一种音频识别方法、装置及电子设备与流程

1.本技术涉及信息处理技术领域，更具体的说是涉及一种音频识别方法、装置及电子设备。


背景技术：

2.目前，音频交互方式已经成为了一种更加便捷的交互方式，在一些应用场景中需要将音频转换为文本，再进行后续的处理，如智能交互、意图识别等。但是，在一些复杂的应用场景中，音频识别仍会存在识别不准确的问题，影响了后续的应用。


技术实现要素：

3.有鉴于此，本技术提供如下技术方案：
4.一种音频识别方法，包括：
5.对待识别音频信息进行初始文本识别，获得初始识别结果；
6.基于所述初始识别结果，确定与所述初始识别结果对应的至少一个实时主题；
7.基于每一实时主题对其对应的子识别结果进行处理，得到与所述待识别音频信息对应的目标识别结果；
8.其中，所述对应的子识别结果为所述初始识别结果中与实时主题对应的文本信息。
9.可选地，所述对待识别音频信息进行初始文本识别，获得初始识别结果，包括：
10.将待识别音频信息输入至音频识别模型，以使得基于所述音频识别模型获得初始识别结果，所述音频识别模型为基于第一训练样本确定的模型，所述第一训练样本为标注有文本信息的音频数据。
11.可选地，所述基于所述初始识别结果，确定与所述初始识别结果对应的至少一个实时主题，包括：
12.获取初始识别结果关联的第一识别结果；
13.基于所述初始识别结果和所述第一识别结果，确定与所述初始识别结果对应的至少一个实时主题。
14.可选地，所述获取初始识别结果关联的第一识别结果，包括：
15.获取所述初始文本识别对应的识别模式的处理频率参数；
16.基于所述处理频率参数，获取与初始识别结果关联的第一识别结果。
17.可选地，所述基于所述初始识别结果和所述第一识别结果，确定与所述初始识别结果对应的至少一个实时主题，包括：
18.将所述初始识别结果和所述第一识别结果输入至主题识别模型，以通过所述主题识别模型获得至少一个实时主题，其中，所述主题识别模型为通过标注有主题信息的文本训练得到的模型。
19.可选地，所述基于每一实时主题对应的子识别结果进行处理，得到与所述待识别
音频信息对应的目标识别结果，包括：
20.基于与每一子识别结果对应的实时主题对每一所述子识别结果进行处理，得到第二识别结果；
21.对每一所述子识别结果和所述第二识别结果进行融合处理，得到目标子识别结果；
22.将每一目标子识别结果进行组合，得到与所述待识别音频信息对应的目标识别结果。
23.可选地，所述基于与每一实时主题对应的子识别结果进行处理，得到与所述待识别音频信息对应的目标识别结果，包括：
24.基于与每一实时主题对应的子识别结果进行处理，得到与每一实时主题对应的实时识别结果；
25.基于所述初始识别结果和所述实时识别结果，确定与所述待识别音频信息对应的目标识别结果。
26.可选地，所述方法还包括：
27.确定每一实时主题对应的文本特征；
28.基于所述文本特征对所述初始识别结果进行划分，得到与每一实时主题对应的子识别结果。
29.一种音频识别装置，包括：
30.识别单元，用于待识别音频信息进行初始文本识别，获得初始识别结果；
31.确定单元，用于基于所述初始识别结果，确定与所述初始识别结果对应的至少一个实时主题；
32.处理单元，用于基于每一实时主题对其对应的子识别结果进行处理，得到与所述待识别音频信息对应的目标识别结果；
33.其中，所述对应的子识别结果为所述初始识别结果中与实时主题对应的文本信息。
34.一种电子设备，包括：
35.存储器，用于存储应用程序和所述应用程序运行所产生的数据；
36.处理器，用于执行所述应用程序，以实现如上述中任一项所述的音频识别方法。
37.经由上述的技术方案可知，本技术公开了一种音频识别方法、装置及电子设备，通过对待识别音频信息进行初始文本识别，获得初始识别结果；基于初始识别结果，确定与初始识别结果对应的至少一个实时主题；基于每一实时主题对其对应的子识别将结果进行处理，得到与待识别音频信息对应的目标识别结果。能够通过在音频识别过程中获得实时主题，基于实时主题对音频进行识别，提升了音频识别的准确性。
附图说明
38.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述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技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
39.图1为本技术实施例提供的一种音频识别方法的流程示意图；
40.图2为本技术实施例提供的一种应用场景的示意图；
41.图3为本技术实施例提供的一种音频识别装置的结构示意图；
42.图4为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
43.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
44.本技术实施例提供了一种音频识别方法，该音频识别方法可以通过对待识别音频进行自动识别，得到对应的文本信息，将文本信息进行输出，或者基于该文本信息进行进一步处理，如生成与待识别音频拼配的应答音频。因此，可以应用于自动语音识别场景、智能交互场景或者智能问答场景等。
45.参见图1，为本技术实施例提供的一种音频识别方法的流程示意图，具体的该方法可以包括以下步骤：
46.s101、对待识别音频信息进行初始文本识别，获得初始识别结果。
47.初始文本识别是根据音频的发音特征进行的音频转换文本的识别，例如可以通过发音词典对音频进行识别，以得到初始识别结果，该初始识别结果为初始识别获得的文本信息。具体的，发音词典是根据发音特征进行构建的词典，用于针对已知音素以识别输出与该音素对应的词语文本。
48.在本技术实施例的一种实施方式中，对待识别音频信息进行初始文本识别，获得初始识别结果的过程可以包括：将待识别音频信息输入至音频识别模型，以使得基于音频识别模型获得初始识别结果。其中，音频识别模型为基于第一训练样本确定的模型，该第一训练样本为标注有文本信息的音频数据。音频识别模型可以是机器学习模型，通过对第一训练样本进行学习，能够具有将音频转换为文本的功能。其中，第一训练样本中标注的文本信息是基于音频的音素特征进行标注的，由于汉语存在一音多字的特征，其针对的某个音频片段可以标注有至少一个文本信息，例如，针对“shumu”的发音可以有“数目”和“树木”的标注信息。同时第一训练样本还可以标注有音色特征，例如区分男士和女士的发音特点。通过音频识别模型对待识别音频信息进行初始文本识别，可以提升初始识别结果的识别效率。
49.s102、基于初始识别结果，确定与初始识别结果对应的至少一个实时主题。
50.初始识别结果是对待识别音频信息进行文本识别后的结果。根据初始识别结果对应的文本信息进行主题识别，可以确定与初始识别结果对应的至少一个实时主题。需要说明的是，在本技术实施例中可以对初始识别结果进行主题实时识别，即可以将初始识别结果中的所有主题进行识别。可以解决仅以一个固定的主题对音频信息进行处理时，造成的识别准确率低的问题。可以通过预先生成的机器学习模型，对初始识别结果中的文本特征进行分析，以确定与文本特征相匹配的实时主题。例如，初始识别结果中包括两部分文本，一部分本文为针对电影信息的描述，一部分是针对小说信息的描述，因此，识别出的实时主
题包括电影主题和小说主题。
51.由于本发明可以对初始识别结果进行实时主题的识别，因此，可以结合之前识别出的历史识别结果或者上一识别周期内的识别信息进行识别，以得到至少一个实时主题。在一种实施方式中，所述基于初始识别结果，确定与初始识别结果对应的至少一个实时主题，包括：获取初始识别结果关联的第一识别结果；基于初始识别结果和第一识别结果，确定与初始识别结果对应的至少一个实时主题。
52.其中，第一识别结果可以是初始识别结果对应的之前的历史识别结果，如用户输入第一段音频信息后，停顿一段时间后又输入第二段音频信息，则第一识别结果对应于对第一段音频信息进行初始文本识别的识别结果，初始识别结果对应于对第二段音频信息进行初始文本识别的结果。由于初始文本识别的过程通常是一个音节一个音节地识别，或者是根据识别周期进行识别结果的输出，从而根据上述这些识别频率来确定第一识别结果。
53.对应的，获取初始识别结果关联的第一识别结果，可以通过以下处理步骤实现：获取初始文本识别对应的识别模式的处理频率参数；基于处理频率参数，获取与初始识别结果关联的第一识别结果。其中，识别模式是指针对初始文本识别的模式，如文本识别模型对应的识别模式。处理频率参数可以是音节识别频率参数，如是否是一个音节一个音节识别，还是一个音节片段进行识别的。例如，若针对一个待识别音频信息进行识别时，分别输出由文本a、文本b和文本c组成的识别结果，其中，当前的初始识别结果可以是文本c，对应的，第一识别结果可以是文本b，然后根据文本b和文本c中的文本特征进行分析，来得到与当前初始识别结果对应的实时主题。
54.因此，在本技术实施例中可以根据之前的识别结果和当前的初始识别结果进行主题识别，从而得到实时主题，保证了每个实时得到的初始识别结果都能够有与之对应的实时主题，以便提升后续识别的准确性。
55.s103、基于每一实时主题对其对应的子识别结果进行处理得到与待识别音频信息对应的目标识别结果。
56.其中，对应的子识别结果为初始识别结果中与实时主题对应的文本信息。在最终输出识别得到的文本信息时，需要根据识别到的实时主题对初始识别结果进行处理，例如，通过对实时主题对应的词典对初始识别结果中的文本进行修正。这样可以针对同一音节有不同的文本的情况下，匹配出更加合适的文本信息。其中，子识别结果可以是根据识别出的实时主题对初始识别结果进行划分得到的文本部分。也可以是针对该实时主题对应初始识别结果部分的场景信息或者主题描述信息，例如，可以进一步根据实时主题对原有主题信息进行纠错或者优化。
57.若初始识别结果对应于两个实时主题，每一实时主题对应一个子识别结果，根据各个实时主题对子识别结果进行处理，将处理结果进行组合，得到目标识别结果。具体的，目标识别结果可以是针对待识别音频信息对应的文本信息，也可以是针对该待识别音频信息对应的目标音频信息。其中，若该音频识别方法应用于音频转换为文本的应用场景时，目标识别结果为文本信息；若该音频识别方法应用于智能问答领域中，待识别音频信息可以是发问人输出的音频信息，目标识别结果可以是针对该待识别音频信息的智能答复的音频信息。
58.本技术实施例公开了一种音频识别方法，通过对待识别音频信息进行初始文本识
别，获得初始识别结果；基于初始识别结果，确定与初始识别结果对应的至少一个实时主题；基于每一实时主题对其对应的子识别将结果进行处理，得到与待识别音频信息对应的目标识别结果。能够通过在音频识别过程中获得实时主题，基于实时主题对音频进行识别，提升了音频识别的准确性。
59.本技术实施例提供的音频识别方法可以应用在人工智能领域，通过机器学习的方式实现音频识别，并进一步提升音频识别为文本的准确性。可以预先通过训练样本训练得到音频识别模型，利用该音频识别模型对待识别的音频信息进行识别，得到初始识别结果。
60.在一种实施方式中，还可以基于训练样本预先训练得到主题识别模型，基于主题识别模型对初始识别结果中的文本信息进行实时主题的识别。其中，主题识别模型为通过标注有主题信息的文本训练得到的模型，该文本可以是标注有至少一个实时主题的文本信息，通过卷积神经网络等模型架构对该文本进行学习，以得到主题识别模型。具体的，可以将初始识别结果以及与初始识别结果关联的第一识别结果输入至该主题识别模型，以通过该主题识别模型获得至少一个实时主题。
61.对应的，在获得了至少一个实时在主题后，可以根据实时主题对初始识别结果进行处理，以获得目标识别结果。可以通过基于与每一实时主题对应的子识别结果进行处理，得到与待识别音频信息对应的目标识别结果。其中，可以根据实时主题对初始识别结果进行处理，以得到对应的子识别结果。具体的，可以通过实时主题，确定每一实时主题对应的文本特征；基于文本特征对初始识别结果进行划分，得到与每一实时主题对应的子识别结果。其中，实时主题可以包括该主题的关键词，例如，若是电影主题可以包括电影名称、演员名称、电影常用语等信息。通过对初始识别结果中包括的文本进行分析，确定出能够在该电影主题范围内的文本，将该文本确定为与电影主题对应的子识别结果。然后根据该电影主题对应的文本词典对子识别结果中的文本信息进行同义词或者同音词的修正，以得到该实时主题下的目标文本对应的目标识别结果。比如当识别“我的左手拿的使漫威的钢铁侠而右手拿的是西游记里的孙悟空”，若只使用“电影”的主题语言模型进行解码，可以识别“漫威”、“钢铁侠”等词汇，但是无法识别“西游记”和“孙悟空”等词汇。在本技术实施例中可以基于实时主题对各部分进行精准识别。
62.在本技术实施例中还提供了一种基于实时主题对子识别结果进行处理的方法。在一种实施方式中，基于与每一实时主题对应的子识别结果进行处理，得到与待识别音频信息对应的目标识别结果，包括：基于与每一子识别结果对应的识别主题对每一子识别结果进行处理，得到第二识别结果；对每一子识别结果和第二识别结果进行融合处理，得到目标子识别结果；将每一目标子识别结果进行组合，得到与待识别音频信息对应的目标识别结果。
63.其中，第二识别结果是根据实时主题对子识别结果进行处理的，即可以根据实时主题对应的文本纠正模型，或者根据与实时主题对应的词典对子识别结果中的文本进行处理得到的文本。然后将子识别结果和第二识别结果进行融合处理，得到目标子识别结果。该融合处理可以是根据子识别结果和第二识别结果中的相同文本，以及不同文本对应的置信分数或者与前后文的对应程度进行融合，以保证目标子识别结果的准确性，最后将各个目标子识别结果进行组合，得到与待识别音频信息对应的目标识别结果。即针对每一个实时得到的子识别结果依据实时主题进行识别后进行组合，得到与待识别音频信息对应的完成
的目标识别结果。
64.在另一种实施方式中，基于与每一实时主题对应的子识别结果进行处理，得到与待识别音频信息对应的目标识别结果，包括：基于与每一实时主题对应的子识别结果进行处理，得到与每一实时主题对应的实时识别结果；将初始识别结果和实时识别结果，确定与待识别音频信息对应的目标识别结果。
65.在该实施方式中，可以用初始识别结果和当前实时主题下得到的实时识别结果进行融合，得到目标识别结果。具体的，基于实时主题对子识别结果进行处理是根据实时主题对应的词典进行处理，得到实时识别结果，然后基于初始识别结果和实时识别结果进行比对，以对初始识别结果进行修正和调整，以得到目标识别结果。
66.在本技术实施例中能够基于识别出的实时主题应用在音频识别过程中，可以无需预先获取待识别音频的主题信息，实现多主题在线解码，基于实时主题进行音频识别，进一步提升了音频的准确率。
67.下面以人工智能应用场景中的音频识别场景为例，对本技术实施例的音频识别方法进行说明。
68.预先通过训练文本进行模型训练，可以得到文本识别模型和主题识别模型。首先，利用大量包含主题标注的文本作为训练样本，基于该训练样本，利用神经网络模型架构进行训练，得到主题识别模型(也可以称为主题分类器)。然后可以将待识别主题的文本，如本技术实施例中初始文本识别后的初始识别结果对应的文本信息，输入至该主题识别模型，输出对应的实时主题信息。
69.对应的，还可以基于标注有文本的音频信息作为训练样本，通过神经网络模型对训练样本进行学习，得到音频识别模型，然后将待识别的音频信息输入至该音频识别模型，得到初始识别结果，即得到初始文本序列。
70.然后，根据标注有主题和目标文本结果的文本序列作为训练样本，用于训练得到文本识别模型，可以基于该文本识别模型对包含主题信息的文本序列进行识别，以得到目标文本即待输出的文本。
71.参见图2，为本技术实施例提供的一种应用场景的示意图，在该应用场景中包括主题分类器、通用语音识别模型以及神经网络语言模型，其中，通用语音识别模型用于对待识别音频信息进行识别，得到初步识别结果，即初始实时识别结果。将该实时识别结果同时输入到主题分类器和神经网络语言模型，通过主题分类器得到实时主题，并且将获得的实时主题输入到神经网络语言模型，使得通过神经网络语言模型得到当前实时主题下实时识别结果。最后将初始实时识别结果和当前主题下实时识别结果进行得分融合，得到最终识别结果。进一步，还可以根据最终识别结果调整主题分类器和神经网络语言模型的准确性，以实现对模型的迭代更新，进一步提升准确性。
72.具体的，音频流经过训练好的通用语音识别模型得到一遍实时识别结果(例如可以是逐字符得到的初始识别结果)，将之前最终识别结果和当前一遍实时识别结果同时输入至主题分类器，得到当前实时主题信息。然后，将一遍实时的识别结果、之前最终识别结果和当前实时主题输入到神经网络语言模型中，得到当前主题下的实时识别结果。最后，将当前主题下的实时识别结果和一遍实时识别结果进行得分融合，得到最终的识别结果。其中，一遍实时识别结果是当前待识别字符得到的识别结果，如一个音节一个音节的识别，则
一遍实时识别结果是针对一个音节的识别结果。之前最终识别结果是指已经识别出的字符的结果，若之前识别出的多个音节的识别结果。最终识别结果是与输入的音频流对应的文本识别结果，或者基于该文本识别结果对应的应答音频信息。
73.在该应用场景中，可以将包含多种主题的主题信息加入到神经网络语言模型中，有利于语言模型根据主题输出更准确的下一个字符的概率；无需预先知道语音主题，可以实现多主题在线解码，使用一个神经网络语言模型代替多个主题语言模型，架构简单，并且提升了识别准确性。
74.在本技术实施例中还提供了一种音频识别装置，参见图3，该装置可以包括：
75.识别单元301，用于待识别音频信息进行初始文本识别，获得初始识别结果；
76.确定单元302，用于基于所述初始识别结果，确定与所述初始识别结果对应的至少一个实时主题；
77.处理单元303，用于基于每一实时主题对其对应的子识别结果进行处理，得到与所述待识别音频信息对应的目标识别结果；
78.其中，所述对应的子识别结果为所述初始识别结果中与实时主题对应的文本信息。
79.本技术实施例公开了一种音频识别装置，通过对待识别音频信息进行初始文本识别，获得初始识别结果；基于初始识别结果，确定与初始识别结果对应的至少一个实时主题；基于每一实时主题对其对应的子识别将结果进行处理，得到与待识别音频信息对应的目标识别结果。能够通过在音频识别过程中获得实时主题，基于实时主题对音频进行识别，提升了音频识别的准确性。
80.在一种实施方式中，识别单元301具体用于：
81.将待识别音频信息输入至音频识别模型，以使得基于所述音频识别模型获得初始识别结果，所述音频识别模型为基于第一训练样本确定的模型，所述第一训练样本为标注有文本信息的音频数据。
82.在另一种实施方式中，确定单元302包括：
83.第一获取子单元，用于获取初始识别结果关联的第一识别结果；
84.第一确定子单元，用于基于所述初始识别结果和所述第一识别结果，确定与所述初始识别结果对应的至少一个实时主题。
85.进一步地，所述第一获取子单元具体用于：
86.获取所述初始文本识别对应的识别模式的处理频率参数；
87.基于所述处理频率参数，获取与初始识别结果关联的第一识别结果。
88.可选地，所述第一确定子单元具体用于：
89.将所述初始识别结果和所述第一识别结果输入至主题识别模型，以通过所述主题识别模型获得至少一个实时主题，其中，所述主题识别模型为通过标注有主题信息的文本训练得到的模型。
90.在一种实施方式中，处理单元303包括：
91.第一处理子单元，用于基于与每一子识别结果对应的实时主题对每一所述子识别结果进行处理，得到第二识别结果；
92.第二处理子单元，用于对每一所述子识别结果和所述第二识别结果进行融合处
理，得到目标子识别结果；
93.组合子单元，用于将每一目标子识别结果进行组合，得到与所述待识别音频信息对应的目标识别结果。
94.进一步地，处理单元303还包括：
95.第三处理子单元，用于基于与每一实时主题对应的子识别结果进行处理，得到与每一实时主题对应的实时识别结果；
96.第二确定子单元，用于基于所述初始识别结果和所述实时识别结果，确定与所述待识别音频信息对应的目标识别结果。
97.可选地，所述装置还包括：
98.特征确定单元，用于确定每一实时主题对应的文本特征；
99.划分单元，用于基于所述文本特征对所述初始识别结果进行划分，得到与每一实时主题对应的子识别结果。
100.需要说明的是，本实施例中各个单元以及子单元的具体实现可以参考前文中的相应内容，此处不再详述。
101.在本技术的另一实施例中，还提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上任一项所述的音频识别方法的各个步骤。
102.在本技术的另一实施例中，还提供了一种电子设备，参见图4为本技术实施例提供的一种电子设备的结构示意图，所述电子设备可以包括：
103.存储器401，用于存储应用程序和所述应用程序运行所产生的数据；
104.处理器402，用于执行所述应用程序，以实现：
105.对待识别音频信息进行初始文本识别，获得初始识别结果；
106.基于所述初始识别结果，确定与所述初始识别结果对应的至少一个实时主题；
107.基于每一实时主题对其对应的子识别结果进行处理，得到与所述待识别音频信息对应的目标识别结果；
108.其中，所述对应的子识别结果为所述初始识别结果中与实时主题对应的文本信息。
109.可选地，所述对待识别音频信息进行初始文本识别，获得初始识别结果，包括：
110.将待识别音频信息输入至音频识别模型，以使得基于所述音频识别模型获得初始识别结果，所述音频识别模型为基于第一训练样本确定的模型，所述第一训练样本为标注有文本信息的音频数据。
111.可选地，所述基于所述初始识别结果，确定与所述初始识别结果对应的至少一个实时主题，包括：
112.获取初始识别结果关联的第一识别结果；
113.基于所述初始识别结果和所述第一识别结果，确定与所述初始识别结果对应的至少一个实时主题。
114.可选地，所述获取初始识别结果关联的第一识别结果，包括：
115.获取所述初始文本识别对应的识别模式的处理频率参数；
116.基于所述处理频率参数，获取与初始识别结果关联的第一识别结果。
117.可选地，所述基于所述初始识别结果和所述第一识别结果，确定与所述初始识别
结果对应的至少一个实时主题，包括：
118.将所述初始识别结果和所述第一识别结果输入至主题识别模型，以通过所述主题识别模型获得至少一个实时主题，其中，所述主题识别模型为通过标注有主题信息的文本训练得到的模型。
119.可选地，所述基于每一实时主题对应的子识别结果进行处理，得到与所述待识别音频信息对应的目标识别结果，包括：
120.基于与每一子识别结果对应的实时主题对每一所述子识别结果进行处理，得到第二识别结果；
121.对每一所述子识别结果和所述第二识别结果进行融合处理，得到目标子识别结果；
122.将每一目标子识别结果进行组合，得到与所述待识别音频信息对应的目标识别结果。
123.可选地，所述基于与每一实时主题对应的子识别结果进行处理，得到与所述待识别音频信息对应的目标识别结果，包括：
124.基于与每一实时主题对应的子识别结果进行处理，得到与每一实时主题对应的实时识别结果；
125.基于所述初始识别结果和所述实时识别结果，确定与所述待识别音频信息对应的目标识别结果。
126.可选地，所述方法还包括：
127.确定每一实时主题对应的文本特征；
128.基于所述文本特征对所述初始识别结果进行划分，得到与每一实时主题对应的子识别结果。
129.需要说明的是，本实施例中处理器的具体实现可以参考前文中的相应内容，此处不再详述。
130.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
131.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
132.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
133.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。
对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。