越区覆盖小区的定位方法、装置、存储介质和计算机设备与流程

越区覆盖小区的定位方法、装置、存储介质和计算机设备
【技术领域】
1.本发明涉及无线通信技术领域，尤其涉及一种越区覆盖小区的定位方法、装置、存储介质和计算机设备。


背景技术：

2.对于第四代移动通信技术(the 4th generation mobile communication technology，简称4g)或第五代移动通信技术(the 5th generation mobile communication technology，简称5g)网络来说，有些基站会由于天线挂高过高或者俯仰角过小引起该小区的覆盖距离过远，从而越区覆盖到其他基站的站点覆盖的区域，并且在该区域手机接收到的信号电平较好，从而会与其他小区相互产生干扰，影响用户感知。
3.相关技术中，越区覆盖问题很难发现，目前排查越区覆盖问题，一般靠现场测试，但是现场测试也并不准确，而定位出越区覆盖小区的主要方法为，根据小区的平均ta，结合站间距来综合判定该小区是否为越区覆盖小区，这种判定方法筛选出的越区覆盖小区的数量很多，使得定位出越区覆盖小区的误差很大，定位出的越区覆盖小区非常不准确。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种越区覆盖小区的定位方法、装置、存储介质和计算机设备，用以提高定位出越区覆盖小区的准确性。
5.一方面，本发明实施例提供了一种越区覆盖小区的定位方法，包括：
6.根据获取的采样点标识、主服务小区标识、主服务小区时间提前量ta信息和主服务小区天线到达角aoa信息构建数据矩阵；
7.根据所述数据矩阵，生成ta分布曲线；
8.通过差分向量计算法，对所述ta分布曲线进行计算，生成越区覆盖距离区间；
9.根据所述数据矩阵，选取出所述越区覆盖距离区间的采样点；
10.通过聚类算法dbscan，对所述采样点进行计算，生成越区覆盖区域；
11.根据获取的宏站信息和所述越区覆盖区域，确定出越区覆盖小区。
12.可选地，所述通过差分向量计算法，对所述ta分布曲线进行计算，生成越区覆盖距离区间，包括：
13.通过差分向量计算法，对所述ta分布曲线进行计算，生成峰值位；
14.根据所述峰值位生成次波峰位；
15.根据所述次波峰位，生成越区覆盖距离区间。
16.可选地，所述通过差分向量计算法，对所述ta分布曲线进行计算，生成峰值位，包括：
17.根据获取的第i个ta区间的采样点数量，生成第一差分向量；
18.根据所述第一差分向量生成第二差分向量；
19.根据所述第二差分向量生成第三差分向量；
20.判断所述第三差分向量是否为设定数值；
21.若判断出所述第三差分向量为设定数值，则将第i+1个ta区间的采样点数量对应的峰值位确定为峰值位。
22.可选地，所述根据所述峰值位生成次波峰位，包括：
23.通过差分向量计算法对所述波峰位进行计算，生成ta采样点占比；
24.判断所述ta采样点占比是否为第二大且是否大于最大的ta采样点占比的设定倍数；
25.若判断出所述ta采样点占比为第二大且是否大于最大的ta采样点占比的设定倍数，则将所述ta采样点占比为第二大且大于最大的ta采样点占比的设定倍数的峰值位确定为次波峰位。
26.可选地，所述根据获取的第i个ta区间的采样点数量，生成第一差分向量，包括：
27.通过公式diffv(i)＝v(i+1)-v(i)，i∈1,2,3
…
n-1对所述第i个ta区间的采样点数量进行计算，生成第一差分向量，其中，i表示第i个ta区间，v(i)表示所述第i个ta区间的采样点数量，diffv(i)为所述第一差分向量。
28.可选地，所述根据所述第一差分向量生成第二差分向量，包括：
29.通过公式trend＝sign(diffv)，if trend(i)＝0，trend(i+1)≥0，trend(i)＝1，if trend(i)＝0，trend(i+1)＜0，trend(i)＝-1对所述第一差分向量进行计算，生成第二差分向量，其中，diffv(i)为所述第一差分向量，trend为所述第二差分向量。
30.可选地，所述根据所述第二差分向量生成第三差分向量，包括：
31.通过公式r＝diff(trend)＝trend(i+1)-trend(i)对所述第二差分向量进行计算，生成第三差分向量，其中，trend为所述第二差分向量，r为所述第三差分向量。
32.另一方面，本发明实施例提供了一种越区覆盖小区的定位装置，包括：
33.构建模块，用于根据获取的采样点标识、主服务小区标识、主服务小区时间提前量ta信息和主服务小区天线到达角aoa信息构建数据矩阵；
34.第一生成模块，用于根据所述数据矩阵，生成ta分布曲线；
35.第二生成模块，用于通过差分向量计算法，对所述ta分布曲线进行计算，生成越区覆盖距离区间；
36.选取模块，用于根据所述数据矩阵，选取出所述越区覆盖距离区间的采样点；
37.第三生成模块，用于通过聚类算法dbscan，对所述采样点进行计算，生成越区覆盖区域；
38.确定模块，用于根据获取的宏站信息和所述越区覆盖区域，确定出越区覆盖小区。
39.另一方面，本发明实施例提供了一种存储介质，包括：所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述越区覆盖小区的定位方法。
40.另一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述
程序指令被处理器加载并执行时实现上述越区覆盖小区的定位方法的步骤。
41.本发明实施例提供的越区覆盖小区的定位方法的技术方案中，根据获取的采样点标识、主服务小区标识、主服务小区时间提前量ta信息和主服务小区天线到达角aoa信息构建数据矩阵；根据数据矩阵，生成ta分布曲线；通过差分向量计算法，对ta分布曲线进行计算，生成越区覆盖距离区间；根据数据矩阵，选取出越区覆盖距离区间的采样点；通过聚类算法dbscan，对采样点进行计算，生成越区覆盖区域；根据获取的宏站信息和越区覆盖区域，确定出越区覆盖小区。本发明实施例提供的技术方案中，能够基于ta分布曲线确定出越区覆盖小区，提高了定位出越区覆盖小区的准确性。
【附图说明】
42.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
43.图1为本发明实施例提供的一种越区覆盖小区的定位方法的流程图；
44.图2为ta分布曲线的示意图；
45.图3为图1中通过差分向量计算法，对ta分布曲线进行计算，生成越区覆盖距离区间的流程图；
46.图4为图3中通过差分向量计算法，对ta分布曲线进行计算，生成峰值位的流程图；
47.图5为本发明实施例提供的一种越区覆盖小区的定位装置的结构示意图；
48.图6为图5中第二生成模块的结构示意图；
49.图7为本发明实施例提供的一种计算机设备的示意图。
【具体实施方式】
50.为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
51.应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
52.在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
53.应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
54.本发明实施例提供了一种越区覆盖小区的定位方法，图1为本发明实施例提供的一种越区覆盖小区的定位方法的流程图，如图1所示，该方法包括：
55.步骤102、根据获取的采样点标识、主服务小区标识、主服务小区时间提前量ta信息和主服务小区天线到达角aoa信息构建数据矩阵。
56.本发明实施例中，各步骤由计算机设备执行。例如，计算机设备包括计算机或平板电脑。
57.本发明实施例中，步骤102之前还包括：从用户设备获取采样点标识、主服务小区标识、主服务小区时间提前量(timing advance，简称ta)信息和主服务小区天线到达角(angle of arrival，简称aoa)信息。例如，用户设备包括手机或平板电脑。
58.本步骤中，根据获取的采样点标识、主服务小区标识、主服务小区ta信息和主服务小区aoa信息构建数据矩阵。例如，数据矩阵为
[0059][0060]
其中，samplingpointidn为采样点标识，scellid为主服务小区标识，mr.ltesctadvn为主服务小区ta信息，mr.ltescaoan为主服务小区aoa信息。
[0061]
本发明实施例中，主服务小区ta信息mr.ltesctadvn可用于确定用户设备距离基站的远近，因此越区覆盖的小区在ta分布曲线上会呈现出小区近处覆盖用户很多，中间距离覆盖用户较少，超远覆盖位置用户也较多，且仅次于基站近处用户数的特征。
[0062]
步骤104、根据数据矩阵，生成ta分布曲线。
[0063]
具体地，根据数据矩阵，按照主服务小区标识scellid生成ta分布曲线。
[0064]
图2为ta分布曲线的示意图，如图2所示，图2的横坐标为时间，单位为毫秒，纵坐标为采样点数量，单位为个，并将符合如图2所示特征的小区判定为疑似越区覆盖小区。
[0065]
步骤106、通过差分向量计算法，对ta分布曲线进行计算，生成越区覆盖距离区间。
[0066]
本发明实施例中，图3为图1中通过差分向量计算法，对ta分布曲线进行计算，生成越区覆盖距离区间的流程图，如图3所示，步骤106包括：
[0067]
步骤1062、通过差分向量计算法，对ta分布曲线进行计算，生成峰值位。
[0068]
本发明实施例中，峰值位的峰值点满足ta分布曲线的一阶导数为0，二阶导数为负数。由于ta分布是离散分布，可以采用差分向量计算法来确定ta分布曲线的峰值位。
[0069]
本发明实施例中，图4为图3中通过差分向量计算法，对ta分布曲线进行计算，生成峰值位的流程图，如图4所示，步骤1062包括：
[0070]
步骤a1、根据获取的第i个ta区间的采样点数量，生成第一差分向量。
[0071]
具体地，通过公式diffv(i)＝v(i+1)-v(i)，i∈1,2,3
…
n-1对第i个ta区间的采样点数量进行计算，生成第一差分向量，其中，i表示第i个ta区间，v(i)表示第i个ta区间的采样点数量，diffv(i)为第一差分向量。
[0072]
步骤a2、根据第一差分向量生成第二差分向量。
[0073]
具体地，通过公式trend＝sign(diffv)，iftrend(i)＝0，trend(i+1)≥0，trend(i)＝1，if trend(i)＝0，trend(i+1)＜0，trend(i)＝-1对所述第一差分向量进行计算，生成第二差分向量，其中，diffv(i)为第一差分向量，trend为第二差分向量。
[0074]
本步骤中，对第一差分向量进行取符号函数运算，即遍历diffv，若diffv(i)＞0，则
取1，若diffv(i)＜0，则取-1，若diffv(i)＝0，则取值为0。
[0075]
步骤a3、根据第二差分向量生成第三差分向量。
[0076]
具体地，通过公式r＝diff(trend)＝trend(i+1)-trend(i)对第二差分向量进行计算，生成第三差分向量，其中，trend为第二差分向量，r为第三差分向量。
[0077]
步骤a4、判断第三差分向量是否为设定数值，若是，执行步骤a5；若否，流程结束。
[0078]
本发明实施例中，设定数值可设置为-2。
[0079]
本发明实施例中，若判断出第三差分向量为设定数值，则表明已找出ta分布曲线的峰值位；若判断出第三差分向量不为设定数值，则表明未找出ta分布曲线的峰值位。
[0080]
步骤a5、将第i+1个ta区间的采样点数量对应的峰值位确定为峰值位。
[0081]
本步骤中，第i+1个ta区间的采样点数量对应的峰值位的峰值为v(i+1)。
[0082]
步骤1064、根据峰值位生成次波峰位。
[0083]
本发明实施例中，步骤1064包括：
[0084]
步骤b1、通过差分向量计算法对所述波峰位进行计算，生成ta采样点占比。
[0085]
步骤b2、判断ta采样点占比是否为第二大且是否大于最大的ta采样点占比的设定倍数，若是，执行步骤b3；若否，流程结束。
[0086]
本步骤中，若判断出ta采样点占比为第二大且大于最大的ta采样点占比的设定倍数，则该ta采样点占比为第二大且大于最大的ta采样点占比的设定倍数的峰值位为次波峰位；若判断出ta采样点占比不为第二大或小于或等于最大的ta采样点占比的设定倍数，则未找出次波峰位。
[0087]
步骤b3、将ta采样点占比为第二大且大于最大的ta采样点占比的设定倍数的峰值位确定为次波峰位。
[0088]
本步骤中，对通过差分向量法得到的峰值位计算其ta采样点占比，ta采样点占比最大的是主波峰，即距离基站较近正常覆盖的区域。ta采样点占比第二大且满足采样点占比大于主波峰采样点占比的设定倍数的波峰，确定为次波峰位，也为越区覆盖区域的峰值点。
[0089]
步骤1066、根据次波峰位，生成越区覆盖距离区间。
[0090]
本步骤中，根据次波峰位的ta区间i，从i向左右两个方向做差分计算，即计算v(i)-v(i+1)和v(i)-v(i-1)，当v(i)-v(i+1)＞0时则继续计算v(i+1)-v(i+2)，直至v(i+m)-v(i+m+1)≤0，当v(i)-v(i-1)＞0时则继续计算v(i-1)-v(i-2)，直至v(i-n)-v(i-n-1)≤0，则确定越区覆盖区域的距离区间为[i-n,i+m]。其中，n和m为设置的参数。
[0091]
步骤108、根据数据矩阵，选取出越区覆盖距离区间的采样点。
[0092]
例如，根据数据矩阵，选取出越区覆盖距离区间[i-n,i+m]的采样点。
[0093]
步骤110、通过聚类算法dbscan，对采样点进行计算，生成越区覆盖区域。
[0094]
本发明实施例中，聚类算法(density-based spatial clustering of applications with noise，简称dbscan)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。
[0095]
本步骤中，设定扫描半径为eps，最小包含点数为minpts，任选一个未被访问的采样点开始，找到eps范围内的所有点，如果附近所有点的数量≥minpts，则当前点被标记为
核心点并分配一个新的簇，并且将该点标记为已访问，以此递归，以相同的方法去处理该簇内所有未被标记为已访问的点，如果其邻近点没有被分配一个簇，那么就将刚创建的新簇标签分配给他们，如果他们是核心点，就依次访问其邻近点，直到在簇的eps内没有更多的核心样本为止。如果附近所有点的数量《minpts，则该点暂时被标记为噪声点。选取新的没有被标记为已访问的点重复以上过程，直至聚类出所设定的n个簇，即为越区覆盖区域。
[0096]
步骤112、根据获取的宏站信息和越区覆盖区域，确定出越区覆盖小区。
[0097]
本步骤中，从服务器中获取宏站信息，以越区覆盖区域为中心，在半径r范围内，查找是否存在合理覆盖的宏站，聚类簇和小区连线分布在小区的方位角
±
δ度的范围内，即该宏站的覆盖方向包含步骤110得到的越区覆盖区域，如果存在这样的宏站，则确认该小区为越区覆盖问题小区。
[0098]
本发明实施例提供的技术方案中，根据获取的采样点标识、主服务小区标识、主服务小区时间提前量ta信息和主服务小区天线到达角aoa信息构建数据矩阵；根据数据矩阵，生成ta分布曲线；通过差分向量计算法，对ta分布曲线进行计算，生成越区覆盖距离区间；根据数据矩阵，选取出越区覆盖距离区间的采样点；通过聚类算法dbscan，对采样点进行计算，生成越区覆盖区域；根据获取的宏站信息和越区覆盖区域，确定出越区覆盖小区。本发明实施例提供的技术方案中，能够基于ta分布曲线确定出越区覆盖小区，提高了定位出越区覆盖小区的准确性。
[0099]
本发明实施例提供的技术方案中，能够基于用户设备上报的采样点标识、主服务小区标识、主服务小区时间提前量ta信息和主服务小区天线到达角aoa信息，呈现出小区的ta分布曲线图，如果ta分布曲线图呈现出小区近处覆盖用户很多，中间距离覆盖用户较少，超远覆盖位置用户也较多，且仅次于基站近处用户数这样的特征，那么认为该小区是疑似越区覆盖小区，然后结合用户设备上报的采样点，计算越区覆盖区域，最后关联服务器中的宏站信息，判定越区覆盖区域是否有合理的覆盖基站，如有则判定该小区为越区覆盖小区，用户上报的数据真实客观，判定准确性高。
[0100]
本发明实施例提供了一种越区覆盖小区的定位装置。图5为本发明实施例提供的一种越区覆盖小区的定位装置的结构示意图，如图5所示，该装置包括：构建模块11、第一生成模块12、第二生成模块13、选取模块14、第三生成模块15和确定模块16。
[0101]
构建模块11用于根据获取的采样点标识、主服务小区标识、主服务小区时间提前量ta信息和主服务小区天线到达角aoa信息构建数据矩阵。
[0102]
第一生成模块12用于根据所述数据矩阵，生成ta分布曲线。
[0103]
第二生成模块13用于通过差分向量计算法，对所述ta分布曲线进行计算，生成越区覆盖距离区间。
[0104]
选取模块14用于根据所述数据矩阵，选取出所述越区覆盖距离区间的采样点。
[0105]
第三生成模块15用于通过聚类算法dbscan，对所述采样点进行计算，生成越区覆盖区域。
[0106]
确定模块16用于根据获取的宏站信息和所述越区覆盖区域，确定出越区覆盖小区。
[0107]
本发明实施例中，图6为图5中第二生成模块13的结构示意图，如图6所示，第二生成模块13包括：第一生成子模块131、第二生成子模块132和第三生成子模块133。
[0108]
第一生成子模块131用于通过差分向量计算法，对所述ta分布曲线进行计算，生成峰值位。
[0109]
第二生成子模块132用于根据所述峰值位生成次波峰位。
[0110]
第三生成子模块133用于根据所述次波峰位，生成越区覆盖距离区间。
[0111]
本发明实施例中，第一生成子模块131具体用于根据获取的第i个ta区间的采样点数量，生成第一差分向量；根据所述第一差分向量生成第二差分向量；根据所述第二差分向量生成第三差分向量；判断所述第三差分向量是否为设定数值；若判断出所述第三差分向量为设定数值，则将第i+1个ta区间的采样点数量对应的峰值位确定为峰值位。
[0112]
本发明实施例中，第三生成子模块132具体用于通过差分向量计算法对所述次波峰位进行计算，生成ta采样点占比；判断所述ta采样点占比是否为第二大且是否大于最大的ta采样点占比的设定倍数；若判断出所述ta采样点占比为第二大且是否大于最大的ta采样点占比的设定倍数，则将所述ta采样点占比为第二大且大于最大的ta采样点占比的设定倍数的峰值位确定为次波峰位。
[0113]
本发明实施例中，第一生成子模块131具体用于通过公式diffv(i)＝v(i+1)-v(i)，i∈1,2,3
…
n-1对所述第i个ta区间的采样点数量进行计算，生成第一差分向量，其中，i表示第i个ta区间，v(i)表示所述第i个ta区间的采样点数量，diffv(i)为所述第一差分向量。
[0114]
本发明实施例中，第一生成子模块131具体用于通过公式trend＝sign(diffv)，if trend(i)＝0，trend(i+1)≥0，trend(i)＝1，if trend(i)＝0，trend(i+1)＜0，trend(i)＝-1对所述第一差分向量进行计算，生成第二差分向量，其中，diffv(i)为所述第一差分向量，trend为所述第二差分向量。
[0115]
本发明实施例中，第一生成子模块131具体用于通过公式r＝diff(trend)＝trend(i+1)-trend(i)对所述第二差分向量进行计算，生成第三差分向量，其中，trend为所述第二差分向量，r为所述第三差分向量。
[0116]
本发明实施例提供的技术方案中，根据获取的采样点标识、主服务小区标识、主服务小区时间提前量ta信息和主服务小区天线到达角aoa信息构建数据矩阵；根据数据矩阵，生成ta分布曲线；通过差分向量计算法，对ta分布曲线进行计算，生成越区覆盖距离区间；根据数据矩阵，选取出越区覆盖距离区间的采样点；通过聚类算法dbscan，对采样点进行计算，生成越区覆盖区域；根据获取的宏站信息和越区覆盖区域，确定出越区覆盖小区。本发明实施例提供的技术方案中，能够基于ta分布曲线确定出越区覆盖小区，提高了定位出越区覆盖小区的准确性。
[0117]
本实施例提供的越区覆盖小区的定位装置可用于实现上述图1、图3和图4中的越区覆盖小区的定位方法，具体描述可参见上述越区覆盖小区的定位方法的实施例，此处不再重复描述。
[0118]
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述越区覆盖小区的定位方法的实施例的各步骤，具体描述可参见上述越区覆盖小区的定位方法的实施例。
[0119]
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述越区覆盖小区的定位方法的实施例的各步骤，具体描述可参见上述越区覆盖小区的定位方法的实施例。
[0120]
图7为本发明实施例提供的一种计算机设备的示意图。如图7所示，该实施例的计算机设备20包括：处理器21、存储器22以及存储在存储器22中并可在处理器21上运行的计算机程序23，该计算机程序23被处理器21执行时实现实施例中的应用于越区覆盖小区的定位方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器21执行时实现实施例中应用于越区覆盖小区的定位装置中各模型/单元的功能，为避免重复，此处不一一赘述。
[0121]
计算机设备20包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，图7仅仅是计算机设备20的示例，并不构成对计算机设备20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，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
[0122]
所称处理器21可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0123]
存储器22可以是计算机设备20的内部存储单元，例如计算机设备20的硬盘或内存。存储器22也可以是计算机设备20的外部存储设备，例如计算机设备20上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器22还可以既包括计算机设备20的内部存储单元也包括外部存储设备。存储器22用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器22还可以用于暂时地存储已经输出或者将要输出的数据。
[0124]
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，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0125]
在本发明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。例如，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，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。
[0126]
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。
[0127]
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。上述集成的单
元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0128]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0129]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。