一种定位基站高精度无线定位方法、系统及存储介质与流程

1.本发明涉及通讯定位技术领域，更具体的，涉及一种定位基站高精度无线定位方法、系统及存储介质。


背景技术：

2.在物联网技术飞速发展的信息化时代，人们对物体的位置信息的需求越来越高。作为物联网感知的一个环节，位置信息在人们的生活、工厂的生产等应用中具有重要的意义，对定位技术的精度需求也越来越高。导航定位与城市建设、社会生态发展、经济高质量转型、民生水平提升等息息相关，是数字城市、智慧城市建设的重要位置信息支撑。目前，电磁波信息具有越来越复杂的趋势,对目标定位信息的处理要求日益提升,定位基站定位技术具有对设备要求低,所需信息较简单,稳定性较好的优势,因此得到广泛的关注与研究。
3.然而由于墙壁、树木等环境遮挡，在这些场景中传统的卫星定位方式并不能满足精准的定位需求，同时，传统的室内及室外的定位方式不能很好地满足便捷性及可靠性，无法满足复杂工业现场的多种应用场景的位置服务需求。由于复杂工业场景定位环境的特殊性和复杂性, 复杂的工业场景对定位基站部署工作形成了巨大的挑战，现有施工定位系统往往采用定位基站辅助定位的方式,以便更好地保证定位信号的全面覆盖并实现目标定位精度。因此，如何基于环境特征部署定位基站，并实现定位基站的高精度无线定位是现阶段亟需解决的问题。


技术实现要素：

4.为了解决上述技术问题，本发明提出了一种定位基站高精度无线定位方法、系统及存储介质。
5.本发明第一方面提供了一种定位基站高精度无线定位方法，包括：获取目标定位场景的环境特征，根据所述环境特征筛选出定位基站部署影响特征，通过定位基站部署影响特征按照定位基站信号全覆盖原则生成目标定位场景的定位基站部署；获取满足定位基站信号预设标准的定位基站部署方案，生成目标定位场景内各用户节点及定位基站节点构建无向异构图，并通过图卷积神经网络进行表示学习生成无线定位模型；根据无向异构图中各定位基站节点对目标用户节点的已知信息结合其他用户节点对目标用户节点的辅助信息生成目标用户节点的图结构信息；基于所述图结构信息通过无线定位模型进行目标用户的定位，输出精准定位信息。
6.本方案中，根据所述环境特征筛选出定位基站部署影响特征，通过定位基站部署影响特征按照定位基站信号全覆盖原则生成目标定位场景的定位基站部署，具体为：获取目标定位场景的环境特征，将所述环境特征与定位精度进行相关性分析，筛
选出定位精度影响程度大于预设阈值的环境特征，并进行标注，获取标注环境特征的特征类型及坐标信息；根据特征类型分析所在区域的定位需求，根据定位需求对标注环境特征进行筛选，获取筛选后标注环境特征的坐标信息作为定位基站部署的初始位置，通过粒子群算法获取定位基站的部署位置；初始化粒子群的种群参数，设置参数的运动范围、速度范围、最大迭代次数及学习因子，根据各点的信号强度计算作为适应度获取迭代优化后粒子的最优解及所在群体的最优解，更新粒子的速度及位置；计算更新后粒子的适应度，将获取的适应度与历史最优解进行比较，将历史最优解进行更新，直到满足迭代结束要求，将定位基站的部署位置进行输出；根据定位基站部署位置生成定位基站部署方案，获取定位基站部署方案中目标定位场景中各区域的信号强度符合预设标准时，则输出最终定位基站部署方案。
7.本方案中，获取满足定位基站信号预设标准的定位基站部署方案，生成目标定位场景内各用户节点及定位基站节点构建无向异构图，具体为：获取目标定位场景的定位基站部署方案生成定位基站三维空间分布，获取定位基站的空间特征，获取各定位基站范围内与定位基站建立通信连接的用户，并提取各个定位基站侧预设范围内用户与定位基站的信号状态信息；基于目标定位场景中的定位基站及建立通信连接的用户作为节点构建无向异构图，将定位基站的空间特征结合用户与定位基站的信号状态信息作为定位基站节点与用户节点的节点特征；将用户与不同定位基站的通信链路及用户之间的通信关联作为无向异构图中的边结构。
8.本方案中，根据无向异构图中各定位基站节点对目标用户节点的已知信息结合其他用户节点对目标用户节点的辅助信息生成目标用户节点的图结构信息，具体为：通过图卷积神经网络对获取的无向异构图中的节点进行编码学习表示，生成无线定位模型；获取目标用户与基站之间的通信链路，提取通信链路的子载波信道数量，并获取各子载波信道的幅度及相位，生成相应的信道状态信息；基于信道状态信息进行对通信链路进行筛选，选取信道状态信息符合预设标准的通信链路对应的基站编号；获取目标用户与筛选所得定位基站的通信链路中消息传递的达到时间差，通过所述达到时间差获取目标对象到各筛选所得基站的距离信息及角度信息；获取筛选所得定位基站中存在通信链路的其他用户，根据各定位基站的已知信息解算目标用户与其他用户的相对观测数据；将目标用户节点对应的通信链路的信道状态信息及距离、角度信息作为节点特征，并利用相对观测数据补充目标用户节点的邻接矩阵，根据节点特征及邻接矩阵在无向异构图中提取图结构信息。
9.本方案中，基于所述图结构信息通过无线定位模型进行目标用户的定位，输出精
准定位信息，具体为：通过无线定位模型中的图卷积层对图结构信息进行特征表示，基于图卷积神经网络的信息传播及邻居聚合获取特征数据的内在联系；使得目标用户节点在存在通信链路的定位基站邻域集合中每个定位基站节点带有领域定位基站节点的定位信息，在用户邻域集合中获取其他用户节点对目标用户节点的相对定位信息；同时，在用户邻居聚合中引入注意力机制基于其他用户的信道状态信息与目标用户信道状态信息的相似度对其他用户节点分配不同的权重信息，最终，每个节点通过预设数量的图卷积层后获得对应阶数的特征信息；获取图卷积层的目标用户节点含有定位信息的特征向量表示，输入全连接层，通过全连接层获取目标用户的位置向量信息，获取目标用户节点的精准定位。
10.本方案中，还包括：获取目标定位场景中用户的定位信息，将所述定位信息与用户真实位置进行对比生成定位位置偏差率；根据定位位置偏差率确定定位精度，将目标定位场景按照定位基站的三维空间分布划分为若干子区域；当目标子区域的平均定位精度小于预设定位精度时，则对目标子区域的定位基站部署方案根据目标子区域平均定位精度与预设定位精度的差值进行调整；获取各个子区域中预设时间内的平均定位精度，根据所述平均定位精度将个子区域进行分类，将平均定位精度小于预设差值的子区域划分为同一类型区域；获取目标定位场景中子区域分类，设置不同的显示颜色对不同类型区域的平均定位精度进行可视化显示。
11.本发明第二方面还提供了一种定位基站高精度无线定位系统，该系统包括：存储器、处理器，所述存储器中包括一种定位基站高精度无线定位方法程序，所述一种定位基站高精度无线定位方法程序被所述处理器执行时实现如下步骤：获取目标定位场景的环境特征，根据所述环境特征筛选出定位基站部署影响特征，通过定位基站部署影响特征按照定位基站信号全覆盖原则生成目标定位场景的定位基站部署；获取满足定位基站信号预设标准的定位基站部署方案，生成目标定位场景内各用户节点及定位基站节点构建无向异构图，并通过图卷积神经网络进行表示学习生成无线定位模型；根据无向异构图中各定位基站节点对目标用户节点的已知信息结合其他用户节点对目标用户节点的辅助信息生成目标用户节点的图结构信息；基于所述图结构信息通过无线定位模型进行目标用户的定位，输出精准定位信息。
12.本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种定位基站高精度无线定位方法程序，所述一种定位基站高精度无线定位方法程序被处理器执行时，实现如上述任一项所述的一种定位基站高精度无线定位方法的步骤。
13.本发明公开了一种定位基站高精度无线定位方法、系统及存储介质，包括：获取目标定位场景的环境特征，根据所述环境特征筛选出定位基站部署影响特征，通过定位基站
部署影响特征按照定位基站信号全覆盖原则生成目标定位场景的定位基站部署；获取满足定位基站信号预设标准的定位基站部署方案，生成目标定位场景内各用户节点及定位基站节点构建无向异构图，并通过图卷积神经网络进行表示学习生成无线定位模型；根据无向异构图中各定位基站节点对目标用户节点的已知信息结合其他用户节点对目标节点的辅助信息生成目标用户节点的图结构信息，基于所述图结构信息通过无线定位模型进行目标用户的定位，输出精准定位信息。本发明通过环境特征实现多场景的定位服务需求，解决了传统定位方法的响应慢、准确率低的缺点，基于位置关联融合的方法明显提高了定位的效率和精度。
附图说明
14.图1示出了本发明一种定位基站高精度无线定位方法的流程图；图2示出了本发明获取目标用户图结构信息的方法流程图；图3示出了本发明基于图结构信息通过无线定位模型进行目标用户的定位的方法流程图；图4示出了本发明一种定位基站高精度无线定位系统的框图。
具体实施方式
15.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
16.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
17.图1示出了本发明一种定位基站高精度无线定位方法的流程图。
18.如图1所示，本发明第一方面提供了一种定位基站高精度无线定位方法，包括：s102，获取目标定位场景的环境特征，根据所述环境特征筛选出定位基站部署影响特征，通过定位基站部署影响特征按照定位基站信号全覆盖原则生成目标定位场景的定位基站部署；s104，获取满足定位基站信号预设标准的定位基站部署方案，生成目标定位场景内各用户节点及定位基站节点构建无向异构图，并通过图卷积神经网络进行表示学习生成无线定位模型；s106，根据无向异构图中各定位基站节点对目标用户节点的已知信息结合其他用户节点对目标用户节点的辅助信息生成目标用户节点的图结构信息；s108，基于所述图结构信息通过无线定位模型进行目标用户的定位，输出精准定位信息。
19.需要说明的是，获取目标定位场景的环境特征，所述环境特征包括静态障碍物、动态障碍物、场景设备、地形特征等，将所述环境特征与定位精度进行相关性分析，筛选出定位精度影响程度大于预设阈值的环境特征，并进行标注，获取标注环境特征的特征类型及坐标信息；根据特征类型分析所在区域的定位需求，根据定位需求对标注环境特征进行筛
选，获取筛选后标注环境特征的坐标信息作为定位基站部署的初始位置，通过粒子群算法获取定位基站的部署位置；初始化粒子群的种群参数，设置参数的运动范围、速度范围、最大迭代次数及每个粒子的个体学习因子及种群学习因子，根据标注环境特征的坐标信息设置初始化粒子速度及粒子位置，将初始化粒子位置作为参考定位基站，通过信号强度与距离的相关性获取各位置相对于参考定位基站的信号强度，根据各点的信号强度计算作为适应度获取迭代优化后粒子的最优解及所在群体的最优解，更新粒子的速度及位置；计算更新后粒子的适应度，将获取的适应度与历史最优解进行比较，如果获取的适应度大于历史最优解，则将历史最优解进行更新，直到满足迭代结束要求，将定位基站的部署位置进行输出；根据定位基站部署位置生成定位基站部署方案，获取定位基站部署方案中目标定位场景中各区域的信号强度符合预设标准时，则输出最终定位基站部署方案。
20.需要说明的是，获取目标定位场景的定位基站部署方案生成定位基站三维空间分布，获取定位基站的空间特征，获取各定位基站范围内与定位基站建立通信连接的用户，并提取各个定位基站侧预设范围内用户与定位基站的信号状态信息；基于目标定位场景中的定位基站及建立通信连接的用户作为节点构建无向异构图，将定位基站的空间特征结合用户与定位基站的信号状态信息作为定位基站节点与用户节点的节点特征；将用户与不同定位基站的通信链路及用户之间的通信关联作为无向异构图中的边结构。
21.图2示出了本发明获取目标用户图结构信息的方法流程图。
22.根据本发明实施例，根据无向异构图中各定位基站节点对目标用户节点的已知信息结合其他用户节点对目标用户节点的辅助信息生成目标用户节点的图结构信息，具体为：s202，通过图卷积神经网络对获取的无向异构图中的节点进行编码学习表示，生成无线定位模型；s204，获取目标用户与基站之间的通信链路，提取通信链路的子载波信道数量，并获取各子载波信道的幅度及相位，生成相应的信道状态信息；s206，基于信道状态信息进行对通信链路进行筛选，选取信道状态信息符合预设标准的通信链路对应的基站编号；s208，获取目标用户与筛选所得定位基站的通信链路中消息传递的达到时间差，通过所述达到时间差获取目标对象到各筛选所得基站的距离信息及角度信息；s210，获取筛选所得定位基站中存在通信链路的其他用户，根据各定位基站的已知信息解算目标用户与其他用户的相对观测数据；s212，将目标用户节点对应的通信链路的信道状态信息及距离、角度信息作为节点特征，并利用相对观测数据补充目标用户节点的邻接矩阵，根据节点特征及邻接矩阵在无向异构图中提取图结构信息。
23.需要说明的是，基于信号达到时间及信号到达角度获取目标用户到各定位基站的距离信息及角度信息，由于信号达到时间方法及达到角度方法均需要一定的前提才能完成目标的定位，因此将各个定位基站的定位数据通过图卷积神经网络进行特征表示，将各定位基站及其他目标的观测数据进行聚合，生成相互表示，使得定位数据更加准确。
24.图3示出了本发明基于图结构信息通过无线定位模型进行目标用户的定位的方法流程图。
25.根据本发明实施例，基于所述图结构信息通过无线定位模型进行目标用户的定位，输出精准定位信息，具体为：s302，通过无线定位模型中的图卷积层对图结构信息进行特征表示，基于图卷积神经网络的信息传播及邻居聚合获取特征数据的内在联系；s304，使得目标用户节点在存在通信链路的定位基站邻域集合中每个定位基站节点带有领域定位基站节点的定位信息，在用户邻域集合中获取其他用户节点对目标用户节点的相对定位信息；s306，同时，在用户邻居聚合中引入注意力机制基于其他用户的信道状态信息与目标用户信道状态信息的相似度对其他用户节点分配不同的权重信息，最终，每个节点通过预设数量的图卷积层后获得对应阶数的特征信息；s308，获取图卷积层的目标用户节点含有定位信息的特征向量表示，输入全连接层，通过全连接层获取目标用户的位置向量信息，获取目标用户节点的精准定位。
26.需要说明的是，根据目标用户节点的邻域中的节点对目标用户进行表示，其中邻域包括定位基站邻域及其他用户邻域，通过邻居聚合的目标用户节点表示为：其中，表示目标用户在第图卷积层定位数据的特征表示，表示激活函数，表示目标用户的定位基站邻域，表示特征变换的参数矩阵，表示在第图卷积层定位基站邻域中第个定位基站节点对目标用户节点的特征表示，表示目标用户的其他用户邻域，表示权重信息，在第图卷积层其他用户邻域中第个其他用户节点对目标用户节点的特征表示。
27.需要说明的是，获取目标定位场景中用户的定位信息，将所述定位信息与用户真实位置进行对比生成定位位置偏差率；根据定位位置偏差率确定定位精度，将目标定位场景按照定位基站的三维空间分布划分为若干子区域；当目标子区域的平均定位精度小于预设定位精度时，则对目标子区域的定位基站部署方案根据目标子区域平均定位精度与预设定位精度的差值进行调整；获取各个子区域中预设时间内的平均定位精度，根据所述平均定位精度将个子区域进行分类，将平均定位精度小于预设差值的子区域划分为同一类型区域；获取目标定位场景中子区域分类，设置不同的显示颜色对不同类型区域的平均定位精度进行可视化显示。
28.根据本发明实施例，在复杂的工业场景的施工现场中，预设危险区域，根据施工人员的定位进行人员管理及安全预警，具体为：获取目标对象的定位信息，根据预设时间内的定位信息在目标定位场景的三维空间中进行标注，获取目标对象的定位热点图；基于目标对象的定位热点图结合目标对象的职能标签构建目标对象的个人数据集，根据个人数据集确定目标对象的热点区域，并根据目标定位场景的环境特征变化获取目标对象的热点区域调整；
获取目标对象的当前定位信息，判断当前定位信息是否落在热点区域，若不落在，记录目标用户不在热点区域的时长，当多数时长超过预设阈值时，则获取生成提醒信息发送至目标对象；若目标对象的当前定位信息处于预设危险区域，则生成提醒信息发送至目标对象，当目标对象的停留时间超过预设阈值时，则向与目标对象距离最近的其他对象优先发送查看目标队形的提醒信息。
29.图4示出了本发明一种定位基站高精度无线定位系统的框图。
30.本发明第二方面还提供了一种定位基站高精度无线定位系统4，该系统包括：存储器41、处理器42，所述存储器中包括一种定位基站高精度无线定位方法程序，所述一种定位基站高精度无线定位方法程序被所述处理器执行时实现如下步骤：获取目标定位场景的环境特征，根据所述环境特征筛选出定位基站部署影响特征，通过定位基站部署影响特征按照定位基站信号全覆盖原则生成目标定位场景的定位基站部署；获取满足定位基站信号预设标准的定位基站部署方案，生成目标定位场景内各用户节点及定位基站节点构建无向异构图，并通过图卷积神经网络进行表示学习生成无线定位模型；根据无向异构图中各定位基站节点对目标用户节点的已知信息结合其他用户节点对目标用户节点的辅助信息生成目标用户节点的图结构信息；基于所述图结构信息通过无线定位模型进行目标用户的定位，输出精准定位信息。
31.需要说明的是，获取目标定位场景的环境特征，所述环境特征包括静态障碍物、动态障碍物、场景设备、地形特征等，将所述环境特征与定位精度进行相关性分析，筛选出定位精度影响程度大于预设阈值的环境特征，并进行标注，获取标注环境特征的特征类型及坐标信息；根据特征类型分析所在区域的定位需求，根据定位需求对标注环境特征进行筛选，获取筛选后标注环境特征的坐标信息作为定位基站部署的初始位置，通过粒子群算法获取定位基站的部署位置；初始化粒子群的种群参数，设置参数的运动范围、速度范围、最大迭代次数及每个粒子的个体学习因子及种群学习因子，根据标注环境特征的坐标信息设置初始化粒子速度及粒子位置，将初始化粒子位置作为参考定位基站，通过信号强度与距离的相关性获取各位置相对于参考定位基站的信号强度，根据各点的信号强度计算作为适应度获取迭代优化后粒子的最优解及所在群体的最优解，更新粒子的速度及位置；计算更新后粒子的适应度，将获取的适应度与历史最优解进行比较，如果获取的适应度大于历史最优解，则将历史最优解进行更新，直到满足迭代结束要求，将定位基站的部署位置进行输出；根据定位基站部署位置生成定位基站部署方案，获取定位基站部署方案中目标定位场景中各区域的信号强度符合预设标准时，则输出最终定位基站部署方案。
32.需要说明的是，获取目标定位场景的定位基站部署方案生成定位基站三维空间分布，获取定位基站的空间特征，获取各定位基站范围内与定位基站建立通信连接的用户，并提取各个定位基站侧预设范围内用户与定位基站的信号状态信息；基于目标定位场景中的定位基站及建立通信连接的用户作为节点构建无向异构图，将定位基站的空间特征结合用户与定位基站的信号状态信息作为定位基站节点与用户节点的节点特征；将用户与不同定
位基站的通信链路及用户之间的通信关联作为无向异构图中的边结构。
33.根据本发明实施例，根据无向异构图中各定位基站节点对目标用户节点的已知信息结合其他用户节点对目标用户节点的辅助信息生成目标用户节点的图结构信息，具体为：通过图卷积神经网络对获取的无向异构图中的节点进行编码学习表示，生成无线定位模型；获取目标用户与基站之间的通信链路，提取通信链路的子载波信道数量，并获取各子载波信道的幅度及相位，生成相应的信道状态信息；基于信道状态信息进行对通信链路进行筛选，选取信道状态信息符合预设标准的通信链路对应的基站编号；获取目标用户与筛选所得定位基站的通信链路中消息传递的达到时间差，通过所述达到时间差获取目标对象到各筛选所得基站的距离信息及角度信息；获取筛选所得定位基站中存在通信链路的其他用户，根据各定位基站的已知信息解算目标用户与其他用户的相对观测数据；将目标用户节点对应的通信链路的信道状态信息及距离、角度信息作为节点特征，并利用相对观测数据补充目标用户节点的邻接矩阵，根据节点特征及邻接矩阵在无向异构图中提取图结构信息。
34.需要说明的是，基于信号达到时间及信号到达角度获取目标用户到各定位基站的距离信息及角度信息，由于信号达到时间方法及达到角度方法均需要一定的前提才能完成目标的定位，因此将各个定位基站的定位数据通过图卷积神经网络进行特征表示，将各定位基站及其他目标的观测数据进行聚合，生成相互表示，使得定位数据更加准确。
35.根据本发明实施例，基于所述图结构信息通过无线定位模型进行目标用户的定位，输出精准定位信息，具体为：通过无线定位模型中的图卷积层对图结构信息进行特征表示，基于图卷积神经网络的信息传播及邻居聚合获取特征数据的内在联系；使得目标用户节点在存在通信链路的定位基站邻域集合中每个定位基站节点带有领域定位基站节点的定位信息，在用户邻域集合中获取其他用户节点对目标用户节点的相对定位信息；同时，在用户邻居聚合中引入注意力机制基于其他用户的信道状态信息与目标用户信道状态信息的相似度对其他用户节点分配不同的权重信息，最终，每个节点通过预设数量的图卷积层后获得对应阶数的特征信息；获取图卷积层的目标用户节点含有定位信息的特征向量表示，输入全连接层，通过全连接层获取目标用户的位置向量信息，获取目标用户节点的精准定位。
36.需要说明的是，根据目标用户节点的邻域中的节点对目标用户进行表示，其中邻域包括定位基站邻域及其他用户邻域，通过邻居聚合的目标用户节点表示为：其中，表示目标用户在第图卷积层定位数据的特征表示，表示激活函
数，表示目标用户的定位基站邻域，表示特征变换的参数矩阵，表示在第图卷积层定位基站邻域中第个定位基站节点对目标用户节点的特征表示，表示目标用户的其他用户邻域，表示权重信息，在第图卷积层其他用户邻域中第个其他用户节点对目标用户节点的特征表示。
37.需要说明的是，获取目标定位场景中用户的定位信息，将所述定位信息与用户真实位置进行对比生成定位位置偏差率；根据定位位置偏差率确定定位精度，将目标定位场景按照定位基站的三维空间分布划分为若干子区域；当目标子区域的平均定位精度小于预设定位精度时，则对目标子区域的定位基站部署方案根据目标子区域平均定位精度与预设定位精度的差值进行调整；获取各个子区域中预设时间内的平均定位精度，根据所述平均定位精度将个子区域进行分类，将平均定位精度小于预设差值的子区域划分为同一类型区域；获取目标定位场景中子区域分类，设置不同的显示颜色对不同类型区域的平均定位精度进行可视化显示。
38.本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种定位基站高精度无线定位方法程序，所述一种定位基站高精度无线定位方法程序被处理器执行时，实现如上述任一项所述的一种定位基站高精度无线定位方法的步骤。
39.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
40.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
41.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
42.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
43.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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，包括若干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）执行本发明各个实施例所述方法的全部或部分。
而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
44.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。