制输出；变加速控制使系统的起停更平稳；内置的速度前馈控制可显著地改善系统的动态性能。该控制器采用增量式编码器（或光栅尺），具有可选择的控制输出（DAC输出或PWM输出），可用于交、直流伺服电机或液压、气动伺服控制。