心率检测方法和装置与流程

1.本技术涉及数字信号处理技术领域，尤其涉及一种心率检测方法和装置。


背景技术：

2.随着智能设备的逐渐普及，基于智能设备来进行心率测量，由于可以随时监测用户的身体健康状态，因此，逐渐成为流行。
3.相关技术中，利用光电容积描记(photoplethysmogram，ppg)技术进行人体运动心率的检测，ppg是红外无损检测技术，需要频繁的开关ppg传感器，导致测量的功耗较大，大大缩短了测量设备的续航时间。


技术实现要素：

4.本技术旨在至少在一定程度上解决相关技术中的技术问题之一。
5.为此，本技术的第一个目的在于提出一种心率检测方法，以基于多轴加速度来确定心率，降低了测量功耗，并且在频域中提取心率，提高了心率的测量准确性。
6.本技术的第二个目的在于提出一种心率检测装置。
7.本技术的第三个目的在于提出一种计算机设备。
8.本技术的第四个目的在于提出一种非临时性计算机可读存储介质。
9.为达上述目的，本技术第一方面实施例提出了一种心率检测方法，包括：包括：采集用户的多轴原始加速度数据，根据所述多轴原始加速度数据判断所述用户是否满足预设检测条件；若获知所述用户满足所述预设检测条件，则对所述多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据；对所述多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据；根据所述融合频域加速度数据中的峰值数据确定所述用户的心率值。
10.为达上述目的，本技术第二方面实施例提出了一种心率检测装置，包括：判断模块，用于采集用户的多轴原始加速度数据，根据所述多轴原始加速度数据判断所述用户是否满足预设检测条件；滤波处理模块，用于在获知所述用户满足所述预设检测条件时，对所述多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据；获取模块，用于对所述多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据；确定模块，用于根据所述融合频域加速度数据中的峰值数据确定所述用户的心率值。
11.为达上述目的，本技术第三方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所描述的心率检测方法。
12.为了实现上述目的，本技术第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得处理器能够实现如上述实施例所描述的心率检测方法。
13.本技术实施例至少包括如下有益技术效果：
14.采集用户的多轴原始加速度数据，根据多轴原始加速度数据判断用户是否满足预设检测条件，进而，若获知用户满足预设检测条件，则对多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据，最后，对多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据，并根据融合频域加速度数据中的峰值数据确定用户的心率值。由此，基于多轴加速度来确定心率，降低了测量功耗，并且在频域中提取心率值，提高了心率的测量准确性。
15.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
16.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
17.图1为本技术实施例所提供的一种心率检测方法的流程示意图；
18.图2为本技术实施例所提供的另一种心率检测方法的流程示意图；
19.图3为本技术实施例所提供的又一种心率检测方法的流程示意图；
20.图4是根据本技术实施例所提供的一种心率检测场景图；
21.图5是根据本技术实施例所提供的一种心率检测模块场景示意图；
22.图6是根据本技术实施例所提供的另一种心率检测场景图；
23.图7是根据本技术实施例所提供的又一种心率检测场景图；
24.图8是根据本技术实施例所提供的还一种心率检测场景图；
25.图9是根据本技术实施例所提供的还一种心率检测方法的流程示意图；
26.图10是根据本技术实施例所提供的再一种心率检测场景图；
27.图11为本技术实施例提供的一种心率检测装置的结构示意图；以及
28.图12为本技术实施例提供的另一种心率检测装置的结构示意图。
具体实施方式
29.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
30.下面参考附图描述本技术实施例的心率检测方法和装置。其中，本技术心率检测方法和装置的执行主体，可以是任意便携式终端设备，该终端设备可以是手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统的硬件设备，该穿戴式设备可以是智能手环、智能手表、智能眼镜等。
31.图1为本技术实施例所提供的一种心率检测方法的流程示意图。如图1所示，该心率检测方法包括以下步骤：
32.步骤101，采集用户的多轴原始加速度数据，根据多轴原始加速度数据判断用户是否满足预设检测条件。
33.在本实施例中，可以根据加速度计等设备来采集用户的多轴原始加速度数据，该加速计可以设置在如上述提到的便携式终端设备中，另外，本实施例中提到的多轴原始加
速度数据可以为x,y,z三轴加速度数据中的至少两种。
34.不难理解的是，因为活动导致的加速度计测量的多轴原始加速度数据变化远远超过心率导致的变化，在佩戴者活动的情况下，采集到的多轴原始加速度数据无法用以准确计算心率，因此，在本实施例中，仅在判断出佩戴者处于安静状态等活动量较小的情况下进行心率检测。
35.其中，本实施例中的预设检测条件对应于佩戴者处于安静状态等活动量较小的情况，下面示例说明如何根据多轴原始加速度数据判断所述用户是否满足预设检测条件：
36.示例一：
37.在本示例中，如图2所示，根据多轴原始加速度数据判断用户是否满足预设检测条件，包括：
38.步骤201，按照第一预设算法对每轴原始加速度数据进行计算，以获取与多轴原始加速度数据对应的多轴特征数据。
39.其中，第一预设算法可以是对每轴原始加速度数据取方差计算得到方差值，将方差值作为对应轴的原始加速度数据的轴特征数据，第一预设算法可以是对每轴原始加速度数据进行标准差计算得到标准差，将标准差作为将方差值作为对应轴的原始加速度数据的轴特征数据，第一预设算法也可以为对每轴原始加速度数据进行幅度值计算，将得到的幅度值等反应每轴原始加速度大小的特征数据作为将方差值作为对应轴的原始加速度数据的轴特征数据。
40.当然，也可以根据实验数据确定每轴原始加速度数据的预设门限值，从而，第一预设算法为统计原始加速度数据超过对应预设门限值的次数，将次数作为对应轴的原始加速度数据的轴特征数据。
41.步骤202，将每轴特征数据与对应轴的第一预设阈值进行比较，获取多轴特征数据的比较结果。
42.应当理解的是，预先根据大量实验数据设置每轴特征数据所在轴的预设阈值，其中，该预设阈值可以与加速度计所在的设备硬件有关，进而，将每轴特征数据与对应轴的预设阈值进行比较，获取多轴特征数据的比较结果，其中，该比较结果可以为每轴特征数据与对应轴的预设阈值差值。
43.步骤203，若根据比较结果获知多轴特征数据均满足预设的第一检测范围，则获知用户满足预设检测条件。
44.在本实施例中，预先根据大量实验数据设置第一检测范围，该第一检测范围可以对应于上述差值的取值范围，当差值位于该第一检测范围内，则认为用户处于相对安安静的状态，认为满足预设检测条件。
45.步骤204，若根据比较结果获知至少一轴特征数据不满足预设的检测范围，则获知用户不满足预设检测条件。
46.在本实施例中，多轴特征数据均满足预设的检测范围才认为用户处于安静的状态，否则若根据比较结果获知至少一轴特征数据不满足预设的第一检测范围，则获知用户不满足预设检测条件。
47.示例二：
48.在本示例中，如图3所示，根据多轴原始加速度数据判断用户是否满足预设检测条
件，包括：
49.步骤301，对多轴原始加速度数据求和处理获取融合原始加速度数据。
50.在本实施例中，对多轴原始加速度数据求和处理获取融合原始加速度数据，将多轴原始加速度数据作为一个整体进行判断。
51.其中，对多轴原始加速度数据求和处理可以理解为将相同时间点采集到的多轴原始加速度值求和得到对应的原始加速度数据，该原始加速数据整体反应了多轴原始加速度数据的大小。
52.步骤302，按照第二预设算法对融合原始加速度数据进行计算，获取融合特征数据。
53.第二预设算法可以为融合原始加速度数据取方差计算得到的方差值，将方差值作为融合特征数据，第二预设算法可以为融合原始加速度数据进行标准差计算得到的标准差，将标准差作为融合特征数据，第二预设算法也可以为对融合原始加速度数据进行幅度值计算得到的幅度值等反应融合原始加速度数据大小的特征数据，将特征数据作为融合特征数据。
54.当然，也可以根据实验数据确定融合原始加速度数据的预设门限值，从而，第二预设算法为统计融合原始加速度数据超过对应预设门限值的次数，将次数作为融合特征数据。
55.步骤303，将融合特征数据与对应的第二预设阈值进行比较，获取融合特征数据的比较结果。
56.应当理解的是，预先根据大量实验数据设置融合特征数据的第二预设阈值，其中，该第二预设阈值可以与加速度计所在的设备硬件有关，进而，将融合特征数据与对应轴的第二预设阈值进行比较，获取融合特征数据的比较结果，其中，该比较结果可以为融合特征数据与对应的第二预设阈值差值。
57.步骤304，若根据比较结果获知融合特征数据满足预设的第二检测范围，则获知用户满足预设检测条件。
58.在本实施例中，预先根据大量实验数据设置第二检测范围，该第二检测范围可以对应于上述差值的取值范围，当差值位于该第二检测范围内，则认为用户处于相对安安静的状态，认为满足预设检测条件。
59.步骤305，若根据比较结果获知融合特征数据不满足预设的检测范围，则获知用户不满足预设检测条件。
60.在本实施例中，如根据比较结果获知融合特征数据不满足预设的检测范围，则获知用户不满足预设检测条件，用户可能处于运动状态等，此时测量的心率是不准确的。
61.步骤102，若获知用户满足预设检测条件，则对多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据。
62.在本实施例中，若是获知用户满足预设检测条件，则认为此时获取心率比较准确，从而，对多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据，这里的高通滤波处理可以理解为预处理操作，以去除基线漂移以及呼吸率对于心率检测的影响。其中，高通滤波处理用于将较低频值的多轴原始加速度筛选掉，其中，高通滤波处理的截止频率可以根据实验数据标定。
63.在本技术的一个实施例中，对多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据，可以为对每轴原始加速度数据进行n阶的滑动平均获取对应的轴平均值，其中，n为大于1的整数，从而保证对应的多轴原始加速度数据进行高通滤波处理后不失真，上述n可以根据信号的特征以及采样率适配得到，得到方式可以为基于预选训练的模型得到等现有技术实现，在此不再赘述。其中，滑动平均法又称移动平均法。在简单平均数法基础上，通过顺序逐期增减新旧数据求算移动平均值，借以消除偶然变动因素，找出事物发展趋势，并据此进行预测的方法。上述阶数可以理解为滑动平均算法中的窗口的宽度。
64.进一步的，分别用每轴原始加速度数据减去对应的轴平均值，以获取多轴原始加速度数据对应的多轴目标加速度数据，以达到高通滤波的效果。
65.在本实施例中，考虑到高通滤波后的数据仅仅包含很强的振动信息，因此，为了方便观测，对处理后的每轴目标加速度数据分别上下移动m个单位以方便观测，其中，m可以为任意根据场景需要设置的整数。比如，m可以为40。
66.步骤103，对多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据。
67.应当理解的是，在本实施例中，对多轴目标加速度数据进行傅里叶变换处理，将多轴目标加速度数据由时域转化为频域，由此，即使在时域中的心率峰值不明显，比如，如图4所示，在时域上，每轴目标加速度数据的峰值(幅度值)并不十分明显，导致提取心率困难。
68.本技术中基于频域中的融合频域加速度数据来提取对应的心率，对即使在时域中峰值不明显的数据，也能够提取对应的心率。
69.在本技术的一个实施例中，为了能够更好的提取心率，在对多轴目标加速度数据进行傅里叶变换处理之前，还可以按照第三预设算法对每轴目标加速度数据进行增强处理，以强化每轴目标加速度数据的包络特征等，其中，在一些可能的示例中，上述第三预设算法可以为平方算法，即对每轴目标加速度数据求取平方值作为新的每轴目标加速度数据等。在另一些可能的示例中，上述第三预设算法可以为对每轴目标加速度数据加上对应轴的预设值，以实现对每轴目标加速度数据的加强。
70.步骤104，根据融合频域加速度数据中的峰值数据确定用户的心率值。
71.具体的，在获取融合频域加速度数据后，根据融合频域加速度数据中的峰值确定用户心率值，也可以理解，选取频率响应中能量最强的频点当作心率值输出，其中，由于此时的峰值对应的心率值是在频域的心率值，因此，可以将该峰值数据转换为时域。
72.为了使得本领域的技术人员，对本技术实施例的心率检测方法更加清楚，下面结合具体的示例来说明，其中，该示例中，多轴原始加速度数据对应x、y、z原始加速度数据。
73.在本实施例中，如图5所示的结合执行模块的是心率检测流程，采集用户的三轴原始加速度数据后，活动量模块，通过对三轴原始加速度数据进行方差或标准差或幅度值的提取，来确定用户此前的活动量，以保证仅在判断出佩戴者处于安静状态下进行心率检测。
74.进而，若是活动量对应与用户处于安静状态，则将三轴原始加速度数据发送至预处理(高通滤波)模块，对三轴原始加速度数据进行高通滤波，以去除基线漂移以及呼吸率对于心率检测的影响，举例而言，当三轴原始加速度数据为如图6左图所示时，分别对三轴原始加速度数据进行n阶的滑动平均，再分别用三轴原始加速度数据减去滑动平均后的数据以达到高通滤波的效果。
75.高通滤波后的加速度数据仅仅包含很强的振动信息，如图6右图，对处理后的y轴，z轴数据分别上下移动40个单位以方便观测，以获取得到三轴目标加速度数据。此时可以获知，y轴基本不包含明显的周期性信号，x轴与z轴中能够标记处代表心率振动时刻的特征点(以菱形标识)。
76.进而，将三轴目标加速度数据输入到数据增强模块，对三轴目标加速度数据分别进行平方处理，以增强包络信息，为后续的心率提取提供便利，主要寻找峰值的包络等信息进行处理，直接从频域进行心率结果的检测，克服了从时域寻找峰值点的不足。
77.在获取到数据增强模块输出的三轴目标加速度数据后，将该三轴目标加速度数据输入至数据融合模块，数据融合模块通过主成分分析(pca，principle component analysis)等技术对增强后的三轴目标加速度数据进行分离，提取出特征最明显的分量当作心率信号。如图7的左图到右图所示(图7中左图在图中没有清晰的区分出每轴的目标加速度数据，但是并不影响本技术合并过程的表达)，示出了将三轴目标加速度数据合并成一轴的过程。
78.时频转换模块对融合后的三轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据，即将时域数据转换到频域获取融合频域加速度数据来进行心率的提取。最后，心率计算模块对融合频域加速度数据响应中能量最强的频点当作心率值输出。如图8所示的融合频域加速度数据中以菱形标识标注出对应的能量最强的频点为心率值。
79.由此，本实施例中的不但降低了心率值提取的成本，而且基于频域中的加速度数据来提取心率值，对传感器的摆放和佩戴位置等的要求较低，因为加速数据较为敏感，因此，实用性高。
80.综上，本技术实施例的心率检测方法，采集用户的多轴原始加速度数据，根据多轴原始加速度数据判断用户是否满足预设检测条件，进而，若获知用户满足预设检测条件，则对多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据，最后，对多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据，并根据融合频域加速度数据中的峰值数据确定用户的心率值。由此，基于多轴加速度来确定心率，降低了测量功耗，并且在频域中提取心率，提高了心率的测量准确性。
81.基于上述实施例，在不同的应用场景中，对多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据的方式不同。
82.在本技术的一个实施例中，如图9所示，对多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据，包括：
83.步骤401，对多轴目标加速度数据进行数据处理，生成融合时域加速度数据。
84.在本实施例中，对多轴目标加速度数据进行数据处理，生成融合时域加速度数据，即将多轴目标加速度数据合并为一轴进行分析。
85.作为一种可能的实现方式，检测多轴目标加速度数据中是否至少一轴目标加速度数据具有周期性信息，比如，检测每轴目标加速度数据中每个采集点的采集目标加速度数据，确定与该采集目标加速度数据的差小于预设阈值参考采集点出现的时间点，根据该时间点确定时间间隔，如大于预设个数的采集点和参考采集点的时间间隔均一致，则认为对应轴目标加速度数据具有周期性信息。
86.又比如，根据每轴目标加速度数据中各个采集点绘制形状信息，若是该形状信息
与预设的包络形状匹配，则认为对应轴目标加速度数据具有周期性信息。
87.进而，若获知至少一轴目标加速度数据具有周期性信息，则认为该目标加速度数据频域下可以提取出心率值，则分别对每轴目标加速度数据进行平方处理，进而对平方处理后的多轴目标加速度数据求和开根号处理，生成融合时域加速度数据。
88.在本示例中，如获知多轴目标加速度数据都不具有周期性信息，此时如采用上述方法来分别对每轴目标加速度数据进行平方处理，则反而会进一步弱化周期性信息，导致心率提取困难，因此，在本实施例中，为了保证心率提取的准确性，根据主成分分析技术提取多轴目标加速度数据的特征分量数据，生成融合时域加速度数据。其中，主成分分析技术通过正交变换将一组可能存在相关性的多轴目标加速度数据转换为一组线性不相关的变量，转换后的这组变量叫主成分(特征分量数据)。当然，在获知多轴目标加速度数据具有周期性信息时，也可以直接使用对应的主成分分析技术提取多轴目标加速度数据的特征分量数据，生成融合时域加速度数据。
89.步骤402，对融合时域加速度数据进行傅里叶变换处理，获取融合频域加速度数据。
90.具体的，对融合时域加速度数据进行傅里叶变换处理，获取融合频域加速度数据，该融合频域加速度数据基于频域反应了心率值。
91.在本技术的一个实施例中，可以首先对每轴目标加速度数据进行傅里叶变换处理，获取多轴频域加速度数据，进而，按照第四预设算法对多轴频域加速度数据进行数据处理，获取融合频域加速度数据。比如，第四预设算法为直接对多轴频域加速度数据求和，将求和结果作为融合频域加速度数据，又比如，第四预设算法为对多轴频域加速度数据求和后去平方值等得到对应的融合频域加速度数据。
92.在本示例中，如图10所示，当多轴目标加速度数据分别为x、y、z轴时，则分别对x、y、z轴目标加速度数据进行傅里叶变换处理，获取多轴频域加速度数据，进而对x、y、z轴频域加速度数据求和等获取到融合频域加速度数据。
93.在本技术的另一个实施例中，也可以对多目标加速度数据求和，对求和后的目标加速度数据来进行整体的傅里叶变化处理得到融合频域加速度数据。
94.综上，本技术实施例的心率检测方法，可以根据场景需要灵活的将加速度数据转换为频域，克服了时域检测不准确的问题，提高了心率值检测的精确度。
95.为了实现上述实施例，本技术还提出一种心率检测装置。
96.图11为本技术实施例提供的一种心率检测装置的结构示意图。
97.如图11所示，该心率检测装置包括：判断模块10、滤波处理模块20、获取模块30和确定模块40。
98.其中，判断模块10，用于采集用户的多轴原始加速度数据，根据所述多轴原始加速度数据判断所述用户是否满足预设检测条件；
99.滤波处理模块20，用于在获知用户满足预设检测条件时，对多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据；
100.获取模块30，用于对多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据；
101.确定模块40，用于根据融合频域加速度数据中的峰值数据确定用户的心率值。
102.需要说明的是，前述对心率检测方法实施例的解释说明也适用于该实施例的心率检测装置，此处不再赘述。
103.由此，本实施例中的不但降低了心率值提取的成本，而且基于频域中的加速度数据来提取心率值，对传感器的摆放和佩戴位置等的要求较低，因为加速数据较为敏感，因此，实用性高。
104.综上，本技术实施例的心率检测装置，采集用户的多轴原始加速度数据，根据多轴原始加速度数据判断用户是否满足预设检测条件，进而，若获知用户满足预设检测条件，则对多轴原始加速度数据进行高通滤波处理获取多轴目标加速度数据，最后，对多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据，并根据融合频域加速度数据中的峰值数据确定用户的心率值。由此，基于多轴加速度来确定心率，降低了测量功耗，并且在频域中提取心率，提高了心率的测量准确性。
105.基于上述实施例，在不同的应用场景中，对多轴目标加速度数据进行傅里叶变换处理，获取融合频域加速度数据的方式不同。
106.在本技术的一个实施例中，如图12所示，在如图11所示的基础上，该获取模块30包括：生成单元31和获取单元32，
107.其中，生成单元31，用于对多轴目标加速度数据进行数据处理，生成融合时域加速度数据；
108.获取单元32，用于对融合时域加速度数据进行傅里叶变换处理，获取融合频域加速度数据。
109.在一些可能的示例中，生成单元31，具体用于：
110.检测多轴目标加速度数据中是否至少一轴目标加速度数据具有周期性信息；
111.若获知至少一轴目标加速度数据具有周期性信息，则分别对每轴目标加速度数据进行平方处理，进而对平方处理后的多轴目标加速度数据求和开根号处理，生成融合时域加速度数据；
112.若获知多轴目标加速度数据都不具有周期性信息，则根据主成分分析技术提取多轴目标加速度数据的特征分量数据，生成融合时域加速度数据。
113.在一些可能的示例中，获取单元32，具体用于：
114.对每轴目标加速度数据进行傅里叶变换处理，获取多轴频域加速度数据；
115.按照预设算法对多轴频域加速度数据进行数据处理，获取融合频域加速度数据。
116.需要说明的是，前述对心率检测方法实施例的解释说明也适用于该实施例的心率检测装置，此处不再赘述。
117.综上，本技术实施例的心率检测装置，可以根据场景需要灵活的将加速度数据转换为频域，克服了时域检测不准确的问题，提高了心率值检测的精确度。
118.为了实现上述实施例，本技术还提出一种计算机设备，，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所述的心率检测方法。
119.为了实现上述实施例，本技术还提出一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得能够执行上述实施例所述的心率检测方法。
120.为了实现上述实施例，本技术还提出一种计算机程序产品，当所述计算机程序产
品中的指令处理器执行时，执行上述实施例所述的心率检测方法。
121.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
122.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
123.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
124.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
125.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
126.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
127.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
128.上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。