CN105727418A - 一种智能麻醉蒸发装置 - Google Patents

Abstract

本发明提供一种智能麻醉蒸发装置，该智能麻醉蒸发装置包括操控室、蒸发装置、液体储存室、液体监测柱、渗透网、发热装置、进水孔、进水管道、排水孔、气体通室、气体混合装置、气体混合室、进气孔、抽风机、电源体、气体监测装置、充电口、操控面板、气体储存室、气体操控阀、输出管。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，能够很好的解决对不宜做肌肉麻醉注射的病人或者对呼吸系统不宜进行麻醉病人进行治疗的问题。蒸发器能够拆装分解，对各部件进行清洗消毒，使用更加清洁和安全，并能提高工作效率，降低劳动成本。

Description

一种智能麻醉蒸发装置

技术领域

本发明属于医疗器械技术领域，尤其涉及一种智能麻醉蒸发装置。

背景技术

麻醉是施行手术时或进行诊断性检查操作为消除疼痛、保障病人安全、创造良好的手术条件而采取的各种方法，亦用于控制疼痛。进行手术或诊断性检查操作时，病人会感到疼痛，需要用麻醉药或其他方式使之暂时失去知觉。目前，现有对病人进行麻醉治疗中通常采用肌肉注射方式，病人的注射部位有硬结、感染时就不宜做肌肉麻醉注射，且不能有效的对病人的呼吸系统进行麻醉。

发明内容

为了解决上述技术问题，本发明提供一种智能麻醉蒸发装置，以此解决现有对不宜做肌肉麻醉注射的病人或者对呼吸系统不宜进行麻醉病人进行治疗的问题。

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：一种智能麻醉蒸发装置，该智能麻醉蒸发装置包括操控室、蒸发装置、液体储存室、液体监测柱、渗透网、发热装置、进水孔、进水管道、排水孔、气体通室、气体混合装置、气体混合室、进气孔、抽风机、电源体、气体监测装置、充电口、操控面板、气体储存室、气体操控阀、输出管，所述蒸发装置内部设有液体储存室，液体储存室内部正中设有液体监测柱，液体储存室周边设置有渗透网，渗透网外围为气体通室，气体通室周边设有发热装置，蒸发装置外壁上设有进水孔，进水孔通过进水管道连接液体储存室，蒸发装置上连接有气体混合装置，气体混合装置内部设有气体混合室和电源体，气体混合装置外壁上设有进气孔和充电口，进气孔连接抽风机，气体混合室内部上壁设有气体监测装置，操控室外壁上设置有操控面板，操控室内部设有气体储存室，输出管通过气体操控阀控制连接操控室。所述气体监测装置包括：

获取模块，用于读取所述电子装置的模数转换装置所采集的现场气体的浓度值，所述模数转换装置从该电子装置的气体传感器采集现场气体浓度的模拟量并将其转化为气体浓度的数字量；

判断模块，用于将所获取的现场气体的浓度值与预设的气体浓度警示值作比较，以判断现场气体浓度是否超标；

控制模块，用于当现场气体浓度超标时，控制所述电子装置发出警示信号。

本发明还可以采用如下技术措施：

优选的，所述操控面板通过液体监测柱和气体监测装置时时监控液体的存量及气体浓度，可通过设置所需浓度对发热装置进行控制其蒸发速度，调控气体混合室浓度。

优选的，所述进水孔和排水孔均可通过注射器输入输出。

优选的，所述蒸发装置与气体混合装置通过内部边缘壁上设置内螺纹与外螺纹进行连接。

优选的，所述操控面板设置有高清显示屏，显示监测的液体的存量、气体浓度、气压、风机运行强度和气体储存室余量数值，操控面板上还设有工作指示灯以及控制发热装置以及抽风机的按钮。

优选的，所述气体操控阀为独立旋转体，顺时针旋转为开启强度，逆时针旋转到头为关闭。

优选的，所述充电口为一般安卓手机插头充电口。

优选的，所述整体结构体均为不锈钢材质。

优选的，所述装置外部表面设有防滑塑料薄膜，在进气孔、进水孔、充电口、排水孔设有开口。

本发明的另一目的在于提供一种所述智能麻醉蒸发装置的模数转换装置的转换方法，该转换方法包括：

首先要在时间上进行离散化处理，即在时间上有限个采样点代替连续无限的坐标位置，这一过程叫采样；所谓采样就是每隔一定的时间间隔，抽取信号的一个瞬间幅度值，是在时间上将模拟信号离散化；

采样后所得出的一系列在时间上离散的样值称为样值序列；采样把模拟信号变成了在时间上离散的样值序列，进行离散化处理，转换为有限个离散值，才能最终用数码来表示其幅值，实现连续信号幅度离散化处理；

采样、量化后的信号变成了一串幅度分级的脉冲信号，这串脉冲的包络代表了模拟信号，把模拟信号转换成数字编码脉冲，是用n比特二进制码来表示已经量化了的样值，每个二进制数对应一个量化电平，然后把它们排列，得到由二值脉冲组成的数字信息流，以进行传输和记录。

进一步，所述离散化处理具体包括：

(1)、将输入信号序列的信号样点x(n)减去M个采样间隔之前的信号样点x(n-M)，得到差值信号d(n)，即：

d(n)＝x(n)-x(n-M)；

其中，M是DFT变换点数，n信号样点的时域索引；

(2)、然后进行修正后的UVT变换：

其中，k为DFT变换的频域索引值，W_M为复旋转因子并且W_M＝e^j2π/M；

(3)、将信号样点x(n)乘以调制序列将频点k的DFT变换移到k＝0处，根据n-L时刻的DFT变换结果X_n-L(0)计算n时刻的DFT变换输出：

其中，m为调制序列的索引值，每个采样时刻增加1，初始值为0，增加到M-1时，下一采样时刻恢复到初始值0，作为迭代的n-L时刻的DFT变换结果X_n-L(0)，其初始值采用传统DFT变换方法得到；

所述的调制序列采用一个复数振荡器来实现，形式为：

调制序列是以M为周期的，每M个样点就自动从开始；

所述的变换表示为：

其中，

L点信号序列d(n)被分成两个长度为L/2的子序列，分别对应d(n)中奇数索引和偶数索引的子序列，根据抽取得到的这两个子序列的DFT变换直接合成得到；

(4)、通过相位修正得到n时刻频点k的DFT变换结果即信号第k个频点的频谱信息：

进一步，所述数字编码脉冲噪声滤除方法包括以下步骤：

标识噪声点；识噪声点的获取将原始图像I映射为图G＝(V，E)，得到A和A和的获得，通过设置阈值来标识噪声点，若图像I的尺寸为M×N，M，N∈Z⁺，抽象为一幅无向图G＝{V，E}，其中V，E分别对应图G的结点集和边集，采用8连接的图拓扑结构，用I_ij指代结点v_ij处的像素值，I_max＝max{I_ij；1≤i≤M，1≤j≤N}，I_min＝min{I_ij；1≤i≤M，1≤j≤N}，因为噪声点的像素值非常接近于I_max和I_min，固设置阈值T＝(I_max-I_min)*σ，其中σ的经验值取0＜σ≤0.05，由公式从全局角度将图G的结点划分为噪声点集A和非噪声点集满足 集合A中包含的结点v_ij即为标识出的噪声点，

选择置信滤波窗口；具体步骤为：

步骤1：赋初值k＝1，w_ij(k)＝N₈(v_ij)，令

步骤2：计算w_ij(k)的B_ij(k)，若B_ij(k)为转至步骤3；否则转至步骤4；

步骤3：由表1的方法将w_ij(k)扩展为w_ij(k+1)，k＝k+1转至步骤2；

步骤4：若k≤T_w，扩展w_ij(k)为w_ij(k+1)，转至步骤5；否则D＝D∪v_ij；

步骤5：由公式算出C_ij(k)和C_ij(k+1)，若C_ij(k)≥C_ij(k+1)，将w_ij(k)作为置信滤波窗口，转至步骤7；否则k＝k+1转至步骤6；

步骤6：若k≤T_w，扩展w_ij(k)为w_ij(k+1)，转至步骤5；否则将w_ij(k-1)作为置信滤波窗口，转至步骤7；

噪声点修复；具体步骤为：

步骤7：采用公式对v_ij进行滤波；

步骤8：重复步骤1至7直到对所有进行处理；

步骤9：若D为方法结束；否则跳至步骤10；

步骤10：将A＝D，不断扩展w_ij(k)，满足k∈Z⁺，直到将w_ij(k)作为置信滤波窗口，采用公式对v_ij进行滤波，直到处理完A中所有噪声点，方法结束；

进一步，所述置信度的算法：需要选择窗口w_ij对v_ij进行滤波，其中且v_ij∈w_ij；滤波时本质上靠w_ij中的所有非噪声点对I_ij进行修复，令集合为w_ij的置信集，若B_ij的元素个数为n，则在w_ij中定义B_ij内结点v_pq的权重函数weight_pq为：

其中β＞0为可调节参数，同时定义w_ij的置信度C_ij为：

C_ij的值实际上反映了w_ij中非噪声点v_pq间像素值I_pq的差异程度，客观的衡量了用w_ij中非噪声点恢复I_ij的可靠性；对于不同大小的w_ij，令w_ij(k)代表v_ij的第k级滤波窗口，B_ij(k)为w_ij(k)的置信集，C_ij(k)代表w_ij(k)的置信度，通过比较不同w_ij(k)的C_ij(k)值选择出的w_ij(k)叫做置信滤波窗口，在不考虑结点空间位置的条件下，C_ij(k)的值越大表明用w_ij(k)恢复I_ij的准确度越高，若同时考虑结点间的相对位置信息，则B_ij(k)中的结点相对于v_ij的欧氏距离不能太大，否则会使w_ij(k)恢复的可靠性下降，所以本发明提出的滤波方法设置k≤T_w，即w_ij(k)最多可扩展为T_w级滤波窗口，

w_ij(k)扩展时根据8连接的图拓扑结构，搜索w_ij(k)中边缘结点的8邻域结点来实现，令N₈(m)代表结点m的8邻域集；Q(k)指代w_ij(k)的边缘结点集且v_st∈V；则w_ij可按照表1的方法从w_ij(k)扩展为w_ij(k+1)。

进一步，所述两步滤波具体步骤为：

第一步，选择合适的w_ij(k)对进行滤波，将无法处理的v_ij保存到集合D中；

第二步，若D不为把D设为A并更新 寻找第一个存在非噪声点的w_ij(k)k∈Z⁺作为v_ij的滤波窗口即可。

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，能够很好的解决对不宜做肌肉麻醉注射的病人或者对呼吸系统不宜进行麻醉病人进行治疗的问题。蒸发器能够拆装分解，对各部件进行清洗消毒，使用更加清洁和安全，并能提高工作效率，降低劳动成本。本发明针对HDFT变换方法在实际工程应用中HDFT变换存在潜在不稳定和累计误差的问题，提出了一种数字离散信号任意步长的滑动离散傅里叶变换方法即调制任意步长SDFT(ModulatedHoppingDFT，mHDFT)变换方法，利用DFT循环频域移位特性，采用修正的UVT变换，有效地去除了HDFT谐振器反馈回路中的旋转因子，将HDFT极点精确固定在单位圆上，然后通过相位修正得到n时刻频点k的DFT变换结果，从而在确保HDFT恒稳定的同时有效降低了累计误差。本发明可以在非常强的脉冲噪声干扰下对图像进行滤波(去噪)处理，方法易于操作，只有σ，β，T_w三个简单参数需要设置，且滤波窗口的尺寸可自动根据图像局部信息进行调节，该发明提出的两步滤波策略可以很好的处理噪声块过大的情况，恢复的图像无论在滤波效果还是细节保留(清晰度)上都要明显强于经典的中值滤波(MF)方法。本发明解决了强脉冲噪声条件下图像的去噪问题，强脉冲噪声没有严格的定义，噪声密度＞50％的脉冲噪声就是强脉冲噪声，针对强脉冲噪声特点，解决了三个主要的关键技术问题：即①如何标识出噪声点；②当噪声点聚集成块状时，如何选择合适的滤波窗口进行滤波；③采用何种滤波策略。

附图说明

图1是本发明实施例提供的智能麻醉蒸发装置的结构示意图。

图2是本发明实施例提供的智能麻醉蒸发装置的外部结构示意图。

图中：1、操控室；2、蒸发装置；3、液体储存室；4、液体监测柱；5、渗透网；6、发热装置；7、进水孔；8、进水管道；9、排水孔；10、气体通室；11、气体混合装置；12、气体混合室；13、进气孔；14、抽风机；15、电源体；16、气体监测装置；17、充电口；18、操控面板；19、气体储存室；20、气体操控阀；21输出管。

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：

本发明提供一种智能麻醉蒸发装置，该智能麻醉蒸发装置包括操控室1、蒸发装置2、液体储存室3、液体监测柱4、渗透网5、发热装置6、进水孔7、进水管道8、排水孔9、气体通室10、气体混合装置11、气体混合室12、进气孔13、抽风机14、电源体15、气体监测装置16、充电口17、操控面板18、气体储存室19、气体操控阀20、输出管21，所述蒸发装置2内部设有液体储存室3，液体储存室3内部正中设有液体监测柱4，液体储存室4周边设置有渗透网5，渗透网5外围为气体通室10，气体通室10周边设有发热装置6，蒸发装置6外壁上设有进水孔7，进水孔7通过进水管道8连接液体储存室3，蒸发装置2上连接有气体混合装置11，气体混合装置11内部设有气体混合室12和电源体15，气体混合装置11外壁上设有进气孔13和充电口17，进气孔13连接抽风机14，气体混合室12内部上壁设有气体监测装置16，操控室1外壁上设置有操控面板18，操控室1内部设有气体储存室19，输出管21通过气体操控阀20控制连接操控室1。所述气体监测装置16包括：

获取模块，用于读取所述电子装置的模数转换装置所采集的现场气体的浓度值，所述模数转换装置从该电子装置的气体传感器采集现场气体浓度的模拟量并将其转化为气体浓度的数字量；

判断模块，用于将所获取的现场气体的浓度值与预设的气体浓度警示值作比较，以判断现场气体浓度是否超标；

控制模块，用于当现场气体浓度超标时，控制所述电子装置发出警示信号。

本发明还可以采用如下技术措施：

优选的，所述操控面板18通过液体监测柱4和气体监测装置16时时监控液体的存量及气体浓度，可通过设置所需浓度对发热装置进行控制其蒸发速度，调控气体混合室浓度。

优选的，所述进水孔7和排水孔9均可通过注射器输入输出。

优选的，所述蒸发装置2与气体混合装置12通过内部边缘壁上设置内螺纹与外螺纹进行连接。

优选的，所述操控面板18设置有高清显示屏，显示监测的液体的存量、气体浓度、气压、风机运行强度和气体储存室余量数值，操控面板18上还设有工作指示灯以及控制发热装置6以及抽风机14的按钮。

优选的，所述气体操控阀20为独立旋转体，顺时针旋转为开启强度，逆时针旋转到头为关闭。

优选的，所述充电口17为一般安卓手机插头充电口。

优选的，所述整体结构体均为不锈钢材质。

优选的，所述装置外部表面设有防滑塑料薄膜，在进气孔13、进水孔7、充电口17、排水孔9设有开口。

本发明的另一目的在于提供一种所述智能麻醉蒸发装置的模数转换装置的转换方法，该转换方法包括：

首先要在时间上进行离散化处理，即在时间上有限个采样点代替连续无限的坐标位置，这一过程叫采样；所谓采样就是每隔一定的时间间隔，抽取信号的一个瞬间幅度值，是在时间上将模拟信号离散化；

采样后所得出的一系列在时间上离散的样值称为样值序列；采样把模拟信号变成了在时间上离散的样值序列，进行离散化处理，转换为有限个离散值，才能最终用数码来表示其幅值，实现连续信号幅度离散化处理；

采样、量化后的信号变成了一串幅度分级的脉冲信号，这串脉冲的包络代表了模拟信号，把模拟信号转换成数字编码脉冲，是用n比特二进制码来表示已经量化了的样值，每个二进制数对应一个量化电平，然后把它们排列，得到由二值脉冲组成的数字信息流，以进行传输和记录。

进一步，所述离散化处理具体包括：

(1)、将输入信号序列的信号样点x(n)减去M个采样间隔之前的信号样点x(n-M)，得到差值信号d(n)，即：

d(n)＝x(n)-x(n-M)；

其中，M是DFT变换点数，n信号样点的时域索引；

(2)、然后进行修正后的UVT变换：

其中，k为DFT变换的频域索引值，W_M为复旋转因子并且WM＝e^j2π/M；

(3)、将信号样点x(n)乘以调制序列将频点k的DFT变换移到k＝0处，根据n-L时刻的DFT变换结果X_n-L(0)计算n时刻的DFT变换输出：

其中，m为调制序列的索引值，每个采样时刻增加1，初始值为0，增加到M-1时，下一采样时刻恢复到初始值0，作为迭代的n-L时刻的DFT变换结果X_n-L(0)，其初始值采用传统DFT变换方法得到；

所述的调制序列采用一个复数振荡器来实现，形式为：

调制序列是以M为周期的，每M个样点就自动从开始；

所述的变换表示为：

其中，

L点信号序列d(n)被分成两个长度为L/2的子序列，分别对应d(n)中奇数索引和偶数索引的子序列，根据抽取得到的这两个子序列的DFT变换直接合成得到；

(4)、通过相位修正得到n时刻频点k的DFT变换结果即信号第k个频点的频谱信息：

进一步，所述数字编码脉冲噪声滤除方法包括以下步骤：

标识噪声点；识噪声点的获取将原始图像I映射为图G＝(V，E)，得到A和A和的获得，通过设置阈值来标识噪声点，若图像I的尺寸为M×N，M，N∈Z⁺，抽象为一幅无向图G＝{V，E}，其中V，E分别对应图G的结点集和边集，采用8连接的图拓扑结构，用I_ij指代结点v_ij处的像素值，I_max＝max{I_ij；1≤i≤M，1≤j≤N}，I_min＝min{I_ij；1≤i≤M，1≤j≤N}，因为噪声点的像素值非常接近于I_max和I_min，固设置阈值T＝(I_max-I_min)*σ，其中σ的经验值取0＜σ≤0.05，由公式从全局角度将图G的结点划分为噪声点集A和非噪声点集满足 集合A中包含的结点v_ij即为标识出的噪声点，

选择置信滤波窗口；具体步骤为：

步骤1：赋初值k＝1，w_ij(k)＝N₈(v_ij)，令

步骤2：计算w_ij(k)的B_ij(k)，若B_ij(k)为转至步骤3；否则转至步骤4；

步骤3：由表1的方法将w_ij(k)扩展为w_ij(k+1)，k＝k+1转至步骤2；

步骤4：若k≤T_w，扩展w_ij(k)为w_ij(k+1)，转至步骤5；否则D＝D∪v_ij；

步骤5：由公式算出C_ij(k)和C_ij(k+1)，若C_ij(k)≥C_ij(k+1)，将w_ij(k)作为置信滤波窗口，转至步骤7；否则k＝k+1转至步骤6；

步骤6：若k≤T_w，扩展w_ij(k)为w_ij(k+1)，转至步骤5；否则将w_ij(k-1)作为置信滤波窗口，转至步骤7；

噪声点修复；具体步骤为：

步骤7：采用公式对v_ij进行滤波；

步骤8：重复步骤1至7直到对所有进行处理；

步骤9：若D为方法结束；否则跳至步骤10；

步骤10：将A＝D，不断扩展w_ij(k)，满足k∈Z⁺，直到将w_ij(k)作为置信滤波窗口，采用公式时v_ij进行滤波，直到处理完A中所有噪声点，方法结束；

进一步，所述置信度的算法：需要选择窗口w_ij对v_ij进行滤波，其中且v_ij∈w_ij；滤波时本质上靠w_ij中的所有非噪声点对I_ij进行修复，令集合为w_ij的置信集，若B_ij的元素个数为n，则在w_ij中定义B_ij内结点v_pq的权重函数weight_pq为：

其中β＞0为可调节参数，同时定义w_ij的置信度C_ij为：

C_ij的值实际上反映了w_ij中非噪声点v_pq间像素值I_pq的差异程度，客观的衡量了用w_ij中非噪声点恢复I_ij的可靠性；对于不同大小的w_ij，令w_ij(k)代表v_ij的第k级滤波窗口，B_ij(k)为w_ij(k)的置信集，C_ij(k)代表w_ij(k)的置信度，通过比较不同w_ij(k)的C_ij(k)值选择出的w_ij(k)叫做置信滤波窗口，在不考虑结点空间位置的条件下，C_ij(k)的值越大表明用w_ij(k)恢复I_ij的准确度越高，若同时考虑结点间的相对位置信息，则B_ij(k)中的结点相对于v_ij的欧氏距离不能太大，否则会使w_ij(k)恢复的可靠性下降，所以本发明提出的滤波方法设置k≤T_w，即w_ij(k)最多可扩展为T_w级滤波窗口，

w_ij(k)扩展时根据8连接的图拓扑结构，搜索w_ij(k)中边缘结点的8邻域结点来实现，令N₈(m)代表结点m的8邻域集；Q(k)指代w_ij(k)的边缘结点集且v_st∈V；则w_ij可按照表1的方法从w_ij(k)扩展为w_ij(k+1)。

进一步，所述两步滤波具体步骤为：

第一步，选择合适的w_ij(k)对进行滤波，将无法处理的v_ij保存到集合D中；

第二步，若D不为把D设为A并更新 寻找第一个存在非噪声点的w_ij(k)k∈Z⁺作为v_ij的滤波窗口即可。

工作原理

本发明操作时将麻醉液体使用注射器通过进水孔输出进液体储存室3之中，开启装置，在操控面板18上输入需要的麻醉气体浓度，蒸发装置2开始工作，液体通过渗透网5慢慢向外侧渗透被发热装置6加热蒸发，通过气体通室10进入气体混合装置11中，风机自动开启，抽取空气与麻醉气体混合至设定值，保存进气体储存室19供病人使用。

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 (6)

1.一种智能麻醉蒸发装置，其特征在于，该智能麻醉蒸发装置包括操控室、蒸发装置、液体储存室、液体监测柱、渗透网、发热装置、进水孔、进水管道、排水孔、气体通室、气体混合装置、气体混合室、进气孔、抽风机、电源体、气体监测装置、充电口、操控面板、气体储存室、气体操控阀、输出管，所述蒸发装置内部设有液体储存室，液体储存室内部正中设有液体监测柱，液体储存室周边设置有渗透网，渗透网外围为气体通室，气体通室周边设有发热装置，蒸发装置外壁上设有进水孔，进水孔通过进水管道连接液体储存室，蒸发装置上连接有气体混合装置，气体混合装置内部设有气体混合室和电源体，气体混合装置外壁上设有进气孔和充电口，进气孔连接抽风机，气体混合室内部上壁设有气体监测装置，操控室外壁上设置有操控面板，操控室内部设有气体储存室，输出管通过气体操控阀控制连接操控室；

所述操控面板通过液体监测柱和气体监测装置时时监控液体的存量及气体浓度，可通过设置所需浓度对发热装置进行控制其蒸发速度，调控气体混合室浓度；所述进水孔和排水孔均可通过注射器输入输出；所述蒸发装置与气体混合装置通过内部边缘壁上设置内螺纹与外螺纹进行连接；所述操控面板设置有高清显示屏，显示监测的液体的存量、气体浓度、气压、风机运行强度和气体储存室余量数值，操控面板上还设有工作指示灯以及控制发热装置以及抽风机的按钮；所述气体操控阀为独立旋转体，顺时针旋转为开启强度，逆时针旋转到头为关闭；所述充电口为安卓手机插头充电口；所述整体结构体均为不锈钢材质；所述装置外部表面设有防滑塑料薄膜，在进气孔、进水孔、充电口、排水孔设有开口；

所述气体监测装置包括：

获取模块，用于读取所述电子装置的模数转换装置所采集的现场气体的浓度值，所述模数转换装置从该电子装置的气体传感器采集现场气体浓度的模拟量并将其转化为气体浓度的数字量；

判断模块，用于将所获取的现场气体的浓度值与预设的气体浓度警示值作比较，以判断现场气体浓度是否超标；

控制模块，用于当现场气体浓度超标时，控制所述电子装置发出警示信号。

2.一种如权利要求1所述智能麻醉蒸发装置的模数转换装置的转换方法，其特征在于，该转换方法包括：

首先要在时间上进行离散化处理，即在时间上有限个采样点代替连续无限的坐标位置，这一过程叫采样；所谓采样就是每隔一定的时间间隔，抽取信号的一个瞬间幅度值，是在时间上将模拟信号离散化；

采样后所得出的一系列在时间上离散的样值称为样值序列；采样把模拟信号变成了在时间上离散的样值序列，进行离散化处理，转换为有限个离散值，才能最终用数码来表示其幅值，实现连续信号幅度离散化处理；

采样、量化后的信号变成了一串幅度分级的脉冲信号，这串脉冲的包络代表了模拟信号，把模拟信号转换成数字编码脉冲，是用n比特二进制码来表示已经量化了的样值，每个二进制数对应一个量化电平，然后把它们排列，得到由二值脉冲组成的数字信息流，以进行传输和记录。

3.如权利要求2所述的转换方法，其特征在于，所述离散化处理具体包括：

(1)、将输入信号序列的信号样点x(n)减去M个采样间隔之前的信号样点x(n-M)，得到差值信号d(n)，即：

d(n)＝x(n)-x(n-M)；

其中，M是DFT变换点数，n信号样点的时域索引；

(2)、然后进行修正后的UVT变换：

$G_n^L\left(k\right)=\underset{t=0}{\overset{L-1}{\Σ}}d(n-t)W_M^{-(t+L-1)k};$

其中，k为DFT变换的频域索引值，W_M为复旋转因子并且

(3)、将信号样点x(n)乘以调制序列将频点k的DFT变换移到k＝0处，根据n-L时刻的DFT变换结果X_n-L(0)计算n时刻的DFT变换输出：

$X_n\left(0\right)=X_{n-L}\left(0\right)+W_M^{km}{G}_n^L\left(k\right);$

其中，m为调制序列的索引值，每个采样时刻增加1，初始值为0，增加到M-1时，下一采样时刻恢复到初始值0，作为迭代的n-L时刻的DFT变换结果X_n-L(0)，其初始值采用传统DFT变换方法得到；

所述的调制序列采用一个复数振荡器来实现，形式为：

$W_M^{km}=W_M^{k(m-1)}{W}_M^k;$

调制序列是以M为周期的，每M个样点就自动从开始；

所述的变换表示为：

$G_n^L\left(k\right)=W_M^{-k}C\left(k\right)+D\left(k\right);$

其中， $C\left(k\right)=\underset{p=0}{\overset{L/2-1}{\Σ}}d(n-2p)W_{M/2}^{-(p+L/2-1)k};$

$D\left(k\right)=\underset{p=0}{\overset{L/2-1}{\Σ}}d(n-2p)W_{M/2}^{-(p+L/2-1)k};$

L点信号序列d(n)被分成两个长度为L/2的子序列，分别对应d(n)中奇数索引和偶数索引的子序列，根据抽取得到的这两个子序列的DFT变换直接合成得到；

(4)、通过相位修正得到n时刻频点k的DFT变换结果即信号第k个频点的频谱信息：

$X_n\left(k\right)=+W_M^{-k(m+L)}{X}_n\left(0\right).$

4.如权利要求2所述的转换方法，其特征在于，所述数字编码脉冲噪声滤除方法包括以下步骤：

标识噪声点；识噪声点的获取将原始图像I映射为图G＝(V，E)，得到A和A和的获得，通过设置阈值来标识噪声点，若图像I的尺寸为M×N，M，N∈Z⁺，抽象为一幅无向图G＝{V，E}，其中V，E分别对应图G的结点集和边集，采用8连接的图拓扑结构，用I_ij指代结点v_ij处的像素值，I_max＝max{I_ij；1≤i≤M，1≤j≤N}，I_min＝min{I_ij；1≤i≤M，1≤j≤N}，因为噪声点的像素值非常接近于I_max和I_min，固设置阈值T＝(I_max-I_min)*σ，其中σ的经验值取0＜σ≤0.05，由公式 $A=\left\{\begin{array}{c}{v}_{ij};I_{ij}>I_{\max }-T,1\&le;i\&le;M,1\&le;j\&le;N\\ v_{ij};I_{ij}<I_{\min }+T,1\&le;i\&le;M,1\&le;j\&le;N\end{array}\right.$ 从全局角度将图G的结点划分为噪声点集A和非噪声点集满足 集合A中包含的结点v_ij即为标识出的噪声点，

$A=\left\{\begin{array}{c}{v}_{ij};I_{ij}>I_{\max }-T,1\&le;i\&le;M,1\&le;j\&le;N\\ v_{ij};I_{ij}<I_{\min }+T,1\&le;i\&le;M,1\&le;j\&le;N\end{array}\right.;$

选择置信滤波窗口；具体步骤为：

步骤1：赋初值k＝1，w_ij(k)＝N₈(v_ij)，令

步骤2：计算w_ij(k)的B_ij(k)，若B_ij(k)为转至步骤3；否则转至步骤4；

步骤3：由表1的方法将w_ij(k)扩展为w_ij(k+1)，k＝k+1转至步骤2；

步骤4：若k≤T_w，扩展w_ij(k)为w_ij(k+1)，转至步骤5；否则D＝D∪v_ij；

步骤5：由公式 ${\mathrm{weight}}_{pq}=\exp \&lsqb;-\mathrm{\&beta;}{(I_{pq}-\stackrel{\&OverBar;}{B_{ij}})}^2\&rsqb;,$ $C_{ij}=\underset{v_{pq}\&Element;B_{ij}}{\&Sigma;}{\mathrm{weight}}_{pq}/n$ 算出C_ij(k)和C_ij(k+1)，若C_ij(k)≥C_ij(k+1)，将w_ij(k)作为置信滤波窗口，转至步骤7；否则k＝k+1转至步骤6；

步骤6：若k≤T_w，扩展w_ij(k)为w_ij(k+1)，转至步骤5；否则将w_ij(k-1)作为置信滤波窗口，转至步骤7；

噪声点修复；具体步骤为：

步骤7：采用公式 $A=\left\{\begin{array}{c}{v}_{ij};I_{ij}>I_{\max }-T,1\&le;i\&le;M,1\&le;j\&le;N\\ v_{ij};I_{ij}<I_{\min }+T,1\&le;i\&le;M,1\&le;j\&le;N\end{array}\right.$ 对v_ij进行滤波；

步骤8：重复步骤1至7直到对所有进行处理；

步骤9：若D为方法结束；否则跳至步骤10；

步骤10：将A＝D，不断扩展w_ij(k)，满足k∈Z⁺，直到将w_ij(k)作为置信滤波窗口，采用公式 $A=\left\{\begin{array}{c}{v}_{ij};I_{ij}>I_{\max }-T,1\&le;i\&le;M,1\&le;j\&le;N\\ v_{ij};I_{ij}<I_{\min }+T,1\&le;i\&le;M,1\&le;j\&le;N\end{array}\right.$ 对v_ij进行滤波，直到处理完A中所有噪声点，方法结束。

5.如权利要求4所述的转换方法，其特征在于，所述置信度的算法：需要选择窗口w_ij对v_ij进行滤波，其中且v_ij∈w_ij；滤波时本质上靠w_ij中的所有非噪声点对I_ij进行修复，令集合为w_ij的置信集，若B_ij的元素个数为n，则在w_ij中定义B_ij内结点v_pq的权重函数weight_pq为：

${\mathrm{weight}}_{pq}=\exp \&lsqb;-\mathrm{\&beta;}{(I_{pq}-\stackrel{\&OverBar;}{B_{ij}})}^2\&rsqb;---\left(8\right)$

其中β＞0为可调节参数，同时定义w_ij的置信度C_ij为：

$C_{ij}=\underset{v_{pq}\&Element;B_{ij}}{\&Sigma;}{\mathrm{weight}}_{pq}/n---\left(9\right)$

C_ij的值实际上反映了w_ij中非噪声点v_pq间像素值I_pq的差异程度，客观的衡量了用w_ij中非噪声点恢复I_ij的可靠性；对于不同大小的w_ij，令w_ij(k)代表v_ij的第k级滤波窗口，B_ij(k)为w_ij(k)的置信集，C_ij(k)代表w_ij(k)的置信度，通过比较不同w_ij(k)的C_ij(k)值选择出的w_ij(k)叫做置信滤波窗口，在不考虑结点空间位置的条件下，C_ij(k)的值越大表明用w_ij(k)恢复I_ij的准确度越高，若同时考虑结点间的相对位置信息，则B_ij(k)中的结点相对于v_ij的欧氏距离不能太大，否则会使w_ij(k)恢复的可靠性下降，所以本发明提出的滤波方法设置k≤T_w，即w_ij(k)最多可扩展为T_w级滤波窗口，

w_ij(k)扩展时根据8连接的图拓扑结构，搜索w_ij(k)中边缘结点的8邻域结点来实现，令N₈(m)代表结点m的8邻域集；指代w_ij(k)的边缘结点集且v_st∈V；则w_ij可按照表1的方法从w_ij(k)扩展为w_ij(k+1)。

6.如权利要求4所述的转换方法，其特征在于，所述两步滤波具体步骤为：

第一步，选择合适的w_ij(k)对进行滤波，将无法处理的v_ij保存到集合D中；

第二步，若D不为把D设为A并更新 寻找第一个存在非噪声点的w_ij(k)k∈Z⁺作为v_ij的滤波窗口即可。