基于多波段观测数据的工业热源生产区域识别方法及装置

1.本技术涉及多波段观测数据处理领域和目标发现识别领域，尤其涉及基于多波段观测数据的工业热源生产区域识别方法及装置。


背景技术：

2.在经济全球化日益紧密的发展过程中，全球工业产业出现了大量的工业产能聚集地，极大的促进了全球经济发展。但是近年来，工业热源排放也成为区域大气污染和人为c02排放的主要贡献源。中国作为全球工业大国，需要有自主的工业热源生产区域分布以及规模特性的高时空动态监测数据，以全面理解工业资源配置、监测大气环境状态。因此，如何兼顾发展与排放需求，近实时、客观、准确的掌握我国乃至全球的工业热源生产区域布局和规模特性，成为我国推进可持续发展进程中面对的重要难题。
3.基于统计和实地调查等清单方式获取的工/矿企业数据时效性差，主观性强，往往误差较大，难以满足大区域范围工业热源区域实时发现与近实时、准确、客观监测的需求。近期的研究表明：利用遥感热异常产品数据可以表征工业热源的生产活动和生产规模，是监测大区域范围工业热源时空布局与变化的最有效方法。目前多数的研究是利用热异常数据进行工业热源区域的粗识别，但考虑反演热异常数据的原始遥感影像空间分辨率低，以及在反演过程中存在的误差，导致无法精准的识别工业热源的生产区域。
4.可持续发展科学卫星1号(sdgsat-1)于2021年11月5日发射成功。按照计划安排，开始面向“地球大数据科学工程”先导专项和可持续发展大数据国际研究中心(cbas)等相关科技人员开展sdgsat-1专项应用，它搭载了热红外、微光和多谱段成像仪三个有效载荷，通过三个载荷全天时协同观测，具有高分辨率热红外传感器数据的优势，基于此新数据开展新领域的研究，具有广阔的应用前景。


技术实现要素：

5.本技术在充分利用高空间分辨率热红外遥感数据的基础上，紧紧围绕工业热源生产区域识别准确性这一科技问题，结合多传感器数据预处理、多元工业热源生产运营状况表征指数提取、目标识别等算法，提出基于多波段观测数据的工业热源生产区域识别方法及装置。
6.第一方面，本技术提供基于多波段数据的工业热源生产区域识别方法，包括以下步骤：
7.获取目标区域的多波段观测数据；所述多波段观测数据包括基于高分辨率热红外传感器，多谱段传感器和微光传感器获得的多波段遥感卫星数据；
8.基于工业热源生产区域波谱分布，从多波段观测数据中提取反映工业热源生产区域特征的多元指标数据；
9.将所述反映工业热源生产区域特征的多元指标数据输入到工业热源生产区域识别模型中，实现对所述目标区域的工业热源生产区域识别；其中，所述工业热源生产区域识
别模型采用随机森林机器学习方法按照样本集训练得到；所述样本集利用高分辨率遥感卫星位置信息和先验工业热源生产区域特征指标信息搭建。
10.优选的，获得的遥感卫星数据在作为多波段观测数据使用之前还需要进行解析处理，包括：
11.针对热红外传感器数据，进行辐射后，反演热红外传感器3波段星上亮温；
12.针对多谱段传感器数据，进行辐射后，反演多谱段传感器波段b1-7的反射率；
13.针对微光传感器数据，进行辐射后，计算微光传感器r，g，b，pl，ph波段光辐射值。
14.优选的，工业热源生产区域特征的多元指标信息，包括：
15.反射率指标、夜光辐射值指标、辐射亮温指标，分别指多谱段传感器b1-7波段的反射率、微光传感器数据中包括r、g、b、pl、ph5波段的夜光辐射值和热红外传感器t1-3波段的辐射星上亮温；
16.热辐射指数，是指根据工业热源生产区域的特点，提取的6个短波热辐射指数ri特征：
[0017][0018][0019][0020][0021][0022][0023]
其中，t3、t2和t1分别为热红外传感器中心波长为11.81μm、9.32μm和10.82μm波段的辐射亮温，ρ7和ρ6为多谱段传感器中心波长为850nm和785nm波段的反射率；
[0024]
归一化水指数ndwi和归一化植被指数ndvi指标信息。
[0025]
优选的，所述工业热源生产区域识别模型的训练步骤，包括：
[0026]
构建工业热源生产区域与背景区域样本集，综合利用googleearth等高分辨率遥感卫星数据和多元指数特征信息，尽可能多的搭建空间分布均匀的工业热源生产区域与背景区域样本集；
[0027]
综合多元指数特征的工业热源生产区域识别模型构建，采用随机森林的机器学习方法，以多元指数特征作为输入特征，在训练样本集上，训练工业热源生产区域识别的随机森林模型，形成综合多元指数特征的工业热源生产区域识别模型。
[0028]
优选的，所述工业热源生产区域识别的过程，包括：
[0029]
针对综合多波段数据的工业热源指数特征提取层提取的研究区域多元指数特征，利用综合多元指数特征的工业热源生产区域识别模型训练层构建的综合多元指数特征的工业热源生产区域识别模型，实现目标区域工业热源生产区域识别；
[0030]
利用云掩膜、ndvi、ndwi等指标，剔除虚假的工业热源生产区域。
[0031]
优选的，所述在实现对所述目标区域的工业热源生产区域识别之后，还需要辅助高分辨率遥感影像、google earth数据、poi数据集、以及地方统计数据集、人工实地调研数据，采用测试样本验证、交叉验证、典型区域人工验证的方式，对研究区域工业热源生产区
域的识别准确率进行定性和定量分析与验证。
[0032]
第二方面，本技术提供基于多波段观测数据的工业热源生产区域识别装置，其特征在于，所述装置包括：
[0033]
多波段数据预处理模块，获取遥感卫星的热红外、微光和多谱段传感器数据，并进行解析处理；
[0034]
综合多波段数据的工业热源指数特征提取模块，从解析处理得到的数据中提取工业热源生产区域运营状况指标信息；
[0035]
综合多元指数特征的工业热源生产区域识别模型构建模块，搭建空间分布均匀的工业热源生产区域与背景区域样本集，训练工业热源生产区域识别的随机森林模型，构建综合多元指数特征的工业热源生产区域识别模型；
[0036]
综合多元指数特征的工业热源生产区域识别模块，结合所述工业热源生产区域指标信息和所述工业热源生产区域识别模型，实现所研究区域的工业热源生产区域识别；
[0037]
工业热源生产区域识别结果验证模块，对所述工业热源生产区域识别的准确率进行定性和定量分析并验证。
[0038]
第三方面，本技术还提供基于多波段数据的工业热源生产区域识别装置，包括至少一个处理器，所述处理器用于执行存储器中存储的程序，当所述程序被执行时，使得所述装置执行如第一方面及各种可能的实现中的各个步骤。
[0039]
第四方面，本技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如第一方面及各种可能的实现中的各个步骤。
[0040]
本技术基于多波段数据综合分析工业热源生产区域波谱特点，提取以下多元工业热源指数特征：反射率指标、夜光辐射值指标、辐射亮温指标、热辐射指数、ndwi和ndvi指标信息。其中，鉴于多波段数据缺乏短波红外数据，在充分调研工业热源生产区域在热红外传感器谱段上的分布特性的前提下，新提出了6个热红外辐射指标。一方面，多元的工业热源指数特征，有效改善了工业热源生产区域信息特征描述的准确、全面性；另一方面，多元的工业热源特征特征，又有效提升了复杂环境下工业热源生产区域识别的准确性和可靠性。
附图说明
[0041]
为了更简单说明本技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其他的附图。
[0042]
图1为本技术实施例中基于多波段观测数据的工业热源生产区域识别方法的流程示意图；
[0043]
图2为本技术实施例中基于多波段观测数据的工业热源生产区域识别装置的结构框架图；
[0044]
图3为本技术实施例中基于多波段观测数据的工业热源生产区域识别装置的另一种结构框架图。
具体实施方式
[0045]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，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。
[0046]
sdgsat-1卫星为太阳同步轨道设计，搭载了高分辨率宽幅热红外、微光及多谱段成像仪三种载荷，轨道高度为505km，倾角为97.5
°
，空间分辨率分别为30m和10m，幅宽为300km，11天可实现全球覆盖。设计有“热红外 多谱段”、“热红外 微光”以及单载荷观测等普查观测模式，可实现全天时、多载荷协同观测。同时，拥有月球定标、黑体变温定标、led灯定标、一字飞行定标等星上和场地定标模式，保证了精确定量探测的需求。
[0047]
本技术以sdgsat-1卫星为例，对技术方案进行进一步详细描述。
[0048]
图1本技术实施例中基于多波段观测数据的工业热源生产区域识别方法的流程示意图，步骤如下：
[0049]
步骤s110：获取目标区域的多波段观测数据；多波段观测数据包括基于高分辨率热红外传感器，多谱段传感器和微光传感器获得的多波段遥感卫星数据。
[0050]
在cbas的sdgsat-1数据开放系统(http：//124.16.184.48：6008/home)上下载四级产品数据，包含多谱段(mii)、热红外(tis)和微光(giu)传感器的数据。数据获取完成后，按照上海市的行政边界，对不同的数据进行裁切并解析，原始数据只包含几何校正和简单的辐射校正，不包括本文数据的处理。
[0051]
在一个实施例中，根据不同传感器数据的特点和工业热源生产区域识别的需求，需要针对不同传感器的数据分别进行不同的解析处理：
[0052]
针对sdgsat-1热红外传感器数据，进行辐射后，反演sdgsat-1热红外传感器3波段温度；
[0053]
具体的，按照公式l＝dn*gain bias的辐射定标公式，采用最新版本的辐射定标参数，对数据进行辐射定标。其中，dn为图像的有效记录值，gain为定标增益，bias为定标偏移量，l为定标后的辐射率。由于sdgsat-1热红外传感器是由4片ccd拼接而成，每个波段(t1-3)、每片的定标参数各不相同，具体可以查看对应的“*.calib.xml”文件。
[0054]
辐射定标完成之后，分别计算3个热红外波段的辐射亮温，辐射亮温的转化公式下所示：
[0055][0056]
其中，t为亮度温度(k)，h为普朗克常数(h＝6.626
×
10
34j·
s)，k为玻尔兹曼常数(k＝1.38
×
10-23
j/s)，c为光速(c＝2.998
×
108m/s)，μ为中心波长(m)，l的单位为w/(m2·
sr
·
um)。sdgsat-1热红外三波段的中心波长，分别为11.81μm、9.32μm和10.82μm。
[0057]
针对sdgsat-1多谱段传感器数据，进行辐射后，反演sdgsat-1多谱段传感器波段b1-7的反射率；
[0058]
具体的，针对sdgsat-1多谱段传感器数据，按照公式l＝dn*gain bias的辐射定标公式，采用最新版本的辐射定标参数，对数据进行辐射定标。b1-7每个波段定标参数各不相同，具体可以查看对应的“*.calib.xml”文件。并按照辐射传输模型，计算各个波段的反射
率信息。并以热红外数据为参考，配准为30m分辨率数据。
[0059]
针对sdgsat-1微光传感器数据，进行辐射后，计算sdgsat-1微光传感器r，g，b，pl，ph波段光辐射值。
[0060]
具体的，针对sdgsat-1微光传感器数据，按照公式l＝dn*gain bias的辐射定标公式，，采用最新版本的辐射定标参数，对数据进行辐射定标。r，g，b，pl，ph每个波段定标参数各不相同，具体可以查看对应的“*.calib.xml”文件。并以热红外数据为参考，配准为30m分辨率数据。
[0061]
本技术首次将sdgsat-1多传感器数据应用到工业热源生产识别中，同时sdgsat-1高分辨率热红外传感器数据，较好的满足了工业热源生产区域识别精度的需求。
[0062]
步骤s120：基于工业热源生产区域波谱分布，从多波段观测数据中提取反映工业热源生产区域特征的多元指标数据。
[0063]
综合分析工业热源生产区域波谱分布特点，本中请提取的特征主要有：反射率指标、夜光辐射值指标、辐射亮温指标、热辐射指数、ndwi(normalized difference water index，ndwi)和ndvi(normalized difference vegetation index，ndvi)等指标信息。
[0064]
在一个实施例中，工业热源生产区域指标信息包括：
[0065]
反射率指标、夜光辐射值指标、辐射亮温指标，分别指多谱段传感器b1-7波段的反射率、微光传感器数据中包括r、g、b、pl、ph5波段的夜光辐射值和热红外传感器t1-3波段的辐射亮温；
[0066]
热辐射指数，是指根据工业热源生产区域的特点，在归一化燃烧指数的基础上，为增加工业热源生产区域和背景区域的差异性，同时鉴于sdgsat-1缺乏短波红外数据，本技术在充分调研工业热源生产区域在热红外传感器谱段上的分布特性的前提下，新提出了6个热红外辐射指标(ri)特征。本技术提出的热红外指数包括：
[0067][0068][0069][0070][0071][0072][0073]
其中，t3、t2和t1分别为热红外传感器中心波长为11.81μm、9.32μm和10.82μm波段的辐射亮温，ρ7和ρ6为多谱段传感器中心波长为850nm和785nm波段的反射率。
[0074]
归一化水指数ndwi和归一化植被指数ndvi指标信息。
[0075]
具体的，计算方式如下所示：
[0076][0077][0078]
其中，ρ4和ρ5为多谱段传感器中心波长为560nm和660nm波段的反射率。
[0079]
步骤s130：将反映工业热源生产区域特征的多元指标数据输入到工业热源生产区
域识别模型中，实现对目标区域的工业热源生产区域识别；其中，工业热源生产区域识别模型采用随机森林机器学习方法按照样本集训练得到；样本集利用高分辨率遥感卫星位置信息和先验工业热源生产区域特征指标信息搭建。
[0080]
在一个实施例中，步骤包括：
[0081]
构建工业热源生产区域与背景区域样本集，综合利用googleearth等高分辨率遥感卫星数据和多元指数特征信息，尽可能多的搭建空间分布均匀的工业热源生产区域与背景区域样本集；
[0082]
综合多元指数特征的工业热源生产区域识别模型构建，采用随机森林的机器学习方法，以先验多元指数特征作为输入特征，在训练样本集上，训练工业热源生产区域识别的随机森林模型，形成综合多元指数特征的工业热源生产区域识别模型。
[0083]
在一个实施例中，针对综合sdgsat-1卫星多波段数据的工业热源指数特征提取层提取的研究区域多元指数特征，利用综合多元指数特征的工业热源生产区域识别模型训练层构建的综合多元指数特征的工业热源生产区域识别模型，实现研究区域工业热源生产区域识别；
[0084]
利用云掩膜、ndvi、ndwi等指标，剔除虚假的工业热源生产区域。
[0085]
在一个实施例中，对所述工业热源生产区域识别的准确率进行定性和定量分析并验证。
[0086]
研究区域识别出的工业热源生产区域，辅助高分辨率遥感影像、google earth数据、poi数据集、以及地方统计数据集、人工实地调研数据，采用测试样本验证、交叉验证、典型区域人工验证的方式，对研究区域工业热源生产区域的识别准确率进行定性和定量分析与验证。
[0087]
图2本技术实施例中基于多波段观测数据的工业热源生产区域识别装置的结构框架图，包括：
[0088]
多波段数据预处理模块，获取sdgsat-1卫星的热红外、微光和多谱段传感器数据，并进行解析处理；
[0089]
综合多波段数据的工业热源指数特征提取模块，从解析处理得到的数据中提取工业热源生产区域运营状况指标信息；
[0090]
综合多元指数特征的工业热源生产区域识别模型构建模块，综合利用googleearth等高分辨率遥感卫星数据和先验多元指数特征信息，尽可能多的搭建空间分布均匀的工业热源生产区域与背景区域样本集，训练工业热源生产区域识别的随机森林模型，构建综合多元指数特征的工业热源生产区域识别模型；
[0091]
综合多元指数特征的工业热源生产区域识别模块，结合所述工业热源生产区域指标信息和所述工业热源生产区域识别模型，实现所研究区域的工业热源生产区域识别；
[0092]
工业热源生产区域识别结果验证模块，对所述工业热源生产区域识别的准确率进行定性和定量分析并验证。
[0093]
本技术提出了一种新的工业热源生产区域发现方法，即基于综合sdgsat-1多波段数据的工业热源生产区域发现方法。其目的在于充分利用sdgsat-1高分辨率热红外传感器数据的优势，叠加多光谱和微光波段数据，结合多传感器数据预处理、多元工业热源生产运营状况表征指数提取、目标识别等算法，识别工业热源生产区域。作为一种新的综合
sdgsat-1多波段数据的工业热源生产区域发现方式，该方法较好的满足了高精度工业热源生产区域识别问题，为环境监测、重工业经济效益评估、相关辅助产业配置等，提供了有利的辅助数据。为我国积极应对“调结构、去产能”产业模式升级、碳税国内外交易、大气环境改善等可持续发展进程(sdg指标7.3/9.2/12.2/12.a)提供自主的科学依据。
[0094]
图3为本技术实施例中基于多波段观测数据的工业热源生产区域识别装置的另一种结构框架图300，包括：
[0095]
该装置300可以为芯片系统。本技术实施例中，芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。装置300包括至少一个处理器310，用于实现本技术实施例提供的方法。装置300还可以包括通信接口320。在本技术实施例中，通信接口320可以是收发器、电路、总线、模块或其它类型的通信接口，用于通过传输介质和其它设备进行通信。
[0096]
处理器310可以执行图2所示装置中sdgsat-1卫星多波段数据预处理模块、综合sdgsat-1卫星多波段数据的工业热源指数特征提取模块、综合多元指数特征的工业热源生产区域识别模型构建模块、综合多元指数特征的工业热源生产区域识别模型构建模块、工业热源生产区域识别结果验证模块所执行的功能；通信接口320可以用于执行图2所示装置获取sdgsat-1卫星的热红外、微光和多谱段传感器数据，以及获取google earth高分辨率遥感影像等信息所执行的功能。
[0097]
当装置300用于执行上述方法时，通信接口320用于获取sdgsat-1卫星的热红外、微光和多谱段传感器数据，以及获取google earth高分辨率遥感影像等信息；处理器310用于解析处理sdgsat-1卫星的热红外、微光和多谱段传感器数据；从得到的数据中提取工业热源生产区域运营状况指标信息；从google earth高分辨率遥感影像等信息中，搭建空间分布均匀的工业热源生产区域与背景区域样本集，训练工业热源生产区域识别的随机森林模型，构建综合多元指数特征的工业热源生产区域识别模型；结合工业热源生产区域指标信息和工业热源生产区域识别模型，实现所研究区域的工业热源生产区域识别。
[0098]
通信接口320还用于执行上述方法实施例中除获取上述获取sdgsat-1卫星的热红外、微光和多谱段传感器数据，以及获取google earth高分辨率遥感影像等信息以外的其它步骤或操作。处理器310还可以用于执行上述方法实施例中处理过程以外的其它步骤或操作，在此不再一一赘述。
[0099]
装置300还可以包括至少一个存储器330，用于存储程序指令和/或数据。存储器330和处理器310耦合。本技术实施例中的耦合是装置、单元或模块之间的间接耦合或通信连接，可以是电性，机械或其它的形式，用于装置、单元或模块之间的信息交互。处理器310可能和存储器330协同操作。处理器310可能执行存储器330中存储的程序指令。在一种可能的实现中，所述至少一个存储器中的至少一个可以与处理器集成在一起。在另一种可能的实现中，存储器330位于装置300之外。
[0100]
本技术实施例中不限定通信接口320、处理器310以及存储器330之间的具体连接介质。本技术实施例在图3中以存储器330、处理器310以及通信接口320之间通过总线340连接，总线在图3中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0101]
示例性的，处理器310可以是一个或多个中央处理器(central processing unit，
cpu)，在处理器310是一个cpu的情况下，该cpu可以是单核cpu，也可以是多核cpu。处理器410可以是通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列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，可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0102]
示例性的，存储器330可包括但不限于硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)等非易失性存储器，随机存储记忆体(random access memory，ram)、可擦除可编程只读存储器(erasable programmable rom，eprom)、只读存储器(read-0nly memory，rom)或便携式只读存储器(compact disc read-0nly memory，cd-rom)等等。存储器是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本技术实施例中的存储器还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
[0103]
本技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下步骤：
[0104]
获取sdgsat-1卫星的热红外、微光和多谱段传感器数据，并进行解析处理；
[0105]
从解析处理得到的数据中提取工业热源生产区域运营状况指标信息；
[0106]
搭建空间分布均匀的工业热源生产区域与背景区域样本集，训练工业热源生产区域识别的随机森林模型，构建综合多元指数特征的工业热源生产区域识别模型；
[0107]
结合工业热源生产区域指标信息和工业热源生产区域识别模型，实现所研究区域的工业热源生产区域识别；
[0108]
对工业热源生产区域识别的准确率进行定性和定量分析并验证。
[0109]
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0110]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0111]
应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。
[0112]
本技术提出了一种基于波动方程的超声ct成像，具体来说，即是基于fwi的超声ct
多参数图像重建系统和方法，该方法通过利用多参数黏声波动方程的数值解，可以充分利用全部波形的信息(反射波、透射波、绕射波、折射波等)重建多种声参数(声速、声阻抗、衰减系数等)的高分辨率图像。多参数波动方程的数值解法可在cpu上做开发，部署在gpu上用于实际的探测任务。构建创新的多尺度反卷积目标函数并提出相应目标函数在实际重建中的具体使用策略。通过着重比较仿真数据和观测数据的动力学特征的思路提高了模型重建的鲁棒性。
[0113]
需要说明的是，在此提供的方法不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定的编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明内容，并且上面对特定语言、系统功能模块的调用所做的描述仅仅是为了披露发明的最佳实施方式。
[0114]
在此处所提供的说明书中，说明了大量的具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下完成实现。在一些示例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0115]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若对本发明的这些修改和变型属于本发明权利要去及其同等技术的范围之内，则本发明也意图包含这些改动和变型在内。