一种调整物联网设备的发射功率的方法、装置及电子设备与流程

本发明实施例涉及物联网
技术领域：
，特别是涉及一种调整物联网设备的发射功率的方法、装置及电子设备。
背景技术：
：随着互联网技术的更新迭代，物联网将来会实现万物互联。基于这样的发展趋势，目前，市面上出现越来越多的公司研究出了自组网物理设备，即物联网设备，或者基于自家公司原有的物理设备提供特定的物联网方案。而长时间暴露在实际工作环境中的物联网设备，随着时间的推移，设备会受实际工作环境中天气和主从设备距离的影响，可能会出现信号衰减，或者网络信号质量降低的情况。在实现本发明过程中，发明人发现相关技术存在以下问题：传统的设备调试方案通常人为地对设备的无线发射参数进行调试，例如，调整发射功率、发射频率，观察其网络信号质量，选取并调整至网络信号质量最佳的无线发射参数，实现对物联网设备的调试，传统的调试方案操作起来比较繁琐，且需要耗费较大的人力成本。技术实现要素：本发明实施例主要解决的技术问题是提供一种调整物联网设备的发射功率的方法、装置及电子设备，能够解决现有的设备调试方案中需要人为操作的问题。为解决上述技术问题，第一方面，本发明实施例采用的一个技术方案是：提供一种调整物联网设备的发射功率的方法，包括：获取所述物联网设备所发射的无线信号的信号质量；判断所述信号质量是否低于预设阈值；若是，则获取所述物联网设备所处环境的环境数据；根据所述环境数据，计算所述物联网设备的最优发射功率；向所述物联网设备发送所述最优发射功率，以使所述物联网设备以所述最优发射功率发射信号；其中，所述环境数据包括传输距离、温度、湿度、风速和雷电等级中至少一个。其中，所述根据所述环境数据，计算所述物联网设备的最优发射功率，进一步包括：将所述环境数据输入至预设机器学习模型；接收所述预设机器学习模型根据所述环境数据计算得到的所述最优发射功率。其中，所述方法还包括：获取训练样本，其中，所述训练样本包括环境数据、发射功率以及信号质量；将所述训练样本输入至训练模型，对所述训练模型进行训练，得到所述预设机器学习模型。其中，所述训练模型为极端梯度提升模型。为解决上述技术问题，第二方面，本发明实施例采用的另一个技术方案是：提供一种调整物联网设备的发射功率的装置，包括：第一获取模块，用于获取所述物联网设备所发射的无线信号的信号质量；判断模块，用于判断所述信号质量是否低于预设阈值；第二获取模块，用于在所述信号质量低于预设阈值时，获取所述物联网设备所处环境的环境数据，所述环境数据包括传输距离、温度、湿度、风速和雷电等级中至少一个；计算模块，用于根据所述环境数据，计算所述物联网设备的最优发射功率；发送模块，用于向所述物联网设备发送所述最优发射功率，以使所述物联网设备以所述最优发射功率发射信号。其中，所述计算模块具体用于：将所述环境数据输入至预设机器学习模型；接收所述预设机器学习模型根据所述环境数据计算得到的所述最优发射功率。其中，所述装置还包括：第三获取模块，用于获取训练样本，其中，所述训练样本包括环境数据、发射功率以及信号质量；训练模块，用于将所述训练样本输入至训练模型，对所述训练模型进行训练，得到所述预设机器学习模型。其中，所述训练模型为极端梯度提升模型。为解决上述技术问题，第三方面，本发明实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上第一方面所述的方法。为解决上述技术问题，第四方面，本发明实施例还提供了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可执行指令，所述计算机可执行指令用于使计算机执行如上第一方面所述的方法。为解决上述技术问题，第五方面，本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行如上第一方面所述的方法。本发明实施例的有益效果是：区别于现有技术的情况，本发明实施例提供了一种调整物联网设备的发射功率的方法、装置及电子设备，该方法通过检测并判断物联网设备所发射的无线信号的信号质量是否低于预设阈值，在低于预设阈值时采集物联网设备所处环境的环境数据，并根据该环境数据计算出物联网设备的最优发射功率，最后向该物联网设备发送该最优发射功率，以使物联网设备以最优发射功率发射信号，本发明实施例提供的调整物联网设备的发射功率的方法解决了传统调试方案因人力调试带来的操作繁琐的问题，提供了一种智能调试方法。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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的附图。图1是应用于本发明实施例的调整物联网设备的发射功率的方法的实施例的示例性系统结构示意图；图2是本发明实施例提供的一种调整物联网设备的发射功率的方法的流程图；图3是图2所示方法中步骤140的子流程图；图4是本发明实施例提供的另一种调整物联网设备的发射功率的方法的流程图；图5是本发明实施例提供的一种调整物联网设备的发射功率的装置的结构示意图；图6是本发明实施例提供的另一种调整物联网设备的发射功率的装置的结构示意图；图7是本发明实施例提供的一种电子设备的结构示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的
技术领域：
的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。请参见图1，为应用于本发明的调整物联网设备的发射功率的方法的实施例的示例性系统结构示意图。如图1所示，该系统结构100包括：物联网设备10a及10b、主机物联网设备20以及云平台30。所述物联网子设备10a及10b与所述主机物联网设备20连接，所述主机物联网设备20与所述云平台30连接。所述连接可以包括各种连接类型，比如有线、无线通信链路或者光纤电缆等。所述物联网子设备10a及10b为从属于所述主机物联网设备20的子物理设备。所述物联网子设备10a及10b能够检测与所述主机物联网设备20之间的网络信号质量，并将网络信号质量的相关数据上传至所述主机物联网设备20。所述物联网子设备10a及10b还能够检测各自所处环境的环境数据，并将所述环境数据上传至所述主机物联网设备20。其中，网络信号可以是无线信号，所述物联网子设备10a及10b能够检测与所述主机物联网设备20之间的无线信号的信号质量。此外，所述物联网子设备10a及10b还拥有各自的设备号，即设备id，所述物联网子设备10a及10b上传数据至所述主机物联网设备20时，通过所述物联网子设备10a及10b上的所述设备id对各自上传的数据进行标记。需要说明的是，实际应用环境中，从属于所述主机物联网设备20的子物理设备不一定是两个，也即是所述物联网子设备10a及10b，也有可能是一个或者超过两个，本发明实施例以两个为例，实际设置时不需要局限于本发明实施例的限定。所述主机物联网设备20为所述物联网子设备10a及10b的主机设备，用于收集、转发、整理所述物联网子设备10a及10b上传的数据。具体地，在本发明实施例中，所述主机物联网设备20内还设有mqtt(messagequeuingtelemetrytransport，消息队列遥测传输，一种ibm开发的即时通讯协议)客户端，所述主机物联网设备20能够通过所述mqtt客户端与所述云平台30进行数据交互。此外，所述主机物联网设备20内部或外部还设置有功率调节发射器(图未示)，所述功率调节发射器获取到新的发射功率数据后，调节所述主机物联网设备20的发射功率，以调节所述主机物联网设备20输出网络信号的信号质量，从而调节与所述物联网子设备10a及10b之间的网络连接速度及数据传输量。所述网络连接速度及数据传输量包括数据的上传速率和数据的下载速率。所述云平台30能够与所述主机物联网设备20通讯连接，所述云平台30能够获取所述主机物联网设备20上传的数据，所述云平台30还能够发送控制指令至所述主机物联网设备20的功率调节发射器，以调整所述主机物联网设备20的发射功率。所述云平台30内设置有云数据库、mqtt服务器(图未示)及处理器(图未示)。其中，所述云数据库存储有机器学习模型，所述云平台30的处理器能够将所述主机物联网设备20上传的数据进行处理，以得到一个输入参数。所述云平台30的处理器还能够调用所述机器学习模型，将所述输入参数代入所述机器学习模型进行数据处理，以获得最优发射功率，然后将所述最优发射功率发送至所述功率调节发射器，以调节所述主机物联网设备20的发射功率。所述处理器可以是一种云计算平台，能够实现云平台30内的数据处理。所述云平台30通过所述mqtt服务器实现与所述主机物联网设备20的通信。所述云平台30通过所述mqtt服务器与所述主机物联网设备20内的mqtt客户端建立mqtt通讯协议，即消息队列遥测传输通讯协议，通过该协议实现所述云平台30与所述主机物联网设备20之间的数据传输。应该理解的是，图1中的物联网设备10a及10b、主机物联网设备20以及云平台30的数目仅仅是示意性的。根据实现需要，可以具有任意数目的物联网设备10a及10b、主机物联网设备20以及云平台30。具体地，下面结合附图，对本发明实施例作进一步阐述。本发明实施例提供了一种调整物联网设备的发射功率的方法，该方法可被上述系统结构100执行，请参见图2，其示出了根据上述系统结构100所应用的一种调整物联网设备的发射功率的方法的流程图，该方法包括但不限于以下步骤：步骤110：获取所述物联网设备所发射的无线信号的信号质量。在本发明实施例中，所述获取所述物联网设备所发射的无线信号的信号质量具体为，通过设置在物联网子设备上的信号强度采集器或传感器采集主机物联网设备发射的无线信号的信号质量，并将采集到的信号强度数据上传至所述主机物联网设备。以图1为例，所述物联网子设备为所述物联网子设备10a及10b，所述主机物联网设备为所述主机物联网设备20。可以理解的是，在设置物联网系统时，所述主机物联网设备20的发射功率需要达到能够覆盖所有的子物联网设备，并提供稳定的网络的信号。在现实应用中，不局限于仅有两台子物联网设备。因此，由所述物联网子设备10a及10b定时采集与所述主机物联网设备20连接时的无线信号，获取并监控所述主机物联网设备20的无线信号的信号质量，并将采集的数据上传至所述主机物联网设备20。例如，所述主机物联网设备20为基站，且所述物联网子设备，即所述物联网子设备10a及10b为移动终端时，由移动终端检测网速并上传网速数据至当前连接的基站。可以理解的是，与所述基站连接的移动终端数量达到一定基数时，所述基站的辐射范围能够覆盖到当前与所述基站连接的最远终端所在距离的区域范围。且所述基站的数量可以不止为一个，存在多个基站时，多个基站其中至少之二的辐射范围也可以交叉，位于该存在交叉的辐射范围内的移动终端可以选择性地与其中一基站网络连接。步骤120：判断所述信号质量是否低于预设阈值。若是，跳转至步骤130；若否，返回步骤110。所述物联网子设备10a及10b采集所述主机物联网设备20所发射的无线信号的信号质量并将信号质量上传至所述主机物联网设备20后，所述主机物联网设备20判断所述上传的信号质量是否低于预设阈值。若是，则进一步地检测环境数据；若不是，则在预设时间间隔后继续获取所述物联网子设备所采集的信号质量。所述预设时间间隔指的是所述物联网子设备10a及10b采集并上传所述信号质量的频率，可根据网路信号的衰减速度来设置。在本发明实施例中，所述预设阈值指的是预设的所述主机物联网设备覆盖范围内离所述主机物联网设备最远距离的物联网子设备所需要的最低信号质量，所述预设阈值需要根据所述物联网子设备的数量及所述物联网子设备所需的无线信号的信号质量来预先设定，所述预设阈值可在设置所述主机物联网设备及相应的物联网子设备前通过实验和调研得到。步骤130：获取所述物联网设备所处环境的环境数据。在确定所述物联网子设备上传的信号质量低于预设阈值时，获取所述主机物联网设备所处环境的环境数据。所述主机物联网设备设置有多种传感器以获取其所述环境的多种环境数据。所述环境数据包括但不限于传输距离、温度、湿度、风速和雷电等级中至少一个。所述传输距离指的是所述主机物联网设备与物联网子设备之间的传输距离。进一步地，为了提高调试的精确程度，还可以获取与所述主机物联网设备相应的所有物联网子设备的环境数据，相应的，需要所述物联网子设备设置有采集环境数据的传感器，以采集并上传所述环境数据。且需要所述物联网子设备设置有能够与所述主机物联网设备进行信息交互的装置及相应的通信协议，以获取来自所述主机物联网设备的采集环境数据的控制指令。步骤140：根据所述环境数据，计算所述物联网设备的最优发射功率。在本发明实施例中，以图1为例，在获取到所述主机物联网设备20的环境数据后，根据预存在所述云数据库内的机器学习模型计算所述主机物联网设备20的最优发射功率。所述机器学习模型可以预先通过机器学习训练样本集得到。具体地，可以采用深度学习算法，或者xgboost算法(极端梯度提升模型)等机器学习的相关算法经迭代训练后得到。步骤150：向所述物联网设备发送所述最优发射功率，以使所述物联网设备以所述最优发射功率发射信号。在获得所述最优发射功率后，将所述最优发射功率发送至功率调节发射器，以调节所述主机物联网设备能够以最优的发射功率发射信号，实现对所述主机物联网设备的功率调试，使得与所述主机物联网设备连接的物联网子设备能够获取最佳的网络信号质量。本发明实施例提供了一种调整物联网设备的发射功率的方法，该方法通过检测并判断物联网设备所发射的信号的信号质量是否低于预设阈值，在低于预设阈值时采集物联网设备所处环境的环境数据，并根据该环境数据计算出物联网设备的最优发射功率，最后向该物联网设备发送该最优发射功率，以使物联网设备以最优发射功率发射信号，本发明实施例提供的调整物联网设备的发射功率的方法解决了传统调试方案因人力调试带来的操作繁琐的问题，提供了一种智能调试方法。在一些实施例中，请参见图3，其示出了图2所述方法中步骤140的子流程，所述步骤140具体包括以下步骤：步骤141：将所述环境数据输入至预设机器学习模型。步骤142：接收所述预设机器学习模型根据所述环境数据计算得到的所述最优发射功率。在本发明实施例中，获取到所述主机物联网设备的环境数据后，将所述环境数据输入至预设的功率发射神经网络，以计算得到最优发射功率并将所述最优发射功率下发至功率调节发射器，实现对所述主机物联网设备的功率调节。所述预设机器学习模型为一基于机器学习算法、可以进行不断的迭代更新、能够根据环境参数计算得到最优发射功率的一种机器学习模型。以图1所示系统结构为例，所述主机物联网设备20获取到环境数据后，上传至所述云平台30中的mqtt客户端，所述mqtt客户端读取存储在所述云数据库中的机器学习模型，并将所述环境数据及所述功率调整模块发送至所述云平台30的处理器，将所述环境数据代入所述机器学习模型进行计算后得到最优发射功率。最终，由所述mqtt客户端下发计算得到的最后发射功率至所述功率调节发射器，以调节所述主机物联网设备20的发射功率。进一步地，所述处理器还将计算后得到的最优发射功率及其相应的环境参数输入至机器学习模型，将所述最优发射功率及其相应的环境参数作为样本放入机器学习中，以实现对所述机器学习模型的训练。所述云平台30通过不断获取新的环境数据及计算得到相应的最优发射功率，并将所述环境数据及其相应的最优发射功率放入所述机器学习模型中进行不断的迭代训练，能够得到最优的所述机器学习模型。在一些实施例中，请参见图4，其示出了另一种调整物联网设备的发射功率的方法的实施例，本实施例与上述实施例不同之处在于：所述调整物联网设备的发射功率的方法还包括以下步骤：步骤160：获取训练样本，其中，所述训练样本包括环境数据、发射功率以及信号质量。步骤170：将所述训练样本输入至训练模型，对所述训练模型进行训练，得到所述预设机器学习模型。所述训练模型为极端梯度提升模型。首先，获取训练样本，并对所述训练样本进行预处理，具体地，首先从首先从互联网采集物理设备的算法特征参数，挑选网络信号质量最优的发射功率及其相应的算法特征参数作为训练样本，形成若干组数据记录。在本发明实施例中，所述物理设备的算法特征参数具体为环境数据、发射功率、信号强度、信号质量等，所述环境数据包括但不限于温度、湿度、风速、雷电、距离等。所述距离指的是主机物联网设备与物联网子设备之间的距离。接着，在采集到多组所述训练样本后，对所述训练样本进行数据处理以获得训练样本集，并对所述发射功率及相应的特征参数进行标记。例如，如下表(1)所示，可以建立表格对所述训练样本集中的发射功率及相应的特征参数进行归类和序号标记。其中，所述qos表示信号质量。记录温度湿度风速雷电距离发射功率qos1234表(1)最终，将所述训练样本集中的每一组训练样本一一输入基于xgboost算法的机器学习模型中进行训练，并通过不断的迭代训练，最中获得能够计算得到最优发射功率的机器学习模型，即所述预设机器学习模型。进一步地，由于互联网中能够采集得到的训练样本的数量是有限的，因此，在获取所述主机物联网设备的环境参数并代入所述预设机器学习模型计算得到其相应的最优发射功率后，且在通过所述功率调节发射器调节所述主机物联网设备后，通过所述物联网子设备获取调节发射功率后的信号质量并上传，将所述物联网设备的环境参数、最优发射功率及调节后的信号强度等数据作为训练样本输入所述预设机器学习模型进行迭代训练，以实现对所述预设机器学习模型的更新，从而得到最优的预设机器学习模型。本发明还提供了一种调整物联网设备的发射功率的装置的实施例，请参见图5，为本发明实施例提供的一种调整物联网设备的发射功率的装置200的结构示意图，所述调整物联网设备的发射功率的装置200包括：第一获取模块210、判断模块220、第二获取模块230、计算模块240和发送模块250。所述第一获取模块210用于获取所述物联网设备所发射的无线信号的信号质量。所述判断模块220用于判断所述信号质量是否低于预设阈值。所述第二获取模块230用于在所述信号质量低于预设阈值时，获取所述物联网设备所处环境的环境数据，所述环境数据包括传输距离、温度、湿度、风速和雷电等级中至少一个。所述计算模块240用于根据所述环境数据，计算所述物联网设备的最优发射功率。所述发送模块250用于向所述物联网设备发送所述最优发射功率，以使所述物联网设备以所述最优发射功率发射信号。在一些实施例中，所述计算模块240具体用于：将所述环境数据输入至预设机器学习模型；接收所述预设机器学习模型根据所述环境数据计算得到的所述最优发射功率。在一些实施例中，请参见图6，为本发明实施例提供的另一种调整物联网设备的发射功率的装置200的结构示意图，基于图5所示的调整物联网设备的发射功率的装置200，所述调整物联网设备的发射功率的装置200还包括：第三获取模块260和训练模块270。所述第三获取模块260用于获取训练样本，其中，所述训练样本包括环境数据、发射功率以及信号质量。所述训练模块270用于将所述训练样本输入至训练模型，对所述训练模型进行训练，得到所述预设机器学习模型。在一些实施例中，所述训练模型为极端梯度提升模型。需要说明的是，由于本实施例中的调整物联网设备的发射功率的装置与上述方法实施例基于相同的发明构思，因此，方法实施例中的相应内容同样适用于装置实施例，此处不再详述。本发明实施例还提供了一种电子设备，请参见图7，为本发明实施例提供的一种电子设备的结构示意图，该电子设备为能够执行如图2至图4所述调整物联网设备的发射功率的方法的硬件结构。所述电子设备300包括：至少一个处理器310；以及，与所述至少一个处理器310通信连接的存储器320，图7中以一个处理器310为例。所述存储器320存储有可被所述至少一个处理器310执行的指令，所述指令被所述至少一个处理器310执行，以使所述至少一个处理器310能够执行上述图2至图4所述的调整物联网设备的发射功率的方法。所述处理器310和所述存储器320可以通过总线或者其他方式连接，图7中以通过总线连接为例。存储器320作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的调整物联网设备的发射功率的方法对应的程序指令/模块，例如，附图5至附图6中所示的各个模块。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例调整物联网设备的发射功率的方法。存储器320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据调整物联网设备的发射功率的装置的使用所创建的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器320可选包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至调整物联网设备的发射功率的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。所述一个或者多个模块存储在所述存储器320中，当被所述一个或者多个处理器310执行时，执行上述任意方法实施例中的调整物联网设备的发射功率的方法，例如，执行以上描述的图2至图4的方法步骤，实现图5至图6中的各模块和各单元的功能。上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。本发明实施例还提供了一种非易失性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可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图2至图4的方法步骤，实现图5至图6中的各模块的功能。本发明实施例还提供了一种计算机程序产品，包括存储在非易失性计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时时，使所述计算机执行上述任意方法实施例中的调整物联网设备的发射功率的方法，例如，执行以上描述的图2至图4的方法步骤，实现图5至图6中的各模块的功能。本发明实施例提供了一种调整物联网设备的发射功率的方法、装置及电子设备，该方法通过检测并判断物联网设备所发射的无线信号的信号质量是否低于预设阈值，在低于预设阈值时采集物联网设备所处环境的环境数据，并根据该环境数据计算出物联网设备的最优发射功率，最后向该物联网设备发送该最优发射功率，以使物联网设备以最优发射功率发射信号，本发明实施例提供的调整物联网设备的发射功率的方法解决了传统调试方案因人力调试带来的操作繁琐的问题，提供了一种智能调试方法。需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。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，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-onlymemory,rom)或随机存储记忆体(randomaccessmemory,ram)等。最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。当前第1页12