给水泵汽蚀检测系统及方法与流程

1.本技术涉及给水泵检测技术领域，尤其涉及一种给水泵汽蚀检测系统及方法。


背景技术：

2.火电厂给水泵在运行过程中，受到除氧器液位、压力和温度以及机组负荷的波动，给水泵和其前置泵容易发生汽蚀，特别是火电机组进行深度调峰或者启停备用过程中，除氧器内的工质参数会发生快速变动，对给水泵的净正吸入压头造成影响，给水泵和前置泵的汽蚀裕量不足，容易在给水泵及其壳体内部产生气泡，并在叶轮外缘叶片及盖板、蜗壳或者导轮处发生气泡破裂，产生局部真空，形成局部的高温、高压环境，对水泵叶轮及附件产生麻点和蜂窝状的破坏，对材料产生破坏作用，造成过流部件产生剥蚀和腐蚀破坏，影响水泵寿命，当给水泵发生汽蚀时，会产生较大的噪音和强烈振动，影响给水泵的安全稳定运行和造成水泵性能下降。特别是给水泵发生轻微的汽蚀，运行过程中的热力参数变化不大，且给水泵运行的振动信号没有明显异常，噪音水平也无法进行判断是否发生了汽蚀，给水泵在此运行工况下长期运行，就会对给水泵造成伤害。因此，根据给水泵运行过程中的热力参数、声音、振动等信号，来检测给水泵是否发生了汽蚀现象，显得十分必要。
3.当前用于检测给水泵是否发生汽蚀的方式，主要通过检测给水泵系统的热力参数，计算对应的汽蚀余量是否能够满足，从而判断给水泵是否发生汽蚀。一般地，通过检测给水泵前置泵运行状态和除氧器液位来判断是否发生汽蚀，运行中一旦给水泵前置泵跳闸后，为了防止给水泵汽蚀，联锁跳闸给水泵；当除氧器水位较低时，触发给水泵保护跳闸。
4.另一种检测给水泵汽蚀的方法是通过检测给水泵驱动装置的电流或者蒸汽流量变化、给水泵出入口压力变化及给水泵的本体振动和噪声来判断是否发生汽蚀。一般地，当发生汽蚀现象时，会伴随着出现给水泵驱动装置电机电流或者蒸汽流量摆动大、泵内伴随有噪声和振动声音、给水母管压力下降、泵出入口压力剧烈变化等宏观现象。
5.现有技术存在缺点，采用宏观的热力参数判断给水泵是否发生汽蚀，一旦检测出来，给水泵发生了长时间的或者严重的汽蚀现象，不能有效地检测给水泵发生汽蚀的临界条件，也即局部发生汽蚀或者即将发生汽蚀现象，不能对给水泵发生汽蚀给出预警信号，也不能给运行人员提供相应的参考，来调整其它参数，防止给水泵发生潜在汽蚀，或者避免汽蚀现象进一步发展，保护给水泵发生损害。


技术实现要素：

6.本技术的目的旨在至少在一定程度上解决上述的技术问题之一。
7.为此，本技术的第一个目的在于提出一种给水泵汽蚀检测系统，能够及时避免给水泵运行时避免发生汽蚀损坏。
8.本技术的第二个目的在于提出一种给水泵汽蚀检测方法。
9.为了实现上述目的，本技术第一方面实施例提出一种给水泵汽蚀检测系统，包括：
10.驱动装置、联轴器、给水泵、驱动端轴承、非驱动端轴承、第一传感器、第二传感器、
第三传感器、控制分析器以及服务器，
11.其中，所述驱动装置通过所述联轴器与所述给水泵相连，所述驱动装置用于驱动所述给水泵运行；
12.所述驱动端轴承设置在所述给水泵接近所述驱动装置的一端，所述驱动端轴承上设有所述第一传感器，所述第一传感器用于采集所述驱动端轴承的第一信号；
13.所述非驱动端轴承设置在所述给水泵远离所述驱动装置的一端，所述非驱动端轴承上设有所述第二传感器，所述第二传感器用于采集所述非驱动端轴承的第二信号；
14.所述第三传感器设置在所述给水泵的外壳体上，用于采集所述给水泵的第三信号；
15.所述控制分析器用于接收所述第一信号、所述第二信号和所述第三信号，并基于所述第一信号、所述第二信号和所述第三信号生成对应的数字信号；
16.所述服务器用于接收所述数字信号，并根据所述数字信号生成所述给水泵的汽蚀检测结果。
17.可选的，所述第一传感器和所述第二传感器以贴片形式分别布置在所述给水泵的所述驱动端轴承和所述非驱动端轴承。
18.可选的，所述第三传感器为两个，对称布置在所述给水泵的外壳体上。
19.可选的，所述第三传感器以贴片形式设置在所述给水泵的外壳体上。
20.可选的，所述第一传感器、所述第二传感器、所述第三传感器的检测频率范围为20hz-30khz。
21.可选的，所述服务器还用于接收所述给水泵的热工信号，结合所述热工信号与所述数字信号确定所述给水泵的汽蚀检测结果。
22.可选的，所述系统还包括终端，所述终端包括终端工作站和/或移动终端，用于接收所述服务器发送的汽蚀检测结果。
23.本技术实施例的给水泵汽蚀检测系统，利用声音传感器检测给水泵运行过程的声音，对所检测到的声音信号进行过滤和处理，并结合给水泵运行中热工参数，判断给水泵是否发生汽蚀，可以对给水泵运行中发生汽蚀现象发出预警信息，提示运行人员，改变给水泵运行工况，避免给水泵运行时避免发生汽蚀损坏。
24.为了实现上述目的，本技术第二方面实施例提出了一种给水泵汽蚀检测方法，包括：
25.接收传感器采集的给水泵、给水泵两端轴承的声学信号和给水泵的热工信号；
26.对所述声学信号进行处理，并提取特征参数；
27.对所述特征参数进行分析，以确定所述给水泵的声学状态；
28.基于预设的热工参数，结合分析所述声学状态和所述热工信号，以确定所述给水泵的汽蚀检测结果。
29.可选的，方法还包括：
30.在确定所述给水泵的汽蚀检测结果之后，将所述汽蚀检测结果发送至终端。
31.可选的，对所述声学信号进行处理，并提取特征参数，包括：
32.将所述声学信号转换为波形信号；
33.对所述波形信号进行分帧处理；
34.对所述波形信号进行预加重处理；
35.对所述波形信号进行加窗操作；
36.提取所述波形信号的特征参数。
37.可选的，对所述波形信号进行预加重处理，包括：
38.基于公式一对所述波形信号进行预加重，公式一：其中h(z)表示高通滤波器的系统函数，z表示极点，表示预加重系数，且
39.可选的，对所述波形信号进行加窗操作，包括：
40.基于公式二对所述波形信号进行加窗操作，公式二：其中，ω(n)为窗口函数，n表示对音频信号进行分帧操作后，一定采样频率下所对应的帧数。
41.可选的，提取所述波形信号的特征参数，包括：
42.基于公式三获取所述波形信号的能量谱，公式三：p(k)＝|x(e
jw
)|2其中x(e
jw
)为原信号傅里叶变换结果；
43.基于公式四对所述波形信号进行滤波，公式四：
44.其中，k表示傅里叶变换的点数，f表示中心频率，m表示第m个三角带通滤波器；
45.基于公式五计算出所述波形信号的对数能量，公式五：其中，p(k)表示对应的能量谱密度，hm(k)表示三角带通滤波器的频域响应；
46.采用静态mel频率倒谱系数和动态mel频率倒谱系数相结合的方式提取所述波形信号的特征参数。
47.可选的，采用静态mel频率倒谱系数和动态mel频率倒谱系数相结合的方式提取所述波形信号的特征参数，包括：
48.基于公式六获取静态mel频率倒谱系数的特征参数，公式六：其中，m表示三角滤波器个数,n表示mfcc系数阶数，s(m)表示每个滤波器组输出的对数能量；
49.基于公式七获取动态mel频率倒谱系数的特征参数，公式七：
50.其中c
t
表示第t个倒谱系数，t表示倒谱系数的阶数，θ表示一阶导数的时间差，d
t
表示第t个一阶差分。
51.可选的，对所述特征参数进行分析，以确定所述给水泵的声学状态，包括：
52.在异常样本少于预设数值时，采用机器学习异常检测算法确定所述给水泵的声学状态；
53.在所述异常样本多于预设数值时，采用阈值选择算法确定所述给水泵的声学状态。
54.可选的，采用机器学习异常检测算法确定所述给水泵的声学状态，包括：
55.建立单高斯模型；
56.基于所述单高斯模型确定所述给水泵的声学状态。
57.可选的，建立单高斯模型，包括：
58.基于公式八建立所述单高斯模型，公式八：其中，n表示n维高斯分布，μ表示该高斯分量的均值，s表示该高斯分量的协方差矩阵，p(x)表示每个概率密度函数分量，x表示n维随机矢量。
59.可选的，采用阈值选择算法确定所述给水泵的声学状态，包括：
60.基于预先选取的阈值判断所述给水泵的声学状态；
61.如果所述特征参数的数值小于所述阈值，则确定所述给水泵的声学状态异常；
62.如果所述特征参数的数值大于所述阈值，则确定所述给水泵的声学状态正常。
63.可选的，预先选取阈值，包括：
64.计算每个样本的概率密度，并获得概率密度集合；
65.针对某一阈值，将所述概率密度集合中的每个样本的概率密度与该阈值进行比较，如果概率密度小于该阈值，则确定样本为异常样本；
66.计算所述概率密度集合的精确率和召回率；
67.根据所述精确率和所述召回率计算出评分值；
68.选取所述评分值最高时对应的阈值为最终的阈值。
69.本技术实施例的给水泵汽蚀检测方法，利用声音传感器检测给水泵运行过程的声音，对所检测到的声音信号进行过滤和处理，并结合给水泵运行中热工参数，判断给水泵是否发生汽蚀，可以对给水泵运行中发生汽蚀现象发出预警信息，提示运行人员，改变给水泵运行工况，避免给水泵运行时避免发生汽蚀损坏。
70.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
71.构成本技术的一部分的说明书附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
72.图1是本技术一个实施例的给水泵汽蚀检测系统的结构示意图；
73.图2是本技术一个具体实施例的给水泵汽蚀检测系统的结构示意图；
74.图3是本技术另一个实施例的给水泵汽蚀检测系统的结构示意图；
75.图4是本技术一个实施例的给水泵汽蚀检测方法的流程图；
76.图5是对声学信号进行处理，并提取特征参数的流程图；
77.图6是预先选取阈值的流程图；
78.图7是本技术另一个实施例的给水泵汽蚀检测方法的流程图。
具体实施方式
79.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
80.以下结合具体实施例对本技术作进一步详细描述，这些实施例不能理解为限制本技术所要求保护的范围。
81.火电厂给水泵在运行过程中，受到除氧器液位、压力和温度以及机组负荷的波动，给水泵和其前置泵容易发生汽蚀，特别是火电机组进行深度调峰或者启停备用过程中，除氧器内的工质参数会发生快速变动，对给水泵的净正吸入压头造成影响，给水泵和前置泵的汽蚀余量不足，容易在给水泵及其壳体内部产生气泡，并在叶轮外缘叶片及盖板、蜗壳或者导轮处发生气泡破裂，产生局部真空，形成局部的高温、高压环境，对水泵叶轮及附件产生麻点和蜂窝状的破坏，对材料产生破坏作用，造成过流部件产生剥蚀和腐蚀破坏，影响水泵寿命，当给水泵发生汽蚀时，会产生较大的噪音和强烈振动，影响给水泵的安全稳定运行和造成水泵性能下降。特别是给水泵发生轻微的汽蚀，运行过程中的热力参数变化不大，且给水泵运行的振动信号没有明显异常，噪音水平也无法进行判断是否发生了汽蚀，给水泵在此运行工况下长期运行，就会对给水泵造成伤害。因此，根据给水泵运行过程中的热力参数、声音、振动等信号，来检测给水泵是否发生了汽蚀现象，显得十分必要。
82.本技术将利用声音传感器检测给水泵运行过程的噪声，对所检测到的噪声信号进行过滤和处理，采用时域和频域分析技术，将噪声信号进行特征信号提取，并与给水泵运行中的出入口压力信号、温度信号和给水泵驱动装置电流信号或者蒸汽流量进行对比分析，判断给水泵是否发生汽蚀，通过给水泵噪声信号的连续检测，可以对给水泵运行中发生汽蚀现象给出预警信息，提示运行人员，改变给水泵运行工况，避免给水泵运行时避免发生汽蚀损坏。
83.下面参考附图描述本技术实施例的给水泵汽蚀检测系统及方法。
84.图1是本技术一个实施例的给水泵汽蚀检测系统的结构示意图。
85.如图1所示，该系统包括驱动装置(1)、联轴器(2)、给水泵(3)、驱动端轴承(4)、非驱动端轴承(5)、第一传感器(6)、第二传感器(7)、第三传感器(8)、控制分析器(10)以及服务器(100)。
86.驱动装置(1)通过联轴器(2)与给水泵(3)相连，驱动装置(1)用于驱动给水泵(3)
运行。
87.在给水泵(3)的两端分别设置有驱动端轴承(4)和非驱动端轴承(5)。其中，驱动端轴承(4)设置在给水泵(3)接近驱动装置(1)的一端；非驱动端轴承(5)设置在给水泵(3)远离驱动装置(1)的一端。第一传感器(6)和第二传感器(7)以贴片形式分别布置在给水泵(3)的驱动端轴承(4)和非驱动端轴承(5)。第一传感器(6)用于采集驱动端轴承(4)的第一信号；第二传感器(7)用于采集非驱动端轴承(5)的第二信号，从而检测给水泵(3)两个轴端在运行中发生的声音。
88.第三传感器(8)设置在给水泵(3)的外壳体上，用于采集给水泵(3)的第三信号，即检测给水泵(3)本体在运行中发生的声音。在一个实施例中，如图2所示，第三传感器(8)为两个(图中为标号8和9)，对称布置在给水泵(3)的外壳体上。并且，第三传感器(8)以贴片形式设置在给水泵(3)的外壳体上，以贴片形式与壳体连接一体，可以屏蔽外部的噪音。
89.第一传感器(6)、第二传感器(7)、第三传感器(8)的检测频率范围为20hz-30khz。
90.控制分析器(10)用于接收第一信号、第二信号和第三信号，并基于第一信号、第二信号和第三信号生成对应的数字信号。
91.服务器(100)用于接收数字信号，并根据数字信号生成给水泵(3)的汽蚀检测结果。
92.进一步地，服务器(100)还用于接收给水泵(3)的热工信号，结合热工信号与数字信号确定给水泵(3)的汽蚀检测结果。
93.在本技术的另一个实施例中，系统还包括终端，终端包括终端工作站和/或移动终端，用于接收服务器发送的汽蚀检测结果，工作人员便可以根据收到的结果及时进行操作，避免给水泵在汽蚀状态下运行。
94.在一个具体实施例中，如图3所示，服务器(100)包括有云服务器(11)、sis(safety instrumented system安全仪表系统)数据服务器(12)和智能分析和预警服务器(13)。终端包括有终端工作站(14)和移动终端(15)。
95.其中，云服务器(11)可以采用有线或无线的方式接收控制分析器(10)发出的数字信号。云服务器(11)对所接收到的数字信号进行存储，并通过数据接口将数字信号送入到智能分析和预警服务器(13)。智能分析和预警服务器(13)结合来自于sis数据服务器(12)的有关给水泵运行的热工参数，通过智能分析算法和自学习分析得出给水泵实时运行状态，并判断给水泵是否发生了汽蚀，并将相关计算结果传输到终端工作站(14)和移动终端(15)。
96.本技术实施例的给水泵汽蚀检测系统，利用声音传感器检测给水泵运行过程的声音，对所检测到的声音信号进行过滤和处理，并结合给水泵运行中热工参数，判断给水泵是否发生汽蚀，可以对给水泵运行中发生汽蚀现象发出预警信息，提示运行人员，改变给水泵运行工况，避免给水泵运行时避免发生汽蚀损坏。
97.为了实现上述实施例，本技术还提出了一种给水泵汽蚀检测方法。
98.图4是本技术一个实施例的给水泵汽蚀检测方法的流程图。
99.如图4所示，该方法包括以下步骤：
100.s1，接收传感器采集的给水泵、给水泵两端轴承的声学信号和给水泵的热工信号。
101.其中，传感器以贴片形式布置在给水泵外壳体及两端轴承上。具体来说，在给水泵
驱动端和非驱动端分别布置有一个声音传感器，用于检测给水泵两个轴端在运行中发生的声音，在给水泵外壳体上布置有对称布置有两个声音传感器，以贴片形式与外壳体连接一体，可以屏蔽外部的噪音。上述传感器用于采集给水泵以及给水泵两端轴承的声学信号。
102.另外，再通过其他传感器采集给水泵的热工信号，如给水泵运行中的出入口压力信号、温度信号等等。
103.s2，对声学信号进行处理，并提取特征参数。
104.具体地，如图5所示，进一步包括以下步骤：
105.s21，将所述声学信号转换为波形信号。
106.s22，对所述波形信号进行分帧处理。
107.s23，对所述波形信号进行预加重处理。
108.基于公式一波形信号进行预加重，公式一：其中h(z)表示，z表示极点，表示预加重系数，且本实施例中可设置为0.97。
109.s24，对所述波形信号进行加窗操作。
110.基于公式二波形信号进行加窗操作，公式二：其中，ω(n)为窗口函数，n表示对音频信号进行分帧操作后，一定采样频率下所对应的帧数。
111.s25，提取所述波形信号的特征参数。
112.具体地，可包括以下步骤：
113.s251，基于公式三获取波形信号的能量谱。
114.公式三：p(k)＝|x(e
jw
)|2，其中x(e
jw
)为原信号傅里叶变换结果。能量谱也叫能量谱密度，能量谱密度描述了信号或时间序列的能量如何随频率分布，在数值表示上能量谱是原信号傅立叶变换的平方。
115.s252，基于公式四对波形信号进行滤波。
116.公式四：其中，
117.其中，k表示傅里叶变换的点数，f表示中心频率，m表示第m个三角带通滤波器。
118.s253，基于公式五计算出波形信号的对数能量。
119.公式五：其中，m表示三角滤波器个数,n表示mfcc系数阶数，s(m)表示每个滤波器组输出的对数能量。
120.用过梅尔滤波器组进行滤波，计算出滤波器组输出的对数能量s(m)。
121.s254，采用静态mel频率倒谱系数和动态mel频率倒谱系数相结合的方式提取所述波形信号的特征参数。
122.基于公式六获取静态mel频率倒谱系数的特征参数，公式六：其中，m表示三角滤波器个数,n表示mfcc系数阶数，s(m)表示每个滤波器组输出的对数能量。
123.基于公式七获取动态mel频率倒谱系数的特征参数，公式七：其中c
t
表示第t个倒谱系数，t表示倒谱系数的阶数，θ表示一阶导数的时间差，d
t
表示第t个一阶差分。
124.s3，对所述特征参数进行分析，以确定所述给水泵的声学状态。
125.本步骤可分为两种情况：
126.第一种情况：在异常样本少于预设数值时，采用机器学习异常检测算法确定给水泵的声学状态。在监测初期，不存在或者只存在少量的异常样本，因此选用基于机器学习的异常检测算法，通过提取到的特征样本智能自动地建立水泵健康状况与特征样本之间的数学模型，属于无监督学习算法。
127.具体地，可建立单高斯模型，并基于单高斯模型确定给水泵的声学状态。
128.具体地，可基于公式八确定单高斯模型，公式八：其中，n表示n维高斯分布，μ表示该高斯分量的均值，s表示该高斯分量的协方差矩阵，p(x)表示每个概率密度函数分量，x表示n维随机矢量。
129.其中，设由m条样本构成训练样本集合w，w中所有样本{x1,x2…
xm}构成的样本矩阵为x，样本的平均值μ表示为：协方差矩阵s表示为
130.之后，便可以将提取的特征参数与建立好的单高斯模型进行比对，从而确定给水泵的声学状态。
131.第二种情况：在异常样本多于预设数值时，采用阈值选择算法确定给水泵的声学状态。
132.具体地，基于预先选取的阈值判断给水泵的声学状态。如果特征参数的数值小于阈值，则确定给水泵的声学状态异常。如果特征参数的数值大于阈值，则确定给水泵的声学状态正常。
133.其中，如图6所示，预先选取阈值进一步包括：
134.s61，计算每个样本的概率密度，并获得概率密度集合。
135.计算训练中每一条样本的概率密度，求得概率密度值，得到概率密度集合p＝{p(x1),p(x2),...,p(xm)}。
136.s62，针对某一阈值，将概率密度集合中的每个样本的概率密度与该阈值进行比较，如果概率密度小于该阈值，则确定样本为异常样本。
137.针对某一阈值ε，将验证集中每一样本的概率密度值同ε比较，若p(xi)＜ε，将其判定为异常样本。
138.s63，计算概率密度集合的精确率和召回率。
139.其中，精确率通过公式计算，召回率通过公式计算。t
p
表示样本集中标签为异常且实际被判定为异常点的样本数量，f
p
表示标签为目标类别但被判定为异常的样本数量，fn表示标签为异常但被判定为正常的样本数量。
140.s64，根据精确率和召回率计算出评分值。
141.根据精确率、召回率计算f1评分值，
142.s65，选取评分值最高时对应的阈值为最终的阈值。
143.选择f1最高时对应的ε作为阈值。
144.s4，基于预设的热工参数，结合分析声学状态和热工信号，以确定给水泵的汽蚀检测结果。
145.结合声学数字信号和其他来自sis数据服务器中有关给水泵运行的热工参数，综合分析得出给水泵实时运行状态，并判断给水泵是否发生了汽蚀。
146.在另一个实施例中，如图7所示，在确定给水泵的汽蚀检测结果之后，将汽蚀检测结果发送至终端。
147.s5，将汽蚀检测结果发送至终端。
148.终端可包括终端工作站和移动终端等形式。
149.本技术实施例的给水泵汽蚀检测方法，利用声音传感器检测给水泵运行过程的声音，对所检测到的声音信号进行过滤和处理，并结合给水泵运行中热工参数，判断给水泵是否发生汽蚀，可以对给水泵运行中发生汽蚀现象发出预警信息，提示运行人员，改变给水泵运行工况，避免给水泵运行时避免发生汽蚀损坏。
150.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
151.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供
指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
152.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
153.需要说明的是，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。