面向中频的短码直扩信号数组盲解扩方法及装置与流程

本发明属于信号处理技术领域，特别涉及一种面向中频的短码直扩信号数组盲解扩方法及装置。

背景技术：

直接序列扩频信号(DSSS)由于其极强的抗噪声、抗多径时延特性被广泛应用于卫星、超短波，以及水声通信信道及各种商用通信系统中。对此类信号进行解扩是非合作接收方完成信号体制澄清，盲解调的必要环节，也是频谱监测、通信对抗中的一个重要内容。目前对于此类信号的分析研究大多集中于其伪码序列估计问题且假设信号获得同步或残余频偏较小，而非合作接收条件下，频偏大小不可预知且难以估计，所以研究一种适应任意频偏的信号盲解扩方法有着迫切的现实需求。

特征值分解方法是用于重构直扩信号的伪码波形的一类经典方法。通过对周期分段自相关矩阵进行特征值分解，抽取主特征向量重构伪码波形，但存在失步的条件下，两个主特征向量会产生组合相位模糊，同时低信噪比下失步时间估计不准确导致波形重构将出现较大偏差。采用二倍周期分段计算基带自相关矩阵，特征值分解(EVD)后抽取主特征向量重构伪码波形，克服了相位模糊问题，但其在复数域进行矩阵操作，同时矩阵特征值分解规模增加两倍，使得算法计算量和所需的存储空间大大增加，且数据量未得到有效利用致使性能退化，难以满足工程实践的要求，基于压缩投影子空间跟踪(PASTD)的方法避开了特征值分解，采用神经网络思想解决特征向量提取的问题，使得计算量大大降低，但其收敛需要较多的数据量，同时高信噪比下对特征向量的估计性能不如特征值分解算法。

技术实现要素：

为此，本发明提供一种面向中频的短码直扩信号数组盲解扩方法及装置，大大降低计算量，同时性能优良，较适合工程实践。

按照本发明所提供的设计方案，一种面向中频的短码直扩信号数组盲解扩方法，包含如下内容：

A)对接收中频信号进行特征值分解，获取两路正交载波组合的复中频伪码波形，该复中频伪码波形与中频信号含有相同的中频频率；

B)利用复中频伪码波形与中频信号的相关性，构建复数域复相关的向量表示，将波形上周期变化的初始相位转化为星座图频偏，同时保留信息码本身幅度信息；并对星座图频偏和相偏进行纠正，获取稳定判决星座图；

C)依据该稳定判决星座图进行解映射，得到信号发送序列。

一种面向中频的短码直扩信号数组盲解扩装置，包含：分解模块、构建模块和解映射模块，其中，

分解模块，用于对接收中频信号进行特征值分解，获取两路正交载波组合的复中频伪码波形，该复中频伪码波形与中频信号含有相同的中频频率；

构建模块，用于利用复中频伪码波形与中频信号的相关性，构建复数域复相关的向量表示，将波形上周期变化的初始相位转化为星座图频偏，同时保留信息码本身幅度信息；并对星座图频偏和相偏进行纠正，获取稳定判决星座；

解映射模块，用于依据该稳定判决星座进行解映射，得到信号发送序列。

本发明的有益效果：

本发明克服非合作接收条件下低信噪比扩频信号载波、符号速率等调制参数难以估计的不利影响，实现低复杂度、高可靠性的扩频信号盲解扩，通过中频实信号特征值向量的构成及利用，同时利用中间结果提取伪码序列，无需任何先验信息，适合DSSS/BPSK信号的全盲分析，相比传统算法，复杂度大大降低，同时抗噪性能得到提升，在其他体制扩频信号的参数估计及解调问题上也有一定借鉴意义，对信号处理过程中盲解扩技术的发展具有重要的指导意义。

附图说明：

图1为实施例中盲解扩方法流程图；

图2为实施例中特征值分解示意图；

图3为实施例中星座图获取示意图；

图4为实施例中含噪下互相关系数包络均值与失步时间的关系曲线图；

图5为实施例中面向中频的数字盲解扩原理图；

图6为实施例中短码直扩信号中频数字盲解扩原理框图；

图7为实施例中盲解扩装置示意图；

图8为实施例中分解模块示意图；

图9为实施例中构建模块示意图；

图10为仿真实验中失步时间估计性能示意图；

图11为仿真实验中失步时间估计误差随载波频率变化变化曲线；

图12为仿真实验中误码率性能对比示意图；

图13为仿真实验中误码率随频偏的变化曲线。

具体实施方式：

为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发明作进一步详细的说明。

直接序列扩频(DSSS)信号被广泛应用于各种民用通信系统中。非合作接收条件下，由于伪码序列未知且信噪比极低，频偏大小往往难以估计。现有的方法大多基于基带分段相关矩阵特征值分解方法，抽取主特征向量重构伪码波形，但其存在复杂度高，含频偏情况下性能退化等问题。对于短码直扩信号而言，无论是基带还是中频，相位的反转代表信息比特的跳变，所以此类信号的解调和解扩相互独立，理论上可以同时进行。在中频上进行解调解扩的优势在于实数运算节省计算量，且方法可以应对任意大小残余频偏。本发明实施例中，参见图1所示，提供一种面向中频的短码直扩信号数组盲解扩方法，包含如下内容：

S101)对接收中频信号进行特征值分解，获取两路正交载波组合的复中频伪码波形，该复中频伪码波形与中频信号含有相同的中频频率；

S102)利用复中频伪码波形与中频信号的相关性，构建复数域复相关的向量表示，将波形上周期变化的初始相位转化为星座图频偏，同时保留信息码本身幅度信息；并对星座图频偏和相偏进行纠正，获取稳定判决星座图；

S103)依据该稳定判决星座图进行解映射，得到信号发送序列。

通过对中频DSSS实信号进行特征值分解，将载波频率吸收至特征向量中，获得两个互为希尔伯特变换对的调制伪码波形，进而组合得到复中频伪码波形，与复中频信号进行相关解调解扩得到相关星座，最后推导了不同分段相位累积引起星座旋转的特性，并通过纠正，实现全盲的短码DSSS-BPSK中频信号解扩解调方案，相比基带分解，这种方案计算量相大大降低，同时性能优良，适合工程实践。

对接收中频信号进行特征值分解，获取两个互为希尔伯特变换对的调制伪码波形，并对两者进行组合得到复中频伪码波形。本发明另一个实施例中，参见图2所示，该特征值分解过程包含如下内容：

S1001)对接收中频信号进行伪码波形周期估计，并依据该伪码波形周期估计获取失步时间；

S1002)依据失步时间对信号进行周期分段，获取自相关矩阵；对该自相关矩阵进行奇异值分解，获取两个最大特征值对应的左奇异特征向量，重构复中频伪码波形，其中，两个左奇异特征向量之间互为希尔伯特变换对。

从信号起始时刻起，依据伪码波形周期估计对信号进行周期分段，获取任意两段信号之间的互相关系数绝对值均值；通过移位搜索获得失步时间。

利用复中频伪码波形与中频信号的相关性，构建复数域复相关的向量表示，参见图3所示，本发明另一个实施例中，包含如下内容：

S2001)将该复中频伪码波形与复中频信号进行相关获取相关星座图；

S2002)对相关星座图进行频偏及相偏纠正，获取作为稳定判决星座图的同步BPSK二进制相移键控星座。

基带特征值分解方法是解决直扩信号伪码序列盲估计的一类经典方法，假设伪码周期已知，对接收基带信号进行按周期分段，可表示为：

sk＝mkp1+mk+1p2+nk (1)

式中mk和mk+1是连续两比特信息码字，码字服从随机均匀的01分布，彼此独立不相关，p1为一个向量，代表了(T0-Tx)时间长度的扩频波形的后段；p2代表了Tx时间长度的扩频波形的前段，Tx代表待处理数据头部距下一个信息码元头部的时间长度，即失步时间，nk为实数高斯噪声。

对分段求取自相关矩阵的期望，得到如下形式：

R＝σm²||p1||²u1u1^T+σm²||p2||²u2u2^T+σn²I (2)

其中从式(2)可以得出，自相关矩阵包含两个主特征值，对应的特征向量是伪码波形的两个分段，进一步可实现伪码波形的拼接。

而当完成失步时间估计时，自相关矩阵表示为：

R＝σm²||p||²uu^T+σn²I (3)

此时最大特征值对应的特征向量可得为±u1，对应与伪码波形，据此可以实现伪码序列估计。特征值分解的方法利用了m序列自身良好的自相关特性和移位正交性，抗噪性能优良，后来发展的诸多算法，如基于Hebbian准则的神经网络方法等都以其为理论基础，然而基带解调方案要求信号的频偏足够小，从而可以实现锁相环路的跟踪调整。而实际的非合作接收条件下，频偏大小不可预知，而锁相环路只能在较小的频差范围内工作，所以在无先验参数信息下，常常不能够有效应对。相比而言，任意频偏条件下的解扩是更为可靠的选择，而在中频处理，由于均为实数域运算，可大大降低计算复杂度，所以中频盲解扩方案对于非合作接收方是一种较为理想的方案。

中频信号处理要求首先完成周期及失步时间估计，针对DSSS信号的伪码周期估计，已经有较为成熟且性能优良的解决方法，如累积自相关法，二次谱法、相关熵法等。其中二次谱方法的性能表现更为优异，且基于频域特性，应用于中频实信号时性能不发生退化。其主要通过对功率谱做二次傅里叶变换，得到等间隔的谱峰，间隔即对应伪码周期，估计原理可表示为：

失步时间估计问题可通过相关包络测定，由于伪码波形良好的互相关特性，基带上该方法已经获得了不错的估计性能，对于中频DSSS信号该方法的适用性可见如下内容。

对于短码信号而言，一个周期的中频短码DSSS信号可表示为：

xk＝Ak(mkp1+mk+1p2)+nk (5)

其中：

其中，wc表示中频数字角频率，wc＝2wc＝2πfc/fs，Ak代表N维调制矩阵，N表示伪码波形周期，Ts为采样周期，fc为载波频率，为载波初始相位。此时，对于短码扩频而言，两段周期信号互相关系数可得：

用[Ai^TAj]k表示对角方阵Ai^TAj的第k个对角线元素：

[Ai^TAj]k＝cos(wc(iN+k)+φ0)cos(wc(iN+k)+φ0+wc(j-i)N) (8)

对其绝对值求期望得：

此时：

令F(fc)＝E(|[Ai^TAj]k|)，信息符号个数一定且足够多时，统计意义上E(|[Ai^TAj]k|)将与i,j无关，其模值的期望只与fc的取值有关。mimj,mi+1mj+1都可独立等概率地取得±1，概率均为根据伪码波形能量定义：

此时可以用相关系数模值来观察分段波形相关性随失步时间的变化：

当fc为某特定值时，F(fc)为一定值ε∈(0,1]，可见频偏的存在不影响失步时间估计，相关包络与失步时间的关系如图4曲线所示，据此可通过移位搜索获得失步时间的精确估计。

此时：

可见，将互相关包络功率测定方法推广至中频实信号依然有效，互相关系数包络均值与失步时间的关系曲线范围随着fc具体的取值在(0,1]变化，但曲线的形状固定，这是中频条件下失步时间检测的重要依据。

上述式(5)已伪码同步的短码DSSS中频模型，对频偏矩阵Ak进行展开得：

xk＝mkAkp+nk＝mk(A(k)cos-A(k)sin)p+nk (14)

其中对角矩阵A(k)cos与A(k)sin的第n个元素可表示为：

角频率w和初始相位可表示为载波频率与初始相位的函数：

对该分段计算自相关矩阵期望可得：

其中，对每一个分段而言，为常数，反映在自相关矩阵上只影响功率大小，对其进行特征值分解将得到两个幅度与功率均值相关的主特征值，如图5(a)所示，假设u1,u2波形完全正交，且考虑为离散采样值，使得二者功率往往存在差异，故对自相关矩阵进行特征值分解得到的特征向量对应不同的特征值，不存在酉模糊，得到如下特征向量：

其中：

然而实际中u1,u2不可能完全正交，尤其对于码长较短的情况，u1,u2的正交性条件被削弱，且考虑符号个数足够多的情况下，与统计意义上将趋于相等，从而产生酉模糊问题，即特征向量空间被拓展为两个正交基的线性组合，对应的特征向量可分别表示为：

同步时自相关矩阵经过特征值分解后所得特征向量为包含两路正交载波组合的中频伪码波形，与中频信号含有相同的中频频率，这使得中频相关得以保留，为直接中频盲解扩方法提供了理论基础。

中频解扩问题的核心是要利用伪码波形与接收信号波形的相关性，需要构建相关相乘的向量形式。由于分段初始相位的影响，如果在实数域进行相关，该相位将转化为周期变化的幅度，与信息码本身的幅度信息产生混淆难以剥离，故构建在复数域进行复相关的形式，将波形上周期变化的初始相位转化为星座图的频偏，同时信息码本身的幅度信息得以保留。

观测的特征向量u1',u2'由奇异值分解得到，满足正交条件(u1')^Tu2'＝0，此时存在：

根据伪码波形及特征向量能量假设：

可得：

c1²+c2²＝c3²+c4² (24)

联立式(22)(24)，可得：

|c1|＝|c4|,|c2|＝|c3| (25)

同时，u1,u2互为Hilbert变换对，故u1',u2'的关系可以得到：

H(u1')＝c1u2-c2u1＝±u2' (26)

式(26)中，H[·]表示希尔比特变换，两个特征向量之间互为Hilbert变换对，变换对的相位模糊可由相关方法得以消除考虑特征向量的相位模糊，其原理可以描述为：

P＝[H(u1')]^Tu2' (27)

此时，构造复中频伪码波形uf＝u1'+j*sign(P)u2'，有：

根据u1,u2之间的关系：

u1+ju2＝ue^jwn (29)

得到复中频伪码波形：

构造复中频信号s(n)＝sf(n)+j*H[sf(n)]。其中s(n)又可表示为sB(n)代表基带信号，是基带伪随机波形p(t)的循环重复。

此时复中频伪码波形与与复中频信号进行相关，得：

其中，N表示伪码波形点数，等于周期，s^*(iN+j)表示接收信号的第i个分段。结合式(16)，并代入u(n),s(n)得到：

可见相关值的表现形式成为复数坐标系中含频偏的BPSK星座样式，如图5(b)。未知载波频偏和初始相位的前提下，可采用一系列频偏和相偏盲估计方法，如较简单有效基于最大似然的倍频法等对星座的频偏和相偏进行纠正，以获得稳定的判决星座，如图5(c)。其中倍频法^[13]纠正频偏和相偏可以根据式(33)(34)得到，其中对于BPSK星座而言，M＝2：

其中表示星座序列的载波频率，表示其载波相位，据此可实现对星座频偏相偏的纠正，获得稳定的星座序列，最后根据稳定的BP星座样式进行解映射即得到发送序列。图5显示了本发明实施例中信号的主要处理结果。

相比于基带解扩方案，中频盲解扩方案无需恢复伪码序列，直接采用中频伪码波形进行相关解扩解调，同时将周期累加的相差转换为频差，最后通过最大似然的方法进行估计消除，实现了调制星座恢复的同时，降低了基带算法的复杂度，误差传播等问题，提高了算法性能，其流程如图6，短码直扩信号中频数字盲解扩流程，算法分为以下步骤：

步骤1：对接收中频信号进行伪码波形周期估计，得周期T0；

步骤2：从信号起始时刻t＝0起，对信号进行周期分段，计算任意两段信号之间的互相关系数绝对值均值M(t)；

步骤3：令t＝t+Ts，重复步骤2，直至t＝T0，用式(13)得到失步时间估计值；

步骤4：从Tx处开始对信号进行周期分段，计算自相关矩阵均值R；

步骤5:对R进行奇异值分解，获得2个最大特征值对应的左奇异向量u1,u2，重构复中频伪码波形uf＝u1'+j*sign(P)u2'；

步骤6:计算信号复中频信号波形s'＝s+jH(s)，根据式(32)进行相关，获得相关星座；

步骤7:据式(33)、(34)对相关星座进行频偏、相偏消除，即获得同步星座，判决可恢复比特流。

通过对中频DSSS实信号进行特征值分解，获得两个互为希尔伯特变换对的调制伪码波形，进而组合得到复中频伪码波形，与复中频信号进行相关解调解扩得到相关星座，最后推导了不同分段相位累积引起星座旋转的特性，采用非数据辅助最大似然的方法进行纠正，实现了全盲的短码DSSS-BPSK中频信号解扩解调方案，这种方案计算量相比基带分解大大降低，同时性能优良，适合工程实践。

基于上述的方法，本发明还提供一种面向中频的短码直扩信号数组盲解扩装置，参见图7所示，包含：包含：分解模块101、构建模块102和解映射模块103，其中，

分解模块101，用于对接收中频信号进行特征值分解，获取两路正交载波组合的复中频伪码波形，该复中频伪码波形与中频信号含有相同的中频频率；

构建模块102，用于利用复中频伪码波形与中频信号的相关性，构建复数域复相关的向量表示，将波形上周期变化的初始相位转化为星座图频偏，同时保留信息码本身幅度信息；并对星座图频偏和相偏进行纠正，获取稳定判决星座；

解映射模块103，用于依据该稳定判决星座进行解映射，得到信号发送序列。

上述的，参见图8所示，分解模块101包含：估计子模块1001和重构子模块1002，其中，

估计子模块1001，用于对接收中频信号进行伪码波形周期估计，并依据该伪码波形周期估计获取失步时间；

重构子模块1002，用于依据失步时间对信号进行周期分段，获取自相关矩阵；对该自相关矩阵进行奇异值分解，获取两个最大特征值对应的左奇异特征向量，重构复中频伪码波形，其中，两个左奇异特征向量之间互为希尔伯特变换对。

上述的，参见图9所示，构建模块102包含：星座获取子模块2001和纠正子模块2002，其中，

星座获取子模块2001，用于将该复中频伪码波形与复中频信号进行相关获取相关星座图；

纠正子模块2002，用于对相关星座图进行频偏及相偏纠正，获取作为稳定判决星座的同步BPSK二进制相移键控星座。

为进一步验证本发明的有效性，下面通过具体仿真实验数据做进一步解释说明，需要指出的是，实验条件中所采用的信噪比均为去除扩频增益和过采影响的信息序列真实信噪比，其定义为：

Es/N0＝SNR-10log10(K)-10log10(r) (35)

其中，K表示扩频增益，对应短码扩频即为伪码序列长度，r表示过采因子。

1)失步时间估计性能

实验一：实验选取DSSS/BPSK短码扩频信号，伪码序列长度为63，采用根升余弦成型，伪码速率Rb＝160kBd/s，采样率Fs＝800kHz，分别仿真基带信号和中频频率为Fc＝236.3kHz时估计性能，信息符号个数为200，测试信噪比Es/N0范围为0-10dB，每个信噪比条件下进行500次蒙特卡洛仿真，与基带无频偏条件下估计性能进行对比，实验结果对应图10(a)。

实验二：实验选取DSSS/BPSK短码扩频信号，伪码序列长度为63，采用根升余弦成型，伪码速率Rb＝160kBd/s，采样率Fs＝800kHz，信息符号个数设为50～500，信噪比为Es/N0＝5dB,每个数据量条件下进行500次蒙特卡洛仿真，与基带无频偏的算法性能进行对比，实验结果对应图10(b)。

从图10(a)可以看出，存在频偏时，本文预处理环节所采用步时间估计算法在抗噪性能上，相比基带不含载波条件下性能上会有所退化，但大于6dB时基本与其保持一致，即可实现一个采样周期以内的误差性能。同时，图10(b)显示固定信噪比条件下失步时间估计与数据量之间的关系，当信息符号个数大于200时，估计性能基本稳定。

实验三：实验选取DSSS/BPSK短码扩频信号，伪码序列长度为63，采用根升余弦成型，伪码速率Rb＝160kBd/s，采样率Fs＝800kHz，考虑Nyquist采样定理，中频频率范围设为Fc＝180～220kHz，步进5kHz，信息符号个数为200，信噪比为Es/N0＝5dB,每个信噪比条件下进行500次蒙特卡洛仿真，与基带无频偏的算法性能进行对比，实验结果对应图11所示，图中显示算法对载波频率的数值具有较强的鲁棒性，适合实际的盲接收条件，可在较小的数据规模下实现较为精确的失步时间估计，为后续的盲解扩算法作以铺垫。

2)盲解扩方法的误码性能

实验四：实验选取DSSS/BPSK短码扩频信号，伪码序列长度为63，采用升余弦成型，伪码速率Rb＝160kBd/s，采样率Fs＝800kHz，中频频率设为Fc＝236.3kHz，信息符号个数为200，测试信噪比范围为[0dB,10dB],步进1dB，每个信噪比条件下进行50000次蒙特卡洛仿真进行误码率统计。

实验五：实验选取DSSS/BPSK短码扩频信号，伪码序列长度为63，采用升余弦成型，伪码速率Rb＝160kBd/s，采样率Fs＝800kHz，中频频率设为Fc＝236.3kHz，信息符号个数为50～500，测试信噪比范围为Es/N0＝5dB,每个数据量条件下进行50000次蒙特卡洛仿真进行误码率统计。

固定数据量下解调误码率与伪码波形估计的精度直接相关，所以用误码率指标可反映算法在固定数据量不同信噪比下对伪码波形估计的性能。从图12(a)可以看出，本发明技术方案在抗噪性能上优于基于复基带自相关矩阵特征值分解算法及基于子空间跟踪的PASTD主分量提取算法，相比复基带自相关矩阵特征值分解算法，相同条件下，误码率降低50％左右，接近理论限。图12(b)显示了固定信噪比条件下算法估计性能随数据量的变化曲线，对应于中频伪码波形估计的性能，从图中可以看出，基于复基带矩阵分解的CB-SVD算法在数据量较少时性能明显退化，受限于训练数据的信噪比，基于子空间投影的方法随着数据量的增加性能基本稳定，很难获得提。而本发明中的技术方案，随着数据量的增加，性能持续提升，在符号个数为200时基本趋于稳定，收敛速度和稳态误差上均有明显优势。4)算法复杂度分析。

实验六：实验选取DSSS/BPSK短码扩频信号，伪码序列长度为63，采用升余弦成型，伪码速率Rb＝160kBd/s，采样率Fs＝800kHz，考虑Nyquist采样定理，中频频率范围设为Fc＝180～220kHz，步进5kHz，信息符号个数为200，信噪比为Es/N0＝5dB,进行50000次蒙特卡洛仿真进行误码率统计。图13中，显示本发明中频盲解扩方案的误码性能随中频频率的变化，可以看出，本发明盲解扩方案在较大范围的中频频率下性能稳定，对频率数值不敏感，十分适合盲接收条件。

如表1所示，本发明实施例中技术方案的自相关矩阵计算过程中采用一倍周期的中频实信号进行计算，相比二倍周期复信号计算自相关矩阵，计算量为其1/64，同时实数矩阵特征值分解的复杂度为O(N³)，其中N为矩阵维数，当进行复数矩阵分解时，计算量变为2³＝8倍，选择二倍周期，计算量再次变为2³＝8倍，所以本文一倍周期实数自相关矩阵分解，复杂度是原SVD算法的1/64，表明了本发明算法在计算效率上的绝对优势。

表1算法复杂度对比(实数乘法数量)

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

基于上述的方法，本发明实施例还提供一种服务器，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，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的方法。

基于上述的方法，本发明实施例还提供一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现上述的方法。

本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，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单元中，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单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。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或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。