一种适应性背景噪声检测方法、系统及介质与流程

1.本发明涉及噪声检测的技术领域，具体涉及一种适应性背景噪声检测方法、系统及介质。


背景技术：

2.在声音的录制、通信、检测等系统中，常常伴随着背景噪声，而影响到声音质量，一是造成听觉上的干扰，二是降低侦测的准确度，因此背景噪声的消除或抑制变成一个非常重要的问题。
3.现阶段的声音降噪方法层出不穷，但基于单一颗麦克风的降噪方法却非常有限，通常是基于频谱相减的方法，而这个方法需要有效的估算背景噪声，才能发挥其最大的效果，否则可能适得其反，产生多余的噪声。现有技术中的声音活动侦测(voice activity detection；vad)通常是基于声音能量大小来判断的，但由于环境中的噪声会发生变化，这种侦测方法无法及时的根据噪声的变化做成适时的调整，因此检测准确度不够理想。
4.因此，提供一种能够随侦测环境噪声的变化而做出适时调整，从而实现高检测准确度的背景噪声检测方法、系统及介质就显得尤为重要。


技术实现要素：

5.为了解决现有技术中的声音活动侦测方法无法根据侦测环境噪声的变化做出适时的调整，从而导致检测准确度较低的技术问题，本发明提出了一种适应性背景噪声检测方法、系统及介质。
6.根据本技术的第一方面，提出了一种适应性背景噪声检测方法，包括以下步骤：
7.s1、获取属于背景噪声检测区间内的声音信号；
8.s2、对所述声音信号中的每一帧信号进行快速傅立叶转换，估算得到所述声音信号的频谱振幅；
9.s3、对所述声音信号的频谱振幅进行稳态统计分析，计算得到所述声音信号的频谱振幅变化情况；
10.s4、对所述声音信号的频谱振幅进行动态统计分析，计算得到所述声音信号的频谱振幅变异数变化情况；以及
11.s5、根据所述声音信号的频谱振幅变化情况以及所述声音信号的频谱振幅变异数变化情况，判断所述声音信号是否为背景噪声。
12.通过采集背景噪声检测区间内的声音信号，并对该声音信号进行稳态统计分析和动态统计分析，根据分析结果，若判断该声音信号的频谱振幅和频谱振幅变异数均维持在一个稳定状态，则说明该声音信号为背景噪声，记录该声音信号的参数，以作为背景噪声的消除依据。此方法可以根据侦测环境噪声的变化做出适时的调整，有效的判别出背景噪声，具有较高的检测准确度。
13.优选的，所述步骤s3具体包括：
14.s31、计算1秒内所述声音信号的平均频谱振幅，并连续记录5秒；
15.s32、计算5秒内对应5个所述声音信号的平均频谱振幅之间的第一平均标准差；
16.s33、判断所述第一平均标准差是否小于第一阈值，若是，则表示所述声音信号的频谱振幅维持在稳定状态。
17.通过比较5秒内5个声音信号的平均频谱振幅之间的第二平均标准差与第一阈值，可以反应出在该时间内声音信号的频谱振幅是否维持在稳定状态，从而作为判别该声音信号是否为背景噪声的依据之一。
18.优选的，所述步骤s4具体包括：
19.s41、计算1秒内所述声音信号的平均频谱振幅变异数，并连续记录5秒，具体计算公式为：
[0020][0021]
其中，v
x，j
(k)表示第j秒内声音信号的平均频谱振幅变异数，xi(k)表示第i帧信号的频谱振幅，x
a，j
(k)表示第j秒内声音信号的平均频谱振幅，n表示1秒声音信号中的帧数；
[0022]
s42、计算5秒内对应5个所述声音信号的平均频谱振幅变异数之间的第二平均标准差；
[0023]
s43、判断所述第二平均标准差是否小于第二阈值，若是，则表示所述声音信号的频谱振幅变异数维持在稳定状态。
[0024]
通过比较5秒内5个声音信号的平均频谱振幅变异数之间的第二平均标准差与第二阈值，可以反应出在该时间内声音信号的频谱振幅变异数是否维持在稳定状态，从而作为判别该声音信号是否为背景噪声的依据之一。
[0025]
优选的，所述步骤s1具体包括：
[0026]
s11、采集声音信号，对所述声音信号进行预处理；
[0027]
s12、设置所述声音信号的初始检测状态，并对所述声音信号进行前处理；
[0028]
s13、对所述声音信号的声音能量进行估算，判断所述声音信号的声音能量是否小于第三阈值，若是，则所述声音信号属于背景噪声检测区间内，执行步骤s2，若否，则返回上述步骤s12。
[0029]
通过对处理后的声音信号的声音能量进行估算，并将其与第三阈值进行比较，若该声音信号的声音能量小于第三阈值，则说明该声音信号在背景噪声检测的区间内。
[0030]
进一步优选的，所述步骤s11具体包括：
[0031]
s111、采集声音信号，将所述声音信号转换成电压信号；
[0032]
s112、对所述电压信号进行放大处理；
[0033]
s113、对放大后的所述电压信号进行滤波处理，从而调整所述电压信号的频谱响应；
[0034]
s114、将所述电压信号转换成数字信号。
[0035]
经过预处理步骤，将采集到的声音信号转换成后续检测步骤中可识别的数字信号。
[0036]
进一步优选的，所述步骤s12中设置所述声音信号的初始检测状态具体包括：
[0037]
s121、设定采样时间，统计所述采样时间内所述声音信号的初始参数的平均值，作为所述声音信号的初始参数，并动态更新所述声音信号的初始参数。
[0038]
进一步优选的，所述步骤s12中对所述声音信号进行前处理具体包括：
[0039]
s122、提取所述声音信号中的每一帧信号，并对所述声音信号进行频谱等化处理。
[0040]
提取出声音信号中的每一帧信号，可以减少频谱上的失真，而频谱等化处理除了补偿采集声音过程中的失真外，也可用于强调某个频带，增加或减少此频带背景噪声检测的权重。
[0041]
进一步优选的，所述步骤s13中对所述声音信号的声音能量进行估算具体包括：对所述声音信号中的每一帧信号的声音能量进行估算，具体估算公式为：
[0042][0043]
其中，ei表示第i帧信号的声音能量，x(n)表示对应第i帧的帧信号，k表示声音信号的总帧数。
[0044]
进一步优选的，所述步骤s13中的所述第三阈值的设定标准为：将所述声音信号的平均声音能量的4倍作为第三阈值，其中，将前5秒内所述声音信号中的每一帧信号中最小的声音能量作为所述声音信号的平均声音能量。
[0045]
通过比较声音信号的声音能量与第三阈值，可以甄别出哪些声音信号属于背景噪声检测的区间。
[0046]
优选的，所述步骤s5具体包括：：
[0047]
s51、判断所述声音信号的频谱振幅是否维持在稳定状态，若是，则执行步骤s52，若否，则返回步骤s121；
[0048]
s52、判断所述声音信号的频谱振幅变异数是否维持在稳定状态，若是，则所述声音信号为背景噪声，执行步骤s53，若否，则返回步骤s121；
[0049]
s53、将所述声音信号的参数记录并更新到背景噪声数据中，并返回步骤s121。
[0050]
通过上述步骤，当同时满足声音信号的频谱振幅维持在稳定状态，且声音信号的频谱振幅变异数维持在稳定状态，则判断出该声音信号为背景噪声，记录并更新该声音信号的参数。
[0051]
进一步优选的，在所述步骤s4之后并且所述步骤s5之前还包括：
[0052]
s4a、储存所述稳定统计分析和所述动态统计分析的统计数据；
[0053]
s5a、判断所述统计数据的储存时间是否超过预定时间，若是，则执行步骤s5，若否，则返回步骤s122。
[0054]
根据本技术的第二方面，提出了一种适应性背景噪声检测系统，包括：
[0055]
声音采集装置，配置用于采集声音信号，并对所述声音信号进行预处理；
[0056]
处理器运算单元，配置用于设置所述声音信号的初始检测状态，并对所述声音信号进行前处理，以及对所述声音信号的声音能量进行估算，并判断所述声音信号的声音能量是否小于第三阈值，若否，则重新设置所述声音信号的初始检测状态，并对所述声音信号进行前处理，若是，则估算所述声音信号的频谱振幅，并对所述声音信号进行稳态统计分析
和动态统计分析，根据所述稳态统计分析和动态统计分析的分析结果，判断所述声音信号是否为背景噪声，若是，则将所述声音信号的参数记录并更新到背景噪声数据中，并重新设置所述声音信号的初始检测状态，对所述声音信号进行前处理，若否，则直接重新设置所述声音信号的初始检测状态，并对所述声音信号进行前处理；
[0057]
内存单元，配置用于储存所述处理器运算单元中所需的程序或表格以及运算过程中的数据暂存；
[0058]
统计记录储存单元，配置用于储存所述背景噪声数据。
[0059]
优选的，所述声音采集装置具体包括：
[0060]
麦克风收音装置，配置用于采集所述声音信号并将所述声音信号转化成电压信号；
[0061]
放大器，配置用于放大所述电压信号；
[0062]
滤波器，配置用于对放大后的所述电压信号进行滤波处理；
[0063]
模拟数字转换器，配置用于将滤波后的所述电压信号转化成数字信号。
[0064]
根据本技术的第三方面，提出了一种计算机可读储存介质，其储存有计算机程序，所述计算机程序在被处理器执行时实施如本技术第一方面所述的适应性背景噪声检测方法。
[0065]
本技术提出了一种适应性背景噪声检测方法、系统及介质，通过声音采集装置采集声音信号并对声音信号进行预处理、设置初始检测状态和前处理，对处理后的声音信号的声音能量进行估算，并将其与第三阈值进行比较，若该声音信号的声音能量小于第三阈值，则说明该声音信号在背景噪声检测的区间内，继续对该声音信号进行稳态统计分析和动态统计分析，根据分析结果，若该声音信号的频谱振幅和频谱振幅变异数均维持在一个稳定状态，则判别出该声音信号为背景噪声，记录该声音信号的参数并更新到背景噪声数据中，以作为背景噪声的消除依据。此方法可以根据侦测环境噪声的变化做出适时的调整，有效的判别出背景噪声，具有较高的检测准确度。
附图说明
[0066]
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。附图的元件不一定是相互按照比例的。同样的附图标记指代对应的类似部件。
[0067]
图1是根据本发明实施例的适应性背景噪声检测方法的流程图；
[0068]
图2是根据本发明一个具体实施例的背景噪声检测的流程图；
[0069]
图3是根据本发明一个具体实施例的预处理的流程图；
[0070]
图4是根据本发明一个具体实施例的稳态统计分析的流程图；
[0071]
图5是根据本发明一个具体实施例的动态统计分析的流程图；
[0072]
图6是根据本发明一个具体实施例的判断声音信号是否为背景噪声的流程图；
[0073]
图7是根据本发明实施例的适应性背景噪声检测系统的系统框图；
[0074]
图8是本发明一个具体实施例的声音采集装置的架构图。
[0075]
附图标记说明：1、声音采集装置；2、处理器运算单元；3、内存单元；4、统计记录储
存单元；11、麦克风收音装置；12、放大器；13、滤波器；14、模拟数字转换器。
具体实施方式
[0076]
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
[0077]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他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、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括......”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0078]
根据本技术的第一方面，提出了一种适应性背景噪声检测方法。图1示出了根据本发明实施例的适应性背景噪声检测方法的流程图，如图1所示，适应性背景噪声检测方法包括以下步骤：
[0079]
s1、获取属于背景噪声检测区间内的声音信号。
[0080]
在具体的实施例中，利用声音采集设备采集到环境中的声音信号，且该声音信号属于背景噪声检测区间内。图2示出了根据本发明一个具体实施例的背景噪声检测的流程图，如图2所示，检测具体过程如下：
[0081]
s11、采集声音信号，对声音信号进行预处理。
[0082]
图3示出了根据本发明一个具体实施例的预处理的流程图，如图3所示，在具体的实施例中，预处理具体包括：
[0083]
s111、采集声音信号，将声音信号转换成电压信号。
[0084]
本实施例中，声音信号转化成电压(模拟)信号的过程同样在声音采集设备上完成。
[0085]
s112、对电压信号进行放大处理。
[0086]
由于声音信号转化成电压信号后，其信号强度较弱，因此需要对其进行放大处理。
[0087]
s113、对放大后的电压信号进行滤波处理，从而调整电压信号的频谱响应。
[0088]
在滤波处理中，可以调整电压信号的频谱响应，做声音加强、等化(均衡)处理。
[0089]
s114、将电压信号转换成数字信号。
[0090]
模拟数字信号转化成数字信号，为后续的信号处理做准备。
[0091]
继续参照图1和图2，在s11之后：
[0092]
s12、设置声音信号的初始检测状态，并对声音信号进行前处理。
[0093]
在具体的实施例中，设置声音信号的初始检测状态具体表现为：
[0094]
s121、设定采样时间，统计采样时间内声音信号的初始参数的平均值，作为声音信号的初始参数，并动态更新声音信号的初始参数。
[0095]
通过统计一小段时间内声音信号的各个参数，例如频谱振幅和声音能量，并取其各个参数的平均值作为声音信号的初始参数，之后的初始参数随着统计数据的变化而做动态更新。
[0096]
对声音信号的前处理具体表现为：
[0097]
s122、提取声音信号中的每一帧信号，并对声音信号进行频谱等化处理。
[0098]
在检测流程中，声音信号的每一帧信号都会被检测一次，提取声音信号中的每一帧信号的方式包括但不限于利用汉宁窗口(hanning window)进行捕获，从而减少使用信号频谱上的失真。而频谱等化处理则是通过数字滤波器来实现，频谱等化处理不但可以补偿声音采集设备采集声音信号时的失真外，还可以用于强度某个频带，从而增加或减少此频带的噪声检测的权重，提高检测效率。
[0099]
继续参照图2，在步骤s12之后：
[0100]
s13、对声音信号的声音能量进行估算，判断声音信号的声音能量是否小于第三阈值，若是，则声音信号属于背景噪声检测区间内，执行步骤s2，若否，则返回上述步骤s12。
[0101]
在具体的实施例中，对声音信号的声音能量进行估算具体包表现为：对声音信号中的每一帧信号的声音能量进行估算，具体估算公式为：
[0102][0103]
其中，ei表示第i帧序号的声音能量，x(n)表示对应第i帧的帧信号，k表示声音信号的总帧数。
[0104]
在下文中，统一假设声音采集设备对声音信号的取样频率为16000hz，声音信号的帧数为512，每一帧信号的持续时间为32毫秒，1秒声音信号内约有32帧，则估算第i帧信号的声音能量ei为：
[0105][0106]
在具体的实施例中，第三阈值的设定标准为：
[0107]
假设声音信号的初始平均声音能量为eo，将前5秒内声音信号(160帧信号)中的每一帧信号中最小的声音能量作为eo的值，即：
[0108][0109]
假设第一阈值为e
th
，将声音信号的平均声音能量的4倍作为第一阈值，即：
[0110]eth
＝4e0[0111]
当判断声音信号的声音能量大于第三阈值，说明该声音信号不在背景噪声检测区间内，则返回至步骤s121，重新设置声音信号的初始检测状态；当判断音框的声音能量在第一阈值内，则说明该声音信号在背景噪声的检测区间内，进入下一步骤s2。
[0112]
继续参照图1，在步骤s1之后：
[0113]
s2、对声音信号中的每一帧信号进行快速傅立叶转换，估算得到声音信号的频谱振幅。
[0114]
声音信号中的每一帧信号x(n)进行快速傅立叶转换得到：
[0115]
xi(k)＝|fft{x(n)}|，k＝1，2，3，...，512
[0116]
其中，xi(k)表示第i帧信号的频谱振幅。根据每一帧信号的频谱振幅，便可得到整个声音信号的频谱振幅。
[0117]
继续参照图1，在步骤s2之后：
[0118]
s3、对声音信号的频谱振幅进行稳态统计分析，计算得到声音信号的频谱振幅变化情况。
[0119]
图4示出了根据本发明一个具体实施例的稳态统计分析的流程图，如图4所示，在具体的实施例中，稳态统计分析具体包括：
[0120]
s31、计算1秒内声音信号的平均频谱振幅，并连续记录5秒。
[0121]
1秒内(32帧信号)声音信号的平均频谱振幅的计算公式为：
[0122][0123]
其中，x
a,j
(k)表示第j秒内声音信号的平均频谱振幅。
[0124]
s32、计算5秒内对应5个声音信号的平均频谱振幅之间的第一平均标准差。
[0125]
定义第一平均标准差为sd
x
，其具体计算公式为：
[0126][0127]
其中
[0128][0129]
s33、判断第一平均标准差是否小于第一阈值，若是，则表示声音信号的频谱振幅维持在稳定状态。
[0130]
在具体的实施例中，将第一阈值设定为：
[0131][0132]
其中，需要说明的是，γ是一个经验值参数，由于背景噪声中存在下雨声、风扇声等各种噪声，因此γ的取值是动态变化的，其通常在0.5-2之间。当背景噪声越稳定，γ的取值越低，本实施例中，γ具体取值1。
[0133]
因此，当判断
[0134][0135]
则表明声音信号的频谱振幅符合在统计上维持在稳定的状态。
[0136]
继续参照图1，在步骤s3之后：
[0137]
s4、对声音信号的频谱振幅进行动态统计分析，计算得到声音信号的频谱振幅变异数变化情况。
[0138]
图5示出了根据本发明一个具体实施例的动态统计分析的流程图，如图5所示，在具体的实施例中，动态统计分析具体包括：
[0139]
s41、计算1秒内声音信号的平均频谱振幅变异数，并连续记录5秒，具体计算公式为：
[0140][0141]
其中，v
x，j
(k)表示第j秒内声音信号的平均频谱振幅变异数，xi(k)表示第i帧信号的频谱振幅，x
a，j
(k)表示第j秒内声音信号的平均频谱振幅，n表示1秒声音信号中的帧数。
[0142]
因此，在本实施例中，1秒内声音信号的平均频谱振幅变异数为：
[0143][0144]
s42、计算5秒内对应5个声音信号的平均频谱振幅变异数之间的第二平均标准差。
[0145]
定义第二平均标准差为sdv，其具体计算公式为：
[0146][0147]
其中
[0148][0149]
s43、判断第二平均标准差是否小于第二阈值，若是，则表示声音信号的频谱振幅变异数维持在稳定状态。
[0150]
在具体的实施例中，将第二阈值设定为：
[0151][0152]
其中，需要说明的是，β同样是一个经验值参数，其取值方法跟上述中的γ相同，这里不再赘述。
[0153]
因此，当判断
[0154][0155]
则表明声音信号的频谱振幅变异数符合在统计上维持稳定状态。
[0156]
继续参照图1，在步骤s4之后：
[0157]
s5、根据声音信号的频谱振幅变化情况以及声音信号的频谱振幅变异数变化情况，判断声音信号是否为背景噪声。
[0158]
图6示出了根据本发明一个具体实施例的判断声音信号是否为背景噪声的流程图，如图6所示，在具体的实施例中，步骤s5具体包括：
[0159]
s51、判断声音信号的频谱振幅是否维持在稳定状态，若是，则执行步骤s52，若否，则返回步骤s121。
[0160]
s52、判断声音信号的频谱振幅变异数是否维持在稳定状态，若是，则声音信号为背景噪声，执行步骤s53，若否，则返回步骤s121。
[0161]
s53、将声音信号的参数记录并更新到背景噪声数据中，并返回步骤s121。
[0162]
通过稳态统计分析和动态统计分析的双重判断，当同时满足声音信号的频谱振幅维持在稳定状态，且声音信号的频谱振幅变异数维持在稳定状态，则判断出该声音信号为背景噪声，记录该声音信号的参数，作为背景噪声消除的依据。
[0163]
至此，完成了一轮背景噪声的检测，重新进入下一轮检测。
[0164]
继续参照图2，在优选的实施例中，在步骤s43之后并且步骤s51之前还包括有：
[0165]
s4a、储存稳定统计分析和动态统计分析的统计数据。
[0166]
s5a、判断统计数据的储存时间是否超过预定时间，若是，则执行步骤s5，若否，则返回步骤s122。
[0167]
只有当统计数据累计超过预定时间后，才会进入到下一步骤判断该声音信号是否为背景噪声，否则，将持续对声音信号进行稳态统计分析和动态统计分析，直至统计数据时间达到预定时间。本实施例中，预定时间设置为5秒。
[0168]
根据本技术的第二方面，提出了一种适应性背景噪声检测系统，该检测系统是基于上述的检测方法搭建的。图7示出了根据本发明实施例的适应性背景噪声检测系统的系统框图，如图7所示，该系统包括：
[0169]
声音采集装置1，配置用于采集声音信号，并对声音信号进行预处理。
[0170]
处理器运算单元2，配置用于设置声音信号的初始检测状态，并对声音信号进行前处理，以及对声音信号的声音能量进行估算，并判断声音信号的声音能量是否小于第三阈值，若否，则重新设置声音信号的初始检测状态，并对声音信号进行前处理，若是，则估算声音信号的频谱振幅，并对声音信号进行稳态统计分析和动态统计分析；根据稳态统计分析和动态统计分析的分析结果，判断声音信号是否为背景噪声，若是，则将声音信号的参数记录并更新到背景噪声数据中，并重新设置声音信号的初始检测状态，对声音信号进行前处理，若否，则直接重新设置所述声音信号的初始检测状态，并对所述声音信号进行前处理。
[0171]
内存单元3，配置用于储存处理器运算单元2中所需的程序或表格以及运算过程中的数据暂存；
[0172]
统计记录储存单元4，配置用于储存背景噪声数据。
[0173]
图8示出了本发明一个具体实施例的声音采集装置的架构图，如图8所示，声音采集装置1具体包括有：
[0174]
麦克风收音装置11，配置用于采集声音信号并将声音信号转化成电压信号；
[0175]
放大器12，配置用于放大电压信号，并且，放大器根据使用需求可以预先设定好多种不同的灵敏度，从而快速将电压信号调整至适当的大小；
[0176]
滤波器13，配置用于对放大后的电压信号进行滤波处理；
[0177]
模拟数字转换器14，配置用于将滤波后的电压信号转化成数字信号。
[0178]
根据本技术的第三方面，提出了一种计算机可读储存介质，其储存有计算机程序，计算机程序在被处理器执行时实施上述中的适应性背景噪声检测方法。
[0179]
本发明提出了一种适应性背景噪声检测方法、系统及介质，通过声音采集装置采集声音信号并对声音信号进行预处理、设置初始检测状态和前处理，对处理后的声音信号的声音能量进行估算，并将其与第三阈值进行比较，若该声音信号的声音能量小于第三阈值，则说明该声音信号在背景噪声检测的区间内，继续对该声音信号进行稳态统计分析和动态统计分析，根据分析结果，若该声音信号的频谱振幅和频谱振幅变异数均维持在一个稳定状态，则判别出该声音信号为背景噪声，记录该声音信号的参数并更新到背景噪声数据中，以作为背景噪声的消除依据。此方法可以根据侦测环境噪声的变化做出适时的调整，有效的判别出背景噪声，具有较高的检测准确度。
[0180]
在本技术实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置/系统/方法实施例仅仅是示意性的，例如所述单元的划分，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0181]
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。
[0182]
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，也可以采用软件功能单元的形式实现。
[0183]
所述集成的单元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全部或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(可为个人计算机、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、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0184]
显然，本领域技术人员在不偏离本发明的精神和范围的情况下可以作出对本发明
的实施例的各种修改和改变。以该方式，如果这些修改和改变处于本发明的权利要求及其等同形式的范围内，则本发明还旨在涵盖这些修改和改变。词语“包括”不排除未在权利要求中列出的其它元件或步骤的存在。某些措施记载在相互不同的从属权利要求中的简单事实不表明这些措施的组合不能被用于获利。权利要求中的任何附图标记不应当被认为限制范围。