基于考勤机的语音识别的方法和系统与流程

本申请涉及语音识别技术领域，特别是涉及基于考勤机的语音识别的方法和系统。

背景技术：

语音是语言的声学表现，是人类交流信息最自然、最有效、最方便的手段，也是人类思维的一种依托。自动语音识别(automaticspeechrecognition—asr)通常是指让计算机等设备通过对语音的识别和理解，把人的口语转化为相应的输出文本或者命令的过程。相关技术中，考勤机场景通常不支持语音识别，无法进行人机交互，需要前台人工寻找访客要找的人，耗费人力，效率低下，且由于人名的文字排列组合自由度非常高，导致对人名识别的准确率低。

目前针对相关技术中考勤机场景不支持人机交互，效率低下，且人名识别的准确率低的问题，尚未提出有效的解决方案。

技术实现要素：

本申请实施例提供了一种基于考勤机的语音识别的方法和系统，以至少解决相关技术中考勤机场景不支持人机交互，效率低下，且人名识别的准确率低的问题。

第一方面，本申请实施例提供了一种基于考勤机的语音识别的方法，应用于考勤机场景，所述方法包括：

本地服务器构建人名热词库和人名数据库，云服务器将所述人名热词库和所述人名数据库作为训练语料对模型进行训练，得到语音识别模型；

人脸识别模块获取用户的人脸信息，若所述人脸信息匹配成功，则切换到门禁模式，若所述人脸信息匹配不成功，则切换到访客模式；

在所述门禁模式下，为所述用户打开门禁，在所述访客模式下，语音获取模块获取用户的第一语音信号，并根据tdoa定位获取所述第一语音信号的位置，对所述第一语音信号的位置所在区域内的音频信号做放大处理，区域外的音频信号做抑制处理，得到第二语音信号，并将所述第二语音信号发送至所述云服务器；

所述云服务器根据所述语音识别模型获取所述第二语音信号的第二文本，提取所述第二文本中的目标人名；

所述本地服务器根据所述目标人名在所述人名数据库中进行查找，查找结果经所述用户确认后开始呼叫，其中，所述查找结果为至少一个人名。

在其中一些实施例中，所述提取所述第二文本中的目标人名之后，所述方法还包括：

根据所述人名数据库创建拼音声调数据库，以所述目标人名作为评分标准，根据所述拼音声调数据库为所述人名数据库中的人名进行评分，将评分结果大于预设值的人名作为目标人名。

在其中一些实施例中，所述本地服务器构建人名热词库和人名数据库之后，所述方法还包括：

所述本地服务器更新人名热词和人名数据，所述云服务器根据更新的人名热词和人名数据对语音识别模型进行训练。

在其中一些实施例中，所述将所述第二语音信号发送至所述云服务器之后，所述方法还包括：

所述本地服务器同时将语音识别令牌发送至所述云服务器，其中，所述语音识别令牌用于获取语音识别的权限。

在其中一些实施例中，所述语音获取模块获取用户的第一语音信号之前，所述方法还包括：

获取所述用户的验证信息，根据所述验证信息对所述用户进行身份验证，若验证通过，则所述语音获取模块获取用户的第一语音信号。

第二方面，本申请实施例提供了一种基于考勤机的语音识别的系统，应用于考勤机场景，所述系统包括云服务器、本地服务器和考勤机，所述考勤机包括人脸识别模块、语音获取模块和控制模块，

所述本地服务器，用于构建人名热词库和人名数据库；

所述云服务器将所述人名热词库和所述人名数据库作为训练语料对模型进行训练，得到语音识别模型；

所述人脸识别模块，用于识别用户的人脸信息，若所述人脸信息匹配成功，则切换到门禁模式，若所述人脸信息匹配不成功，则切换到访客模式；

在所述门禁模式下，所述控制模块为所述用户打开门禁；

在所述访客模式下，所述语音获取模块获取所述用户的第一语音信号，并根据tdoa定位获取所述第一语音信号的位置，对所述第一语音信号的位置所在区域内的音频信号做放大处理，区域外的音频信号做抑制处理，得到第二语音信号；

所述云服务器根据所述语音识别模型获取所述第二语音信号的第二文本，提取所述第二文本中的目标人名；

所述本地服务器根据所述目标人名在所述人名数据库中进行查找，查找结果经所述用户确认后开始呼叫，其中，所述查找结果为至少一个人名。

在其中一些实施例中，所述云服务器提取所述第二文本中的目标人名之后，所述本地服务器还用于根据所述人名数据库创建拼音声调数据库，以所述目标人名作为评分标准，根据所述拼音声调数据库为所述人名数据库中的人名进行评分，将评分结果大于预设值的人名作为目标人名。

在其中一些实施例中，所述本地服务器构建人名热词库和人名数据库之后，所述本地服务器还用于更新人名热词和人名数据，所述云服务器根据更新的人名热词和人名数据对语音识别模型进行训练。

在其中一些实施例中，所述将所述第二语音信号发送至所述云服务器之后，所述本地服务器还用于将语音识别令牌发送至所述云服务器，其中，所述语音识别令牌用于获取语音识别的权限。

在其中一些实施例中，所述考勤机还包括验证模块，所述语音获取模块获取用户的第一语音信号之前，所述验证模块用于获取所述用户的验证信息，根据所述验证信息对所述用户进行身份验证，若验证通过，则所述语音获取模块获取用户的第一语音信号。

相比于相关技术，本申请实施例提供的基于考勤机的语音识别的方法，通过本地服务器构建人名热词库和人名数据库，云服务器将人名热词库和人名数据库作为训练语料对模型进行训练，得到语音识别模型；人脸识别模块获取用户的人脸信息，若人脸信息匹配成功，则切换到门禁模式，若人脸信息匹配不成功，则切换到访客模式；在门禁模式下，为用户打开门禁，在访客模式下，语音获取模块获取用户的第一语音信号，并根据tdoa定位获取第一语音信号的位置，对第一语音信号的位置所在区域内的音频信号做放大处理，区域外的音频信号做抑制处理，得到第二语音信号，并将第二语音信号发送至云服务器；云服务器根据语音识别模型获取第二语音信号的第二文本，提取第二文本中的目标人名；本地服务器根据目标人名在人名数据库中进行查找，查找结果经用户确认后开始呼叫，其中，查找结果为至少一个人名，解决了考勤机场景通常不支持语音识别，无法进行人机交互，需要前台人工寻找访客要找的人，耗费人力，效率低下，且由于人名的文字排列组合自由度非常高，导致对人名识别的准确率低的问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的基于考勤机的语音识别的方法的流程图；

图2是根据本申请实施例的基于考勤机的语音识别的系统的结构框图；

图3是根据本申请实施例的另一种基于考勤机的语音识别的系统的结构框图；

图4是根据本申请实施例的硬件架构的结构框图；

图5是根据本申请实施例的软件架构的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“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。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“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模块(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，而是可以还包括没有列出的步骤或单元，或可以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。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”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：单独存在a，同时存在a和b，单独存在b这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本实施例提供了一种基于考勤机的语音识别的方法，图1是根据本申请实施例的基于考勤机的语音识别的方法的流程图，如图1所示，该方法包括如下步骤：

步骤s101，本地服务器构建人名热词库和人名数据库，云服务器将人名热词库和人名数据库作为训练语料对模型进行训练，得到语音识别模型；本实施例中，本地服务器通过公司oa构建人名数据库，根据找人场景构建人名热词，例如，找人场景下的人名热词有“我找”、“我想找”和“我要找”等词语；由于人名的文字排列组合自由度非常高，导致只通过人名数据训练得到的模型，对人名识别的准确率低，故需要通过人名热词库和人名数据库对模型进行训练，通过人名热词加人名数据的方式，使语音识别模型学习到人名从哪里开始截取，提高人名识别的准确率，示例性的，若人名热词为“我想找”，人名为“张三”，则可以判断出“我想找张三”的这句话中“我想找”后面的词语“张三”就是一个人名，又例如，人名热词为“我想找…和…”，则可以判断出“我想找张三和李四”这句话中“我想找”后面的词语“张三”和“和”后面的词语“李四”是人名，通过人名热词库和人名数据库训练后的语音识别模型，可以准确的识别一句话中的多个人名；

步骤s102，人脸识别模块获取用户的人脸信息，若人脸信息匹配成功，则切换到门禁模式，若人脸信息匹配不成功，则切换到访客模式；相关技术中，考勤机主要用于记录员工打卡时间和为员工打开门禁，如果非本公司员工，则无法与考勤机进行交互，需要前台人工寻找访客要找的人，耗费人力，效率低下，故在本申请方案中，若人脸信息匹配不成功，则切换到访客模式，使访客可以和考勤机进行交互，即访客可以通过考勤机呼叫需要寻找的员工，不需要前台人工寻找访客要找的人，提高效率；

步骤s103，在门禁模式下，为用户打开门禁，在访客模式下，语音获取模块获取用户的第一语音信号，并根据tdoa定位获取第一语音信号的位置，对第一语音信号的位置所在区域内的音频信号做放大处理，区域外的音频信号做抑制处理，得到第二语音信号，并将第二语音信号发送至云服务器；本实施例中，用户的人脸信息匹配成功，说明该用户为公司员工，可以为该用户打开门禁，在访客模式下，考勤机通过获取用户的第一语音信号，与该用户交互；由于考勤机场景下的环境通常是存在各种噪声的，会使获取到的第一语音信号信噪比低，使语音转文本的识别率低，故根据tdoa定位获取第一语音信号的位置，对第一语音信号的位置所在区域内的音频信号做放大处理，区域外的音频信号做抑制处理，提升第一语音信号的质量，还可以通过滤波算法使第一语音信号更加贴近原始信号，并通过提高单个语音信号的信噪比来提高定位精度，并判断第一语音信号是否为近场，若判断结果为是，则通过多次搜索和筛选，找到音频信号定位的最优路径，解决近场声源定位难的问题，其中，tdoa定位是一种利用时间差进行定位的方法；

步骤s104，云服务器根据语音识别模型获取第二语音信号的第二文本，提取第二文本中的目标人名；示例性的，若获取到的第二语音信号为“wo(3)yao(4)zhao(3)jiang(1)ge(1)”，其中，括号中的数字表示声调，“(3)”表示第三声，则语音识别模型获取第二语音信号的第二文本为“wo(3)yao(4)zhao(3)jiang(1)ge(1)”，提取第二文本中的目标人名为“jiang(1)ge(1)”；

步骤s105，本地服务器根据目标人名在人名数据库中进行查找，查找结果经用户确认后开始呼叫，其中，查找结果为至少一个人名。示例性的，在人名数据库中查找目标人名“jiang(1)ge(1)”，若人名数据库中符合“jiang(1)ge(1)”的人名有两个，分别为“江歌”和“姜戈”，则询问用户要查找的是哪一位，并根据用户的确认信息进行呼叫，若在人名数据库中只能查找到“姜戈”，则询问用户是否要呼叫“姜戈”，若为是，则开始呼叫姜戈，通过在人名数据库中查找目标人名，使查找速度跟快，准确率更高。

通过上述步骤s101至步骤s105，相比于相关技术中，考勤机场景通常不支持语音识别，无法进行人机交互，需要前台人工寻找访客要找的人，耗费人力，效率低下，且由于人名的文字排列组合自由度非常高，很难准确的识别出人名，且如果一句话中出现多个人名，也会出现不能完全提取出全部人名的问题，本申请方案中，通过在考勤机中设置门禁模式和访客模式，使访客可以和考勤机进行交互，通过考勤机寻找所需要找的人，提高效率，且通过构建人名热词库和人名数据库，并通过人名热词库和人名数据库训练语音识别模型，从而使语音识别模型学习到人名是从哪里开始截取，提高人名识别的准确率，并且可以一次识别出一句话中的多个人名，无需多次对话才能明确用户要找的人员名称，提高人机交互效果，并且通过tdoa定位获取第一语音信号的位置，对第一语音信号的位置所在区域内的音频信号做放大处理，区域外的音频信号做抑制处理，提升第一语音信号的质量，使语音识别更准确，识别出目标人名后，并不是直接匹配到与该目标人名的拼音声调对应的所有字符，例如，识别出目标人名为“li(3)si(4)”后，与该目标人名的拼音声调对应的所有字符包括“李四”、“李斯”、“李思”和“李伺”等等，此时，并不会直接匹配到“李四”、“李斯”、“李思”和“李伺”等等，而是在人名数据库中查找与“li(3)si(4)”对应的人名，如果人名数据库中只有“李斯”，则只会匹配到“李斯”，有效的缩小了人名匹配的范围和数量。

在其中一些实施例中，提取第二文本中的目标人名之后，根据人名数据库创建拼音声调数据库，以目标人名作为评分标准，根据拼音声调数据库为人名数据库中的人名进行评分，将评分结果大于预设值的人名作为目标人名。

示例性的，若人名数据库中的人名有“张三”、“张山”、“李四”和“李石”则根据人名数据库创建的拼音声调数据库为“zhang(1)san(1)”、“zhang(1)shan(1)”、“li(3)si(4)”和“li(3)shi(2)”，其中，括号中的数字表示声调，若识别出目标人名为“zhang(1)san(1)”，则以目标人名作为评分标准，根据拼音声调数据库为人名数据库中的人名进行评分，示例性的，拼音全部符合标准为50分，声调全部符合标准为50分，拼音声调数据库中的“zhang(1)san(1)”完全符合目标人名，故评为100分，“zhang(1)shan(1)”与目标人名在平翘舌音部分的拼音不一致，而声调部分全部符合“zhang(1)san(1)”，故评为90分，“li(3)si(4)”和“li(3)shi(2)”在拼音声调部分都不符合“zhang(1)san(1)”，故评分较低，若预设值设置为100，则人名数据库中的“zhang(1)san(1)”对应的“张三”作为目标人名；若预设值为90，则将“zhang(1)san(1)”对应的“张三”和“zhang(1)shan(1)”对应的“张山”作为目标人名，并询问用户所要呼叫的人员名称为“张三”还是“张山”，若用户确认要呼叫“张山”，则开始呼叫“张山”，解决了用户平翘舌不分，将“zhang(1)shan(1)”说成“zhang(1)san(1)”时，也能准确为用户识别出用户想找的人员名称。

在其中一些实施例中，本地服务器构建人名热词库和人名数据库之后，本地服务器更新人名热词和人名数据，云服务器根据更新的人名热词和人名数据对语音识别模型进行训练。本实施例中，对于一个组织机构，人员流动性大，人员的名称也在随时更新，且人名热词也随时在更新，本地服务器更新人名热词和人名数据后，云服务器根据更新的人名热词和人名数据对语音识别模型进行训练，防止有新的人名热词和人名数据时，无法及时更新，导致语音识别的准确率降低。

在其中一些实施例中，将第二语音信号发送至云服务器之后，本地服务器同时将语音识别令牌发送至云服务器，其中，语音识别令牌用于获取语音识别的权限。本实施例中，云服务器根据语音识别令牌判断请求语音识别的设备是否为授权设备，只有授权设备才能使用云服务器的语音识别服务，防止其它没有经过授权的设备也进行语音识别请求。

在其中一些实施例中，语音获取模块获取用户的第一语音信号之前，获取用户的验证信息，根据验证信息对用户进行身份验证，若验证通过，则语音获取模块获取用户的第一语音信号。本实施例中，语音获取模块获取访客的第一语音信号之前，要验证访客的身份信息，示例性的，考勤机的语音交互界面询问访客是否已预约，若为是，则提示用户输入预约码，若预约码正确，则验证通过，若用户没有预约，则联系前台，由前台员工验证该访客的身份信息，解决了无关人员通过考勤机联系公司员工，影响员工的工作效率的问题。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种基于考勤机的语音识别的系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图2是根据本申请实施例的基于考勤机的语音识别的系统的结构框图，应用于考勤机场景，如图2所示，该系统包括云服务器23、本地服务器22和考勤机21，考勤机21包括人脸识别模块210、语音获取模块211和控制模块212，本地服务器22用于构建人名热词库和人名数据库，云服务器23将人名热词库和人名数据库作为训练语料对模型进行训练，得到语音识别模型230；人脸识别模块210用于识别用户的人脸信息，若人脸信息匹配成功，则切换到门禁模式，若人脸信息匹配不成功，则切换到访客模式；在门禁模式下，控制模块212为用户打开门禁；在访客模式下，语音获取模块211获取用户的第一语音信号，并根据tdoa定位获取第一语音信号的位置，对第一语音信号的位置所在区域内的音频信号做放大处理，区域外的音频信号做抑制处理，得到第二语音信号；云服务器23根据语音识别模型230获取第二语音信号的第二文本，提取第二文本中的目标人名；本地服务器22根据目标人名在人名数据库中进行查找，查找结果经用户确认后开始呼叫，其中，查找结果为至少一个人名，解决了考勤机场景通常不支持人机交互，效率低下，且人名识别的准确率低的问题。

图3是根据本申请实施例的另一种基于考勤机的语音识别的系统的结构框图，如图3所示，

步骤s301，麦克风阵列获取语音信号，并使用到达时延差(timedifferenceofarrival，tdoa)估计的定位方法，基于tdoa的方法一般分为两步，首先计算声源信号到达麦克风阵列的时间差(时延估计)，然后通过麦克风阵列的几何形状建立声源定位模型并求解从而获得位置信息(定位估计)；

步骤s302，alsa驱动是linux系统下的标准音频架构，提供对音频设备和音频数据的操作；

步骤s303，tinycap_svc是后台服务，通过socket给上层应用启动录音，套接字(socket)上联应用进程，下联网络协议栈，是应用程序通过网络协议进行通信的接口，是应用程序与网络协议根进行交互的接口；

步骤s304，damo多模态sdk提供图像和语音ai处理的算法能力，4+1chpcm指4个麦克风阵列加上1条回声消除参考通道，一共5个声道，通过damo多模态sdk内的语音前端处理算法生成1通道的音频数据，以供语音识别使用；

步骤s305，damo语音识别sdk提供语音识别的能力；

步骤s306，云端对语音信号进行语音识别，damo语音识别sdk通过上行线(uplink，简称ul)将1通道的音频数据(1chpcm)发送给云服务器进行云端语音识别，云服务器通过下行线(dplink，简称dl)返回原始文本(rawtext)；

步骤s307，原始文本(rawtext)经语义处理模块处理后，得到人名(keyword)；

步骤s308，语音交互界面通过appui实现，主要提示用户开始说话、正在识别、确认人名和开始呼叫等；

步骤s309，本地服务器获取终端的语音识别令牌和每句话对应的模型id，得到语音识别的权限，识别出目标人名后进行人名查找，查找结果返回语音交互界面。

图4是根据本申请实施例的硬件架构的结构框图，如图4所示，四个麦克风mic1、mic2、mic3和mic4组成麦克风阵列，mt8183为语音信号处理器，ac108为高性能四通道数据切换器adc，用于将模拟语音信号(analog)转换成数字信号做语音信号处理，通过iis总线经由放大器(pa)放大后，最终由扬声器(speaker)输出，其中，refsignal为回声消除参考通道。

图5是根据本申请实施例的软件架构的结构框图，如图5所示，麦克风阵列(micarray)调用tinyalsa采集语音，再调用jni封装后的魔点语音sdk(moredianvoicesdk)，最终呈现在语音交互应用中。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

另外，结合上述实施例中的基于考勤机的语音识别的方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种基于考勤机的语音识别的方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于考勤机的语音识别的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

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，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。