NWDAF网元及其数据处理方法与流程

nwdaf网元及其数据处理方法
技术领域
1.本公开涉及通信领域，特别涉及一种nwdaf网元及其数据处理方法。


背景技术：

2.面对业务对sla(service level agreement，服务级别协议)的差异化需求，5g网络新增了一个nf(network function，网络功能)网元：nwdaf(network data analytics function，网络数据分析功能)网元。
3.nwdaf是一个数据感知分析网元，以网络数据为基础对网络进行自动感知和分析，并参与到网络规划、建设、运维、网优、运营全生命周期中，使得网络易于维护和控制，提高网络资源使用效率，提升用户业务体验。
4.nwdaf网元从nf网元、af(application function，应用功能)网元、oam(operation administration and maintenance，操作管理维护)收集原始数据，并对原始数据进行智能分析，输出分析数据给nf、af、oam等网元，用于优化网络和业务。


技术实现要素：

5.本公开实施例的nwdaf网元能够为用户提供差异化的数据分析服务，更好的满足用户需求。
6.本公开一些实施例提出一种数据处理方法，包括：
7.nwdaf网元接收订阅事件；
8.nwdaf网元根据订阅事件向相关网络设备采集相关数据；
9.nwdaf网元判断是否需要人工智能平台进行数据分析；
10.如果判断不需要人工智能平台进行数据分析，nwdaf网元按照订阅事件对相关数据进行分析，如果判断需要人工智能平台进行数据分析，nwdaf网元将订阅事件的信息和相关数据发送给人工智能平台进行数据分析；
11.nwdaf网元返回订阅事件相应的数据分析结果。
12.在一些实施例中，nwdaf网元判断是否需要人工智能平台进行数据分析，包括：
13.nwdaf网元判断订阅事件是否携带人工智能标识，如果订阅事件携带人工智能标识，判定需要人工智能平台进行数据分析，如果订阅事件不携带人工智能标识，判定不需要人工智能平台进行数据分析。
14.在一些实施例中，nwdaf网元判断是否需要人工智能平台进行数据分析，包括：
15.nwdaf网元根据相关数据中的数据标识判断用户级别，如果数据标识表示是第一用户级别，判定需要人工智能平台进行数据分析，如果数据标识表示是第二用户级别，判定不需要人工智能平台进行数据分析。
16.在一些实施例中，数据标识包括用户标识信息、网络切片标识信息、数据网络标识信息。
17.在一些实施例中，nwdaf网元将订阅事件的信息和相关数据发送给人工智能平台
进行数据分析，包括：
18.nwdaf网元将订阅的用户标识和订阅事件的类型发送给人工智能平台进行判断；
19.nwdaf网元接收人工智能平台返回的能否处理用户标识相应的用户和类型相应的订阅事件的反馈；
20.nwdaf网元基于反馈将相关数据发送给人工智能平台进行数据分析；
21.nwdaf网元接收人工智能平台返回的数据分析结果。
22.在一些实施例中，还包括：nwdaf网元根据数据分析结果进行应对决策，并将决策信息发送给对应的网元进行调整。
23.在一些实施例中，所述方法包括：
24.nwdaf网元接收流量预测的订阅事件一；
25.nwdaf网元根据流量预测的订阅事件一向smf/upf采集订阅用户的流量数据；
26.nwdaf网元判断是否需要人工智能平台进行数据分析；
27.如果判断不需要人工智能平台进行数据分析，nwdaf网元按照流量预测的订阅事件一对流量数据进行流量预测分析，如果判断需要人工智能平台进行数据分析，nwdaf网元将流量预测的订阅事件一的信息和流量数据发送给人工智能平台进行流量预测分析；
28.nwdaf网元返回流量预测的订阅事件一相应的流量预测分析结果；
29.nwdaf网元在流量预测分析结果显示用户流量不均衡时，决策对订阅用户采用动态扩缩容，并将动态扩缩容的决策信息发送给smf/upf进行资源调整。
30.在一些实施例中，所述方法包括：
31.nwdaf网元接收终端移动性管理的订阅事件二；
32.nwdaf网元根据终端移动性管理的订阅事件二向会话管理功能smf/用户面功能upf/策略控制功能pcf采集订阅终端的位置数据；
33.nwdaf网元判断是否需要人工智能平台进行数据分析；
34.如果判断不需要人工智能平台进行数据分析，nwdaf网元按照终端移动性管理的订阅事件二对位置数据进行位置或轨迹的预测分析，如果判断需要人工智能平台进行数据分析，nwdaf网元将终端移动性管理的订阅事件二的信息和位置数据发送给人工智能平台进行位置或轨迹的预测分析；
35.nwdaf网元返回终端移动性管理的订阅事件二相应的位置或轨迹的预测分析结果；
36.nwdaf网元根据终端位置或轨迹的预测分析结果，决策对终端移动性管理参数和无线资源管理参数进行优化，并将移动性管理参数和无线资源管理参数的优化决策信息发送给smf/upf进行相应的参数优化。
37.在一些实施例中，所述方法包括：
38.nwdaf网元接收网络切片异常的订阅事件三；
39.nwdaf网元根据网络切片异常的订阅事件三向smf/upf采集网络切片的性能数据；
40.nwdaf网元判断是否需要人工智能平台进行数据分析；
41.如果判断不需要人工智能平台进行数据分析，nwdaf网元按照网络切片异常的订阅事件三对网络切片的性能数据进行网络切片的运行状态评估分析，如果判断需要人工智能平台进行数据分析，nwdaf网元将网络切片异常的订阅事件三的信息和网络切片的性能
数据发送给人工智能平台进行网络切片的运行状态评估分析；
42.nwdaf网元返回网络切片异常的订阅事件三相应的网络切片的运行状态评估分析结果；
43.nwdaf网元根据网络切片的运行状态评估分析结果，决策网络切片是否异常，并将网络切片是否异常的决策信息发送给smf/upf进行相应的网络切片参数的调整。
44.本公开一些实施例提出一种nwdaf网元，包括：
45.存储器；以及
46.耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行数据处理方法。
47.本公开一些实施例提出一种nwdaf网元，包括：
48.数据采集模块，被配置为接收订阅事件，根据订阅事件向相关网络设备采集相关数据；
49.接口模块；
50.数据处理模块，被配置为判断是否需要人工智能平台进行数据分析，如果判断不需要人工智能平台进行数据分析，按照订阅事件对相关数据进行分析，如果判断需要人工智能平台进行数据分析，通过接口模块将订阅事件的信息和相关数据发送给人工智能平台进行数据分析，通过接口模块返回订阅事件相应的数据分析结果。
51.在一些实施例中，nwdaf网元还包括：决策模块，被配置为接收数据分析结果，根据数据分析结果进行应对决策，并将决策信息发送给对应的网元进行调整。
52.在一些实施例中，数据处理模块在判断是否需要人工智能平台进行数据分析时包括：
53.判断订阅事件是否携带人工智能标识，如果订阅事件携带人工智能标识，判定需要人工智能平台进行数据分析，如果订阅事件不携带人工智能标识，判定不需要人工智能平台进行数据分析；
54.或者，
55.根据相关数据中的数据标识判断用户级别，如果数据标识表示是第一用户级别，判定需要人工智能平台进行数据分析，如果数据标识表示是第二用户级别，判定不需要人工智能平台进行数据分析。
56.本公开一些实施例提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现数据处理方法的步骤。
附图说明
57.下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍。根据下面参照附图的详细描述，可以更加清楚地理解本公开。
58.显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
59.图1示出本公开一些实施例的数据处理方法的流程示意图。
60.图2示出本公开一些实施例的nwdaf网元将订阅事件的信息和相关数据发送给人工智能平台进行数据分析的流程示意图。
61.图3示出本公开一些实施例的网络架构示意图。
62.图4示出本公开一些实施例的nwdaf网元的示意图。
63.图5示出本公开另一些实施例的nwdaf网元的示意图。
具体实施方式
64.下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。
65.除非特别说明，否则，本公开中的“第一”“第二”等描述用来区分不同的对象，并不用来表示大小或时序等含义。
66.图1示出本公开一些实施例的数据处理方法的流程示意图。
67.如图1所示，该实施例的数据处理方法包括步骤110-140，还可以包括步骤150。
68.在步骤110，nwdaf网元接收订阅事件。例如，nwdaf网元接收pcf(policy control function，策略控制功能)发起的订阅事件。
69.在步骤120，nwdaf网元根据订阅事件向相关网络设备采集相关数据。
70.例如，nwdaf网元根据订阅事件向nf网元、af网元、或者oam等相关网元收集相关数据。nf网元包括但不限于会话管理功能(session management function,smf)和用户面功能(user plane function，upf)等。
71.在步骤130a，nwdaf网元判断是否需要ai(artificial intelligence，人工智能)平台进行数据分析。人工智能平台相对于nwdaf网元能够提供更深度的数据分析。
72.第一种示例性的方法，nwdaf网元判断是否需要人工智能平台进行数据分析，包括：nwdaf网元判断订阅事件是否携带人工智能标识，如果订阅事件携带人工智能标识，判定需要人工智能平台进行数据分析，如果订阅事件不携带人工智能标识，判定不需要人工智能平台进行数据分析，如表1所示。
73.表1判断方法1
74.订阅事件是否携带ai标识情况归属否130b是130c
75.第二种示例性的方法，nwdaf网元判断是否需要人工智能平台进行数据分析，包括：nwdaf网元根据相关数据中的数据标识判断用户级别，如果数据标识表示是第一用户级别，判定需要人工智能平台进行数据分析，如果数据标识表示是第二用户级别，判定不需要人工智能平台进行数据分析，如表2所示。其中，数据标识包括用户标识信息、网络切片标识信息、数据网络标识信息。其中，用户标识信息例如是国际移动用户识别码(imsi，international mobile subscriber identity)。其中，网络切片标识信息例如是s-nssai(single network slice selection assistance information，单一网络切片选择辅助信息)。其中，数据网络标识信息例如是ddn(digital data network，数字数据网)名称。
76.表2判断方法2
77.imsi、s-nssai、ddn情况归属普通用户130b重点用户130c
78.通过上述判断，可以借助人工智能平台为重点用户或重点业务提供更深度的数据分析。
79.在步骤130b，如果判断不需要人工智能平台进行数据分析，nwdaf网元按照订阅事件对相关数据进行分析。
80.在步骤130c，如果判断需要人工智能平台进行数据分析，nwdaf网元将订阅事件的信息和相关数据发送给人工智能平台进行更深度的数据分析。
81.nwdaf网元具有一些基本事件的数据分析模型，人工智能平台具有各种事件更深度分析的数据分析模型，后续结合应用例具体描述。
82.在一些实施例中，如图2所示，nwdaf网元将订阅事件的信息和相关数据发送给人工智能平台进行数据分析，包括：
83.在步骤130c1，nwdaf网元将订阅的用户标识和订阅事件的类型发送给人工智能平台进行是否能够处理该用户和该事件的判断。
84.在步骤130c2，nwdaf网元接收人工智能平台返回的能否处理用户标识相应的用户和类型相应的订阅事件的反馈。如果接收到正向的反馈，表明人工智能平台能够处理该用户和该事件，继续执行步骤130c3。
85.在步骤130c3，nwdaf网元基于反馈将相关数据发送给人工智能平台进行数据分析。
86.在步骤130c4，nwdaf网元接收人工智能平台返回的数据分析结果。
87.其中，步骤130c1-130c3例如由nwdaf网元的数据处理模块通过接口模块执行，步骤130c4例如由nwdaf网元的决策模块通过接口模块执行。
88.在步骤140，nwdaf网元返回订阅事件相应的数据分析结果。例如，nwdaf网元向pcf返回订阅事件相应的数据分析结果。
89.在步骤150，nwdaf网元根据数据分析结果进行应对决策，并将决策信息发送给对应的网元进行调整。
90.例如，nwdaf网元将决策信息发送给nf网元、af网元、或者oam等相关网元，以便这些网元进行资源、管理参数等调整。
91.上述实施例，nwdaf网元能够识别重点用户或重点业务，为用户提供差异化的数据分析服务，更好的满足用户需求。此外，nwdaf网元还能够根据数据分析结果进行应对决策，以便相关网元进行资源、管理参数等调整，更好的满足用户需求。
92.下面结合图3示出的网络架构示意图，描述图1的数据处理方法的一些应用例。其中，ran表示无线接入网(radio access network)，dn表示数据网(data network)。
93.应用例一(基于nwdaf网元本地分析的流量预测)
94.某地区的用户与运营商签约，要求为其业务切片提供sla保障，其中包括事件：流量预测。条约中只要求提供较为基础和简单的保障服务。
95.(1)pcf向nwdaf网元订阅有关sla保障的流量预测，nwdaf网元接收流量预测的订阅事件一。
96.(2)nwdaf网元根据流量预测的订阅事件一向smf/upf采集订阅用户的流量数据。
97.(3)nwdaf网元判断是否需要人工智能平台进行数据分析，例如，如果识别出用户是普通用户，不需要人工智能平台进行数据分析，nwdaf网元按照流量预测的订阅事件一对
流量数据进行本地的流量预测分析，并返回流量预测的订阅事件一相应的流量预测分析结果给pcf。
98.nwdaf将其数据采集模块采集的数据发送到数据处理模块，数据处理模块进行预处理后识别出该用户为普通用户,接下来也将在数据处理模块进行流量预测的分析，可使用简单的预测算法，例如移动平均算法，通过取历史流量数据平均值的方式预测流量，得到流量预测分析结果，例如，在周日该用户使用的流量是平时的2倍。
99.(4)nwdaf网元的数据处理模块将流量预测分析结果发送到决策模块，决策模块发现流量预测分析结果显示用户流量不均衡，决策对订阅用户采用动态扩缩容，并将动态扩缩容的决策信息发送给smf/upf进行资源调整，以应对周日的弹性扩容，保证该用户在流量高峰的通信质量。
100.应用例二(基于ai分析的流量预测)
101.电网用户与运营商签约，要求为其业务切片提供sla保障，其中包括事件：流量预测。条约中只要求提供较好的保障服务。
102.(1)pcf向nwdaf网元订阅有关sla保障的流量预测，nwdaf网元接收流量预测的订阅事件一。
103.(2)nwdaf网元根据流量预测的订阅事件一向smf/upf采集订阅用户的流量数据。
104.(3a)nwdaf网元判断是否需要人工智能平台进行数据分析，例如，如果数据处理模块识别出用户是重点用户，需要人工智能平台进行数据分析。
105.(3b)nwdaf网元将流量预测的订阅事件一的信息，如订阅用户标识和订阅事件类型等发给人工智能平台，以确认人工智能平台能否处理。
106.(3c)人工智能平台确认有针对该用户和处理流量预测的算法模型，如机器学习模型，反馈能够处理的确认信息(如ok)给nwdaf网元。
107.利用流量预测的训练样本对机器学习模型(如线性回归模型)进行训练。将训练样本中的历史流量输入预测用的机器学习模型，机器学习模型输出预测的流量，比较预测流量与真实流量之间的差距，按照梯度下降法更新机器学习模型的参数，直至预测流量与真实流量之间的差距小于预设值或达到预设的迭代次数。训练好的机器学习模型能够基于历史流量预测未来的流量。
108.(3d)nwdaf网元将对应算法约定的流量数据，经由接口模块发送至外部的人工智能平台，人工智能平台利用机器学习模型进行流量预测的数据分析，其中模型使用到的数据包括历史流量数据、现有流量数据以及电网用户属性的一些数据。假设经过模型分析，得出电网用户在某一区域的流量使用会在周日比平时增大2倍。
109.(3e)人工智能平台将数据分析结果(预测流量增加2倍)经由x接口传送回nwdaf网元。
110.(4)nwdaf网元的决策模块发现流量预测分析结果显示用户流量不均衡，决策对订阅用户采用动态扩缩容，并将动态扩缩容的决策信息发送给smf/upf进行资源调整，以应对周日的弹性扩容，保证该用户在流量高峰的通信质量。
111.应用例三(基于ai分析的终端移动性管理)
112.(1)pcf向nwdaf网元订阅有关sla保障的终端移动性管理，nwdaf网元接收终端移动性管理的订阅事件二。
113.(2)nwdaf网元根据终端移动性管理的订阅事件二向smf/upf/pcf采集订阅终端的位置数据，包括历史移动轨迹和终端实时位置信息。
114.(3a)nwdaf网元判断是否需要人工智能平台进行数据分析，例如，如果数据处理模块识别出用户是重点用户，需要人工智能平台进行数据分析。
115.(3b)nwdaf网元将终端移动性管理的订阅事件二的信息，如订阅用户标识和订阅事件类型等发给人工智能平台，以确认人工智能平台能否处理。
116.(3c)人工智能平台确认有针对终端移动性管理的算法模型，如机器学习模型，反馈能够处理的确认信息(如ok)给nwdaf网元。
117.利用终端移动性管理的训练样本对机器学习模型(如回归模型)进行训练。将训练样本中的历史位置输入预测用的机器学习模型，机器学习模型输出预测的位置，比较预测位置与真实位置之间的差距，按照梯度下降法更新机器学习模型的参数，直至预测位置与真实位置之间的差距小于预设值或达到预设的迭代次数。训练好的机器学习模型能够基于历史位置预测终端未来的位置。
118.(3d)nwdaf网元将对应算法约定的位置数据，经由接口模块发送至外部的人工智能平台，人工智能平台利用机器学习模型(如逻辑回归模型)进行位置或轨迹的预测分析。
119.(3e)人工智能平台将位置或轨迹的预测分析结果经由x接口传送回nwdaf网元。
120.(4)nwdaf网元的决策模块根据终端位置或轨迹的预测分析结果，可以获知群组终端的分布特征和单个终端的位置信息，决策对终端移动性管理参数和无线资源管理参数进行优化，并将移动性管理参数和无线资源管理参数的优化决策信息发送给smf/upf进行相应的参数优化。
121.应用例四(基于ai分析的异常检测)
122.(1)pcf向nwdaf网元订阅有关sla保障的网络切片异常，nwdaf网元接收网络切片异常的订阅事件三。
123.(2)nwdaf网元根据网络切片异常的订阅事件三向smf/upf采集网络切片的性能数据，比如资源的使用率、负载、切片用户数等关键性能指标(kpi，key performance indicator)数据。
124.(3a)nwdaf网元判断是否需要人工智能平台进行数据分析，例如，如果数据处理模块识别出用户是重点用户，需要人工智能平台进行数据分析。
125.(3b)nwdaf网元将终端网络切片异常的订阅事件三的信息，如订阅用户标识和订阅事件类型等发给人工智能平台，以确认人工智能平台能否处理。
126.(3c)人工智能平台确认有针对网络切片异常的算法模型，如机器学习模型，反馈能够处理的确认信息(如ok)给nwdaf网元。
127.机器学习模型例如是分类模型。机器学习模型可以是监督分类模型，也可以是无监督分类模型。针对监督分类模型，
128.利用网络切片异常的训练样本对机器学习模型(如分类模型)进行训练。将训练样本中的性能数据输入分类用的机器学习模型，机器学习模型输出判定的运行状态，比较判定运行状态与真实运行状态之间的差距，按照梯度下降法更新机器学习模型的参数，直至判定运行状态与真实运行状态之间的差距小于预设值或达到预设的迭代次数。训练好的机器学习模型能够基于网络切片的性能数据判定网络切片的运行状态。
129.(3d)nwdaf网元将对应算法约定的网络切片的性能数据等，经由接口模块发送至外部的人工智能平台，人工智能平台利用机器学习模型(如分类模型)进行网络切片的运行状态评估分析。
130.机器学习模型除了使用kpi数据，还可以使用切片的业务体验数据，这些均用来评估切片的运行状态。此外，机器学习模型可采用无监督模型，通过直接分析数据实例之间的相似性来学习数据模式，消除了对异常网络行为的先验知识的需求。
131.(3e)人工智能平台将网络切片的运行状态评估分析结果经由x接口传送回nwdaf网元。
132.(4)nwdaf网元的决策模块根据网络切片的运行状态评估分析结果，决策网络切片是否异常，并将网络切片是否异常的决策信息发送给smf/upf，以便smf/upf在网络切片异常时进行相应的网络切片参数的调整。
133.图4示出本公开一些实施例的nwdaf网元的示意图。
134.如图4所示，nwdaf网元400包括模块410-430，还包括模块440。
135.数据采集模块410，被配置为接收订阅事件，根据订阅事件向相关网络设备采集相关数据。
136.数据处理模块420，被配置为判断是否需要人工智能平台进行数据分析，如果判断不需要人工智能平台进行数据分析，按照订阅事件对相关数据进行分析，如果判断需要人工智能平台进行数据分析，通过接口模块430将订阅事件的信息和相关数据发送给人工智能平台进行数据分析，通过接口模块430返回订阅事件相应的数据分析结果。
137.数据处理模块420在判断是否需要人工智能平台进行数据分析时包括：判断订阅事件是否携带人工智能标识，如果订阅事件携带人工智能标识，判定需要人工智能平台进行数据分析，如果订阅事件不携带人工智能标识，判定不需要人工智能平台进行数据分析；或者，根据相关数据中的数据标识判断用户级别，如果数据标识表示是第一用户级别，判定需要人工智能平台进行数据分析，如果数据标识表示是第二用户级别，判定不需要人工智能平台进行数据分析。
138.决策模块440，被配置为接收数据分析结果，根据数据分析结果进行应对决策，并将决策信息发送给对应的网元进行调整。
139.在一些实施例中，数据采集模块410根据流量预测的订阅事件一向smf/upf采集订阅用户的流量数据；数据处理模块420判断是否需要人工智能平台进行数据分析；如果判断不需要人工智能平台进行数据分析，按照流量预测的订阅事件一对流量数据进行流量预测分析，如果判断需要人工智能平台进行数据分析，通过接口模块430将流量预测的订阅事件一的信息和流量数据发送给人工智能平台进行流量预测分析；通过接口模块430返回流量预测的订阅事件一相应的流量预测分析结果；决策模块440在流量预测分析结果显示用户流量不均衡时，决策对订阅用户采用动态扩缩容，并将动态扩缩容的决策信息发送给smf/upf进行资源调整。
140.在一些实施例中，数据采集模块410接收终端移动性管理的订阅事件二，根据终端移动性管理的订阅事件二向会话管理功能smf/用户面功能upf/策略控制功能pcf采集订阅终端的位置数据；数据处理模块420判断是否需要人工智能平台进行数据分析；如果判断不需要人工智能平台进行数据分析，按照终端移动性管理的订阅事件二对位置数据进行位置
或轨迹的预测分析，如果判断需要人工智能平台进行数据分析，通过接口模块430将终端移动性管理的订阅事件二的信息和位置数据发送给人工智能平台进行位置或轨迹的预测分析，通过接口模块430返回终端移动性管理的订阅事件二相应的位置或轨迹的预测分析结果；决策模块440根据终端位置或轨迹的预测分析结果，决策对终端移动性管理参数和无线资源管理参数进行优化，并将移动性管理参数和无线资源管理参数的优化决策信息发送给smf/upf进行相应的参数优化。
141.在一些实施例中，数据采集模块410接收网络切片异常的订阅事件三，根据网络切片异常的订阅事件三向smf/upf采集网络切片的性能数据；数据处理模块420判断是否需要人工智能平台进行数据分析；如果判断不需要人工智能平台进行数据分析，按照网络切片异常的订阅事件三对网络切片的性能数据进行网络切片的运行状态评估分析，如果判断需要人工智能平台进行数据分析，通过接口模块430将网络切片异常的订阅事件三的信息和网络切片的性能数据发送给人工智能平台进行网络切片的运行状态评估分析；通过接口模块430返回网络切片异常的订阅事件三相应的网络切片的运行状态评估分析结果；决策模块440根据网络切片的运行状态评估分析结果，决策网络切片是否异常，并将网络切片是否异常的决策信息发送给smf/upf进行相应的网络切片参数的调整。
142.图5示出本公开另一些实施例的nwdaf网元的示意图。
143.如图5所示，nwdaf网元500包括：存储器510以及耦接至该存储器510的处理器520，处理器520被配置为基于存储在存储器510中的指令，执行前述任意一些实施例中的数据处理方法。
144.其中，存储器510例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(boot loader)以及其他程序等。
145.nwdaf网元500还可以包括输入输出接口530、网络接口540、存储接口550等。这些接口530，540，550以及存储器510和处理器520之间例如可以通过总线560连接。其中，输入输出接口530为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口540为各种联网设备提供连接接口。存储接口550为sd卡、u盘等外置存储设备提供连接接口。
146.本公开一些实施例提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现数据处理方法的步骤。
147.本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机程序代码的非瞬时性计算机可读存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
148.本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
149.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
150.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
151.以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。