CN110602788B - 一种窄带物联网上行时频资源优化方法及可读存储介质 - Google Patents

Abstract

本发明公开了一种窄带物联网上行时频资源优化方法及可读存储介质，所述方法包括如下步骤：配置窄带物理随机接入信道NPRACH和窄带物理上行共享信道NPUSCH；根据配置结果构建窄带物联网NB‑IoT随机接入成功概率和时频资源利用率之间的优化模型；求解所述优化模型获得折衷有效解；根据负载场景对所述折衷有效解进行分析获得优化结果。本发明方法可以根据配置结果构建窄带物联网NB‑IoT随机接入成功概率和时频资源利用率之间的优化模型，根据负载场景对所述折衷有效解进行分析获得优化结果，为NB‑IoT实际部署提供理论参考。

Description

一种窄带物联网上行时频资源优化方法及可读存储介质

技术领域

本发明涉及窄带物联网技术领域，特别是一种窄带物联网上行时频资源优化方法及可读存储介质。

背景技术

物联网(IoT,Internet of Things)是通过信息传感设备及系统，按照约定的通信协议，将各种物品与互联网连接起来进行信息交换和通讯，以实现智能化识别、定位、跟踪、监控和管理的一种网络。物联网业务的分布十分广泛，根据应用场景需要的传输速率的不同，可将其划分为高速率、中速率和低速率业务三大类，低速率业务是数据传输速率低于200kbps的业务，例如智能抄表、智慧农业和智能停车等，主要通过用低功耗广域(LPWA,LowPower Wide Area)技术实现。窄带物联网(NB-IoT，narrow-band internet of things)是一种可与现有蜂窝网络融合演进的标准化物联网解决方案，主要面向低速率、深度覆盖、低功耗、大数据连接的物联网应用场景。具有四大明显优势：(1)使用授权的频谱；(2)可在现有蜂窝网络的基础上进行升级；(3)有3GPP制定的标准作为技术支撑；(4)覆盖性能更好，是低成本电信级的高可靠、高安全性LPWA技术。因此，NB-IoT已成为公认的最先进的且最适合运营商的LPWA技术。

覆盖增强(CE,coverage enhancement)包括广域覆盖增强和深度覆盖增强两个方面，是NB-IoT技术框架的重要部分，除了通过降低带宽以提升功率谱密度，NB-IoT主要采用基于覆盖类别的重复和重传来实现覆盖增强。当信道环境发生变化或连续接入成功/失败次数达到当前覆盖类别规定的次数时，NB-IoT终端需要对其所属的覆盖类别进行动态的调整，以节省随机接入功耗，提高随机接入成功概率。每个覆盖类别配置的时频资源均有不同，因此，对应的系统资源利用率也将不同，但目前的研究并没有考虑覆盖类别动态更新时的时频资源利用率问题。

发明内容

有鉴于现有技术的上述缺陷，本发明的目的就是提供一种窄带物联网上行时频资源优化方法及可读存储介质，可以根据配置结果构建窄带物联网NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，根据负载场景对所述折衷有效解进行分析获得优化结果，为NB-IoT实际部署提供理论参考。

本发明的目的之一是通过这样的技术方案实现的，一种窄带物联网上行时频资源优化方法，所述方法包括如下步骤：

配置窄带物理随机接入信道NPRACH和窄带物理上行共享信道NPUSCH；

根据配置结果构建窄带物联网NB-IoT随机接入成功概率和时频资源利用率之间的优化模型；

求解所述优化模型获得折衷有效解；

根据负载场景对所述折衷有效解进行分析获得优化结果。

可选的，所述配置窄带物理随机接入信道NPRACH和窄带物理上行共享信道NPUSCH，包括：

定义时频资源利用率，满足：

其中，γ表示时频资源利用率，t_len表示一个随机接入前导占用的NPRACH长度，R_i表示重复次数，T_np，i表示随机接入周期，n_sc，i表示第i个覆盖类别占用子载波个数。

可选的，所述根据配置结果构建窄带物联网NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，包括：

确定随机接入过程的成功概率，满足：

其中，q_i表示各覆盖类别稳态概率，P_i表示接入失败概率；

构建NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，满足：

可选的，所述求解所述优化模型获得折衷有效解，包括；

采用约束法和穷举搜索法对所述优化模型进行求解，满足：

maxγ

st.

P_th2≤P_s

0＜R_i≤T_np,i/t_len

其中，P_th2为给定阈值。

可选的，所述根据负载场景对所述折衷有效解进行分析获得优化结果，包括：

根据随机接入负载强度选取NB-IoT低随机接入负载场景以及NB-IoT高随机接入负载场景对所述折衷有效解进行分析获得优化结果。

可选的，所述根据负载场景对所述折衷有效解进行分析获得优化结果，还包括：

引入最大传输次数，根据随机接入负载强度选取NB-IoT低随机接入负载场景以及NB-IoT高随机接入负载场景进行仿真分析获得优化结果。

本发明的目的之二是通过这样的技术方案实现的，一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现前述的方法的步骤。

由于采用了上述技术方案，本发明具有如下的优点：本发明方法可以根据配置结果构建窄带物联网NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，根据负载场景对所述折衷有效解进行分析获得优化结果，为NB-IoT实际部署提供理论参考。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。

附图说明

本发明的附图说明如下：

图1为本发明第一实施例流程图；

图2为本发明第一实施例中NPRACH和NPUSCH的复用结构图；

图3为本发明第一实施例中NB-IoT低接入负载场景结构图；

图4为本发明第一实施例中NB-IoT高接入负载场景结构图；

图5为本发明第一实施例中不考虑N_i，max低RACH load场景R_i变化时的P_s和γ；

图6为本发明第一实施例中不考虑N_i，max高RACH load场景R_i变化时的P_s和γ；

图7为本发明第一实施例中考虑N_i，max低RACH load场景R_i变化时的P_s和γ；

图8为本发明第一实施例中考虑N_i，max高RACH load场景R_i变化时的P_s和γ。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

实施例，本发明第一实施例提出一种窄带物联网上行时频资源优化方法，所述方法包括如下步骤：

配置窄带物理随机接入信道NPRACH和窄带物理上行共享信道NPUSCH；

根据配置结果构建窄带物联网NB-IoT随机接入成功概率和时频资源利用率之间的优化模型；

求解所述优化模型获得折衷有效解；

根据负载场景对所述折衷有效解进行分析获得优化结果。

本实施例方法可以根据配置结果构建窄带物联网NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，根据负载场景对所述折衷有效解进行分析获得优化结果，为NB-IoT实际部署提供理论参考。

可选的，所述配置窄带物理随机接入信道NPRACH和窄带物理上行共享信道NPUSCH，包括：

定义时频资源利用率，满足：

其中，γ表示时频资源利用率，t_len表示一个随机接入前导占用的NPRACH长度，R_i表示重复次数，T_np，i表示随机接入周期，n_sc，i表示第i个覆盖类别占用子载波个数。

具体的说，NB-IoT上行信道包含两种物理信道，一个是窄带物理上行共享信道(NPUSCH)，另外一个是窄带物理随机接入信道(NPRACH)，控制信息可以通过NPUSCH复用传输。

在本实施例中，由于NB-IoT带宽只有一个PRB(180kHz)，且NB-IoT终端的复杂度低，因此不同物理信道之间的工作模式为时频复用，参见图2给出了NPRACH和NPUSCH复用的一种方式，由图2可知，在一段时间T_a(单位ms)内时频资源是有限的，分配给NPRACH的资源用于终端进行随机接入，剩余的资源分配给NPUSCH用于终端向基站上传数据。则在本实施例中，将时频资源利用率γ定义为分配给NPUSCH的时频资源R_US与时间T_a内总的时频资源的比值，其中R_US可以由总时频资源R_all减去分配给NPRACH的资源R_RA表示，即：

在本实施例中，NB-IoT NPRACH的时域资源采用周期配置，分别为3个覆盖类别配置了相应的随机接入周期(nprach-Periodicity)，若第i个覆盖类别占用子载波个数为n_sc，i，重复次数为R_i，一个Preamble占用的NPRACH长度为t_len，随机接入周期为T_np，i，则可以得到

在本实施例中，NB-IoT NPRACH子载波间隔为3.75kHz，180kHz带宽的子载波个数为48，因此式(1)的资源利用率可以表示为：

可选的，所述根据配置结果构建窄带物联网NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，包括：

确定随机接入过程的成功概率，满足：

其中，q_i表示各覆盖类别稳态概率，P_i表示接入失败概率；

具体的说，从式(3)可以看出，各覆盖类别占用子载波个数n_sc，i、前导码Preamble重复次数R_i和随机接入周期T_np，i决定了系统的资源利用率。其中，

R_i受到T_np，i的限制，例如CP长度为266.7μs时，Preamble长度t_len为6.4ms，若T_np，1取值为40ms，R₁的取值范围是{1,2,4}，即必须满足t_len≤R_i≤T_np，i。Preamble的基本单位Symbol Groups所占用的子载波被限制在一个包含12个子载波的PRACH band内，因此n_sc，i必须是12的倍数，在本实施例中，取值范围为{12,24,36,48}，此外，必须满足NPRACH资源不大于总的时频资源即，

在本实施例中，提出根据随机接入过程的平均失败概率P_c可以得到随机接入成功概率为：

其中，平均失败概率P_c与各覆盖类别稳态概率q_i和接入失败概率P_i的关系表达式为：

构建NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，满足：

具体的说，各覆盖类别的功耗E_i和平均功耗E的表达式为：

以重复次数R_i为变量，P_s和γ为目标函数，可以得到NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，即：

至此，本实施例已建立NB-IoT上行链路的NPRACH和NPUSCH时频复用时的静态分析模型，即时频资源利用率和随机接入成功概率的多目标优化模型，对其进行求解可求得系统最佳的R_i配置。

可选的，所述求解所述优化模型获得折衷有效解，包括；

采用约束法和穷举搜索法对所述优化模型进行求解，满足：

maxγ

st.

P_th2≤P_s

0＜R_i≤T_np,i/t_len

其中，P_th2为给定阈值。

具体的说，式(7)为复杂的多目标非线性整数规划问题，目标函数P_s和γ的主要特征和对R_i的偏导，可以得出P_s随着R_i的增加而增加，γ随着R_i的增加而降低。

由此可知式(7)不存在使两个目标同时达到最优的解，必须在P_s和γ之间进行折衷，寻找两者之间的平衡点，即满足P_s大于某个阈值P_th2的情况下得到γ的单目标最优解。因此本实施例中采取约束法和穷举搜索法对式(7)进行求解。

在本实施例中，首先采用约束法将P_s转化为约束条件，得到新的单目标非线性整数规划模型式，然后利用穷举搜索法对式(8)进行求解得到折衷的有效解。

maxγ

st.

P_th2≤P_s

0＜R_i≤T_np,_i/t_len

在本实施例中，令t＝1、N＝200，R_i,set为R_i可取配置集的下标集合，本实施例中分析的R_i配置集为R_i的8种配置中取3种分别作为R_i(i＝1,2,3)配置的所有组合，且考虑各覆盖类别的覆盖增强效果需有差异，R_i,set每个组合满足R₁<R₂<R₃。在本实施例中，将选取两个具有代表性的NB-IoT随机接入场景进行数值仿真与分析。

可选的，所述根据负载场景对所述折衷有效解进行分析获得优化结果，包括：

根据随机接入负载强度选取NB-IoT低随机接入负载场景以及NB-IoT高随机接入负载场景对所述折衷有效解进行分析获得优化结果。

具体的说，NPRACH和NPUSCH的复用方式由小区里待接入终端数量、各覆盖类别终端比例和上行数据包的大小等因素综合决定，一般根据小区的随机接入负载强度进行资源配置，因此本实施例中根据随机接入负载强度选取以下两种极端情况进行分析。

NB-IoT低随机接入负载场景

低随机接入负载场景其NPRACH和NPUSCH复用方式如图3所示，随机接入负载(RACHload)是指单位时间内小区里待接入的终端数量，低RACH load场景中用于随机接入的NPRACH资源相对较少，大部分的时频资源用于NPUSCH进行数据传输，这意味着各覆盖类别的随机接入周期T_np，i较长，终端完成随机接入的时延将更高。

其中{n_sc,1,n_sc,2,n_sc,3}＝{48,24,12}、{T_np,1,T_np,2,T_np,3}＝{640,1280,2560}，覆盖类别1对应normal coverage，不需要Preamble重复或重复次数很少，因此本实施例中其时域上持续时间短；而通常小区中处于normal coverage的终端最多，其频域占用子载波数多，便于多终端接入。覆盖类别2和覆盖类别3分别对应extended coverage和extremecoverage，通过Preamble重复为处于深度室内的终端提供覆盖增益，因此重复次数越多则时域的持续时间越长；处于覆盖类别2和覆盖类别3的终端属于少数，因此为其分配的子载波数较少。

NB-IoT高随机接入负载场景

高随机接入负载场景其NPRACH和NPUSCH复用方式如图4所示，与低RACH load场景对应的是高RACH load场景，由于单位时间内小区里待接入的终端数量较多，需要增加随机接入的频率以提高随机接入成功概率，即降低系统各覆盖类别的随机接入周期T_np，i。

其中{n_sc,1,n_sc,2,n_sc,3}＝{24,24,12}、{T_np,1,T_np,2,T_np,3}＝{40,80,160}，由于覆盖类别1的终端数量多且随机接入周期T_np，1非常短，在本实施例中为其划分了24个子载波用于随机接入，高RACH load场景将更多时频资源用于随机接入，与低RACH load场景相比，系统的资源利用率整体偏低。

可选的，所述根据负载场景对所述折衷有效解进行分析获得优化结果，还包括：

引入最大传输次数，根据随机接入负载强度选取NB-IoT低随机接入负载场景以及NB-IoT高随机接入负载场景进行仿真分析获得优化结果。

在本实施例中，对上述两个场景进行数值仿真与分析，式(7)的变量是Preamble重复次数R_i，对式(7)进行折衷优化可得不同场景下的最佳R_i配置。而增加各覆盖类别的最大传输次数N_i，max能够减少重复次数配置、提高接入成功概率.

因此本实施例中从不考虑传输次数N_i，max和考虑传输次数N_i，max两个方面对典型场景分别进行仿真和分析。由于处于极端室内环境的NB-IoT终端在800MHz带宽时接入失败概率仅为0.01，因此本实施例中将随机接入成功概率P_s的最低阈值设为P_th＝0.99。

不考虑N_i，max的低RACH load场景

令t＝1、{N_1,max,N_2,max,N_3,max}＝{1,1,1}、N＝3、{n_sc,1,n_sc,2,n_sc,3}＝{48,24,12}、{T_np,1,T_np,2,T_np,3}＝{640,1280,2560}、t_len＝6.4ms，图5描述了不考虑传输次数N_i，max时，低RACH load场景的随机接入成功概率P_s和资源利用率γ随R_i,set的变化情况。

由图5可知：(1)集合R_i,set所有元素都是满足约束条件的可行解，随机接入成功概率P_s随着R_i,set的变化呈分段增加；(2)P_s的增长趋势与R₁的变化趋势相似，即R₁的增加对P_s增长的贡献最大，与理论分析相符；(3)γ整体趋势是随着R_i,set的增加而降低，R₁不变时γ随着R₂和R₃的增加而降低，但由于低RACH load场景中的随机接入周期长，总体的γ偏高，均在0.43以上；(4)低RACH load场景下的最佳R_i配置是{R₁,R₂,R₃}＝{8,16,32}，此时P_s＝0.9998，γ＝0.86。由此可知，在低RACH load场景下，系统可以通过增加Preamble的重复次数提高随机接入成功概率，同时获得较高的资源利用率。

不考虑N_i，max的高RACH load场景

令t＝1、{N_1,max,N_2,max,N_3,max}＝{1,1,1}、N＝3、{n_sc,1,n_sc,2,n_sc,3}＝{24,24,12}、{T_np,1,T_np,2,T_np,3}＝{40,80,160}、t_len＝6.4ms，图6描述了不考虑传输次数N_i，max时，高RACHload场景的随机接入成功概率P_s和资源利用率γ随R_i,set的变化情况。

由图6可知：(1)由于T_np，i长度对Preamble重复次数R_i的限制，R_i,set中满足约束条件的可行解仅有10个；(2)由于R_i受到限制，不考虑N_i，max的情况下P_s无法满足0.99≤P_s的条件，即不考虑N_i，max的高RACH load场景无满足的有效解；(3)实际部署时建议选择{R₁,R₂,R₃}＝{2,4,8}作为高RACH load场景下的R_i最佳配置，此时P_s＝0.9204，γ＝0.6，可通过适当增加传输次数N_i，max，即用更大的传输时延换取更高的随机接入成功概率。

引入N_i，max的低RACH load场景

根据仿真结果，N_i，max最优取值的范围是N_1,max∈[1,5]，N_2,max∈[1,7]，N_3,max一般取1。本实施例中分别引入N_i，max对低RACH load场景和高RACH load场景的最佳R_i配置的影响，及最佳R_i配置对应的P_s和γ的变化规律。

令t＝1、N＝200、t_len＝6.4ms、{n_sc,1,n_sc,2,n_sc,3}＝{48,24,12}、{T_np,1,T_np,2,T_np,3}＝{640,1280,2560}，N_{i,max_set}是在N_i，max最优取值范围内满足N_1,max＜N_2,max＜N_3,max的配置组合的集合，图7(a)描述了N_{i,max_set}中每个下标对应的组合，图7(b)-7(c)描述了N_i，max变化时的R_i最佳配置及对应的P_s和γ。

由图7可知：(1)R_i的最佳配置的取值随N_i,max增加呈阶梯型下降，结合图7(a)可知，增加N_1,max对降低R_i的最佳配置的贡献最大，这是因为处于覆盖类别1的终端数量最多。(2)N_1,max设置为2或3时，低RACH load场景的R_i最佳配置为{R₁,R₂,R₃}＝{2,4,8}，N_1,max设置为4或5时，低RACH load场景的R_i最佳配置为{R₁,R₂,R₃}＝{1,2,4}；(3)N_1,max设置为2和4时，随机接入成功概率P_s略有下降，这是由于优化算法优先保证γ最大，而P_s满足大于0.99即可，即牺牲部分P_s以换取更高的γ；(4)γ随R_i最佳配置的降低而增加，低RACH load场景的γ在{R₁,R₂,R₃}＝{1,2,4}、{N_1,max,N_2,max,N_3,max}＝{4,2,1}时即可达到0.98。

引入N_i,max的高RACH load场景

令t＝1、N＝200、t_len＝6.4ms、{n_sc,1,n_sc,2,n_sc,3}＝{24,24,12}、{T_np,1,T_np,2,T_np,3}＝{40,80,160}，图8描述了N_i,max最优取值变化时对R_i最佳配置及对应的P_s和γ的影响。由图8可知：(1)当N_1,max＝1即处于覆盖类别1的终端不支持重传时，由于R_i的取值受到T_np,i的限制，高RACH load场景无法得到满足P_s＞0.99的R_i的有效解；(2)N_1,max设置为2或3时，高RACH load场景R_i最佳配置为{R₁,R₂,R₃}＝{2,4,8}，N_1,max设置为4或5时，低RACH load场景的R_i最佳配置为{R₁,R₂,R₃}＝{1,2,4}；(3)N_1,max设置为4时，随机接入成功概率P_s略有下降，原因同5.3.3；(4)γ随R_i最佳配置的降低而增加，通过R_i和N_i,max的配合使用，满足P_s＞0.99的高RACH load场景的γ的最大值可达0.72。

综上，本发明方法在NB-IoT覆盖类别更新机制的基础上研究NB-IoT的上行时频资源利用率，在覆盖类别更新机制的基础上，以重复次数为变量、随机接入成功概率和上行时频资源利用率为目标建立了折衷优化模型并求解，对具有代表性的两个随机接入场景进行了仿真分析，给出了各覆盖类别前导码重复次数的最佳配置建议。本方法所作工作完善了NB-IoT覆盖增强策略，相关结论可为NB-IoT的实际部署提供理论支撑。

本发明第二实施例提出一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现前述的方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。

本申请是参照根据本申请实施例的方法、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。

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。

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。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的保护范围之内。

Claims (5)

1.一种窄带物联网上行时频资源优化方法，其特征在于，所述方法包括如下步骤：

配置窄带物理随机接入信道NPRACH和窄带物理上行共享信道NPUSCH，包括：

定义时频资源利用率，满足：

其中，γ表示时频资源利用率，t_len表示一个随机接入前导占用的NPRACH长度，R_i表示重复次数，T_np,i表示随机接入周期，n_sc,i表示第i个覆盖类别占用子载波个数；

根据配置结果构建窄带物联网NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，包括：

确定随机接入成功概率，满足：

其中，q_i表示各覆盖类别稳态概率，P_i表示接入失败概率；

构建NB-IoT随机接入成功概率和时频资源利用率之间的优化模型，满足：

求解所述优化模型获得折衷有效解；

根据负载场景对所述折衷有效解进行分析获得优化结果。

2.如权利要求1所述的优化方法，其特征在于，所述求解所述优化模型获得折衷有效解，包括；

采用约束法和穷举搜索法对所述优化模型进行求解，满足：

其中，P_th2为给定阈值。

3.如权利要求2所述的优化方法，其特征在于，所述根据负载场景对所述折衷有效解进行分析获得优化结果，包括：

根据随机接入负载强度选取NB-IoT低随机接入负载场景以及NB-IoT高随机接入负载场景对所述折衷有效解进行分析获得优化结果。

4.如权利要求3所述的优化方法，其特征在于，所述根据负载场景对所述折衷有效解进行分析获得优化结果，还包括：

引入最大传输次数，根据随机接入负载强度选取NB-IoT低随机接入负载场景以及NB-IoT高随机接入负载场景进行仿真分析获得优化结果。

5.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至4中任一项所述的方法的步骤。

Images