CN115499106A

CN115499106A - 基于码字转换WiFi反向散射系统的标签数据译码方法

Info

Publication number: CN115499106A
Application number: CN202211452372.9A
Authority: CN
Inventors: 黄艺萌; 龚伟
Original assignee: University of Science and Technology of China USTC
Current assignee: University of Science and Technology of China USTC
Priority date: 2022-11-21
Filing date: 2022-11-21
Publication date: 2022-12-20
Anticipated expiration: 2042-11-21
Also published as: CN115499106B

Abstract

本发明公开一种基于码字转换WiFi反向散射系统的标签数据译码方法，包括：步骤1，测算接收的反向散射信号强度，判断强度是否大于信号质量阈值，是，则确定信号为高质量，否则为低质量；步骤2，解包反向散射信号确定标签数据调制方式；步骤3，根据信号质量与调制方式对应译码，当调制方式为BPSK或QPSK，信号为高质量时，分别用相似度计算法对标签数据译码；信号为低质量时，用多数表决法对标签数据译码；当调制方式为16QAM时，信号为高质量时，用差分求和法对标签数据译码；若信号为低质量时，则采用多数表决法对标签数据译码。该方法提高了反向散射信号标签译码的准确性和数据传输的效率。

Description

基于码字转换WiFi反向散射系统的标签数据译码方法

技术领域

本发明涉及反向散射通信领域，尤其涉及一种基于码字转换WiFi反向散射系统的标签数据译码方法。

背景技术

近年来，物联网应用领域发展迅猛，万物互联已经成为不可阻挡的趋势，各个分布式节点之间的通信需求不断增加，无线通信越来越受到重视，随着节点数量的增加，系统功耗成为了限制传感节点寿命的重要难题，反向散射通信系统因其超低功耗的特性成为了研究的焦点。根据通信协议的不同，反向散射系统可分为多种类型，RFID是诞生最早且应用最广泛的，但是其通信距离严重受限，WiFi因其通信距离远、分布广泛，成为了研究的热门课题。

利用环境WiFi信号实现的反向散射系统基于码字转换技术，首先发送端发送WiFi信号，该信号有对应的码字表；传感器标签进行反向散射，其通过相移将标签数据搭载到WiFi信号上，相移之后的相位仍在码字表中，即仍然符合标准的WiFi协议要求，可被接收端顺利接收；然后在接收端进行译码，接收端在接受反向散射信号的同时也接受原始信号，通过两路信号的异或就可以得到一串具有一定特征的比特流数据，再经过比特流译码，就可以译码出标签数据。

现有的系统中对译码方法尚未进行深入的研究，所用的译码方法主要为序列匹配法，标签数据分为“0”或“1”两种比特，首先通过理论分析得到异或后比特流与标签数据的对应关系，提取其特征信息，然后设置匹配序列，用此序列和实验中得到的比特流串进行匹配，匹配成功则认为是对应的标签数据。但是该方法存在以下两个主要的问题，使得性能很差：

(1)在真实的实验中，受各种干扰因素的影响，比特流数据中会出现许多突发的错误，序列匹配方法对于连续性有严格的要求，一旦中间有一个比特位错误就会导致匹配失败，使得准确率严重下降。

(2)对于使用不同调制方法的信号，比特流串的特征不同，特别是在高阶情况下并没有具有固定规律的序列串，因此这种方法不具有普适性，难以在现实场景下应用。因此现有的方法难以满足基于码字转换WiFi反向散射系统对于标签数据译码的需求。

有鉴于此，特提出本发明。

发明内容

针对现有WiFi反向散射系统中对于标签数据译码方法存在的局限性，本发明的目的是提供了一种基于码字转换WiFi反向散射系统的标签数据译码方法，能提升标签译码的准确性，进而提高数据传输的可靠性，更好的满足低功耗无线传输系统的数据传输需求。

本发明的目的是通过以下技术方案实现的：

一种基于码字转换WiFi反向散射系统的标签数据译码方法，包括：

步骤1，接收到反向散射信号后，测算接收的反向散射信号的强度，并判断反向散射信号的强度是否大于信号质量阈值确定反向散射信号的质量，若是，则确定接收的反向散射信号为高质量，若否，则确定接收的反向散射信号为低质量；

步骤2，对反向散射信号进行WiFi解包处理，解出L-SIG字段，从该L-SIG字段中获取调制与编码策略索引值，根据调制与编码策略索引值确定反向散射信号的标签数据调制方式；

步骤3，根据步骤1确定的反向散射信号的质量和步骤2确定的反向散射信号的标签数据调制方式对反向散射信号的标签数据进行译码处理，即当确定反向散射信号的标签数据调制方式为BPSK或QPSK时，异或后的比特流数据为全1序列，若确定反向散射信号的质量为高质量时，采用相似度计算法对反向散射信号的标签数据进行译码处理；若确定反向散射信号的质量为低质量时，则采用多数表决法对反向散射信号的标签数据进行译码处理；当确定反向散射信号的标签数据调制方式为16QAM时，异或后的比特流数据为0、1交替的序列，若确定反向散射信号的质量为高质量时，则采用差分求和法对反向散射信号的标签数据进行译码处理；若确定反向散射信号的质量为低质量时，则采用多数表决法对反向散射信号的标签数据进行译码处理。

与现有技术相比，本发明所提供的基于码字转换WiFi反向散射系统的标签数据译码方法，其有益效果包括：

由于先确定反向散射信号的质量和标签数据的调制方式，再根据反向散射信号的质量和标签数据的调制方式选择对应的译码方式进行标签数据的译码，这样避免了以往单一译码方式，无法满足不同信号质量和标签数据调制方式的译码，该方法能很好的提高了反向散射信号标签译码的准确性和数据传输的效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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，对于本领域的普通技术人员来讲，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附图。

图1为本发明实施例提供的基于码字转换WiFi反向散射系统的标签数据译码方法的流程图。

图2为比特流特征分析示意图。

图3为本发明实施例提供的标签数据译码方法的多数表决法示意图。

图4为本发明实施例提供的标签数据译码方法的相似度计算法示意图。

图5为本发明实施例提供的标签数据译码方法的差分求和法示意图。

图6为本发明实施例提供的标签数据译码方法的多数表决法、序列匹配法和相似度计算法对比图。

图7为本发明实施例提供的标签数据译码方法的多数表决法和差分求和法对比图。

图8为本发明实施例提供的标签数据译码方法的WiFi反向散射系统示意图。

图9为本发明实施例提供的标签数据译码方法的标签数据译码示意图。

图10为本发明实施例提供的标签数据译码方法的实验环境示意图。

具体实施方式

下面结合本发明的具体内容，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，这并不构成对本发明的限制。基于本发明的实施例，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，都属于本发明的保护范围。

首先对本文中可能使用的术语进行如下说明：

术语“和/或”是表示两者任一或两者同时均可实现，例如，X和/或Y表示既包括“X”或“Y”的情况也包括“X和Y”的三种情况。

术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述，应被解释为非排它性的包括。例如：包括某技术特征要素（如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等），应被解释为不仅包括明确列出的某技术特征要素，还可以包括未明确列出的本领域公知的其它技术特征要素。

术语“由……组成”表示排除任何未明确列出的技术特征要素。若将该术语用于权利要求中，则该术语将使权利要求成为封闭式，使其不包含除明确列出的技术特征要素以外的技术特征要素，但与其相关的常规杂质除外。如果该术语只是出现在权利要求的某子句中，那么其仅限定在该子句中明确列出的要素，其他子句中所记载的要素并不被排除在整体权利要求之外。

除另有明确的规定或限定外，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如：可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本文中的具体含义。

术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述和简化描述，而不是明示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本文的限制。

下面对本发明所提供的基于码字转换WiFi反向散射系统的标签数据译码方法进行详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本发明实施例中未注明具体条件者，按照本领域常规条件或制造商建议的条件进行。本发明实施例中所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。

如图1所示，本发明实施例提供一种基于码字转换WiFi反向散射系统的标签数据译码方法，包括：

上述方法的步骤1中，信号质量阈值为-70dBm。

上述方法的步骤2中，按以下方式根据调制与编码策略索引值确定反向散射信号的标签数据调制方式，包括：

若调制与编码策略索引值为0，则确定反向散射信号的标签数据调制方式为BPSK；

若调制与编码策略索引值为1，则确定反向散射信号的标签数据调制方式为QPSK；

若调制与编码策略索引值为3，则确定反向散射信号的标签数据调制方式为16QAM。

上述方法的步骤3中，所述多数表决法对反向散射信号的标签数据进行译码处理方式如下：

计算反向散射信号的标签数据的一个窗口内1所占的比例，一个窗口的大小为调制一个比特标签数据所使用的Symbol的个数，当比例大于设置的阈值时，则将该窗口内的比特值全部译码为1，否则将该窗口内的比特值全部译码为0。优选的，该相似度计算法中的阈值取值为0.5。

上述方法的步骤3中，所述相似度计算法对反向散射信号的标签数据进行译码处理方式如下：

以一个窗口为单位，将原始信号的数据作为模板，计算反向散射信号与原始信号的相似度，若相似度大于预设值，则将反向散射信号的标签数据译码为0，若相似度小于预设值，则将反向散射信号的标签数据译码为1。优选的，该多数表决法中的预设值取值为0.5。

上述方法中，按以下方式中的任一种计算反向散射信号与原始信号的相似度，包括：

（1）公式1的Jaccard相似度计算方法：

（1）

公式(1)中，

表示模板的比特值为1而译码时异或后比特流数据中对应位置的比特值为1的特征的比特对的个数，

表示模板的比特值为0而译码时异或后比特流数据中对应位置的比特值为1的特征的比特对的个数，

表示模板的比特值为1而译码时异或后比特流数据中对应位置的比特值为0的特征的比特对的个数；异或后比特流数据是指将作为模板的原始信号的数据与反向散射信号的标签数据异或后得出的比特流数据；

（2）公式2的余弦相似度计算方法：

（2）

公式(2)中，V为反向散射信号与原始信号异或后的比特流向量；T为模板信号向量；n为一个窗口内的标签数据的比特位数，i为一个窗口内的标签数据的比特位序号；

（3）公式3的皮尔森相似度计算方法：

（3）

公式(3)中，函数cov( )为计算协方差；

为计算标准差，

为计算反向散射信号的标准差，

为计算模板信号的标准差；V为反向散射信号与原始信号异或后的比特流向量；T为模板信号向量。

上述方法的步骤3中，所述差分求和法对反向散射信号的标签数据进行译码处理方式如下：

在一个窗口内，依次计算异或后标签数据的比特流中后一比特位和前一比特位的差值，然后取每一个差值的绝对值，再进行求和，最后除以整个窗口内比特的个数，求得差分求和的比例，若判断求得的比例大于预设阈值，则将标签数据译码为1，否则将标签数据译码为0。

上述的差分求和法的计算公式为：

（4）

公式(4)中，V为反向散射信号与原始信号异或后的比特流向量；abs( )为取绝对值函数；sum( )为求和函数；length( )为求向量的长度。优选的，差分求和法中的预设阈值取值为0.425。

综上可见，本发明实施例的译码方法中，由于先确定反向散射信号的质量和标签数据的调制方式，再根据反向散射信号的质量和标签数据的调制方式选择对应的译码方式进行标签数据的译码，这样避免了以往单一译码方式，无法满足不同信号质量和标签数据调制方式的译码，该方法能很好的提高了反向散射信号标签译码的准确性和数据传输的效率。本发明采用了三种译码方式，其中，前两种译码方式适用于异或后比特流为全“1”即MCS=0或1的情况，性能对比如图5所示，在设置不同阈值的情况下，将多数表决法、相似度计算法与序列匹配法进行了对比，可以看出多数表决法和相似度计算法的性能在大多数情况下要优于序列匹配法，这主要是由于序列匹配法对于连续性的要求过高，增加了误报率。且本发明通过测试确定了多数表决法和相似度计算法的最优阈值设置，均为0.5，错误率可达到1%以下。

多数表决法和差分求和法适用于“0、1”交替即MCS=3的情况，性能对比如图7所示，两种方法的最后性能相近，错误率均在5%左右，比上一种情况的错误率高的因为随着调制级数的增加，偶发性错误产生的概率会更大。相比于序列匹配方法，由于偶发性错误的存在，当使用“0、1”模板匹配的使用，错误率将会接近100%，因为难以实现完美的匹配。两种方法的原理不同，因此其取得最优值的阈值也不同，多数表决仍在0.5左右，差分求和法在0.425左右。

为了更加清晰地展现出本发明所提供的技术方案及所产生的技术效果，下面以具体实施例对本发明实施例所提供的基于码字转换WiFi反向散射系统的标签数据译码方法进行详细描述。

实施例1

如图1所示，本发明实施例提供一种基于码字转换WiFi反向散射系统的标签数据译码方法，该方法所应用的WiFi反向散射系统的构成如图8所示，该图8展示了WiFi反向散射系统的原理，发送端发送信号，一路信号由接收端直接接收，另外一路由标签搭载标签数据后反向散射至接收端，在接收端通过两路信号译码标签数据。具体的，该系统由三部分组成：发送端，Tag标签和接收端，接收端与发送端分别使用商用WiFi网卡和SDR，本实施例中商用设备使用高通AR938x网卡，使用CommView作为收发软件，SDR使用ZedBoard加AD9361作为子板，均使用Matlab作为数据分析软件，测试的场景如图10所示。Tag标签为使用FPGA搭建的原型，配套使用了放大器，RF Switch等元件。该系统中，标签数据通过接收端异或后的比特流数据呈现，利用该数据可译码标签数据，对应关系如图2所示，根据比特流数据的不同特征采用不同的译码方式。该图2示意了在标签数据为“1”的情况下，三种调制方式异或后比特流数据所具有的不同特征，即激励端使用BPSK和QPSK调制时，为连续的“1”，使用16QAM时，为“0”和“1”交替的序列，该特征是设计译码方法的基础和关键。

上述的WiFi反向散射系统的工作流程为发送端发送802.11n/g等数据包，一路信号由接收端直接接收，另一路信号用于反向散射作为反向散射信号，该信号在经过Tag后经过调制搭载标签数据（即Tag数据），随后被另一个接收端接收，在两个接收端会收到两路信号，通过将两路信号异或，在经过数据译码就可以得到Tag调制的标签数据，实现标签数据的传输。

在WiFi协议中定义了多种调制方式以满足对于不同数据速率的需求和对环境的适应性，调制方式从低阶到高阶分别有BPSK、QPSK、16QAM等，调制的阶数越高，可搭载的数据也就越多，同时出现错误的可能性也会升高。在现有的系统中，大多数的讨论都局限在BPSK调制，但是实际的环境信号中各种信号均有，为了提高系统的通用性，本发明深入探索了不用激励源下的情况，以MCS=0、1、3作为观察的对象，其对应的调制方式分别为BPSK、QPSK和16QAM。

在标签数据使用BPSK调制的情况下对三种不同的激励源进行了分析，结果如图2所示。

首先本发明画出了不同激励源下的星座图，BPSK为两个星座点0和1，对应两个状态，QPSK下有4个星座点，16QAM下有16个星座点。

其次标签数据使用BPSK进行调制，调制的规则是当标签数据为“0”时，相位保持不变，当标签数据为“1”时，星座点相移180°，即图2中箭头移动的方向。在接收端通过将调制后的反向散射信号和原始信号进行异或，异或计算方式如图2下面的上方矩形框所示，异或后的比特流的结果如图2下面的下方矩形框所示，可以观察到如下的特征信息：

(1)当标签数据为“0”时，相位不发生翻转，在所有的MCS下，异或之后的比特流数据为连续的0。

(2)当标签数据为“1”时，不同的MCS下的表现不同，当MCS=0和1，即激励源使用BPSK和QPSK时，比特流数据为连续的“1”，当MCS=3时，即激励源使用16QAM，比特流数据为“0”和“1”交替的序列。

基于上述不同调制方式得出的标签数据对应比特流数据的特征，本发明译码方法中，在得到异或之后的比特流数据之后，根据信号质量和比特流数据的调制方式，通过对应的方式将该比特流数据译码，如图9所示，将多个比特流译码为单比特的标签数据。当发送端使用不同的调制方式时，异或后的比特流数据的特征会有所不同，当标签使用不同调制方式时同理，需根据不同的情况采用不同的译码方式。本发明提出了三种新的译码方式：多数表决法、相似度计算法和差分求和法，用于进行标签数据的译码，通过实验对比发现其效果远远优于现有的序列匹配法，不仅提高了标签数据译码的准确性和数据传输的效率且根据不同的情况进行了特性化的设计，使得其可以应用于高阶调制的情况，且鲁棒性更高，适用范围更广。

下面对本发明的各译码方式分别进行说明。

(1)多数表决法

使用基础：异或之后的比特流数据中“0”和“1”的数量对于不同的标签数据有明显的差异。

方法介绍：当标签数据为“1”且激励端使用BPSK或者QPSK调制时，比特流理论上全部为“1”，即“1”的比例为100%，则计算一个窗口内“1”所占的比例，当大于设置的阈值时，则译码为“1”，否则为“0”。当标签数据为“1”且激励端使用16QAM时，比特流理论上为“01”序列，即理论上“1”的比例为50%，此时的阈值为小于0.5的合适值，判断方法同上。

示意图：该译码方式的示意图如图3所示。该图3展示了多数表决法的思想，计算比特“1”在目标序列中的比例，当大于一定阈值时即译码为“1”，否则译码为“0”。

方法特点：该方法只关注比特“0”和“1”所占的比例，对于数据的连续性没有要求，因此不受中间偶发错误的影响，鲁棒性较高，该方法对阈值的设置有一定的要求，需要根据理论分析的情况设置合适的阈值。

方法优势：序列匹配方法适用于环境信道比较好，偶发错误少的情况，使用该方法可以极大程度的降低假阳率，但同时也会提高假阴率。本方法放松了对于连续性的要求，具有较强的鲁棒性，且阈值的设置可根据环境的情况调整，具有很好的适应能力。

(2)相似度计算法

使用基础：该方法需要提供一个模板数据进行相似度计算，对于数据本身没有要求，适用于所有情况。

方法介绍：以一个窗口为单位，将原始信道的数据作为模板，计算反向散射后信号与原始信号的相似度，因为标签数据为“0”时信号不发生翻转，相似程度较高，当标签数据为“1”时信号发生翻转，相似度较低，因此相似度大于一定值时认为为“0”当相似度小于一定值时认为是“1”。

公式1为Jaccard相似度计算方法：

（1）

表示模板的比特值为1而译码时异或后比特流数据中对应位置的比特值为0的特征的比特对的个数。

公式2为余弦相似度计算方法：

（2）

V为反向散射信号与原始信号异或后的比特流向量，T为模板信号向量，均将其看作是向量便于进行数学计算，n为一个窗口（即计算窗口）内的比特位数，i为一个窗口（即计算窗口）内的标签数据的比特位序号。

公式3为皮尔森相似度计算方法：

（3）

其中，函数cov( )为计算协方差；

为计算标准差，

为计算反向散射信号的标准差，

为计算模板信号的标准差；V为反向散射信号与原始信号异或后的比特流向量，T为模板信号向量，均将其看作是向量便于进行数学计算。

示意图：该方法中Jaccard相似度的示意图如图4所示。该图4展示了相似度计算法的思想，计算目标序列和模板序列的相似度，当相似程度较大时译码为“1”，相似程度较小是译码为“0”。

方法特点：该方法对比特流的特性没有特殊要求，可应用于所有的情况，该方法对于同步的要求较高，当比特流为“01”序列时，当发生错位时会导致相似度的计算数值有较大偏差。

方法优势：前述种方法需根据不同调制方式的不同特性进行有针对性的设计，需要提前知道调制方式，本方法对于信号调制的方式没有依赖性，普适性更高，可用于所有的情况，不需要根据调制方式的不同更换阈值的设置，只需要根据环境信号的质量选择合适的阈值。

(3)差分求和法

使用基础：异或后比特流为“01”序列的情况，该序列具有较好的差分特性，即使中间个别比特位出现突发错误，仍能保持较好的差分特性。

方法介绍：在一个窗口内，依次计算异或后比特流中后一位和前一位的差值，然后取每一个数值的绝对值，再进行求和，最后除以整个窗口内比特的个数，及求得差分求和的比例。经理论分析，对于“01”序列，该比例的值应为接近100%，因此在实际应用中设置一个小于100%的合适阈值，当大于阈值时认为标签数据为“1”，否则认为其为“0”，计算公式如公式4所示。

（4）

其中，V为反向散射信号与原始信号异或后的比特流向量，将其看作是一个向量便于进行向量计算，公式中各个函数的含义为：abs( )为取绝对值，sum( )为求和，length( )为求向量的长度。

方法特点：该方法充分利用“0”和“1”的交替特性，使用差分的方法体现交替的特征，对于突发性错误不敏感，只需整体序列保持一定的交替性即可。

示意图：该方法示意图如图5所示，其他的均为数学计算。该图5展示了差分求和法的思想，先计算后一位和前一位的差分值，再进行求和计算，最后计算差分位数所占的比例，比例较高时译码为“1”，否则译码为“0”。

方法优势：在“01”序列中，“0”和“1”的比例相当，使用多数表决法阈值的设置不易把握，且极易出现突发性错误，难以匹配到足够长度的特性序列，且由于交替的特性，当同步不准时会发生错位，使得相似度计算的数值出现偏差，在此情况下，使用差分求和发，可以很好的利用差分特性，且对突发性错误较为鲁棒。

上述译码方式中，前两种方法适用于异或后比特流为全“1”即MCS=0或1的情况，性能对比如图6所示，该图6比较了这两种方法与对比方法——序列匹配法在连续“1”序列上的表现情况，横坐标为阈值设置，纵坐标为错误率，可以看出多数表决法和相似度计算发的性能优于序列匹配法，由于序列匹配法对于突发性错误不鲁棒。在设置不同阈值的情况下，对比了多数表决法、序列匹配法和相似度计算法的性能，可以看出多数表决法和相似度计算法的性能在大多数情况下要优于序列匹配法，这主要是由于序列匹配法对于连续性的要求过高，增加了误报率。且通过实验确定这两种译码方式的最优阈值，如多数表决法和相似度计算法的最优阈值为0.5，错误率可达到1%以下。

多数表决法和差分求和法适用于“01”交替即MCS=3的情况，性能对比如图8所示，该图7比较了这两种方法在“0、1”序列上的表现情况，横坐标为阈值设置，纵坐标为错误率，这两种方法的最优情况性能差距较小，但阈值设置的范围有差异，多数表决法的阈值理论上可为0-1，差分求和法的阈值理论值为0-0.5，两种方法的最后性能相近，错误率均在5%左右，比上一种情况的错误率高的因为随着调制级数的增加，偶发性错误产生的概率会更大。相比于序列匹配方法，由于偶发性错误的存在，当使用“01”模板匹配的使用，错误率将会接近100%，因为难以实现完美的匹配。两种方法的原理不同，因此其取得最优值的阈值也不同，多数表决仍在0.5左右，差分求和法在0.425左右。

本领域普通技术人员可以理解：实现上述实施例方法中的全部或部分流程是可以通过程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。本文背景技术部分公开的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。