一种低时延音频信号超定盲源分离方法及分离装置

1.本发明属于频域盲源分离(blind source separation,bss)和音频信号处理技术领 域，具体地说，涉及一种低时延音频信号超定盲源分离方法及分离装置。


背景技术：

2.在多个说话人同时讲话的场景中，人可以把注意力集中在某一个感兴趣的说话 人声音上而自动忽略其他说话人的声音，这就是著名的“鸡尾酒会”问题。该问题最 早是英国的认知学家cherry教授在上世纪50年代提出的。但是，该问题长期以来悬 而未解。盲源分离就是为解决该问题而发展起来的一个全新的领域。音频信号的盲源 分离有着广泛的应用前景，包括人机语音交互、自动会议日志和音乐分离等。
3.近二十年来，频域盲源分离技术作为一类代表性的音频分离解决方案获得快速 发展，代表性的算法包括独立分量分析(independent component analysis,iva)、独立 向量分析(independent vector analysis,iva)、独立低秩矩阵分析(independent low-rankmatrix analysis,ilrma)等。这些算法实质上利用了信号的高阶统计量信息。为了取 得较好的分离性能，需要累积足够多的数据来实现准确的高阶统计量估计。在离线的 实现中，可以利用已经采集的一整段较长的数据实现所需统计量的估计，因而这些算 法取得了较好的性能。很多实际应用系统需要在线实现盲源分离算法，并且要求系统 输入和输出之间的时延尽可能的小。例如，高档助听器要求系统的时延要小于5毫 秒。这对现状的盲源分离算法是一个苛刻的要求。
4.目前绝大部分的盲源分离算法都是基于一个所谓的窄带假设，也就是要求短时 傅里叶变换的窗长要远远大于系统混合滤波器的长度。在一个会议系统中，房间的混 响时间的典型值为600毫秒，这要求短时傅里叶变换的窗长要大于600毫秒。显然 该系统时延对很多应用来说太大了。现状的实时盲源分离算法无法显著降低系统的 时延。因而，迫切需要发展一种低时延的音频信号盲源分离技术，满足实时处理的需 求。


技术实现要素：

5.为了解决现有技术存在的问题，本发明提出了一种低时延音频信号超定盲源分 离方法，该方法包括：
6.麦克风阵列中的每个麦克风阵元拾取目标环境中的n个待分离声源的声信号， 并将其转换成对应的数字信号，再对其进行短时傅里叶变换，得到对应的时频域观测 信号；
7.对得到的时频域观测信号执行反复迭代和更新，直至达到收敛，获得每个待分离 声源的方差和解混合向量；利用得到的解混合向量，构建解混合矩阵；对解混合矩阵 求逆得到混合矩阵的估计；针对每一个待分离声源，基于混合矩阵，构建一个多通道 维纳滤波器并执行滤波，得到时频域待分离信号；再进行短时傅里叶逆变换，得到待 分离信号时域波形。
8.本发明还提了一种低时延音频信号超定盲源分离装置，该装置包括：
9.麦克风阵列包括m个麦克风阵元，用于拾取目标环境中的n个待分离声源的声 信号；其中，m＞n；
10.a/d模块，用于将所述麦克风阵列拾取的n个待分离声源的声信号转换成对应 的数字信号；
11.短时傅里叶变换模块，用于将所述麦克风阵列采集的信号缓存后，并进行短时傅 里叶变换，得到对应的时频域信号；
12.声源方差和解混合矩阵估计模块，用于利用得到的时频域观测信号，进行不断迭 代更新，直至达到收敛，估计第n个待分离声源的方差和解混合向量，利用得到的解 混合向量，构建解混合矩阵，并更新解混合矩阵；
13.混合矩阵估计模，用于对解混合矩阵求逆，获得混合矩阵；
14.多通道维纳滤波模块，用于针对第n个待分离声源，基于混合矩阵，构建第n个 待分离声源的多通道维纳滤波器，并执行滤波，得到第n个待分离声源的时频域信号； 和
15.短时傅里叶逆变换模块，用于将所分离得到的n个时频域的声源信号变换成时 域波形，并将其作为真实的待分离声源的声信号，完成低时延音频信号超定盲源分 离。
16.作为上述技术方案的改进之一，所述装置还包括：d/a模块和扬声器阵列模块；
17.所述d/a模块，用于将所述短时傅里叶逆变换模块输出的分离后的各通道时域 数字信号转换成模拟信号；
18.所述扬声器阵列模块，将模拟分离信号通过该扬声器阵列进行播放，并将分离信 号送给后处理模块做进一步处理。
19.本发明与现有技术相比的有益效果是：
20.1、本发明的方法提供了一种低时延的音频信号盲源分离方法，适合要求短时延 的实时处理系统，比如远程在线会议系统；
21.2、本发明的方法通过分离获得的音频信号可以仅包含直达声和早期反射声部分， 从而使本发明的方法同时具有信号分离和去混响的特点。
附图说明
22.图1为本发明的一种低时延音频信号超定盲源分离方法的工作原理图；
23.图2是本发明的一种低时延音频信号超定盲源分离方法的方法流程图；
24.图3是本发明的一种低时延音频信号超定盲源分离方法的步骤2)的具体流程 图；
25.图4是本发明的一种低时延音频信号超定盲源分离装置的结构示意图。
具体实施方式
26.现结合附图对本发明作进一步的描述。
27.本发明提供了一种低时延音频信号超定盲源分离方法，该方法解决了超定盲源 分离的问题，要求麦克风数目多于声源数目；本发明的方法所需短时傅里叶变换窗长 短于所处空间的混响时间，从而降低了实时处理系统输入输出之间的时延。
28.该方法包括：
29.麦克风阵列中的每个麦克风阵元拾取目标环境中的n个待分离声源的声信号， 并将其转换成对应的数字信号，再对其进行短时傅里叶变换，得到对应的时频域观测 信号；
30.对得到的时频域观测信号执行反复迭代和更新，直至达到收敛，获得每个待分离 声源的方差和解混合向量；利用得到的解混合向量，构建解混合矩阵；对解混合矩阵 求逆得到混合矩阵的估计；针对每一个待分离声源，构建一个多通道维纳滤波器并执 行滤波，得到时频域待分离信号；进行短时傅里叶逆变换，得到待分离信号时域波形。
31.如图1所示，在某目标环境空间存在n个待分离声源的声信号sn(t)，其中， 1≤n≤n且t为离散时间。该待分离声源的声信号sn(t)由麦克风阵列中的每个麦克风 阵元同时接收，所述麦克风阵列包括m个麦克风；所述m个麦克风接收到的信号记 为xm(t),1≤m≤m。本发明的方法限定在超定盲源分离，也就是要求麦克风阵元的总 数目大于声源的数目。从第n个待分离声源到第m个麦克风阵元的时域传递函数为 h
nm
(t)，那么第m个麦克风阵元接收到的信号表示为
[0032][0033]
其中，*表示卷积运算。
[0034]
如图1所示，本发明的方法中，盲源分离101就是只利用麦克风阵元接收到的 信号xm(t),1≤m≤m恢复出真实的待分离声源信号但实际上很难得 到纯净的待分离声源信号，本发明的方法也不寻求得到待分离声源信号的精确估计， 而是估计麦克风阵元接收到的声源信号的直达声和早期反射声部分或者其在麦克风 阵元处的镜像。
[0035]
直接在时域执行上述分离任务是困难的，这是由于在封闭空间中混响时间会比较 长，导致时域的盲源分离算法收敛速度很慢且收敛后性能不能令人满意。本发明的方 法是将时域信号通过短时傅里叶变换后得到对应的时频域信号，故所述音频信号的 盲源分离可以在时频域被更加高效的执行。
[0036]
如图2所示，该方法具体包括：
[0037]
步骤1)麦克风阵列中的第m个麦克风阵元拾取目标环境中的第n个待分离声源 的声信号sn(t)，并将其转换成对应的数字信号，记为第m个麦克风信号xm(t)，并对 其进行短时傅里叶变换得到对应的时频域观测信号xm(ω,k)，其中，1≤n≤n；t为 离散时间；1≤m≤m；m为麦克风阵列中的麦克风阵元总数，k是帧标识，ω是频 率；第n个待分离声源的声信号sn(t)为模拟信号；
[0038]
其中，所述麦克风阵列包括m个麦克风阵元，麦克风阵元的数量m大于待分离 声源的声信号的总数，记为m＞n；即超定盲源分离。
[0039]
步骤2)利用得到的时频域观测信号xm(ω,k)，进行不断迭代更新，直至达到收 敛，估计第n个待分离声源的方差λn(ω,k-l)和解混合向量w
n,l
(ω)，利用得到的解混 合向量，构建解混合矩阵，并更新解混合矩阵w(ω)，其中，1≤n≤n；0≤l≤ln； ln表示第n个待分离声源待估计的反射声数目，n表示待估计声源数目；
[0040]
具体地，所述步骤2)具体包括：
[0041]
步骤201)利用得到的时频域观测信号xm(ω,k)，更新第n个待分离声源在最近ln帧的方差λn(ω,k-l)：
[0042][0043]
其中，f为短时傅里叶变换的窗长；x(ω,k)＝[x1(ω,k),
…
,xm(ω,k)]
t
；
[0044]
步骤202)利用λn(ω,k-l)，更新第n个待分离声源在最近ln帧的加权协方差矩 阵v
n,l
(ω,k)：
[0045][0046]
其中，α是非常接近1的平滑因子；v
n,l
(ω,k-1)为第(k-1)帧的加权协方差矩 阵；h为共轭转置；
[0047]
步骤203)利用v
n,l
(ω,k)，更新第n个待分离声源对应的ln个解混合向量w
n,l
(ω)：
[0048][0049]
上式约定l0＝0，列向量的第(l0
…
l
n-1
) l个元素为1且其他剩 余元素都是0，w(ω)＝[w
1,0
(ω),
…
,w
1,l-1
(ω),
…
,w
n,0
(ω),
…
,w
n,l-1
(ω)]h是解混合矩阵。
[0050]
步骤204)对上述更新的第n个待分离声源对应的ln个解混合向量w
n,l
(ω)进行归 一化操作，得到归一化后的解混合向量；
[0051][0052]
步骤205)利用步骤204)中所得的解混合向量w
n,l
(ω)，构建解混合矩阵w(ω)；
[0053]
重复步骤201)—步骤204)，进行不断迭代更新，
[0054]
如果迭代次数达到预设值p，且达到收敛，结束迭代，得到解混合矩阵；
[0055]
否则，重新执行步骤201)至步骤205)。
[0056]
步骤3)对所述解混合矩阵w(ω)求逆，得到混合矩阵h(ω)；
[0057]
具体地，所述步骤3)具体包括：
[0058]
对所述解混合矩阵w(ω)求逆，得到混合矩阵h(ω)；
[0059]
h(ω)＝[h1(ω),
…
,hn(ω)]＝w-1
(ω)
[0060]
其中，是维数为m
×
ln的矩阵，h
n,l
是维数为m
×
1 的列向量。
[0061]
步骤4)针对第n个待分离声源，基于混合矩阵h(ω)，构建第n个待分离声源 的多通道维纳滤波器ωn(ω,k)，并执行滤波，得到第n个待分离声源的时频域信号其中，所有待估计的反射声数目之和等于麦克风阵元的总数目，即存在约束关系且建议ln,1≤n≤n的取值尽可能的接近；
[0062]
具体地，所述步骤4)具体包括：
[0063]
针对第n个待分离声源，基于混合矩阵h(ω)，构建第n个待分离声源的多通道 维纳滤波器ωn(ω,k)：
[0064][0065]
其中，σ
x
(ω,k)是当前帧频域麦克风 信号向量的协方差矩阵；
[0066]
利用所获ωn(ω,k)对当前帧频域麦克风接收信号向量 x(ω,k)＝[x1(ω,k),
…
,
xm(ω,k)]
t
进行滤波，得到滤波后的信号c
n,0
(ω,k)：
[0067]cn,0
(ω,k)＝ωn(ω,k)x(ω,k)
[0068]
根据得到的滤波后的信号c
n,0
(ω,k)，得到第n个待分离声源的时频域信号 则第n个待分离声源时的频域信号是c
n,0
(ω,k)的第一个元素。
[0069]
在其他具体实施例中，所述步骤4)还可以具体包括：
[0070]
针对第n个待分离声源，基于混合矩阵h(ω)，构建第n个待分离声源的多通道 维纳滤波器ωn(ω,k)：
[0071][0072]
利用上式所得到的多通道维纳滤波器对当前帧频域麦克风接收信号向量 x(ω,k)＝[x1(ω,k),
…
,xm(ω,k)]
t
进行滤波，得到滤波后的信号cn(ω,k)为
[0073]cn
(ω,k)＝ωn(ω,k)x(ω,k)
[0074]
根据得到的滤波后的信号cn(ω,k)，得到第n个待分离声源的时频域信号 则第n个待分离声源的时频域信号是cn(ω,k)的第一个元素。
[0075]
步骤5)对第n个待分离声源的时频域信号执行短时傅里叶逆变换，得 到对应的时域波形并将其作为真实的待分离声源的声信号，完成低时延音频 信号超定盲源分离。
[0076]
实施例1.
[0077]
图2为本发明音频信号的实时盲分离方法的系统框图，该方法包括短时傅里叶 变换201、声源方差和解混合矩阵计算202、混合矩阵估计模块203、多通道维纳滤 波204和短时傅里叶逆变换205。
[0078]
本发明提供了一种低时延音频信号超定盲源分离方法，该方法包括：
[0079]
短时傅里叶变换201
[0080]
对麦克风阵列采集的目标环境中的每个待分离声源的每一路时域信号进行短时 傅里叶变换，得到对应的当前帧时频域观测信号；具体地，所述短时傅里叶变换201 分别对麦克风阵元接收到的信号xm(t)进行短时傅里叶变换得到xm(ω,k)，其中，k 为帧标识，ω为频率；所述短时傅里叶变换的窗长为f。与其他已有的实时处理算法 不同的，本发明所用的短时傅里叶变换窗长可以远小于混响时间，从而降低了实时系 统输入输出之间的时延。
[0081]
声源方差和解混合矩阵估计202
[0082]
利用短时傅里叶变换信号xm(ω,k)计算得到当前帧各个待分离声源信号的方差 λn(ω,k)和解混合向量w
n,l
(ω)，迭代更新每个待分离声源的方差和对应的解混合向量， 并更新解混合矩阵；
[0083]
定义维数为m
×
1的频域麦克风接收信号向量
[0084]
x(ω,k)＝[x1(ω,k),
…
,xm(ω,k)]
t
.
ꢀꢀꢀꢀꢀꢀꢀ
(2)
[0085]
定义第n个待分离声源的声信号被麦克风阵列接收到的频域信号向量为
[0086]cn
(ω,k)＝[c
n1
(ω,k),
…
,c
nm
(ω,k)]
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0087]
其中，该向量也称为第n个待分离声源的镜像。本发明将所述镜像cn(ω,k)建模 为一系列反射声之和的形式
[0088][0089]
其中，ln表示第n个待分离声源待估计的反射声数目，c
n,0
(ω,k)是第n个待分离 声源的第一反射声部分(包括直达声)，c
n,1
(ω,k)是第n个待分离声源的第二反射声 部分，以此类推。本发明专利披露的技术既可以实现对所述第一反射声部分的估计， 也可以实现对镜像cn(ω,k)的估计。
[0090]
为保证本专利顺利实施，需要对恢复的所有待分离声源的反射声部分的数目进行 约束如下：
[0091][0092]
另外，在实际中应该保证ln,1≤n≤n的取值尽可能的接近。例如，待分离的声 源数目为n＝2，麦克风的总数为m＝4，则优选的设定l1＝l2＝2；待分离的声源数 目为n＝2，麦克风阵元的总数为m＝5，则优选的设定l1＝2,l2＝3或者l1＝3,l2＝2， 而不推荐采用l1＝1,l2＝4及l1＝4,l2＝1。
[0093]
目前现有的实时盲源分离方法大都是基于所谓的窄带假设，它们需要使用一个 很长的短时傅里叶变换窗长来涵盖混合滤波器的主要能量部分。而本发明将整个混 合脉冲响应划分为多个部分，并将前面的ln个反射声部分分离出来。例如，假定需 要实现两个待分离声源的分离，所处房间的混响时间是470毫秒，短时傅里叶变换 的窗长设定为128毫秒，每个声源要分离的反射声数目为ln＝2，只要4个麦克风就 可以达到较好的性能。而使用已有的盲源分离方法，则要求短时傅里叶变换的窗长要 接近470毫秒。从而，本发明给出的实时盲源分离方法极大程度上降低了实时处理 系统的时延，这对在线系统是一个很大的优势。
[0094]
为了实现第n个待分离声源所有ln个反射声部分的分离，需要ln个解混合向量 w
n,l
(ω),0≤l≤l
n-1。但本领域技术人员应该明白，w
n,l
(ω)不能直接用来实现第ln个 反射声部分的分离。
[0095]
在上述知识背景的前提下，实现声源方差和解混合矩阵估计202的具体流程图如 图3所示。
[0096]
更具体地，声源方差和解混合矩阵估计202是通过迭代实现的，迭代次数设定为 p。例如，设定p＝2即可达到较好的分离性能。在每一次迭代中，需依次执行以下 5个步骤：
[0097]
步骤202-1)利用时频域观测信号xm(ω,k)，更新第n个待分离声源在最近ln帧 的方差λn(ω,k-l)，计算表达式为
[0098][0099]
步骤202-2)利用λn(ω,k-l)，更新第n个待分离声源在最近ln帧的加权协方差 矩阵v
n,l
(ω,k)，计算方法为
[0100][0101]
其中，α是非常接近1的平滑因子。
[0102]
步骤202-3)利用v
n,l
(ω,k)，更新第n个待分离声源对应的ln个解混合向量 w
n,l
(ω)
[0103][0104]
上式约定l0＝0，列向量的第(l0
…
l
n-1
) l个元素为1且其他元 素都是0，w(ω)＝[w
1,0
(ω),
…
,w
1,l-1
(ω),
…
,w
n,0
(ω),
…
,w
n,l-1
(ω)]h是解混合矩阵；
[0105]
步骤202-4)对第n个待分离声源的ln个解混合向量w
n,l
(ω)进行归一化操作；
[0106][0107]
步骤202-5)利用步骤202-4)中所得的解混合向量w
n,l
(ω)，构建解混合矩阵 w(ω)。
[0108]
如果迭代次数达到预设值p，完成上述迭代更新过程；否则，重新执行图3所示 的步骤202-1至步骤202-5。
[0109]
混合矩阵估计203
[0110]
对解混合矩阵求逆，得到混合矩阵；
[0111]
具体地，利用解混合矩阵的逆构建维数为m
×
m的混合矩阵h(ω)，具体地
[0112]
h(ω)＝[h1(ω),
…
,hn(ω)]＝w-1
(ω)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0113]
其中是维数为m
×
ln的矩阵，h
n,l
是维数为m
×
1的列向 量。
[0114]
多通道维纳滤波204
[0115]
构建针对每个待分离声源的多通道维纳滤波器，得到该待分离声源时频域信号 的估计；
[0116]
具体地，利用声源方差和解混合矩阵估计202获得所有n个声源的方差λn(ω,k) 和所述203估计的混合矩阵h(ω)构建n个多通道维纳滤波器。其中，针对第n个声 源的多通道维纳滤波器ωn(ω,k)为
[0117][0118]
其中，是麦克风信号的协方差矩阵。
[0119]
进而，利用所述多通道维纳滤波器ωn(ω,k)对当前帧频域麦克风接收信号向量 x(ω,k)进行滤波得到
[0120]cn,0
(ω,k)＝ωn(ω,k)x(ω,k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0121]
在上述公式(12)中，输出的是第n个待分离声源第一反射声部分。从而本发明同 时兼具信号分离和去混响的功能，这可以较好的改善分离语音的语音质量。
[0122]
可选的，也可以选择输出包含所有反射声部分的镜像cn(ω,k)，此时第n个待分 离声源对应的多通道维纳滤波器为
[0123][0124]
利用(13)所估计的多通道维纳滤波器所恢复的镜像cn(ω,k)为
[0125]cn
(ω,k)＝ωn(ω,k)x(ω,k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0126]
通过公式(12)或(14)所获c
n,0
(ω,k)或者cn(ω,k)可以得到第n个待分离声源的 m通道信号，而实际中每个声源只需要一路输出信号即可。
[0127]
为了方便，本专利统一选择第一个麦克风处的镜像或者第一反射声部分作为输 出，也就是或者
[0128]
其中和分别是向量cn(ω,k)和c
n,0
(ω,k)的第一个元素。
[0129]
短时傅里叶逆变换205
[0130]
对每个待分离声源的时频域信号执行短时傅里叶逆变换得到对应的时域波形， 并将其作为真实的待分离声源的声信号，完成低时延音频信号超定盲源分离。
[0131]
具体地，对所述多通道维纳滤波204输出的待分离声源信号的估计 进行短时傅里叶逆变换，并利用重叠叠加法得到对应的时域信号 [0132]
实施例2.
[0133]
如图4所示，本发明还提供了一种低时延音频信号超定盲源分离装置，该装置 包括：
[0134]
麦克风阵列401包括m个麦克风阵元，用于拾取目标环境中的n个待分离声源 的声信号，要求麦克风阵元的总数目大于待分离声源的数目，即m＞n；m≥3； n≥2；
[0135]
a/d模块402，用于将所述麦克风阵列401拾取的n个待分离声源的声信号(模 拟信号)转换成对应的数字信号，以便将其送入处理器等设备执行相关的分离算法； 在mems麦克风中，a/d模块402是可以集成在麦克风中的。
[0136]
短时傅里叶变换模块403，用于将所述麦克风阵列采集的信号缓存后，并进行短 时傅里叶变换，得到对应的时频域信号；所述实时盲源分离方法是在时频域进行的。 本发明所需短时傅里叶变化的窗长可远短于麦克风阵列所处空间的混响时间。
[0137]
声源方差和解混合矩阵估计模块404，用于利用得到的时频域观测信号，进行不 断迭代更新，直至达到收敛，估计第n个待分离声源的方差和解混合向量，利用得到 的解混合向量，构建解混合矩阵，并更新解混合矩阵；其中，迭代的具体过程包括：
[0138]
1)分别计算所有待分离声源的方差；具体地，利用所获得的m个解混合向量分 别计算第n个待分离声源的方差；
[0139]
2)更新第n个待分离声源的加权协方差矩阵；
[0140]
3)更新第n个待分离声源的所有解混合向量；
[0141]
4)对第n个待分离声源的所有解混合向量进行归一化；
[0142]
5)利上一步骤中所得的解混合向量，构建解混合矩阵；
[0143]
混合矩阵估计模405，用于对解混合矩阵求逆，获得混合矩阵；
[0144]
多通道维纳滤波模块406，用于针对第n个待分离声源，基于混合矩阵，构建第 n个待分离声源的多通道维纳滤波器，并执行滤波，得到第n个待分离声源的时频域 信号，即计算对应每一个待分离声源的多通道维纳滤波器，将所述多通道维纳滤波器 乘上麦克风时频域向量得到该待分离声源的镜像或者是镜像中的第一早期反射声部 分，取该向量的第一个信号作为该声源分离输出信号。
[0145]
短时傅里叶逆变换模块407，用于将所分离得到的n个时频域的声源信号变换 成时域波形，并将其作为真实的待分离声源的声信号，完成低时延音频信号超定盲源 分离。
[0146]
其中，所述装置还包括：d/a模块408、扬声器阵列模块409和后处理模块410；
[0147]
所述d/a模块408，用于将所述短时傅里叶逆变换模块407输出的分离后的各 通道时域数字信号转换成模拟信号；
[0148]
所述扬声器阵列模块409，将模拟分离信号通过该扬声器阵列进行播放，并将分 离信号送给后处理模块410(例如，语音识别引擎、关键词识别引擎等单元)做进一 步处理。
[0149]
应该指出的是，本发明所描述的实时盲源分离方法可以用多种方式实现，例如硬 件、软件或者是硬件和软件的组合。硬件平台可以是fpga、pld或其他专用集成电 路asic。软件平台包括dsp、arm或其他微处理器。软件和硬件的组合例如部分 模块用dsp软件来实现，部分模块用硬件加速器来实现。
[0150]
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管 参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明 的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均 应涵盖在本发明的权利要求范围当中。