本发明涉及会议上的内容记录领域，尤其涉及一种会议纪要合成方法及系统、终端设备、以及计算机可读存储介质。
背景技术：
目前，在会议过程中，大多数情况需要由人工记录会议的纪要，并且，由人工去跟踪会议的内容。只有少部分使用了语音识别技术，由机器识别发言人的语音并转换为文字记录。
但是，机器只能单纯实现从语音到文字上的转换，并不能够对会议内容进行理解和整理。
技术实现要素：
本发明实施例提供一种会议纪要合成方法及系统、终端设备、以及计算机可读存储介质，以解决或缓解现有技术中的以上一个或多个技术问题，或至少提供一种有益的选择。
第一方面，本发明实施例提供了一种会议纪要合成的方法，所述方法包括：
根据各个发言人的个人特征实现对当前发言人的身份识别；以及
所述根据各个发言人的身份和发言内容，基于深度神经网模型和神经语言模型，分析生成会议记录和执行列表；
其中，所述发言内容至少包括以下一项：事实陈述、意见表达和目标设立。
结合第一方面，本发明在第一方面的第一种实施方式中，所述方法包括：
输入相关和/或必要的会议信息；
其中，所述会议信息至少包括以下一项：参会人员、会议时间、会议地点，以及参会人员发言时间。
优选地，所述输入会议信息包括：选择会议类型模板，并在所述会议模板输入所述会议信息。
结合第一方面，本发明在第一方面的第二种实施方式中，所述个人特征存储于服务器中，所述个人特征至少包括以下一项：声纹、音频及说话方式；
所述根据各个发言人的个人特征实现对当前发言人的识别包括：
根据各个发言人的声纹、音频及说话方式，比对服务器中储存的个人特征，实现对当前发言人的识别。
结合第一方面的第三种实施方式，所述方法还包括：
在相重叠的声音来源中，根据其中发言人的声音信号，实现对主发声源的识别；以及根据所述主发声源的个人特征实现对当前发言人的识别；
其中，所述声音信号至少包括以下一项：声音的强弱、声音的清晰度、声音的持续时间。
结合第一方面，所述方法包括：
将所生成的所述会议记录和所述执行列表发送给参会人员。
结合第一方面，所述方法包括：
将所生成的所述会议记录和所述执行列表保存。
第二方面，本发明实施例提供了一种会议纪要合成系统，所述系统包括：
识别单元，所述识别单元配置用于根据各个发言人的个人特征实现对当前发言人的身份识别；
记录生成单元，所述记录生成单元配置用于根据各个发言人的身份和发言内容，基于深度神经网模型和神经语言模型，整理生成会议记录；以及
执行生成单元，所述执行生成单元配置用于根据各个发言人的身份和发言内容，基于深度神经网模型和神经语言模型，分析生成执行列表；
其中，所述发言内容至少包括以下一项：事实陈述、意见表达和目标设立。
结合第二方面，本发明在第二方面的第一种实施方式中，
输入单元，所述输入单元配置用于输入会议信息；
其中，所述会议信息至少包括以下一项：参会人员、会议时间、会议地点，以及参会人员发言时间。
优选地，所述输入单元包括模板选择单元，所述模板单元配置用于选择会议类型模板；以及
信息设定单元，所述信息设定单元配置用于在所述会议模板中输入所述会议信息。
结合本发明在第二方面的第一种实施方式，所述识别单元包括：
声音获取单元，所述声音获取单元配置用于获取各个发言人的发言；以及
特征比对单元，所述特征比对单元配置用于根据各个发言人的个人特征，比对服务器中储存的个人特征，实现对当前发言人的识别；
其中，所述个人特征至少包括以下一项：声纹、音频及说话方式。
结合第二方面，在本发明第二方面的第二种实施方式中，所述系统还包括：
声音分拣单元，所述声音分拣单元配置用于在相重叠的声音来源中，根据其中发言人的声音信号，实现对主发声源的识别；
其中，所述声音信号至少包括以下一项：声音的强弱、声音的清晰度和声音的持续时间。
结合第二方面，所述系统还包括：
发送单元，所述发送单元配置用于将所生成的会议记录和执行列表发送给参会人员。
结合第二方面，本发明在第二方面的第三种实施方式中，所述系统还包括：
保存单元，所述保存单元配置用于将所生成的会议记录和执行列表保存。
第三方面，本发明实施例提供了一种会议纪要合成的终端设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
通信接口，配置为在存储器和处理器之间进行通信；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任一所述的方法。
上述技术方案中的一个技术方案具有如下优点或有益效果：能够智能分析会议上的发言内容，整理出会议记录和执行列表。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1为根据本发明的一个实施例的会议纪要合成方法100的流程图；
图2为根据本发明的另一个实施例的会议纪要合成方法200的流程图；
图3为根据本发明的另一个实施例的会议纪要合成方法300的流程图；
图4为根据本发明的另一个实施例的会议纪要合成方法400的流程图；
图5为根据本发明的另一个实施例的会议纪要合成方法500的流程图；
图6为根据本发明的一个实施例的会议纪要合成系统700的流程图；
图7为根据本发明的另一个实施例的会议纪要合成系统800的结构框图；
图8为根据本发明的另一个实施例的会议纪要合成系统900的结构框图；
图9为根据本发明的另一个实施例的会议纪要合成系统1001的结构框图；
图10为根据本发明的另一个实施例的会议纪要合成系统1002的结构框图；以及
图11示出了根据本发明的终端设备1100的示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
下面参见图1至图5，对本发明的第一方面的会议纪要合成方法，进行描述。
参见图1所示，在一个实施例中，提供了一种会议纪要合成方法100。
所述方法100包括以下步骤s101和s102。
识别发言人步骤s101，根据各个发言人的个人特征实现对当前发言人的身份识别。
在一种实施例中，所述个人特征可以包括声纹、音频及说话方式等，并且存储于服务器中。优选地，在进行识别发言人步骤s101时，可以先通过麦克风阵列前端处理算法，进行声音获取步骤s1011；然后，进行特征比对步骤s1012，根据各个发言人的声纹、音频及说话方式，比对服务器中储存的个人特征，实现对当前发言人的识别。其中，发言人的说话方式可以通过神经语言模型(dnn)分析获得。
生成会议记录和执行列表步骤s102，所述根据各个发言人的身份和发言内容，基于深度神经网模型和神经语言模型，分析生成会议记录和执行列表。
其中，所述发言内容至少包括以下一项：事实陈述、意见表达和目标设立。
步骤s102可以进一步包括生成会议记录步骤s1021和生成执行列表步骤s1022。
在一种实施例中，经过步骤s101识别出的当前发言人的身份后，进行步骤s102。此时，进行步骤s1021，可以基于深度神经网模型(nlp)和神经语言模型(dnn)，结合当前发言人发言中的事实陈述和意见表达类的内容，自动抽取和分析事实陈述和意见表达类的观点，实现内容分析。并且，结合语境及上下文语义，分析和理解，对包含主观信息的文本进行情感倾向性判断、话题归集、决议分析等。同时，通过高精度的短文本相似度算法，实现快速决议。从而，生成会议记录。在另一种实施例中，在进行步骤s101身份识别时，可以同时识别出发言人身份的重要性。进一步，进行步骤s1021，基于深度神经网模型(nlp)和神经语言模型(dnn)，结合当前发言人发言中的事实陈述和意见表达类的内容，自动抽取和分析事实陈述和意见表达类的观点，实现内容分析。并且，结合语境、上下文语义及其身份的重要性，进行多重分析和理解，对包含主观信息的文本进行情感倾向性判断、话题归集、决议分析等。同时，通过高精度的短文本相似度算法，实现快速决议。从而，生成会议记录。会议记录中可以对应记载各个发言人及其发言内容。其中，意见表达类的发言内容，可以是以下语句：“我认为……”，“我建议……”，“可以……”等。
在一种实施例中，经过步骤s101识别出的当前发言人的身份后，进行步骤s102。此时，进行步骤s1022，可以基于深度神经网模型(nlp)和神经语言模型(dnn)，结合当前发言人发言中的意见表达和目标设立类的内容，自动抽取和分析意见表达和目标设立类的观点，实现内容分析。并且，结合语境及上下文语义，分析和理解，对包含主观信息的文本进行情感倾向性判断、话题归集、决议分析等。同时，通过高精度的短文本相似度算法，实现快速决议。从而，生成执行列表。进一步，在进行步骤s101身份识别时，可以同时识别出发言人身份的重要性，进行步骤s1022，基于深度神经网模型(nlp)和神经语言模型(dnn)，结合当前发言人发言中的意见表达和目标设立类的内容，自动抽取和分析意见表达和目标设立类的观点，实现内容分析。并且，结合语境、上下文语义及其身份的重要性，进行多重分析和理解，对包含主观信息的文本进行情感倾向性判断、话题归集、决议分析等。同时，通过高精度的短文本相似度算法，实现快速决议。从而，生成执行列表。其中，目标设立类的发言内容，可以是以下语句：“我的目标……”，“我计划……”，“可以……”等。
根据本发明的方法100，可以智能识别出发言人的身份，并根据发言人身份和发言内容，运用深度神经网模型(nlp)和神经语言模型(dnn)分析和理解，智能形成会议记录和执行列表。
参见图2所示，在一个实施例中，提供了一种会议纪要合成方法200，所述方法200包括步骤s103。
输入信息步骤s103，输入相关和/或必要的会议信息。
在一种实施例中，步骤s103可以发生在步骤s101之前。会议开始之前，可以预先针对此次会议输入相关的会议信息。所输入的会议信息可以是参会人员、会议时间、会议地点、以及参会人员发言时间等。
优选地，输入或设定参会人员的发言时间后，会议中，当参会人员发言用时超过所设定的时间时，会收到超时提醒。
在一种实施例中，输入信息步骤s103包括选择会议类型模板步骤s1031，以及在模板中输入会议信息的输入步骤s1032。在会议前，可以选择预设的会议类型模板，并在模板中输入相关的会议信息。
在一种实施例中，参会人员的发言时间可以输入也可以由模板自动生成。会议类型模板可以有日常会议模板，讨论会议模板，以及传达会议模板等。根据不同类型的会议模板，参会人员的发言时间可以预先设定，并在选择模板后自动由模板生成。例如，日常会议模板可以设置成所有参会人员发言，各个发言人的发言时间较短；讨论会议模板可以设置成所有参会人员发言，各个发言人的发言时间较长；而传达会议可以设置成主要参会人员发言，各个发言人的发言时间较短。
其中，对于会议信息的输入形式，可以是手动输入，也可以是语音输入，但并不仅限于此。
根据本发明的方法200，在结合方法100的基础上，通过选择会议类型模板，可以实现一些相关的会议信息(参会人员发言时间等)的自动生成，省去了辅助人员输入的时间。
参见图3所示，在一个实施例中，提供了一种会议纪要合成方法300，所述方法300包括声音分拣步骤s104。
声音分拣步骤s104，在相重叠的声音来源中，根据其中发言人声音信号，实现对主发声源的识别。其中，所基于的所述声音信号可以是声音的强弱、声音的清晰度、声音的持续时间等。
在一种实施例中，会议中，当前发言人在进行发言的时候，有时会有其他人插话进入。这样，在进行声音获取步骤s1011时，一段时间内会形成有几个或多个声音来源，即，可以由多个终端联动采集到多个声音来源。如果需要从多个或几个声音来源中识别出当前发言人，那么，首先需要确定这些声音来源中的主发声源。因此，进行声音分拣步骤s104，根据其中发言人的声音的强弱、声音的清晰度、声音的持续时间等声音信号，识别出主发声源。然后，在进行特征比对步骤s1012，根据各个发言人的声纹、音频及说话方式，比对服务器中储存的个人特征，实现对当前发言人的识别。
根据本发明的方法300，在结合方法100和/或方法200的基础上，当会议中有人插话进入时，可以通过声音分拣，在几个或多个声音来源中，分拣出主发声源，并进一步对主发声源的身份进行识别。从而，保证了对当前发言人识别的准确性。
参见图4所示，在一个实施例中，提供了一种会议纪要合成方法400，所述方法400包括发送步骤s105。
发送步骤s105，将所生成的所述会议记录和执行列表发送给参会人员。
在一种实施例中，根据会议前所输入的参会人员的名单，在会议结束后，将生成的会议记录和执行列表发送给参会人员。这样，参会人员可以得到更详细的会议记录和执行列表。并且，还可以方便参会人员根据会议记录和执行列表对此处会议进行总结和反思。
参见图5所示，在一个实施例中，提供了一种会议纪要合成方法500，所述方法500包括保存步骤s106。
保存步骤s106，将所生成的会议记录和执行列表保存。
在一种实施例中，当生成会议记录和执行列表后，可以将会议记录和执行列表保存，以便于以后查找和参考。
下面参见图6至图10，对本发明的第二方面的会议纪要合成的系统，进行描述。
参见图6所示，在一个实施例中，提供了一种会议纪要合成的系统700。系统700包括识别单元701和生成单元702。
识别单元701配置用于根据各个发言人的个人特征实现对当前发言人的识别。
在一种实施例中，所述个人特征可以包括声纹、音频及说话方式等，并且存储于服务器中。这样，识别单元701可以根据各个发言人的声纹、音频及说话方式，比对服务器中储存的个人特征，实现对当前发言人的识别。
优选地，识别单元701还可以包括声音获取单元7011和特征比对单元7012。其中，声音获取单元7011配置用于获取各个发言人的发言，可以先通过麦克风阵列前端处理算法获取发言人的发言。特征比对单元7012配置用于根据各个发言人的个人特征，即声纹、音频及说话方式等，比对服务器中储存的个人特征，实现对当前发言人的识别。其中，发言人的说话方式可以通过神经语言模型(dnn)分析获得。
在一种实施例中，生成单元702可以包括记录生成单元7021和执行生成单元7022。
记录生成单元7011，配置用于根据各个发言人的身份和发言内容，基于深度神经网模型和神经语言模型，整理生成会议记录。
执行生成单元，所述执行生成单元配置用于根据各个发言人的身份和发言内容，基于深度神经网模型和神经语言模型，分析生成执行列表。
其中，所述发言内容至少包括以下一项：事实陈述、意见表达和目标设立。
在一种实施例中，识别单元701识别出的当前发言人的身份后，信号传递至生成单元702。此时，记录生成单元7011可以基于深度神经网模型(nlp)和神经语言模型(dnn)，结合当前发言人发言中的事实陈述和意见表达类的内容，自动抽取和分析事实陈述和意见表达类的观点，实现内容分析。并且，结合语境及上下文语义，分析和理解，对包含主观信息的文本进行情感倾向性判断、话题归集、决议分析等。同时，通过高精度的短文本相似度算法，实现快速决议。从而，生成会议记录。在另一种实施例中，识别单元701可以同时识别出发言人身份的重要性。进一步，记录生成单元7011基于深度神经网模型(nlp)和神经语言模型(dnn)，结合当前发言人发言中的事实陈述和意见表达类的内容，自动抽取和分析事实陈述和意见表达类的观点，实现内容分析。并且，结合语境、上下文语义及其身份的重要性，进行多重分析和理解，对包含主观信息的文本进行情感倾向性判断、话题归集、决议分析等。同时，通过高精度的短文本相似度算法，实现快速决议。从而，生成会议记录。会议记录中可以对应记载各个发言人及其发言内容。其中，意见表达类的发言内容，可以是以下语句：“我认为……”，“我建议……”，“可以……”等。
在一种实施例中，识别单元701识别出的当前发言人的身份后，信号传递至生成单元702。此时，执行生成单元7022可以基于深度神经网模型(nlp)和神经语言模型(dnn)，自动抽取和分析意见表达和目标设立类的观点，实现内容分析。并且，结合当前发言人发言中的意见表达和目标设立类的内容，结合语境及上下文语义，分析和理解，对包含主观信息的文本进行情感倾向性判断、话题归集、决议分析等。同时，通过高精度的短文本相似度算法，实现快速决议。从而，生成执行列表。进一步，识别单元701可以同时识别出发言人身份的重要性，执行生成单元7022基于深度神经网模型(nlp)和神经语言模型(dnn)，自动抽取和分析意见表达和目标设立类的观点，实现内容分析。并且，结合当前发言人发言中的意见表达和目标设立类的内容，结合语境、上下文语义及其身份的重要性，进行多重分析和理解，对包含主观信息的文本进行情感倾向性判断、话题归集、决议分析等。同时，通过高精度的短文本相似度算法，实现快速决议。从而，生成执行列表。其中，目标设立类的发言内容，可以是以下语句：“我的目标……”，“我计划……”，“可以……”等。
根据本发明的系统700，可以智能识别出发言人的身份，并根据发言人身份和发言内容，运用深度神经网模型(nlp)和神经语言模型(dnn)分析和理解，智能形成会议记录和执行列表。
参见图7所示，在一个实施例中，提供了一种会议纪要合成的系统800，所述系统800还包括输入单元703。
所述输入单元703配置用于输入相关和/或必要的会议信息。其中，会议信息可以是参会人员、会议时间、会议地点，以及参会人员发言时间等。
在一种实施例中，优选地，所述输入单元703包括模板选择单元7031和信息设定单元7032。
其中，模板选择单元7031配置用于选择会议类型模板。在会议前，可以选择预先设定好的会议类型模板。
信息设定单元7032配置用于根据所述会议模板设定所述会议信息。在选择模板后，可以在模板中输入或设定会议信息。
图7所示的会议纪要合成系统800与图2所示的会议纪要合成方法200相对应，在这里不再赘述。
根据本发明的系统800，在结合系统700的基础上，还通过选择会议类型模板，可以实现一些相关的会议信息的自动生成，省去了辅助人员输入的时间。
参见图8所示，在一个实施例中，提供了一种会议纪要合成系统900，系统900包括声音分拣单元704。
所述声音分拣单元704配置用于在相重叠的声音来源中，根据各个发言人的声音信号，实现对主发声源的识别。在一种实施例中，声音分拣单元704可以接收到来自声音获取单元7011所获取的多个重叠的声音，即，可以由多个终端(终端中可以包括声音获取单元7011)联动采集到声音来源。然后，声音分拣单元704根据各个发言人的声音信号，实现对主发声源的识别。之后，特征比对单元7012可以根据主声源中的个人特征，实现对当前发言人的识别。
其中，声音信号可以声音的强弱、声音的清晰度和声音的持续时间等。
图8所示的会议纪要合成系统900与图3所示的会议纪要合成方法300相对应，在这里不再赘述。
根据本发明的系统900，在结合系统700和/或系统800的基础上，当会议中有人插话进入时，可以通过声音单元，在几个或多个声音来源中，分拣出主发声源，在通过特征比对单元进一步对主发声源的身份进行识别。从而，保证了对当前发言人识别的准确性。
参见图9所示，在一个实施例中，提供了一种会议纪要合成系统1001。系统1001还包括发送单元705。
发送单元705配置用于将所生成的会议记录和执行列表发送给参会人员。
在一种实施例中，根据会议前，在输入单元703中所输入的参会人员的名单；在会议结束后，由发送单元705将生成的会议记录和执行列表发送给参会人员。这样，参会人员可以得到更详细的会议记录和执行列表。并且，还可以方便参会人员根据会议记录和执行列表对此处会议进行总结和反思。
参见图10所示，在一个实施例中，提供了一种会议纪要合成系统1002。系统1002还包括保存单元706。
保存单元706配置用于将所生成的所述会议记录和执行列表保存。
在一种实施例中，当生成会议纪要后，保存单元706可以将会议记录和执行列表保存，以便于以后查找和参考。
参见图11所示，本发明的第三方面，在本发明一个实施例中提供了一种多轮状态追踪的终端设备1100。所述终端设备包括一个或多个处理器1101；存储器1102，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时，使得所述一个或多个处理器实现如上述方法100至方法600中任一所述的方法。
其中，存储器1102和处理器1101数量可以为一个或多个。
该设备还包括：
通信接口1103，配置为使处理器和存储器与外部设备进行通信。
存储器可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
如果存储器、处理器和通信接口独立实现，则存储器、处理器和通信接口可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(isa，industrystandardarchitecture)总线、外部设备互连(pci，peripheralcomponent)总线或扩展工业标准体系结构(eisa，extendedindustrystandardcomponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
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发明的至少一个实施例或示例中。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。
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”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
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特定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，并且本发明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，这应被本发明的实施例所属技术领域的技术人员所理解。
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。
应当理解，本发明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。例如，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。
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。
此外，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存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到其各种变化或替换，这些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以所述权利要求的保护范围为准。