技术领域
[0001] 本
发明属于医疗器械技术领域，尤其涉及一种微创保胆手术粘膜结石取出系统。
背景技术
[0002] 肝内胆管结石是肝胆科常见的病症之一，
治疗肝内胆管结石的最有效方法是通过手术将结石取出，手术中最常用的取石工具是取石钳，取石过程中，用取石钳将结石夹住，然后取出。在手术过程中，由于需要将胆管撑开，可能会对胆管造成伤害，尤其当结石较大时，这种伤害可能更为严重；而取出结石后，需要用血清洗液冲洗，后用脑外科贴膜收集结石，但这种方法血液
凝固后形成血
块与结石混在一起，无法完全清除，给结石的收集带来很大的不便。微创保胆手术是一种新型的取出结石的一种方法，因、但是现有的、结石取出装置存在着携带不便，结构较为繁琐，结石清洗不干净，无法清除大块结石的问题。
发明内容
[0003] 本发明为解决微创保胆手术粘膜结石取出系统中存在的技术问题而提供一种结构简单、操作简便，使用灵活，效果明显的粘膜结石取出装置。
[0004] 本发明为解决骨科牵引装置中存在的技术问题所采取的技术方案是：一种微创保胆手术粘膜结石取出系统，所述多功能骨科牵引装置包括显示装置，动
力装置，
负压装置，提取装置和冲洗装置，所述动力装置电性连接显示装置和提取装置；所述负压装置设置在动力装置的上面；所述冲洗装置设置在动力装置的下面；
[0005] 所述显示装置具体包括
车轮，
基座，
液压泵，调节杆，伸缩杆，转向球和显示屏，所述车轮设置在基座的下方；所述
液压泵设置在基座的上面；所述调节杆连接伸缩杆；所述转向球设置在伸缩杆的上面；所述显示屏设置在转向球的上面；所述显示屏设置有无线网络模块，所述无线网络模块设置有多因素决策模块和无线资源优化分配模块；
[0006] 所述动力装置具体包括旋转
电机，旋
转轴，刻度尺，套筒和
套管，所述设置在基座上；所述
旋转轴连接旋转电机和提取装置；所述刻度尺设置在转动轴上；所述套筒设置在转动轴的外部；所述套筒与套管套接在一起；
[0007] 所述负压装置具体包括负压
外壳，
真空表，进气口，压力表，调节按钮，抽离机，出气口和负压管，所述真空表设置在负压外壳的上面；所述进气口设置在负压外壳的右上方；所述压力表设置在负压外壳的上表面；所述调节按钮设置在负压外壳的外壁上；所述抽离机设置在负压外壳的内部；所述出气口设置在负压外壳的左下方；所述负压管设置在在负压外壳的下端；
[0008] 所述提取装置具体包括
吸盘，刮擦网，摄像头，收集袋和检测器，所述吸盘连接在负压管上；所述刮擦网设置在转动轴的上面；所述收集袋设置在转动轴的下面；所述摄像头设置在转动轴的前端；所述检测器设置在吸盘的两端；
[0009] 所述冲洗装置具体包括进
水口，淋浴头，运输管，切割片，冲洗器箱，出水口和取石处，所述进水口设置在冲洗箱的上面；所述淋浴头连接出水口；所述运输管连接负压管；所述切割片设置在冲洗箱的内壁；所述出水口设置在冲洗箱的下面；所述取石处设置在冲洗箱的左下方；
[0010] 所述摄像头具体采用
纤维胆道镜；所述显示屏具体采用2MP医疗诊断型灰阶
液晶显示屏；所述吸盘具体采用自吸式吸盘；所述转向球具体采用万向球头。
[0011] 进一步，所述多因素决策模块的实现方法包括：
[0012] 首先通过
数据库对可用
频谱进行预分配得出次级用户的预分配概率，次级用户根据预分配概率与自己本身的情况综合决策是否参与
感知；所述频谱预分配具体包括：
[0013] 步骤一，查询发送阶段：次级用户发送查询信息给基站，基站将查询信息发送到数据库；
[0014] 步骤二，信息提取阶段：数据库在次级用户发送的查询信息中提取区域信息，经过一系列的计算，数据库给出该区域中的频谱可用信息总表，通过基站将可用频谱信息总表发给次级用户；
[0015] 步骤三，结果提交阶段：次级用户在收到可用频谱信息列表后，选择一个频段，通过基站发送给数据库；
[0016] 步骤四，频谱预分配阶段：数据库根据每个次级用户在步骤三所发送的信道选择信息计算出每个次级用户能够得到所
申请频段的概率，即频谱预分配概率，并将此概率通过基站发送给每个次级用户；所述预分配的概率具体计算为：一个频段申请使用的次级用户数为m，则算出若该频段可用，申请该频段的每个次级用户的预分配概率即为1/m；
[0017] 其次综合决策后，决定参与感知的次级用户进行协作感知，并根据实时感知结果进行频谱分配；所述综合决策和实时感知、分配阶段具体包括：
[0018] 步骤一，综合决策阶段：次级用户收到自己的预分配概率后，结合自己的剩余电量情况，通过既定的规则综合决策出自己能够参与实时感知的概率，根据此概率决定自己是否参与实时感知；
[0019] 步骤二，数据库监督阶段：数据库中也存储着每个次级用户的剩余
能量与预分配概率，算出每个次级用户参与感知的概率，根据网络规定得出参与感知的次级用户，此时数据库负责监督需要参与感知的次级用户参与实时感知；
[0020] 步骤三，实时感知阶段：在预分配之后，需要参与感知的次级用户在数据库的监督下进行实时协作感知；
[0021] 步骤四，频谱分配阶段：根据实时感知的结果，进行频谱分配，所述网络整体满意度计算阶段：频谱分配完后考察整个网络次级用户的整体满意度，网络的整体满意度的计算如下：有s个次级用户参与感知，其中只有t个次级用户得到了想要的频段，此时满意度定义为：ω满＝t/s；
[0022] 最后考察整个网络中次级用户的满意度。
[0023] 进一步，所述无线资源优化分配模块的实现方法基于用户的
位置信息以及当前时间段内统计到的视频
请求信息，对用户进行聚类处理；根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位
角和垂直仰角；基站天线波束实现对用户群的精确对准；采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的
电子下倾角和垂直半功率带宽的波束，确定基站到用户的信道增益模型；
[0024] 具体包括：
[0025] 以小区中的总的吞吐量作为系统的效益U：
[0026]
[0027] 其中D和F分别表示多播组和载波集合， 表示用户群k中用户在载波n上获得的总数据传输速率，由：
[0028]
[0029] 计算，其中B0为载波的带宽，pk为分配给用户群k的波束的传输功率，σ2为高斯白噪声的功率，αn，k为载波使用指示因子，满足条件：
[0030] αn，k＝{0，1}，Dk∈D，n∈F (1)
[0031]
[0032] 条件(1)表示载波n分配给用户群k，则αn，k＝1，否则αn，k＝0，条件(2)说明载波被全部使用，且一个载波被多个用户群复用；
[0033] 提出用户群分簇
算法，根据用户群的位置信息，对用户群进行分簇处理；
[0034] 基于最大化吞吐量的载波分配算法。
[0035] 进一步，所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：
[0036] li＝(xi，yi)；
[0037] 其中xi，yi分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求
频率向量：
[0038] ni＝(ni，1，ni，2，…，ni，c)；
[0039] 其中ni，c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；
[0040] 基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：
[0041]
[0042] 其中β是一个0-1之间的权重系数；
[0043] 使用K-Means聚类方法，对小区内所有的用户D进行聚类，ui＝{li，ni}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D1，…，DC}，数学模型上是对下式求最小值：
[0044]
[0045] 其中γk为用户群的中心；
[0046] 所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：
[0047] 步骤一，从D中随机取C个用户，作为C个用户群的中心；
[0048] 步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；
[0049] 步骤三，根据聚类结果，更新C个用户群的中心γk＝{lk，nk}，用如下公式：
[0050]
[0051]
[0052] 其中mi是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化；
[0053] 所述根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角具体包括：
[0054] 采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的电子下倾角和垂直半功率带宽的波束，基站坐标为原点O(0，0，HBS)，用户群k的质心为γk，位置坐标为(xk，yk，zk)，垂直仰角和水平方位角为 ；
[0055] 基于聚类后的用户群位置信息，用户群质心的水平方向角和垂直仰角通过下面的公式求出：
[0056]
[0057]
[0058] 显然，垂直仰角和水平方位角的取值范围为θ1∈(0，π)，
[0059] 所述基站天线波束实现对用户群的精确对准具体包括：
[0060] 步骤一，将调整波束的电子下倾角、电子水平角和半功率带宽，使波束的
辐射方向对准用户群的中心位置，使半功率带宽范围
覆盖用户群中的所有用户，基站到用户的下倾角和水平角将调整为：
[0061]
[0062] 其中，和θk为基站基于用户聚类结果，利用用户群的中心位置计算出来的用户群中心的水平方位角和垂直仰角；
[0063] 步骤二，确定波束宽度，用户群的覆盖区域为一个圆点在用户群中心的圆形，则该圆形区域的半径为该用户群中离中心位置最远的用户与中心的距离，即：
[0064]
[0065] 其中(xk，yk)为用户群k的中心γk的坐标，则第k个波束的垂直半功率带宽为：
[0066]
[0067] 所述采用有源天线阵列的天线模型，并确定基站到用户的信道增益模型具体包括：
[0068] 步骤一，根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置的实际水平方位角和垂直仰角，计算出用户i相对于基站的水平方位角 和垂直仰角θ′i，若用户i属于多播组k，则用户i的实际水平方位角和垂直仰角等于：
[0069]
[0070] 步骤二，有源天线阵列的天线模型：
[0071] 3D天线增益模型采用3GPP标准中提出的有源天线阵列辐射模型，天线增益模型表示如下：
[0072]
[0073] 其中， 为下倾角为0时的有源天线单阵元的天线增益模型，和θ为用户实际位置上的方位角和垂直仰角，ρ为阵列天线的相关系数，wm，n和vm，n分别为权值因子和用户偏移
相位，分别表示如下：
[0074]
[0075] m＝1，2，...NH；n＝1，2，...NV；
[0076]
[0077] m＝1，2，...NH；n＝1，2，...NV；
[0078] 其中，θetilt表示天线波束的下倾角， 表示天线的水平转向角，针对不同的用户群，天线的θetilt和 的配置不同；
[0079] 步骤三，基站到用户的信道增益模型，采用多播信道增益模型，在一个多播组中的用户以相同的速率接受数据，基站的传输速率超过了该群中的某个用户的最大承受速率，则这个用户将不能正常解码该数据，基站以用户群中最小的速率传输数据，因此用户群k中基站到用户的等效信道增益等于该用户群中用户的最差信道增益，即：
[0080]
[0081] 其中 表示用户i(i∈Dk)在载波n上的信道增益，由3部分组成：快衰落、基站到用户的路径损耗和用户的3D天线增益，如下表达式：
[0082]
[0083] 其中，F和PL分别表示快衰落和路径损耗， 表示第k个波束到用户i的3D天线增益；
[0084] 所述提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理具体包括：
[0085] 基于图论的知识对用户群进行分簇，定义波束间的干扰图G＝(V，E)，其中V表示波束的集合，作为干扰图的
顶点，E表示波束间的干扰系数，作为干扰图的边，定义指示函数e(vk，vm)(k≠m)指示波束k和波束m间的干扰：
[0086]
[0087] 其中Ok和Om分别表示用户群k和用户群m的半径，rth表示两个波束间干扰忽悠不计的
门限距离，另外，定义e(vk，vk)＝0，表示波束自身不存在干扰，根据指示函数，构建一个二值干扰矩阵：
[0088]
[0089] 定义波束的干扰度：
[0090]
[0091] 当dG(vk)＝0时，称vk为零度
节点；
[0092] 分簇的具体步骤如下：
[0093] 步骤一，用顶点集合V构建干扰矩阵AG，初始化
迭代因子h＝1，孤立节点集合分簇集合 节点集合
[0094] 步骤二，找到所有的零度节点vk，更新S＝S∪vk；剩余节点集合记为Φ1＝V-S；
[0095] 步骤三，分簇：a) 找节点k＝argmax(dG(vk))，令干扰矩阵的第k行、第k列为0，更新节点集合Bh＝Bh∩vk；b)循环执行a)直到AG＝0；c)更新Φh＝Φh-Bh，则Φh为第h个簇；
[0096] 步骤四，用节点集合Bh重新构建AG≠0，更新节点集合Φh+1＝Bh，更新迭代因子h＝h+1，执行步骤(3)；如果AG＝0或者|Bh|＝1，如果|Bh|＝1，则Φh+1＝Bh；
[0097] 步骤五，将孤立节点集合S分配到最少节点的一簇中；
[0098] 经过用户群的分簇处理后，用户群D＝{D1，…，Dk，…，DC}经过分簇算法被划分为Φ＝{Φ1，…，Φh，…}，Φh表示第h个用户群簇，每个簇中的总的用户传输速率为：
[0099]
[0100] 系统总的吞吐量为所有用户群簇的传输速率之和：
[0101]
[0102] 其中 为用户群簇Φh使用载波n的指示因子，相应的， 满足的条件为：
[0103]
[0104]
[0105] 条件(2)表示一个载波只能分配给一个用户群簇，同一簇中的用户群共享一个载波资源，不同簇中的用户群不可以复用；
[0106] 所述基于最大化吞吐量的载波分配算法具体步骤如下：
[0107] 步骤一，根据公式：
[0108]
[0109] 计算每个簇中的用户在载波n上的总传输速率；
[0110] 步骤二，为了最大化系统的吞吐量，找到获得最大速率的载波和用户群簇，首先分配该载波给该用户群簇，根据公式：
[0111]
[0112] 将载波n分配给用户群簇Φh获得最大的传输速率，载波n分配给簇Φh的频谱利用率最高，所以将载波n分配给用户群簇Φh；
[0113] 步骤三，将载波n从载波集合F中移除，同时，将用户群簇Φh从集合Φ中移除；
[0114] 步骤四，重复执行步骤二和步骤三，直到载波集合或者用户群簇集合成为空集。
[0115] 本发明具有的优点和积极效果是：由于本发明通过吸盘的设置和刮擦网的设置可以将结石有效的取出；通过摄像头和显示屏的设置可以对手术过程进行有效的检测；通过冲洗装置的设置可以对结石和血块进行有效的分离。本发明对已有的关于协作感知的花销的研究进行了扩充，考虑了已有研究没有考虑的关于次级用户能量消耗方面对次级用户参与感知的影响；通过借鉴数据库(Database)驱动来对可用频谱进行预分配，预分配之后再进行实时感知，既保证了感知结果的精确度，也考虑了次级用户的意愿，最后对整个网络的满意度进行考察，更保证了整个网络的
稳定性及其他性能；综合考虑多方因素，如次级用户的预分配概率、次级用户的电量剩余等，给出了一种决策方法，次级用户根据该决策方法决定自己是否参与频谱感知；将感知和分配综合起来考虑，既考虑了一般的频谱感知对频谱分配的影响，也给出了频谱分
配对频谱感知的反作用，这在
现有技术中是不存在的，在本技术领域是属于空白的；在用户自身条件的限制下，通过对资源获取概率的估计来决策是否参与频谱感知，从而降低次级用户无用的消耗。本发明采用基于用户偏好的多播技术，提高了频谱资源利用率。本发明中，考虑用户可能请求相同视频内容的情形，根据用户的位置信息和视频请求偏好信息进行用户聚类，处于相近位置的请求偏好也相近的用户可以划分为一个多播组，在一个多播组中采用多播技术分发相同的内容，多播组内所有用户共享一个载波资源，从而提高了系统的频率资源利用率；实现有源天线阵列波束对用户群的精确对准，提高了功率、频率资源利用率。通过有源阵列天线波束赋形技术，为每个多播组分配一个服务的有源天线波束。每个波束指向所服务的多播组，方向性很强，波束带宽较全向天线变窄，使得能量比较集中，
信号强度增大，提高了功率的利用率。另外，由于波束主瓣较窄，副瓣迅速衰减，不同方向的波束间相互干扰很小，可以实现不同波束间的用户群的频率复用，提高了频率资源利用率；通过对用户群分簇，实现用户群间的频率复用，提高了频谱效率。在本发明中，根据用户群波束间的干扰对用户群进行分簇，将干扰较小的用户群分为一簇。同一簇中的用户群，由于相互间干扰较小，可以共享一个频率资源，从而实现用户群间的频率复用；提出了针对有源天线多播系统的载波分配算法，提高了用户性能和系统容量。采用有源天线的多播系统，有源阵列波束的方向性强，带宽较窄，能量较集中，使得用户的接受信号强度增大，同时提出了基于最大化吞吐量的载波分配算法，提高了用户的性能和系统容量。
附图说明
[0116] 图1是本发明
实施例提供的微创保胆手术粘膜结石取出系统结构示意图。
[0117] 图2是本发明实施例提供的显示装置的结构示意图。
[0118] 图3是本发明实施例提供的动力装置的结构示意图。
[0119] 图4是本发明实施例提供的负压装置的结构示意图。
[0120] 图5是本发明实施例提供的提取装置的结构示意图。
[0121] 图6是本发明实施例提供的冲洗装置的结构示意图。
[0122] 图中：1、显示装置；1-1、车轮；1-2、基座；1-3、液压泵；1-4、调节杆；1-5伸缩杆；1-6、转向球；1-7显示屏；2、动力装置；2-1、旋转电机；2-2、旋转轴；2-3、刻度尺；2-4、套筒；2-
5、套管；3、负压装置；3-1、负压外壳；3-2、真空表；3-3、进气口；3-4、压力表；3-5、调节按钮；
3-6、抽离机；3-7、出气口；3-8负压管；4、提取装置；4-1、吸盘；4-2、刮擦网；4-3、摄像头；4-
4、收集袋；4-5、检测器；5、冲洗装置；5-1、进水口；5-2、淋浴头；5-3、运输管；5-4、切割片；5-
5、冲洗器箱；5-6、出水口；5-7、取石处。
具体实施方式
[0123] 为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
[0124] 请参阅图1至图6：
[0125] 如图1至图6所示：本发明提供一种微创保胆手术粘膜结石取出系统包括包括显示装置1，动力装置2，负压装置3，提取装置4和冲洗装置5，所述的动力装置2电性连接显示装置1和提取装置4；所述的负压装置3设置在动力装置2的上面；所述的冲洗装置5设置在动力装置2的下面。
[0126] 本发明还可以采用如下技术措施：
[0127] 所述的显示装置1具体包括车轮1-1，基座1-2，液压泵1-3，调节杆1-4，伸缩杆1-5，转向球1-6和显示屏1-7，所述的车轮1-1设置在基座1-2的下方；所述的液压泵1-3设置在基座1-2的上面；所述的调节杆1-4连接伸缩杆1-5；所述的转向球1-6设置在伸缩杆1-5的上面；所述的显示屏1-7设置在转向球1-6的上面。
[0128] 所述的动力装置2具体包括旋转电机2-1，旋转轴2-2，刻度尺2-3，套筒2-4和套管2-5，所述的设置在基座1-2上；所述的旋转轴2-2连接旋转电机2-1和提取装置4；所述的刻度尺2-3设置在转动轴上；所述的套筒2-4设置在转动轴的外部；所述的套筒2-4与套管2-5套接在一起。
[0129] 所述的负压装置3具体包括负压外壳3-1，真空表3-2，进气口3-3，压力表3-4，调节按钮3-5，抽离机3-6，出气口3-7和负压管3-8，所述的真空表3-2设置在负压外壳3-1的上面；所述的进气口3-3设置在负压外壳3-1的右上方；所述的压力表3-4设置在负压外壳3-1的上表面；所述的调节按钮3-5设置在负压外壳3-1的外壁上；所述的抽离机3-6设置在负压外壳3-1的内部；所述的出气口3-7设置在负压外壳3-1的左下方；所述的负压管3-8设置在在负压外壳3-1的下端。
[0130] 所述的提取装置4具体包括吸盘4-1，刮擦网4-2，摄像头4-3，收集袋4-4和检测器4-5，所述的吸盘4-1连接在负压管3-8上；所述的刮擦网4-2设置在转动轴的上面；所述的收集袋4-4设置在转动轴的下面；所述的摄像头4-3设置在转动轴的前端；所述的检测器4-5设置在吸盘4-1的两端。
[0131] 所述的冲洗装置5具体包括进水口5-1，淋浴头5-2，运输管5-3，切割片5-4，冲洗器箱5-5，出水口5-6和取石处5-7，所述的进水口5-1设置在冲洗箱的上面；所述的淋浴头5-2连接出水口5-6；所述的运输管5-3连接负压管3-8；所述的切割片5-4设置在冲洗箱的内壁；所述的出水口5-6设置在冲洗箱的下面；所述的取石处5-7设置在冲洗箱的左下方。
[0132] 所述的摄像头4-3具体采用纤维胆道镜，具有放大倍数高，影像稳定，清晰度高病发症小取石成功率高的特点。
[0133] 所述的显示屏1-7具体采用2MP医疗诊断型灰阶液晶显示屏1-7，具有高
分辨率，图像稳定，没有辐射的特点。所述显示屏1-7设置有无线网络模块，所述无线网络模块设置有多因素决策模块和无线资源优化分配模块；
[0134] 所述的吸盘4-1具体采用自吸式吸盘，有利于保障负压环境。
[0135] 所述的转向球1-6具体采用万向球头，有利于使显示屏可随任意方向转动，进一步有利于观察。
[0136] 所述多因素决策模块的实现方法包括：
[0137] 首先通过数据库对可用频谱进行预分配得出次级用户的预分配概率，次级用户根据预分配概率与自己本身的情况综合决策是否参与感知；所述频谱预分配具体包括：
[0138] 步骤一，查询发送阶段：次级用户发送查询信息给基站，基站将查询信息发送到数据库；
[0139] 步骤二，信息提取阶段：数据库在次级用户发送的查询信息中提取区域信息，经过一系列的计算，数据库给出该区域中的频谱可用信息总表，通过基站将可用频谱信息总表发给次级用户；
[0140] 步骤三，结果提交阶段：次级用户在收到可用频谱信息列表后，选择一个频段，通过基站发送给数据库；
[0141] 步骤四，频谱预分配阶段：数据库根据每个次级用户在步骤三所发送的信道选择信息计算出每个次级用户能够得到所申请频段的概率，即频谱预分配概率，并将此概率通过基站发送给每个次级用户；所述预分配的概率具体计算为：一个频段申请使用的次级用户数为m，则算出若该频段可用，申请该频段的每个次级用户的预分配概率即为1/m；
[0142] 其次综合决策后，决定参与感知的次级用户进行协作感知，并根据实时感知结果进行频谱分配；所述综合决策和实时感知、分配阶段具体包括：
[0143] 步骤一，综合决策阶段：次级用户收到自己的预分配概率后，结合自己的剩余电量情况，通过既定的规则综合决策出自己能够参与实时感知的概率，根据此概率决定自己是否参与实时感知；
[0144] 步骤二，数据库监督阶段：数据库中也存储着每个次级用户的剩余能量与预分配概率，算出每个次级用户参与感知的概率，根据网络规定得出参与感知的次级用户，此时数据库负责监督需要参与感知的次级用户参与实时感知；
[0145] 步骤三，实时感知阶段：在预分配之后，需要参与感知的次级用户在数据库的监督下进行实时协作感知；
[0146] 步骤四，频谱分配阶段：根据实时感知的结果，进行频谱分配，所述网络整体满意度计算阶段：频谱分配完后考察整个网络次级用户的整体满意度，网络的整体满意度的计算如下：有s个次级用户参与感知，其中只有t个次级用户得到了想要的频段，此时满意度定义为：ω满＝t/s；
[0147] 最后考察整个网络中次级用户的满意度。
[0148] 进一步，所述无线资源优化分配模块的实现方法基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理；根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角；基站天线波束实现对用户群的精确对准；采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的电子下倾角和垂直半功率带宽的波束，确定基站到用户的信道增益模型；
[0149] 具体包括：
[0150] 以小区中的总的吞吐量作为系统的效益U：
[0151]
[0152] 其中D和F分别表示多播组和载波集合， 表示用户群k中用户在载波n上获得的总数据传输速率，由：
[0153]
[0154] 计算，其中B0为载波的带宽，pk为分配给用户群k的波束的传输功率，σ2为高斯白噪声的功率，αn，k为载波使用指示因子，满足条件：
[0155] αn，k＝{0，1}，Dk∈D，n∈F (1)
[0156]
[0157] 条件(1)表示载波n分配给用户群k，则αn，k＝1，否则αn，k＝0，条件(2)说明载波被全部使用，且一个载波被多个用户群复用；
[0158] 提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理；
[0159] 基于最大化吞吐量的载波分配算法。
[0160] 进一步，所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：
[0161] li＝(xi，yi)；
[0162] 其中xi，yi分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量：
[0163] ni＝(ni，1，ni，2，…，ni，c)；
[0164] 其中ni，c表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了用户的内容请求偏好；
[0165] 基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如下公式计算：
[0166]
[0167] 其中β是一个0-1之间的权重系数；
[0168] 使用K-Means聚类方法，对小区内所有的用户D进行聚类，ui＝{li，ni}表示用户i的聚类信息，聚类的目的是将原始用户分成C类D＝{D1，…，DC}，数学模型上是对下式求最小值：
[0169]
[0170] 其中γk为用户群的中心；
[0171] 所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类处理具体步骤如下：
[0172] 步骤一，从D中随机取C个用户，作为C个用户群的中心；
[0173] 步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将用户划分到相似度最高的用户群；
[0174] 步骤三，根据聚类结果，更新C个用户群的中心γk＝{lk，nk}，用如下公式：
[0175]
[0176]
[0177] 其中mi是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生变化；
[0178] 所述根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的水平方位角和垂直仰角具体包括：
[0179] 采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设置一个特定的电子下倾角和垂直半功率带宽的波束，基站坐标为原点O(0，0，HBS)，用户群k的质心为γk，位置坐标为(xk，yk，zk)，垂直仰角和水平方位角为 ；
[0180] 基于聚类后的用户群位置信息，用户群质心的水平方向角和垂直仰角通过下面的公式求出：
[0181]
[0182]
[0183] 显然，垂直仰角和水平方位角的取值范围为θ1∈(0，π)，
[0184] 所述基站天线波束实现对用户群的精确对准具体包括：
[0185] 步骤一，将调整波束的电子下倾角、电子水平角和半功率带宽，使波束的辐射方向对准用户群的中心位置，使半功率带宽范围覆盖用户群中的所有用户，基站到用户的下倾角和水平角将调整为：
[0186]
[0187] 其中，和θk为基站基于用户聚类结果，利用用户群的中心位置计算出来的用户群中心的水平方位角和垂直仰角；
[0188] 步骤二，确定波束宽度，用户群的覆盖区域为一个圆点在用户群中心的圆形，则该圆形区域的半径为该用户群中离中心位置最远的用户与中心的距离，即：
[0189]
[0190] 其中(xk，yk)为用户群k的中心γk的坐标，则第k个波束的垂直半功率带宽为：
[0191]
[0192] 所述采用有源天线阵列的天线模型，并确定基站到用户的信道增益模型具体包括：
[0193] 步骤一，根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置的实际水平方位角和垂直仰角，计算出用户i相对于基站的水平方位角 和垂直仰角θ′i，若用户i属于多播组k，则用户i的实际水平方位角和垂直仰角等于：
[0194]
[0195] 步骤二，有源天线阵列的天线模型：
[0196] 3D天线增益模型采用3GPP标准中提出的有源天线阵列辐射模型，天线增益模型表示如下：
[0197]
[0198] 其中， 为下倾角为0时的有源天线单阵元的天线增益模型，和θ为用户实际位置上的方位角和垂直仰角，ρ为阵列天线的相关系数，wm，n和vm，n分别为权值因子和用户偏移相位，分别表示如下：
[0199]
[0200] m＝1，2，...NH；n＝1，2，...NV；
[0201]
[0202] m＝1，2，...NH；n＝1，2，...NV；
[0203] 其中，θetilt表示天线波束的下倾角， 表示天线的水平转向角，针对不同的用户群，天线的θetilt和 的配置不同；
[0204] 步骤三，基站到用户的信道增益模型，采用多播信道增益模型，在一个多播组中的用户以相同的速率接受数据，基站的传输速率超过了该群中的某个用户的最大承受速率，则这个用户将不能正常解码该数据，基站以用户群中最小的速率传输数据，因此用户群k中基站到用户的等效信道增益等于该用户群中用户的最差信道增益，即：
[0205]
[0206] 其中 表示用户i(i∈Dk)在载波n上的信道增益，由3部分组成：快衰落、基站到用户的路径损耗和用户的3D天线增益，如下表达式：
[0207]
[0208] 其中，F和PL分别表示快衰落和路径损耗， 表示第k个波束到用户i的3D天线增益；
[0209] 所述提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理具体包括：
[0210] 基于图论的知识对用户群进行分簇，定义波束间的干扰图G＝(V，E)，其中V表示波束的集合，作为干扰图的顶点，E表示波束间的干扰系数，作为干扰图的边，定义指示函数e(vk，vm)(k≠m)指示波束k和波束m间的干扰：
[0211]
[0212] 其中Ok和Om分别表示用户群k和用户群m的半径，rth表示两个波束间干扰忽悠不计的门限距离，另外，定义e(vk，vk)＝0，表示波束自身不存在干扰，根据指示函数，构建一个二值干扰矩阵：
[0213]
[0214] 定义波束的干扰度：
[0215]
[0216] 当dG(vk)＝0时，称vk为零度节点；
[0217] 分簇的具体步骤如下：
[0218] 步骤一，用顶点集合V构建干扰矩阵AG，初始化迭代因子h＝1，孤立节点集合分簇集合 节点集合
[0219] 步骤二，找到所有的零度节点vk，更新S＝S∪vk；剩余节点集合记为Φ1＝V-S；
[0220] 步骤三，分簇：a) 找节点k＝argmax(dG(vk))，令干扰矩阵的第k行、第k列为0，更新节点集合Bh＝Bh∩vk；b)循环执行a)直到AG＝0；c)更新Φh＝Φh-Bh，则Φh为第h个簇；
[0221] 步骤四，用节点集合Bh重新构建AG≠0，更新节点集合Φh+1＝Bh，更新迭代因子h＝h+1，执行步骤(3)；如果AG＝0或者|Bh|＝1，如果|Bh|＝1，则Φh+1＝Bh；
[0222] 步骤五，将孤立节点集合S分配到最少节点的一簇中；
[0223] 经过用户群的分簇处理后，用户群D＝{D1，…，Dk，…，DC}经过分簇算法被划分为Φ＝{Φ1，…，Φh，…}，Φh表示第h个用户群簇，每个簇中的总的用户传输速率为：
[0224]
[0225] 系统总的吞吐量为所有用户群簇的传输速率之和：
[0226]
[0227] 其中 为用户群簇Φh使用载波n的指示因子，相应的， 满足的条件为：
[0228]
[0229]
[0230] 条件(2)表示一个载波只能分配给一个用户群簇，同一簇中的用户群共享一个载波资源，不同簇中的用户群不可以复用；
[0231] 所述基于最大化吞吐量的载波分配算法具体步骤如下：
[0232] 步骤一，根据公式：
[0233]
[0234] 计算每个簇中的用户在载波n上的总传输速率；
[0235] 步骤二，为了最大化系统的吞吐量，找到获得最大速率的载波和用户群簇，首先分配该载波给该用户群簇，根据公式：
[0236]
[0237] 将载波n分配给用户群簇Φh获得最大的传输速率，载波n分配给簇Φh的频谱利用率最高，所以将载波n分配给用户群簇Φh；
[0238] 步骤三，将载波n从载波集合F中移除，同时，将用户群簇Φh从集合Φ中移除；
[0239] 步骤四，重复执行步骤二和步骤三，直到载波集合或者用户群簇集合成为空集。
[0240] 工作原理
[0241] 本发明是这样来实现的，本发明通过在旋转电机2-1的带动下，设置在旋转轴2-2前端的刮擦网4-2和收集袋4-4，开始工作，在负压装置3的作用下。吸盘4-1将结石吸入冲洗装置5里面，对结石进行清洗，所有额工作都在显示屏1-7上可以检测到。
[0242] 以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单
修改，等同变化与修饰，均属于本发明技术方案的范围内。
