[发明专利]一种预防和治疗牙龈病的中药组合物及其多功能搅拌系统

权利要求书

1.一种预防和治疗牙龈病的中药组合物，其特征在于，所述预防和治疗牙龈病的中药组合物组分按质量计由黄连10克、生地15克、麦冬10克、白芍12克、炙黄芪12克、甘草8克和白芥子8克组成。

2.一种如权利要求1所述预防和治疗牙龈病的中药组合物的多功能搅拌系统，其特征在于，所述多功能搅拌系统包括：

用于对药物箱灭菌内腔的温度进行采集的温度传感器；所述温度传感器根据红外光谱辐射得到药物箱内温度参数，红外光谱发射率在所选定的波长处与温度有近似相同的线性关系，即：

ε_i2＝ε_i1[1+k(T₂-T₁)]

式中，ε_i1是波长为λ_i，温度为T1时的光谱发射率；ε_i2是波长为λ_i，温度为T2时的光谱发射率；T1、T2分别为两个不同时刻的温度；k为系数；

V_i1为第一个温度T₁下的第i个通道的输出信号，V_i2为第一个温度T₂下的第i个通道的输出信号，T₁温度下的发射率ε_i1∈(0,1)，通过随机选取一组ε_i1，由下式计算在参数ε_i1下实际得到的T_i1：

$T_{i1}=\frac{1}{\frac{1}{T^{\′}}+\frac{{\mathrm{\λ}}_i}{c_2}ln\frac{{\mathrm{\ϵ}}_{i1}{V}_i^{\′}}{V_{i2}}}$

设k∈(-η,η)，通过随机选取一个k，在第二个温度T₂下的发射率ε_i2的表达式为：

${\mathrm{\ϵ}}_i^2={\mathrm{\ϵ}}_{i1}\[1+k(T_{i2}-T_{i1})\]$

由下式计算在参数ε_i1下实际得到的T_i2：

$T_{i2}=\frac{1}{\frac{1}{T^{\′}}+\frac{{\mathrm{\λ}}_i}{c_2}ln\frac{{\mathrm{\ϵ}}_{i1}\[1+k(T_{i2}-T_{i1})\]V_i^{\′}}{V_{i2}}};$

用于对药物箱内腔的湿度进行采集的湿度传感器；

用于对药物箱内腔的压力进行采集的压力传感器；所述压力传感器利用压力传感器内置的感知设备在独立的采样周期内对目标信号x(t)进行采集，并用A/D方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；

对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程i＝1,…,M，其中h(0),…,h(L-1)为滤波器系数，设计基于滤波的压缩感知信号采集框架，构造如下托普利兹测量矩阵：

则观测i＝1,…,M，其中b₁,…,b_L看作滤波器系数；子矩阵Φ_FT的奇异值是格拉姆矩阵G(Φ_F,T)＝Φ′_FTΦ_FT特征值的算术根，验证G(ΦF,T)的所有特征值λi∈(1-δ_K,1+δ_K),i＝1,…,T，则Φ_F满足RIP，并通过求解如下式最优化问题来重构原信号：

$\underset{x}{min}\left|\right|x|{|}_{1}s.t.y={\mathrm{\Φ}}_x$

即通过线性规划方法来重构原信号，亦即BP算法；

针对实际压力压缩信号，则修改Φ_F为如下形式：

如果信号在变换基矩阵Ψ上具有稀疏性，则通过求解如下式最优化问题，精确重构出原信号：

$\underset{\mathrm{\α}}{min}\left|\right|\mathrm{\α}|{|}_{1}s.t.y={\mathrm{\Φ}}_x=\mathrm{\Φ}\mathrm{\Ψ}\mathrm{\α}=\mathrm{\Ξ}\mathrm{\α};$

其中Φ与Ψ不相关，Ξ称为CS矩阵；

分别与温度传感器、湿度传感器、压力传感器通过信号线连接，用于对温度传感器、湿度传感器、压力传感器传输的信号数据进行分析和处理的控制器；

所述控制器进行数据处理的方法包括：

获取信号，对采集的数据进行放大处理；

信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似错误的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；

小波包去噪；即利用改进小波包算法对采集的信号进行去噪；

小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；

提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；

组成特征向量，即利用主成分分析方法，从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有错误发生；

所述小波包去噪和小波包分解与重构包括：

信号延拓，对小波包分解的各层信号进行抛物线延拓；

设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：

$\left\{\begin{array}{c}x(a-1)=3x\left(a\right)-3x(a+1)+x(a+2)\\ x(a+3)=3x(a+2)-3x(a+1)+x\left(a\right)\end{array}\right.;$

消去单子带多余频率成分；

将延拓后的信号与分解低通滤波器h₀卷积，得到低频系数，然后经过HF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分解高通滤波器g₀卷积，得到高频系数，然后经过LF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层高频系数，HF-cut-IF算子采用下式

$\left\{\begin{array}{c}X\left(k\right)=\underset{n=0}{\overset{N_j-1}{\Σ}}x\left(n\right)W^{kn},0\≤k\≤\frac{N_j}{4};\frac{3N_j}{4}\≤k\≤N_j\\ X\left(k\right)=0,\\ x\left(n\right)=\underset{k=0}{\overset{N_j-1}{\Σ}}x\left(k\right)W^{-kn},\end{array}\right.$

LF-cut-IF算子采用下式

$\left\{\begin{array}{c}X\left(k\right)=\underset{n=0}{\overset{N_j-1}{\Σ}}x\left(n\right)W^{kn},\frac{N_j}{4}\≤k\≤\frac{3N_j}{4}\\ X\left(k\right)=0,\\ x\left(n\right)=\underset{k=0}{\overset{N_j-1}{\Σ}}x\left(k\right)W^{-kn},\end{array}\right.$

在HF-cut-IF算子公和LF-cut-IF算子公式中，x(n)为在2^j尺度上小波包的系数，N_j表示在2^j尺度上数据的长度，k＝0，1，…，N_j-1；n＝0，1，…，N_j-1；

单子带信号重构方法包括：

将得到的高、低频系数进行上采样，然后分别与高通重建滤波器g₁和低通重建滤波器h₁卷积，将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理，得到单子带重构信号；

与控制器相连接，用于对药物箱内腔的中药材进行灭菌的远红外石英加热管；

与控制器相连接，用于进行操作的操作显示屏。