杂音误识别的检测方法、装置和计算机设备与流程

1.本技术涉及语音识别技术领域，特别涉及一种杂音误识别的检测方法、装置和计算机设备。


背景技术：

2.唤醒词、命令词识别技术在应用时，可以实时监测用户的语音，并在检测到特定词汇时作出相应的反馈（比如检测到唤醒词时唤醒设备）。而在实际应用中，经常会出现杂音误识别、误唤醒的情况，比如设备接收到的语音中不包含命令词或者完全是噪音，但是却判定为识别到命令词；此类误识别、误唤醒的情况会给用户带来非常不好的使用体验。


技术实现要素：

3.本技术的主要目的为提供一种杂音误识别的检测方法、装置和计算机设备，旨在解决现有命令词识别技术存在杂音误识别的弊端。
4.为实现上述目的，本技术提供了一种杂音误识别的检测方法，包括：采集语音数据，并对所述语音数据进行识别解码，生成lattice解码图，所述lattice解码图包含若干个解码结果；按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值；根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值；根据各所述候选词分别对应的概率值，判断所述lattice解码图的解码路径的混乱程度是否大于阈值；若所述lattice解码图的解码路径的混乱程度大于阈值，则判定当前次所述语音数据的语音识别结果为杂音误识别。
5.本技术还提供了一种杂音误识别的检测装置，包括：识别模块，用于采集语音数据，并对所述语音数据进行识别解码，生成lattice解码图，所述lattice解码图包含若干个解码结果；赋值模块，用于按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值；计算模块，用于根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值；判断模块，用于根据各所述候选词分别对应的概率值，判断所述lattice解码图的解码路径的混乱程度是否大于阈值；判定模块，用于若所述lattice解码图的解码路径的混乱程度大于阈值，则判定当前次所述语音数据的语音识别结果为杂音误识别。
6.本技术还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算
机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
7.本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
8.本技术中提供的一种杂音误识别的检测方法、装置和计算机设备，语音识别系统采集语音数据，并对语音数据进行识别解码，生成lattice解码图，其中，lattice解码图包含若干个解码结果。语音识别系统按照各个解码结果在lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各个解码结果分别对应的权值。语音识别系统根据各个解码结果分别对应的权值，以及各解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值。最后，语音识别系统根据各个候选词分别对应的概率值，判断lattice解码图的解码路径的混乱程度是否大于阈值。若lattice解码图的解码路径的混乱程度大于阈值，则判定当前次语音数据的语音识别结果为杂音误识别。本技术中，语音识别系统通过解码结果的排序以及对应候选词的概率值，解析得到解码路径的混乱程度。如果当前次的语音识别结果为杂音误识别的结果，其解码结果会比较散乱，即解码路径的混乱程度会大于阈值。这种对杂音误识别的检测方法计算方式简单，不需要引入额外的判别模型，能够大幅减少杂音被误识别的概率，大幅度提高了用户体验和语音识别的准确度。
附图说明
9.图1是本技术一实施例中杂音误识别的检测方法的步骤示意图；图2是本技术一实施例中杂音误识别的检测装置的整体结构框图；图3是本技术一实施例的计算机设备的结构示意框图。
10.本技术目的的实现、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
11.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
12.参照图1，本技术一实施例中提供了一种杂音误识别的检测方法，包括：s1:采集语音数据，并对所述语音数据进行识别解码，生成lattice解码图，所述lattice解码图包含若干个解码结果；s2:按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值；s3:根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值；s4:根据各所述候选词分别对应的概率值，判断所述lattice解码图的解码路径的混乱程度是否大于阈值；s5:若所述lattice解码图的解码路径的混乱程度大于阈值，则判定当前次所述语音数据的语音识别结果为杂音误识别。
13.本实施例中，语音识别系统实时监测是否采集到用户或外界发出的语音数据，如果采集到语音数据，则通过识别解码工具（比如kaldi）对语音数据进行解码识别，生成
lattice解码图。lattice解码图包含若干个解码结果，比如使用kaldi工具识别，可自定义设定解码beam数目，但实际实际生成的解码路径（解码路径对应解码结果）小于或等于此数值；lattice解码图中的各个解码结果按照各自对应的概率分值（解码结果的概率分值，由该解码结果对应的解码路径上各个概率值的乘积）从大到小进行降序排列。语音识别系统首先按照各个解码结果在lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值（即对各个解码结果从大到小依次进行权值赋值，且各个解码结果对应的权值依次递减），从而得到各个解码结果分别对应的权值。然后，语音识别系统将对应相同候选词的若干个解码结果各自对应的权值进行加和，得到各个候选词的分值；并对各个解码结果分别对应的权重进行加和，得到权重总和。再分别计算各个候选词的分值相对于权重总和的比值，得到各个候选词分别对应的概率值。语音识别系统根据各个候选词分别对应的概率值和预设算法，计算得到能够表征lattice解码图的解码路径的混乱程度（或者说离散程度）的熵值，进而将该熵值与预设的熵值阈值进行比对，从而判断lattice解码图的解码路径的混乱程度是否大于阈值。即如果熵值大于熵值阈值，则语音识别系统判定lattice解码图的解码路径的混乱程度大于阈值。如果语音识别系统对当前次语音数据的识别结果属于正常语音识别（即语音数据包含正确的唤醒词或命令词、关键词），则其解码的前beam解码结果应当基本一致（或者理解为前beam的解码结果比较集中），即lattice解码图的解码路径的混乱程度较小（具体表现为计算得到的熵值小于熵值阈值）。而如果语音识别系统对当前次语音数据的识别结果属于杂音误识别（即语音数据为环境音或无意义词语音），其解码结果会比较散乱（即lattice解码图的解码路径的混乱程度较大，具体表现为计算得到的熵值大于熵值阈值）；因此，语音识别系统判定当前次对语音数据的语音识别结果为杂音误识别，不管语音识别结果具体为什么，语音识别系统不会作出任何反馈。
14.本实施例中，语音识别系统通过解码结果的排序以及对应候选词的概率值，解析得到解码路径的混乱程度。如果当前次的语音识别结果为杂音误识别的结果，其解码结果会比较散乱，即解码路径的混乱程度会大于阈值。这种对杂音误识别的检测方法计算方式简单，不需要引入额外的判别模型（比如二级模型判断），能够有效降低终端设备的算力消耗；并且，该检测方法能够准确检测出杂音误识别的情况，从而大幅度减少杂音被误识别的概率，有效提高了用户体验和语音识别的准确度。
15.进一步的，所述按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值的步骤，包括：s201:将各所述解码结果在所述lattice解码图中的排列序位，按照排列顺序依次代入第一计算式中，分别计算得到各所述解码结果各自分别对应的权值，其中，第一计算式为：，其中，q为所述解码结果对应的权值，n为所述解码结果对应的排列序位，x为递减值；s202:当计算至第一解码结果对应的权值小于权值阈值时，则所述第一解码结果以及各个第二解码结果的权值均设置为固定值，其中，所述第二解码结果为所述lattice解码图中排序在所述第一解码结果之后的所有解码结果。
16.本实施例中，语音识别系统将各个解码解码在lattice解码图中的排列序列，按照
各自对应的排列顺序依次代入第一计算式中，从而分别计算得到各个解码结果各自分别对应的权值。其中，q为解码结果对应的权值，n为解码结果对应的排列序位，x为递减值（递减值可以根据实际需要进行自定义）。在依次计算各个解码结果的权值的过程中，如果计算至第一解码结果（第一解码结果为所有解码结果中的其中一个）对应的权值小于权值阈值时，则将第一解码结果以及该第一解码结果排序之后的所有解码结果（即各个第二解码结果）对应的权值均设置为固定值。语音识别系统按照本实施例所述的规则对各个解码结果进行权值赋值，得到各个解码结果分别对应的权值。
17.下面列举一个例子，以对本实施例中权值赋值的规则进行更好的说明。假定lattice解码图的解码结果有7个，从大到小依次排序为：r1、r2、r3、r4、r5、r6、r7，递减值x设定为0.2，权值阈值设定为0.2，固定值设定为0.1；通过第一计算式分别计算得到r1的权值为1，r2的权值为0.8，r3的权值为0.6，r4的权值为0.4，r5的权值为0.2；当计算到r6的权值时，如果按照第一计算式进行计算，r6的权值为0，小于权值阈值0.2，因此将r6以及排序之后的r7对应的权值均设定为固定值0.1。
18.进一步的，所述根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值的步骤，包括：s301:将对应相同候选词的若干个所述解码结果各自对应的权值进行加和，得到各所述候选词各自对应的分值；并对各所述解码结果分别对应的权重进行加和，得到权重总和；s302:分别计算各所述候选词的分值相对于所述权重总和的比值，得到各所述候选词分别对应的所述概率值。
19.本实施例中，语音识别系统将对应相同候选词的若干个解码结果各自对应的权值进行加和，得到各个候选词各自对应的分值；并对各个解码结果分别对应的权重进行加和，从而得到权重总和。然后，语音识别系统分别计算各个候选词的分值相对于该权重总和的比值，从而得到各个候选词分别对应的概率值。
20.以步骤s201—s202的实施例中所列举的例子为基础，对本实施例进行举例说明。假设对应候选词a的解码结果总共有r1和r3，则候选词a的分值为：r1 r3=1 0.6=1.6；权重总和为：1 0.8 0.6 0.4 0.2 0.1 0.1=3.2；候选词a的概率值则为：1.6
÷
3.2=0.5。
21.进一步的，所述根据各所述候选词分别对应的概率值，判断所述lattice解码图的解码路径的混乱程度是否大于阈值的步骤，包括：s401:将各所述候选词分别对应的概率值代入第二计算式中，计算得到熵值，其中，所述熵值表征所述lattice解码图的解码路径的混乱程度，所述第二计算式为：，s为所述熵值，pi表征第i个候选词的概率值；s402:判断所述熵值是否大于熵值阈值；s403:若所述熵值大于熵值阈值，则判定所述lattice解码图的解码路径的混乱程度大于阈值；s404:若所述熵值小于熵值阈值，则判定所述lattice解码图的解码路径的混乱程
度小于阈值。
22.本实施例中，语音识别系统在计算得到各个候选词各自对应的概率值后，将各个候选词的概率值代入第二计算式中进行熵值的计算，以解析得到lattice解码图的解码路径的混乱程度；其中，第二计算式为：，s表征熵值，pi表征第i个候选词的概率值。比如总共有3个候选词，候选词a的概率值为0.5，候选词b的概率值为0.3，候选词c的概率值为0.2，则熵值s=－（0.5
×
log（0.5） 0.3
×
log（0.3） 0.2
×
log（0.2））。语音识别系统调取预设的熵值阈值，并将当前次计算所得的熵值与熵值阈值进行比对。如果熵值大于熵值阈值，则说明当前次的lattice解码图的解码路径较为混乱，语音识别系统判定lattice解码图的解码路径的混乱程度大于阈值。如果熵值小于熵值阈值，则说明当前次的lattice解码图的解码路径基本一致，语音识别系统判定所述lattice解码图的解码路径的混乱程度小于阈值。
23.进一步的，所述对所述语音数据进行识别解码，生成lattice解码图的步骤，包括：s101:使用语音识别工具对所述语音数据进行识别解码，得到所述lattice解码图；s102:将所述lattice解码图所包含的各个所述解码结果按照各自的概率得分进行降序排列。
24.本实施例中，语音识别系统在监测、采集到外界输入的语音数据（该语音数据可能是人声，也可能是环境声或其他类型的声音）后，使用语音识别工具（比如kaldi）对该语音数据进行识别解码，从而得到lattice解码图（以kaldi为例，kaldi的一般流程为：声学模型 语言模型，具体为dnn输出pdf-id，结合hclg的wfst，解码生成lattic解码图，在lattice解码图其中搜索最优的n best作为识别结果）。语音识别系统将lattice解码图所包含的各个解码结果按照各自的概率得分（解码结果的概率得分为该解码结果对应的解码路径上各个概率值的乘积）进行降序排列，以便后续语音识别系统对各个解码结果进行权值赋值。
25.参照图2，本技术一实施例中还提供了一种杂音误识别的检测装置，包括：识别模块1，用于采集语音数据，并对所述语音数据进行识别解码，生成lattice解码图，所述lattice解码图包含若干个解码结果；赋值模块2，用于按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值；计算模块3，用于根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值；判断模块4，用于根据各所述候选词分别对应的概率值，判断所述lattice解码图的解码路径的混乱程度是否大于阈值；判定模块5，用于若所述lattice解码图的解码路径的混乱程度大于阈值，则判定当前次所述语音数据的语音识别结果为杂音误识别。
26.进一步的，所述赋值模块2，包括：第一计算单元，用于将各所述解码结果在所述lattice解码图中的排列序位，按照排列顺序依次代入第一计算式中，分别计算得到各所述解码结果各自分别对应的权值，其
中，第一计算式为：，其中，q为所述解码结果对应的权值，n为所述解码结果对应的排列序位，x为递减值；设置单元，用于当计算至第一解码结果对应的权值小于权值阈值时，则所述第一解码结果以及各个第二解码结果的权值均设置为固定值，其中，所述第二解码结果为所述lattice解码图中排序在所述第一解码结果之后的所有解码结果。
27.进一步的，所述计算模块3，包括：第二计算单元，用于将对应相同候选词的若干个所述解码结果各自对应的权值进行加和，得到各所述候选词各自对应的分值；并对各所述解码结果分别对应的权重进行加和，得到权重总和；第三计算单元，用于分别计算各所述候选词的分值相对于所述权重总和的比值，得到各所述候选词分别对应的所述概率值。
28.进一步的，所述判断模块4，包括：第四计算单元，用于将各所述候选词分别对应的概率值代入第二计算式中，计算得到熵值，其中，所述熵值表征所述lattice解码图的解码路径的混乱程度，所述第二计算式为：，s为所述熵值，pi表征第i个候选词的概率值；判断单元，用于判断所述熵值是否大于熵值阈值；第一判定单元，用于若所述熵值大于熵值阈值，则判定所述lattice解码图的解码路径的混乱程度大于阈值；第二判定单元，用于若所述熵值小于熵值阈值，则判定所述lattice解码图的解码路径的混乱程度小于阈值。
29.进一步的，所述识别模块1，包括：解码单元，用于使用语音识别工具对所述语音数据进行识别解码，得到所述lattice解码图；排序单元，用于将所述lattice解码图所包含的各个所述解码结果按照各自的概率得分进行降序排列。
30.本实施例中，杂音误识别的检测装置中各模块、单元用于对应执行与上述杂音误识别的检测方法中的各个步骤，其具体实施过程在此不做详述。
31.本实施例提供的一种杂音误识别的检测装置，语音识别系统采集语音数据，并对语音数据进行识别解码，生成lattice解码图，其中，lattice解码图包含若干个解码结果。语音识别系统按照各个解码结果在lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各个解码结果分别对应的权值。语音识别系统根据各个解码结果分别对应的权值，以及各解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值。最后，语音识别系统根据各个候选词分别对应的概率值，判断lattice解码图的解码路径的混乱程度是否大于阈值。若lattice解码图的解码路径的混乱程度大于阈值，则判定当前次语音数据的语音识别结果为杂音误识别。本技术中，语音识别系统通过解码结果的排序以及对应候选词的概率值，解析得到解码路径的混乱程度。如果当前次的语音识别结果
为杂音误识别的结果，其解码结果会比较散乱，即解码路径的混乱程度会大于阈值。这种对杂音误识别的检测方法计算方式简单，不需要引入额外的判别模型，能够大幅减少杂音被误识别的概率，大幅度提高了用户体验和语音识别的准确度。
32.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储阈值等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种杂音误识别的检测方法。
33.上述处理器执行上述杂音误识别的检测方法的步骤：s1:采集语音数据，并对所述语音数据进行识别解码，生成lattice解码图，所述lattice解码图包含若干个解码结果；s2:按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值；s3:根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值；s4:根据各所述候选词分别对应的概率值，判断所述lattice解码图的解码路径的混乱程度是否大于阈值；s5:若所述lattice解码图的解码路径的混乱程度大于阈值，则判定当前次所述语音数据的语音识别结果为杂音误识别。
34.进一步的，所述按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值的步骤，包括：s201:将各所述解码结果在所述lattice解码图中的排列序位，按照排列顺序依次代入第一计算式中，分别计算得到各所述解码结果各自分别对应的权值，其中，第一计算式为：，其中，q为所述解码结果对应的权值，n为所述解码结果对应的排列序位，x为递减值；s202:当计算至第一解码结果对应的权值小于权值阈值时，则所述第一解码结果以及各个第二解码结果的权值均设置为固定值，其中，所述第二解码结果为所述lattice解码图中排序在所述第一解码结果之后的所有解码结果。
35.进一步的，所述根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值的步骤，包括：s301:将对应相同候选词的若干个所述解码结果各自对应的权值进行加和，得到各所述候选词各自对应的分值；并对各所述解码结果分别对应的权重进行加和，得到权重总和；s302:分别计算各所述候选词的分值相对于所述权重总和的比值，得到各所述候选词分别对应的所述概率值。
36.进一步的，所述根据各所述候选词分别对应的概率值，判断所述lattice解码图的
解码路径的混乱程度是否大于阈值的步骤，包括：s401:将各所述候选词分别对应的概率值代入第二计算式中，计算得到熵值，其中，所述熵值表征所述lattice解码图的解码路径的混乱程度，所述第二计算式为：，s为所述熵值，pi表征第i个候选词的概率值；s402:判断所述熵值是否大于熵值阈值；s403:若所述熵值大于熵值阈值，则判定所述lattice解码图的解码路径的混乱程度大于阈值；s404:若所述熵值小于熵值阈值，则判定所述lattice解码图的解码路径的混乱程度小于阈值。
37.进一步的，所述对所述语音数据进行识别解码，生成lattice解码图的步骤，包括：s101:使用语音识别工具对所述语音数据进行识别解码，得到所述lattice解码图；s102:将所述lattice解码图所包含的各个所述解码结果按照各自的概率得分进行降序排列。
38.本技术一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种杂音误识别的检测方法，所述杂音误识别的检测方法具体为：s1:采集语音数据，并对所述语音数据进行识别解码，生成lattice解码图，所述lattice解码图包含若干个解码结果；s2:按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值；s3:根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值；s4:根据各所述候选词分别对应的概率值，判断所述lattice解码图的解码路径的混乱程度是否大于阈值；s5:若所述lattice解码图的解码路径的混乱程度大于阈值，则判定当前次所述语音数据的语音识别结果为杂音误识别。
39.进一步的，所述按照各所述解码结果在所述lattice解码图中的排列顺序，依次根据预设递减规则进行权值赋值，得到各所述解码结果分别对应的权值的步骤，包括：s201:将各所述解码结果在所述lattice解码图中的排列序位，按照排列顺序依次代入第一计算式中，分别计算得到各所述解码结果各自分别对应的权值，其中，第一计算式为：，其中，q为所述解码结果对应的权值，n为所述解码结果对应的排列序位，x为递减值；s202:当计算至第一解码结果对应的权值小于权值阈值时，则所述第一解码结果以及各个第二解码结果的权值均设置为固定值，其中，所述第二解码结果为所述lattice解码图中排序在所述第一解码结果之后的所有解码结果。
40.进一步的，所述根据各所述解码结果分别对应的权值，以及各所述解码结果分别对应的候选词，计算得到若干个候选词分别对应的概率值的步骤，包括：s301:将对应相同候选词的若干个所述解码结果各自对应的权值进行加和，得到各所述候选词各自对应的分值；并对各所述解码结果分别对应的权重进行加和，得到权重总和；s302:分别计算各所述候选词的分值相对于所述权重总和的比值，得到各所述候选词分别对应的所述概率值。
41.进一步的，所述根据各所述候选词分别对应的概率值，判断所述lattice解码图的解码路径的混乱程度是否大于阈值的步骤，包括：s401:将各所述候选词分别对应的概率值代入第二计算式中，计算得到熵值，其中，所述熵值表征所述lattice解码图的解码路径的混乱程度，所述第二计算式为：，s为所述熵值，pi表征第i个候选词的概率值；s402:判断所述熵值是否大于熵值阈值；s403:若所述熵值大于熵值阈值，则判定所述lattice解码图的解码路径的混乱程度大于阈值；s404:若所述熵值小于熵值阈值，则判定所述lattice解码图的解码路径的混乱程度小于阈值。
42.进一步的，所述对所述语音数据进行识别解码，生成lattice解码图的步骤，包括：s101:使用语音识别工具对所述语音数据进行识别解码，得到所述lattice解码图；s102:将所述lattice解码图所包含的各个所述解码结果按照各自的概率得分进行降序排列。
43.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram通过多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双速据率sdram（ssrsdram）、增强型sdram（esdram）、同步链路（synchlink）dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
44.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、第一物体或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、第一物体或者方法所固有的要素。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、装置、第一物体或者方法中还存在另外的相同要素。
45.以上所述仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术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它相关的技术领域，均同理包括在本技术的专利保护范围内。