本發(fā)明屬于醫(yī)療監(jiān)護(hù)技術(shù)領(lǐng)域，尤其涉及一種基于物聯(lián)網(wǎng)的監(jiān)護(hù)儀。

背景技術(shù)：

目前，隨著各大醫(yī)院的監(jiān)護(hù)儀設(shè)備引入，監(jiān)護(hù)儀的功能越來越受人們的重視，醫(yī)療監(jiān)護(hù)儀可以以測量和控制病人生理參數(shù)，并可與已知設(shè)定值進(jìn)行比較，如果出現(xiàn)超標(biāo)，可發(fā)出警報的裝置或系統(tǒng)。監(jiān)護(hù)儀它必須24小時連續(xù)監(jiān)護(hù)病人的生理參數(shù)，檢出變化趨勢，指出臨危情況，供醫(yī)生應(yīng)急處理和進(jìn)行治療的依據(jù)，使并發(fā)癥減到最少達(dá)到緩解并消除病情的目的。監(jiān)護(hù)儀的用途除測量和監(jiān)護(hù)生理參數(shù)外，還包括監(jiān)視和處理用藥及手術(shù)前后的狀況。然而，現(xiàn)在的監(jiān)護(hù)儀，使用范圍有局限性，患者家人如果不在現(xiàn)場，不能夠及時掌握患者的病情。

綜上所述，現(xiàn)在的技術(shù)存在的問題是：使用范圍局限性，只能在醫(yī)院醫(yī)護(hù)人員可以獲知，而遠(yuǎn)在其他地方的家人無法及時獲取病人的病情。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了基于物聯(lián)網(wǎng)的監(jiān)護(hù)儀。

本發(fā)明是這樣實現(xiàn)的，一種基于物聯(lián)網(wǎng)的監(jiān)護(hù)儀，所述基于物聯(lián)網(wǎng)的監(jiān)護(hù)儀設(shè)置有：

監(jiān)控站；

所述監(jiān)控站包括監(jiān)視臺和存儲器；

所述存儲器對用戶進(jìn)行聚類處理包括用戶的位置信息用當(dāng)前的位置坐標(biāo)來描述：

li＝(xi,yi)；

其中xi，yi分別表示用戶i的橫縱坐標(biāo)值，對于用戶i，構(gòu)建一個內(nèi)容請求頻率向量：

ni＝(ni,1,ni,2,...,ni,c)；

其中ni,c表示用戶i請求內(nèi)容c的次數(shù)，每個用戶對應(yīng)一個內(nèi)容請求向量，該向量反映了用戶的內(nèi)容請求偏好；

基于用戶的位置信息和內(nèi)容請求偏好信息對用戶進(jìn)行聚類，具有相似內(nèi)容請求偏好且位置相近的用戶分到一個多播組，使用余弦相似度準(zhǔn)則來計算兩個用戶間的相似度，用如下公式計算：

其中β是一個0-1之間的權(quán)重系數(shù)；

使用k-means聚類方法，對小區(qū)內(nèi)所有的用戶d進(jìn)行聚類，ui＝{li,ni}表示用戶i的聚類信息，聚類的目的是將原始用戶分成c類d＝{d1,…,dc}，數(shù)學(xué)模型上是對下式求最小值：

其中γk為用戶群的中心；

所述基于用戶的位置信息以及當(dāng)前時間段內(nèi)統(tǒng)計到的視頻請求信息，對用戶進(jìn)行聚類處理具體步驟如下：

步驟一，從d中隨機取c個用戶，作為c個用戶群的中心；

步驟二，根據(jù)相似度的計算公式，計算剩下的用戶到c個用戶群中心的相似度，將用戶劃分到相似度最高的用戶群；

步驟三，根據(jù)聚類結(jié)果，更新c個用戶群的中心γk＝{lk,nk}，用如下公式：

其中mi是一個0-1之間的權(quán)重系數(shù)，重復(fù)步驟二和步驟三，直到聚類中心不再發(fā)生變化；

所述根據(jù)用戶聚類結(jié)果，根據(jù)每個用戶群的位置信息，計算出每個用戶群中心位置的水平方位角和垂直仰角具體包括：

采用有源天線波束賦形模型，基站對每個用戶群有一個特定波束，即對每個用戶群設(shè)置一個特定的電子下傾角和垂直半功率帶寬的波束，基站坐標(biāo)為原點o(0,0,hbs)，用戶群k的質(zhì)心為γk，位置坐標(biāo)為(xk,yk,zk)，垂直仰角和水平方位角為

基于聚類后的用戶群位置信息，用戶群中心的水平方向角和垂直仰角通過下面的公式求出：

顯然，垂直仰角和水平方位角的取值范圍為θ1∈(0,π),

所述基站天線波束實現(xiàn)對用戶群的精確對準(zhǔn)具體包括：

步驟一，將調(diào)整波束的電子下傾角、電子水平角和半功率帶寬，使波束的輻射方向?qū)?zhǔn)用戶群的中心位置，使半功率帶寬范圍覆蓋用戶群中的所有用戶，基站到用戶的下傾角和水平角將調(diào)整為：

其中，和θk為基站基于用戶聚類結(jié)果，利用用戶群的中心位置計算出來的用戶群中心的水平方位角和垂直仰角；

步驟二，確定波束寬度，用戶群的覆蓋區(qū)域為一個圓點在用戶群中心的圓形，則該圓形區(qū)域的半徑為該用戶群中離中心位置最遠(yuǎn)的用戶與中心的距離，即：

其中(xk,yk)為用戶群k的中心γk的坐標(biāo)，則第k個波束的垂直半功率帶寬為：

所述采用有源天線陣列的天線模型，并確定基站到用戶的信道增益模型具體包括：

步驟一，根據(jù)每個用戶的位置信息以及所屬的用戶群波束，計算出每個用戶位置的實際水平方位角和垂直仰角，計算出用戶i相對于基站的水平方位角和垂直仰角θ'i，若用戶i屬于多播組k，則用戶i的實際水平方位角和垂直仰角等于：

步驟二，有源天線陣列的天線模型：

3d天線增益模型采用3gpp標(biāo)準(zhǔn)中提出的有源天線陣列輻射模型，天線增益模型表示如下：

其中，為下傾角為0時的有源天線單陣元的天線增益模型，和θ為用戶實際位置上的方位角和垂直仰角，ρ為陣列天線的相關(guān)系數(shù)，wm,n和vm,n分別為權(quán)值因子和用戶偏移相位，分別表示如下：

m＝1,2,...nh；n＝1,2,...nv；

m＝1,2,...nh；n＝1,2,...nv；

其中，θetilt表示天線波束的下傾角，表示天線的水平轉(zhuǎn)向角，針對不同的用戶群，天線的θetilt和的配置不同；

步驟三，基站到用戶的信道增益模型，采用多播信道增益模型，在一個多播組中的用戶以相同的速率接受數(shù)據(jù)，基站的傳輸速率超過了該群中的某個用戶的最大承受速率，則這個用戶將不能正常解碼該數(shù)據(jù)，基站以用戶群中最小的速率傳輸數(shù)據(jù)，因此用戶群k中基站到用戶的等效信道增益等于該用戶群中用戶的最差信道增益，即：

其中表示用戶i(i∈dk)在載波n上的信道增益，由3部分組成：快衰落、基站到用戶的路徑損耗和用戶的3d天線增益，如下表達(dá)式：

其中，f和pl分別表示快衰落和路徑損耗，表示第k個波束到用戶i的3d天線增益；

所述提出用戶群分簇算法，根據(jù)用戶群的位置信息，對用戶群進(jìn)行分簇處理具體包括：

基于圖論的知識對用戶群進(jìn)行分簇，定義波束間的干擾圖g＝(v,e)，其中v表示波束的集合，作為干擾圖的頂點，e表示波束間的干擾系數(shù)，作為干擾圖的邊，定義指示函數(shù)e(vk,vm)(k≠m)指示波束k和波束m間的干擾：

其中ok和om分別表示用戶群k和用戶群m的半徑，rth表示兩個波束間干擾忽悠不計的門限距離，另外，定義e(vk,vk)＝0，表示波束自身不存在干擾，根據(jù)指示函數(shù)，構(gòu)建一個二值干擾矩陣：

定義波束的干擾度：

當(dāng)dg(vk)＝0時，稱vk為零度節(jié)點；

分簇的具體步驟如下：

步驟一，用頂點集合v構(gòu)建干擾矩陣ag，初始化迭代因子h＝1，孤立節(jié)點集合分簇集合節(jié)點集合

步驟二，找到所有的零度節(jié)點vk，更新s＝s∪vk；剩余節(jié)點集合記為φ1＝v-s；

步驟三，分簇：a)找節(jié)點k＝argmax(dg(vk))，令干擾矩陣的第k行、第k列為0，更新節(jié)點集合bh＝bh∩vk；b)循環(huán)執(zhí)行a)直到ag＝0；c)更新φh＝φh-bh，則φh為第h個簇；

步驟四，用節(jié)點集合bh重新構(gòu)建ag≠0，更新節(jié)點集合φh+1＝bh，更新迭代因子h＝h+1，執(zhí)行步驟(3)；如果ag＝0或者|bh|＝1，如果|bh|＝1，則φh+1＝bh；

步驟五，將孤立節(jié)點集合s分配到最少節(jié)點的一簇中；

經(jīng)過用戶群的分簇處理后，用戶群d＝{d1,…,dk,…,dc}經(jīng)過分簇算法被劃分為φ＝{φ1,…,φh,…}，φh表示第h個用戶群簇，每個簇中的總的用戶傳輸速率為：

系統(tǒng)總的吞吐量為所有用戶群簇的傳輸速率之和：

其中為用戶群簇φh使用載波n的指示因子，相應(yīng)的，滿足的條件為：

條件(2)表示一個載波只能分配給一個用戶群簇，同一簇中的用戶群共享一個載波資源，不同簇中的用戶群不可以復(fù)用；

所述基于最大化吞吐量的載波分配算法具體步驟如下：

步驟一，根據(jù)公式：

計算每個簇中的用戶在載波n上的總傳輸速率；

步驟二，為了最大化系統(tǒng)的吞吐量，找到獲得最大速率的載波和用戶群簇，首先分配該載波給該用戶群簇，根據(jù)公式：

將載波n分配給用戶群簇φh獲得最大的傳輸速率，載波n分配給簇φh的頻譜利用率最高，所以將載波n分配給用戶群簇φh；

步驟三，將載波n從載波集合f中移除，同時，將用戶群簇φh從集合φ中移除；

步驟四，重復(fù)執(zhí)行步驟二和步驟三，直到載波集合或者用戶群簇集合成為空集；

所述無線接收站通過導(dǎo)線連接服務(wù)器；

所述無線接收站的信號間干擾關(guān)系分析的方法包括以下步驟：

步驟一，構(gòu)建多維干擾空間模型，確定待分析的干擾信號特征矢量與參照信號特征矢量

步驟二，基于干擾空間模型，針對干擾信號特征矢量定義其對參照信號特征矢量的位移矢量

步驟三，定義位移矢量在干擾空間中對某個維度坐標(biāo)軸的投影，為干擾信號特征矢量到參照信號特征矢量在該cp維度上的距離，即有：

其中prj(·)算子表示針對某一cp維度的投影運算，計算的值；

步驟四，定義干擾信號對參照信號的干擾狀態(tài)為s，用以表示干擾信號對參照信號的干擾關(guān)系，從而判斷是否存在干擾；判斷方法包括以下步驟：

1)對于由單獨干擾矢量表示的單模干擾信號和參照信號，當(dāng)干擾信號矢量對參照信號矢量在空間模型中各個維度的距離均小于該維度的分辨率時，表示干擾信號對參照信號產(chǎn)生干擾，s＝1；反之，若存在某一維度或者多個維度上干擾信號矢量對參照信號矢量的距離大于等于該維度的分辨率，則表示干擾信號未對參照信號形成干擾，s＝0，即干擾信號和參照信號在該維度是可分離的；

2)對于干擾信號和參照信號各自包含若干干擾特征矢量的多模情況，此時的干擾狀態(tài)s(vi，vs)可以如下計算：

其中s[vi，vs]m×n被稱為干擾狀態(tài)矩陣，矩陣中的每個元素表示vi中的第k個特征矢量和vs中的第l個特征矢量的干擾狀態(tài)；只有兩個特征矢量集合中每個元素都不干擾時，s(vi，vs)＝0，干擾信號才不對參照信號形成干擾；反之，s(vi，vs)＞0，此時干擾信號將對參照信號形成干擾；

步驟五，在已經(jīng)形成干擾的前提下，選取并確定干擾作用參數(shù)ep，對于干擾信號而言，該參數(shù)通常為信號功率p或者能量e；進(jìn)一步，定義干擾信號對參照信號的干擾程度為g，計算出干擾信號對參照信號的干擾影響程度；計算方法包括以下步驟：

3)對僅包括單獨特征矢量的單模干擾信號和參照信號，干擾信號矢量對參照信號矢量的干擾程度g(vi，vs)，利用干擾作用參數(shù)ep進(jìn)行評估：

4)對包含若干特征矢量的多模干擾信號和參照信號，此時干擾信號對參照信號的干擾程度g(vi，vs)定義以特征矢量集合表示的干擾信號對參照信號的干擾程度；此時的計算如下：

所述服務(wù)器通過導(dǎo)線連接監(jiān)控儀；

所述監(jiān)測儀時頻重疊信號的歸一化高階累積量方程組構(gòu)建方法包括：

接收信號的信號模型表示為：

r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)

其中，xi(t)為時頻重疊信號的各個信號分量，各分量信號獨立不相關(guān)，n為時頻重疊信號分量的個數(shù)，θki表示對各個信號分量載波相位的調(diào)制，fci為載波頻率，aki為第i個信號在k時刻的幅度，tsi為碼元長度，pi(t)為滾降系數(shù)為α的升余弦成形濾波函數(shù)，且n(t)是均值為0，方差為σ²的平穩(wěn)高斯白噪聲；

混合信號的高階累積量公式如下：

兩邊同時除以混合信號的二階矩k/2次方：

進(jìn)一步變形為：

其中和表示各分量信號功率與總功率的比值和噪聲功率與總功率的比值，分別表示為和λv，由于高斯白噪聲的高階累積量為0，所以上式表示為：

由此，構(gòu)建歸一化高階累積量方程組：

所述服務(wù)器通過導(dǎo)線連接監(jiān)控站。

進(jìn)一步，所述監(jiān)視臺通過導(dǎo)線存儲器。

進(jìn)一步，所述服務(wù)器通過網(wǎng)絡(luò)接口進(jìn)行連接；

所述服務(wù)器的無線網(wǎng)絡(luò)的快速喚醒關(guān)聯(lián)的方法采用單播關(guān)聯(lián)，具體包括：

步驟一，hub根據(jù)當(dāng)前通信的需要設(shè)置sss、asso_ctrl域為相應(yīng)的值，構(gòu)造wakeup幀；在發(fā)送wakeup幀后，向節(jié)點發(fā)送t-poll幀；

步驟二，節(jié)點收到喚醒幀后，獲得本次關(guān)聯(lián)的配置信息以及hub的公鑰pkb，然后選擇自己的私鑰ska長為256比特，計算公鑰pka＝ska×g，計算出公鑰后，節(jié)點再計算基于口令的公鑰，pka'＝pka-q(pw)，q(pw)＝(qx，qy)，qx＝2³²×pw+mx；節(jié)點根據(jù)收到的wakeup幀中的nonce_b以及自身選擇的nonce_a計算：

kmac_1a＝cmac(temp_1,add_a||add_b||nonce_a||nonce_b||sss,64)

kmac_2a＝cmac(temp_1,add_badd_anonce_bnonce_asss,64)；

利用上述計算的信息pka、kmac_2a構(gòu)造第一關(guān)聯(lián)請求幀，并向hub發(fā)送；

步驟三，hub收到第一關(guān)聯(lián)請求幀后，首先復(fù)原當(dāng)前節(jié)點的公鑰pka＝pka'+q(pw)，q(pw)＝(qx，qy)，qx＝2³²×pw+mx；mx為使qx滿足橢圓曲線上的點的最小非負(fù)整數(shù)；計算dhkey＝x(skb×pka)＝x(ska×skb×g)，這里x()函數(shù)是取橢圓曲線密鑰的x坐標(biāo)值，temp_1＝rmb_128(dhkey)，根據(jù)收到的信息以及計算得到的信息計算：

kmac_1b＝cmac(temp_1,add_aadd_bnonce_anonce_bsss,64)

kmac_2b＝cmac(temp_1,add_badd_anonce_bnonce_asss,64)

收到的kmac_2a和計算得到的kmac_2b，如果相同則繼續(xù)構(gòu)造第二關(guān)聯(lián)請求幀并進(jìn)入本次關(guān)聯(lián)請求的步驟五，如果不同則取消本次關(guān)聯(lián)請求；

步驟四，節(jié)點收到第二關(guān)聯(lián)請求幀，對比在步驟二中計算的kmac_1a與收到的kmac_1b，如果不同則取消本次關(guān)聯(lián)請求，如果相同則進(jìn)入本次關(guān)聯(lián)的步驟五；

步驟五，節(jié)點與hub計算mk＝cmac(temp_2,nonce_anonce_b,128)

temp_2＝lmb(dhkey)，為dhkey的最左128位；雙方完成喚醒關(guān)聯(lián)。

本發(fā)明的優(yōu)點及積極效果為：使用該監(jiān)護(hù)儀，可以方便不同地方的人及時獲取病人的實時病情，可以有效的對病人進(jìn)行看護(hù)，更好的治療病人，治療效果明顯，通過無線的數(shù)據(jù)傳輸，作用范圍更廣，更加有利于病人的治療。

附圖說明

圖1是本發(fā)明實施例提供的基于物聯(lián)網(wǎng)的監(jiān)護(hù)儀結(jié)構(gòu)示意圖；

圖中：1、無線接收站；2、導(dǎo)線；3、服務(wù)器；4、監(jiān)控站；4-1、監(jiān)視臺；4-2、存儲器；5、監(jiān)控儀；6、移動端設(shè)備。

具體實施方式

為能進(jìn)一步了解本發(fā)明的發(fā)明內(nèi)容、特點及功效，茲例舉以下實施例，并配合附圖詳細(xì)說明如下。

下面結(jié)合附圖對本發(fā)明的結(jié)構(gòu)作詳細(xì)的描述。

如圖1所示：無線接收站1通過導(dǎo)線2連接服務(wù)器3；服務(wù)器3通過導(dǎo)線2連接監(jiān)控站4；監(jiān)控站4包括監(jiān)視臺5和存儲器6；服務(wù)器3通過導(dǎo)線2連接監(jiān)控儀7。

所述存儲器對用戶進(jìn)行聚類處理包括用戶的位置信息用當(dāng)前的位置坐標(biāo)來描述：

li＝(xi,yi)；

其中xi，yi分別表示用戶i的橫縱坐標(biāo)值，對于用戶i，構(gòu)建一個內(nèi)容請求頻率向量：

ni＝(ni,1,ni,2,...,ni,c)；

其中ni,c表示用戶i請求內(nèi)容c的次數(shù)，每個用戶對應(yīng)一個內(nèi)容請求向量，該向量反映了用戶的內(nèi)容請求偏好；

基于用戶的位置信息和內(nèi)容請求偏好信息對用戶進(jìn)行聚類，具有相似內(nèi)容請求偏好且位置相近的用戶分到一個多播組，使用余弦相似度準(zhǔn)則來計算兩個用戶間的相似度，用如下公式計算：

其中β是一個0-1之間的權(quán)重系數(shù)；

使用k-means聚類方法，對小區(qū)內(nèi)所有的用戶d進(jìn)行聚類，ui＝{li,ni}表示用戶i的聚類信息，聚類的目的是將原始用戶分成c類d＝{d1,…,dc}，數(shù)學(xué)模型上是對下式求最小值：

其中γk為用戶群的中心；

所述基于用戶的位置信息以及當(dāng)前時間段內(nèi)統(tǒng)計到的視頻請求信息，對用戶進(jìn)行聚類處理具體步驟如下：

步驟一，從d中隨機取c個用戶，作為c個用戶群的中心；

步驟二，根據(jù)相似度的計算公式，計算剩下的用戶到c個用戶群中心的相似度，將用戶劃分到相似度最高的用戶群；

步驟三，根據(jù)聚類結(jié)果，更新c個用戶群的中心γk＝{lk,nk}，用如下公式：

其中mi是一個0-1之間的權(quán)重系數(shù)，重復(fù)步驟二和步驟三，直到聚類中心不再發(fā)生變化；

所述根據(jù)用戶聚類結(jié)果，根據(jù)每個用戶群的位置信息，計算出每個用戶群中心位置的水平方位角和垂直仰角具體包括：

采用有源天線波束賦形模型，基站對每個用戶群有一個特定波束，即對每個用戶群設(shè)置一個特定的電子下傾角和垂直半功率帶寬的波束，基站坐標(biāo)為原點o(0,0,hbs)，用戶群k的質(zhì)心為γk，位置坐標(biāo)為(xk,yk,zk)，垂直仰角和水平方位角為

基于聚類后的用戶群位置信息，用戶群中心的水平方向角和垂直仰角通過下面的公式求出：

顯然，垂直仰角和水平方位角的取值范圍為θ1∈(0,π),

所述基站天線波束實現(xiàn)對用戶群的精確對準(zhǔn)具體包括：

步驟一，將調(diào)整波束的電子下傾角、電子水平角和半功率帶寬，使波束的輻射方向?qū)?zhǔn)用戶群的中心位置，使半功率帶寬范圍覆蓋用戶群中的所有用戶，基站到用戶的下傾角和水平角將調(diào)整為：

其中，和θk為基站基于用戶聚類結(jié)果，利用用戶群的中心位置計算出來的用戶群中心的水平方位角和垂直仰角；

步驟二，確定波束寬度，用戶群的覆蓋區(qū)域為一個圓點在用戶群中心的圓形，則該圓形區(qū)域的半徑為該用戶群中離中心位置最遠(yuǎn)的用戶與中心的距離，即：

其中(xk,yk)為用戶群k的中心γk的坐標(biāo)，則第k個波束的垂直半功率帶寬為：

所述采用有源天線陣列的天線模型，并確定基站到用戶的信道增益模型具體包括：

步驟一，根據(jù)每個用戶的位置信息以及所屬的用戶群波束，計算出每個用戶位置的實際水平方位角和垂直仰角，計算出用戶i相對于基站的水平方位角和垂直仰角θ'i，若用戶i屬于多播組k，則用戶i的實際水平方位角和垂直仰角等于：

步驟二，有源天線陣列的天線模型：

3d天線增益模型采用3gpp標(biāo)準(zhǔn)中提出的有源天線陣列輻射模型，天線增益模型表示如下：

其中，為下傾角為0時的有源天線單陣元的天線增益模型，和θ為用戶實際位置上的方位角和垂直仰角，ρ為陣列天線的相關(guān)系數(shù)，wm,n和vm,n分別為權(quán)值因子和用戶偏移相位，分別表示如下：

m＝1,2,...nh；n＝1,2,...nv；

m＝1,2,...nh；n＝1,2,...nv；

其中，θetilt表示天線波束的下傾角，表示天線的水平轉(zhuǎn)向角，針對不同的用戶群，天線的θetilt和的配置不同；

步驟三，基站到用戶的信道增益模型，采用多播信道增益模型，在一個多播組中的用戶以相同的速率接受數(shù)據(jù)，基站的傳輸速率超過了該群中的某個用戶的最大承受速率，則這個用戶將不能正常解碼該數(shù)據(jù)，基站以用戶群中最小的速率傳輸數(shù)據(jù)，因此用戶群k中基站到用戶的等效信道增益等于該用戶群中用戶的最差信道增益，即：

其中表示用戶i(i∈dk)在載波n上的信道增益，由3部分組成：快衰落、基站到用戶的路徑損耗和用戶的3d天線增益，如下表達(dá)式：

其中，f和pl分別表示快衰落和路徑損耗，表示第k個波束到用戶i的3d天線增益；

所述提出用戶群分簇算法，根據(jù)用戶群的位置信息，對用戶群進(jìn)行分簇處理具體包括：

基于圖論的知識對用戶群進(jìn)行分簇，定義波束間的干擾圖g＝(v,e)，其中v表示波束的集合，作為干擾圖的頂點，e表示波束間的干擾系數(shù)，作為干擾圖的邊，定義指示函數(shù)e(vk,vm)(k≠m)指示波束k和波束m間的干擾：

其中ok和om分別表示用戶群k和用戶群m的半徑，rth表示兩個波束間干擾忽悠不計的門限距離，另外，定義e(vk,vk)＝0，表示波束自身不存在干擾，根據(jù)指示函數(shù)，構(gòu)建一個二值干擾矩陣：

定義波束的干擾度：

當(dāng)dg(vk)＝0時，稱vk為零度節(jié)點；

分簇的具體步驟如下：

步驟一，用頂點集合v構(gòu)建干擾矩陣ag，初始化迭代因子h＝1，孤立節(jié)點集合分簇集合節(jié)點集合

步驟二，找到所有的零度節(jié)點vk，更新s＝s∪vk；剩余節(jié)點集合記為φ1＝v-s；

步驟三，分簇：a)找節(jié)點k＝argmax(dg(vk))，令干擾矩陣的第k行、第k列為0，更新節(jié)點集合bh＝bh∩vk；b)循環(huán)執(zhí)行a)直到ag＝0；c)更新φh＝φh-bh，則φh為第h個簇；

步驟四，用節(jié)點集合bh重新構(gòu)建ag≠0，更新節(jié)點集合φh+1＝bh，更新迭代因子h＝h+1，執(zhí)行步驟(3)；如果ag＝0或者|bh|＝1，如果|bh|＝1，則φh+1＝bh；

步驟五，將孤立節(jié)點集合s分配到最少節(jié)點的一簇中；

經(jīng)過用戶群的分簇處理后，用戶群d＝{d1,…,dk,…,dc}經(jīng)過分簇算法被劃分為φ＝{φ1,…,φh,…}，φh表示第h個用戶群簇，每個簇中的總的用戶傳輸速率為：

系統(tǒng)總的吞吐量為所有用戶群簇的傳輸速率之和：

其中為用戶群簇φh使用載波n的指示因子，相應(yīng)的，滿足的條件為：

條件(2)表示一個載波只能分配給一個用戶群簇，同一簇中的用戶群共享一個載波資源，不同簇中的用戶群不可以復(fù)用；

所述基于最大化吞吐量的載波分配算法具體步驟如下：

步驟一，根據(jù)公式：

計算每個簇中的用戶在載波n上的總傳輸速率；

步驟二，為了最大化系統(tǒng)的吞吐量，找到獲得最大速率的載波和用戶群簇，首先分配該載波給該用戶群簇，根據(jù)公式：

將載波n分配給用戶群簇φh獲得最大的傳輸速率，載波n分配給簇φh的頻譜利用率最高，所以將載波n分配給用戶群簇φh；

步驟三，將載波n從載波集合f中移除，同時，將用戶群簇φh從集合φ中移除；

步驟四，重復(fù)執(zhí)行步驟二和步驟三，直到載波集合或者用戶群簇集合成為空集；

所述無線接收站的信號間干擾關(guān)系分析的方法包括以下步驟：

步驟一，構(gòu)建多維干擾空間模型，確定待分析的干擾信號特征矢量與參照信號特征矢量

步驟二，基于干擾空間模型，針對干擾信號特征矢量定義其對參照信號特征矢量的位移矢量

步驟三，定義位移矢量在干擾空間中對某個維度坐標(biāo)軸的投影，為干擾信號特征矢量到參照信號特征矢量在該cp維度上的距離，即有：

其中prj(·)算子表示針對某一cp維度的投影運算，計算的值；

步驟四，定義干擾信號對參照信號的干擾狀態(tài)為s，用以表示干擾信號對參照信號的干擾關(guān)系，從而判斷是否存在干擾；判斷方法包括以下步驟：

1)對于由單獨干擾矢量表示的單模干擾信號和參照信號，當(dāng)干擾信號矢量對參照信號矢量在空間模型中各個維度的距離均小于該維度的分辨率時，表示干擾信號對參照信號產(chǎn)生干擾，s＝1；反之，若存在某一維度或者多個維度上干擾信號矢量對參照信號矢量的距離大于等于該維度的分辨率，則表示干擾信號未對參照信號形成干擾，s＝0，即干擾信號和參照信號在該維度是可分離的；

2)對于干擾信號和參照信號各自包含若干干擾特征矢量的多模情況，此時的干擾狀態(tài)s(vi，vs)可以如下計算：

其中s[vi，vs]m×n被稱為干擾狀態(tài)矩陣，矩陣中的每個元素表示vi中的第k個特征矢量和vs中的第l個特征矢量的干擾狀態(tài)；只有兩個特征矢量集合中每個元素都不干擾時，s(vi，vs)＝0，干擾信號才不對參照信號形成干擾；反之，s(vi，vs)＞0，此時干擾信號將對參照信號形成干擾；

步驟五，在已經(jīng)形成干擾的前提下，選取并確定干擾作用參數(shù)ep，對于干擾信號而言，該參數(shù)通常為信號功率p或者能量e；進(jìn)一步，定義干擾信號對參照信號的干擾程度為g，計算出干擾信號對參照信號的干擾影響程度；計算方法包括以下步驟：

5)對僅包括單獨特征矢量的單模干擾信號和參照信號，干擾信號矢量對參照信號矢量的干擾程度g(vi，vs)，利用干擾作用參數(shù)ep進(jìn)行評估：

6)對包含若干特征矢量的多模干擾信號和參照信號，此時干擾信號對參照信號的干擾程度g(vi，vs)定義以特征矢量集合表示的干擾信號對參照信號的干擾程度；此時的計算如下：

所述監(jiān)測儀時頻重疊信號的歸一化高階累積量方程組構(gòu)建方法包括：

接收信號的信號模型表示為：

r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)

其中，xi(t)為時頻重疊信號的各個信號分量，各分量信號獨立不相關(guān)，n為時頻重疊信號分量的個數(shù)，θki表示對各個信號分量載波相位的調(diào)制，fci為載波頻率，aki為第i個信號在k時刻的幅度，tsi為碼元長度，pi(t)為滾降系數(shù)為α的升余弦成形濾波函數(shù)，且n(t)是均值為0，方差為σ²的平穩(wěn)高斯白噪聲；

混合信號的高階累積量公式如下：

兩邊同時除以混合信號的二階矩k/2次方：

進(jìn)一步變形為：

其中和表示各分量信號功率與總功率的比值和噪聲功率與總功率的比值，分別表示為和λv。由于高斯白噪聲的高階累積量為0，所以上式表示為：

由此，構(gòu)建歸一化高階累積量方程組：

所述服務(wù)器的無線網(wǎng)絡(luò)的快速喚醒關(guān)聯(lián)的方法采用單播關(guān)聯(lián)，具體包括：

步驟一，hub根據(jù)當(dāng)前通信的需要設(shè)置sss、asso_ctrl域為相應(yīng)的值，構(gòu)造wakeup幀；在發(fā)送wakeup幀后，向節(jié)點發(fā)送t-poll幀；

步驟二，節(jié)點收到喚醒幀后，獲得本次關(guān)聯(lián)的配置信息以及hub的公鑰pkb，然后選擇自己的私鑰ska長為256比特，計算公鑰pka＝ska×g，計算出公鑰后，節(jié)點再計算基于口令的公鑰，pka'＝pka-q(pw)，q(pw)＝(qx，qy)，qx＝2³²×pw+mx；節(jié)點根據(jù)收到的wakeup幀中的nonce_b以及自身選擇的nonce_a計算：

kmac_1a＝cmac(temp_1,add_a||add_b||nonce_a||nonce_b||sss,64)

kmac_2a＝cmac(temp_1,add_badd_anonce_bnonce_asss,64)；

利用上述計算的信息pka、kmac_2a構(gòu)造第一關(guān)聯(lián)請求幀，并向hub發(fā)送；

步驟三，hub收到第一關(guān)聯(lián)請求幀后，首先復(fù)原當(dāng)前節(jié)點的公鑰pka＝pka'+q(pw)，q(pw)＝(qx，qy)，qx＝2³²×pw+mx；mx為使qx滿足橢圓曲線上的點的最小非負(fù)整數(shù)；計算dhkey＝x(skb×pka)＝x(ska×skb×g)，這里x()函數(shù)是取橢圓曲線密鑰的x坐標(biāo)值，temp_1＝rmb_128(dhkey)，根據(jù)收到的信息以及計算得到的信息計算：

kmac_1b＝cmac(temp_1,add_aadd_bnonce_anonce_bsss,64)

kmac_2b＝cmac(temp_1,add_badd_anonce_bnonce_asss,64)

收到的kmac_2a和計算得到的kmac_2b，如果相同則繼續(xù)構(gòu)造第二關(guān)聯(lián)請求幀并進(jìn)入本次關(guān)聯(lián)請求的步驟五，如果不同則取消本次關(guān)聯(lián)請求；

步驟四，節(jié)點收到第二關(guān)聯(lián)請求幀，對比在步驟二中計算的kmac_1a與收到的kmac_1b，如果不同則取消本次關(guān)聯(lián)請求，如果相同則進(jìn)入本次關(guān)聯(lián)的步驟五；

步驟五，節(jié)點與hub計算mk＝cmac(temp_2,nonce_anonce_b,128)

temp_2＝lmb(dhkey)，為dhkey的最左128位；雙方完成喚醒關(guān)聯(lián)。

該監(jiān)護(hù)儀啟動后，會實時監(jiān)控患者的身體指標(biāo)，如果指標(biāo)顯示不正常，監(jiān)護(hù)儀會將病人病情數(shù)據(jù)傳輸?shù)椒?wù)器，服務(wù)器會實時將數(shù)據(jù)一方面反饋到監(jiān)控站，監(jiān)護(hù)人員通過監(jiān)視臺進(jìn)行處理，然而數(shù)據(jù)儲備到存儲器中；另一方面反饋到無線接收站，遠(yuǎn)在它地的家屬通過移動端設(shè)備通過無線接收站獲取到病人的病情。

以上所述僅是對本發(fā)明的較佳實施例而已，并非對本發(fā)明作任何形式上的限制，凡是依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所做的任何簡單修改，等同變化與修飾，均屬于本發(fā)明技術(shù)方案的范圍內(nèi)。