累计误差去除方法、装置、用户设备及存储介质与流程

本发明涉及数据处理技术领域，尤其涉及一种累计误差去除方法、装置、用户设备及存储介质。

背景技术：

陀螺仪又叫角速度传感器，是运用物体高速旋转时，角动量很大，旋转轴会一直稳定指向一个方向的性质，所制造出来的定向仪器。

陀螺仪输出的角速度是瞬时量，一般角速度姿态平衡上是不能直接使用，多数惯导系统控制需要角度信号，所以需要角速度与积分时间计算角度，得到的角度变化量与初始角度相加，就得到目标角度，其中积分时间dt越小，输出角度越准，但陀螺仪的原理决定了它的测量基准是自身，并没有系统外的绝对参照物，加上dt是不可能无限小，所以积分的累积误差会随着时间流逝迅速增加，最终导致输出角度与实际不符，因此，陀螺仪具有累积误差，并且这个累计误差会随着算法的延续越来越大，以往的做法都是将其与加速度计或磁力计相配合，以去除误差；这种做法的基本思路为：允许陀螺仪有累积误差，后续通过其他传感器进行纠正，这是在信任其他传感器基础上才能实现的。

但是事实上加速度计和磁力计的精度并不足够，加速度计在运动速度较大时，解算将会很不准确；磁力计很容易受到外界磁场干扰，导致失准。上述情况如果发生，陀螺仪所采集的三轴加速度数据将无法准确地进行消除，导致三轴加速度数据的准确性无法得到保证。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种累计误差去除方法、装置、用户设备及存储介质，旨在解决现有技术中三轴加速度数据中的累计误差无法准确地进行消除，导致准确性无法得到保证的技术问题。

为实现上述目的，本发明提供一种累计误差去除方法，所述累计误差去除方法包括以下步骤：

计算待处理轴加速度数据的第一幅值平均值；

根据所述第一幅值平均值从所述待处理轴加速度数据中选取待选采样点；

根据相邻待选采样点之间的时间间隔从所述待处理轴加速度数据中确定待选采样段；

根据各待选采样段的时间长度从所述待选采样段中选取待处理采样段；

基于所述待处理采样段对所述待处理轴加速度数据进行过滤处理。

优选地，所述基于所述待处理采样段对所述待处理轴加速度数据进行过滤处理，具体包括：

将所述待处理轴加速度数据中除所述待处理采样段外的其他采样点的幅值均设置为零。

优选地，所述基于所述待处理采样段对所述待处理轴加速度数据进行过滤处理，具体包括：

将所述待处理轴加速度数据中待处理采样段内各采样点的幅值分别减去所述待处理采样段的第二幅值平均值，并将所述待处理轴加速度数据中除所述待处理采样段外的其他采样点的幅值均设置为零。

优选地，所述根据所述第一幅值平均值从所述待处理轴加速度数据中选取待选采样点，具体包括：

对所述待处理轴加速度数据中的各采样点进行遍历，将遍历到的当前采样点的幅值与所述第一幅值平均值之间差值的绝对值超过预设垂直阈值时，将所述当前采样点作为待选采样点。

优选地，所述根据相邻待选采样点之间的时间间隔从所述待处理轴加速度数据中确定待选采样段，具体包括：

判断各相邻待选采样点之间的时间间隔是否超过预设时间间隔，将超过预设时间间隔的相邻待选采样点之间的采样点进行标记，并将标记的采样点作为目标采样点；

从所述目标采样点中确定连续的采样点，根据所述连续的采样点生成待选采样段。

优选地，所述根据各待选采样段的时间长度从所述待选采样段中选取待处理采样段，具体包括：

判断各待选采样段的时间长度是否大于等于预设时间长度，将时间长度大于等于预设时间长度的待选采样段作为所述待处理采样段。

优选地，所述计算待处理轴加速度数据的第一幅值平均值之前，所述累计误差去除方法还包括：

获取原始轴加速度数据，对所述原始轴加速度数据进行平滑处理，获得待处理轴加速度数据。

此外，为实现上述目的，本发明还提供一种累计误差去除装置，所述累计误差去除装置包括：

均值计算模块，用于计算待处理轴加速度数据的第一幅值平均值；

采样点选取模块，用于根据所述第一幅值平均值从所述待处理轴加速度数据中选取待选采样点；

采样段确定模块，用于根据相邻待选采样点之间的时间间隔从所述待处理轴加速度数据中确定待选采样段；

采样段选取模块，用于根据各待选采样段的时间长度从所述待选采样段中选取待处理采样段；

数据过滤模块，用于基于所述待处理采样段对所述待处理轴加速度数据进行过滤处理。

此外，为实现上述目的，本发明还提供一种用户设备，所述用户设备包括：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累计误差去除程序，所述累计误差去除程序被所述处理器执行时实现如上所述的累计误差去除方法的步骤。

此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有累计误差去除程序，所述累计误差去除程序被处理器执行时实现如上所述的累计误差去除方法的步骤。

本发明根据待处理轴加速度数据的第一幅值平均值选取待选采样点，以确定可能反映旋转运动的待选采样点，再根据相邻待选采样点之间的时间间隔确定待选采样段，以确定可能表征旋转运动的待选采样段，然后根据各待选采样段的时间长度选取待处理采样段，从而通过数据与运动的相互关系确定了真正表征旋转运动的待处理采样段，最后基于所述待处理采样段对待处理轴加速度数据进行过滤处理。可见，通过本发明技术方案，无需结合加速度计和磁力计，而是通过数据本身的运动原理进行累计误差的处理，能够有效消除累积误差，从而提供更加准确合理的数据。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的用户设备结构示意图；

图2为本发明累计误差去除方法第一实施例的流程示意图；

图3为本发明实施例中x轴加速度数据的第一幅值平均值和待选采样点的示意图；

图4为本发明实施例中x轴加速度数据的待选采样段的示意图；

图5为本发明实施例中x轴加速度数据的待处理采样段的示意图；

图6为本发明实施例中x轴加速度数据进行过滤处理的结果示意图；

图7为本发明累计误差去除方法第二实施例的流程示意图；

图8a为本发明实施例中原始轴加速度数据的示意图；

图8b为本发明实施例中待处理轴加速度数据的示意图；

图9为直接通过原始三轴加速度数据计算航向角的结果示意图；

图10为图7所示的方法进行处理后的三轴加速度数据计算航向角的结果示意图；

图11为本发明累计误差去除装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的用户设备结构示意图。

如图1所示，所述用户设备可以包括：处理器1001，例如cpu，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储服务器。

可理解的是，所述用户设备可为智能手环、智能手机、跟踪器、平板电脑及笔记本电脑等需要采集三轴加速度数据的设备，当然，所述用户设备还可为类似于无人机及扫地机器人等设备，本实施例对此不加以限制。

本领域技术人员可以理解，图1中示出的结构并不构成对所述用户设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及累计误差去除程序。

所述用户设备通过处理器1001调用存储器1005中存储的累计误差去除程序，并执行以下操作：

计算待处理轴加速度数据的第一幅值平均值；

根据所述第一幅值平均值从所述待处理轴加速度数据中选取待选采样点；

根据相邻待选采样点之间的时间间隔从所述待处理轴加速度数据中确定待选采样段；

根据各待选采样段的时间长度从所述待选采样段中选取待处理采样段；

基于所述待处理采样段对所述待处理轴加速度数据进行过滤处理。

进一步地，处理器1001可以调用存储器1005中存储的累计误差去除程序，还执行以下操作：

将所述待处理轴加速度数据中除所述待处理采样段外的其他采样点的幅值均设置为零。

进一步地，处理器1001可以调用存储器1005中存储的累计误差去除程序，还执行以下操作：

将所述待处理轴加速度数据中待处理采样段内各采样点的幅值分别减去所述待处理采样段的第二幅值平均值，并将所述待处理轴加速度数据中除所述待处理采样段外的其他采样点的幅值均设置为零。

进一步地，处理器1001可以调用存储器1005中存储的累计误差去除程序，还执行以下操作：

对所述待处理轴加速度数据中的各采样点进行遍历，将遍历到的当前采样点的幅值与所述第一幅值平均值之间差值的绝对值超过预设垂直阈值时，将所述当前采样点作为待选采样点。

进一步地，处理器1001可以调用存储器1005中存储的累计误差去除程序，还执行以下操作：

判断各相邻待选采样点之间的时间间隔是否超过预设时间间隔，将超过预设时间间隔的相邻待选采样点之间的采样点进行标记，并将标记的采样点作为目标采样点；

从所述目标采样点中确定连续的采样点，根据所述连续的采样点生成待选采样段。

进一步地，处理器1001可以调用存储器1005中存储的累计误差去除程序，还执行以下操作：

判断各待选采样段的时间长度是否大于等于预设时间长度，将时间长度大于等于预设时间长度的待选采样段作为所述待处理采样段。

进一步地，处理器1001可以调用存储器1005中存储的累计误差去除程序，还执行以下操作：

获取原始轴加速度数据，对所述原始轴加速度数据进行平滑处理，获得待处理轴加速度数据。

在本实施例中，根据待处理轴加速度数据的第一幅值平均值选取待选采样点，以确定可能反映旋转运动的待选采样点，再根据相邻待选采样点之间的时间间隔确定待选采样段，以确定可能表征旋转运动的待选采样段，然后根据各待选采样段的时间长度选取待处理采样段，从而通过数据与运动的相互关系确定了真正表征旋转运动的待处理采样段，最后基于所述待处理采样段对待处理轴加速度数据进行过滤处理。可见，通过本发明技术方案，无需结合加速度计和磁力计，而是通过数据本身的运动原理进行累计误差的处理，能够有效消除累积误差，从而提供更加准确合理的数据。

基于上述硬件结构，提出本发明累计误差去除方法的实施例。

参照图2，图2为本发明累计误差去除方法第一实施例的流程示意图。

在第一实施例中，所述累计误差去除方法包括以下步骤：

s10：计算待处理轴加速度数据的第一幅值平均值。

需要说明的是，所述待处理轴加速度数据即为需要进行处理的一个轴加速度数据，由于轴加速度数据可分为沿x轴方向的x轴加速度数据、沿y轴方向的y轴加速度数据和沿z轴方向的z轴加速度数据，因此，所述待处理轴加速度数据即为所述x轴加速度数据、y轴加速度数据和z轴加速度数据中的任意一个，因此，对于三轴加速度数据而言，可分别通过本实施例的方法进行处理。

假设待处理轴加速度数据为x轴加速度数据时，可计算所述x轴加速度数据的第一幅值平均值，即将所述x轴加速度数据全部相加，并将相加结果除以所述x轴加速度数据中的采样点总数，所述第一幅值平均值可参照图3中的“mean”对应的直线，其中，由于x轴加速度数据的单位为dps(度每秒)，而x轴加速度数据中可能会存在小数部分，为使x轴加速度数据变为整型数据(即不包含小数部分的数值型数据)，以便于进行后续处理，故而，将原始的x轴加速度数据*1000。

s20：根据所述第一幅值平均值从所述待处理轴加速度数据中选取待选采样点。

为便于选取待选采样点，本实施例中，可对所述待处理轴加速度数据中的各采样点进行遍历，将遍历到的当前采样点的幅值与所述第一幅值平均值之间差值的绝对值超过预设垂直阈值时，将所述当前采样点作为待选采样点，因此，所述待选采样点即对应图3中的线条加粗部分，通过多次测试后，为保证选取所述待选采样点的正确性，本实施例中，所述预设垂直阈值设置为80，当然，还可设置为其他值。

假设预设垂直阈值为80，第一幅值平均值为-13，序号为12的采样点的幅值为73，序号为19的采样点的幅值为12，序号为21的采样点的幅值为-61，此时，序号为12的采样点的幅值与所述第一幅值平均值之间差值的绝对值为86，此时，差值的绝对值超过了所述预设垂直阈值，因此，可将序号为12的采样点作为待选采样点；序号为19的采样点的幅值与所述第一幅值平均值之间差值的绝对值为25，此时，差值的绝对值未超过所述预设垂直阈值，因此，不会将序号为19的采样点作为待选采样点；序号为21的采样点的幅值与所述第一幅值平均值之间差值的绝对值为48此时，差值的绝对值未超过所述预设垂直阈值，因此，不会将序号为19的采样点作为待选采样点。

s30：根据相邻待选采样点之间的时间间隔从所述待处理轴加速度数据中确定待选采样段。

为便于确定待选采样段，本实施例中，可先判断各相邻待选采样点之间的时间间隔是否超过预设时间间隔，将超过预设时间间隔的相邻待选采样点之间的采样点进行标记，并将标记的采样点作为目标采样点；再从所述目标采样点中确定连续的采样点，根据所述连续的采样点生成待选采样段，可参照图4，即将部分线条加粗部分进行了连接，从而形成了多个待选采样段。

在具体实现中，当用户设备为智能手环时，用户每两次转身之间会持续2秒以上，因此，假设采样频率为26hz，所述预设时间间隔可设置为52个采样点对应的时间间隔，即对应2秒，当然，所述预设施加间隔还可设置为其他值，本实施例对此不加以限制。

假设预设时间间隔为52个采样点对应的时间间隔，标记的采样点的序号分别1、23、28、29、33、42、123、128、317和319，此时，由于序号为1、23、28、29、33和42的采样点之间的时间间隔均小于预设时间间隔，因此，可将序号1～42的采样点进行连接，并将连接结果作为第一个待选采样段；由于序号为123和128的采样点之间的时间间隔小于预设时间间隔，因此，可将序号123～128的采样点进行连接，并将连接结果作为第二个待选采样段；由于序号为317和319的采样点之间的时间间隔小于预设时间间隔，因此，可将序号317～319的采样点进行连接，并将连接结果作为第三个待选采样段。

s40：根据各待选采样段的时间长度从所述待选采样段中选取待处理采样段。

为便于获取所述待处理采样段，本实施例中，可判断各待选采样段的时间长度是否大于等于预设时间长度，将时间长度大于等于预设时间长度的待选采样段作为所述待处理采样段，所述待处理采样段即对应图5中的线条加粗部分。

同样，当用户设备为智能手环时，手臂摆动引起的波动持续时间短，而转身相对而言持续时间长，因此，假设采样频率为26hz，可将所述预设时间长度设置为39个采样点对应的时间长度，即1.5秒，当然，所述预设时间长度还可设置为其他值，本实施例对此不加以限制。

假设所述预设时间长度设置为39个采样点对应的时间长度，具有三个待选采样段，第一个待选采样段的时间长度为42个采样点对应的时间长度，第二个待选采样段的时间长度为6个采样点对应的时间长度，第三个待选采样段的时间长度为3个采样点对应的时间长度，此时，可将所述第一个待选采样段作为所述待处理采样段。

s50：基于所述待处理采样段对所述待处理轴加速度数据进行过滤处理。

可理解的是，除所述待处理采样段之外的其他部分通常为波动部分，为便于实现对所述待处理轴加速度数据的过滤处理，可将所述待处理轴加速度数据中除所述待处理采样段外的其他采样点的幅值均设置为零，参照图6，从而去除了所述待处理轴加速度数据中的波动部分，从而去除三轴加速度数据中的累计误差。

为了保证各轴加速度数据在非转动时(直行)的幅值为零，并且转动时保持相对值，因此，本实施例中，在对所述待处理轴加速度数据的过滤处理时，除了将所述待处理轴加速度数据中除所述待处理采样段外的其他采样点的幅值均设置为零，还将所述待处理轴加速度数据中待处理采样段内各采样点的幅值分别减去所述待处理采样段的第二幅值平均值。

需要说明的是，所述待处理采样段的第二幅值平均值即为所述待处理采样段中各采样点的幅值平均值。

本实施例根据待处理轴加速度数据的第一幅值平均值选取待选采样点，以确定可能反映旋转运动的待选采样点，再根据相邻待选采样点之间的时间间隔确定待选采样段，以确定可能表征旋转运动的待选采样段，然后根据各待选采样段的时间长度选取待处理采样段，从而通过数据与运动的相互关系确定了真正表征旋转运动的待处理采样段，最后基于所述待处理采样段对待处理轴加速度数据进行过滤处理。可见，通过本发明技术方案，无需结合加速度计和磁力计，而是通过数据本身的运动原理进行累计误差的处理，能够有效消除累积误差，从而提供更加准确合理的数据。

参照图7，图7为本发明累计误差去除方法第二实施例的流程示意图，基于上述图2所示的实施例，提出本发明累计误差去除方法的第二实施例。

在第二实施例中，步骤s10之前，所述累计误差去除方法还包括：

s00：获取原始轴加速度数据，对所述原始轴加速度数据进行平滑处理，获得待处理轴加速度数据。

可理解的是，通常情况下，陀螺仪等三轴加速度传感器会采集到的轴加速度数据即为原始轴加速度数据，当然，所述原始轴加速度数据同样可为所述x轴加速度数据、y轴加速度数据和z轴加速度数据中的任意一个，而原始轴加速度数据通常会存在周期性的信号干扰，由于平滑可以去除周期性的信号干扰，因此，可对所述原始轴加速度数据进行平滑处理，获得待处理轴加速度数据。

为了保证消除周期性的信号干扰的效果，本实施例中，在平滑处理时，可采用滑动平均法对所述原始轴加速度数据进行平滑处理，所述滑动平均法的窗口尺寸大于三轴加速度传感器一秒内的采样点数量，也就是说，假设三轴加速度传感器的采样频率为26hz，故而，一秒内会存在26个采样点，为去除周期性的信号干扰，此时，所述滑动平均法的窗口尺寸通常需要大于26个采样点。

对于用户设备为智能手环时，用户在行走时，会带动该用户设备随手臂摆动，手臂摆动引起的周期性波动是一种运动干扰，一般情况下，1秒种至少摆动一次，故而，对于该用户设备所述滑动平均法的窗口尺寸可选择30个采样点，即以30个采样点作为窗口尺寸，将窗口进行滑动，滑动时计算窗口内的平均值作为窗口中心的采样点的值，从而基本去除手臂摆动的影响。

假设用户设备为智能手环，并且用户是进行静止—走路—转弯—走路—静止的过程，原始轴加速度数据可参照图8a，对图8a的数据进行平滑处理后，获得的待处理轴加速度数据可参照图8b，对照图8a和图8b可知，待处理轴加速度数据在状态切换时，数据波动较大。

下面以一个具体的实例对本实施例的累计误差去除方法的效果进行说明。

假设用户戴上用户设备(即智能手环)直行一小段距离后，160°转身，折回继续直行一段距离，按照现有的陀螺仪计算航向角yaw的方式(具体的计算过程在姿态解算中常用，不是本发明重点，在此不在赘述)，将得到图9所示结果。而初始水平航向角是设置为0，显然由于不断的累积误差，使yaw不应该被改变的直行，变成了yaw慢慢变化的缓慢转动。

对陀螺仪采集到的三轴加速度数据分别通过上述实施例的方法的处理后，再带入现有的陀螺仪计算航向角yaw的公式中，得到的此过程中水平航向角的变化可参照图10。与图9相比，在静止和直行时，水平航向角保持不变，只在转弯时，有一个160°的变化，随后的直行和静止中航向角又保持不变，符合实际的运动规律，且曲线有很好的连续性。到此，实现了陀螺仪自身去除累积误差的目的。

此外，本发明实施例还提出一种累计误差去除装置，参照图11，所述累计误差去除装置包括：

均值计算模块10，用于计算待处理轴加速度数据的第一幅值平均值；

采样点选取模块20，用于根据所述第一幅值平均值从所述待处理轴加速度数据中选取待选采样点；

采样段确定模块30，用于根据相邻待选采样点之间的时间间隔从所述待处理轴加速度数据中确定待选采样段；

采样段选取模块40，用于根据各待选采样段的时间长度从所述待选采样段中选取待处理采样段；

数据过滤模块50，用于基于所述待处理采样段对所述待处理轴加速度数据进行过滤处理。

上述装置中的各模块可用于实现上述方法中的各个步骤，在此不再赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有累计误差去除程序，所述累计误差去除程序被处理器执行时实现如下操作：

计算待处理轴加速度数据的第一幅值平均值；

根据所述第一幅值平均值从所述待处理轴加速度数据中选取待选采样点；

根据相邻待选采样点之间的时间间隔从所述待处理轴加速度数据中确定待选采样段；

根据各待选采样段的时间长度从所述待选采样段中选取待处理采样段；

基于所述待处理采样段对所述待处理轴加速度数据进行过滤处理。

进一步地，所述累计误差去除程序被处理器执行时还实现如下操作：

将所述待处理轴加速度数据中除所述待处理采样段外的其他采样点的幅值均设置为零。

进一步地，所述累计误差去除程序被处理器执行时还实现如下操作：

将所述待处理轴加速度数据中待处理采样段内各采样点的幅值分别减去所述待处理采样段的第二幅值平均值，并将所述待处理轴加速度数据中除所述待处理采样段外的其他采样点的幅值均设置为零。

进一步地，所述累计误差去除程序被处理器执行时还实现如下操作：

对所述待处理轴加速度数据中的各采样点进行遍历，将遍历到的当前采样点的幅值与所述第一幅值平均值之间差值的绝对值超过预设垂直阈值时，将所述当前采样点作为待选采样点。

进一步地，所述累计误差去除程序被处理器执行时还实现如下操作：

判断各相邻待选采样点之间的时间间隔是否超过预设时间间隔，将超过预设时间间隔的相邻待选采样点之间的采样点进行标记，并将标记的采样点作为目标采样点；

从所述目标采样点中确定连续的采样点，根据所述连续的采样点生成待选采样段。

进一步地，所述累计误差去除程序被处理器执行时还实现如下操作：

判断各待选采样段的时间长度是否大于等于预设时间长度，将时间长度大于等于预设时间长度的待选采样段作为所述待处理采样段。

进一步地，所述累计误差去除程序被处理器执行时还实现如下操作：

获取原始轴加速度数据，对所述原始轴加速度数据进行平滑处理，获得待处理轴加速度数据。

在本实施例中，根据待处理轴加速度数据的第一幅值平均值选取待选采样点，以确定可能反映旋转运动的待选采样点，再根据相邻待选采样点之间的时间间隔确定待选采样段，以确定可能表征旋转运动的待选采样段，然后根据各待选采样段的时间长度选取待处理采样段，从而通过数据与运动的相互关系确定了真正表征旋转运动的待处理采样段，最后基于所述待处理采样段对待处理轴加速度数据进行过滤处理。可见，通过本发明技术方案，无需结合加速度计和磁力计，而是通过数据本身的运动原理进行累计误差的处理，能够有效消除累积误差，从而提供更加准确合理的数据。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。