一种移动网络优化方法及系统
技术领域
本发明涉及网络技术领域,特别涉及一种移动网络优化方法及系统。
背景技术
随着用户规模的不断增长,移动网络运行过程中出现了多种多样的问题,诸如:话务密度不均、频率资源紧张、网络配置不佳等,这些因素严重制约着移动网络信号质量的提高,使得移动网络的发展难以满足用户的实际使用需求。
现有技术中,基于技术发展的限制,移动网络信号质量的提升往往通过单一提升网络配置加以实现。由于网络配置的提升需要大量的人力和物力投入,工程规模浩大,项目实施周期较长,且投入实际运行后,后期运行、维护、更新换代等都需要花费较大的精力,从而导致其实施受到较大的限制,对整个移动网络信号质量的提升效果甚微。
发明内容
本发明实施例提供了一种移动网络优化方法及系统,能够对移动网络的多项信号指标进行优化处理,从而有效提升移动网络的信号质量。
本发明实施例提供的技术方案如下:
一方面,提供了一种移动网络优化方法,包括:
步骤101:设置移动网络优化等级;
步骤102:选取待优化小区;
步骤103:移动网络优化处理,对于选取出的待优化小区进行网络优化处理;
步骤104:判断移动网络优化是否达到预期效果;如果是,则认为当前移动网络优化达到预期效果,结束当前移动网络优化,进入步骤107;如果否,则进入步骤105;
步骤105:判断当前优化周期是否期满,如果未期满则返回步骤101,根据剩余优化周期及优化效果重新设置移动网络优化等级;再启动一轮移动网络优化;如果期满,则去往步骤106;
步骤106:进一步判断优化周期能否延期,如果能够延期则进一步返回步骤101,根据延长的优化周期以及尚未完成的优化效果重新设置移动网络优化等级;
步骤107:生成移动网络优化报告。
优选地,所述移动网络优化处理进一步包括如下步骤:
步骤201:采集待优化小区的基础信号数据,其中,基础信号数据至少包括天线系统普查数据、小区数据和网络测量数据;
步骤202:获取待优化小区的当前网络性能指标集和目标网络性能指标集;
步骤203:根据当前待优化小区的当前网络性能指标集和目标网络性能指标集计算待优化小区的的待优化指标集;
步骤204:从优化指标集中分别提取每项待优化指标,并采用预先构建的优化模型对每项优化指标分别进行优化处理,得到多项优化后的指标参数;
步骤205:对优化后的指标参数分别进行评测,并根据评测结果确定指标参数的优化处理是否达标;
步骤206:根据指标参数对待优化小区参数进行配置。
优选地,所述根据评测结果确定指标参数的优化处理是否达标具体包括如下步骤:
步骤S1:计算优化后的指标参数与目标网络结构中对应的指标参数的差值;
如果差值小于预设阈值,则执行步骤S2:确定指标参数的优化处理达标,否则,执行步骤S3:确定指标参数的优化处理不达标。
优选地,如果根据评测结果确定指标参数的优化处理不达标,上述移动网络网络优化方法还包括:
步骤301:分别设置迭代计数器初始值以及最大值;
步骤302:将优化处理后的指标参数作为优化模型的输入参数进行迭代优化,迭代计数器加一;直到指标参数的优化处理达标或者迭代计数器达到最大值。
优选地,所述天线系统普查数据包括:基站经纬度、基站高度、天线挂高、天线方位角及下倾角、天线电气特性、天线主覆盖参数、周围环境电子图片信息;
所述小区数据包括:临界外网小区频率、直放站及室内覆盖数据、管理对象数据、网络规模载波数据;
所述网络测量数据包括:扫频、路测数据,话务统计数据,邻区电平测量数据和频点扫描数据。
另一方面,提供了一种移动网络优化系统,包括:
移动网络优化等级设置模块401,用于设置移动网络优化等级;
待优化小区选取模块402,用于根据不同的移动网络优化等级,设置相应的待优化小区选取阈值,选取待优化小区;
移动网络优化处理模块403,用于对选取出的待优化小区进行网络优化处理;
移动网络优化效果判定模块404,用于在移动网络优化结束后,提取移动网络优化后的各小区指标判断当前移动网络优化是否达到预期效果,如果当前移动网络优化达到预期效果,则由移动网络优化报告生成模块407进一步处理;
优化周期期满判断模块405,用于在移动网络优化效果判定模块404判断当前移动网络优化未达到预期效果时、判断当前优化周期是否期满;如果未期满则由移动网络优化等级设置模块401根据剩余优化周期及优化效果重新设置移动网络优化等级;再启动一轮移动网络优化;
优化周期延期判断模块406,用于在优化周期期满判断模块405判断当前优化周期期满时,进一步判断优化周期能否延期;如果能够延期则由移动网络优化等级设置模块401根据延长的优化周期以及尚未完成的优化效果重新设置移动网络优化等级;
移动网络优化报告生成模块407,用于移动网络优化完成后,无论移动网络优化是否达到预期效果,都生成移动网络优化报告。
优选地,移动网络优化处理模块403包括:
数据采集模块501,用于采集待优化小区的基础信号数据,其中,基础信号数据至少包括天线系统普查数据、小区数据和网络测量数据;
第一获取模块502,用于获取待优化小区的当前网络性能指标集和目标网络性能指标集;
第一计算模块503,用于根据当前待优化小区的当前网络性能指标集和目标网络性能指标集计算待优化小区的的待优化指标集;
提取模块504,用于从优化指标集中分别提取每项优化指标;
优化模块505,用于采用预先构建的优化模型对每项优化指标分别进行优化处理,得到多项优化后的指标参数;
评测模块506,用于对优化后的指标参数分别进行评测;
确定模块507,用于根据评测结果确定指标参数的优化处理是否达标;
第一配置模块508,用于在确定模块507确定指标参数的优化处理达标后,根据指标参数对待优化小区参数进行配置。
优选地,迭代计数器601,分别设置有初始值以及最大值;
迭代模块602,用于在确定模块507根据评测结果确定指标参数的优化处理不达标后,将优化处理后的指标参数作为优化模型的输入参数进行迭代优化,迭代计数器加一,直到指标参数的优化处理达标或者迭代计数器达到最大值。
优选地,上述确定模块507具体可以包括:
计算单元701,用于计算优化后的指标参数与目标网络结构中相应的指标参数的差值;
确定单元702,用于在计算单元701计算的差值小于预设阈值时,确定指标参数的优化处理达标,否则,确定指标参数的优化处理不达标。
优选地,所述天线系统普查数据包括:基站经纬度、基站高度、天线挂高、天线方位角及下倾角、天线电气特性、天线主覆盖参数、周围环境电子图片信息;
所述小区数据包括:临界外网小区频率、直放站及室内覆盖数据、管理对象数据、网络规模载波数据;
所述网络测量数据包括:扫频、路测数据,话务统计数据,邻区电平测量数据和频点扫描数据。
本发明实施例提供的移动网络网络优化方法及系统,通过获取移动网络的当前网络无线参数和目标网络无线参数,从而计算移动网络的优化指标集,采用预先构建的优化模型对优化指标集中的每项优化指标分别进行优化处理,并对优化后的指标参数进行评测,如果根据评测结果确定指标参数的优化处理达标,则根据指标参数对移动网络信号进行配置。该移动网络网络优化方法及系统,能够对移动网络的多项信号指标进行优化处理,从而有效提升移动网络的信号质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种移动网络优化方法的流程图;
图2是本发明另一实施例提供的一种移动网络网络优化方法的流程图;
图3a是本发明另一实施例提供的一种移动网络网络优化方法的流程图;
图3b是本发明另一实施例提供的一种移动网络网络优化方法的流程图;
图4是本发明另一实施例提供的一种移动网络优化系统的结构示意图;
图5是本发明实施例提供的一种移动网络网络优化系统的结构示意图;
图6是本发明实施例提供的一种移动网络网络优化系统的结构示意图;
图7是本发明实施例提供的一种移动网络网络优化系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案,下面结合附图和实施方式对本发明实施例作进一步的详细说明。
如图1所示,为本发明实施例提供的一种移动网络优化方法,包括:
步骤101:设置移动网络优化等级。移动网络优化等级的设置取决于当前移动网络优化项目的优化效果以及优化周期。当优化效果高且优化周期长对应的移动网络优化等级最高,而优化效果低且优化周期短则对应的移动网络优化等级最低。其中优化周期是指当前优化项目预计完成的时间,通常以月为计数单位,也可以日为计数单位。优化效果是指优化前后评测指标的改善程度,本领域技术人员可以根据需求选取评测指标,在此不再赘述。移动网络优化等级的等级总数可以根据实际需求灵活设置,本实施方式中示例性设置为共五级,其中L1最高,L5最低。如表1所示,优化效果>90%、优化周期>3个月且<4个月时,对应的移动网络优化等级为等级L1,优化效果>90%、优化周期<3个月且>2个月时,对应的移动网络优化等级为等级L2,优化效果<90%且>80%时,若优化周期>2个月且<3个月时,对应的移动网络优化等级为等级L3,优化效果<90%且>80%时、优化周期<2个月时,对应的移动网络优化等级为等级L4,其他情况时,对应的移动网络优化等级为等级L5。
移动网络优化等级 |
优化效果 |
优化周期 |
L1 |
>90% |
<4个月&>3个月 |
L2 |
>90% |
<3个月&>2个月 |
L3 |
<90%&>80% |
<3个月&>2个月 |
L4 |
<90%&>80% |
<2个月 |
L5 |
其他 |
其他 |
表1
步骤102:选取待优化小区。所述待优化小区可以根据诸如忙闲时上行频点扫频数据、忙时KPI数据以及用户投诉记录等多种方式进行选取。根据不同的移动网络优化等级,设置相应的选取阈值,移动网络优化等级越高,对应的选取阈值越低,即意味着较多的小区将被选取为待优化小区。反之,当移动网络优化等级越低,对应的选取阈值越高,即意味着较少的小区将被选取为待优化小区。
步骤103:移动网络优化处理。对于选取出的待优化小区进行网络优化处理。
步骤104:判断移动网络优化是否达到预期效果。移动网络优化结束后,提取移动网络优化后的各小区指标进行判定,根据本发明的一个优选实施方式,采取与选取待优化小区相同的方式,根据诸如忙闲时上行频点扫频数据、忙时KPI数据以及用户投诉记录等多种方式再次选取待优化小区。判断实施移动网络优化后再次选取的待优化小区数量与实施移动网络优化前选取的待优化小区数量的比值是否小于(1-设置的移动网络优化等级所对应的优化效果),如果是,则认为当前移动网络优化达到预期效果,结束当前移动网络优化,进入步骤107;如果否,则进入步骤105。根据本发明的一个优选实施方式,如果设置的移动网络优化等级为L1,所对应的优化效果>90%、优化周期>3个月且<4个月时,在实施移动网络优化后再次选取的待优化小区数量与实施移动网络优化前选取的待优化小区数量的比值小于10%,则认为此次移动网络优化达到预期效果。如果实施移动网络优化后再次选取的待优化小区数量与实施移动网络优化前选取的待优化小区数量的比值大于10%,则认为此次移动网络优化未达到预期效果。根据本发明的一个优选实施方式,如果实施移动网络优化前选取的待优化小区数量为100个,实施移动网络优化后再次选取的待优化小区数量为8个,两者的比值为8%,小于(1-90%),即小于10%,则可认为此次移动网络优化达到预期效果。
步骤105:判断当前优化周期是否期满,如果未期满则返回步骤101,根据剩余优化周期及优化效果重新设置移动网络优化等级;再启动一轮移动网络优化。如果期满,则去往步骤106。根据本发明的一个优选实施方式,如果设置的移动网络优化等级为L1,所对应的优化周期>3个月且<4个月,此时优化周期尚不足4个月,则进一步返回步骤101,根据剩余的优化周期以及尚未完成的优化效果重新设置移动网络优化等级,示例性地,此时可设定移动网络优化等级为L5。
步骤106:进一步判断优化周期能否延期,如果能够延期则进一步返回步骤101,根据延长的优化周期以及尚未完成的优化效果重新设置移动网络优化等级,示例性地,此时可设定移动网络优化等级为L5。如果不能延期,则进入步骤107。
步骤107:生成移动网络优化报告。移动网络优化完成后,无论优化效果是否完成,都生成移动网络优化报告。所述移动网络优化报告中包含各小区的原始无线参数、优化后无线参数、优化前后KPI指标对比等。
如图2所示,所述移动网络优化处理进一步包括:
步骤201:采集待优化小区的基础信号数据,其中,基础信号数据至少包括天线系统普查数据、小区数据和网络测量数据。
其中,上述天线系统普查数据具体包括:基站经纬度、基站高度、天线挂高、天线方位角及下倾角、天线电气特性、天线主覆盖参数、周围环境电子图片信息;小区数据包括:临界外网小区频率、直放站及室内覆盖数据、管理对象数据、网络规模载波数据;网络测量数据包括:扫频、路测数据,话务统计数据,邻区电平测量数据和频点扫描数据。
步骤202:获取待优化小区的当前网络性能指标集和目标网络性能指标集。
由于移动网络的无线参数对移动网络信号有着非常重要的影响,在对移动网络的信号进行优化处理前,需要获取移动网络的当前网络无线参数和目标网络无线参数,从而确定移动网络信号的具体优化策略。所述网络性能指标集包括接通率、掉话率、用户下载速率等指标。
步骤203:根据当前待优化小区的当前网络性能指标集和目标网络性能指标集计算待优化小区的的待优化指标集。
通过比较当前待优化小区的当前网络性能指标集和目标网络性能指标集,可以得出哪些网络性能指标需要进行优化,所有需要进行优化的网络性能指标的集合称为待优化指标集。
步骤204:从优化指标集中分别提取每项待优化指标,并采用预先构建的优化模型对每项优化指标分别进行优化处理,得到多项优化后的指标参数。
优化模型参数的可以采用两种方式来确定:一是专家提供(基于知识的模型),二是来自训练数据(基于数据的模型)。基于知识的优化模型的构建包括两个阶段。首先,确定定性模型,即对于给定的技术(诸如GSM、CDMA和3G技术)给出优化的症状和原因。原因可以模型化为具有两种状态的离散随机变量:{出现,不出现}。症状可以概括为KPI和告警两种类型,KPI本质上是连续的,可以模型化为连续或离散随机变量。离散化的KPI可能有任意多个离散状态,分别表示该KPI的连续范围内的一个子集,如{正常,高,很高}。告警也可以模型化为具有两种状态的离散随机变量:{无,有}。其次,确定定量模型,即模型的参数。在一个离散模型中,参数就是离散化KPI的阈值和概率。
一旦确定了定性和定量模型,就可以利用推理机制来计算每个可能原因的概率。对于给定症状值{S1,S2,…,S3},得到原因Ci在问题类型Fi的条件下的概率如下:
式中,P(Ci)为原因Ci的先验概率,P(Sj|Ci)是给定原因症状的概率。
Fi为问题类型,取值范围为i=1,2,3,…,NF,NF为问题类型的数量;
Ci为原因,取值范围为i=1,2,3,…,NC,NC为原因的数量;
Si为原因,取值范围为i=1,2,3,…,NS,NS为症状的数量;
Si,i为原因,取值范围为i=1,2,3,…,NSi,NS症状Si状态的数量;
上式假设两个条件:原因不能同时发生;对于给定的原因,症状间相互独立。优化模型的参数是阈值和概率。一方面,阈值是连续症状离散化的区间,即tj,k是症状Sj的第k个阈值,分成状态Sj,k和Sj,k+1;另一方面,根据式(1),概率如下:
(1)原因的先验概率:P(Ci),i=1,2,3,…,Nc;
(2)给定原因症状的条件概率:P(Sj=Sj,K|Ci),i=1,2,3,…,Nc;j=1,2,3,…,Ns,它是给定原因Ci在状态Sj,k下症状Sj的概率。
针对网络性能可能遭受的各种问题,诸如“高掉话率”或“拥塞”等,分别建立一种不同的优化模型。根据本发明的优选实施方式,针对指定问题类型的可能原因{C1,C2,…,Cnc},即无线网络中问题的原因,据此建立优化模型(如“高掉话率”)。建议包括一个叫做“其它原因”的原因,以涵盖在已定义原因中没有明确界定的问题的其它可能原因。界定与每一个症状Si相关和不相关的原因,相关的原因为Ci r={Ci r1,Ci r2,...,Ci rNsi},不相关的原因为Ci n={Ci n1,Ci n2,...,Ci nNc-Nsi}。“相关的”是指那些具有很强的直接相互关联的变量。例如,原因“欠覆盖”与症状“上行电平小于-105dm的样本百分比”相关,而原因“上行干扰”与该症状不相关。这是因为,与正常小区相比,欠覆盖降低了接收信号电平,而当原因是干扰时,与正常小区相比,接收信号电平不会显著降低。对于每个连续的症状Si,确定每个定义区间范围(即阈值)tj,k。
确定概率时需要从5个等级的概率中选择一个:“几乎确定”、“很可能”、“50-50”、“不大可能”和“不太可能”,这些等级分别映射到概率0.85,0.7,0.5,0.3和0.1。确定概率的过程如下:首先,向专家询问问题的每个可能原因的先验概率P(Ci),由于原因只有两种状态{不出现,出现},因此只需要确定出现原因的概率;其次,还要确定症状的概率。对于症状Sj,假定每一个相关的原因Ck∈Cir出现,而其它原因未出现,所要确定的概率P(Si,j|Ck),应该是该症状每个状态的概率。此外,还要假定相关的原因都不出现,确定症状的每个状态的概率P(Si,j|C0)。将模型中症状与待优化指标相关联。
根据式(1),建立模型所需的概率为原因的先验概率P(Ci)和给定原因下症状的概率P(Sj|Ci)。因此,优化专家所提供的数据应转化为式(1)所需的概率。优化专家所给出的概率PCi直接作为原因的概率P(Ci)。考虑到该模型假设原因是互斥的,所以原因的概率之和应为1。有两种方式处理该约束条件:一是由专家检查其给出的概率是否正确;二是允许给出的概率不符合约束条件,然后采用下列方法自动修正:
(1)如果概率之和大于1,那么就对每个概率进行归一化处理;
(2)如果概率之和小于1,那么就添加一个称为其它的原因CNC+1,表示专家未考虑到的问题的所有其它原因,其概率等于1减去原来原因的概率之和。
对于症状的概率P(Sj=sj,k|Ci),Sj对于相关原因的条件概率已经由专家明确给出:
P(Sj=sj,k|Ci)=PSj,j|Ci,Ci∈Cjr
对于所有非相关原因,症状的条件概率都是相同的,即:
P(Sj=sj,k|Ci)=PSj,k|CO,Ci∈Cjn
基于数据的优化模型具体可以通过大量采集移动网络信号中的各类信号参数通过离线训练事先训练而成,在使用过程中直接调用即可,其中,优化模型具体可以采用现有技术中的训练方法训练得到,此处不再赘述。
步骤205:对优化后的指标参数分别进行评测,并根据评测结果确定指标参数的优化处理是否达标。
采用优化模型对各项需要优化的优化指标进行优化处理后,得到多项优化后的指标参数,为了确保优化处理后的信号指标满足用户的使用需求,需要对经过优化处理的信号指标进行评测,再根据评测结果确定指标参数的优化处理是否达标。
在本发明实施例中,上述根据评测结果确定指标参数的优化处理是否达标具体包括如下步骤:
步骤S1:计算优化后的指标参数与目标网络结构中对应的指标参数的差值;
如果差值小于预设阈值,则执行步骤S2:确定指标参数的优化处理达标,否则,执行步骤S3:确定指标参数的优化处理不达标。
通过上述步骤S1~S2,确定指标参数的优化处理达标后,则执行步骤206:根据指标参数对待优化小区参数进行配置。
如图3b所示,如果根据评测结果确定指标参数的优化处理不达标,上述移动网络网络优化方法还包括:
步骤301:分别设置迭代计数器初始值以及最大值;
步骤302:将优化处理后的指标参数作为优化模型的输入参数进行迭代优化,迭代计数器加一;直到指标参数的优化处理达标或者迭代计数器达到最大值。
根据评测结果确定指标参数的优化处理不达标后,可以将经过优化处理后的指标参数作为优化模型的输入参数,再次通过优化模型进行优化处理,并且可以再次通过上述评测方法对优化处理后的指标参数进行评测,根据评测结果确定指标参数的优化处理是否达标。基于移动网络信号的复杂多样性,在实际中往往需要通过多次迭代优化处理才能完成优化过程,从而防止单次信号处理过程中对信号进行大幅改变而影响网络的稳定性,确保网络信号分层次、分步骤改善,从而使信号改变始终处于用户可接受范围内。
本发明实施例还提供一种移动网络优化系统,如图4所示:
移动网络优化等级设置模块401,用于设置移动网络优化等级;
待优化小区选取模块402,用于根据不同的移动网络优化等级,设置相应的待优化小区选取阈值,选取待优化小区;
移动网络优化处理模块403,用于对选取出的待优化小区进行网络优化处理;
移动网络优化效果判定模块404,用于在移动网络优化结束后,提取移动网络优化后的各小区指标判断当前移动网络优化是否达到预期效果,如果当前移动网络优化达到预期效果,则由移动网络优化报告生成模块407进一步处理;
优化周期期满判断模块405,用于在移动网络优化效果判定模块404判断当前移动网络优化未达到预期效果时、判断当前优化周期是否期满;如果未期满则由移动网络优化等级设置模块401根据剩余优化周期及优化效果重新设置移动网络优化等级;再启动一轮移动网络优化;
优化周期延期判断模块406,用于在优化周期期满判断模块405判断当前优化周期期满时,进一步判断优化周期能否延期;如果能够延期则由移动网络优化等级设置模块401根据延长的优化周期以及尚未完成的优化效果重新设置移动网络优化等级;
移动网络优化报告生成模块407,用于移动网络优化完成后,无论移动网络优化是否达到预期效果,都生成移动网络优化报告。
如图5所示,所述移动网络优化处理模块403进一步包括:
数据采集模块501,用于采集待优化小区的基础信号数据,其中,基础信号数据至少包括天线系统普查数据、小区数据和网络测量数据;
第一获取模块502,用于获取待优化小区的当前网络性能指标集和目标网络性能指标集;
第一计算模块503,用于根据当前待优化小区的当前网络性能指标集和目标网络性能指标集计算待优化小区的的待优化指标集;
提取模块504,用于从优化指标集中分别提取每项优化指标;
优化模块505,用于采用预先构建的优化模型对每项优化指标分别进行优化处理,得到多项优化后的指标参数;
评测模块506,用于对优化后的指标参数分别进行评测;
确定模块507,用于根据评测结果确定指标参数的优化处理是否达标;
第一配置模块508,用于在确定模块507确定指标参数的优化处理达标后,根据指标参数对待优化小区参数进行配置。
如图6所示,上述移动网络优化系统还包括:
迭代计数器601,分别设置有初始值以及最大值;
迭代模块602,用于在确定模块507根据评测结果确定指标参数的优化处理不达标后,将优化处理后的指标参数作为优化模型的输入参数进行迭代优化,迭代计数器加一,直到指标参数的优化处理达标或者迭代计数器达到最大值。
在本发明的一个实施例中,如图7所示,上述确定模块507具体可以包括:
计算单元701,用于计算优化后的指标参数与目标网络结构中相应的指标参数的差值;
确定单元702,用于在计算单元701计算的差值小于预设阈值时,确定指标参数的优化处理达标,否则,确定指标参数的优化处理不达标。
在本发明实施例中,上述天线系统普查数据包括:基站经纬度、基站高度、天线挂高、天线方位角及下倾角、天线电气特性、天线主覆盖参数、周围环境电子图片信息;小区数据包括:临界外网小区频率、直放站及室内覆盖数据、管理对象数据、网络规模载波数据;网络测量数据包括:扫频、路测数据,话务统计数据,邻区电平测量数据和频点扫描数据。
本发明实施例提供的移动网络优化系统,通过采集移动网络的基础信号数据,获取移动网络的当前网络无线参数和目标网络无线参数,从而计算移动网络的优化指标集,采用预先构建的优化模型对优化指标集中的每项优化指标分别进行优化处理,并对优化后的指标参数进行评测,如果根据评测结果确定指标参数的优化处理达标,则根据指标参数对移动网络信号进行配置。该移动网络网络优化方法及系统,能够对移动网络的多项信号指标进行优化处理,从而有效提升移动网络的信号质量。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的模块或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劳动的情况下,即可以理解并实施。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。