CN109239028A - 一种海南鱼体耐药性检测方法 - Google Patents
一种海南鱼体耐药性检测方法 Download PDFInfo
- Publication number
- CN109239028A CN109239028A CN201810830487.4A CN201810830487A CN109239028A CN 109239028 A CN109239028 A CN 109239028A CN 201810830487 A CN201810830487 A CN 201810830487A CN 109239028 A CN109239028 A CN 109239028A
- Authority
- CN
- China
- Prior art keywords
- signal
- data
- hainan
- fish body
- remote signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明属于耐药性检测技术领域，公开了一种海南鱼体耐药性检测方法，将鱼的等加入细胞裂解液充分混合，放置5分钟后，然后将混合样品放入在不同条件的试剂盒2中，空白对照未加入到试剂盒中的混合液，用荧光信号得到数据后计算比例，测定样品的比例，断定混合液细菌的耐药性，进而判断鱼体的耐药性，通过远程控制发送指令在远程信号接收器8上，以此对加热板7加热温度的控制。本发明提供的一种海南鱼体耐药性检测方法，具有显示装置接收信号清晰准确；温度传感器接收信号、处理信息灵敏；同时装置接收数据准确，可分类处理数据，缩短检测时间，检测结果更为准确。
Description
技术领域
本发明属于耐药性检测技术领域，尤其涉及一种海南鱼体耐药性检测方法。
背景技术
自从上世纪20年代人类首次发现以青霉素为代表的抗生素以来，它已经成为治疗细菌感染的一类药物，在水体动物的细菌消除使用也极为广泛，但是细菌也在不断的进化各种对抗体制，耐药性的细菌感染已经成为全球性的问题，因此对于鱼体内部细菌的耐药性检测尤为重要，传统的耐药性检测方法对于生长缓慢的细菌无法及时提供选择抗生素的及时必要信息。
综上所述，现有技术存在的问题是：
传统的耐药性检测方法对于生长缓慢的细菌无法及时提供选择抗生素的及时必要信息。
现有技术显示装置接收信号迟缓；温度传感不够灵敏；同时接收数据已延迟，使得检测时间延长，检测结果偏差大。
现有的功率如何分配都是在单点感知的基础上进行的，而且假设的感知环境往往都是比较理想，基本上没有考虑到网络的安全性问题，不能很好的与实际感知环境相结合的问题。造成远程控制数据准确度差。
发明内容
针对现有技术存在的问题，本发明提供了一种海南鱼体耐药性检测方法。
本发明是这样实现的，一种海南鱼体耐药性检测方法，所述海南鱼体耐药性检测方法包括：
显示屏的数据信息信号源-显示屏关联矩阵描述数据信息与显示屏的相关性信息，记为FT＝[ftij]m×n；
其中行表示数据信息信号源，列表示显示；
行向量为所对应的组成的数据信息信号源在显示上的反应信息，记作Fi＝[fi1，fi2，…，fij]；
列向量为所对应的测试测得的故障信息，记作Fi＝[fi1，fi2，…fij]T；从信号fj所在组件出发，沿输出方向搜索到达显示节点tj，为该信号显示点，显示关联矩阵中对应的元素ftij值为1；若搜索过程中，fj无法到达显示节点tj，ftij值为0；
温度传感器的数据处理方法为：
时间tn中处理数据包个数：
tn＝TE-TB
其中，TB为数据包分析处理前系统时间；TE为数据包分析处理后系统时间；tn表示处理第n个数据包的时间；
数据处理中相对空闲率，为：
式中，M为相对空闲率；C为该数据处理线程的待处理数据包个数；V为该数据处理线程的数据处理效率；
远程信息接收器依据最优分类平面相关原理对远程信号数据信息进行分类封包处理，将远程信号中数据信息分类封包问题转变为最优平面求解问题；
式中，βj代表远程信号数据属性类别集，βk代表远程信号数据属性值，zk(φk)为远程信号数据信息时间窗函数，zj为远程信号数据信息流嵌入维数，上述远程信号数据最优分类封包平面求解问题需要满足以下约束条件
假设，远程信号数据信息传输流特征出现非线性变换，则需要采用内积L(yi·yk)取代最优分类函数中的点积，则远程信号数据最优分类平面求解问题转换后的结果利用下式进行表示
式中，yi代表初步筛选后的远程信号数据特征输出，yk代表远程信号数据干扰频率，利用下式表示上式相应的最优分类函数
式中，c'代表远程信号数据种类分类距离，采用最优分类平面方法对不同远程信号数据种类进行分类，进行信息数据分类封包传送。
进一步，远程信号接收器的远程信号数据处理中，参与合作感知的节点进行周期性的频谱检测，获得主用户频谱资源的特征；正常感知节点和恶意感知节点通过正交的公共控制信道向海南鱼体耐药性检测数据处理中心进行感知信息的汇报；海南鱼体耐药性检测数据处理中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；构建最优化模型，确定有关发射功率和感知时间的约束条件；求解所建立的最优化问题，选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数。
进一步，远程信号接收器的远程信号数据处理包括：
步骤一，参与合作感知的节点开始进行周期为τs的频谱检测过程，获得主用户频谱资源的特征；
步骤二，正常感知节点和恶意感知节点通过正交的公共控制信道向海南鱼体耐药性检测数据处理中心进行感知信息的汇报；
步骤三，海南鱼体耐药性检测数据处理中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；
步骤四，次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；
步骤五，构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题，得到使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率；
步骤六，重复循环步骤一至步骤五，直至完成仿真实验2000次，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数。
进一步，参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；
第一步，根据主用户信号的特征和信道衰减系数，计算各本地感知节点CRi接受到的信号yi(n)；
第二步，根据能量检测原理，得到感知节点CRi处的信号能量的统计量Vi，当采样量足够大时，Vi近似服从高斯分布。
进一步，步骤三的具体方法包括：
第一步，根据各个节点的信噪比γi为每一个参与合作感知的次级用户CRi,i＝1…k设计一个权重然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量
第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率Pf和攻击概率pa、攻击阈值η、攻击强度Δ之间的函数表达式如下：
其中：
步骤四中次级用户远程信号接收器SU-Tx依据海南鱼体耐药性检测数据处理中心的决策结果调整自己的信号发射功率，如果检测到主用户PU处于闲状态，则将以大功率P0发射信号；如果主用户PU是处于忙状态即主用户PU以功率Pp发射信号，次级用户远程信号接收器SU-Tx将以小功率P1发射信号；故在一个时间帧内次级网络的平均吞吐量写成如下形式：
其中：hk,gss分别是主用户远程信号接收器PU-Tx到次级用户远程信号接收器SU-Tx次级用户远程信号接收器SU-Tx、次级用户远程信号接收器SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数，P(H0)和P(H1)分别表示主用户PU实际处于闲状态与忙状态的概率。
本发明的另一目的在于提供一种实现所述海南鱼体耐药性检测方法的计算机程序。
本发明的另一目的在于提供一种实现所述海南鱼体耐药性检测方法的计算机。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的海南鱼体耐药性检测方法的。
本发明的另一目的在于提供一种实现所述海南鱼体耐药性检测方法的海南鱼体耐药性检测系统，设置有：
底座；
所述底座上表面卡接有试剂盒，所述试剂盒内部的底部设置有隔层，所述隔层内部卡接有温度传感器，所述底座的前端镶嵌有显示屏，所述显示屏的上方镶嵌有指示灯，所述底座的两侧通过螺母固定有提手，所述底座内部卡接有远程信号接收器，所述底座上表面内部通过螺母固定有加热板
进一步，所述指示灯采用LED灯；
所述入射光波长为440nm，双荧光信号分别为520nm和590nm；
所述试剂盒的内部配有荧光β-内酰胺酶底物溶液。
本发明的优点及积极效果为：
本发明的底座内部设置有加热板，能够调节加热板的温度使其最接近鱼体内部的温度，通过温度传感器将测量的温度传输到显示屏上，实验人员可以更加直观的观察温度，以便做出相应的调整，通过对比法对比检测的结果以判断鱼体内部细菌的耐药性，并且本发明提供的荧光底物可准确的精确检测耐药性的细菌。
本发明提供的一种海南鱼体耐药性检测方法，具有显示装置接收信号清晰准确；温度传感器接收信号、处理信息灵敏；同时装置接收数据准确，可分类处理数据，缩短检测时间，检测结果更为准确。
本发明的远程信号接收器的远程信号数据处理中，参与合作感知的节点进行周期性的频谱检测，获得主用户频谱资源的特征；正常感知节点和恶意感知节点通过正交的公共控制信道向海南鱼体耐药性检测数据处理中心进行感知信息的汇报；海南鱼体耐药性检测数据处理中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；构建最优化模型，确定有关发射功率和感知时间的约束条件；求解所建立的最优化问题，选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数，可获得准确的远程控制数据，为智能控制提供条件。
附图说明
图1是本发明实施例提供的南鱼体耐药性检测系统的设备外部结构示意图。
图2是本发明实施例提供的南鱼体耐药性检测系统的底座与试剂盒内部结构示意图。
图中：1、底座；2、试剂盒；3、显示屏；4、指示灯；5、提手；6、隔层、加热板；7、远程信号接收器；8、接收器。
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。
下面结合附图对本发明的结构作详细的描述。
如图1-图2所示，本发明实施例提供的海南鱼体耐药性检测系统，设置有：底座1、试剂盒2、显示屏3、指示灯4、提手5、隔层6、加热板7、远程信号接收器8。
所述底座1上表面卡接有试剂盒2，所述试剂盒2内部的底部设置有隔层6，所述隔层6内部卡接有温度传感器，所述底座1的前端镶嵌有显示屏3，所述显示屏3的上方镶嵌有指示灯4，所述底座1的两侧通过螺母固定有提手5，所述底座1内部卡接有远程信号接收器8，所述底座1上表面内部通过螺母固定有加热板7。
所述指示灯4采用LED灯。
所述入射光波长为440nm，双荧光信号分别为520nm和590nm。
所述试剂盒2的内部配有荧光β-内酰胺酶底物溶液。
本发明的工作原理：
将鱼的(细菌培养液、血清)等加入细胞裂解液充分混合，放置5分钟后，然后将混合样品放入在不同条件的试剂盒2中，空白对照未加入到试剂盒中的混合液，放置15分钟后，用荧光信号(入射波长440nm，双荧光信号520nm和590nm)得到数据后计算I520/I590的比例(I520为双荧光信号520nm，I590为双荧光信号590nm)，测定样品的比例，断定混合液细菌的耐药性，进而判断鱼体的耐药性，通过远程控制发送指令在远程信号接收器8上，以此对加热板7加热温度的控制，温度传感器进行A/D信号的转换，将温度传输到显示屏3上。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的海南鱼体耐药性检测方法，包括：
显示屏的数据信息信号源-显示屏关联矩阵描述数据信息与显示屏的相关性信息，记为FT＝[ftij]m×n；
其中行表示数据信息信号源，列表示显示；
行向量为所对应的组成的数据信息信号源在显示上的反应信息，记作Fi＝[fi1，fi2，…，fij]；
列向量为所对应的测试测得的故障信息，记作Fi＝[fi1，fi2，…fij]T；从信号fj所在组件出发，沿输出方向搜索到达显示节点tj，为该信号显示点，显示关联矩阵中对应的元素ftij值为1；若搜索过程中，fj无法到达显示节点tj，ftij值为0；
温度传感器的数据处理方法为：
时间tn中处理数据包个数：
tn＝TE-TB
其中，TB为数据包分析处理前系统时间；TE为数据包分析处理后系统时间；tn表示处理第n个数据包的时间；
数据处理中相对空闲率，为：
式中，M为相对空闲率；C为该数据处理线程的待处理数据包个数；V为该数据处理线程的数据处理效率；
远程信息接收器依据最优分类平面相关原理对远程信号数据信息进行分类封包处理，将远程信号中数据信息分类封包问题转变为最优平面求解问题；
式中，βj代表远程信号数据属性类别集，βk代表远程信号数据属性值，zk(φk)为远程信号数据信息时间窗函数，zj为远程信号数据信息流嵌入维数，上述远程信号数据最优分类封包平面求解问题需要满足以下约束条件
假设，远程信号数据信息传输流特征出现非线性变换，则需要采用内积L(yi·yk)取代最优分类函数中的点积，则远程信号数据最优分类平面求解问题转换后的结果利用下式进行表示
式中，yi代表初步筛选后的远程信号数据特征输出，yk代表远程信号数据干扰频率，利用下式表示上式相应的最优分类函数
式中，c'代表远程信号数据种类分类距离，采用最优分类平面方法对不同远程信号数据种类进行分类，进行信息数据分类封包传送。
远程信号接收器的远程信号数据处理中，参与合作感知的节点进行周期性的频谱检测，获得主用户频谱资源的特征；正常感知节点和恶意感知节点通过正交的公共控制信道向海南鱼体耐药性检测数据处理中心进行感知信息的汇报；海南鱼体耐药性检测数据处理中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；构建最优化模型，确定有关发射功率和感知时间的约束条件；求解所建立的最优化问题，选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数。
远程信号接收器的远程信号数据处理包括：
步骤一，参与合作感知的节点开始进行周期为τs的频谱检测过程，获得主用户频谱资源的特征；
步骤二，正常感知节点和恶意感知节点通过正交的公共控制信道向海南鱼体耐药性检测数据处理中心进行感知信息的汇报；
步骤三，海南鱼体耐药性检测数据处理中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；
步骤四，次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；
步骤五，构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题，得到使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率；
步骤六，重复循环步骤一至步骤五，直至完成仿真实验2000次，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数。
参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；
第一步，根据主用户信号的特征和信道衰减系数，计算各本地感知节点CRi接受到的信号yi(n)；
第二步，根据能量检测原理，得到感知节点CRi处的信号能量的统计量Vi，当采样量足够大时，Vi近似服从高斯分布。
进一步，步骤三的具体方法包括：
第一步，根据各个节点的信噪比γi为每一个参与合作感知的次级用户CRi,i＝1…k设计一个权重然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量
第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率Pf和攻击概率pa、攻击阈值η、攻击强度Δ之间的函数表达式如下：
其中：
步骤四中次级用户远程信号接收器SU-Tx依据海南鱼体耐药性检测数据处理中心的决策结果调整自己的信号发射功率，如果检测到主用户PU处于闲状态，则将以大功率P0发射信号；如果主用户PU是处于忙状态即主用户PU以功率Pp发射信号，次级用户远程信号接收器SU-Tx将以小功率P1发射信号；故在一个时间帧内次级网络的平均吞吐量写成如下形式：
其中：hk,gss分别是主用户远程信号接收器PU-Tx到次级用户远程信号接收器SU-Tx次级用户远程信号接收器SU-Tx、次级用户远程信号接收器SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数，P(H0)和P(H1)分别表示主用户PU实际处于闲状态与忙状态的概率。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
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。
Claims (10)
1.一种海南鱼体耐药性检测方法，其特征在于，所述海南鱼体耐药性检测方法包括：
显示屏的数据信息信号源-显示屏关联矩阵描述数据信息与显示屏的相关性信息，记为FT＝[ftij]m×n；
其中行表示数据信息信号源，列表示显示；
行向量为所对应的组成的数据信息信号源在显示上的反应信息，记作Fi＝[fi1，fi2，…，fij]；
列向量为所对应的测试测得的故障信息，记作Fi＝[fi1，fi2，…fij]T；从信号fj所在组件出发，沿输出方向搜索到达显示节点tj，为该信号显示点，显示关联矩阵中对应的元素ftij值为1；若搜索过程中，fj无法到达显示节点tj，ftij值为0；
温度传感器的数据处理方法为：
时间tn中处理数据包个数：
tn＝TE-rB
其中，TB为数据包分析处理前系统时间；TE为数据包分析处理后系统时间；tn表示处理第n个数据包的时间；
数据处理中相对空闲率，为：
式中，M为相对空闲率；C为该数据处理线程的待处理数据包个数；V为该数据处理线程的数据处理效率；
远程信息接收器依据最优分类平面相关原理对远程信号数据信息进行分类封包处理，将远程信号中数据信息分类封包问题转变为最优平面求解问题；
式中，βj代表远程信号数据属性类别集，βk代表远程信号数据属性值，zk(φk)为远程信号数据信息时间窗函数，zj为远程信号数据信息流嵌入维数，上述远程信号数据最优分类封包平面求解问题需要满足以下约束条件
假设，远程信号数据信息传输流特征出现非线性变换，则需要采用内积L(yi·yk)取代最优分类函数中的点积，则远程信号数据最优分类平面求解问题转换后的结果利用下式进行表示
式中，yi代表初步筛选后的远程信号数据特征输出，yk代表远程信号数据干扰频率，利用下式表示上式相应的最优分类函数
式中，c'代表远程信号数据种类分类距离，采用最优分类平面方法对不同远程信号数据种类进行分类，进行信息数据分类封包传送。
2.如权利要求1所述的海南鱼体耐药性检测方法，其特征在于，远程信号接收器的远程信号数据处理中，参与合作感知的节点进行周期性的频谱检测，获得主用户频谱资源的特征；正常感知节点和恶意感知节点通过正交的公共控制信道向海南鱼体耐药性检测数据处理中心进行感知信息的汇报；海南鱼体耐药性检测数据处理中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；构建最优化模型，确定有关发射功率和感知时间的约束条件；求解所建立的最优化问题，选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数。
3.如权利要求2所述的海南鱼体耐药性检测方法，其特征在于，其特征在于，远程信号接收器的远程信号数据处理包括：
步骤一，参与合作感知的节点开始进行周期为τs的频谱检测过程，获得主用户频谱资源的特征；
步骤二，正常感知节点和恶意感知节点通过正交的公共控制信道向海南鱼体耐药性检测数据处理中心进行感知信息的汇报；
步骤三，海南鱼体耐药性检测数据处理中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；
步骤四，次级用户与主用户共享频谱资源，如果检测到主用户处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；
步骤五，构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题，得到使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率；
步骤六，重复循环步骤一至步骤五，直至完成仿真实验2000次，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数。
4.如权利要求2所述的海南鱼体耐药性检测方法，其特征在于，其特征在于，参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；
第一步，根据主用户信号的特征和信道衰减系数，计算各本地感知节点CRi接受到的信号yi(n)；
第二步，根据能量检测原理，得到感知节点CRi处的信号能量的统计量Vi，当采样量足够大时，Vi近似服从高斯分布。
5.如权利要求2所述的海南鱼体耐药性检测方法，其特征在于，其特征在于，
步骤三的具体方法包括：
第一步，根据各个节点的信噪比γi为每一个参与合作感知的次级用户CRi,i＝1…k设计一个权重然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量
第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率Pf和攻击概率pa、攻击阈值η、攻击强度Δ之间的函数表达式如下：
其中：
步骤四中次级用户远程信号接收器SU-Tx依据海南鱼体耐药性检测数据处理中心的决策结果调整自己的信号发射功率，如果检测到主用户PU处于闲状态，则将以大功率P0发射信号；如果主用户PU是处于忙状态即主用户PU以功率Pp发射信号，次级用户远程信号接收器SU-Tx将以小功率P1发射信号；故在一个时间帧内次级网络的平均吞吐量写成如下形式：
其中：hk,gss分别是主用户远程信号接收器PU-Tx到次级用户远程信号接收器SU-Tx次级用户远程信号接收器SU-Tx、次级用户远程信号接收器SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数，P(H0)和P(H1)分别表示主用户PU实际处于闲状态与忙状态的概率。
6.一种实现权利要求1～5任意一项所述海南鱼体耐药性检测方法的计算机程序。
7.一种实现权利要求1～5任意一项所述海南鱼体耐药性检测方法的计算机。
8.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的海南鱼体耐药性检测方法的。
9.一种实现权利要求1所述海南鱼体耐药性检测方法的海南鱼体耐药性检测系统，其特征在于，所述海南鱼体耐药性检测系统设置有：
底座；
所述底座上表面卡接有试剂盒，所述试剂盒内部的底部设置有隔层，所述隔层内部卡接有温度传感器，所述底座的前端镶嵌有显示屏，所述显示屏的上方镶嵌有指示灯，所述底座的两侧通过螺母固定有提手，所述底座内部卡接有远程信号接收器，所述底座上表面内部通过螺母固定有加热板。
10.如权利要求9所述的海南鱼体耐药性检测系统，其特征在于，所述指示灯采用LED灯；
所述入射光波长为440nm，双荧光信号分别为520nm和590nm；
所述试剂盒的内部配有荧光β-内酰胺酶底物溶液。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810830487.4A CN109239028A (zh) | 2018-07-26 | 2018-07-26 | 一种海南鱼体耐药性检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810830487.4A CN109239028A (zh) | 2018-07-26 | 2018-07-26 | 一种海南鱼体耐药性检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109239028A true CN109239028A (zh) | 2019-01-18 |
Family
ID=65072416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810830487.4A Pending CN109239028A (zh) | 2018-07-26 | 2018-07-26 | 一种海南鱼体耐药性检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109239028A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102821164A (zh) * | 2012-08-31 | 2012-12-12 | 河海大学 | 一种高效并行分布式数据处理系统 |
| CN103512871A (zh) * | 2012-06-28 | 2014-01-15 | 上海百可生物科技有限公司 | 一种细菌耐药性荧光检测方法及其诊断试剂盒 |
| CN104239149A (zh) * | 2012-08-31 | 2014-12-24 | 南京工业职业技术学院 | 一种服务端多线程并行数据处理方法及负载均衡方法 |
| CN105812728A (zh) * | 2016-03-10 | 2016-07-27 | 洛阳理工学院 | 一种图像采集和无线传输系统 |
| CN107475364A (zh) * | 2017-06-30 | 2017-12-15 | 北京百康芯生物科技有限公司 | 耐药基因微流控芯片快速检测试剂盒及检测方法 |
| CN207468637U (zh) * | 2017-09-29 | 2018-06-08 | 长沙环境保护职业技术学院 | 微生物检测试剂盒 |
| CN109410155A (zh) * | 2018-10-26 | 2019-03-01 | 菏泽家政职业学院 | 一种大学生教育培训系统及方法 |
-
2018
- 2018-07-26 CN CN201810830487.4A patent/CN109239028A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103512871A (zh) * | 2012-06-28 | 2014-01-15 | 上海百可生物科技有限公司 | 一种细菌耐药性荧光检测方法及其诊断试剂盒 |
| CN102821164A (zh) * | 2012-08-31 | 2012-12-12 | 河海大学 | 一种高效并行分布式数据处理系统 |
| CN104239149A (zh) * | 2012-08-31 | 2014-12-24 | 南京工业职业技术学院 | 一种服务端多线程并行数据处理方法及负载均衡方法 |
| CN105812728A (zh) * | 2016-03-10 | 2016-07-27 | 洛阳理工学院 | 一种图像采集和无线传输系统 |
| CN107475364A (zh) * | 2017-06-30 | 2017-12-15 | 北京百康芯生物科技有限公司 | 耐药基因微流控芯片快速检测试剂盒及检测方法 |
| CN207468637U (zh) * | 2017-09-29 | 2018-06-08 | 长沙环境保护职业技术学院 | 微生物检测试剂盒 |
| CN109410155A (zh) * | 2018-10-26 | 2019-03-01 | 菏泽家政职业学院 | 一种大学生教育培训系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘家学 等: "基于多信号流图模型的维修测试过程仿真", 《计算机应用与软件》 * |
| 彭建华 等: "接收与处理分离的实时大数据处理模型", 《计算机科学与探索》 * |
| 潘越伟: "网络中资源数据传输效率优化数学模型仿真", 《计算机仿真》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Maecker et al. | Standardizing immunophenotyping for the human immunology project | |
| David et al. | Viability and membrane potential analysis of Bacillus megaterium cells by impedance flow cytometry | |
| US20030078703A1 (en) | Cytometry analysis system and method using database-driven network of cytometers | |
| US20130323825A1 (en) | Information processing apparatus, information processing method, and program | |
| CN106211084B (zh) | 基于gsm信号的环境感知方法 | |
| US20240175800A1 (en) | Methods and Systems for Classifying Fluorescent Flow Cytometer Data | |
| CN106357720A (zh) | 一种基于物联网的数据显示系统及方法 | |
| CN106453488A (zh) | 一种基于量子通信的农产品生产环境监测方法与系统 | |
| Ocran et al. | Cosmic evolution of star-forming galaxies to z≃ 1.8 in the faint low-frequency radio source population | |
| CN103808764A (zh) | 基于手机平台的开放式食品安全检测系统 | |
| Agarwal et al. | Application of colorimetry to determine soil fertility through naive bayes classification algorithm | |
| Wang et al. | Identification of bacterial pathogens at genus and species levels through combination of Raman spectrometry and deep-learning algorithms | |
| RU2369866C1 (ru) | Способ комплексного мониторинга окружающей среды региона | |
| Hribar et al. | Using deep Q-learning to prolong the lifetime of correlated internet of things devices | |
| CN106290240A (zh) | 一种基于近红外光谱分析技术对酵母菌生长曲线测定的方法 | |
| CN104063459B (zh) | 一种基于流感病毒刺激的细胞差异基因数据分类系统 | |
| CN102297846A (zh) | 一种快速测定发酵液中透明质酸含量的方法 | |
| Ali et al. | Data-driven analysis of outdoor-to-indoor propagation for 5G mid-band operational networks | |
| Robles-Enciso et al. | Lora, zigbee and 5g propagation and transmission performance in an indoor environment at 868 mhz | |
| CN109239028A (zh) | 一种海南鱼体耐药性检测方法 | |
| CN103487398A (zh) | 一种赖氨酸发酵液的分析方法 | |
| Barr et al. | The cluster environments of radio-loud quasars at 0.6< z< 1.1 | |
| Chen et al. | Process capability analysis chart with the application of Cpm | |
| CN114078600A (zh) | 一种基于云技术的智能多通道疾病诊断系统和方法 | |
| CN218446434U (zh) | 一种电力负荷预测中指纹图像构造装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
| RJ01 | Rejection of invention patent application after publication |