CN105635136A - 一种检验清洗系统 - Google Patents

Abstract

本发明提供一种检验清洗系统，该检验清洗系统包括清洗装置、第一储藏罐、第二储存罐、注入孔、连接管、排水孔、第一按钮、第二按钮、第三按钮、第一清洗杆、第二清洗杆、第三清洗杆、底座、插槽、固定装置、弹簧、转盘、柱体、毛刷、喷嘴、清洗区、排水凹槽、烘干消毒室、烘干消毒装置、支架盒和插孔，所述清洗装置右侧边上设置有第一储藏罐和第二储存罐，第一储藏罐和第二储存罐顶端设有注入孔，第一储藏罐和第二储存罐底部均有连接管连接清洗装置，清洗装置前端设有第一按钮、第二按钮和第三按钮，清洗装置顶面上设有清洗区。本发明结构简单，使用方便，在清洗检验试管时操作简便、省时省力，减轻了医务人员的工作难度。

Description

一种检验清洗系统

技术领域

本发明属于医疗用具技术领域，尤其涉及一种检验清洗系统。

背景技术

目前，临床上所使用检验试管主要由一玻璃管体构成，使用完毕后需要清洗干净必备下次再利用，现有的技术是使用试管刷手工清洗，这样操作非常麻烦、费时费力，给医务人员增加了工作难度。

发明内容

为了解决上述技术问题，本发明提供一种检验清洗系统，以此解决医务人员清洗麻烦、费时费力的问题。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种检验清洗系统，该检验清洗系统包括清洗装置、第一储藏罐、第二储存罐、注入孔、连接管、排水孔、第一按钮、第二按钮、第三按钮、第一清洗杆、第二清洗杆、第三清洗杆、底座、插槽、固定装置、弹簧、转盘、柱体、毛刷、喷嘴、清洗区、排水凹槽、烘干消毒室、烘干消毒装置、支架盒和插孔，所述清洗装置右侧边上设置有第一储藏罐和第二储存罐，第一储藏罐和第二储存罐顶端设有注入孔，第一储藏罐和第二储存罐底部均有连接管连接清洗装置，清洗装置前端设有第一按钮、第二按钮和第三按钮，清洗装置顶面上设有清洗区，清洗区四周边缘设置有排水凹槽，清洗区内设有第一清洗杆、第二清洗杆和第三清洗杆，第一清洗杆、第二清洗杆和第三清洗杆均设有底座，底座上设有插槽，插槽内侧设有固定装置，固定装置内部设置有弹簧，底座正中间设有转盘，转盘上方设置有柱体，柱体周围设有毛刷，柱体顶部设有喷嘴，烘干消毒室顶部设有烘干消毒装置，烘干消毒室内部设置有支架盒，支架盒顶面设有若干插孔。

本发明还可以采用如下技术措施：

优选的，所述第一储藏罐放置清水，第二储存罐放置消毒水。

优选的，所述第一按钮控制第一清洗杆，第二按钮控制第二清洗杆，第三按钮控制第三清洗杆。

优选的，所述清洗装置内部设置有电机。

优选的，所述烘干消毒装置内部设有烘干风机以及紫外线灯。

优选的，所述清洗区设置在清洗装置顶部凹槽内。

优选的，所述支架盒为推拉式支架盒。

优选的，所述固定装置边角设置为弧形。

优选的，所述毛刷密布设置在柱体周围。

优选的，所述清洗装置内部设置排水管一端连接排水凹槽，另一端连接排水孔。

优选的，所述固定装置表面设置软垫层。

所述烘干消毒装置包括：生物传感器、紫外线发生装置、消毒控制模块、微处理器模块、自动清洁装置、供电模块、无线体域网安全接入模块；

生物传感器与微处理器模块连接，用于对生物物质敏感并将其浓度转换为电信号；采用固定化生物敏感材料作识别元件与理化换能器及信号放大装置组成，具有接受器与转换器的功能；固定化生物敏感材料作识别元件：包括酶、抗体、抗原、微生物、细胞、组织、核酸生物活性物质，理化换能器为氧电极、光敏管、场效应管或压电晶体；

紫外线发生装置与微处理器模块连接，在微处理器模块的控制下，用于产生紫外线实现紫外消毒；

消毒控制模块与微处理器模块连接，在微处理器模块的控制下，用于实现消毒模式的开启；

微处理器模块，接收生物传感器模块的电信号后经过处理器的运算处理再一次将电信号还原回原来的浓度数据，并与处理器的内部的程序中存储的浓度阈值比较；接收到的生物物质的浓度低于用户设置的阈值；

自动清洁装置与微处理器模块连接，用于根据用户的设定的时间间隔定时的清洁石英灯管；

供电模块与微处理器模块连接，用于为供电模块提供稳定的电源；

无线体域网安全接入模块与微处理器模块连接，用于实现信息的无线传输；

所述紫外线发生装置包括石英灯管；

条状阴极，由镍金属条部分表面沉积碳膜层所组成；

曲面阳极，由反射金属层形成于该石英灯管上，且该反射金属层上涂布萤光涂层所组成，该萤光涂层所发出的光波长范围为280至400纳米；以及金属栅，位于该阴极与该阳极之间；

该曲面阳极形成于该石英灯管的管体沿轴向覆盖于该石英灯管，该条状阴极位于该石英灯管的中心轴向或相对该曲面阳极上的任一处，因此当该冷电子紫外线灯施以操作电压时，该条状阴极发出电子撞击该萤光涂层后激发紫外光；

该条状阴极至少在其一端具有弯折处；该碳膜层厚度为1至10微米，而该曲面阳极与该条状阴极间的距离为0.5至1.5公分，而所述的操作电压为5至15千伏特，该金属栅与该条状阴极碳膜层之间距离为0.2至0.5公分，该金属栅与该曲面阳极萤光涂层之间距离为0.3至1.2公分；

该石英灯管内侧部分表面更包括光触媒薄膜，该光触媒可为二氧化钛。

本发明的另一目的在于提供一种所述的检验清洗系统的无线体域网安全接入方法，所述无线体域网安全接入方法包括：握手过程发送的所有信息封装在802.15.6帧中，由帧标识来区分握手过程中发送的信息，网络协调器和传感器节点共享密钥成对主密钥，网络协调器拥有可信任传感器节点的地址维护密钥列表{k₁，k₂...k_N}、指标门限列表{w₁，w₂...w_N}以及距离门限列表{d₁，d₂...d_N}；传感器节点拥有自己的密钥k_i加密握手过程的三个信息、指标门限值w_i、距离门限制d_i，密钥k_i是由成对主密钥及传感器节点的地址ID结合生成的，接下来网络协调器和传感器节点进行增强型4-WayHandshake，得到最新的成对临时密钥，用于以后的信息加密及认证；

该无线体域网安全接入的方法单播模式具体包括：主动发起方式和被动发起方式；单播模式是无线体域网中单个传感器节点接入网络协调器。

进一步，主动发起方式，是网络协调器发起握手具体实现步骤如下：

步骤一，网络协调器发送经过密钥k_A加密的信息Msg1给传感器节点A，Msg1中包括用于产生成对临时密钥的随机数Nonce_BNC，及传感器节点身份ID_A；

步骤二，BN_A生成的随机数收到Msg1之后，验证身份ID_A；若验证成功，则生成BN_A生成的随机数，并将经过密钥k_A加密的信息Msg2发送给网络协调器，否则丢弃该信息；

步骤三，网络协调器收到Msg2之后，验证BNC生成的随机数；若验证成功，则用PRF函数结合随机数生成并装入成对临时密钥，然后在AES-CBC-MAC模式下使用密钥k_A计算出{BN_A生成的随机数，ID_A}的消息完整性认证码KMAC，并将KMAC作为Msg3发送给传感器节点A，否则丢弃该信息；

步骤四，传感器节点A收到Msg3之后，在AES-CBC-MAC模式下使用自己的密钥k_A根据相应信息计算出KMAC′，将接收到的KMAC与计算出的KMAC′进行比对，若一致，则传感器节点A用PRF函数结合随机数生成并装入成对临时密钥，改进型的4-WayHandshake完成，否则丢弃该信息；

某传感器节点指标超过其门限值w_i时，被动发起方式，是相应传感器节点发起握手具体实现步骤如下：

步骤一，传感器节点A发送经过密钥k_A加密的信息Msg1给网络协调器，Msg1中包括用于产生成对临时密钥的随机数Nonce_BNC，及传感器节点身份ID_A；；

步骤二，网络协调器收到Msg1之后，验证身份ID_A；若验证成功，则生成随机数Nonce_BNC，并将经过密钥k_A加密的信息Msg2发送给传感器节点A，否则丢弃该信息；

步骤三，传感器节点A收到Msg2之后，验证传感器节点A生成的随机数Nonce_A；若验证成功，则用PRF函数结合随机数生成并装入成对临时密钥，然后在AES-CBC-MAC模式下使用密钥k_A计算出{BN_A生成的随机数，ID_A}的消息完整性认证码KMAC，并将KMAC作为Msg3发送给网络协调器，否则丢弃该信息；

步骤四，网络协调器收到Msg3之后，在AES-CBC-MAC模式下使用密钥k_A根据相应信息计算出KMAC′，将接收到的KMAC与计算出的KMAC′进行比对，若一致，则网络协调器用PRF函数结合随机数生成并装入成对临时密钥，改进型的4-WayHandshake完成，否则丢弃该信息。

本发明的另一目的在于提供一种所述的检验清洗系统的微处理器模块数字调制信号识别方法，该微处理器模块数字调制信号识别方法包括：

步骤一，对接收信号s(t)进行非线性变换；

步骤二，计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；

步骤三，计算接收信号s(t)的广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，并通过检测广义循环累积量幅度谱的谱峰个数识别出BPSK信号和MSK信号；

步骤四，计算接收信号s(t)的广义四阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出QPSK信号、8PSK信号、16QAM信号和64QAM信号。

进一步，在步骤一中，对接收信号s(t)进行非线性变换，按如下公式进行：

$f\[s\left(t\right)\]=\frac{s\left(t\right)*ln\left|s\left(t\right)\right|}{\left|s\left(t\right)\right|}=s\left(t\right)c\left(t\right)$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后可得到：

$f\[s\left(t\right)\]=s\left(t\right)\frac{ln\left|Aa\left(m\right)\right|}{\left|Aa\left(m\right)\right|}.$

进一步，在步骤二中，计算接受信号的广义循环累积量按如下公式进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}={\mathrm{GM}}_{s,10}^{\mathrm{\β}};$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}={\mathrm{GM}}_{s,21}^{\mathrm{\β}};$

与均为广义循环矩，定义为：

${\mathrm{GM}}_{s,nm}^{\mathrm{\&beta;}}=<f^{*}\&lsqb;s\left(t\right)\&rsqb;...f^{*}\&lsqb;s\left(t\right)\&rsqb;f\&lsqb;s\left(t\right)\&rsqb;...f\&lsqb;s\left(t\right)\&rsqb;\exp (-j2\mathrm{\&pi;}\mathrm{\&beta;}t){>}_t,$ 其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；

接收信号s(t)的特征参数M¹的理论值具体计算过程如下进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)\left|ln\right|a\left(k\right)\left|\right|$

${\mathrm{GC}}_{s,21}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)x^{*}\left(k\right){\left|ln\right|a\left(k\right)\left|\right|}^2$

经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：

$E_1=min{(M_{theory}^1-M_{actual}^1)}^2$

式中为特征参数M¹的实际值。

进一步，在步骤三中，计算接收信号s(t)的广义二阶循环累积量按如下公式进行：

${\mathrm{GC}}_{s,20}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,20}^{\mathrm{\&beta;}};$

接收信号s(t)的特征参数M²的理论值具体计算公式为：

${\mathrm{GC}}_{s,20}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)a\left(k\right){\left|\ln \left|a\left(k\right)\right|\right|}^2$

经过计算可知，BPSK信号和MSK信号的均为1，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以用最小均方误差分类器将BPSK、MSK信号与QPSK、8PSK、16QAM、64QAM信号分开；对于BPSK信号而言，在广义循环累积量幅度谱上仅在载频位置存在一个明显谱峰，而MSK信号在两个频率处各有一个明显谱峰，由此可通过特征参数M²和检测广义循环累积量幅度谱的谱峰个数将BPSK信号与MSK信号识别出来；

检测广义循环累积量幅度谱的谱峰个数的具体方法如下：

首先搜索广义循环累积量幅度谱的最大值Max及其位置对应的循环频率α₀，将其小邻域[α₀-δ₀，α₀+δ₀]内置零，其中δ₀为一个正数，若|α₀-f_c|/f_c＜σ₀，其中δ₀为一个接近0的正数，f_c为信号的载波频率，则判断此信号类型为BPSK信号，否则继续搜索次大值Max1及其位置对应的循环频率α₁；若|Max-Max1|/Max＜σ₀，并且|(α₀+α₁)/2-f_c|/f_c＜σ₀，则判断此信号类型为MSK信号。

进一步，在步骤四中，计算接收信号s(t)的广义二阶循环累积量按如下公式进行：

${\mathrm{GC}}_{s,40}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,40}^{\mathrm{\&beta;}}-3{\left({\mathrm{GM}}_{s,20}^{\mathrm{\&beta;}/2}\right)}^2;$

接收信号s(t)的特征参数M³的理论值具体计算过程如下：

${\mathrm{GC}}_{s,40}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}{\&lsqb;a\left(k\right)\&rsqb;}^4{\left|ln\right|a\left(k\right)\left|\right|}^4-3{\&lsqb;\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}{\&lsqb;a\left(k\right)\&rsqb;}^2{\left|ln\right|a\left(k\right)\left|\right|}^2\&rsqb;}^2$

经过计算可知，QPSK信号的为1，8PSK信号的为0，16QAM信号的为0.5747，64QAM信号的为0.3580，由此通过最小均方误差分类器将QPSK、8PSK、16QAM和64QAM信号识别出来。

本发明具有的优点和积极效果是：本发明结构简单，使用方便，在清洗检验试管时操作简便、省时省力，减轻了医务人员的工作难度。利用碳膜做为电子发射器，又可添加一金属栅以降低驱动电压，因而不需填充汞蒸汽以作为导电气体，因此不仅可使用一般电池作为驱动电源，也因不需使用汞蒸汽而成为兼顾环保的绿色照明器具。本发明的光触媒层为选择性涂层，可依其需要而选择增加此涂层与否，借着紫外线照射二氧化钛产生的氢氧自由基，以达到杀菌的功效。本发明采用增强型四步握手实现用户会话密钥的动态协商，减少了握手信息，且所有信息经过加密，设置了拥有主动和被动两种握手发起方式的单播和组播两种接入模式，并采用多跳方式解决远距离接入问题。本发明具有大量传感节点接入效率高、安全性强、能量消耗小的优点，可用于无线体域网中传感节点的接入及用户会话密钥的动态协商。本发明设置生物传感器和紫外线发生装置，生物传感器模块检测到的生物物质的浓度信号转换为电信号后，将此电信号经过生物传感器模块与微控制器模块之间的信号线传送到微控制器模块；设置由紫外线消毒模块、水位控制系统以及辅助设备组成的紫外线发生装置，采用低水阻紫外消毒模块，达到更小的水阻、更高的可靠性，通过利用生物传感器与紫外线消毒的技术的有机结合，实现了自动消毒的功能，克服了传统的紫外线消毒装置的功率消耗和灯泡消耗大，灯泡的使用寿命短的缺点，而且方便了用户的使用，实现了根据水质的状态自行进行控制紫外线消毒装置的工作状态的问题。本发明通过控制加药室内药剂量，可以有效地控制二氧化氯片剂的投加量，有效控制加药时间间隔，及水体中消毒剂的有效含量，并做到一定时间内无需人工投加，实现自动连续投加消毒片。本发明提供的非高斯噪声下数字调制信号的识别方法，对接收信号s(t)进行非线性变换；计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；计算接收信号s(t的广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，并通过检测广义循环累积量幅度谱的谱峰个数识别出BPSK信号和MSK信号；计算接收信号s(t)的广义四阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出QPSK信号、8PSK信号、16QAM信号和64QAM信号；本发明利用信号的广义循环累积量的三个特征参数，将信号集{2FSK、BPSK、MSK、QPSK、8PSK、16QAM、64QAM}中的信号识别出来，既解决了Alpha稳定分布噪声下的信号不具有二阶或二阶以上的统计量的问题，又提高了有效识别数字调制信号的性能，可用于对Alpha稳定分布噪声下的数字调制信号的调制方式类型进行识别，实用性强，具有较强的推广与应用价值。

附图说明

图1是本发明实施例提供的检验清洗系统的结构示意图。

图2是本发明实施例提供的检验清洗系统的清洗杆结构示意图。

图中：1、清洗装置；2、第一储藏罐；3、第二储存罐；4、注入孔；5、连接管；6、排水孔；7、第一按钮；8、第二按钮；9、第三按钮；10、第一清洗杆；11、第二清洗杆；12、第三清洗杆；13、底座；14、插槽；15、固定装置；16、弹簧；17、转盘；18、柱体；19、毛刷；20、喷嘴；21、清洗区；22、排水凹槽；23、烘干消毒室；24、烘干消毒装置；25、支架盒；26、插孔。

具体实施方式

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。

请参阅图1至图2：

本发明提供一种检验清洗系统，该检验清洗系统包括清洗装置1、第一储藏罐2、第二储存罐3、注入孔4、连接管5、排水孔6、第一按钮7、第二按钮8、第三按钮9、第一清洗杆10、第二清洗杆11、第三清洗杆12、底座13、插槽14、固定装置15、弹簧16、转盘17、柱体18、毛刷19、喷嘴20、清洗区21、排水凹槽22、烘干消毒室23、烘干消毒装置24、支架盒25和插孔26，所述清洗装置1右侧边上设置有第一储藏罐2和第二储存罐3，第一储藏罐2和第二储存罐3顶端设有注入孔4，第一储藏罐2和第二储存罐3底部均有连接管5连接清洗装置1，清洗装置1前端设有第一按钮7、第二按钮8和第三按钮9，清洗装置1顶面上设有清洗区21，清洗区21四周边缘设置有排水凹槽22，清洗区21内设有第一清洗杆10、第二清洗杆11和第三清洗杆12，第一清洗杆10、第二清洗杆11和第三清洗杆12均设有底座13，底座13上设有插槽14，插槽14内侧设有固定装置15，固定装置15内部设置有弹簧16，底座13正中间设有转盘17，转盘17上方设置有柱体18，柱体18周围设有毛刷19，柱体18顶部设有喷嘴20，烘干消毒室23顶部设有烘干消毒装置24，烘干消毒室24内部设置有支架盒25，支架盒25顶面设有若干插孔26。

本发明还可以采用如下技术措施：

优选的，所述第一储藏罐2放置清水，第二储存罐3放置消毒水。

优选的，所述第一按钮7控制第一清洗杆10，第二按钮控制8第二清洗杆11，第三按钮9控制第三清洗杆12。

优选的，所述清洗装置1内部设置有电机。

优选的，所述烘干消毒装置24内部设有烘干风机以及紫外线灯。

优选的，所述清洗区21设置在清洗装置1顶部凹槽内。

优选的，所述支架盒25为推拉式支架盒。

优选的，所述固定装置15边角设置为弧形。

优选的，所述毛刷19密布设置在柱体周围。

优选的，所述清洗装置1内部设置排水管一端连接排水凹槽22，另一端连接排水孔6。

优选的，所述固定装置15表面设置软垫层。

所述烘干消毒装置包括：生物传感器、紫外线发生装置、消毒控制模块、微处理器模块、自动清洁装置、供电模块、无线体域网安全接入模块；

生物传感器与微处理器模块连接，用于对生物物质敏感并将其浓度转换为电信号；采用固定化生物敏感材料作识别元件与理化换能器及信号放大装置组成，具有接受器与转换器的功能；固定化生物敏感材料作识别元件：包括酶、抗体、抗原、微生物、细胞、组织、核酸生物活性物质，理化换能器为氧电极、光敏管、场效应管或压电晶体；

紫外线发生装置与微处理器模块连接，在微处理器模块的控制下，用于产生紫外线实现紫外消毒；

消毒控制模块与微处理器模块连接，在微处理器模块的控制下，用于实现消毒模式的开启；

微处理器模块，接收生物传感器模块的电信号后经过处理器的运算处理再一次将电信号还原回原来的浓度数据，并与处理器的内部的程序中存储的浓度阈值比较；接收到的生物物质的浓度低于用户设置的阈值；

自动清洁装置与微处理器模块连接，用于根据用户的设定的时间间隔定时的清洁石英灯管；

供电模块与微处理器模块连接，用于为供电模块提供稳定的电源；

无线体域网安全接入模块与微处理器模块连接，用于实现信息的无线传输；

所述紫外线发生装置包括石英灯管；

条状阴极，由镍金属条部分表面沉积碳膜层所组成；

曲面阳极，由反射金属层形成于该石英灯管上，且该反射金属层上涂布萤光涂层所组成，该萤光涂层所发出的光波长范围为280至400纳米；以及金属栅，位于该阴极与该阳极之间；

该曲面阳极形成于该石英灯管的管体沿轴向覆盖于该石英灯管，该条状阴极位于该石英灯管的中心轴向或相对该曲面阳极上的任一处，因此当该冷电子紫外线灯施以操作电压时，该条状阴极发出电子撞击该萤光涂层后激发紫外光；

该条状阴极至少在其一端具有弯折处；该碳膜层厚度为1至10微米，而该曲面阳极与该条状阴极间的距离为0.5至1.5公分，而所述的操作电压为5至15千伏特，该金属栅与该条状阴极碳膜层之间距离为0.2至0.5公分，该金属栅与该曲面阳极萤光涂层之间距离为0.3至1.2公分；

该石英灯管内侧部分表面更包括光触媒薄膜，该光触媒可为二氧化钛。

本发明的另一目的在于提供一种所述的检验清洗系统的无线体域网安全接入方法，所述无线体域网安全接入方法包括：握手过程发送的所有信息封装在802.15.6帧中，由帧标识来区分握手过程中发送的信息，网络协调器和传感器节点共享密钥成对主密钥，网络协调器拥有可信任传感器节点的地址维护密钥列表{k₁，k₂...k_N}、指标门限列表{w₁，w₂...w_N}以及距离门限列表{d₁，d₂...d_N}；传感器节点拥有自己的密钥k_i加密握手过程的三个信息、指标门限值w_i、距离门限制d_i，密钥k_i是由成对主密钥及传感器节点的地址ID结合生成的，接下来网络协调器和传感器节点进行增强型4-WayHandshake，得到最新的成对临时密钥，用于以后的信息加密及认证；

该无线体域网安全接入的方法单播模式具体包括：主动发起方式和被动发起方式；单播模式是无线体域网中单个传感器节点接入网络协调器。

进一步，主动发起方式，是网络协调器发起握手具体实现步骤如下：

步骤一，网络协调器发送经过密钥k_A加密的信息Msg1给传感器节点A，Msg1中包括用于产生成对临时密钥的随机数Nonce_BNC，及传感器节点身份ID_A；

步骤二，BN_A生成的随机数收到Msg1之后，验证身份ID_A；若验证成功，则生成BN_A生成的随机数，并将经过密钥k_A加密的信息Msg2发送给网络协调器，否则丢弃该信息；

步骤三，网络协调器收到Msg2之后，验证BNC生成的随机数；若验证成功，则用PRF函数结合随机数生成并装入成对临时密钥，然后在AES-CBC-MAC模式下使用密钥k_A计算出{BN_A生成的随机数，ID_A}的消息完整性认证码KMAC，并将KMAC作为Msg3发送给传感器节点A，否则丢弃该信息；

步骤四，传感器节点A收到Msg3之后，在AES-CBC-MAC模式下使用自己的密钥k_A根据相应信息计算出KMAC′，将接收到的KMAC与计算出的KMAC′进行比对，若一致，则传感器节点A用PRF函数结合随机数生成并装入成对临时密钥，改进型的4-WayHandshake完成，否则丢弃该信息；

某传感器节点指标超过其门限值w_i时，被动发起方式，是相应传感器节点发起握手具体实现步骤如下：

步骤一，传感器节点A发送经过密钥k_A加密的信息Msg1给网络协调器，Msg1中包括用于产生成对临时密钥的随机数Nonce_BNC，及传感器节点身份ID_A；；

步骤二，网络协调器收到Msg1之后，验证身份ID_A；若验证成功，则生成随机数Nonce_BNC，并将经过密钥k_A加密的信息Msg2发送给传感器节点A，否则丢弃该信息；

步骤三，传感器节点A收到Msg2之后，验证传感器节点A生成的随机数Nonce_A；若验证成功，则用PRF函数结合随机数生成并装入成对临时密钥，然后在AES-CBC-MAC模式下使用密钥k_A计算出{BN_A生成的随机数，ID_A}的消息完整性认证码KMAC，并将KMAC作为Msg3发送给网络协调器，否则丢弃该信息；

步骤四，网络协调器收到Msg3之后，在AES-CBC-MAC模式下使用密钥k_A根据相应信息计算出KMAC′，将接收到的KMAC与计算出的KMAC′进行比对，若一致，则网络协调器用PRF函数结合随机数生成并装入成对临时密钥，改进型的4-WayHandshake完成，否则丢弃该信息。

本发明的另一目的在于提供一种所述的检验清洗系统的微处理器模块数字调制信号识别方法，该微处理器模块数字调制信号识别方法包括：

步骤一，对接收信号s(t)进行非线性变换；

步骤二，计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；

步骤三，计算接收信号s(t)的广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，并通过检测广义循环累积量幅度谱的谱峰个数识别出BPSK信号和MSK信号；

步骤四，计算接收信号s(t)的广义四阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出QPSK信号、8PSK信号、16QAM信号和64QAM信号。

进一步，在步骤一中，对接收信号s(t)进行非线性变换，按如下公式进行：

$f\&lsqb;s\left(t\right)\&rsqb;=\frac{s\left(t\right)*ln\left|s\left(t\right)\right|}{\left|s\left(t\right)\right|}=s\left(t\right)c\left(t\right)$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后可得到：

$f\&lsqb;s\left(t\right)\&rsqb;=s\left(t\right)\frac{\ln \left|Aa\left(m\right)\right|}{\left|Aa\left(m\right)\right|}.$

进一步，在步骤二中，计算接受信号的广义循环累积量按如下公式进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,10}^{\mathrm{\&beta;}};$

${\mathrm{GC}}_{s,21}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,21}^{\mathrm{\&beta;}};$

与均为广义循环矩，定义为：

${\mathrm{GM}}_{s,nm}^{\mathrm{\&beta;}}=<f^{*}\&lsqb;s\left(t\right)\&rsqb;...f^{*}\&lsqb;s\left(t\right)\&rsqb;f\&lsqb;s\left(t\right)\&rsqb;...f\&lsqb;s\left(t\right)\&rsqb;\exp (-j2\mathrm{\&pi;}\mathrm{\&beta;}t){>}_t,$ 其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；

接收信号s(t)的特征参数M¹的理论值具体计算过程如下进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)\left|\ln \left|a\left(k\right)\right|\right|$

${\mathrm{GC}}_{s,21}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)x^{*}\left(k\right){\left|ln\right|a\left(k\right)\left|\right|}^2$

经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：

$E_1=min{(M_{theory}^1-M_{actual}^1)}^2$

式中为特征参数M¹的实际值。

进一步，在步骤三中，计算接收信号s(t)的广义二阶循环累积量按如下公式进行：

${\mathrm{GC}}_{s,20}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,20}^{\mathrm{\&beta;}};$

接收信号s(t)的特征参数M²的理论值具体计算公式为：

${\mathrm{GC}}_{s,20}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)a\left(k\right){\left|ln\right|a\left(k\right)\left|\right|}^2$

经过计算可知，BPSK信号和MSK信号的均为1，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以用最小均方误差分类器将BPSK、MSK信号与QPSK、8PSK、16QAM、64QAM信号分开；对于BPSK信号而言，在广义循环累积量幅度谱上仅在载频位置存在一个明显谱峰，而MSK信号在两个频率处各有一个明显谱峰，由此可通过特征参数M²和检测广义循环累积量幅度谱的谱峰个数将BPSK信号与MSK信号识别出来；

检测广义循环累积量幅度谱的谱峰个数的具体方法如下：

首先搜索广义循环累积量幅度谱的最大值Max及其位置对应的循环频率α₀，将其小邻域[α₀-δ₀，α₀+δ₀]内置零，其中δ₀为一个正数，若|α₀-f_c|/f_c＜σ₀，其中δ₀为一个接近0的正数，f_c为信号的载波频率，则判断此信号类型为BPSK信号，否则继续搜索次大值Max1及其位置对应的循环频率α₁；若|Max-Max1|/Max＜σ₀，并且|α₀+α₁)/2-f_c|/f_c＜σ₀，则判断此信号类型为MSK信号。

进一步，在步骤四中，计算接收信号s(t)的广义二阶循环累积量按如下公式进行：

${\mathrm{GC}}_{s,40}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,40}^{\mathrm{\&beta;}}-3{\left({\mathrm{GM}}_{s,20}^{\mathrm{\&beta;}/2}\right)}^2;$

接收信号s(t)的特征参数M³的理论值具体计算过程如下：

${\mathrm{GC}}_{s,40}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}{\&lsqb;a\left(k\right)\&rsqb;}^4{\left|ln\right|a\left(k\right)\left|\right|}^4-3{\&lsqb;\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}{\&lsqb;a\left(k\right)\&rsqb;}^2{\left|ln\right|a\left(k\right)\left|\right|}^2\&rsqb;}^2$

经过计算可知，QPSK信号的为1，8PSK信号的为0，16QAM信号的为0.5747，64QAM信号的为0.3580，由此通过最小均方误差分类器将QPSK、8PSK、16QAM和64QAM信号识别出来。

工作原理

本发明在使用时，将试管套在第一清洗杆10、第二清洗杆11或第三清洗杆12的插槽14内，固定装置15固定试管，按下与之对应的第一按钮7、第二按钮8或第三按钮9，清洗装置1内的电机启动，第一清洗杆10、第二清洗杆11或第三清洗杆12开始工作，清洗完毕后将试管拿出放置在支架盒25的插孔26上，开启烘干消毒室23，待烘干后拿出。

利用本发明所述的技术方案，或本领域的技术人员在本发明技术方案的启发下，设计出类似的技术方案，而达到上述技术效果的，均是落入本发明的保护范围。

Claims (8)

1.一种检验清洗系统，其特征在于，该检验清洗系统包括清洗装置、第一储藏罐、第二储存罐、注入孔、连接管、排水孔、第一按钮、第二按钮、第三按钮、第一清洗杆、第二清洗杆、第三清洗杆、底座、插槽、固定装置、弹簧、转盘、柱体、毛刷、喷嘴、清洗区、排水凹槽、烘干消毒室、烘干消毒装置、支架盒和插孔，所述清洗装置右侧边上设置有第一储藏罐和第二储存罐，第一储藏罐和第二储存罐顶端设有注入孔，第一储藏罐和第二储存罐底部均有连接管连接清洗装置，清洗装置前端设有第一按钮、第二按钮和第三按钮，清洗装置顶面上设有清洗区，清洗区四周边缘设置有排水凹槽，清洗区内设有第一清洗杆、第二清洗杆和第三清洗杆，第一清洗杆、第二清洗杆和第三清洗杆均设有底座，底座上设有插槽，插槽内侧设有固定装置，固定装置内部设置有弹簧，底座正中间设有转盘，转盘上方设置有柱体，柱体周围设有毛刷，柱体顶部设有喷嘴，烘干消毒室顶部设有烘干消毒装置，烘干消毒室内部设置有支架盒，支架盒顶面设有若干插孔；

所述第一储藏罐放置清水，第二储存罐放置消毒水；所述第一按钮控制第一清洗杆，第二按钮控制第二清洗杆，第三按钮控制第三清洗杆；所述清洗装置内部设置有电机；所述烘干消毒装置内部设有烘干风机以及紫外线灯；所述清洗区设置在清洗装置顶部凹槽内；所述支架盒为推拉式支架盒；所述固定装置边角设置为弧形；所述毛刷密布设置在柱体周围；所述清洗装置内部设置排水管一端连接排水凹槽，另一端连接排水孔；所述固定装置表面设置软垫层；

所述烘干消毒装置包括：生物传感器、紫外线发生装置、消毒控制模块、微处理器模块、自动清洁装置、供电模块、无线体域网安全接入模块；

生物传感器与微处理器模块连接，用于对生物物质敏感并将其浓度转换为电信号；采用固定化生物敏感材料作识别元件与理化换能器及信号放大装置组成，具有接受器与转换器的功能；固定化生物敏感材料作识别元件：包括酶、抗体、抗原、微生物、细胞、组织、核酸生物活性物质，理化换能器为氧电极、光敏管、场效应管或压电晶体；

紫外线发生装置与微处理器模块连接，在微处理器模块的控制下，用于产生紫外线实现紫外消毒；

消毒控制模块与微处理器模块连接，在微处理器模块的控制下，用于实现消毒模式的开启；

微处理器模块，接收生物传感器模块的电信号后经过处理器的运算处理再一次将电信号还原回原来的浓度数据，并与处理器的内部的程序中存储的浓度阈值比较；接收到的生物物质的浓度低于用户设置的阈值；

自动清洁装置与微处理器模块连接，用于根据用户的设定的时间间隔定时的清洁石英灯管；

供电模块与微处理器模块连接，用于为供电模块提供稳定的电源；

无线体域网安全接入模块与微处理器模块连接，用于实现信息的无线传输；

所述紫外线发生装置包括石英灯管；

条状阴极，由镍金属条部分表面沉积碳膜层所组成；

曲面阳极，由反射金属层形成于该石英灯管上，且该反射金属层上涂布萤光涂层所组成，该萤光涂层所发出的光波长范围为280至400纳米；以及金属栅，位于该阴极与该阳极之间；

该曲面阳极形成于该石英灯管的管体沿轴向覆盖于该石英灯管，该条状阴极位于该石英灯管的中心轴向或相对该曲面阳极上的任一处，因此当该冷电子紫外线灯施以操作电压时，该条状阴极发出电子撞击该萤光涂层后激发紫外光；

该条状阴极至少在其一端具有弯折处；该碳膜层厚度为1至10微米，而该曲面阳极与该条状阴极间的距离为0.5至1.5公分，而所述的操作电压为5至15千伏特，该金属栅与该条状阴极碳膜层之间距离为0.2至0.5公分，该金属栅与该曲面阳极萤光涂层之间距离为0.3至1.2公分；

该石英灯管内侧部分表面更包括光触媒薄膜，该光触媒可为二氧化钛。

2.一种如权利要求1所述的检验清洗系统的无线体域网安全接入方法，其特征在于，所述无线体域网安全接入方法包括：握手过程发送的所有信息封装在802.15.6帧中，由帧标识来区分握手过程中发送的信息，网络协调器和传感器节点共享密钥成对主密钥，网络协调器拥有可信任传感器节点的地址维护密钥列表{k₁，k₂…k_N}、指标门限列表{w₁，w₂…w_N}以及距离门限列表{d₁，d₂…d_N}；传感器节点拥有自己的密钥k_i加密握手过程的三个信息、指标门限值w_i、距离门限制d_i，密钥k_i是由成对主密钥及传感器节点的地址ID结合生成的，接下来网络协调器和传感器节点进行增强型4-WayHandshake，得到最新的成对临时密钥，用于以后的信息加密及认证；

该无线体域网安全接入的方法单播模式具体包括：主动发起方式和被动发起方式；单播模式是无线体域网中单个传感器节点接入网络协调器。

3.如权利要求2所述的无线体域网安全接入的方法，其特征在于，主动发起方式，是网络协调器发起握手具体实现步骤如下：

步骤一，网络协调器发送经过密钥k_A加密的信息Msg1给传感器节点A，Msg1中包括用于产生成对临时密钥的随机数Nonce_BNC，及传感器节点身份ID_A；

步骤二，BN_A生成的随机数收到Msg1之后，验证身份ID_A；若验证成功，则生成BN_A生成的随机数，并将经过密钥k_A加密的信息Msg2发送给网络协调器，否则丢弃该信息；

步骤三，网络协调器收到Msg2之后，验证BNC生成的随机数；若验证成功，则用PRF函数结合随机数生成并装入成对临时密钥，然后在AES-CBC-MAC模式下使用密钥k_A计算出{BN_A生成的随机数，ID_A}的消息完整性认证码KMAC，并将KMAC作为Msg3发送给传感器节点A，否则丢弃该信息；

步骤四，传感器节点A收到Msg3之后，在AES-CBC-MAC模式下使用自己的密钥k_A根据相应信息计算出KMAC′，将接收到的KMAC与计算出的KMAC′进行比对，若一致，则传感器节点A用PRF函数结合随机数生成并装入成对临时密钥，改进型的4-WayHandshake完成，否则丢弃该信息；

某传感器节点指标超过其门限值w_i时，被动发起方式，是相应传感器节点发起握手具体实现步骤如下：

步骤一，传感器节点A发送经过密钥k_A加密的信息Msg1给网络协调器，Msg1中包括用于产生成对临时密钥的随机数Nonce_BNC，及传感器节点身份ID_A；；

步骤二，网络协调器收到Msg1之后，验证身份ID_A；若验证成功，则生成随机数Nonce_BNC，并将经过密钥k_A加密的信息Msg2发送给传感器节点A，否则丢弃该信息；

步骤三，传感器节点A收到Msg2之后，验证传感器节点A生成的随机数Nonce_A；若验证成功，则用PRF函数结合随机数生成并装入成对临时密钥，然后在AES-CBC-MAC模式下使用密钥k_A计算出{BN_A生成的随机数，ID_A}的消息完整性认证码KMAC，并将KMAC作为Msg3发送给网络协调器，否则丢弃该信息；

步骤四，网络协调器收到Msg3之后，在AES-CBC-MAC模式下使用密钥k_A根据相应信息计算出KMAC′，将接收到的KMAC与计算出的KMAC′进行比对，若一致，则网络协调器用PRF函数结合随机数生成并装入成对临时密钥，改进型的4-WayHandshake完成，否则丢弃该信息。

4.一种如权利要求1所述的检验清洗系统的微处理器模块数字调制信号识别方法，其特征在于，该微处理器模块数字调制信号识别方法包括：

步骤一，对接收信号s(t)进行非线性变换；

步骤二，计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；

步骤三，计算接收信号s(t)的广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，并通过检测广义循环累积量幅度谱的谱峰个数识别出BPSK信号和MSK信号；

步骤四，计算接收信号s(t)的广义四阶循环累积量通过计算接收信号s(T)的特征参数和利用最小均方误差分类器，识别出QPSK信号、8PSK信号、16QAM信号和64QAM信号。

5.如权利要求4所述的微处理器模块数字调制信号识别方法，其特征在于，在步骤一中，对接收信号s(t)进行非线性变换，按如下公式进行：

$f\&lsqb;s\left(t\right)\&rsqb;=\frac{s\left(t\right)*\ln \left|s\left(t\right)\right|}{\left|s\left(t\right)\right|}=s\left(t\right)c\left(t\right)$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后可得到：

$f\&lsqb;s\left(t\right)\&rsqb;=s\left(t\right)\frac{\ln \left|Aa\left(m\right)\right|}{\left|Aa\left(m\right)\right|}.$

6.如权利要求4所述的微处理器模块数字调制信号识别方法，其特征在于，在步骤二中，计算接受信号的广义循环累积量按如下公式进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,10}^{\mathrm{\&beta;}};$

${\mathrm{GC}}_{s,21}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,21}^{\mathrm{\&beta;}};$

与均为广义循环矩，定义为：

${\mathrm{GM}}_{s,nm}^{\mathrm{\&beta;}}=<f^{*}\&lsqb;s\left(t\right)\&rsqb;...f^{*}\&lsqb;s\left(t\right)\&rsqb;f\&lsqb;s\left(t\right)\&rsqb;...f\&lsqb;s\left(t\right)\&rsqb;\exp (-j2\mathrm{\&pi;}\mathrm{\&beta;}t){>}_t,$ 其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；

接收信号s(t)的特征参数M¹的理论值具体计算过程如下进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)\left|\ln \right|a\left(k\right)\left|\right|$

${\mathrm{GC}}_{s,21}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)a^{*}\left(k\right){\left|\ln \right|a\left(k\right)\left|\right|}^2$

经计算可知，对于2FSK信号，该信号的为1，而对于MSK、BPSK，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：

$E_1=\min {(M_{theory}^1-M_{actual}^1)}^2$

式中为特征参数M1的实际值。

7.如权利要求4所述的微处理器模块数字调制信号识别方法，其特征在于，在步骤三中，计算接收信号s(t)的广义二阶循环累积量按如下公式进行：

${\mathrm{GC}}_{s,20}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,20}^{\mathrm{\&beta;}};$

接收信号s(t)的特征参数M²的理论值具体计算公式为：

${\mathrm{GC}}_{s,20}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}a\left(k\right)a\left(k\right){\left|\ln \right|a\left(k\right)\left|\right|}^2$

经过计算可知，BPSK信号和MSK信号的均为1，QPSK、8PSK、16QAM和64QAM信号的均为0，由此可以用最小均方误差分类器将BPSK、MSK信号与QPSK、8PSK、16QAM、64QAM信号分开；对于BPSK信号而言，在广义循环累积量幅度谱上仅在载频位置存在一个明显谱峰，而MSK信号在两个频率处各有一个明显谱峰，由此可通过特征参数M²和检测广义循环累积量幅度谱的谱峰个数将BPSK信号与MSK信号识别出来；

检测广义循环累积量幅度谱的谱峰个数的具体方法如下：

首先搜索广义循环累积量幅度谱的最大值Max及其位置对应的循环频率α₀，将其小邻域[α₀-δ₀，α₀+δ₀]内置零，其中δ₀为一个正数，若|α₀-f_c|/f_c＜σ₀，其中δ₀为一个接近0的正数，f_c为信号的载波频率，则判断此信号类型为BPSK信号，否则继续搜索次大值Max1及其位置对应的循环频率α₁；若|Max-Max1|/Max＜σ₀，并且|(α₀+α₁)/2-f_c|/f_c＜σ₀，则判断此信号类型为MSK信号。

8.如权利要求4所述的微处理器模块数字调制信号识别方法，其特征在于，在步骤四中，计算接收信号s(t)的广义二阶循环累积量按如下公式进行：

${\mathrm{GC}}_{s,40}^{\mathrm{\&beta;}}={\mathrm{GM}}_{s,40}^{\mathrm{\&beta;}}-3{\left({\mathrm{GM}}_{s,20}^{\mathrm{\&beta;}/2}\right)}^2;$

接收信号s(t)的特征参数M³的理论值具体计算过程如下：

${\mathrm{GC}}_{s,40}^{\mathrm{\&beta;}}=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}{\&lsqb;a\left(k\right)\&rsqb;}^4{\left|\ln \right|a\left(k\right)\left|\right|}^4-3{\&lsqb;\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}{\&lsqb;a\left(k\right)\&rsqb;}^2{\left|\ln \right|a\left(k\right)\left|\right|}^2\&rsqb;}^2$

经过计算可知，QPSK信号的为1，8PSK信号的为0，16QAM信号的为0.5747，64QAM信号的为0.3580，由此通过最小均方误差分类器将QPSK、8PSK、16QAM和64QAM信号识别出来。