基于灰度共生矩阵纹理特征检测的短波信号体制识别方法及装置与流程

本发明属于无线通信信号处理
技术领域：
，特别涉及一种基于灰度共生矩阵纹理特征检测的短波信号体制识别方法及装置。
背景技术：
：在无线通信中，调制方式是区分不同性质信号的一个重要特征。早期的调制识别方法是针对不同调制体制设计不同的解调器，高频信号经中频处理后输入解调器，获得可析信号后再由专人分析解调结果。随着集成电路的发展和数字技术的应用，数字调制成为通信领域的主角，而微电子技术和信息处理技术的发展，使得计算机自动识别信号调制方式成为可能。当前，信号调制识别领域主要有两类理论分支：似然比检验法和统计模式识别方法。前者基于最大似然比检验理论，能做到错判率最小，然而它的困难之处在于要对所有情况的分类器进行完全准确的数学描述，造成表达式过于复杂。后者根据提取的特征参数确定调试方式，且不需要假设条件，比较适合截获信号的处理。似然比检测方法需要大量的先验知识，不利于非协作通信。此外，其对模型失配和参数偏差敏感，鲁棒性较差；其表达式复杂，计算量大。短波通信是频率范围为3MHZ～30MHZ的一种无线通信技术。短波信道具有不可逆性，且多径效应和多普勒效应显著，加上信道频带较窄，传输信号杂多，造成短波通信噪声大，稳定性差，信号弱化和畸变较严重，这使得似然比检验法在设置判决门限时会引入误差，从而降低了调制识别的准确度。技术实现要素：为此，本发明提供一种基于灰度共生矩阵纹理特征检测的短波信号体制识别方法及装置，识别准确度高，在短波信号调制自动识别中具有可行性，具有很强的应用前景。按照本发明所提供的设计方案，一种基于灰度共生矩阵纹理特征检测的短波信号体制识别方法，包含如下内容：A)获取目标短波信号中用于反映信号谱图纹理特征的灰度共生矩阵；B)提取灰度共生矩阵统计特征，并依据该统计特征及预先设置的各信号调制类型下的判决门限，识别出目标短波信号的调制体制。上述的，A)中，具体包含如下内容：首先，对目标短波信号进行功率谱计算及对数变换；然后，通过阈值分割及图像灰度拉伸，获取量化灰度图谱图，获取灰度共生矩阵。优选的，灰度共生矩阵采用依据两个像素点位置的联合概率密度函数而建立的纹理图像共生矩阵，M×N大小的图像灰度共生矩阵表示为：其中，(g1,g2)表示灰度对，(a,b)表示灰度对的距离偏移，(a,b)取值大小根据图像纹理周期分布特性选取。上述的，A)中对目标短波信号进行功率谱计算过程中，时窗类型选择Hamming窗，时窗重叠选取3/4时窗长度，选取带宽范围内的带内谱图；对功率谱做对数变换，将至变换为dB单位。上述的，A)中阈值分割及灰度图像拉伸过程中，首先求取功率谱峰值，依据峰值设定拉伸范围，对该拉伸范围进行线性拉伸至[0,255]的8bit量化灰度范围，获取量化灰度图谱图。上述的，B)中灰度共生矩阵统计特征至少包含用于反映图像纹理灰度变化及分布均匀化程度的ASM能量，用于衡量图像包含信息量随机性度量的熵，用于反映图像纹理的同质性并度量图像纹理局部变化的逆差矩，用于反映图像清晰度和纹理沟纹深浅程度的对比度，和用于反映图像纹理一致性的自相关。优选的，B)中，距离偏移(a,b)考虑[01；02；03；04；-10；-20；-30；-40]8种数值；灰度共生矩阵统计特征上，选择能量ASM、熵ENT、逆差矩IDM、自相关COR、对比度CON进行测试，灰度级不予压缩，进行256个灰度级全统计；[01；02；03；04]四种水平方向距离上，分别对应时窗重叠3/4、1/2、1/4和时窗无重叠；[-10；-20；-30；-40]四种垂直方向距离上，分别对应不同的频率间隔及频谱主瓣能量泄漏、旁瓣能量泄漏影响；对各距离偏移计算出的统计特征综合比较，选取特征区分度最明显的对应距离偏移下的统计特征。更进一步，B)中，依据谱图中每行的最小值得到的序列设置行连续性统计量，结合判决门限识别目标短波信号是否属于多进制频移键控MFSK信号或多音多品MultiTone信号。一种基于灰度共生矩阵纹理特征检测的短波信号体制识别装置，包含：分析模块和识别模块，其中，分析模块，用于获取目标短波信号中用于反映信号谱图纹理特征的灰度共生矩阵，并提取灰度共生矩阵统计特征；识别模块，用于依据统计特征及预先设置的各信号调制类型下的判决门限，识别出目标短波信号的调制体制。本发明的有益效果：本发明结合灰度共生矩阵的统计特征分析短波谱图纹理特征；提取分析高斯白噪信道下短波信号灰度谱图的灰度共生矩阵的统计特征，进行调制识别；在灰度谱图基础上进行特征提取和调制分类，对实际信号进行调制类型识别结果；解决现有技术中短波信号识别准确率低、计算复杂、计算量大等问题；并通过仿真实验和实际信号的测试结果，均表明基于灰度共生矩阵的信号谱图纹理特征识别方法在短波信号调制自动识别中具有可行性，对于无线通信中短波信号识别技术具有重要的指导意义。附图说明：图1为实施例中短波信号体制识别方法流程图；图2为实施例中短波宽带采样信号的谱图示例；图3为实施例中AM、SSB、2FSK、8FSK、MultiTone和MPSK信号的谱图示意；图4为实施例中特征提取及调制分类处理流程示意图；图5为实施例中2FSK、8FSK、32-Tone和SSB的8bit量化灰度范围谱图示例；图6为实施例中[0,4]水平方向上的能量ASM、熵ENT和逆差矩IDM结果示意图；图7为实施例中[0,4]水平方向上的能量ASM、熵ENT和逆差矩IDM结果部分放大示意图；图8为实施例中自相关COR结果示意图；图9为实施例中行最小值序列示意图；图10为实施例中行连续性RMM结果示意图；图11为实际信号识别测试中特征提取调制分类流程示意图；图12为识别测试中8FSK信号测试结果示意图；图13为识别测试中8PSK信号测试结果示意图；图14为识别测试中MultiTone信号测试结果示意图；图15为实施例中识别装置示意图。具体实施方式：为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发明作进一步详细的说明。当前，短波信号调制自动识别已经成为制约信号截获分析发展的一个关键因素，而传统的调制识别方法已不能很好解决。为此，本发明实施例中，参见图1所示，提供一种基于灰度共生矩阵纹理特征检测的短波信号体制识别方法，包含如下内容：S101)获取目标短波信号中用于反映信号谱图纹理特征的灰度共生矩阵；S102)提取灰度共生矩阵统计特征，并依据该统计特征及预先设置的各信号调制类型下的判决门限，识别出目标短波信号的调制体制。STFT谱图是描述和分析信号特征的一种有效方法，不同调制体制的短波信号，其谱图图像视觉特性各异，其中最为明显的就是纹理视觉特性，例如MFSK类信号、MPSK类信号、MultiTone信号等大类之间，纹理视觉特性上具备显著区别。信号x(n)的离散STFT定义式如下，其中N为DFT点数；w(n)为窗函数，通常可取矩形窗、Hamming窗、Blackman窗等，窗宽为N'，N'≤N，通常情况下取N'＝N；M为时窗步进。称X(i,k)2为STFT时频谱图，它体现了功率谱随时间的变化情况。STFT谱图的主要性能可以概括为频率分辨率和时间分辨率，频域分析时，N越大，栅栏效应越小，频域细节刻画越明显，而N'越大，则频谱能量泄露越小。时域分析时，N'越小，M越小，则时间分辨率越高。由于时间分辨率和频率分辨率互为矛盾，因此在人工识别调制方式时，会多次交互调整分辨率，以选择最能凸显信号视觉特性的谱图参数。图1中给出短波宽带采样信号的谱图示例。在与目标信号相匹配的时频分辨率下，谱图中各大类信号的视觉特性区分显著，可以直观地判读出2FSK、8FSK、CW、SSB等调制信号。因此，根据谱图图像视觉特性来判别某些调制体制完全是可行的。这种可行性可以体现在两方面，一是“人工交互”模式，即根据谱图呈现出来的特征进行调制方式的大类区分，如将信号区分为MPSK信号，在大类区分的基础上可以再用传统分类方法细分和估计调制参数，如将信号判定为QPSK信号；二是“门限识别”，即提取整合谱图特征，在一定的先验知识下设置判决门限，自动判别信号的调制方式。本发明实施例中，结合灰度共生矩阵统计特征，具体分析不同调制方式下的短波谱图特征，通过提取信号谱图的灰度共生矩阵统计特征来反映信号谱图的纹理特征，并据此设置判决门限，实现不同信号体制的识别。灰度共生矩阵(GLCM，Gray-LevelCo-occurrenceMatrix)，根据两个像素点位置的联合概率密度函数而建立的纹理图像共生矩阵，反映了图像灰度在方向，幅度和范围等方面的综合信息。本发明另一个实施例中，若用(g1,g2)表示灰度对，(a,b)表示灰度对的距离偏移，则一幅M×N大小的图像的灰度共生矩阵可以表示为：距离偏移(a,b)取不同的数值组合，可以得到不同情况下的联合概率矩阵。(a,b)取值(0,D)、(-D,0)、(-D,D)、(-D,-D)时，分别表示灰度对的0度扫描、90度扫描、45度扫描、135度扫描。为了准确提取到图像的纹理特征，(a,b)取值的大小要根据实际图像的纹理周期分布特性来选择。在纹理特征提取中，人们通常不是只用GLCM中的单个值，而是计算整个矩阵的特征，用一些标量来表征灰度共生矩阵的特征。本发明另一个实施例中，运用灰度共生矩阵统计特征，该统计特征包含ASM能量、熵、逆差矩、对比度及自相关，来提取信号谱图中的纹理特征，其中，(1)ASM能量(angularsecondmoment)ASM能量反映的是图像纹理灰度变化、分布的均匀化程度。若GLCM中所有值相等，ASM能量小，若其中一些值大而其它值小，则ASM值大，因此纹理规则变化且较为稳定的图像的ASM能量大。(2)熵(entropy)熵是衡量图像包含信息量的随机性度量。若灰度共生矩阵值分布均匀，也即图像近于随机或噪声很大，熵会有较大值。(3)逆差矩(inversedifferentmoment)如果灰度共生矩阵对角元素有较大值，IDM就会取较大的值，因此连续灰度的图像会有较大IDM值。逆差矩反映了图像纹理的同质性，并度量图像纹理局部变化的多少。其值大则说明图像纹理的不同区域间缺少变化，局部非常均匀。(4)对比度(contrast)灰度差大的像素对越多，对比度越大。灰度共生矩阵中远离对角线的元素值越大，CON越大。这一特征反映了图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊。(5)自相关(correlation)自相关反应了图像纹理的一致性。它度量空间灰度共生矩阵元素在行或列方向上的相似程度，因此，相关值大小反映了图像中局部灰度相关性。当矩阵元素值均匀相等时，相关值就大；相反，如果矩阵像元值相差很大则相关值小。图3中，(a)为AM信号谱图示意，(b)为SSB信号谱图示意，(c)为2FSK信号谱图示意，(d)为8FSK信号谱图示意，(e)为MultiTone信号谱图示意，(f)为MPSK信号谱图示意。由于能量ASM、熵ENT、逆差矩IDM三者都一定程度上表示了纹理均匀程度与稳定程度，考虑信号带内纹理特性，AM、SSB类信号具有最大的纹理均匀程度，MFSK信号次之，而MultiTone及MPSK信号的纹理稳定程度最低。自相关COR反映了图像得局部灰度相关性，AM、SSB和MFSK信号具有较高的相关性，MPSK信号在谱图横向和纵向上的相关性都较小。而对于MultiTone信号，相比谱图计算的时间分辨率，其每路的符号速率较低而符号周期较长，因而其谱图横向相邻像素间将具有强相关性。理论上MultiTone信号在谱图纵向上亦具有明显纹理周期相关特性，但由于其各路信号频率间隔参数不一，造成90度距离偏移(-D,0)的D值的选取不易确定。此外，AM类信号存在的强载波在谱图上有明显体现，MPSK类信号的谱图灰度分布强随机性较为突出。而MFSK信号与MultiTone信号间的一大区别是其任何时刻仅出现一路信号。距离偏移(a,b)和谱图计算参数的取值与GLCM的计算有着密切关联。以MPSK谱图为例，其纹理随机程度非常高，信息熵将非常大，均匀程度很低，然而谱图计算过程中如果具有高的相邻时窗重叠和时间分辨率，则低尺度下例如距离偏移(0,1)时的横向相邻像素亦将具有较大的相关性。同样，谱图计算过程中，加窗在遏制能量泄漏的同时亦加宽了主瓣宽度，因此在距离偏移(-1,0)时的纵向相邻像素亦将具有较大的相关性。因此，实际测试中需考虑谱图计算参数与距离偏移(a,b)的选取关系。根据各类调制方式的纹理特性分析结果，设计特征提取及调制分类处理流程如下。先计算灰度谱图，流程如下图4所示。采用19.2KHz的采样率和IQ数据格式对信号进行采样，利用的信号数据量为8秒时长。建立如下表所示的MFSK、MPSK、MultiTone、SSB、AM五类测试信号。后续特征测试过程中，将不同调制阶数及路数和调制参数、不同信噪比的样本皆归为一类，即每类测试信号提供不同参数及信噪比条件下的9个样本，任何提取的纹理特征皆应一致地适应于类内的所有样本。仿真信号中采用加性高斯白噪声信道，对每一种体制皆分别采用15dB、10dB、5dB三种信噪比进行测试，其中信噪比采用3KHz频带方式来计算带内信噪比。表1测试信号体制表2谱图计算参数在仿真过程中，MFSK信号按频率间隔的M倍来考虑带宽B，MPSK信号按符号速率来考虑带宽B，MultiTone信号按载波间隔的M倍来考虑带宽B，SSB信号和AM信号分别按1.6KHz和3.2KHz来考虑带宽B。在谱图计算过程的STFT计算中，本发明另一个实施例中，时窗类型选择Hamming窗，时窗重叠选择为3/4时窗长度。对于MultiTone信号来说，带宽B越宽，需要越高的频率分辨率来适应；对于MPSK信号和MFSK信号来说，带宽B的通常跨度应使DFT点数满足时频分辨率和统计数据量要求。因此DFT的时窗长度统一选择为Δt＝2B/fs，即频率分辨率为Δf＝fs/2B，此时的DFT点数使得其时窗跨度与带宽B正比变化，DFT点数的选择与上述带宽选择方式是相适应的。选取带宽B范围内的带内谱图，对功率谱做对数变换将之变换为dB单位。之后进行阈值分割及图像灰度拉伸来获取[0,255]值域的8bit量化灰度图谱图，本发明另一个实施例具体做法是先求峰值gmax，然后将[gmax-32,gmax]范围线性拉伸至[0,255]的8bit量化灰度范围。同样为了方便实现及适应实际信道情况，采用选取保留[gmax-32,gmax]范围，该范围的设置不需预估信号信噪比等前提。图5给出了在上述固化参数下的8bit量化灰度范围谱图示例，(a)表示2FSK谱图示例，(b)表示8FSK谱图示例，(c)表示32-Tone谱图示例，(d)表示SSB谱图示例。考虑上述各类信号的纹理特性分析结论，在灰度共生矩阵GLCM计算过程中，本发明另一个实施例中，距离差分值(a,b)的设置考虑[01；02；03；04；-10；-20；-30；-40]共8种。在GLCM统计特征上，选择能量ASM、熵ENT、逆差矩IDM、自相关COR、对比度CON五种进行测试。灰度级不予压缩，而进行256个灰度级全统计。在上述谱图计算参数条件下，[01；02；03；04]四种水平方向距离上，分别对应时窗重叠3/4、1/2、1/4和时窗无重叠。[-10；-20；-30；-40]四种垂直方向距离上，分别对应不同的频率间隔及频谱主瓣能量泄漏、旁瓣能量泄漏影响。对各距离差分值下计算出的特征将综合比较，在最终识别流程中择优选取。为进一步验证本发明的有效性，下面通过具体的仿真实验数据做进一步解释说明：一)特征测试结果——能量ASM、熵ENT、逆差矩IDM比较8种距离差分值下GLCM的能量ASM、熵ENT、逆差矩IDM统计结果，其中[0,4]水平方向的特征区分度最为明显。这一点与理论分析也一致，因为在上述STFT计算参数条件下，水平方向上选择[0,4]时正好像素对在STFT计算上无数据重叠。图6中，(a)、(b)、(c)分别给出[0,4]水平方向上的能量ASM、熵ENT、逆差矩IDM结果。其中，横轴上1～9分别代表各类信号的三种典型参数及三种信噪比组合。通过结果表明，能量ASM、熵ENT、逆差矩IDM这三个GLCM统计特征结果基本一致，这与前面的理论分析是一致的，因为这三者在物理意义上都反映了纹理均匀程度与稳定程度。可以选择[0,4]水平方向上的能量ASM，以门限0.01来区分MPSK/MFSK/MultiTone或AM/SSB两个大类。再选择[0,4]水平方向上的熵ENT和逆差矩IDM，以门限1和0.9来从AM/SSB中区分出AM。而进一步的区分MPSK/MFSK/MultiTone三类信号则通过能量ASM、熵ENT、逆差矩IDM无法明确进行。如图7所示，(a)、(b)、(c)为[0,4]水平方向上的能量ASM、熵ENT、逆差矩IDM结果部分放大图。二)、特征测试结果——自相关COR比较8种距离差分值下GLCM的自相关COR统计结果，其中[0,4]水平方向及[-2,0]垂直方向的特征区分度最为明显。这与理论分析完全一致，因为在STFT计算参数条件下，水平方向上选择[0,4]时正好像素对在STFT计算上无数据重叠，而数据重叠将导致增加了伪相关性。而在垂直方向上，[-1,0]结果将由于频谱能量泄露而增加了伪相关性，[-2,0]结果则相对受影响小。给出了[0,4]水平方向及[-2,0]垂直方向上的自相关COR结果。其中，横轴上1～9分别代表各类信号的三种典型参数及三种信噪比组合。图8给出了自相关COR结果，其中，(a)为[0,4]水平方向，(b)为[-1,0]垂直方向，由图可以看出，自相关COR统计特征所反映的图像中局部灰度相关性与各调制方式的表现是一致的。结果表明，可以选择[0,4]水平方向及[-2,0]垂直方向的自相关COR统计特征，以门限0.1来从MPSK/MFSK/MultiTone中区分出MPSK信号。而进一步的区分MFSK和MultiTone二者还没有明显的稳定特征。经测试，对比度CON特征亦不具备对MFSK和MultiTone二者的明显区分能力，这里不再罗列对比度CON测试结果曲线。三)、特征测试结果——行连续性特征MFSK信号与MultiTone信号相区别，其任何时刻仅出现一路信号的特性值得注意。如果把MFSK信号与MultiTone信号都看成是多路信号，则MFSK信号的每路都不是连续的，而MultiTone信号的每路都是连续的。对8bit量化灰度范围后的M×N像素的谱图G(i,j)，取每行的最小值得到长度为M的序列c(i)。信号的行最小值序列c(i)结果将如图9所示，(a)为8FSK信号，(b)为MultiTone。因此，可以设计行连续性特征统计量RMM如下，即为c(i)的均值对MFSK信号与MultiTone信号的行连续性RMM特征的结果如图10所示。其中，横轴上1～9分别代表各类信号的三种典型参数及三种信噪比组合。结果表明，对行连续性RMM特征以门限2.5即可有效区分MFSK信号与MultiTone信号。另外，对于一些MFSK信号参数条件下可能导致按上述流程默认参数计算的谱图中，由于STFT时窗长度涵盖了很多个符号周期而体现出行连续性，从而与MultiTone信号的区分不能有效进行。此时可以采用多分辨的思路来进行，即计算一份STFT时窗长度更短的谱图来补充行连续性RMM的结果。结合以上特征测试结果，在灰度谱图基础上进行特征提取和调制分类的流程如图11所示，由于前面的测试过程中采用的AM、SSB信号已经是实际信号，下面结合特征提取和调制分类的流程对MFSK、MPSK、MultiTone信号进行实际信号测试。针对MFSK实际信号，图12为对某2GALE实际8FSK信号的测试结果，(a)为阈值分割前谱图，(b)为阈值分割后谱图，GLCM统计值如下表所示，该信号样本信噪比较低。处理中采用的数据量为8秒，带宽粗估计结果为2KHz。符合分类要求，识别结果正确。GLCM统计参数[0,4]ASM[0,4]COR[-2,0]COR计算结果0.000413030.309240.45039针对MPSK实际信号，图13对某实际8PSK信号的测试结果，(a)为阈值分割前谱图，(b)为阈值分割后谱图，下表为GLCM统计值。带宽粗估计结果为2.4KHz。符合分类要求，识别结果正确。GLCM统计参数[0,4]ASM[0,4]COR[-2,0]COR计算结果6.5948e-0050.0813950.00073971针对MultiTone实际信号，图14中，(a)、(b)、(c)为分别对45路、93路、39路的实际MultiTone信号分割前后的测试结果，处理中采用的三种信号样本中数据量分别为8秒、8秒、5.78秒，带宽粗估计结果分别为3KHz、3KHz、2.4KHz。测试得到的灰度共生矩阵统计特征如下表3所示。三种MultiTone信号均符合分类要求，识别结果正确。表3GLCM统计值GLCM统计参数[0,4]ASM[0,4]COR[-2,0]COR45路MultiTone信号0.00210620.580630.4925993路MultiTone信号0.000213470.482230.3680939路MultiTone信号6.8384e-0050.376270.32303仿真实验和实际信号的测试结果均表明基于灰度共生矩阵的信号谱图纹理特征识别方法在短波信号调制自动识别中具有可行性。基于上述的方法，本发明还提供一种基于灰度共生矩阵纹理特征检测的短波信号体制识别装置，参见图15所示，包含：分析模块101和识别模块102，其中，分析模块101，用于获取目标短波信号中用于反映信号谱图纹理特征的灰度共生矩阵，并提取灰度共生矩阵统计特征；识别模块102，用于依据统计特征及预先设置的各信号调制类型下的判决门限，识别出目标短波信号的调制体制。短波调制方式的自动识别在信号截获分析领域有着极为重要的应用意义。针对复杂短波信道下传统调制识别方法的局限性，本发明实施例中，对目标信号进行功率谱计算及对数变换后，进行阈值分割及图像灰度拉伸，从而获取值域的8bit量化灰度图谱图，再运用灰度共生矩阵统计特征(ASM能量、熵、逆差矩、对比度、自相关)来提取信号谱图中的纹理特征，通过设置相关判决门限可以区分出AM、SSB、MPSK等典型调制体制，通过谱图的行连续性分析，可以有效区分MultiTone和MFSK调制体制。仿真分析多个实际信号的分类实例表明，该方法能够对信号进行调制类别的识别，具有很强的应用前景和较好的工程应用价值。除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。基于上述的方法，本发明实施例还提供一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的方法。基于上述的方法，本发明实施例还提供一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现上述的方法。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。当前第1页1 2 3