无源光网络中的通信方法、设备和计算机可读介质与流程

本公开的实施例涉及光通信领域，更具体地涉及在无源光网络中用于通信的方法、设备和计算机可读介质。

背景技术：

对无源光网络(pon)而言，更高的产能和更低的成本是学术界和工业界一直追求的目标。下一代以太网无源光网络(ng-epon)的讨论和标准化是一个非常典型的例子，在此人们希望使用10g收发器等传统的低带宽低成本设备来实现25gb/s的传输容量。同时，例如均衡器的较小的数字信号处理器(dsp)对于损害补偿变得越来越必要。因此，使用低成本元件的成本效益的优越性，被由使用dsp的onu带来的额外成本所浪费(因为其额外需要模数转换器(adc)/数模转换器(dac))，特别在是光网络单元(onu)中。

除了ng-epon的演进路径之外，甚至更高的速度，例如每波长50gb/s也已经成为下一代pon的学术/工业的替代选择。处于低成本的目的，低带宽硬件的重新使用仍然是最重要的特性。因此，进一步更复杂的算法(例如，用于似然估计的递归算法)必须解决由带宽限制效应和非线性效应之间的相互作用引起的更严酷的问题。低成本硬件和高复杂度dsp的矛盾变得更加突出。

此外，传统方案另一方面的弊端在于，现有的单侧的均衡方式缺少onu和光线路终端(olt)之间的物理层全局协调。

技术实现要素：

总体上，本公开的实施例提供在光线路终端(olt)和光网络单元(onu)处实施的用于通信的方法、设备和计算机可读介质。

在本公开的第一方面，提供一种用于在光线路终端olt处通信的方法。所述方法包括：从光网络单元onu接收第一序列，所述第一序列是所述onu基于与从所述onu到所述olt的上行链路相关联的第一参数集、使用与所述olt共用的参考序列来发送的；基于所述第一序列和所述参考序列，确定参数调整信息，所述参数调整信息用于调整所述上行链路的传输相关联的第一参数集中的至少一个参数，以使得所述上行链路的传输特性满足预定条件；以及向所述onu发送所述参数调整信息。

在本公开的第二方面，提供一种用于在光网络单元onu处通信的方法。所述方法包括：基于与从所述onu到所述光线路终端olt的上行链路相关联的第一参数集，向所述olt发送与所述olt共用的参考序列；以及从所述olt接收参数调整信息，所述参数调整信息是所述olt基于从所述onu接收的序列和所述参考序列确定的，所述参数调整信息用于调整所述第一参数集中的至少一个参数，以使得所述上行链路的传输特性满足预定条件。

在本公开的第三方面，提供一种光线路终端olt。所述光线路终端包括：至少一个处理器；以及与所述至少一个处理器耦合的存储器，所述存储器包含有存储于其中的指令，所述指令在被所述至少一个处理单元执行时，使得所述olt执行前述第一方面所述的方法。

在本公开的第四方面，提供一种光网络单元onu。所述光网络单元包括：至少一个处理器；以及与所述至少一个处理器耦合的存储器，所述存储器包含有存储于其中的指令，所述指令在被所述至少一个处理单元执行时，使得所述olt执行前述第二方面所述的方法。

在本公开的第五方面，提供一种计算机可读介质。该计算机可读介质上存储有指令，当指令在被至少一个处理单元执行时，使得至少一个处理单元被配置为执行前述第一方面所述的方法。

在本公开的第六方面，提供一种计算机可读介质。该计算机可读介质上存储有指令，当指令在被至少一个处理单元执行时，使得至少一个处理单元被配置为执行前述第二方面所述的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1是本公开描述的实施例可以在其中被实现的通信系统100的示意图；

图2示出了实现根据本公开的某些实施例的通信方法的过程200的示意图。

图3示出了实现根据本公开的某些实施例的通信方法的过程300的示意图。

图4是示出了根据本公开实施例的用于在olt处实施的用于通信的方法400的流程图。

图5是示出了根据本公开实施例的用于在olt处实施的用于通信的方法500的流程图。

图6a和图6b示出了使用根据本公开的实施例所得到的示例性的实验结果的示意图。

图7示出了适合实现本公开实施例的电子设备700的简化方框图。

在所有附图中，相同或相似参考数字表示相同或相似元素。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中示出了本公开的一些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

目前，数字信号处理器(dsp)已经成为利用传统低带宽光学器件实现额外传输容量的强大而具备吸引力的工具。与此同时，在光网络单元(onu)中的dsp的复杂性却造成成本效益的降低。这是因为这样的onu通常额外需要模数转换器(adc)/数模转换器(dac)，从而使得由于使用低成本元件(例如传统低带宽光学器件)所带来的成本效益的优势被这种复杂性所消减。

另一方面，传统方案中的链路性能优化仅仅基于接收端的自我调节，而并未考虑到发送端和接收端之间的协同。这造成调节往往是没有针对性的或使得接收端向错误的方向调节参数。这样的调节过程导致调节效果通常是不理想的，并且会造成较低的系统效率。

鉴于此，本公开的实施例提供一种在无源光网络中用于通信的方法。通过本公开的实施例，olt确定对onu进行上行传输所使用的参数的调节方式，以使得onu能够基于该调节方式来调节参数，从而提高上行链路的传输特性。由此，实现了一种基于olt-onu协作的参数调节过程。以此方式，olt能够帮助onu进行传输参数的调整和优化，而无需在onu处引入复杂的处理器或dsp。这样，能够在实现系统效益提高的同时，有效降低系统的实现成本。

图1描述了本公开的实施例可以在其中被实现的通信系统100。该通信系统100包括光线路终端(olt)110和光网络单元(onu)120。如图所示，在olt110和onu120之间能够进行通信。例如，在olt110和onu120之间，能够通过从onu120至olt110的上行链路130的进行数据传输，也能够进行从olt110至onu120之间的下行链路140进行数据传输。应理解，尽管在图1中仅仅示出了一个onu120，在通信系统100中，也可以包括多个onu120。

从图1中可以看出，olt110包括信号处理装置112，该信号处理装置例如可以是dsp，尤其可以是基于人工智能(ai)的dsp。然而，在onu120中并不存在类似于在olt110中的信号处理的装置。在这里描述的通信系统100中，onu120可以共享olt110处的信号处理装置。对于多个onu120的情况而言，所有的onu120都可以共享olt110处的信号处理装置。通过将信号处理装置112集中在olt处进行实现，避免了在onu的实体中配置dsp，从而有效降低了系统复杂度。

能够通过olt110和onu120之间的协同来实现指向特定目标的上行链路130和下行链路140的优化。当以上行链路130的容量最大化为目的而进行上行链路的优化时，onu120利用与上行链路130的数据传输相关联的预定的一组参数集经由上行链路130向olt110发送参考序列。该参考序列可以是olt110和onu120双方已知的。olt110可以利用信号处理装置120(例如基于ai的dsp)，基于接收到的与参考序列相关联的训练序列以及预先知晓的参考序列，确定用于以上行链路130的容量最大化为目的来调整上述参数集的调整信息，并将该信息发送给onu120，使得onu120能够基于来自olt110的调整信息来对一组参数集中的一个或多个参数进行调整。上述优化过程可以经过多次循环，从而最终实现上行链路130的容量最大化。

当以下行链路140的容量最大化为目的而进行下行链路140的优化时，首先要实现上行链路130的线性度的最大化。实现上行链路130的线性度最大化的过程实质上类似于上面描述的实现上行链路130的容量最大化的方法。不同之处仅仅在于，olt110可以利用信号处理装置120(例如基于ai的dsp)，基于接收到的与参考序列相关联的训练序列以及预先知晓的参考序列，确定用于以上行链路130的线性度最大化为目的来调整上述参数集的调整信息，并将该信息发送给onu120，以使得实现上行链路130的容量最大化。这里要求上行链路130的线性度最大化的目的是保证在上行链路130的传输中尽可能不出现传输失真的情况。

由于上行链路130已经达到线性度最大化，意味着onu120的与上行链路130的数据传输相关联的预定的参数集已经被确定。这时可以执行以下行链路140的容量最大化为目的的下行链路优化。类似的，olt110利用与下行链路140的数据传输相关联的预定的一组参数集经由下行链路140向onu120发送参考序列。在onu120处对所接收的与参考序列相关联的训练序列不做任何的处理，而是将该训练序列经由之前已经实现了线性度最大化的上行链路130发送给olt110。olt110可以利用信号处理装置120(例如基于ai的dsp)，基于接收到来自onu120的训练序列以及预先知晓的参考序列，确定针对自身的参数集的调节参数信息并根据该调节参数信息对参数集的一个或多个参数进行调整。上述优化过程可以经过多次循环，从而最终实现下行链路140的容量最大化。

以下结合图2和图3对本公开的某些实施例的通信方法的过程进行进一步的描述。图2示出了实现根据本公开的某些实施例的通信方法的过程的示意图。图3示出了实现根据本公开的某些实施例的通信方法的过程的示意图。

图2示出的实施例例如能够用于实现以上行链路容量最大化为目的的优化。

如图2所示，onu120可以首先确定从onu120至olt110的上行链路是否已经在之前被优化到最大容量，如果确定了该上行链路已经被优化到最大容量，则可以直接从onu120向olt110传输245数据。上述过程可以理解为系统开机或重启时常规的询问过程，或系统定期进行的询问过程，其可以发生在图2中的205之前。为了简明的原因没有在图2中示出。

如果上行链路在当前还没有被优化到最大容量，onu120则随机指派205第一参数集，该参数集与上行链路的数据传输相关联。onu120利用第一参数集将参考序列发送210至olt110。该参考序列可以是olt110和onu120双方已经知晓的。在接收到与该参考信号相关联的训练序列之后，olt基于已知的参考序列和所接收的训练序列，确定215用于调整该第一参数集的参数调整信息。该参数调整信息指示对于第一参数集的至少一个参数的调整模式。该调整模式例如可以包括对至少一个参数的调整方向和调整步长。

在确定了该参数调整信息之后，olt110将该参数调整信息发送220至onu120。onu120基于该参数调整信息对第一参数集进行调整225。接下来，onu120利用调整后的第一参数集向olt110发送230参考序列。olt110基于参考序列和与利用经调整后的第一参数集发送的参考序列相关联的训练序列确定235该上行链路是否已经被优化到最大容量。如果确定了该上行链路已经被优化到最大容量，则向onu发送240保存经调整后的第一参数集的指示。onu120在接收到该指示之后，保存经调整的第一参数集并且可以从onu120向olt110传输245数据。如果确定了该上行链路还没有被优化到最大容量，则可以反复执行从215至235的步骤，直到实现上行链路容量最大化。

图3示出的实施例例如能够用于实现以下行链路容量最大化为目的的优化。上文已经提到，为了满足下行链路的容量最大化，需要首先满足上行链路的线性度最大化。这是由于在优化过程中，首先需要实现尽量无失真的上行链路传输。

onu120可以首先确定从onu120至olt110的上行链路是否已经在之前已经实现以最大线性度为目的的优化，如果确定了该上行链路已经实现最大线性度，则可以直接从335开始进行以最大容量为目的的下行链路的优化。上述过程可以发生在图3中的305之前。为了简明的原因没有在图3中示出。

如果上行链路在当前还没有实现最大线性度，onu120则随机指派305第一参数集，该参数集与上行链路的数据传输相关联。onu120利用第一参数集将参考序列发送210至olt110。该参考序列可以是olt110和onu120双方已经知晓的。在接收到与该参考信号相关联的训练序列之后，olt基于已知的参考序列和所接收的训练序列，确定315用于调整该第一参数集的参数调整信息。该参数调整信息指示对于第一参数集的至少一个参数的调整模式。该调整模式例如可以包括对至少一个参数的调整方向和调整步长。

在确定了该参数调整信息之后，olt110将该参数调整信息发送320至onu120。onu120基于该参数调整信息对第一参数集进行调整325。接下来，onu120利用调整后的第一参数集向olt110发送330参考序列。olt110基于参考序列和与利用经调整后的第一参数集发送的参考序列相关联的训练序列确定该上行链路是否已经被优化到最大线性度。在此假设olt110确定了该上行链路已经被达到最大线性度。则开始进行以最大容量为目标的下行链路的优化。

olt110则随机指派335第二参数集，该第二参数集与下行链路的数据传输相关联。otl110利用第二参数集将参考序列发送340至onu120。onu120对接收到的与参考序列相关联的训练序列不做任何处理(因为在onu120并未配置dsp)。onu120仅仅利用在之前的步骤中得到的经调整的第一参数集将所接收的训练序列发回350至olt110，由于从onu120至olt110的上行链路已经满足最大线性度，所以从onu120回传至olt110的训练序列理论上应当不存在任何失真。由此，olt110能够基于接收到训练序列和参考序列，确定用于调整第二参数集的参数调整信息。该参数调整信息指示对于第二参数集中的至少一个参数的调整模式，从而使得第二参数集能够以实现下行链路的容量最大化为目标来进行调制。

在olt110基于参数调整信息对第二参数集中的至少一个参数进行调整之后，otl110利用经调整的第二参数集将参考序列发送360至onu120。同样的onu120利用在之前的步骤中得到的经调整的第一参数集将所接收的训练序列发回365至olt110。olt110基于参考序列和在此所接收到训练序列确定370在调整了第二参数集之后，从olt110至onu120的下行链路是否满足容量最大化。如果确定了该下行链路满足容量最大化，则保存经调整的第二参数集，并且可以在从olt110至onu120的下行链路栅传输375数据。

如果确定了该下行链路还没有被优化到最大容量，则可以反复执行从335至370的步骤，直到实现上行链路容量最大化。

以此方式，本公开的实施例一方面能够将dsp的功能仅仅集中在olt端来实现，使得onu能够共享olt的dsp，从而显著地降低了onu端的复杂度。此外，以基于ai的dsp来代替传统的算法来获得用于训练上行链路和下行链路的训练模型，能够显著提高计算的精确度，以获得满足所期望的某些信道特性的链路。再者，olt与onu之间的协同的执行以某些信道特性为目标的参数调节，能够实现有针对性和方向性地参数调节过程，从而简化调节进程，以得到理想的调节结果和链路特性。

图4是示出了根据本公开实施例的用于在olt处实施的用于通信的方法400的流程图。接下来参考图4进一步描述在olt处实施的通信方法。可以理解，图4中描述的实施例可以例如在如图1所示的olt110处实施。

在框410，从光网络单元onu120接收第一序列，该第一序列是onu120基于与从onu120到olt110的上行链路相关联的第一参数集、使用与olt110共用的参考序列来发送的。在某些实施例中，参考序列可以被理解为预先确定且由该onu120和olt110双方共同知晓的序列。第一序列可以被理解为参考序列经由从onu120至olt110的上行链路发送至olt110处时发生变化的参考序列。

在框420，基于该第一序列和参考序列，确定参数调整信息，参数调整信息用于调整上行链路的传输相关联的第一参数集中的至少一个参数，以使得上行链路的传输特性满足预定条件。

上面提到，第一序列可以被理解为参考序列经由从onu120至olt110的上行链路发送至olt110处时发生变化的参考序列。结合图1示出的olt110的示意图，olt110能够利用信号处理装置120，基于参考序列和第一序列来确定从onu120至olt110的上行链路，从而确定针对第一参数集的参数调整信息。

根据某些实施例，确定参数调整信息可以包括确定第一序列和参考序列之间的差异。如果该差异大于阈值，则确定第一参数集的至少一个参数的调整方向和调整幅度中的至少一项。这例如可以通过使用合适的算法，例如最大似然估计算法来实现。

根据某些实施例，确定参数调整信息可以包括获取参数调整模型，向参数调整模型输入第一序列和参考序列以及基于所述参数调整模型的输出，确定第一参数集的至少一个参数的调整方向和调整幅度中的至少一项。这例如可以通过在olt110处的基于ai的dsp来实现。

该参数调整模型例如可以被理解为学习网络。如本文所使用的，术语“学习网络”指的是这样的一个模型，该模型能够从训练数据中学习到相应的输入与输出之间的关联，从而在训练完成后基于训练得到的参数集对给定的输入进行处理以生成对应的输出。“学习网络”有时也可以被称为“神经网络”、“学习模型”、“网络”或“模型”。这些术语在本文中可互换地使用。

该参数调整模型例如可以基于历史接收序列和与该历史接收序列相关联的参考序列生成。以此方式，通过该参数调整模型，能够仅仅需要将第一序列和参考序列作为输入信息输入该模型，就能够得到作为输出的、第一参数集的至少一个参数的调整方向和调整幅度中的至少一项的指示。

与传统的算法(例如最大似然序列估算)相比，使用基于人工智能-神经网络(ai-nn)的均衡的dsp具有较低的复杂性。相较于一般的线性均衡算法，基于ai的dsp能够实现显著提高的信道补偿效果。

在本公开的实施例中，传输特性是指与上行链路和/或下行链路的传输相关联的各种特性，例如线性度、信道容量、信道质量、信道损耗、传输距离等等。然而，传输特征并不局限于上述列举的示例。所有在本公开的范围内的传输特征都可以被包括在内。

在某些实施例中，上述至少一个参数可以是偏置电流、驱动幅度、光发射功率、波特率、调节格式和/或其他适当的与传输有关的参数(在本公开的上下文中也简称为“传输参数”)。以上关于参数的示例仅仅是说明性的，而非限制性的。

在框430，olt110向onu120发送参数调整信息。

根据某些实施例，在以上行链路的容量最大化为调整目标的情况下，确定参数调整信息可以包括确定用于调整第一参数集中的至少一个参数的第一参数调整信息。olt110向onu120发送第一参数调整信息，onu能够基于该第一调整参数调整第一参数集中的一个或多个参数，从而使得上行链路的容量满足第一预定条件。

根据某些实施例，在以上行链路线性度最大化为调整目标的情况下，确定参数调整信息还可以包括确定用于调整所述第一参数集中的至少一个参数的第一参数调整信息。olt110向onu120发送第一参数调整信息，onu能够基于该第一调整参数调整第一参数集中的一个或多个参数，从而以使得上行链路的线性度满足第二预定条件。

上文已经提及，使上行链路的线性度实现最大化的目的在于接下来能够以几乎无失真的上行链路来训练下行链路。因此，根据某些实施例，在使得上行链路的线性度满足第二预定条件之后，olt110可以向onu120发送参考序列并接收来自onu120的第二序列，该第二序列是onu120基于利用上述第一参数调整信息所调整的第一参数集来发送的序列，而该序列是从onu120所接收的参考序列。

接下来，能够基于第二序列和参考序列来确定用于调整从olt110到onu120的下行链路的传输相关联的第二参数集的第二参数调整信息。在以下行链路容量最大化为目标的情况下，该第二调整信息能够使得所述下行链路的容量满足第三预定条件。

根据某些实施例，在确定了该第二调整信息之后，olt110利用该第二调整信息来调整第二参数集。

以此方式，实现了在olt和onu之间的协同优化，这样的协同优化能够执行以某些信道特性为目标的参数调节，使参数调节过程能够有针对性和方向性地实现，从而简化调节进程，提高系统效率，从而得到理想的调节结果和链路特性。

图5是示出了根据本公开实施例的用于在onu处实施的用于通信的方法500的流程图。接下来参考图5进一步描述在onu处实施的通信方法。可以理解，图5中描述的实施例可以例如在如图1所示的onu120处实施。

在框510，onu120基于与从该onu120到olt110的上行链路相关联的第一参数集，向该olt110发送与olt共用的参考序列。

在框520，onu120从olt110接收参数调整信息，该参数调整信息(即在描述图4时所提及的第一参数调整信息)是olt110基于从onu120接收的序列和参考序列确定的，该参数调整信息用于调整第一参数集中的至少一个参数，以使得上行链路的传输特性满足预定条件。

根据某些实施例，该onu120能够根据该参数调整信息来对第一参数集中的至少一个参数进行调整。在以上行链路容量最大化为目标的情况下，该参数调整信息使得第一参数集朝着使行链路容量最大化的方向优化。具体的，该参数调整信息可以指示第一参数集中的至少一个参数的调整方向和/或调整步长。类似地，在以上行链路线性度最大化为目标的情况下，该参数调整信息使得第一参数集朝着使行链路线性度最大化的方向优化。具体的，该参数调整信息可以指示第一参数集中的至少一个参数的调整方向和/或调整步长。

在某些实施例中，在实现了上行链路线性度最大化的情况下，onu120能够接收来自olt110参考序列并利用基于上述参数调整信息调整的第一参数集向olt110发送第二序列，以便该olt110可以基于第二序列和参考序列，确定用于调整从olt到onu的下行链路的传输相关联的第二参数集的另一参数调整信息(即在描述图4时提及的第二参数调整信息)，以该所述下行链路的容量满足第三预定条件。

在某些实施例中，上述至少一个参数可以包括偏置电流、驱动幅度、光发射功率、波特率和调节格式中的至少一个。在不超出本公开的范畴的情况，其他的参数也能够被考虑在内。

图6a和图6b示出了使用根据本公开的实施例所得到的示例性的实验结果。在实验中采用了常规的2.5gdml并使用基于人工智能-神经网络(ai-nn)的自适应均衡来调节20gb/s的上行链路传输和18.75gb/s的下行链路传输。

根据实验结果，下行链路容量最高可达18.75gb/s(采用pam8格式)，而上行链路容量可以达到20gb/s(采用双二进制的pam4格式)。

通过图6a和图6b的比较能明显看出在采用ai-dsp集中化的情况下对于上行链路的优势。在图6a中，如果olt没有采用ai-dsp的情况下，7个幅度级因此彼此重叠而几乎不能被识别，在图6b中，在使用基于采用ai-dsp的olt的处理之后，每个幅度级都能够被清晰地识别。

上述优势在实验中被证明对于下行链路的优化同样起到显著作用。另一方面，通过实验证明了在基于olt-onu协同下的上行链路和下行链路的优化能够得到较低的误码率(ber)。

总体来说，本公开的实施例一方面能够将dsp的功能仅仅集中在olt端来实现，使得onu能够共享olt的dsp，从而显著地降低了onu端的复杂度。此外，以基于ai的dsp来代替传统的算法来获得用于训练上行链路和下行链路的训练模型，能够显著提高计算的精确度，以获得满足所期望的某些信道特性的链路。再者，olt与onu之间的协同的执行以某些信道特性为目标的参数调节，能够实现有针对性和方向性地参数调节过程，从而简化调节进程，以得到理想的调节结果和链路特性。

图7示出了适合实现本公开的实现的设备700的简化框图。设备700可以用来实现通信设备，例如图1所示的olt110和onu120。如所示出的，设备700包括一个或多个处理器710，耦合到(多个)处理器710的一个或多个存储器720，耦合到处理器710的一个或多个发射器和/或接收器(tx/rx)740。

处理器710可以具有适合于本地技术环境的任何类型，并且作为非限制性示例可以包括以下一个或多个：通用计算机、专用计算机、微处理器、数字信号处理器(dsp)和基于多核处理器架构的处理器。设备700可以具有多个处理器，诸如在时间上跟随与主处理器同步的时钟进行从动的专用集成电路芯片。

存储器720可以具有适合于本地技术环境的任何类型并且可以使用任何适合的数据存储技术来实施，作为非限制性示例，诸如非暂态计算机可读存储介质、基于半导体的存储设备、磁存储器设备和系统、光存储器设备和系统、固定存储器和可移除存储器。

存储器720存储程序730的至少一部分。tx/rx740用于双向通信。tx/rx740具有至少一个天线，用于促进通信。通信接口可以表示与其他设备通信必要的任何接口。

假定程序730包括程序指令，这些程序指令在由相关联的处理器710执行时，使设备700执行如以上参照图2至图5所讨论的本公开的实现。也就是说，本公开的实现可以由设备700的处理器710可执行的计算机软件来实现，或者由软件与硬件的组合来实现。

一般而言，本公开的各种示例实现可以在硬件或专用电路、软件、逻辑，或其任何组合中实施。某些方面可以在硬件中实施，而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。例如，在一些实现中，本公开的各种示例(例如方法、装置或设备)可以部分或者全部被实现在计算机可读介质上。当本公开的实现的各方面被图示或描述为框图、流程图或使用某些其他图形表示时，将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备，或其某些组合中实施。

作为示例，本公开的实现可以在计算机可执行指令的上下文中被描述，计算机可执行指令诸如包括在目标的物理或者虚拟处理器上的器件中执行的程序模块中。一般而言，程序模块包括例程、程序、库、对象、类、组件、数据结构等，其执行特定的任务或者实现特定的抽象数据结构。在各实现中，程序模块的功能可以在所描述的程序模块之间合并或者分割。用于程序模块的计算机可执行指令可以在本地或者分布式设备内执行。在分布式设备中，程序模块可以位于本地和远程存储介质二者中。

用于实现本公开的方法的计算机程序代码可以用一种或多种编程语言编写。这些计算机程序代码可以提供给通用计算机、专用计算机或其他可编程的数据处理装置的处理器，使得程序代码在被计算机或其他可编程的数据处理装置执行的时候，引起在流程图和/或框图中规定的功能/操作被实施。程序代码可以完全在计算机上、部分在计算机上、作为独立的软件包、部分在计算机上且部分在远程计算机上或完全在远程计算机或服务器上执行。

在本公开的上下文中，计算机可读介质可以是包含或存储用于或有关于指令执行系统、装置或设备的程序的任何有形介质。计算机可读介质可以是机器可读信号介质或机器可读存储介质。计算机可读介质可以包括但不限于电子的、磁的、光学的、电磁的、红外的或半导体系统、装置或设备，或其任意合适的组合。机器可读存储介质的更详细示例包括带有一根或多根导线的电气连接、便携式计算机磁盘、硬盘、随机存储存取器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪存)、光存储设备、磁存储设备，或其任意合适的组合。

另外，尽管操作以特定顺序被描绘，但这并不应该理解为要求此类操作以示出的特定顺序或以相继顺序完成，或者执行所有图示的操作以获取期望结果。在某些情况下，多任务或并行处理会是有益的。同样地，尽管上述讨论包含了某些特定的实施细节，但这并不应解释为限制任何发明或权利要求的范围，而应解释为对可以针对特定发明的特定实现的描述。本说明书中在分开的实现的上下文中描述的某些特征也可以整合实施在单个实现中。反之，在单个实现的上下文中描述的各种特征也可以分离地在多个实现或在任意合适的子组合中实施。

尽管已经以特定于结构特征和/或方法动作的语言描述了主题，但是应当理解，所附权利要求中限定的主题并不限于上文描述的特定特征或动作。相反，上文描述的特定特征和动作是作为实现权利要求的示例形式而被公开的。