CN115908458A

CN115908458A - 一种深海区域干涉条纹提取方法、装置及存储介质

Info

Publication number: CN115908458A
Application number: CN202310223145.7A
Authority: CN
Inventors: 张保学; 郑永进; 屈科; 马一开; 高辰昊; 蓝方宝; 刘浩
Original assignee: Guangzhou Zhiyuan Ocean Technology Co ltd; NANHAI STANDARD MEASUREMENT CENTRAL STATE OCEANIC ADMINISTRATION; Guangdong Ocean University
Current assignee: Guangzhou Zhiyuan Ocean Technology Co ltd; NANHAI STANDARD MEASUREMENT CENTRAL STATE OCEANIC ADMINISTRATION; Guangdong Ocean University
Priority date: 2023-03-09
Filing date: 2023-03-09
Publication date: 2023-04-04
Anticipated expiration: 2043-03-09
Also published as: CN115908458B

Abstract

本发明公开了一种深海区域干涉条纹提取方法、装置及存储介质，通过获取深海区域的声强图数据，对所述声强图数据进行阈值分割，得到阈值分割结果，对所述阈值分割结果进行梯度筛选处理，得到梯度筛选处理结果，对所述梯度筛选处理结果进行掩码滤波处理，得到不同阶数的条纹分布结果，根据深海区域的声强图数据直接提取条纹的空间位置，有利于规避深海波导下干涉条纹斜率随距离变化的问题，并且可以提取出不同斜率下的干涉条纹，区分出不同阶数的条纹分布结果，减少干涉条纹的丢失，根据不同阶数的所述条纹分布结果进行连续平滑处理，得到目标干涉条纹，最终提高了目标干涉条纹的提取效果。

Description

一种深海区域干涉条纹提取方法、装置及存储介质

技术领域

本发明涉及海洋技术领域，特别是涉及一种深海区域干涉条纹提取方法、装置及存储介质。

背景技术

海洋声场干涉结构是海洋声学研究的热点问题之一，声场干涉结构中蕴含了丰富的海洋环境和声源信息，可用于海底声学参数或声速剖面的反演、海洋环境监测、声源定位、时间反转镜聚焦等水声物理和水声信号处理的诸多方面。其中，声速剖面为等声速或梯度恒定时的浅海波导干涉结构相对简单，条纹斜率在一定距离和频率带宽内都保持恒定；但复杂波导下，如存在跃层的浅海波导，又或是深海波导情况，干涉结构将变得复杂。以深海情况为例，在直达波区、声影区及会聚区的距离上各存在不同分布规律的干涉结构，而在声影区和会聚区中，又各自存在三种和两种干涉结构。

现有技术中，通常采用二维傅里叶变换结合Hough变换、Radon变换等方法，仅能提取出干涉结构中占主导的条纹斜率，得到一个的干涉条纹信息，对于复杂波导存在多个不同斜率的干涉条纹情况，容易丢失部分干涉结构信息又或是无法进行条纹提取，提取效果不理想。

发明内容

基于此，本发明的目的在于解决上述问题中的至少之一，提供一种深海区域干涉条纹提取方法、装置及存储介质，提高干涉条纹的提取效果。

本发明实施例提供了一种深海区域干涉条纹提取方法，包括：

获取深海区域的声强图数据；

对所述声强图数据进行阈值分割，得到阈值分割结果；

对所述阈值分割结果进行梯度筛选处理，得到梯度筛选处理结果；所述梯度筛选处理结果包括暗条纹或者亮条纹；

对所述梯度筛选处理结果进行掩码滤波处理，得到不同阶数的条纹分布结果；

根据不同阶数的所述条纹分布结果进行连续平滑处理，得到目标干涉条纹。

进一步，所述对所述声强图数据进行阈值分割，得到阈值分割结果，包括：

根据预设阈值将所述声强图数据进行分类，得到第一类别像素以及第二类别像素；

分别计算所述声强图数据的图像整体灰度均值、所述第一类别像素的第一出现概率以及所述第二类别像素的第二出现概率；

根据所述图像整体灰度均值、所述第一出现概率以及所述第二出现概率，计算类间方差；

确定所述类间方差的最大值对应的目标阈值，将所述目标阈值作为新的预设阈值，返回所述根据预设阈值将所述声强图数据进行分类的步骤，得到更新后的第一类别像素以及更新后的第二类别像素。

进一步，所述根据所述图像整体灰度均值、所述第一出现概率以及所述第二出现概率，计算类间方差，具体为：

其中，

为类间方差，

为第一出现概率，

为第二出现概率，

为图像整体灰度均值。

进一步，所述对所述阈值分割结果进行梯度筛选处理，得到梯度筛选处理结果，包括：

将所述阈值分割结果对频率进行求导，得到求导结果；

从所述阈值分割结果中选取第一频率点，以及从所述阈值分割结果中选取第二频率点；所述第一频率点使得所述求导结果为第一预设数值，所述第二频率点使得所述求导结果为第二预设数值，所述第二频率点的频率大于所述第一频率点的频率；

计算所述第二频率点与所述第一频率点之间的频率差；

根据所述频率差以及频率阈值进行条纹过滤筛选，得到梯度筛选处理结果。

进一步，所述根据所述频率差以及频率阈值进行条纹过滤筛选，得到梯度筛选处理结果，包括：

当所述频率差大于或等于频率阈值，将所述第二频率点作为新的第一频率点并返回所述从所述阈值分割结果中选取第二频率点的步骤，直至不存在新的第一频率点，得到梯度筛选处理结果；

当所述频率差小于频率阈值，根据所述第二频率点的频率与所述频率阈值的和确定新的第二频率点，返回计算所述第二频率点与所述第一频率点之间的频率差的步骤，直至所述频率差大于或等于频率阈值。

进一步，所述对所述梯度筛选处理结果进行掩码滤波处理，得到不同阶数的条纹分布结果，包括：

根据预设函数的目标图形在梯度筛选处理结果中进行若干次的坐标点选取；

将每一次位于所述目标图形内的所选取的坐标点作为同一阶数的坐标条纹，得到不同阶数的条纹分布结果。

进一步，所述根据不同阶数的所述条纹分布结果进行连续平滑处理，得到目标干涉条纹，包括：

对所述不同阶数的所述条纹分布结果进行插值处理，得到插值处理后的频率坐标；

将所述频率坐标进行经验模态分解，得到目标干涉条纹。

本发明实施例还提供一种深海区域干涉条纹提取装置，包括：

获取模块，用于获取深海区域的声强图数据；

分割模块，用于对所述声强图数据进行阈值分割，得到阈值分割结果；

筛选模块，用于对所述阈值分割结果进行梯度筛选处理，得到梯度筛选处理结果；所述梯度筛选处理结果包括暗条纹或者亮条纹；

滤波模块，用于对所述梯度筛选处理结果进行掩码滤波处理，得到不同阶数的条纹分布结果；

处理模块，用于根据不同阶数的所述条纹分布结果进行连续平滑处理，得到目标干涉条纹。

本发明实施例还提供一种深海区域干涉条纹提取装置，所述深海区域干涉条纹提取装置包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述方法。

本发明实施例还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述方法。

本发明的有益效果是：

通过获取深海区域的声强图数据，对所述声强图数据进行阈值分割，得到阈值分割结果，对所述阈值分割结果进行梯度筛选处理，得到梯度筛选处理结果，对所述梯度筛选处理结果进行掩码滤波处理，得到不同阶数的条纹分布结果，根据深海区域的声强图数据直接提取条纹的空间位置，有利于规避深海波导下干涉条纹斜率随距离变化的问题，并且可以提取出不同斜率下的干涉条纹，区分出不同阶数的条纹分布结果，减少干涉条纹的丢失，根据不同阶数的所述条纹分布结果进行连续平滑处理，得到目标干涉条纹，最终提高了目标干涉条纹的提取效果。

为了更好地理解和实施，下面结合附图详细说明本发明。

附图说明

图1为本发明深海区域干涉条纹提取方法的步骤流程示意图；

图2为本发明具体实施例深海区域的声强图数据的示意图；

图3为本发明具体实施例阈值分割结果的示意图；

图4为本发明具体实施例梯度筛选处理结果的示意图；

图5为本发明具体实施例不同阶数的条纹分布结果的示意图；

图6为本发明具体实施例目标干涉条纹的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

如图1所示，本发明实施例提供一种深海区域干涉条纹提取方法，包括步骤S100-S500：

S100、获取深海区域的声强图数据。

如图2所示，本发明实施例中，深海区域的声强图数据的横坐标为距离，纵坐标为频率，深海区域的声强图数据中的每一个像素点的坐标由一个距离以及频率确定。需要说明的是，深海区域的深度大于一定阈值，而该阈值可以根据实际情况确定。

S200、对声强图数据进行阈值分割，得到阈值分割结果。

可选地，步骤S200包括步骤S210-S240：

S210、根据预设阈值将声强图数据进行分类，得到第一类别像素以及第二类别像素。

具体地，设声强图数据的灰度范围为

,灰度为

的像素

，图像的总像素数为

，根据预设阈值

，将声强图数据划分为第一类别像素

和第二类别像素

，

为常数。

S220、分别计算声强图数据的图像整体灰度均值、第一类别像素的第一出现概率以及第二类别像素的第二出现概率。

S230、根据图像整体灰度均值、第一出现概率以及第二出现概率，计算类间方差。

具体地，灰度为

的像素出现的概率为：

第一类别像素

和的第一出现概率

以及第二类别像素

的第二出现概率

分别为：

对应的第一灰度均值

以及第二灰度均值

分别为：

图像整体灰度均值

为：

具体地，计算类间方差的公式为：

其中，

为类间方差，

为第一出现概率，

为第二出现概率，

为图像整体灰度均值。

S240、确定类间方差的最大值对应的目标阈值，将目标阈值作为新的预设阈值，返回根据预设阈值将声强图数据进行分类的步骤，得到更新后的第一类别像素以及更新后的第二类别像素。

本发明实施例中，以类间方差作为衡量不同阈值导出的类别分类性能的判断准则，极大化

，即确定类间方差的最大值从而得到类间方差的最大值对应的目标阈值

，该目标阈值

为最佳阈值。

然后，在确定目标阈值后，将目标阈值作为新的预设阈值，返回根据预设阈值将声强图数据进行分类的步骤，即返回步骤S210，得到更新后的第一类别像素以及更新后的第二类别像素，此时得到阈值分割结果

，阈值分割结果

由更新后的第一类别像素以及更新后的第二类别像素构成，即将暗两种条纹分成了两类，对应的标签分别为1和0。

S300、对阈值分割结果进行梯度筛选处理，得到梯度筛选处理结果。

需要说明的是，梯度筛选处理结果可以包括暗条纹或者亮条纹，在进行梯度筛选处理时可以提取暗条纹或者亮条纹的其中一种，本发明实施例中以提取暗条纹为例进行说明，不构成限定，其他实施例中可以对亮条纹进行提取。本发明实施例中，对阈值分割结果的垂直或水平方向求梯度，梯度的交替变化即为亮、暗条纹的在空间位置上的交替变化，并选择梯度变化区间的中心点作为干涉条纹的空间位置，设定一定的频率阈值

过滤细小条纹的干扰。

可选地，步骤S300包括步骤S310-S340：

S310、将阈值分割结果对频率进行求导，得到求导结果。

S320、从阈值分割结果中选取第一频率点，以及从阈值分割结果中选取第二频率点；第一频率点使得求导结果为第一预设数值，第二频率点使得求导结果为第二预设数值，第二频率点的频率大于第二频率点的频率。

可选地，第一预设数值以及第二预数值可以根据需要设定，本发明实施例中以第一预数值为-1、第二预数值为1为例子进行说明。具体地：

以提取暗条纹坐标为例，阈值分割结果中暗条纹在频率轴上的梯度变化区间：

其中，

为阈值分割结果，

为声强图数据中的距离，

为声强图数据中的频率，

为阈值分割结果对频率求一阶导即求导结果，声强图数据共有

个频率点，有

，从阈值分割结果中选取第n个频率点即第一频率点，选取第m个频率点即第二频率点，第二频率点的频率大于第一频率点的频率，在第n个和第m个频率点时，第n个频率点的频率

和和第m个的频率

分别使得

在频率上的梯度(即求导结果

)为-1和1，即第一频率点使得求导结果为第一预设数值，第二频率点使得求导结果为第二预设数值。

S330、计算第二频率点与第一频率点之间的频率差。

具体地，频率差为：

。

S340、根据频率差以及频率阈值进行条纹过滤筛选，得到梯度筛选处理结果。

可选地，步骤S340包括步骤S3401-S3402，S3401、S3402不限定执行顺序：

S3401、当频率差大于或等于频率阈值，将第二频率点作为新的第一频率点并返回从阈值分割结果中选取第二频率点的步骤，直至不存在新的第一频率点，得到梯度筛选处理结果。

可选地，频率阈值

的大小可以根据实际需要设定。当

和

满足

，即频率差大于或等于频率阈值，此时

和

为梯度变化区间的频率上下界，并令

作为下一个频率上界点的频率

，即将第二频率点作为新的第一频率点并返回从阈值分割结果中选取第二频率点的步骤，相当于将第二频率点作为新的第一频率点后返回步骤S320中的从阈值分割结果中选取第二频率点的步骤，确定新的第二频率点继续进行比较，直至不存在新的第一频率点，得到梯度筛选处理结果。

需要说明的是，根据上述步骤可以在每个点上进行暗条纹的频率点提取，得到暗条纹在声强图数据中的空间位置，此时输出的梯度筛选处理结果为暗条纹的空间坐标分布，是只区分条纹类型而未区分阶数的暗条纹坐标，但不同阶数之间的暗条纹将按一定的规律分布，同阶数条纹分布相对连续，而相邻阶的条纹之间由于亮条纹的原因存在空白间隙，梯度筛选处理结果记为

：

暗条纹

空白点

S3402、当频率差小于频率阈值，根据第二频率点的频率与频率阈值的和确定新的第二频率点，返回计算第二频率点与第一频率点之间的频率差的步骤，直至频率差大于或等于频率阈值。

具体地，若

，即频率差小于频率阈值，则

，寻找下一个满足

的频率下界点的频率

，相当于根据第二频率点的频率与频率阈值的和确定新的第二频率点，返回计算第二频率点与第一频率点之间的频率差的步骤，直至频率差大于或等于频率阈值，即返回至步骤S3401。

需要说明的是，当需要提取亮条纹时，仅需将公式中的梯度变化区间从[-1，1]变成[1，-1]即可，步骤类似不再赘述。

S400、对梯度筛选处理结果进行掩码滤波处理，得到不同阶数的条纹分布结果。

可选地，步骤S400包括步骤S410-S420：

S410、根据预设函数的目标图形在梯度筛选处理结果中进行若干次的坐标点选取。

S420、将每一次位于目标图形内的所选取的坐标点作为同一阶数的坐标条纹，得到不同阶数的条纹分布结果。

本发明实施例中，因为暗条纹的梯度筛选结果中，同阶条纹连续，不同阶条纹存在空白间隙的特点，因此可以进行掩码滤波划分条纹阶数，划分不同阶数的条纹坐标以确定不同阶数的条纹分布结果。

需要说明的是，本发明实施例中以预设函数为inpolygon函数，目标图形为一个多边形为例进行说明，其他实施例中可以采用其他函数或者采用其他形状的目标图形。

具体地，利用inpolygon函数，利用八个点的多边形形成一个多边形区域进行掩码滤波，原理如下：

其中，

为多边形区域内

中属于暗条纹的坐标点。

本发明实施例中，将多边形作为目标图形围绕着分布明显连续的条纹坐标进行坐标点选取，在同一个多边形区域内即目标图形内的所选取的坐标点作为同一阶数的坐标条纹，因此一次目标图形的坐标点选取可以得到一阶的坐标条纹，在若干次坐标点选取，将每一次位于目标图形内的所选取的坐标点作为同一阶数的坐标条纹，即可以得到不同阶数的条纹分布结果。

需要说明的是，由于深海波导中，干涉条纹在距离-频率域内分布存在弯曲，干涉条纹会在距离较大和频率较高的位置出现交会，所以尽量避免不同阶条纹混杂在一个多边形区域内。

S500、根据不同阶数的条纹分布结果进行连续平滑处理，得到目标干涉条纹。

可选地，步骤S500包括步骤S510-S520：

S510、对不同阶数的条纹分布结果进行插值处理，得到插值处理后的频率坐标。

具体地，将粗略划分区域的干涉条纹散点结果(即不同阶数的条纹分布结果)进行三阶Hermite插值处理，得到：

其中，

和

为待插值点

相邻的两个点的距离坐标，

和

分别对应着

和

的频率的坐标，

和

为对应的一阶导数，

为插值处理后的频率坐标。

S520、将频率坐标进行经验模态分解，得到目标干涉条纹。

具体地，将频率坐标

进行经验模态分解：

其中，

为条纹的距离坐标，

为迭代次数，

为某阶的模态，

为单调函数，表示了条纹坐标的平均趋势，利用经验模态分解后得到的单调函数

作为条纹的坐标，从而得到深海区域内不同阶数下的连续、平滑的目标干涉条纹。

需要说明的是，S510与S520中所涉及的距离坐标可以为干涉条纹例如暗条纹的条纹中心，坐标为

，即每一阶条纹的条纹中心可以根据每一对确定的第一频率点的频率以及第二频率点的频率的平均值确定。

以下为一个具体实施例：

1、如图2所示，首先通过Bellhop射线程序给出深海影区的距离-频率域声强图，即深海区域的声强图数据(声源频率为50-1000 Hz，声源深度200 m，接收深度200 m，传播距离为5-25 km，采用Munk声速剖面，沉积层声速为1600 m/s，厚度为20 m，密度为1.5 g/cm3,吸收系数为0.2 dB/λ，基底声速为1800m/s，密度为2.0 g/cm3, 吸收系数为1.0 dB/λ。在实际情况下，通过单水听器接收到拖曳声源或舰船走航时的噪声的信号，将时域信号进行傅里叶变换到频域，并按接收距离排列获取距离-频率域声强图。

2、利用最大类间方差法对距离-频率域声强图进行阈值分割，最大类间方差法粗略地将亮暗两种条纹分成了两类，对应的标签分别为1和0，得到阈值分割结果，如图3所示。

3、阈值分割结果进行梯度筛选处理，得到梯度筛选处理结果，即进行梯度变化筛选和定位干涉条纹的坐标，此时的坐标结果未能区分出条纹阶数，如图4所示。

4、对梯度筛选处理结果进行掩码滤波处理处理，即进行掩码滤波和区域划分，区分出不同阶数的条纹坐标，得到不同阶数的条纹分布结果，如图5所示。

5、对不同阶数的条纹分布结果进行连续平滑处理，具体为：三阶Hermite插值，并将插值结果进行经验模态分解来获取坐标的平均趋势做为最后的条纹坐标提取结果，得到目标干涉条纹，如图6所示。由图6可见，本发明可同时提取50～1000Hz频带内10条干涉暗条纹，图6还给出了理论条纹的计算结果(虚线)，对比可知本发明提取的干涉条纹结果(实线)较好，与理论结果吻合程度较高。在低频段内，声场干涉较强，干涉条纹提取的效果更好。

相对于现有技术，本发明实施例的深海区域干涉条纹提取方法以阈值分割为基础，结合梯度筛选处理、掩码滤波处理、连续平滑处理(插值及经验模态分解)等方法，通过直接提取声强图数据中干涉条纹空间位置，有效规避了深海波导下干涉条纹斜率随距离变化的问题，可以通过梯度变化来过滤细小条纹干扰，并定位干涉条纹中心；同时，可提取不同斜率下的干涉条纹，并可以区分出条纹所属阶数，不容易丢失干涉条纹信息，连续平滑处理(包括插值及经验模态分解)解决了干涉条纹提取结果的不连续以及浮动问题；再者，可以得到干涉条纹空间位置，相比于单一的干涉条纹斜率信息，可为深海海底声学参数反演、声源定位等提供更多的声场信息，相比于条纹斜率更具有稳健性，提高了目标干涉条纹的提取效果。

获取模块，用于获取深海区域的声强图数据；

分割模块，用于对声强图数据进行阈值分割，得到阈值分割结果；

筛选模块，用于对阈值分割结果进行梯度筛选处理，得到梯度筛选处理结果；梯度筛选处理结果包括暗条纹或者亮条纹；

滤波模块，用于对梯度筛选处理结果进行掩码滤波处理，得到不同阶数的条纹分布结果；

处理模块，用于根据不同阶数的条纹分布结果进行连续平滑处理，得到目标干涉条纹。

上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同，不再赘述。

本发明实施例还提供了另一种深海区域干涉条纹提取装置，该深海区域干涉条纹提取装置包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现前述实施例的深海区域干涉条纹提取方法。可选地，该深海区域干涉条纹提取装置包括但不限于手机、平板电脑、电脑及车载电脑等。

本发明实施例还提供一种计算机可读存储介质，存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现前述实施例的深海区域干涉条纹提取方法。

本发明实施例还提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前述实施例的深海区域干涉条纹提取方法。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的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网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。