[发明专利]一种背带式多功能输液架

权利要求书

1.一种背带式多功能输液架，其特征在于，所述背带式多功能输液架设置有：

架体；

架体两侧缝制有可调节长度的背带；

架体顶端中央或者两侧套装有抽拉式伸缩杆；

抽拉式伸缩杆顶端焊接有环扣。

2.如权利要求1所述背带式多功能输液架，其特征在于，所述抽拉式伸缩杆下方螺旋安装有紧固旋钮。

3.如权利要求1所述背带式多功能输液架，其特征在于，所述背带的前端活动安装有卡扣，所述背带的后端设置有与卡扣相匹配的通孔。

4.如权利要求1所述背带式多功能输液架，其特征在于，所述抽拉式伸缩杆的表面包裹有防护层，所述防护层的表面设置有刻度尺。

5.如权利要求1所述背带式多功能输液架，其特征在于，所述环扣的长度为10cm。

6.如权利要求1所述背带式多功能输液架，其特征在于，所述架体上搁置有虚拟头盔；所述虚拟头盔通过无线连接网络运行中心；所述虚拟头盔包括网络连接模块、游戏逻辑模块、交互控制模块、立体渲染模块和双画投影显示模块；

所述网络连接模块，包括客户端子模块，用于进行网络通信和数据传递；

所述游戏逻辑模块，用于存储游戏规则、角色动画的播放控制和位置映射；

所述交互控制模块，利用Kinect组合阵列捕捉玩家位置、识别玩家动作，控制虚拟网游戏场景中各自相应的游戏角色进行移动，拍摄不同视点的立体画面；

所述交互控制模块的交互方法包括；

通过网络监测节点收集异构网络运维数据；

根据获得的异构网络运维数据，构建统一的运维监测模型，以对异构网络进行实时监测；

将整个异构网络的优化目标分解为多个SON功能的决策行为，每一个SON功能的决策行为是一个单独的控制环SON_uc；

根据运维监测模型的实时监测，调整和确定相应的无线网络参数，并触发和运行相应类型的特定SON_m功能；

如果其SON_m是同一时间尺度下的多个SON_uc管理，则采用同一时间尺度下的多SON冲突避免优化处理机制；

如果其SON_m是不同时间尺度下的SON_uc管理，则采用不同时间尺度下的SON用例协同管理方法；

所述运维监控模型是通过根据异构网络运维数据与异构网络无线资源管理参数的映射分析、逻辑回归分析方法和回归函数构建的；

所述运维监控模型的具体构建过程为：

采用逻辑回归分析方法，选取回归函数：f_log(z)＝1/(1+exp^-z)，z表示无线网络参数，f_log(z)为关键性技术指标的逻辑回归分析值；

逻辑回归映射模型为：

ym,i=flog(ηm,i)+ϵi]]>

η_m,i＝β_m,0+β_m,1x_i

其中，y_m,i为第m个运维数据KPI指标的第i次采样值，x_i为相应的无线网络参数，ε_i表示误差值，η_m,i＝β_m,0+β_m,1x_i为无线参数预测值，其中β_m,0和β_m,1为方程变量系数；

采用最大似然估计后，得到优化后的运维监控模型为：

x^=argminxC(x)]]>

y^m(x)<thm,∀m∈Ac]]>

其中开销函数为w_m表示第m个运维KPI指标的权重，表示无线网络参数的最大似然估计值，表示第m运维数据KPI指标的最大似然估计值，th_m表示第m个运维数据KPI指标的门限值，A_c表示运维数据KPI指标的集合；

所述异构网络运维数据包括玩家位置、识别玩家动作及虚拟网游戏场景中各自相应的游戏角色的信息；

所述同一时间尺度下的多SON冲突避免优化处理机制为：

将每个SON作为一个单独的智能体，则将同一时间尺度下的SON管理转化为在相同环境下，对多个智能体的优化管理；

每个智能体单独优化的过程为一个马尔科夫过程，网络节点单独的控制环SON_uc；其中，网络节点采用Q学习算法对每个智能体进行优化求解；

所述同一时间尺度下的多SON冲突避免优化处理机制包括智能体单元，冲突检测单元和效用单元；且所述每个智能体单独优化的马尔科夫过程,包括{状态信息S，行为集合A，转移概率T，回报值R}；

所述的智能体单元包含所有的SON智能体，该单元的状态信息是所有SON智能体状态信息的集合，行为是所有SON智能体行为的行为集合，回报值定义为：

R=Σiwiri,]]>

其中r_i第i个SON智能体的回报值，w_i为相应的权重；

冲突检测单元，通过检测多个SON调整的参数或是优化值，判定SON之间是否存在冲突，如果无冲突，则每个SON智能体单独进行优化，如果检测到冲突存在，则根据网络实际需求确定对应SON智能体优化目标的权重w_i；

效用单元，根据冲突检测结果，确定的SON智能体优化目标的权重w_i，计算回报值作为网络节点的整体回报值；

所述Q学习算法为根据网络节点的所有状态信息集合S来建立一个参数系统，其具体过程为：

首先建立和维护一个二维的Q值表，第一维用来表示所有可能的状态,第二维表示网络节点智能体所可能采取的行动，而每一个Q值表的单元q(s,a)都对应着智能体在状态s下采取行动a的Q值；

用户选择行动的准则为：SON智能体单元基于在给定状态下的每个动作的Q值表，按照概率进行动作选择，一个动作的Q值越大，则被选择的概率就越大；

网络节点智能体根据逻辑回归分析确定将要优化的无线网络参数，构建一个新状态S，在构建完状态S后，计算对应S的各个Q值；

SON智能体根据Q值以概率选择优化策略；然后网络节点智能体返回回报值；

客户端根据回报值和现有的Q值按照以下公式，更新Q值表中的状态S和所选动作对应的值：

QK(x,α)=R(x,α)+γΣYpXY[π(x)]V*(y)]]>

V*=maxb∈AQ*(y,b),Vk-1(yk)=maxb∈A{Qk-1(y,b)}]]>

其中R(x,α)＝E{r|s,a}，π为所选的策略，α是学习因子；

所述不同时间尺度下的SON用例协同管理机制为：

将每个SON作为一个智能体，根据不同SON_m的运行时间，确定不同的SON时间尺度；

将每一种SON时间尺度作为网络优化的一层，根据不同的SON时间尺度，确定网络优化的层次；

最终，根据网络优化中的SON的时间尺度，把不同时间尺度的SON协同管理转化为多层次目标优化问题；然后，采用分层优化方法进行不同时间尺度下的SON网络优化；

所述立体渲染模块，用于利用时分法，将儿童装配的双目摄像头同步拍摄渲染出角色视点的左右帧画面中每一帧计算出的两个不同的画面进行交替显示，从而得到虚拟角色视点的立体画面；

所述双画投影显示模块，用于将渲染出的两组立体画面分别输送到两投影仪中，经过加装在两投影仪前端的水平和竖直偏振片的过滤，水平和竖直偏振光分别搭载一组立体视频投影到同一屏幕显示器上；

所述客户端子模块处理从Kinect传输的确定的动作行为指令，来控制本地相应游戏角色的动画播放，并将确定的行为结果发送给游戏逻辑模块。

7.如权利要求1所述背带式多功能输液架，其特征在于，所述虚拟头盔的管理方法包括：

通过连接服务器接入到虚拟游戏系统中，产生对应的游戏角色，Kinect阵列协同工作捕捉到两个玩家在真实空间中的位置坐标，并将游戏角色分别映射到虚拟场景中场地的两端；

根据场景中的位置，通过立体渲染模块对场景双目摄像机拍摄的左右帧画面进行实时渲染；

将两客户端渲染的立体画面投影到同一屏幕显示器上，每位玩家透过3D眼镜，针对看到的基于其所在位置的立体视像做出交互反应，控制对应的游戏角色的动画播放和位置移动；

重复上述步骤；

游戏角色分别配有两台虚拟摄像机，这两台摄像机均包括两台并列安置的虚拟摄像机，来模拟人双眼观察景物的方法，同步拍摄出两条带水平视差的视频画面；利用时分法，将每一帧计算出的两个不同的画面进行交替显示。