管道泄漏位置确定方法、装置及存储介质与流程
本公开涉及泄漏检测技术领域，尤其涉及管道泄漏位置确定方法、装置及存储介质。
背景技术：
管道是经济社会发展的重要基础设施，包括用于输送自来水的供水管道、用于输送石油的供油管道以及天然气管道。这些管道通常铺设于地下或者建筑物墙壁内侧，而且通常是远距离铺设。这就导致一个很重要的问题：当管道发生泄漏时，确定泄漏位置的难度极大。准确地确定管道泄漏的位置，对于保障管道的安全有序运行至关重要。
相关的管道泄漏位置确定技术中，通常是通过压力、流量、声音等信号的相应特征来实现泄漏位置的确定。但是，因为这些泄漏信号均含有对泄漏信号干扰较大的噪声信号，导致现有的泄漏定位技术均存在较大的误差，定位的准确度较低。
技术实现要素：
本公开提供一种管道泄漏位置确定方法、装置及存储介质，以提高管道泄漏位置确定的准确度。
本公开第一方面，提供了一种管道泄漏位置确定方法，所述方法包括：
获取所述管道的n个不同观测位置对应的n组泄漏声观测信号，n≥2；
对所述n组泄漏声观测信号进行盲信号分离处理，得到泄漏源信号；
根据所述泄漏源信号的时延特征，确定泄漏的位置。
在一种可能的实现方式中，对所述n组泄漏声观测信号进行盲信号分离处理，得到泄漏源信号包括：
利用所述泄漏源信号的稀疏性特征，从所述n组泄漏声观测信号中分离出所述泄漏源信号。
在一种可能的实现方式中，对所述n组泄漏声观测信号进行盲信号分离处理，得到泄漏源信号包括：
对所述n组泄漏声观测信号进行预处理，得到对应的n组源信号；
计算得到所述n组源信号中各个信号的随机复杂度；
根据所述随机复杂度的计算结果，对所述n组源信号的各个信号进行类别判定，从所述n组源信号中分离出所述泄漏源信号。
在一种可能的实现方式中，对所述n组泄漏声观测信号进行预处理，得到对应的n组源信号包括：
对所述n组泄漏声观测信号进行频域变换，得到对应的n组频域观测信号；
根据n组频域观测信号在不同频带中的相关性，进一步处理所述n组频域观测信号，得到对应的n组混合信号；
根据所述n组混合信号，计算得到n组源信号。
在一种可能的实现方式中，根据所述n组混合信号，计算得到n组源信号包括：
分别对所述n组混合信号进行归一化处理，得到对应的n组混合矩阵；
分别根据所述n组混合信号和对应的n组混合矩阵，计算得到所述n组源信号。
在一种可能的实现方式中，对所述混合源信号的各个信号进行类别判定，包括：
若信号的随机复杂度大于或等于预定阈值，则确定所述信号属于泄漏源信号；
若信号的随机复杂度小于所述预定阈值，则确定所述信号属于噪声源信号。
在一种可能的实现方式中，根据所述泄漏源信号的时延特征，确定泄漏的位置包括：
对所述泄漏源信号进行互相关时延估计，计算得到时延值；
根据所述时延值、所述管道内介质对应的声速值、已知观测位置间距，计算得到泄漏的位置数据。
在一种可能的实现方式中，对所述泄漏信号进行互相关时延估计，计算得到时延值包括：
确定所述泄漏源信号中的互相关峰值信号；
根据两个互相关峰值信号对应的频率值，计算得到所述时延值。
在一种可能的实现方式中，所述已知观测位置间距为：所述两个互相关峰值信号对应的观测位置的间距。
在一种可能的实现方式中，确定所述泄漏源信号中的互相关峰值信号包括：
将所述泄漏源信号转换为对应的相关函数，根据所述相关函数值确定对应的互相关峰值信号。
在一种可能的实现方式中，所述相关函数的定义包括：所述泄露源信号的互功率谱密度的平方除以其自功率谱密度的商。
在一种可能的实现方式中，在确定所述泄漏信号中的互相关峰值信号之后，计算得到所述时延值的方式还包括：
根据对应于同一观测位置的m对互相关峰值信号的频率值，计算得到m个时延值样本，m≥2；
计算所述m个时延值样本的算术平均数，得到所述时延值。
在一种可能的实现方式中，所述n组源信号中任意一组源信号的计算方式包括：
确定该组源信号的对应的混合信号和对应的混合矩阵；
根据所述对应的混合信号，确定所述对应的混合信号的传递基函数；
根据所述传递基函数和所述对应的混合矩阵，确定该组源信号与所述对应的混合信号的函数对应关系；
根据所述函数对应关系，计算得到该组源信号。
根据本公开第二方面，提供一种管道泄漏位置确定装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行指令时实现本公开实施例的第一方面所述的方法。
在一种可能的实现方式中，所述装置还包括：观测模块，用于在所述管道的n个不同位置观测得到n组泄漏声观测信号。
根据本公开的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，所述计算机程序指令被执行时实现本公开实施例的第一方面所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果：利用泄漏源信号与其所含噪声源信号之间的信号随机性差异，采用盲信号分离技术，可以从观测信号中分离出泄漏源信号。根据分离之后得到的泄漏源信号，进行时延特征计算，可以减小甚至避免噪声源信号对泄漏源信号的互相关峰的干扰，从而可以提高泄漏位置数据计算的准确度。
进一步的，对于长距离管道、弯管、t型管等内部噪声信号复杂的管道，只需要在管道的任意两个以上的位置进行信号观测，就可以实现泄漏源的盲分离处理，不需要设置过多观测设备，可以简化操作，节省成本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种管道泄漏位置确定方法的流程图；
图2是本公开一种实施例提供的一种传感器布置示意图。
图3是本公开另一种实施例提供的一种传感器布置示意图。
图4是本公开一种实施例中一组源信号中泄漏源信号和噪声源信号的随机复杂度的计算结果示意图。
图5是本公开一个实例中提供的泄漏位置确定过程的流程图。
图6是本公开一种实例中获取到的含噪泄漏信号功率谱。
图7是根据一示例性实施例示出的一种用于执行上述方法的装置800的框图。
图8是根据一示例性实施例示出的一种用于执行上述方法的装置1900的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例中出现的“多个”是指两个或两个以上。本公开实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本公开实施例中对设备个数的特别限定，不能构成对本公开实施例的任何限制。
图1是根据一示例性实施例示出的一种管道泄漏位置确定方法的流程图。如图1所示，本例中，所述方法可以包括：
s110：获取所述管道的n个不同观测位置对应的n组泄漏声观测信号，n≥2。
其中，所述管道的类型可以包括输油管道、供水管道、天然气管道等各种用途各种类型的管道。在管道发生泄漏的状态下，管内的压力、流量、声音等信号会产生相应的变化，通过观测这些信号变化的特征，可以确定出发生泄漏的位置。
其中，所述泄漏声观测信号可以指的是管道泄漏状态下观测到的声信号。
本例中，利用泄漏对应的声信号的信号随机性与噪声信号的信号随机性存在的显著差异，可以将因泄漏产生的泄漏源声信号、管道本身产生的噪声源声信号分离开，筛选出泄漏源声信号。根据筛选出的泄漏源声信号的时延特征，可以更准确地计算出泄漏的位置数据。
在本公开的其他实施例中，所述泄漏声观测信号也可以是其他类型的信号，比如压力信号、流量信号、流速信号、温度信号等。所有可以满足盲信号分离条件的信号，在本公开其他实施例中均可以作为泄漏声观测信号。
本公开一个实施例中，可以只获取所述管道的2个不同观测位置对应的2组观测信号。本例中，可以通过在管道的任意2个不同位置设置观测设备，观测得到2组观测信号，对于声信号，所述观测设备可以是振动传感器，可以将两个振动传感器设置在管道的初始端和末端，可以降低操作难度，节省人力物力成本。具体的，鉴于声信号在固体中的传播速度最快，可以将振动传感器设置在管道管壁上观测得到泄漏声观测信号。
在本公开另一个实施例中，也可以选择管道的初始段、中间段、末尾段3个位置作为3个不同观测位置。当然，在本公开其他实施例中，也可以选择管道的其他任意位置作为观测位置，并且观测位置的数目可以是大于等于2的任何数值。
图2是本公开一种实施例提供的一种传感器布置示意图。图3是本公开另一种实施例提供的一种传感器布置示意图。如图2所示，管道的类型是t型管道，在t型管道的转接位置，不便于传感器的设置和装卸，可以将两个传感器a和b设置在直管道的初始段和末段，通过这两个传感器采集的两组观测信号，就可以作为后续盲信号分离的观测信号，可以分离得到泄漏源信号。图3所示的管道是l型弯管，也可以将两个传感器a和b设置在弯管的入口和出口，获取两组泄漏声观测信号，对这两组观测信号进行盲信号分离就可以得到泄漏源信号，结合泄漏源信号的时延特征和对应的声速，以及传感器a和b的位置，就可以确定泄漏的位置。
当然，在本公开其他实施例中，也可能存在其他类型的管道，传感器的数量也可以是其他任意大于2的数值，传感器的设置可以以便于设置为标准，这样可以降低传感器设置的难度。
s120：对所述n组泄漏声观测信号进行盲信号分离处理，得到泄漏源信号。
其中，所述泄漏源信号是泄漏发生处产生的声信号，即以泄漏发生处为声源的声信号。
其中，n≥2，即在至少2个不同观测位置获得至少2组泄漏声观测信号。其中每组泄漏声观测信号包含有泄漏源信号和噪声源信号，泄漏源信号是因管道泄漏而产生的信号，噪声源信号是因管道内流体与管道内壁的相互作用而产生的噪声信号。对于声信号形式的观测信号，这种噪声信号的来源主要来自于非直管道处(比如管道的弯曲处获知管道的t型管接头处)流体的分流、分压、降速等产生的涡流，这种涡流作用于管道壁会激发出特定的噪声信号。而这种噪声信号的强度往往高于泄漏源信号的强度，会将泄漏源信号的相关峰淹没，造成定位误差。当然，对于其他信号形式的观测信号(如压力信号、流速信号、流量信号、温度信号等)也会包含因为流体与管道的相互作用而噪声信号。本公开采用的盲信号分离方法，就是利用多组(至少2组)观测信号计算分离出泄漏源信号，减小甚至消除噪声源信号对泄漏源信号的干扰，进而提高定位准确度。
本公开一种实施例中，对所述n组泄漏声观测信号进行盲信号分离处理，得到泄漏源信号可以包括：
利用所述泄漏源信号的稀疏性特征，从所述n组泄漏声观测信号中分离出所述泄漏源信号。
其中，所述稀疏性特征是指信号在频域上的一种特征，具体是指信号在频域上，只在某一小范围具有有效的谱峰，而在其他频率上谱峰较低甚至趋于零，这种特征即为稀疏性特征。在本公开其他实施例中，所述稀疏性特征也可以包括近似稀疏性特征，所述近似稀疏性特征，与稀疏性特征类似，只是除有效谱峰之外的谱峰趋近于零的程度相对较弱。稀疏盲分离算法同样适用于具有近似稀疏性质的信号分离。盲信号分离又称盲源分离，本例中，采用盲信号分离，可以利用泄漏源信号本身的稀疏性特征包括近似稀疏性特征，从n组混合的观测信号中分离出泄漏源信号。
进一步的，本公开一种实施例中，对所述n组泄漏声观测信号进行盲信号分离处理，得到泄漏源信号可以包括：
s121：对所述n组泄漏声观测信号进行预处理，得到对应的n组源信号。
本公开一种实施例中，对所述n组泄漏声观测信号进行预处理，得到对应的n组源信号可以包括：
对所述n组泄漏声观测信号进行频域变换，得到对应的n组频域观测信号；
根据n组频域观测信号在不同频带中的相关性，进一步处理所述n组频域观测信号，得到对应的n组混合信号；
根据所述n组混合信号，计算得到n组源信号。
本例中，在进行所述频域变换之前，可以对传感器采集到的泄漏声观测信号做预白化处理，预白化处理包括两个处理过程：第一步是零均值化，即对所述观测信号进行去均值，使其均值为零；第二步是空间解相关，即去除所述观测信号中各成份之间的相关性，使个成份之间保持独立不相关，或相互独立性达到最大化。经过所述预白化处理，可以提高盲信号分离算法的性能。
本例中，对经过预白化处理的n组泄漏声观测信号进行频域变换，得到对应的n组频域观测信号，可以根据n组频域观测信号在不同频带中的相关性，进一步处理所述n组频域观测信号，得到对应的n组混合信号。比如n＝2的情形，可以利用二阶统计量在不同频带中的相关性，进一步处理两组频域观测信号，得到两组混合信号x＝[x1,x2,…,xn]、y＝[y1,y2,…,yn]。这里的进一步处理也是白化处理，是频域白化处理，具体可以将频域观测信号通过线性变换(乘上一个矩阵q)得到所述混合信号，线性变换后的信号的0延时相关函数矩阵在任何频带上都要满足单位矩阵的性质，所述相关函数即所述二阶统计量。
本公开一种实施例中，所述利用所述模型根据所述n组混合信号，计算得到n组源信号可以包括：
分别对所述n组混合信号进行归一化处理，得到对应的n组混合矩阵；
分别根据所述n组混合信号和对应的n组混合矩阵，计算得到所述n组源信号。
进一步的，本公开一种实施例中，所述n组源信号中任意一组源信号的计算方式可以包括：
确定该组源信号的对应的混合信号和对应的混合矩阵；
根据所述对应的混合信号，确定所述对应的混合信号的传递基函数；
根据所述传递基函数和所述对应的混合矩阵，确定该组源信号与所述对应的混合信号的函数对应关系；
根据所述函数对应关系，计算得到该组源信号。
具体的，本例中，所述n组混合信号作为所述盲信号处理的输入信号。根据所述输入信号，可以构建泄漏信号传播特征模型。
比如对于n＝2的情况，可以先对两组信号进行归一化处理，即xi＝xi/||xi||2，yi＝yi/||yi||2，其中，xi是混合信号x的元素，i＝1,2,3……n，yi是混合信号y中的元素，i＝1,2,3……n。利用归一化处理的混合信号x、y构建泄漏信号传播特征模型如下：
其中，c1,c2是两个基传递函数，n1，n2是两个m维的噪声扰动项，a,b是m×n的混合矩阵，所述模型构建了混合矩阵a和b和它们的稀疏系数s1,s2之间的对应关系。
利用所述模型可以根据接收信号x和y确定混合矩阵a＝[a1,a2,…,am]和b＝[b1,b2,…,bm]，以及传递函数c1,c2，以使稀疏系数s1,s2尽可能稀疏，具体的，可以列出混合矩阵所有的m-1阶子矩阵平面
根据确定的混合矩阵，可以对所述传播特征模型进行变换得到源分离模型：
其中，si,sj表示两组不相关的源信号，w1,w2是分离矩阵，n1,n2是噪声扰动项。
当然，对于n＞2的情况，即两个以上的观测点获得两组以上的泄漏声观测情况，也可以采用上述计算方式计算得到两组以上的源信号。
s122：计算得到所述n组源信号中各个信号的随机复杂度。
由于盲信号分离处理得到的所述源信号是包含泄漏源信号和噪声信号的，要确定泄漏源的位置，还需要排除噪声信号的干扰，还需要对应盲信号分离出的源信号还需要进一步筛选出泄漏源信号。
由于泄漏源信号的随机性相对于噪声信号的随机性更大，因此可以利用泄漏源信号的随机性从所述源信号中筛选出泄漏源信号。
本公开一种实施例中，可以选择信号的随机复杂度作为筛选泄漏源信号的参数，随机复杂度可以用来表征信号随机性，更具体的，随机复杂度可以包括近似熵值、样本熵值等。随机复杂度越大，则信号的随机性越大，因此，可以通过随机复杂度的大小从所述源信号中筛选出泄漏源信号。所述各个信号的随机复杂度是指每组源信号中每个信号的随机复杂度。
当然，在本公开其他实施例中，也可以采用其他可以表征随机性的参数作为泄漏源信号的筛选标准。
s123：根据所述随机复杂度的计算结果，对所述n组源信号的各个信号进行类别判定，从所述n组源信号中分离出所述泄漏源信号。
本公开一种实施例中，根据所述随机复杂度的计算结果，对所述n组源信号的各个信号进行类别判定可以包括：
若信号的随机复杂度大于或等于预定阈值，则确定所述信号属于泄漏源信号；
若信号的随机复杂度小于所述预定阈值，则确定所述信号属于噪声源信号。
所述预定阈值可以根据随机复杂度的经验数据确定，目的是可以有效区分泄漏源信号和噪声源信号。图4是本公开一种实施例中一组源信号中泄漏源信号和噪声源信号的随机复杂度的计算结果示意图。如图4所示，可以看出，泄漏源信号和噪声源信号的随机复杂度存在明显的差距，因此可以利用随机复杂度的差异，可以有效地分离出泄漏源信号，比如，所述预定阈值可以设定为1。
通过对一组源信号中的每个信号进行类别判定，可以筛选出该组源信号中的泄漏源信号。比如对于上述的两组源信号si,sj，可以分别筛选出源信号si中的泄漏源信号a1,a2,a3，和sj中的泄漏源信号b1,b2,b3。其中，所述类别判定可以通过将随机复杂度的计算结果自动输入分类器(如支持向量机)，经所述分类器输出类别判定结果。
s130：根据所述泄漏源信号的时延特征，确定泄漏的位置。
其中，所述时延特征可以是任意2个不同观测位置获取到的泄漏源信号之间的相对时延值，也就是泄漏源信号从泄漏处传递至2个不同位置的时间差，具体可以通过这2组泄漏源信号的互相关峰之间的频率差值计算得到。其中，所述互相关峰值信号指的是传播到两组泄漏源信号对应的两个观测位置的同一个源峰值信号对应的两个峰值信号。根据相对时延值以及2个观测位置的具体位置，以及利用信号传播的速度(对于声信号而言就是管道内的声速)，可以计算出泄漏处的位置数据，比如泄漏处与该2个观测位置的距离，这样就可以确定泄漏的位置。
具体的，比如筛选出的两组泄漏源信号的峰值a1,a2,a3和b1,b2,b3，a1和b1互相关，a2和b2互相关，a3和b3互相关，根据任意两组互相关峰值的相对时延值τ和两组泄漏源信号对应的观测位置之间的距离l1，就可以确定出泄漏源的位置，即发生泄漏的位置。具体的，可以结合所述管道中的经验声速v，利用公式
本公开一种实施例中，为了更准确地确定出不同观测位置对应的泄漏源信号的互相关峰值信号，可以所述泄漏源信号转换为对应的相关函数，根据所述相关函数值确定对应的互相关峰值信号。具体的，比如可以将所述泄漏源信号的互功率谱密度的平方除以其自功率谱密度的商，作为所述相关函数，这样可以使互相关峰值更明显，便于更准确地确定出互相关的峰值信号。
在本公开一种实施例中，可以根据多组互相关峰(每组2个互相关峰)计算得到多个相对时延值，然后对这多个相对时延值取算数平均值，作为最终计算得到的相对时延值。比如，对于上述两组峰值a1,a2,a3和b1,b2,b3，可以分别计算出a1和b1的相对时延值、a2和b2的相对时延值、a3和b3的相对时延值，而后对多个(3个)相对时延值取算数平均值，这样可以进一步降低定位误差，提高定位准确性。
在本公开另一些实施例中，还可以根据多组(每组2个)不同观测位置获取到的泄漏源信号，计算得到多个用于确定泄漏处的位置数据。比如，在本公开一个实施例中，观测位置有3个，就可以先根据其中2个观测位置对应的泄漏源信号，计算得到一个位置数据(与这2个观测位置的距离)。再根据另外2个观测位置对应的泄漏源信号，计算得到另一个位置数据(与上述另外2个观测位置的距离)，这样可以进一步保证位置数据的准确性。
图5是本公开一个实例中提供的泄漏位置确定过程的流程图。图6是本实例中获取到的含噪泄漏信号功率谱。如图5所示，将采集到的如图6所示的含噪泄漏声信号进行预白化和归一化处理，得到多路观测信号x、y。由于含噪泄漏信号在整个频域内仅有少量起主导作用的谱峰，满足稀疏性质，因此盲信号分离算法采用基于稀疏成分分析(sca)的分离方法。所有观测信号经盲信号分离算法进行分离后，得到一系列源输出信号，这些源输出信号既有泄漏源信号，也有管道的内部噪声源信号，再对这些输出信号进行复杂度计算，将计算得到的值作为分类器的输入。泄漏信号自身的信号随机性(复杂度)远大于t型管接头噪声、弯管噪声等管道内部噪声，分类器根据这一训练准则可以区别出泄漏信号和管道内部噪声信号。将分类器得到的泄漏信号做互相关时延估计，在此采用一种相关峰增强技术使泄漏相关峰更明显，根据管道材料的特性，使用经验声速可以完成管道泄漏点的定位。
在泄漏位置确定的过程中，根据本算法特点可归类为聚类优化算法；互相关的峰值增强技术采用了基于相干函数的带通滤波技术，且该相干函数是由信号自功率谱、互功率谱决定的频域相干函数。
在非直泄漏管道检测中，内部噪声源和泄漏信号叠加在一起，可以认为由t型管接头和弯头以及其他管道接头引起的一系列噪声是一种加性噪声，在理论上与泄漏信号保持独立不相干。但在实际中，即使将信号经过白化处理，这种内部噪声源并不能和泄漏源保持严格的独立不相关，且多数情况下待分离的观测信号处于欠定的条件。而利用上述各实施例提供的一种管道泄漏位置确定方法的实施方式，与emd、eemd等经验模态分解方法相比，本可以解决经验模态分解中的欠分解、过分解问题。与ica、pca等传统盲信号分离算法相比，能有效处理欠定条件下的含噪泄漏信号的分离，可以减少观测传感器的使用量，节约成本。在筛选泄漏源信号和内部噪声源信号的时候，将信号复杂度值和分类器结合起来完成筛选任务。经验表明，泄漏信号的复杂度值基本上都大于1，而内部噪声信号的复杂度值一般小于1。这些数据反映了信号的随机复杂性程度，值越大，信号的随机性越大。相较于近似熵等计算方法，数据长度对本方法中的信号复杂度计算结果影响不大，具本方法有更好的一致性，对数据的完整性要求更低。在对泄漏信号做时延估计之前，引入了一个互相关品质因子q(即所述相关函数)的定义，q值越高，互相关峰值越明显。通常情况下低于某一个经验值的互相关品质因子不具备可读性。而本公开各实施例中各相干函数是一种频域相干，定义为互功率谱密度的平方与自功率谱密度之商，与直接互相关相比，互相关品质因子均大于该经验值，可以有效增加互相关峰值的可读性。
图7是根据一示例性实施例示出的一种用于执行上述方法的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图7，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图8是根据一示例性实施例示出的一种用于执行上述方法的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图8，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(i/o)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
- 还没有人留言评论。精彩留言会获得点赞！