一种弱覆盖区域栅格聚类方法和装置与流程

1.本发明涉及通信技术领域，具体涉及一种弱覆盖区域栅格聚类方法和装置。


背景技术：

2.当前，随着移动通信网络建设的不断推进，对于弱覆盖区域的定位关系着网络建设的质量问题。栅格化地图作为一种有效的地图数据化手段，能够有效支持弱覆盖区域的聚类和定位，在海量的栅格覆盖数据中，对弱覆盖区域进行快速定位是一项重要的课题，但目前对弱覆盖区域的聚类运算存在计算量大和实时性差等问题，这是因为，在已有的数据资源基础上，将弱覆盖区域按照一定标准进行识别提取和勾勒，得到弱覆盖区域轮廓。但是已有的栅格特征提取及聚类算法使用主要注重在整个栅格化地图上遍历寻找问题栅格区域并完成聚类，在面对巨量数据时对于算力要求巨大。同时，由于栅格覆盖数据并不是一成不变的，栅格覆盖数据会不间断更新，新聚类结果的产生往往仍需对整个栅格化地图进行遍历，一次覆盖数据更新可能就要做到一次遍历，弱覆盖结果获得的实时性受到影响。


技术实现要素：

3.鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种弱覆盖区域栅格聚类方法和装置。
4.根据本发明的一个方面，提供了一种弱覆盖区域栅格聚类方法，包括：
5.对栅格化地图进行切片处理，得到多个地图切片；
6.针对每个地图切片，根据该地图切片对应的覆盖数据，计算该地图切片的弱覆盖概率；
7.依据多个地图切片的弱覆盖概率，从多个地图切片中筛选待聚类的地图切片，对待聚类的地图切片中的栅格进行聚类处理，得到弱覆盖聚类簇；
8.收集多个地图切片对应的更新覆盖数据，依据所述更新覆盖数据和所述弱覆盖聚类簇，更新所述栅格化地图。
9.根据本发明的另一方面，提供了一种弱覆盖区域栅格聚类装置，包括：
10.切片模块，用于对栅格化地图进行切片处理，得到多个地图切片；
11.计算模块，用于针对每个地图切片，根据该地图切片对应的覆盖数据，计算该地图切片的弱覆盖概率；
12.聚类模块，用于依据多个地图切片的弱覆盖概率，从多个地图切片中筛选待聚类的地图切片，对待聚类的地图切片中的栅格进行聚类处理，得到弱覆盖聚类簇；
13.更新模块，用于收集多个地图切片对应的更新覆盖数据，依据所述更新覆盖数据和所述弱覆盖聚类簇，更新所述栅格化地图。
14.根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
15.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述
弱覆盖区域栅格聚类方法对应的操作。
16.根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述弱覆盖区域栅格聚类方法对应的操作。
17.根据本发明的一种弱覆盖区域栅格聚类方法和装置，通过对栅格化地图进行切片处理，得到多个地图切片；针对每个地图切片，根据该地图切片对应的覆盖数据，计算该地图切片的弱覆盖概率；依据多个地图切片的弱覆盖概率，从多个地图切片中筛选待聚类的地图切片，对待聚类的地图切片中的栅格进行聚类处理，得到弱覆盖聚类簇；收集多个地图切片对应的更新覆盖数据，依据更新覆盖数据和弱覆盖聚类簇，更新栅格化地图。本发明通过对栅格化地图进行切片，通过计算每个地图切片的弱覆盖概率，对栅格化地图进行分类，筛选出待聚类的地图切片，实现分片管理以及区别处理，不必对整个栅格化地图进行完全遍历聚类与更新，从而节省了算力资源，有效地提高了栅格化地图的更新速度，解决了当前聚类运算算力要求大，实时更新地图运算资源消耗多的问题。
18.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
19.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
20.图1示出了本发明实施例提供的一种弱覆盖区域栅格聚类方法的流程图；
21.图2示出了本发明实施例提供的一种弱覆盖区域栅格聚类装置的结构示意图；
22.图3示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
23.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
24.图1示出了本发明一种弱覆盖区域栅格聚类实施例的流程图，如图1所示，该方法包括以下步骤：
25.步骤s110：对栅格化地图进行切片处理，得到多个地图切片。
26.在本步骤中，将整个栅格化地图根据栅格数目进行均匀切片处理，使得每个地图切片的栅格数目相同，本领域技术人员可根据实际需要设置地图切片的大小，例如每个地图切片可包括25个栅格。还可对已经切片处理的栅格化地图应用特殊颜色标识出来，超出栅格化地图范围以外的栅格可以以“null”进行标识。
27.步骤s120：针对每个地图切片，根据该地图切片对应的覆盖数据，计算该地图切片的弱覆盖概率。
28.在一种可选的方式中，步骤s120进一步包括：分析该地图切片对应的覆盖数据，得到距离该地图切片预设范围内的天线数据以及该地图切片对应的建筑物遮挡数据；利用经过训练的弱覆盖概率识别模型，对天线数据以及建筑物遮挡数据进行处理，得到该地图切片的弱覆盖概率。
29.具体地说，针对每个地图切片中，分析该地图切片对应的覆盖数据，得到距离该地图切片预设范围内的天线数据，具体地，可以读取该地图切片的中心位置，以及距离该中心位置预设距离范围内的天线位置及天线个数等天线数据，进一步地，获取该地图切片对应的建筑物遮挡数据，其中，建筑物遮挡数据可以根据经验值得到。结合无线传播损耗模型，可以根据样本数据(例如样本天线数据以及样本建筑物遮挡数据)进行训练得到经过训练的弱覆盖概率识别模型，利用该弱覆盖概率识别模型，对天线数据以及建筑物遮挡数据进行处理，得到地图切片的弱覆盖概率。可通过天线数据以及建筑物遮挡数据建立二维变量(l-i,b-j)，其中，针对在距离地图切片的中心位置预设距离l范围内的天线，l-i表示天线与该地图切片的中心位置之间的距离，i表示天线编号；b-j表示建筑物遮挡数据，b-j可用下式(1)表示：
30.b-j＝l(l-j,s-j)；
ꢀꢀꢀ
(1)
31.其中，针对在距离地图切片的中心位置预设距离l范围内的建筑物，j表示建筑物编号，b-j可由经验值得到，b-j和传播路径上建筑物与中心位置之间的距离l-j、遮挡面积s-j等成正相关关系，构建上述函数式(1)。
32.在弱覆盖概率识别模型的模型训练过程中，可依据样本数据得到样本数据对应的二维变量(l-i,b-j)，结合无线传播损耗模型，构建二维变量概率分布函数f，通过不断的训练，对函数构型及函数变量进行拟合，得到弱覆盖概率识别模型。在得到弱覆盖概率识别模型之后，当需要计算某个地图切片的弱覆盖概率时，即可根据该地图切片对应的天线数据以及建筑物遮挡数据构造二维变量(l-i,b-j)，将二维变量输入至弱覆盖概率识别模型中，由弱覆盖概率识别模型进行数据处理，输出该地图切片的弱覆盖概率。
33.步骤s130：依据多个地图切片的弱覆盖概率，从多个地图切片中筛选待聚类的地图切片，对待聚类的地图切片中的栅格进行聚类处理，得到弱覆盖聚类簇。
34.在一种可选的方式中，步骤s130进一步包括：将弱覆盖概率小于或等于第一预设阈值的地图切片划分至第一分类中，将弱覆盖概率大于第一预设阈值且小于第二预设阈值的地图切片划分至第二分类中，将弱覆盖概率大于或等于第二预设阈值的地图切片划分至第三分类中；其中，第二预设阈值大于第一预设阈值；将第二分类中的地图切片以及第三分类中的地图切片作为待聚类的地图切片。
35.具体地说，为了减小聚类运算量，从而节省算力资源，通过设定第一预设阈值a和第二预设阈值b，其中，a为是否为弱覆盖区域区分阈值，b为弱覆盖概率大小区分阈值，且b＞a；将地图切片划分为三类，将弱覆盖概率小于或等于a的地图切片确定为非弱覆盖区域，划分至第一分类中；将弱覆盖概率大于a且小于b的地图切片判定为弱覆盖概率小区域，划分至第二分类中；将弱覆盖概率大于或等于b的地图切片判定为弱覆盖概率大区域，划分至第三分类中；第二分类的地图切片和第三分类的地图切片均可能为弱覆盖区域，那么将第二分类和第三分类的地图切片确定为待聚类的地图切片；而第一分类的地图切片为非弱覆盖区域，则无需聚类运算。
36.在一种可选的方式中，步骤s130进一步包括：针对每个待聚类的地图切片，从待聚类的地图切片中选取初始的访问栅格，从初始的访问栅格开始访问待聚类的地图切片中的其他栅格，将覆盖数据低于覆盖阈值数据的栅格作为弱覆盖栅格；利用密度聚类算法，对已访问栅格进行聚类处理，得到弱覆盖聚类簇。
37.在一种可选的方式中，在对待聚类的地图切片中的栅格进行聚类处理，得到弱覆盖聚类簇之前，该方法还包括：按照预设合并规则，对第三分类中的地图切片中的栅格进行合并处理。
38.具体地说，为了进一步减少运算量，将弱覆盖概率小区域即第二分类中的地图切片根据原栅格大小，进行聚类运算；而弱覆盖概率大区域即第三分类中的地图切片按照预设合并规则进行栅格合并处理之后，再进行聚类运算。具体的预设合并规则为：对于第三分类中的地图切片重新进行栅格划分，新形成的合并栅格的边长为原始栅格的两倍或者三倍，即新栅格由4个或9个原栅格组成，使得第三分类中的地图切片新形成的合并栅格中每一个栅格的信号接收强度值为组成该新栅格的多个原栅格信号接收强度值的均值。
39.进一步地，从第二分类和第三分类的地图切片中初始访问栅格，从初始的访问栅格开始访问待聚类的地图切片中的其他栅格，将覆盖数据低于覆盖阈值数据的栅格作为弱覆盖栅格，其中，初始访问栅格可以选取以多个天线位置或基站位置连线的中心点栅格为初始访问栅格，若地图切片区域内刚好无天线或基站，则以该地图切片的四个顶点和对角线交点的连线中点为初始访问栅格；从初始访问栅格向外访问地图切片中的其他栅格时，将已经访问到的栅格进行“已访问”标记，对于覆盖数据低于覆盖阈值数据的栅格，进行“弱覆盖栅格”标记，具体标记的方法可通过对栅格进行颜色改变来标记，对于标记为弱覆盖栅格进行密度聚类等聚类运算，得到该次聚类的弱覆盖聚类簇。
40.目前主要使用的聚类算法有k最近邻(k-nearestneighbor，knn)分类算法、加权k-最近邻(weighted k-nearest neighbor，wknn)算法、基于密度的聚类(density-based spatial clustering of applications with noise，dbscan)算法及层次聚类算法等。一般的聚类过程由选择的聚类初始栅格开始，对栅格化地图上有覆盖数据的栅格进行相关算法的聚类运算，整个栅格地图运算完毕后，得到符合问题区域标准的聚类簇。本实施例中应用上述基于密度的聚类算法，以上述dbscan聚类算法为例，进行弱覆盖栅格的聚类运算，几个重要的定义如下(1)-(5)：
41.(1)两个初始参数是e(邻域半径)和minpts(邻域e内的最小点数)。
42.(2)核心栅格：如果给定栅格的e邻域内弱覆盖栅格数目大于等于minpts，则该栅格为核心栅格。边界栅格：如果一个栅格在其邻域半径e内含有弱覆盖栅格的数量小于minpts，但是该栅格落在核心栅格的邻域内，则该栅格为边界栅格。噪音栅格：如果一个栅格既不是核心栅格也不是边界栅格，则该栅格为噪音栅格。
43.(3)直接密度可达：对于样本集合d，如果栅格q在栅格p的e邻域内，同时p为核心栅格，此时称栅格q从栅格p直接密度可达。
44.(4)密度可达：对于样本集合d，给定一串样本p1，
…
，pi，
…
，pn，其中，p＝p1，q＝pn，假如栅格pi从p
i-1直接密度可达，那么栅格q从栅格p密度可达。
45.(5)密度相连：存在样本集合d中的o，如果栅格o到栅格p和栅格q都是密度可达的，则p和q密度相联，而dbscan的目的就是找到一个密度相联栅格的最大集合。
46.对于标记为弱覆盖栅格进行dbscan聚类运算基本步骤如下(1)-(4)：
47.其中，对于minpts设置，可为弱覆盖区域中标记确定为弱覆盖栅格的栅格数目标准的1/2。
48.(1)从初始访问栅格开始，对栅格进行访问并按照核心栅格定义找到一个核心栅格，并按设置的e和minpts形成一个聚类簇a，并将其中栅格加入候选集合ca。若初始访问栅格为边界栅格或噪音栅格，则选择其邻接栅格直到建立新簇或跳出遍历循环。遍历后的栅格进行“已访问”标记，对于覆盖数据低于覆盖阈值数据的栅格，进行“弱覆盖栅格”标记，在此标记基础上，对已进行聚类运算栅格再次进行“已处理”标记，未进行聚类运算栅格进行“未处理”标记，具体标记方法不再赘述。
49.(2)对候选栅格集合ca中的任一未访问栅格x进行处理，检查其邻域e是否包含minpts个弱覆盖栅格。若包含，则将这些栅格加入ca中等待处理，若x没有归入任何一个聚类簇，则将x加入聚类簇a。
50.(3)重复步骤(2)，直到ca中全部元素均被处理。
51.(4)重复步骤(1)-步骤(3)，直到整个地图切片中栅格全部被处理形成对应聚类簇，按照密度可达规则进行对象合并，合并聚类簇。
52.在一种可选的方式中，该方法还包括：若任一待聚类的地图切片的边界处的弱覆盖聚类簇中的弱覆盖栅格直接密度可达邻近地图切片的边界处的弱覆盖聚类簇，则将待聚类的地图切片的边界处的弱覆盖聚类簇与邻近地图切片的边界处的弱覆盖聚类簇进行合并处理。
53.具体地说，对于完成聚类运算的地图切片，若地图切片的边界处的弱覆盖聚类簇中的弱覆盖栅格直接密度可达邻近地图切片的边界处的弱覆盖聚类簇，则将待聚类的地图切片的边界处的弱覆盖聚类簇与邻近地图切片的边界处的弱覆盖聚类簇进行合并处理，得到新的聚类簇。此时，整个栅格化地图的首次遍历完毕，全部弱覆盖聚类簇确定。
54.在一种可选的方式中，对于确定的全部弱覆盖聚类簇内栅格，应用上述大于1/2minpts栅格数目再次进行dbscan聚类运算，可以得到更细致的边界轮廓。
55.步骤s140：收集多个地图切片对应的更新覆盖数据，依据更新覆盖数据和弱覆盖聚类簇，更新栅格化地图。
56.在一种可选的方式中，步骤s140进一步包括：依据更新覆盖数据，对弱覆盖聚类簇中的栅格以及弱覆盖聚类簇的邻近地图切片中的栅格重新进行聚类处理；根据聚类结果，更新栅格化地图。
57.由于栅格化地图内覆盖数据随时可能更新，因此，定期收集多个地图切片对应的更新覆盖数据，当覆盖数据有更新时，依据更新覆盖数据，仅需要对弱覆盖聚类簇中的栅格以及弱覆盖聚类簇的邻近地图切片中的栅格重新进行聚类处理；并将更新后的标记结果补入整个栅格化地图中。
58.采用本实施例提供的方法，通过对栅格化地图进行切片，计算每个地图切片的弱覆盖概率，提高了栅格化地图弱覆盖区域定位的实时性；通过对栅格化地图进行分类，筛选出待聚类的地图切片，实现分片管理以及区别处理，不必对整个栅格化地图进行完全遍历聚类与更新，从而节省了算力资源，有效地提高了栅格化地图的更新速度，解决了当前聚类运算算力要求大，实时更新地图运算资源消耗多的问题。
59.图2示出了本发明一种弱覆盖区域栅格聚类装置实施例的结构示意图。如图2所示，该装置包括：切片模块210、计算模块220、聚类模块230和更新模块240。
60.切片模块210，用于对栅格化地图进行切片处理，得到多个地图切片。
61.计算模块220，用于针对每个地图切片，根据该地图切片对应的覆盖数据，计算该地图切片的弱覆盖概率。
62.在一种可选的方式中，计算模块220进一步用于：分析该地图切片对应的覆盖数据，得到距离该地图切片预设范围内的天线数据以及该地图切片对应的建筑物遮挡数据；利用经过训练的弱覆盖概率识别模型，对天线数据以及建筑物遮挡数据进行处理，得到该地图切片的弱覆盖概率。
63.聚类模块230，用于依据多个地图切片的弱覆盖概率，从多个地图切片中筛选待聚类的地图切片，对待聚类的地图切片中的栅格进行聚类处理，得到弱覆盖聚类簇。
64.在一种可选的方式中，聚类模块230进一步用于：将弱覆盖概率小于或等于第一预设阈值的地图切片划分至第一分类中，将弱覆盖概率大于第一预设阈值且小于第二预设阈值的地图切片划分至第二分类中，将弱覆盖概率大于或等于第二预设阈值的地图切片划分至第三分类中；其中，第二预设阈值大于第一预设阈值；将第二分类中的地图切片以及第三分类中的地图切片作为待聚类的地图切片。
65.在一种可选的方式中，聚类模块230进一步用于：针对每个待聚类的地图切片，从待聚类的地图切片中选取初始的访问栅格，从初始的访问栅格开始访问待聚类的地图切片中的其他栅格，将覆盖数据低于覆盖阈值数据的栅格作为弱覆盖栅格；利用密度聚类算法，对已访问栅格进行聚类处理，得到弱覆盖聚类簇。
66.在一种可选的方式中，聚类模块230进一步用于：按照预设合并规则，对第三分类中的地图切片中的栅格进行合并处理。
67.在一种可选的方式中，聚类模块230进一步用于：若任一待聚类的地图切片的边界处的弱覆盖聚类簇中的弱覆盖栅格直接密度可达邻近地图切片的边界处的弱覆盖聚类簇，则将待聚类的地图切片的边界处的弱覆盖聚类簇与邻近地图切片的边界处的弱覆盖聚类簇进行合并处理。
68.更新模块240，用于收集多个地图切片对应的更新覆盖数据，依据更新覆盖数据和弱覆盖聚类簇，更新栅格化地图。
69.在一种可选的方式中，依据更新覆盖数据，对弱覆盖聚类簇中的栅格以及弱覆盖聚类簇的邻近地图切片中的栅格重新进行聚类处理；根据聚类结果，更新栅格化地图。
70.采用本实施例提供的装置，通过对栅格化地图进行切片，计算每个地图切片的弱覆盖概率，提高了栅格化地图弱覆盖区域定位的实时性；通过对栅格化地图进行分类，筛选出待聚类的地图切片，实现分片管理以及区别处理，不必对整个栅格化地图进行完全遍历聚类与更新，从而节省了算力资源，有效地提高了栅格化地图的更新速度，解决了当前聚类运算算力要求大，实时更新地图运算资源消耗多的问题。
71.本发明实施例提供了一种非易失性计算机存储介质，计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的弱覆盖区域栅格聚类方法。
72.可执行指令具体可以用于使得处理器执行以下操作：
73.对栅格化地图进行切片处理，得到多个地图切片；
74.针对每个地图切片，根据该地图切片对应的覆盖数据，计算该地图切片的弱覆盖概率；
75.依据多个地图切片的弱覆盖概率，从多个地图切片中筛选待聚类的地图切片，对待聚类的地图切片中的栅格进行聚类处理，得到弱覆盖聚类簇；
76.收集多个地图切片对应的更新覆盖数据，依据更新覆盖数据和弱覆盖聚类簇，更新栅格化地图。
77.图3示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
78.如图3所示，该计算设备可以包括：
79.处理器(processor)、通信接口(communications interface)、存储器(memory)、以及通信总线。
80.其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口，用于与其它设备比如客户端或其它服务器等的网元通信。处理器，用于执行程序，具体可以执行上述弱覆盖区域栅格聚类方法实施例中的相关步骤。
81.具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。
82.处理器可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
83.存储器，用于存放程序。存储器可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
84.程序具体可以用于使得处理器执行以下操作：
85.对栅格化地图进行切片处理，得到多个地图切片；
86.针对每个地图切片，根据该地图切片对应的覆盖数据，计算该地图切片的弱覆盖概率；
87.依据多个地图切片的弱覆盖概率，从多个地图切片中筛选待聚类的地图切片，对待聚类的地图切片中的栅格进行聚类处理，得到弱覆盖聚类簇；
88.收集多个地图切片对应的更新覆盖数据，依据更新覆盖数据和弱覆盖聚类簇，更新栅格化地图。
89.在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
90.在此处所提供的说明书中，说明了大量具体细节。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实践。在一些实例中，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。
91.类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在
上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
92.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
93.此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
94.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
95.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。