一种面向电力室内通信运维场景的无线定位方法及系统与流程

本发明属于电力无线通信领域，具体涉及一种面向电力室内通信运维场景的无线定位方法及系统。

背景技术：

电力设备的安全使用是电网安全运行的前提条件，而电力通信运维是保证电力通信网安全稳定运行的重要手段，从电力设备的缺陷发生、处理、诊断以及消除缺陷的整个流程是电力系统设备运维的重点任务。现场运维是电力通信运维工作的重要组成部分，其工作的安全、质量和效率直接关系到电力通信运维工作的成效。通信现场维护是运维管理体制层次结构中的最低层,直接受网络管理层的领导与指挥,负责所辖区域网络设备及基础设施(动力电源、环境、局房等)的现场值守、维护和巡检,接受网络管理层的调配指令实施相关故障修复、资源调配等工作。针对不同的电力通信网现场运维场景，实现现场运维作业的位置实时感知，是支撑现场作业任务的自动适配的重要基础，本专利在此背景下将开展面向电力通信运维场景的定位技术研究。

根据定位的场景，可将定位分为室内定位和室外定位，其中，室外定位技术经过多年发展，形成了以GPS和北斗技术为支撑的定位技术，GPS/北斗定位技术可基本满足室外定位需求，能够实现精准导航，甚至在空旷、稀疏的建筑区也能实现位置服务，可是，受到室内建筑物的阻碍和众多干扰源的影响，在室内环境中的应用性大打折扣。

技术实现要素：

为了克服上述缺陷，本发明提出一种面向电力室内通信运维场景的无线定位方法及系统，基于WiFi技术在室内进行精度定位的方案，具有建设成本低，实现简单，总精度高等优势；同时，考虑到定位方法的准确性、实时性等问题，对提高运维水平具有重要意义。

本发明的技术方案是：

一种面向电力室内通信运维场景的无线定位方法，所述方法包括：

采集待测点处各个无线接入点的信号强度信息，形成待测场强序列，并将所述待测场强序列和无线接入点的环境信息与预先建立的相应环境信息下的指纹数据库中的指纹数据进行匹配，估算待测点的具体位置；

所述预先建立的指纹数据库包括：环境因素。

优选的，所述预先建立指纹数据库包括：

离线建立指纹数据库C1；

对所述离线建立的指纹数据库C1进行迭代更新，建立面向不同环境的指纹数据库。

进一步地，所述离线建立指纹数据库C1，包括：

a，部署若干无线接入点，利用信号场强扫描仪器监测信号覆盖区域的信号场强；基于信号场强对定位场景进行分类，不同的信号场强对应不同的定位场景；

b，部署各类型定位场景的参考点，同一场景下的参考点数量根据定位精度要求和部署成本进行设定；

c，在所述参考点处安装信号接收装置，遍历所有参考点，对分布于各参考点附近的无线接入点进行多次采样，将每次采样无线接入点的信号场强信息定义为指纹数据，并根据预先定义的数据格式进行存储，生成指纹数据库C1。

进一步地，所述预定义的数据格式为：指纹数据库名称，定位场景，参考点，可信度标签，位置信息；其中，

所述可信度标签基于无线接入点的MAC地址进行标注，包括：设置指纹数据的可信度CL初始值为1，记作CL1，增长步长为1；若指纹数据对应的无线接入点的MAC地址合法，则当前指纹数据可信，将可信度叠加1；否则，可信度不变。

进一步地，所述对离线建立的指纹数据库C1进行迭代更新，建立面向不同环境的指纹数据库，包括：

将实时采集的信号场强与指纹数据库C1中相应位置上的指纹数据进行对比，若两者差值均小于预设阈值，则增加C1中指纹数据的可信度，直到数据差异趋于稳定；

若个别数据差值高于预设阈值，则定义差值高于预设阈值的指纹数据为不可信数据，并增加C1中其余指纹数据的可信度，直到数据差异趋于稳定；

若所有数据差值均高于预设阈值，则将实时采集的信号场强进行存储，生成指纹数据库C2，并将所述C2的信号场强平均值定义为C2的环境阈值；

通过迭代更新，获得与C1、C2对应的不同环境下的指纹数据库C3…CQ，并将各环境下的指纹数据库中信号场强平均值定义为相应的环境阈值；其中，Q表示指纹数据库种类。

优选的，所述将待测场强序列和无线接入点的环境信息与预先建立的相应环境信息下的指纹数据库中的指纹数据进行匹配，包括：选取与待测场强序列相同环境下的指纹数据库主参考点；

将待测场强序列与指纹数据库主参考点相同位置的数据进行对比，剔除所述待测场强序列中存在差异的数据；

根据主参考点的位置信息确定所述待测场强序列的定位场景和欧式距离，并根据所述主参考点指纹数据的可信度，计算加权系数，输出最终的定位结果。

进一步地，所述选取与待测场强序列相同环境下的指纹数据库主参考点，根据主参考点的位置信息确定所述待测场强序列的定位场景，包括：

比较待测场强序列的平均场强大小与环境阈值的一致性，选择对应环境的指纹数据库Ci；

与所述指纹数据库Ci中所有参考点的信号场强进行方差计算，定义最小方差的参考点RPi为主参考点，依据主参考点的位置信息确定待测场强序列的定位场景。

进一步地，所述根据主参考点的位置信息确定待测场强序列的欧式距离，包括：按照指纹数据的可信度高低顺序，依次计算欧式距离；从计算结果中选取K个最短距离的参考点作为匹配指纹，以最短距离的占比和K个指纹的可信值乘积作为加权权重。

进一步地，通过下式确定待测场强序列的欧式距离：

vti表示第i个参考点的参考序列可信度，vtin表示序列i中第n个指纹数据的可信度；di表示欧式距离，ε为正数值，wi表示综合欧式距离和可信度的加权系数。

进一步地，所述通过下式进行加权系数的计算，输出最终的定位结果：

一种面向电力室内通信运维场景的无线定位系统，包括：

采集模块，用于实时采集待测点处各个无线接入点的信号强度信息，形成待测场强序列；

匹配模块，用于将待测场强序列和无线接入点的环境信息与预先建立的相应环境信息下的指纹数据库中的指纹数据进行匹配，估算待测点的具体位置。

优选的，所述匹配模块，包括：

预定义单元，用于离线建立指纹数据库C1；

更新单元，用于对离线建立的指纹数据库C1进行迭代更新，建立面向不同环境的指纹数据库；

选取单元，用于选取与待测场强序列相同环境下的指纹数据库主参考点；

剔除单元，用于将待测场强序列与指纹数据库主参考点相同位置的数据进行对比，剔除所述待测场强序列中存在差异的数据；

确定单元，用于根据主参考点的位置信息确定所述待测场强序列的定位场景和欧式距离，并根据所述主参考点指纹数据的可信度，计算加权系数，输出最终的定位结果。

进一步地，所述预定义单元，包括：

第一部署子单元，用于部署若干无线接入点，利用信号场强扫描仪器监测信号覆盖区域的信号场强；基于信号场强对定位场景进行分类，不同的信号场强对应不同的定位场景；

第一部署子单元，用于部署各类型定位场景的参考点，同一场景下的参考点数量根据定位精度要求和部署成本进行设定；

采样子单元，用于在参考点处安装信号接收装置，遍历所有参考点，对分布于各参考点附近的无线接入点进行多次采样，将每次采样无线接入点的信号场强信息定义为指纹数据，并根据预先定义的数据格式进行存储，生成指纹数据库C1。

进一步地，所述更新单元，包括：

对比子单元，用于将实时采集的信号场强与指纹数据库C1中相应位置上的指纹数据进行对比，若两者差值均小于预设阈值，则增加C1中指纹数据的可信度，直到数据差异趋于稳定；

第一判定子单元，用于若个别数据差值高于预设阈值，则定义差值高于预设阈值的指纹数据为不可信数据，并增加C1中其余指纹数据的可信度，直到数据差异趋于稳定；

第二判定子单元，用于若所有数据差值均高于预设阈值，则将实时采集的信号场强进行存储，生成指纹数据库C2，并将所述C2的信号场强平均值定义为C2的环境阈值；

获取子单元，用于通过迭代更新，获得与C1、C2对应的不同环境下的指纹数据库C3…CQ，并将各环境下的指纹数据库中信号场强平均值定义为相应的环境阈值；其中，Q表示指纹数据库种类。

进一步地，所述确定单元，包括：

定位场景确定子单元，用于比较待测场强序列的平均场强大小与环境阈值的一致性，选择对应环境的指纹数据库Ci；与所述指纹数据库Ci中所有参考点的信号场强进行方差计算，定义最小方差的参考点RPi为主参考点，依据主参考点的位置信息确定待测场强序列的定位场景；

定位场景确定子单元，用于按照指纹数据的可信度高低顺序，依次计算欧式距离；从计算结果中选取K个最短距离的参考点作为匹配指纹，以最短距离的占比和K个指纹的可信值乘积作为加权权重。

与最接近的现有技术相比，本发明的有益效果是：

本发明提出一种面向电力室内通信运维场景的无线定位方法及系统，基于WIFI技术实现，具有部署灵活、建设成本低等优势。采集待测点处各个无线接入点的信号强度信息，形成待测场强序列，并将所述待测场强序列和无线接入点的环境信息与预先建立的相应环境信息下的指纹数据库中的指纹数据进行匹配，估算待测点的具体位置；不仅考虑匹配数据的相似性，同时考虑了数据的可靠性，保证越可靠的节点占越大的比重，最终实现定位准确度的提升。相比较于传统指纹数据库单一数据源的缺点，本发明提出面向不同环境的指纹数据库建立方法，同时对离线数据进行更新迭代，减少异常数据带来的误差，通过该方式，能够快速进行匹配，减少数据库查询时间，提高定位精度。

附图说明

图1：本发明实施例中的无线定位方法流程图；

图2：本发明实施例中基于信号指纹的定位方法流程图；

图3：本发明实施例中的定位场景示意图；

图4：本发明实施例中的指纹数据库的指纹数据格式示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作详细说明。

基于信号指纹(RSS fingerprinting)的定位方法直接使用信号强度(RSS)来进行位置估计。在室内环境中，因为RSS容易受到阴影衰落(shadowing)和多径效应的影响，直接将RSS映射为信号传播距离可能引入较大误差。基于信号指纹的方法直接使用RSS测量值来进行位置估计。该方法的合理性在于无线信号强度在空间中的分布相对稳定，因此在同一个位置上的RSS测量值相对稳定且与其他位置上的RSS测量值有所区别。我们把在某个位置上的多个信号的RSS形成的一个RSS向量称为该位置的信号指纹。通过比较信号指纹之间的相似性，可以估计未知节点的位置。信号指纹定位一般由两个阶段组成：离线训练阶段和在线定位阶段。

离线训练阶段：对每个参考点周围AP的RSSI信息进行多次采样，并将样本数据的均值、对应的MAC地址及位置信息存入指纹库，遍历所有采样点后，即可构建完整的信号强度信息与采样点位置关系的数据库，即指纹数据库。

在线定位阶段：在待测点处实时采集各个无线AP的信号强度信息，并将其与指纹库中的数据进行匹配，从而可以估算出待测点的具体位置。常见的匹配算法主要有最近邻算法、K近邻算法以及在此基础上的改进算法。

目前的定位算法忽略了一些问题而可能导致定位的误差，指纹定位关键步骤在于对比，而如果数据库内的数据可信度不高将直接影响定位的精度；而且现有的数据库面向所有无线环境都采样一套数据，定位误差较大，另外，个别待测节点的场景信号可能因遮挡等因素，而造成场强偏差较大，如果不采取相关措施，直接进行匹配比较，也会影响定位精度。

因此，本发明提出一种面向电力室内通信运维场景的无线定位方法及系统，不仅考虑到电力通信运维环境的特殊性，同时，考虑到定位方法的准确性、实时性等问题，旨在为通信现场运维提供更好的支撑。

该无线定位方法是基于信号指纹的定位方法，包括两个阶段，分别是离线训练阶段和在线定位阶段。其步骤如下，如图1所示：

S1采集待测点处各个无线接入点的信号强度信息，形成待测场强序列；

S2并将所述待测场强序列和无线接入点的环境信息与预先建立的相应环境信息下的指纹数据库中的指纹数据进行匹配，估算待测点的具体位置；其中，预先建立的指纹数据库包括：环境因素。具体预先建立指纹数据库的过程是：离线建立指纹数据库C1；对离线建立的指纹数据库C1进行迭代更新，建立面向不同环境的指纹数据库。

离线建立指纹数据库C1，包括：

a，部署若干无线接入点，利用信号场强扫描仪器监测信号覆盖区域的信号场强；基于信号场强对定位场景进行分类，不同的信号场强对应不同的定位场景；

b，部署各类型定位场景的参考点，同一场景下的参考点数量根据定位精度要求和部署成本进行设定；

c，在所述参考点处安装信号接收装置，遍历所有参考点，对分布于各参考点附近的无线接入点进行多次采样，将每次采样无线接入点的信号场强信息定义为指纹数据，并根据预先定义的数据格式进行存储，生成指纹数据库C1。预定义的数据格式为：指纹数据库名称，定位场景，参考点，可信度标签，位置信息；其中，

可信度标签基于无线接入点的MAC地址进行标注，包括：设置指纹数据的可信度CL初始值为1，记作CL1，增长步长为1；若指纹数据对应的无线接入点的MAC地址合法，则当前指纹数据可信，将可信度叠加1；否则，可信度不变。

如图2所示：首先进行待测场强信号采集，形成待测场强序列，选出所属场景中主参考点，据此进行定位场景判决，然后对待测序列中异常数据进行处理，之后计算待测序列与指纹数据库的参考点序列的欧式距离，然后根据参考点序列的可信度，进行加权系数的计算，最后，根据加权系数和参考点位置信息，输出最终的定位结果。

在离线指纹数据库建立阶段，根据覆盖范围，在定位环境中部署数量不等的无线接入点(AP)，利用信号场强扫描仪表等仪器，监测不同位置的信号覆盖场强，保证每个位置都能接收到无线AP发射的信号，具体部署数量需根据现场部署需求来确定。同时考虑到电力通信运维场景，即使在同一室内环境下，由于机柜等金属设施的遮挡，同一区域范围内会存在不同的场景(也即不同差值的信号场强，基于信号场强实现场景分类)，如图3所示，因此，为提高定位的精确度，参考点(reference point，RP)的部署要覆盖所有不同的场景，同一场景下参考点的部署数量需根据定位精度要求和部署成本来确定。

确定参考点RP部署数量和部署位置后，在每个参考点放置信号接收装置，对每个参考点周围AP的RSSI信息进行采集，并将多次采集结果发送给指纹数据库，由数据库进行均值处理，同时，参考点对应的MAC地址及位置信息存入指纹数据库，同时，为避免因无线环境因素造成的部分场强数据异常等状况对定位精度的影响，本发明为指纹数据库中参考点场强数据标注可信度(confidence level，CL)标签，数据可信度初始阶段分配为1，增长步长为1，当数据判决为可信，可信度加1，否则，可信度不变，设某个参考点位置信息为(x,y)，则其存入指纹库的指纹数据格式记为：(数据库，场景，参考点，RSSI1/CL1,RSSI2/CL2,…,RSSIp/CLp,x，y)，如图4所示。其中，数据库是指根据不同无线环境下所建立的数据库，传统指纹数据库面向不同环境都采样同一套数据进行匹配，而无线通信是受环境影响较大的通信，不同环境下，信号场强是有差别的，相比较传统单一类型数据库，建立面向不同环境下的数据库，能进一步提高定位匹配响应速度且定位精度更高，场景是指同一区域下因不同遮挡因素所造成的信号场强差异并据此划分的区域，如图2所示，RSSI表示接收来自不同AP的信号场强，其来源根据AP的MAC地址来进行判断，CL表示数据的可信度，在初始阶段统一分配为1，(x,y)表示参考点的定位位置。当所有参考点的数据采集完后，可以得到一个完整的指纹数据库C1，考虑到无线通信受无线环境影响较大，当处于不同环境时，需建立对应的数据库，因此，根据不同环境及当时环境下采集的信号场强，可建立面向不同环境的数据库C2…CQ，这里的Q表示数据库的种类。不同环境的判决可依据现场采集数据与环境阈值的比较来确定。环境阈值是根据现场无线环境来确定，如果形成Q个数据库，那必然存在Q-1个阈值，阈值设置的目的是区分出不同的数据库。

建立指纹数据库之后，为提高数据库内离线数据的准确度，同时，尽可能使离线数据更加平滑，为离线场强数据赋予可信度数值，并对数据库中的数据进行更新迭代(可以周期采集，也可以临时采集，比如有巡检人员时进行采集)，具体来说，采集到的数据与原始数据库的指纹数据进行比较，以RP1为例，原始数据库的RSSI序列为(RSSI1，RSSI2，…RSSIN)，最新采集的RSSI序列为(RSSI1’，RSSI2’，…RSSIN’)，将对应位置的数据进行比较，也即RSSI1与RSSI1’进行比较，以此类推，比较的结果有以下可能：

1)所有数据比较结果相差不大，对该数据库的序列所有数据可信值进行增加，同时与原始数据做平均，数据趋于稳定；

2)个别数据与原始记录数据相差较大，判定差异较大的数据为不可信数据，不执行1)中的数据处理，其他相差不大的数据，进行数据可信和平滑的处理；

3)大部分或者全部数据与指纹库的数据相差较大，所有数据不进行可信和平滑的处理，大范围数据变化，说明无线环境发生变化，设定场强的平均值为新的环境阈值，新采集的数据形成新的数据库C2，通过长久采集，最终形成Q种分类数据库CQ。

这里，数据比较结果差值在10％以内，认为是相差不大。

以上是离线训练阶段实现过程，下面对在线定位阶段进行说明。在线定位阶段的主要目的是实现待测数据与离线数据的最佳匹配，进而进行定位，而匹配算法需要考虑以下因素：1)离线指纹数据的可信度，2)待测数据的准确度，3)匹配计算的复杂度。这些因素将直接影响定位的准确性和实时性，也是本发明重点考虑的内容。

进入在线定位阶段，首先是运维人员进行定位场景，运维人员所带定位装置进行场强信号强度采集，形成待测场强序列，选出所属场景中主参考点，据此进行定位场景判决，具体来说，实现流程如下：

1)根据待测场强序列的平均场强大小，和环境阈值进行比较，选择对应环境的指纹数据库Ci；

2)与指纹数据库Ci中的所有参考点场强序列进行方差计算，找到最小方差的参考点RPi，这里是i是参考点其中之一，选定该参考点为主参考点，依据该参考点的位置信息进行具体场景判决。

选定定位场景以及该场景内的主参考节点之后，进行待测序列中的异常数据处理(如果有)，其处理方法和前文类似，将待测序列与主参考点的场强序列进行比较，发现异常数据进行清除，不参与欧式距离计算，待测序列形成新的待测序列，序列内参与计算的数据少于初始数据。

通过上述分类数据库、场景判决、异常数据处理等手段，降低了匹配计算的复杂度，同时，提升了待测序列的准确度。

数据处理之后，进行最近邻匹配计算。传统KNN匹配算法思想是：

待测装置首先能够获取部署的n个AP热点发出的信号强度，记作S＝(S1，S2，…Sn)，然后把此信号强度S针对特定的目标节点与事先采集好的指纹数据库中的指纹数据Fi＝(fi1,fi2,…fin)进行匹配计算，也即计算S与Fi之间的欧式距离(公式1)，然后再将距离匹配度按照从小到大进行排序，选取K个与定位点最近的指纹数据，再把所选取的K个指纹参考数据对应的位置坐标进行取平均并把它作为最后的待定位移动终端节点的位置，KNN算法定位公式如(2)：

由于该算法没有考虑欧式距离对定位结果的影响，有学者提出改进的KNN算法也即WKNN算法，主要思想是：并不是计算出将这K个指纹参考点上位置坐标的均值作为最终定位结果，而是将这K个指纹参考点的位置坐标分别对应乘上一个加权系数w(公式3)，然后将其加权和作为移动终端的定位结果(公式4)。

公式中dj为待测点的RSSI与第i个指纹数据之间的距离，ε为一个很小的正常数，防止公式中除数为0，(xi,yi)是第i个指纹参考点对应的位置坐标，为WKNN算法的定位输出结果。

但是，这里的权重系数只考虑到了欧式距离，而没考虑参考点的可信度，进而影响定位的准确度，基于此问题，本发明提出基于可信的距离加权系数，计算过程是，按照指纹参考序列的可信值高低顺序，依次进行欧式距离计算，再从这些计算结果里选择K个最短距离的参考点作为匹配指纹，以最短距离占比和K个指纹的可信值作为综合加权权重。计算公式如下：

这里的vti表示第i个参考序列的可信度，这里的vtin表示序列i里面第n个场强数据的可信度，也即参考序列的可信度依据于内部数据的可信度。这里的di表示欧式距离，但不是序列内所有数据参与计算，是排除异常数据之后的新序列的计算，ε是一个很小的正数值，防止分母为0，wi表示综合欧式距离和可信度的加权系数。然后将K个指纹参考点位置坐标加权，最终定位结果的计算公式如下：

基于相同的发明构思，本发明还提供一种面向电力室内通信运维场景的无线定位系统，包括：

采集模块，用于实时采集待测点处各个无线接入点的信号强度信息，形成待测场强序列；

匹配模块，用于将待测场强序列和无线接入点的环境信息与预先建立的相应环境信息下的指纹数据库中的指纹数据进行匹配，估算待测点的具体位置。

其中，匹配模块，包括：

预定义单元，用于离线建立指纹数据库C1；

更新单元，用于对离线建立的指纹数据库C1进行迭代更新，建立面向不同环境的指纹数据库；

选取单元，用于选取与待测场强序列相同环境下的指纹数据库主参考点；

剔除单元，用于将待测场强序列与指纹数据库主参考点相同位置的数据进行对比，剔除所述待测场强序列中存在差异的数据；

确定单元，用于根据主参考点的位置信息确定所述待测场强序列的定位场景和欧式距离，并根据所述主参考点指纹数据的可信度，计算加权系数，输出最终的定位结果。

预定义单元，包括：第一部署子单元，用于部署若干无线接入点，利用信号场强扫描仪器监测信号覆盖区域的信号场强；基于信号场强对定位场景进行分类，不同的信号场强对应不同的定位场景；

第一部署子单元，用于部署各类型定位场景的参考点，同一场景下的参考点数量根据定位精度要求和部署成本进行设定；

采样子单元，用于在参考点处安装信号接收装置，遍历所有参考点，对分布于各参考点附近的无线接入点进行多次采样，将每次采样无线接入点的信号场强信息定义为指纹数据，并根据预先定义的数据格式进行存储，生成指纹数据库C1。

更新单元，包括：对比子单元，用于将实时采集的信号场强与指纹数据库C1中相应位置上的指纹数据进行对比，若两者差值均小于预设阈值，则增加C1中指纹数据的可信度，直到数据差异趋于稳定；

第一判定子单元，用于若个别数据差值高于预设阈值，则定义差值高于预设阈值的指纹数据为不可信数据，并增加C1中其余指纹数据的可信度，直到数据差异趋于稳定；

第二判定子单元，用于若所有数据差值均高于预设阈值，则将实时采集的信号场强进行存储，生成指纹数据库C2，并将所述C2的信号场强平均值定义为C2的环境阈值；

获取子单元，用于通过迭代更新，获得与C1、C2对应的不同环境下的指纹数据库C3…CQ，并将各环境下的指纹数据库中信号场强平均值定义为相应的环境阈值；其中，Q表示指纹数据库种类。

确定单元，包括：定位场景确定子单元，用于比较待测场强序列的平均场强大小与环境阈值的一致性，选择对应环境的指纹数据库Ci；与所述指纹数据库Ci中所有参考点的信号场强进行方差计算，定义最小方差的参考点RPi为主参考点，依据主参考点的位置信息确定待测场强序列的定位场景；

定位场景确定子单元，用于按照指纹数据的可信度高低顺序，依次计算欧式距离；从计算结果中选取K个最短距离的参考点作为匹配指纹，以最短距离的占比和K个指纹的可信值乘积作为加权权重。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。