[发明专利]一种方便胸部肿瘤放疗用组合式定位架装置

权利要求书

1.一种方便胸部肿瘤放疗用组合式定位架装置，其特征在于，所述方便胸部肿瘤放疗用组合式定位架由底座、斜面板、枕头盒、扶手、挡板、3D激光定位仪和支撑板组成；

所述的方便胸部肿瘤放疗用组合式定位架上部设置有支撑板、扶手，所述的方便胸部肿瘤放疗用组合式定位架两侧挡板连接在斜面板的两侧，枕头盒位于斜面板的中部并且两者的下边沿对齐，所述方便胸部肿瘤放疗用组合式定位架下部设置软塑形材料底座；所述3D激光定位仪安装在支撑板上；

所述枕头盒采用金属材质，且位于斜面板的中部并且两者的下边沿对齐；

所述支撑板采用金属材料；

所述底座为软性可塑性塑料材料；

所述3D激光定位仪包括：

扫描装置，相对所述物体可转动；

点光源，用来发出具有预定图案的光线，所述光线经所述扫描装置投射到所述物体的不同位置上以扫描所述物体；

影像感测器，用来接收被所述物体反射的光线并成像；

控制器，用来控制所述扫描装置的转动角度并根据所述影像感测器上的图像得知所述物体的空间位置。

2.如权利要求1所述的方便胸部肿瘤放疗用组合式定位架，其特征在于，所述控制器设置有数字调制信号模块，所述数字调制信号模块的信号处理方法包括：

步骤一，对接收到的信号y(t)进行预处理，即先经过采样得到y[n]，然后通过希尔伯特变换进行信号的复包络的恢复；计算信号的零中心归一化瞬时幅度的广义分数阶傅里叶变换的最大值即特征量r₁：

r₁＝max|GFRFT[a_cn(i)，p]²/N_s

式中，N_s个采样点，为瞬时幅度a(i)的平均值；p为分数阶傅里叶变换的阶数；对接收信号s(t)进行非线性变换；按如下公式进行：

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：

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；计算接收信号的广义循环累积量按如下公式进行：

与均为广义循环矩，定义为：

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：

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：

式中为特征参数M¹的实际值；

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；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：

接收信号s(t)的特征参数M²的理论值具体计算公式为：

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；计算接收信号s(t)的广义四阶循环累积量按如下公式进行：

接收信号s(t)的特征参数M³的理论值具体计算过程如下：

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；

步骤五，将Reived_V1或Reived_V2中的射频或中频采样信号进行N_FFT点数的FFT运算，然后求模运算，将其中的前N_FFT/2个点存入VectorF中，VectorF中保存了信号x2的幅度谱，x2是非零中频的信号；将分析带宽Bs分为N块相等的Block，N＝3，4，.....，每一个Block要进行运算的带宽为Bs/N，设要分析带宽Bs的最低频率为FL，这里FL＝0，则块nBlock，n＝1...N，所对应的频率区间范围分别是[FL+(n-1)Bs/N，FL+(n)Bs/N]，将VectorF中对应的频段的频率点分配给每个block，其中nBlock分得的VectorF点范围是[S_n，S_n+k_n]，其中k_n表示每段分得的频率点的个数，而表示的是起始点，f_S是信号采样频率，round(*)表示四舍五入运算；对每个Block求其频谱的能量∑|·|²，得到E(n)，n＝1...N；对向量E求平均值求得向量E的方差和更新标志位flag，flag＝0，表示前一次检测结果为无信号，此种条件下，只有当σ_sum＞K2时判定为当前检测到信号，flag变为1；当flag＝1，表示前一次检测结果为有信号，此种条件下，只有当σ_sum＜K1时判定为当前未检测到信号，flag变为0，K1和K2为门限值，由理论仿真配合经验值给出，K2＞K1；根据标志位控制后续解调线程等是否开启：flag＝1，开启后续解调线程等，否则关闭后续解调线程。

3.如权利要求2所述的方便胸部肿瘤放疗用组合式定位架，其特征在于，所述影像感测器设置有数字图像水印提取模块，所述数字图像水印提取模块的图像处理方法包括：

数字图像的混沌映射是指单幅图像和多幅图像参数的混沌加密和多重混合，对加密后的隐藏图像G的图像序列x(t)和载体图像F的图像序列w(t)进行α₁混合得到：S₁＝α₁w(t)+(1-α₁)x(t)，再对混合图像S₁和载体图像F进行α₂混合得到S₂＝α₂w(t)+(1-α₂)S₁，侬次进行至n重混合得到S_n＝α_nw(t)+(1-α_n)S_n-1，则混合图像S_n为图像F和G的n重混合图像，

混合图像满足下面的关系式，

S_n＝(1-β_nβ_n-1...β₂β₁)F+β_nβ_n-1...β₂β₁G′

其中β_i＝1-α_i，i＝1，2，...，n，

采用Logistic映射来产生这些迭代参数，选定参数μ′和初值α₁，由公式

α_i+1＝μ′α_i(1-α_i)

{α_i}为混沌加密后迭代时的参数序列，要隐藏的图像G，记为θ(t)，采用Logistic混沌加密，加密后的图像表示为G′，加密图像G′记为x(t)，载体图像F_i(i＝1，2，…，n)和加密图像G′都是M×N的数字图像，并且混合参数为{α_i|0≤α_i≤1，i＝1，2，…，n}，根据图像的混合算法，首先对图像F₁和G′进行α₁混合得到S₁＝α₁F₁+(1-α₁)G′，然后对图像F₂和G′进行α₂混合得到S₂＝α₂F₂+(1-α₂)S₁，依次进行图像混合得到S_n＝α_nF_n+(1-α_n)S_n-1，则数字图像S_n称为图像G′的关于数字图像组F_i(i＝1，2，…，n)的一个n幅图像混合”

混合图像可表示为：

即：

S_n＝α_nF_n+β_nα_n-1F_n-1+…+β_nβ_n-1…β_n-iα_n-iF_n-i

+…+β_nβ_n-1…β₂β₁G′；

其中β_i＝1-α_i，i＝1，2，…，n，选定参数μ′和初值α₁，根据α_i+1＝μ′α_i(1-α_i)产生一个混沌序列{α_i|0＜α_i＜1，i＝1，2，…n}，作为迭代时的参数序列，在这里选取的参数μ′和初值α₁要不同于产生水印时的参数μ(t)和初值x(1)；

对数字图像的混沌加密和隐藏，一维Logistic混沌映射表示为：

x(t+1)＝μx(t)(1-x(t))，x(t)∈[0，1]，其中3.5699456…≤μ≤4被称为Logistic参数，由给定初值x(0)及参数μ在Logistic映射下所产生的序列{x(t)}与其它不同初值及参数所产生的序列的相关程度几乎为零，记原始图像G为θ(t)，为了实现隐藏图像的混沌加密，即μ(t)＝λ+θ(t)，这时，写成

x(t+1)＝(λ+θ(t))x(t)(1-x(t))，得到的混沌序列{x(t)，t＝1，2，3，…}，就是加密后的图像序列G′，在此记为x(t)，混沌现象是非线性动力系统中确定的、类似随机的过程，一类非常简单却广泛应用的混沌系统是Logistic映射；

水印的混沌加密是指设水印二值图像m(t)，对其进行Logistic混沌加密，将其加入到参数μ中，得到混沌序列{x(t)，t＝1，2，3，…}，即加密的水印图像x(t)；

水印的嵌入是指设载体图像为灰度图像w(t)和加密的水印图像x(t)，采用n重迭代混合方法嵌入水印图像，

y₁(t)＝α₁w(t)+(1-α₁)x(t)

y₂(t)＝α₂w(t)+(1-α₂)y₁(t)

……

y_n(t)＝α_nw(t)+(1-α_n)y_n-1(t)

α_n+1＝α_n(1-α_n)μ′

选定参数μ′和初值α₁，产生一个混沌序列{α_i|0＜α_i＜1，i＝1，2，…n}，作为迭代时的参数序列，；

非线性离散系统模型为

式中x(t)∈Rⁿ；θ(t)∈R^m；y(t)∈R^r；f，g为矩阵函数，

单幅图像隐藏的迭代学习辨识是指将原始图像G混沌加密后为图像G′，通过多重混合，运用迭代学习辨识算法可完全重建原始图像G，待辨识的非线性离散时间系统标准形式如下：

式中，时间t∈{0，1，...N}，输入状态x(t)∈Rⁿ；参数θ(t)∈R¹；输出y(t)∈R¹，函数f(x(t)，θ(t)，t)表示原始图像加密的函数，函数g(x(t)，t)表示加密后的图像与载体图像n重迭代混合函数；

将参数θ(t)的期望值记为θ^*(t)时，上述公式(8)写成：

用于估计θ^*(t)的迭代学习辨识系统方程表示为：

由于k为迭代次数，在实验过程中假设每次迭代时的初值相同，并且记f和g关于x、θ的偏导数且存在，记：

其中ξ_k(t)＝(1-σ₁)x^*(t)+σ₁x_k(t)，0＜σ₁＜1；

其中ξ_k(t)＝(1-σ₂)x^*(t)+σ₂x_k(t)，0＜σ₂＜1；

其中η_k(t)＝(1-σ₃)θ^*(t)+σ₃θ_k(t)，0＜σ₃＜1；并记其界为C_C，C_A，C_B，采用下述学习律：

在上述学习律中引入了sat(·)饱和函数，γ_k(t)为学习增益，输出误差e_k(t)＝y^*(t)-y_k(t)，

根据饱和定理可知如果

则：

多幅图像隐藏的迭代学习辨识是指利用多个混合参数和多幅载体图像来隐藏一幅图像，通过运用图像的多重混合嵌入技术将图像信息嵌入到数字图像系统的时变参数中，对数字图像系统建立数学模型，运用迭代学习辨识方法在有限时间区间上对时变参数的完全估计这一重要特性，实现数字图像系统的图像信息的完全重建，实验数值结果表明，运用迭代学习辨识方法能够完全恢复出隐藏图像，并且通过大量的实验测试了所提出方法抵抗JPEG压缩、剪切、噪声和中值滤波等几何攻击的能力；

记原始图像G为θ(t)序列，加密后为图像G′为x(t)序列，载体图像组F_i(i＝1，2，…，n)为w_i(t)序列，i＝1，2，…，n，混合图像S_n为y(t)，则系统可表示为：

t∈{0，1，2...N}，x(t)∈Rⁿ，θ(t)∈R¹；y¹(t)∈R¹；y(t)∈R¹，非线性函数f(x(t)，θ(t)，t)表示原始图像加密的函数，非线性函数g(x(t)，t)表示加密后的图像和载体图像一次迭代混合函数，h(y¹(t)，t)表示n重迭代混合后的函数，当参数真值为θ^*(t)时，式(14)可写成：

用于估计θ^*(t)的迭代学习辨识系统为：

式中，k为迭代次数，每次迭代时的初值相同，假设f关于x、θ的偏导数，及g关于x的偏导数，以及h关于g的偏导数存在，记：

并记其界为C_D，C_C，C_A，C_B，

水印的解密和提取是指在水印嵌入时水印图像掩盖于混沌系统的参数中，再经过n次迭代混合嵌入载体图像中，因此综合数字水印图像的加密和嵌入过程，可以运用迭代学习算法完全重建原始水印图像，数字水印系统的状态方程为

x(t+1)＝μx(t)(1-x(t))

y₁(t)＝α₁w(t)+(1-α₁)x(t)

y₂(t)＝α₂w(t)+(1-α₂)y₁(t)

……

y_n(t)＝α_nw(t)+(1-α_n)y_n-1(t)

α_n+1＝μ′α_n(1-α_n)

式中μ，μ′∈[3.571448…，4]，x(t)∈[0，1]，令μ＝λ+m(t)，设λ＝3.7，m(t)为水印二值图像，w(t)为载体图像，y(t)为含水印的图像，注意这里选取的参数值μ′和初值α₁要不同于产生水印时的参数值μ和初值x₁。