一种蜂窝物联网上行资源分配方法及电子设备

本说明书一个或多个实施例涉及无线通信技术领域，尤其涉及一种蜂窝物联网上行资源分配方法及电子设备。

背景技术：

作为5g的三大应用场景之一，海量机器类型通信(mmtc)旨在为大规模的物联网(iot)设备提供连接。mmtc每平方公里支持100万个以上具有各种qos要求的设备的连接，在为万物互联带来机遇的同时，也对频谱利用率、传输延迟和数据吞吐量等方面提出了新的挑战。非正交多址技术(non-orthogonalmultipleaccess，noma)被视为是一项可以有效应对这些挑战的关键技术。与传统正交多址技术相比，noma通过利用新的功率和编码域对设备之间的有限资源进行非正交资源分配，可以提高频谱效率，减少访问延迟和信令开销，在支持海量连接时更具有优势。noma的基本思想是在发送端采用非正交传输，主动引入干扰信息，在接收端通过连续干扰消除(sic)技术进行解调。sic可以很好地提高频谱效率，有效增强上行链路和下行链路的网络容量。鉴于noma的独特优势，目前3gpp已将noma纳入5gmmtc标准的技术部分，noma中的资源管理也成为了无线通信领域的热点研究问题。

目前，由于大规模蜂窝物联网应用场景中物联网设备性能普遍较差，无法完成noma传输中的连续干扰消除(sic)技术，使用于转发的中继节点和基站不能进行有效通信；同时noma频谱资源共享会出现复杂干扰情况，导致无法对蜂窝物联网上行资源进行有效的资源分配。

技术实现要素：

有鉴于此，本说明书一个或多个实施例的目的在于提出一种蜂窝物联网上行资源分配方法及电子设备，以解决无法对蜂窝物联网上行资源进行有效的资源分配的问题。

基于上述目的，本说明书一个或多个实施例提供了一种蜂窝物联网上行资源分配方法，包括：

将蜂窝物联网的每个边缘节点和每个直传节点均作为智能体，对所述智能体执行如下操作，直至达到预设迭代次数：

所述智能体根据所述智能体当前系统状态采用探索-利用策略选取动作空间ai中的动作ai并执行所述动作ai；

根据执行的所述动作ai通过奖励函数计算每个所述智能体的奖励值；以及

根据所述智能体的q函数确定所述智能体当前系统状态下的q函数，且所述智能体从当前系统状态进入下一系统状态；

基于所述智能体的估计策略、平均估计策略确定所述智能体执行所述动作ai时的平均估计策略和估计策略；以及

响应于确定所述智能体执行所述动作ai时的估计策略值大于平均估计策略值，利用学习速率δw调整当前的估计策略，否则利用学习速率δl调整当前的估计策略，其中δl>δw；

所述智能体执行的以上操作达到所述预设迭代次数，得到最优的所述估计策略；

根据最优的所述估计策略，对所述蜂窝物联网的上行资源进行资源分配。

进一步，所述将蜂窝物联网的每个边缘节点和每个直传节点均作为智能体，对所述智能体执行如下操作，直至达到预设迭代次数，之前还包括：

将所述智能体初始的q函数初始值记作0，确定用于记录系统状态s出现次数的计数器xi(s)，以及所述智能体初始的估计策略π(s,ai)、平均估计策略其中，初始的估计策略初始的平均估计策略

进一步，所述系统状态s由所述直传节点的状态sw和所述边缘节点的状态sn构成，其中，s＝{sw,sn,w∈w,n∈n}；

具体的，所述直传节点的状态sw包括所述直传节点的信道分配系数λw,c，所述边缘节点的状态sn包括所述边缘节点n的信道分配系数ηn,r,c和传输功率控制系数θn，其中，λw,c＝{0,1}，sw＝{λw,c,w∈w,c∈c}，ηn,r,c＝{0,1}，θn＝{0.0,0.2,0.4,0.6,0.8,1.0}，sn＝{ηn,r,c,θn,n∈n,r∈r,c∈c}。

进一步，将所述奖励函数记作rew(s,ai)，若所述智能体为边缘节点，则所述奖励函数rew(s,ai)的算法为：

若所述智能体为直传节点，则所述奖励函数rew(s,ai)的算法为：

进一步，所述确定所述智能体当前系统状态下的q函数计算方法为：

将所述q函数的记作qi(s,ai)，

其中，δq表示q函数学习速率，β表示累计奖励折扣系数，分别为下一次到达的系统状态和执行的动作。

进一步，所述探索-利用策略具体为贪心策略ε-greedy，所述贪心策略的计算方法为：

在给定系统状态s下，智能体i的选择动作ai的概率分布记作p(ai|s)，p(ai|s)的算法如下：

其中，ε表示动作选择概率，且0<ε<1，qi(s,ai)表示q函数，ai(s)表示智能体i在系统状态s下可执行动作的数量。

进一步，所述确定所述智能体执行动作ai时的平均估计策略的计算方法为：

所述确定所述智能体执行动作ai时的估计策略的计算方法为：

其中，表示估计策略更新的步长，其计算方法为：

其中，δ为学习速率，δ根据以下两种情况进行取不同的值，

进一步，所述方法之前还包括：基于非正交多址接入noma技术和开放移动联盟oma技术，确定所述边缘节点、所述直传节点以及中继节点与基站之间进行通信的信号传输模型，所述信号传输模型具体包括：

确定所述基站下的n个边缘节点，r个中继节点，w个直传节点，c条信道，其中，n＝{1,2,3,…,n}，r＝{1,2,3,…,r}，w＝{1,2,3,…,w}，c＝{1,2,3,…,c}；

所述中继节点接收所述边缘节点通过noma技术发出的信号，得到第一信号yr，所述第一信号yr的算法为：

其中，hn,r表示边缘节点n的到中继节点r的信道增益，θn表示边缘节点n的传输功率控制系数，pn表示边缘节点n的最大发射功率，sn表示边缘节点n发出的信号，ηn,r,c表示信道分配系数，ξ表示加性高斯白噪声信号，且σ²表示加性高斯白噪声功率，n∈n，r∈r；

进一步，hn,r的算法为：

其中，表示边缘节点n的到中继节点r的信道的小规模衰落且满足高斯分布dn,r表示从边缘节点n的到中继节点r的距离，λ为路径损耗指数；

所述基站接收所述由所述中继节点通过oma技术发出的第一信号和所述直传节点通过noma技术发出的信号，利用连续干扰消除技术sic解码得到第二信号ybs，所述第二信号ybs的算法为：

其中，hw,bs表示从直传节点w到基站的信道增益，hr,bs表示从中继节点r到基站的信道增益，pw表示直传节点的发射功率，sw表示直传节点发出的信号，λw,c表示信道分配系数，μr为中继增益系数；

hw,bs的算法为：

其中，表示直传节点w到基站的信道的小规模衰落并满足高斯分布dw,bs表示从直传节点w到基站的距离；

hr,bs的算法为：

其中，表示中继节点到基站的信道的小规模衰落并满足高斯分布dr,bs表示从中继节点r到基站的距离；

基于香农定理，计算所述基站接收所述第二信号的接收速率rsum，所述接收速率rsum的算法为：

其中，b表示信道带宽，τn表示边缘节点n发出的信号在信道c上，通过中继节点r放大转发，在基站处的接收信噪比，τw表示直传节点w发出的信号通过信道c到达基站，在基站处的接收信噪比；

具体的，τn的计算方法为：

其中，hi,r表示边缘节点i到中继节点r的信道增益，θi表示边缘节点i的传输功率控制系数，pi表示边缘节点i的最大发射功率，σ²为加性高斯白噪声功率，i∈n，i≠n,θipi<θnpn；

τw的计算方法为：

进一步，所述方法之后还包括：

限制复用同一信道的所述边缘节点的传输功率，具体包括：

当ηn,r,c＝1时，满足

其中，ptotn为传输功率的阈值，i≠n,αipi<αnpn；

确定每条传输链路满足系统服务质量qos需求，具体满足以下条件：

τn,τw≥τo,

其中，τo表示接收信噪比的最小值；

限制每个所述边缘节点、所述直传节点以及所述中继节点只分配一条所述信道，具体满足以下条件：

限制每条所述信道接入所述边缘节点的数量，具体满足以下条件：

r∈r

其中，qmax表示每条信道允许接入的边缘节点数量的最大值。

基于同一发明构思，本说明书一个或多个实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上任意一项所述的方法。

从上面所述可以看出，本说明书一个或多个实施例提供的，将每个边缘节点和直传节点看作智能体，每个智能体根据系统整体的状态，来执行自己的动作，当智能体获得的奖励在比预期差时，能够快速调整学习速率适应其他智能体策略变化，当获得的奖励比预期好时谨慎学习，给其他智能体适应策略变化的时间，最终，每个智能体都能够收敛到最优估计策略，基于最优估计策略对每个边缘节点和每个直传节点进行资源分配。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书一个或多个实施例的蜂窝物联网上行资源分配方法流程图；

图2为本说明书一个或多个实施例的确定信号传输模型的流程图；

图3为本说明书一个或多个实施例的优化信号传输模型的流程图；

图4为本说明书一个或多个实施例的蜂窝物联网上行资源分配装置的结构示意图；

图5为本说明书一个或多个实施例的电子设备结构示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。

如背景技术部分所述，现有的基于noma的蜂窝物联网应用场景无法对上行资源进行有效的分配。申请人在实现本公开的过程中发现，由于物联网设备性能差，导致用于转发的中继节点和基站不能进行有效通信；同时noma频谱资源共享会出现复杂干扰情况，最终上行资源不能得到有效的分配。

以下，通过具体的实施例进一步详细说明本公开的技术方案。

智能体强化学习算法(wolf-phc)中的wolf是指，当智能体的行为比期望值好时只需缓慢调整参数，当智能体的行为比期望值差时，则需要加快调整参数的速度。phc是单智能体在稳定环境下的学习算法，通过强化学习，增大能够得到最大累计期望的动作的选取概率，最终能够收敛到最优策略。

在同一蜂窝小区的同一基站下，边缘节点表示边缘终端节点设备，直传节点表示直接传输终端节点设备，中继节点表示中继器转发节点设备；其中，中继节点和直传节点信道条件良好可与基站直接通信，而小区内信道条件差的边缘节点无法直接与基站进行通信，必须通过中继节点通过放大转发方式与基站进行通信。

参考图1，本说明书一个实施例的一种蜂窝物联网上行资源分配方法，包括以下步骤：

步骤s101：将蜂窝物联网的每个边缘节点和每个直传节点均作为智能体，对于每个智能体执行如下步骤s102～步骤s104的操作，直至达到预设迭代次数。

本步骤之前还包括，将所述智能体初始的q函数初始值记作0，确定用于记录系统状态s出现次数的计数器xi(s)，以及所述智能体初始的估计策略π(s,ai)、平均估计策略其中，初始的估计策略初始的平均估计策略估计策略表示在给定系统状态下，选择每个动作的概率，平均估计策略是用于衡量估计策略的标准，使估计策略向最优的估计策略变化。

其中，ai表示智能体执行的动作空间ai中的动作，系统状态s由上述直传节点的状态sw和上述边缘节点的状态sn构成，记作s＝{sw,sn,w∈w,n∈n}。

进一步地，上述直传节点的状态sw包括所述直传节点的信道分配系数λw,c，上述边缘节点的状态sn包括上述边缘节点n的信道分配系数ηn,r,c和传输功率控制系数θn，其中，

λw,c＝{0,1}

sw＝{λw,c,w∈w,c∈c}

ηn,r,c＝{0,1}

θn＝{0.0,0.2,0.4,0.6,0.8,1.0}

sn＝{ηn,r,c,θn,n∈n,r∈r,c∈c}

步骤s102：智能体根据智能体当前系统状态采用探索-利用策略选取动作空间ai中的动作ai并执行。

本步骤中，动作空间ai包括以下动作：调整信号传输信道、调整相连的中继节点以及调整传输功率控制。例如，现有一个智能体i，动作ai∈ai，若智能体i直传节点，则需要调整λw,c，若智能体是边缘节点，调整信道分配系数ηn,r,c和传输功率控制系数θn即可。

上述探索-利用策略选择贪心策略(ε-greedy)，采用贪心策略(ε-greedy)选取动作空间ai中的动作ai，具体的计算方法为：

在给定系统状态s下，智能体i的选择动作ai的概率分布记作p(ai|s)，p(ai|s)的算法如下：

其中，ε表示动作选择概率，且0<ε<1，qi(s,ai)表示q函数，ai(s)表示智能体i在系统状态s下可执行动作的数量。

也就是说，智能体i会以ε(0<ε<1)的概率选择系统状态s下的动作空间ai中任何一个动作。

步骤s103：根据执行的动作ai通过奖励函数计算每个智能体的奖励值；以及根据智能体的q函数确定智能体当前系统状态下的q函数，且智能体从当前系统状态进入下一系统状态。

本步骤中，每个智能体执行完动作后，系统会计算智能体相应的奖励值，并将发出的信号在基站处的接收信噪比作为该智能体的奖励，具体的，将奖励函数记作rew(s,ai)，若智能体为边缘节点，则奖励函数rew(s,ai)的算法如下：

若智能体为直传节点，则奖励函数rew(s,ai)的算法如下：

可以理解的是，接收信噪比值越大，则智能体接收到的奖励值也就越大。每个智能体无需观察其他智能体执行的动作以及获得的奖励值，只需要观察当前时刻的状态，采取相应的动作，对系统产生相应的影响，使系统在下一时刻进入新的系统状态。

智能体更新此时q函数q(s,ai)的具体算法如下：

其中，δq表示q函数学习速率，β表示累计奖励折扣系数，分别下一时刻到达的系统状态和执行的动作。

步骤s104：基于智能体的估计策略、平均估计策略确定智能体执行动作ai时的平均估计策略和估计策略；以及响应于确定智能体执行动作ai时的估计策略值大于平均估计策略值，利用学习速率δw调整当前的估计策略，否则利用学习速率δl调整当前的估计策略，其中δl>δw。

本步骤中，更新当前执行动作ai时的平均估计策略的计算方法为：

进一步地，更新当前执行动作ai时的估计策略的计算方法如下：

其中，表示估计策略更新的步长，其计算方法为：

其中，δ为学习速率，δ根据以下两种情况进行取不同的值，

具体的，将智能体i的估计策略πi(s,ai)与平均估计策略作比较，如果满足则视为估计策略πi(s,ai)更好，反之平均估计策略更好。若当前动作ai不是使q函数值最大的动作，则为负数，反之为正数，从而实现增大使q函数值最大的动作的选取概率。

步骤s105：系统状态出现的次数达到预设迭代次数时，得到所述智能体最优的所述估计策略，并根据所述最优的所述估计策略对蜂窝物联网上行资源进行资源分配。

综上所述，当估计策略更好时，估计策略更新的学习速率变慢；当平均估计策略更好时，估计策略更新的学习效率变快。即，智能体的行为比期望值好时，通过δw进行缓慢调整参数，当智能体的行为比期望值差时，通过δl进行快速调整参数。

由此可见，本实施例提供的方法是一种在线强化学习的上行资源分配方案，考虑到noma频谱资源共享引起的复杂干扰情况，实际的复杂蜂窝物联网通信中，当终端设备数量逐渐增大时，会导致很高的计算复杂性。但是多智能体强化学习算法模型可以使系统在规定的迭代次数内，收敛为一个稳定的资源分配方案。因此，本公开可实现对蜂窝物联网上行资源进行有效的资源分配。

可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。

作为一个可选的实施例，步骤s101之前还包括：基于非正交多址接入noma技术和开放移动联盟oma技术，确定边缘节点、直传节点以及中继节点与基站之间进行通信的信号传输模型。

结合图2，所述信号传输系统模型具体包括：

步骤s201：确定基站下的n个边缘节点，r个中继节点，w个直传节点，c条信道。

本步骤中，n＝{1,2,3,…,n}，r＝{1,2,3,…,r}，w＝{1,2,3,…,w}，c＝{1,2,3,…,c}

步骤s202：中继节点接收边缘节点通过noma技术发出的信号，得到第一信号yr。

本步骤中，上述第一信号yr的算法为：

其中，hn,r表示边缘节点n到中继节点r的信道增益，θn表示边缘节点n的传输功率控制系数，pn表示边缘节点n的最大发射功率，sn表示边缘节点n发出的信号，ηn,r,c表示信道分配系数，ξ表示加性高斯白噪声信号，且σ²表示加性高斯白噪声信号的功率，n∈n，r∈r。

进一步，hn,r的算法为：

其中，表示边缘节点n的到中继节点r的信道的小规模衰落且满足高斯分布dn,r表示从边缘节点n的到中继节点r的距离，λ为路径损耗指数。

边缘节点与基站通信需要经过两跳传输，边缘节点发送信号给中继节点为第一跳，边缘节点可使用noma模式复用同一子信道传输信息到中继节点，传输过程中复用同一子信道的边缘节点会执行noma功率控制，保证信号经过中继的放大转发方式(amplify-and-forward,af)最终到达基站时可以通过sic技术进行解调。

步骤s203：基站接收由中继节点通过oma技术发出的第一信号和直传节点通过noma技术发出的信号，得到第二信号ybs。

本步骤中，上述第二信号ybs的算法为：

其中，hw,bs表示从直传节点w到基站的信道增益，hr,bs表示从中继节点r到基站的信道增益，pw表示直传节点的发射功率，sw表示直传节点发出的信号，λw,c表示信道分配系数，μr为中继增益系数。

hw,bs的算法为：

其中，表示直传节点w到基站的信道的小规模衰落并满足高斯分布dw,bs表示从直传节点w到基站的距离。

hr,bs的算法为：

其中，表示中继节点到基站的信道的小规模衰落并满足高斯分布dr,bs表示从中继节点r到基站的距离。

进一步地，若信道c被分配给直传节点w向基站传输信号，则λw,c＝1，否则λw,c＝0。

可以理解的是，第二跳是指从中继节点发出信号至基站，考虑到中继器的性能问题，第二跳以oma方式直接采用af方式对信号进行传输，在af方式中，中继节点仅将来自边缘节点的信号接收并将其放大传输至基站，不对信号进行任何编码操作，由基站进行sic解码操作。

步骤s204：基于香农定理，计算基站接收第二信号的接收速率rsum。

本步骤中，上述接收速率rsum的算法为：

其中，b表示信道带宽，τn表示边缘节点n发出的信号在信道c上，通过中继节点r放大转发，在基站处的接收信噪比，τw表示直传节点w发出的信号通过信道c到达基站，在基站处的接收信噪比；

具体的，τn的计算方法为：

其中，hi,r表示边缘节点i到中继节点r的信道增益，θi表示边缘节点i的传输功率控制系数，pi表示边缘节点i的最大发射功率，σ²为加性高斯白噪声功率，i∈n，i≠n,θipi<θnpn。

hi,r的计算方法与上述hn,r的计算方法相同，在此不再赘述。

τw的计算方法为：

作为一个可选的实施例，结合图3，步骤s204之后还可以包括以下步骤：

步骤s301：限制复用同一信道的边缘节点的传输功率。

本步骤具体包括：

当ηn,r,c＝1时，

其中，ptotn为传输功率的阈值，i≠n,θipi<θnpn。

也就是说，边缘节点n的功率减去比边缘节点n的功率小的全部边缘点的功率的差必须大于传输功率的阈值ptotn，可根据实际情况对传输功率的阈值ptotn进行设置。

步骤s302：确定每条传输链路满足系统服务质量(qos)需求。

本步骤中，需要满足的条件如下：

τn,τw≥τo,

其中，τo表示接收信噪比的最小值。

可以理解的是，若要每条传输链路满足系统qos需求，需满足上述条件，可根据实际情况对τo值进行设置，在此不做具体限定。

步骤s303：限制每个边缘节点、直传节点以及中继节点只分配一条所述信道。

本步骤中，需要满足的条件如下：

步骤s304：限制每条信道接入边缘节点的数量。

本步骤中，需要满足的条件如下：

r∈r

其中，qmax表示每条信道允许接入的边缘节点数量的最大值。

本实施例是针对混合传输系统模型进行的系统优化，确保基站能够利用sic技术对接收到的信号实现成功解码。

需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

需要说明的是，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例还提供了一种蜂窝物联网上行资源分配装置。

参考图4，所述蜂窝物联网上行资源分配装置，包括：

估计策略迭代模块401：被配置为将蜂窝物联网的每个边缘节点和每个直传节点均作为智能体，对所述智能体执行如下操作，直至达到预设迭代次数：所述智能体根据所述智能体当前系统状态采用探索-利用策略选取动作空间ai中的动作ai并执行所述动作ai；根据执行的所述动作ai通过奖励函数计算每个所述智能体的奖励值；以及根据所述智能体的q函数确定所述智能体当前系统状态下的q函数，且所述智能体从当前系统状态进入下一系统状态；基于所述智能体的估计策略、平均估计策略确定所述智能体执行所述动作ai时的平均估计策略和估计策略；以及响应于确定所述智能体执行所述动作ai时的估计策略值大于平均估计策略值，利用学习速率δw调整当前的估计策略，否则利用学习速率δl调整当前的估计策略，其中δl>δw；所述智能体执行的以上操作达到所述预设迭代次数，得到最优的所述估计策略。

上行资源分配模块402：被配置为根据最优的所述估计策略，对所述蜂窝物联网的上行资源进行资源分配。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的cpu(centralprocessingunit，中央处理器)、微处理器、应用专用集成电路(applicationspecificintegratedcircuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器1020可以采用rom(readonlymemory，只读存储器)、ram(randomaccessmemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

上述实施例的电子设备用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。

本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。