本發(fā)明涉及音頻
技術領域：
，尤其涉及一種語音質(zhì)量評估方法、裝置及設備。
背景技術：
：近年來，隨著通信網(wǎng)絡的快速發(fā)展，網(wǎng)絡語音通信成為社會交流的重要方面。在當前大數(shù)據(jù)環(huán)境下，對語音通信網(wǎng)絡性能與質(zhì)量的監(jiān)測顯得倍加重要。目前，關于通信語音質(zhì)量信號域客觀評價模型尚未出現(xiàn)簡潔有效的低復雜度算法，業(yè)界仍偏重研究影響通信語音質(zhì)量的大量因素，較少研究能夠給出低復雜度的信號域評價模型?，F(xiàn)有的一種語音質(zhì)量信號域客觀評估技術是根據(jù)人體聽覺系統(tǒng)對語音信號的感知過程來使用數(shù)學信號模型模擬此過程。該技術以耳蝸濾波器來模仿聽覺感知，進而對經(jīng)過耳蝸濾波器組輸出的N路子信號包絡進行時間-頻率轉(zhuǎn)換，并通過人體發(fā)音系統(tǒng)分析對N路信號包絡頻譜進行處理得到語音信號的質(zhì)量分數(shù)值。在現(xiàn)有技術中，1)通過耳蝸濾波器模擬人體聽覺系統(tǒng)來感知語音信號相對顯得粗糙，因為：一方面，人體感知語音信號的機理復雜，不僅僅在于聽覺系統(tǒng)，也在于腦部皮層處理，人體神經(jīng)處理，生活先驗知識，是一個多方位，主客觀結合的綜合認知判斷過程；另一方面，不同個體，不同時期所測量人群他們的耳蝸對語音信號頻率的響應不完全一致。2)由于耳蝸濾波器對語音信號整個頻譜段分為很多個關鍵頻帶處理，每一個關鍵頻帶都須對語音信號進行相應的卷積運算處理，該過程計算復雜，耗費資源較大，對龐大復雜的通信網(wǎng)絡監(jiān)測凸顯不足。因此，現(xiàn)有基于信號域的語音質(zhì)量評估方案，計算復雜度高，資源耗費嚴重，對龐大復雜的語音通信網(wǎng)絡監(jiān)測能力不足。技術實現(xiàn)要素：本發(fā)明實施例提供了一種語音質(zhì)量評估方法、裝置及設備，通過低復雜度的信號域評價模型來緩解現(xiàn)有信號域評估方案復雜度高、資源消耗嚴重的問題。第一方面，本發(fā)明實施例提供了一種語音質(zhì)量評估方法，包括：獲取語音信號的時域包絡；對時域包絡進行時頻變換得到包絡頻譜；對包絡頻譜進行特征提取獲得特征參數(shù)；根據(jù)特征參數(shù)計算語音信號的第一語音質(zhì)量參數(shù)；通過網(wǎng)絡參數(shù)評估模型計算語音信號的第二語音質(zhì)量參數(shù)；根據(jù)第一語音質(zhì)量參數(shù)和第二語音質(zhì)量參數(shù)進行分析獲得語音信號的質(zhì)量評估參數(shù)。本發(fā)明實施例提供的語音質(zhì)量評估方法并沒有基于高復雜度的耳蝸濾波器來模仿聽覺感知，而是直接獲取輸入的語音信號的時域包絡，對時域包絡進行時頻變換得到包絡頻譜，對包絡頻譜進行特征提取獲得發(fā)音特征參數(shù)，之后，根據(jù)發(fā)音特征參數(shù)獲得該段輸入的語音信號的第一語音質(zhì)量參數(shù)，且根據(jù)網(wǎng)絡參數(shù)評估模型進行計算獲得第二語音質(zhì)量參數(shù)，根據(jù)第一語音質(zhì)量參數(shù)與第二語音質(zhì)量參數(shù)進行綜合分析得到該段輸入的語音信號的質(zhì)量評估參數(shù)。因此，本發(fā)明實施例在涵蓋了影響通信語音質(zhì)量的主要影響因素的基礎上，能夠降低計算復雜度，減少占用的資源。結合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，對包絡頻譜進行特征提取獲得特征參數(shù)包括：確定包絡頻譜中的發(fā)音功率頻段和不發(fā)音功率頻段，所述特征參數(shù)為發(fā)音功率頻段的功率與不發(fā)音功率頻段的功率的比值。其中，所述發(fā)音功率頻段為所述包絡頻譜中頻率點為2至30Hz的頻段，所述不發(fā)音功率頻段為所述包絡頻譜中頻率點大于30Hz的頻段。如此，基于發(fā)音系統(tǒng)的發(fā)音分析，從包絡頻譜中提取發(fā)音功率頻段和不發(fā)音功率頻段，將發(fā)音功率頻段功率和不發(fā)音功率頻段功率的比值作為衡量語音感知質(zhì)量的重要參量，根據(jù)人體發(fā)聲系統(tǒng)的原理定義發(fā)音功率段與非發(fā)音功率段，符合人體的發(fā)音心理聽覺理論。結合第一方面的第一種可能的實現(xiàn)，在第一方面的第二種可能的實現(xiàn)方式中，根據(jù)特征參數(shù)計算語音信號的第一語音質(zhì)量參數(shù)包括：通過如下函數(shù) 計算語音信號的第一語音質(zhì)量參數(shù)：y＝axb；其中，x為所述發(fā)音功率頻段的功率和不發(fā)音功率頻段的功率的比值，a和b為預設的模型參數(shù)，均為有理數(shù)。一組可用的模型參數(shù)為a＝18，b＝0.72。結合第一方面的第一種可能的實現(xiàn)，在第一方面的第三種可能的實現(xiàn)方式中，根據(jù)特征參數(shù)計算語音信號的第一語音質(zhì)量參數(shù)包括：通過如下函數(shù)計算所述語音信號的第一語音質(zhì)量參數(shù)：。y＝aln(x)+b其中，x為發(fā)音功率頻段的功率和不發(fā)音功率頻段的功率的比值，a和b為預設的模型參數(shù)，均為有理數(shù)，一組可用的模型參數(shù)為a＝4.9828，b＝15.098。結合第一方面，在第一方面的第四種可能的實現(xiàn)方式中，對時域包絡進行時頻變換得到包絡頻譜包括：對時域包絡進行離散小波變換獲得N+1個子帶信號，N+1個子帶信號為包絡頻譜，所述N為正整數(shù)；對包括頻譜進行特征提取獲得特征參數(shù)包括：分別計算N+1個子帶信號對應的平均能量得到N+1個平均能量值，N+1個平均能量值為特征參數(shù)。如此，可以獲得更多的特征參數(shù)，有利于語音信號質(zhì)量分析的準確性。結合第一方面的第四種可能的實現(xiàn)，在第一方面的第五種可能的實現(xiàn)方式中，根據(jù)特征參數(shù)計算語音信號的第一語音質(zhì)量參數(shù)包括：將N+1個平均能量值作為神經(jīng)網(wǎng)絡的輸入層變量，通過第一映射函數(shù)獲得NH個隱層變量，再將所述NH個隱層變量通過第二映射函數(shù)映射獲得輸出變量，根據(jù)輸出變量獲得語音信號的第一語音質(zhì)量參數(shù)，所述NH小于N+1。結合第一方面，第一方面的第一種可能的實現(xiàn)方式至第一方面的第五種可能的實現(xiàn)方式中的任一種可能的實現(xiàn)方式，在第一方面的第六種可能的實現(xiàn)方式中，網(wǎng)絡參數(shù)評估模型包括碼率評估模型和丟包率評估模型中的至少一個評估模型；通過網(wǎng)絡參數(shù)評估模型計算語音信號的第二語音質(zhì)量參數(shù)包括：通過碼率評估模型計算語音信號以碼率度量的語音質(zhì)量參數(shù)；和/或，通過丟包率評估模型計算語音信號以丟包率度量的語音質(zhì)量參數(shù)。結合第一方面的第六種可能的實現(xiàn)方式，在第一方面的第七種可能的實現(xiàn)方式中，通過碼率評估模型計算語音信號以碼率度量的語音質(zhì)量參數(shù)包括：通過如下公式計算語音信號以碼率度量的語音質(zhì)量參數(shù)：其中，Q1為以碼率度量的語音質(zhì)量參數(shù)，B為語音信號的編碼碼率，c、d和e為預設模型參數(shù)，均為有理數(shù)。結合第一方面的第六種可能的實現(xiàn)方式，在第一方面的第八種可能的實現(xiàn)方式中，通過丟包率評估模型計算語音信號以丟包率度量的語音質(zhì)量參數(shù)包括：通過如下公式計算語音信號以丟包率度量的語音質(zhì)量參數(shù)：Q2＝fe-g.P其中，Q2為以丟包率度量的語音質(zhì)量參數(shù)，P為語音信號的編碼碼率，e、f和g為預設模型參數(shù)，均為有理數(shù)。結合第一方面，第一方面的第一種可能的實現(xiàn)方式至第一方面的第八種可能的實現(xiàn)方式中的任一種可能的實現(xiàn)方式，在第一方面的第九種可能的實現(xiàn)方式中，根據(jù)第一語音質(zhì)量參數(shù)和第二語音質(zhì)量參數(shù)進行分析獲得語音信號的質(zhì)量評估參數(shù)包括：將第一語音質(zhì)量參數(shù)與第二語音質(zhì)量參數(shù)相加獲得語音信號的質(zhì)量評估參數(shù)。第二方面，本發(fā)明實施例還提供了一種語音質(zhì)量評估裝置，包括：獲取模塊，用于獲取語音信號的時域包絡；時頻變換模塊，用于對時域包絡進行時頻變換得到包絡頻譜；特征提取模塊，用于對包絡頻譜進行特征提取獲得特征參數(shù)；第一計算模塊，用于根據(jù)所述特征參數(shù)計算所述語音信號的第一語音質(zhì)量參數(shù)；第二計算模塊，用于通過網(wǎng)絡參數(shù)評估模型計算所述語音信號的第二語音質(zhì)量參數(shù)；質(zhì)量評估模塊，用于根據(jù)所述第一語音質(zhì)量參數(shù)和所述第二語音質(zhì)量參數(shù)進行分析獲得所述語音信號的質(zhì)量評估參數(shù)。結合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，特征提取模塊，具體用于確定包絡頻譜中的發(fā)音功率頻段和不發(fā)音功率頻段，所述特征參數(shù) 為發(fā)音功率頻段的功率與不發(fā)音功率頻段的功率的比值。其中，所述發(fā)音功率頻段為所述包絡頻譜中頻率點為2至30Hz的頻段，所述不發(fā)音功率頻段為所述包絡頻譜中頻率點大于30Hz的頻段。結合第二方面的第一種可能的實現(xiàn)，在第二方面的第二種可能的實現(xiàn)方式中，第一計算模塊，具體用于通過如下函數(shù)計算語音信號的第一語音質(zhì)量參數(shù)：y＝axb；其中，x為發(fā)音功率頻段的功率和不發(fā)音功率頻段的功率的比值，a和b為預設的模型參數(shù)，均為有理數(shù)。結合第二方面的第一種可能的實現(xiàn)，在第二方面的第三種可能的實現(xiàn)方式中，第一計算模塊，具體用于通過如下函數(shù)計算所述語音信號的第一語音質(zhì)量參數(shù)：y＝aln(x)+b；其中，x為所述發(fā)音功率頻段的功率和不發(fā)音功率頻段的功率的比值，a和b為預設的模型參數(shù)，均為有理數(shù)。結合第二方面，在第二方面的第四種可能的實現(xiàn)方式中，時頻變換模塊，具體用于對時域包絡進行離散小波變換獲得N+1個子帶信號，N+1個子帶信號為包絡頻譜。特征提取模塊，具體用于分別計算N+1個子帶信號對應的平均能量得到N+1個平均能量值，N+1個平均能量值為特征參數(shù)，所述N為正整數(shù)。結合第二方面的第四種可能的實現(xiàn)，在第二方面的第五種可能的實現(xiàn)方式中，第一計算模塊，具體用于將N+1個平均能量值作為神經(jīng)網(wǎng)絡的輸入層變量，通過第一映射函數(shù)獲得NH個隱層變量，再將所述NH個隱層變量通過第二映射函數(shù)映射獲得輸出變量，根據(jù)輸出變量獲得語音信號的第一語音質(zhì)量參數(shù)，所述NH小于N+1。結合第二方面，第二方面的第一種可能的實現(xiàn)方式至第二方面的第五種可能的實現(xiàn)方式中的任一種可能的實現(xiàn)方式，在第二方面的第六種可能的實現(xiàn)方式中，網(wǎng)絡參數(shù)評估模型包括碼率評估模型和丟包率評估模型中的至少一個；第二計算模塊，具體用于：通過碼率評估模型計算語音信號以碼率度量的語音質(zhì)量參數(shù)；和/或，通過丟包率評估模型計算語音信號以丟包率度量的語音質(zhì)量參數(shù)。結合第二方面的第六種可能的實現(xiàn)方式，在第二方面的第七種可能的實現(xiàn)方式中，第二計算模塊具體用于：通過如下公式計算語音信號以碼率度量的語音質(zhì)量參數(shù)：其中，Q1為以碼率度量的語音質(zhì)量參數(shù)，B為語音信號的編碼碼率，c、d和e為預設模型參數(shù)，均為有理數(shù)。結合第二方面的第六種可能的實現(xiàn)方式，在第二方面的第八種可能的實現(xiàn)方式中，第二計算模塊具體用于：通過如下公式計算語音信號以丟包率度量的語音質(zhì)量參數(shù)：Q2＝fe-g.P其中，Q2為以丟包率度量的語音質(zhì)量參數(shù)，P為語音信號的編碼碼率，e、f和g為預設模型參數(shù)，均為有理數(shù)。結合第二方面，第二方面的第一種可能的實現(xiàn)方式至第二方面的第八種可能的實現(xiàn)方式中的任一種可能的實現(xiàn)方式，在第二方面的第九種可能的實現(xiàn)方式中，質(zhì)量評估模塊具體用于：將第一語音質(zhì)量參數(shù)與第二語音質(zhì)量參數(shù)相加獲得語音信號的質(zhì)量評估參數(shù)。第三方面，本發(fā)明實施例還提供了一種語音質(zhì)量評估設備，包括存儲器和處理器，存儲器用于存儲應用程序；處理器用于執(zhí)行應用程序以用于執(zhí)行上述第一方面的一種語音質(zhì)量評估方法中的全部或部分步驟。第四方面，本發(fā)明還提供一種計算機存儲介質(zhì)，該介質(zhì)存儲有程序，該程序執(zhí)行上述第一方面的一種語音質(zhì)量評估方法中的部分或者全部步驟。從以上技術方案可以看出，本發(fā)明實施例的方案具有如下有益效果：本發(fā)明實施例提供的語音質(zhì)量評估方法直接獲取輸入的語音信號的時域 包絡，對時域包絡進行時頻變換得到包絡頻譜，對包絡頻譜進行特征提取獲得發(fā)音特征參數(shù)，之后，根據(jù)發(fā)音特征參數(shù)獲得該段輸入的第一語音質(zhì)量參數(shù)，且根據(jù)網(wǎng)絡參數(shù)評估模型進行計算獲得第二語音質(zhì)量參數(shù)，根據(jù)第一語音質(zhì)量參數(shù)與第二語音質(zhì)量參數(shù)進行綜合分析得到該段輸入的語音信號的質(zhì)量評估參數(shù)。本方案在沒有基于高復雜度的耳蝸濾波器來模仿聽覺感知的條件下，提取影響通信語音質(zhì)量的主要影響因素，實現(xiàn)對語音信號的質(zhì)量評估，從而降低了計算復雜度，避免資源的消耗。附圖說明圖1為本發(fā)明實施例中語音質(zhì)量評估方法的一種流程圖；圖2為本發(fā)明實施例中語音質(zhì)量評估方法的另一種流程圖；圖3為本發(fā)明實施例中經(jīng)離散小波變換得到的子帶信號示意圖；圖4為本發(fā)明實施例中語音質(zhì)量評估方法的另一種流程圖；圖5為本發(fā)明實施例中基于神經(jīng)網(wǎng)絡的語音質(zhì)量評估示意圖；圖6為本發(fā)明實施例中語音質(zhì)量評估裝置的功能模塊示意圖；圖7為本發(fā)明實施例中語音質(zhì)量評估設備的硬件結構示意圖。具體實施方式下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分的實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應當屬于本發(fā)明保護的范圍。本發(fā)明實施例的語音質(zhì)量評估方法可以應用于各種應用場景，典型的應用場景包括終端側和網(wǎng)絡側的語音質(zhì)量檢測。其中，應用到終端側的語音質(zhì)量檢測的典型應用場景是將使用本發(fā)明實施例技術方案的裝置嵌入到移動電話中、或移動電話使用本發(fā)明實施例的技術方案，對通話中的語音質(zhì)量進行評估。具體地，對于通話中的一側移動電話，其接收到碼流后通過解碼，可以重構出語音文件；將該語音文件作為本 發(fā)明實施例的輸入的語音信號，可以獲得接收到的語音的質(zhì)量；該語音質(zhì)量基本反映出用戶真實聽到的語音質(zhì)量。因此，通過在移動電話中使用本發(fā)明實施例所涉及的技術方案，可以有效地評估出用戶聽到的真實的語音質(zhì)量。此外一般地，語音數(shù)據(jù)需要通過網(wǎng)絡中的若干節(jié)點后，才能傳遞到接收方。由于一些因素影響，在經(jīng)過網(wǎng)絡傳遞后，語音質(zhì)量有可能下降。因此，檢測網(wǎng)絡側各節(jié)點的語音質(zhì)量是非常有意義的。然而，現(xiàn)有很多方法更多地反映了傳輸層面的質(zhì)量，并不一一對應于人的真實感受。因此，可以考慮將本發(fā)明實施例所述的技術方案應用到各網(wǎng)絡節(jié)點，同步地進行質(zhì)量預測，找到質(zhì)量瓶頸。例如：對于任意網(wǎng)絡結果，我們通過分析碼流，選擇特定的解碼器，對碼流進行本地解碼，重構出語音文件；將該語音文件作為本發(fā)明實施例的輸入的語音信號，可以獲得該節(jié)點的語音質(zhì)量；通過對比不同節(jié)點的語音質(zhì)量，我們可以定位出質(zhì)量需要改進的節(jié)點。因此，此應用對于運營商進行網(wǎng)優(yōu)可以起到重要的輔助作用。圖1是本發(fā)明實施例的語音質(zhì)量評估方法的流程圖，該方法可以由語音質(zhì)量評估裝置執(zhí)行，如圖1所示，該方法包括：101、獲取語音信號的時域包絡；一般語音質(zhì)量評估是實時的，每接收到一個時間分段的語音信號就進行語音質(zhì)量評估的流程處理。這里的語音信號可以是以幀為單位，即接收到一個語音信號幀就進行語音質(zhì)量評估的流程，此處語音信號幀代表的是一定時長的語音信號，其時長可以由用戶根據(jù)需要設定。有關研究表明，語音信號包絡攜帶著有關語音認知理解的重要信息。因此，語音質(zhì)量評估裝置每接收到的一個時間分段的語音信號，就獲取該時間分段的語音信號的時域包絡?？蛇x的，本發(fā)明利用希爾伯特變換理論，構造相應的解析信號，由原始語音信號與該信號的希爾伯特變換信號來獲取該語音信號的時域包絡。例如可以構造解析信號z(n)＝x(n)+jx(n)，其中，n表示信號編號，x(n)為原始信號，x(n)為原始信號x(n)的希爾伯特變換，j是虛數(shù)部分。則原始信號x(n)的包絡可以表示為原始信號與其調(diào)和信號求平方求和再開方：102、對時域包絡進行時頻變換得到包絡頻譜；經(jīng)過前期大量實驗以及語音學和生理學的相關研究表明：信號域中表征語音質(zhì)量的重要因素就是語音信號包絡頻譜內(nèi)容在頻譜域內(nèi)的分布，因此，在獲取了一個時間分段的語音信號的時域包絡后，對該時域包絡進行時間-頻率的變換得到包絡頻譜?？蛇x的，在實際應用中，對時域包絡進行時頻變換的方式有多種，可以采用短時傅里葉變換，小波變換等信號處理方式。短時傅里葉變換其實質(zhì)是在做傅里葉變換前，加一個時間窗函數(shù)(一般時間跨度較短)。當明確突變信號的時間分辨率需求時，選擇重寫長度的短時傅里葉變換，可以獲得滿意的效果。然而，短時傅里葉變換的時間或者頻率分辨率取決于窗長，并且窗長一旦確定，無法更改。小波變換可通過設定尺度，確定時間-頻率分辨率。每一個尺度對應著待定的時間-頻率分辨率的折衷。因此，通過變化尺度，可自適應地獲得合適的時間-頻率分辨率，換言之，能夠根據(jù)實際情況，在時間分辨率和頻域分辨率間取得一個適宜的折衷，以進行其他后續(xù)的處理。103、對包絡頻譜進行特征提取獲得特征參數(shù)；在對時域包括進行時頻變換得到包絡頻譜后，通過發(fā)音分析對語音信號的包絡頻譜進行分析，提取包絡頻譜中的特征參數(shù)。104、根據(jù)特征參數(shù)計算語音信號的第一語音質(zhì)量參數(shù)。在獲得了發(fā)音特征參數(shù)后，根據(jù)發(fā)音特征參數(shù)計算語音信號的第一語音質(zhì)量參數(shù)。語音信號的質(zhì)量參數(shù)可以通過平均意見分(MOS，MeanOpinionScore)來表征，MOS的取值范圍為1至5分。105、通過網(wǎng)絡參數(shù)評估模型計算語音信號的第二語音質(zhì)量參數(shù)；在語音質(zhì)量評估的過程中，考慮到語音通信網(wǎng)絡中信號中斷，靜默等也會影響用戶的語音感知質(zhì)量，因此本發(fā)明考慮語音通信網(wǎng)絡中影響語音信號質(zhì)量的信號域因素：中斷、靜默等網(wǎng)絡環(huán)境對語音質(zhì)量的影響，引入網(wǎng)絡傳輸層面的參數(shù)評估模型對語音信號進行語音質(zhì)量的評估。通過網(wǎng)絡參數(shù)評估模型對輸入的語音信號進行質(zhì)量評估得到以網(wǎng)絡參數(shù)度量的語音質(zhì)量，此處根據(jù)網(wǎng)絡參數(shù)度量的語音質(zhì)量為第二語音質(zhì)量參數(shù)。具體的，語音通信網(wǎng)絡中影響語音信號質(zhì)量的網(wǎng)絡參數(shù)包括但不限于：編碼器、編碼碼率、丟包率、網(wǎng)絡延時等參數(shù)。不同的網(wǎng)絡參數(shù)可以通過不同的網(wǎng)絡參數(shù)評估模型來獲得語音信號的語音質(zhì)量參數(shù)，下面以基于編碼碼率評估模型和基于丟包率評估模型來舉例進行說明。可選的，通過如下公式計算語音信號以碼率度量的語音質(zhì)量參數(shù)：其中，Q1為以碼率度量的語音質(zhì)量參數(shù)，可以用Mos分來表征，Mos分的取值范圍為1至5。B為語音信號的編碼碼率，c、d和e為預設模型參數(shù)，這些參數(shù)可借助語音主觀數(shù)據(jù)庫的樣本訓練獲得，c、d和e均為有理數(shù)，其中c和d的取值不為0。一組可行的經(jīng)驗值如下：參數(shù)cde值1.3772.6591.386可選的，通過如下公式計算語音信號以丟包率度量的語音質(zhì)量參數(shù)：Q2＝fe-g.P其中，Q2為以丟包率度量的語音質(zhì)量參數(shù)，可以用Mos分來表征，Mos分的取值范圍為1至5分。P為語音信號的編碼碼率，e、f和g為預設模型參數(shù)，這些參數(shù)可借助語音主觀數(shù)據(jù)庫的樣本訓練獲得，e、f和g均為有理數(shù)，其中f的取值不為0。一組可行的經(jīng)驗值如下：參數(shù)efg值1.3861.420.1256需要說明的是，第二語音質(zhì)量參數(shù)可以是通過多個網(wǎng)絡參數(shù)評估模型獲得的多個語音質(zhì)量參數(shù)，例如：第二語音質(zhì)量參數(shù)可以是上述以碼率度量的語音質(zhì)量參數(shù)和以丟包率度量的語音質(zhì)量參數(shù)。106、根據(jù)第一語音質(zhì)量參數(shù)和第二語音質(zhì)量參數(shù)進行分析獲得語音信號的質(zhì)量評估參數(shù)。將步驟104中根據(jù)特征參數(shù)獲得的第一語音質(zhì)量參數(shù)和步驟105中根據(jù)網(wǎng)絡參數(shù)評估模型計算的第二語音質(zhì)量參數(shù)進行聯(lián)合分析，從而獲得語音信號的語音質(zhì)量評估參數(shù)。可選的，一種可行的方式是將第一語音質(zhì)量參數(shù)與第二語音質(zhì)量參數(shù)相加獲得語音信號的質(zhì)量評估參數(shù)。例如：如果步驟105中根據(jù)網(wǎng)絡參數(shù)評估模型計算的第二語音質(zhì)量參數(shù)有以碼率度量的語音質(zhì)量參數(shù)Q1和以丟包率度量的語音質(zhì)量參數(shù)Q2，步驟104中根據(jù)特征參數(shù)獲得的第一語音質(zhì)量參數(shù)，則最終語音信號的質(zhì)量評估參數(shù)為：Q＝Q1+Q2+Q3。一般，最終的質(zhì)量評估參數(shù)采取ITU-TP.800的測試方法，輸出的MOS值是1～5分。本發(fā)明實施例提供的語音質(zhì)量評估方法并沒有基于高復雜度的耳蝸濾波器來模仿聽覺感知，而是直接獲取輸入的語音信號的時域包絡，對時域包絡進行時頻變換得到包絡頻譜，對包絡頻譜進行特征提取獲得發(fā)音特征參數(shù)，之后，根據(jù)發(fā)音特征參數(shù)獲得該段輸入的語音信號的第一語音質(zhì)量參數(shù)，且根據(jù)網(wǎng)絡參數(shù)評估模型進行計算獲得第二語音質(zhì)量參數(shù)，根據(jù)第一語音質(zhì)量參數(shù)與第二語音質(zhì)量參數(shù)進行綜合分析得到該段輸入的語音信號的質(zhì)量評估參數(shù)。從而降低了計算復雜度，占用資源少，且涵蓋了影響通信語音質(zhì)量的主要影響因素。在實際應用中，對包絡頻譜進行特征提取的方式有多種，其中一種為通過確定發(fā)音功率段功率與非發(fā)音功率段功率的比值，通過該比值來獲取第一語音質(zhì)量參數(shù)，下面結合圖2進行詳細介紹。201、獲取語音信號的時域包絡；獲取輸入信號的時域包絡，具體獲取時域包絡的方式與圖1所示的實施例中的步驟101相同。202、對時域包絡加漢明窗執(zhí)行離散傅里葉變換得到包絡頻譜；通過對時域包絡加相應漢明窗執(zhí)行離散傅里葉變換來進行時頻變換，獲 得該時域包絡的包絡頻譜。該包絡頻譜為A(f)＝FFT(γ(n).HammingWindow)，在本發(fā)明實施例中，為了提高傅里葉變換的效率，使用其快速算法FFT。203、確定包絡頻譜中發(fā)音功率頻段的功率與不發(fā)音功率頻段的功率的比值；發(fā)音分析對語音信號的包絡頻譜進行分析，提取包絡頻譜中與人體發(fā)聲系統(tǒng)相關聯(lián)的頻譜段和與人體發(fā)聲系統(tǒng)不相關聯(lián)的頻譜段作為發(fā)音特征參數(shù)。其中，與人體發(fā)聲系統(tǒng)相關聯(lián)的頻譜段定義為發(fā)音功率段，與人體發(fā)聲系統(tǒng)不相關聯(lián)的頻譜段定義為不發(fā)音功率段。優(yōu)選的，本發(fā)明實施例根據(jù)人體發(fā)聲系統(tǒng)的原理定義發(fā)音功率段與非發(fā)音功率段。人體聲帶振動大致頻率為30Hz以下，而人體聽覺系統(tǒng)所能感受到的失真，來自于30Hz以上頻譜段。因此，將語音包絡頻譜2-30Hz頻段關聯(lián)為發(fā)音功率頻段，；將30Hz以上頻譜段關聯(lián)為不發(fā)音功率頻段。因為發(fā)音功率段功率反應與自然的人的語音有關的信號分量，非發(fā)音功率段功率反應以超出人的發(fā)音系統(tǒng)的速度的速率產(chǎn)生的在感覺上的失真。因為，確定發(fā)音功率段功率(articulation)PA與不發(fā)音功率段功率(non-articulation)PNA的比值以發(fā)音功率段功率和不發(fā)音功率段功率比值作為衡量語音感知質(zhì)量的重要參量，利用該比值給出語音質(zhì)量評估。具體是2-30Hz頻段功率為發(fā)音功率段功率PA；將30Hz以上頻譜段的功率為不發(fā)音功率段功率PNA。204、根據(jù)發(fā)音功率頻段的功率與不發(fā)音功率頻段的功率比值確定語音信號的第一語音質(zhì)量參數(shù)。在獲得發(fā)音特征參數(shù)—發(fā)音功率段功率與不發(fā)音功率段功率比值ANR后，通信語音質(zhì)量參數(shù)可表示為ANR的函數(shù)：y＝f(ANR)其中，y代表由發(fā)音功率和不發(fā)音功率比值決定的通信語音質(zhì)量參數(shù)。ANR為發(fā)音功率和不發(fā)音功率的比值。在一種可能的實現(xiàn)方式中，y＝axb，其中x為發(fā)音功率頻段的功率和不發(fā)音功率頻段的功率的比值ANR，a和b為通過樣本數(shù)據(jù)訓練出來的模型參數(shù)，a和b的取值依賴于訓練數(shù)據(jù)的分布，其中，a和b均為有理數(shù)，a的取值不能為0。一組可用的模型參數(shù)為a＝18，b＝0.72。當用Mos分來表征語音質(zhì)量參數(shù)時，y的取值范圍為1至5。在一種可能的實現(xiàn)方式中，y＝aln(x)+b，其中，x為發(fā)音功率頻段的功率和不發(fā)音功率頻段的功率的比值ANR，a和b為通過樣本數(shù)據(jù)訓練出來的模型參數(shù)，a和b的取值依賴于訓練數(shù)據(jù)的分布，其中，a和b均為有理數(shù)，其中，a的取值不能為0，一組可用的模型參數(shù)為a＝4.9828，b＝15.098。當用Mos分來表征語音質(zhì)量參數(shù)時，y的取值范圍為1至5。需要說明的是，發(fā)音功率頻譜不應當僅限于人的發(fā)音頻率范圍或上述2-30Hz的頻率范圍；同樣的，非發(fā)音功率頻譜不應當僅限于大于與發(fā)音功率有關的頻率范圍。非發(fā)音功率頻譜可以與發(fā)音功率頻譜范圍重疊或相鄰，或可以不與發(fā)音功率范圍的重疊或相鄰，若重疊，則重疊部分可以被認為是發(fā)音功率頻段，也可以被認為是非發(fā)音功率頻段。本發(fā)明實施例中，通過對語音信號的時域包絡進行時頻變換得到包絡頻譜，從包絡頻譜中提取發(fā)音功率頻段和不發(fā)音功率頻段，將發(fā)音功率頻段功率和不發(fā)音功率頻段功率的比值作為發(fā)音特征參數(shù)，將該比值作為衡量語音感知質(zhì)量的重要參量，利用該比值計算第一語音質(zhì)量參數(shù)。該方案計算復雜度低，資源消耗少，簡潔有效的特性可以應用于語音通信網(wǎng)絡通信質(zhì)量的評估和監(jiān)測。另一種對包絡頻譜進行特征提取的方式為對包絡進行小波變換后，求每個子帶信號的平均能量，下面進行詳細介紹。雖然根據(jù)心理聽覺理論，我們可以以30Hz作為人體發(fā)聲系統(tǒng)發(fā)音功率段和不發(fā)音功率段分段點，并且分別對低帶和高帶兩部分，進行特征提?。蝗欢?，對于30Hz以上頻帶，上述實施例對聲音質(zhì)量的貢獻沒有做更為具體的分析。因此，本發(fā)明實施例提供了另一種提取更多的發(fā)音特征參數(shù)的方法，具 體是對語音信號進行小波離散變換得到的N+1個帶子信號，計算N+1個子帶信號的平均能量，通過N+1個子帶信號的平均能量來計算語音質(zhì)量參數(shù)。下面進行詳細介紹。以窄帶語音為例，對于采樣率為8kHz的語音信號，經(jīng)過離散小波變換，可以得到若干子帶信號。如圖3所示，我們可以對輸入的語音信號進行分解，如果分解級數(shù)為8，我們可以獲得一系列子帶信號{a8,d8,d7,d6,d5,d4,d3,d2,d1}。按照小波理論，a表示小波分解的估計部分子帶信號，d表示小波分解的細節(jié)部分子帶信號；并且，基于上述子帶信號，我們可以完全重構語音信號。與此同時，我們也給出了不同子帶信號涉及的頻率范圍；特別地，a8和d8涉及30Hz以下的發(fā)音功率段，d7…d1涉及30Hz以上的不發(fā)音功率段。本實施例的實質(zhì)，基于上述子帶信號的能量作為輸入，決定通信語音的質(zhì)量參數(shù)。具體如下：401、獲取語音信號的時域包絡；獲取輸入信號的時域包絡，具體獲取時域包絡的方式與圖1所示的實施例中的步驟101相同。402、對時域包絡進行離散小波變換得到N+1個子帶信號；對信號時域包絡進行離散小波變換，根據(jù)采樣率，確定分解級數(shù)N，確保aN和dN涉及30Hz以下的發(fā)音功率段。例如：對于8kHz采樣率的語音信號，N＝8；對于16kHz采樣率的語音信號，N＝9；以此類推，本實施例可以適用于其它不同采樣率的語音信號。在對信號時域包括進行離散小波變換后，可獲得N+1個子帶信號。403、分別計算N+1個子帶信號的平均能量作為對應子帶信號的特征參數(shù)；將離散小波階段獲得的N+1個子帶信號，分別通過如下公式計算對應的平均能量，作為對應子帶信號的特征值，即特征參數(shù)：其中，a和d分別表示小波分解的估計部分和細節(jié)部分，如圖3所示，a1至a8表示小波分解的估計部分的子帶信號，d1至d8表示小波分解的細分部分的子帶信號，Wi(a)和Wi(d)分別表示估計部分的子帶信號的平均能量值和細節(jié)部分的子帶信號的平均能量值；Si表示具體的子帶信號，i是子帶信號的索引，i的上界為N，N是分解級數(shù)，例如：如圖3所示，對于8kHz的語音信號，N＝8；j是對應子帶下的估計或者細節(jié)部分的子帶信號的索引，j的上界是M，M是子帶信號長度，Mi(a)和Mi(d)分別表示估計部分子帶信號的長度和細節(jié)部分子帶信號的長度。404、根據(jù)N+1個子帶信號的平均能量，通過神經(jīng)網(wǎng)絡獲得語音信號的第一語音質(zhì)量參數(shù)。在通過上述公式計算得到N+1個子帶信號的特征參數(shù)后，通過神經(jīng)網(wǎng)絡或機器學習方法對語音信號進行評估。目前，在語音處理方面，大量的使用神經(jīng)網(wǎng)絡或者機器學習方法，比如語音識別。通過一定學習的過程，可以獲得穩(wěn)定的系統(tǒng)；從而輸入新的樣本時，可以準確預測出輸出值。圖5就是典型的一種神經(jīng)網(wǎng)絡的結構，對于NI個輸入變量(本發(fā)明實施例中NI＝N+1)，通過映射函數(shù)獲得NH個隱層變量；再通過映射函數(shù)映射為1個輸出變量，其中NH小于N+1。具體地，針對語音質(zhì)量評價，在經(jīng)過前面步驟獲得N+1個特征參數(shù)后，調(diào)用下面的映射函數(shù)，即可獲得語音質(zhì)量參數(shù)。上述映射函數(shù)定義如下：步驟404中的三個映射函數(shù)是神經(jīng)網(wǎng)絡里經(jīng)典的Sigmoid函數(shù)的形式。 其中，a為映射函數(shù)的斜率，a為有理數(shù)，取值不能為0，可選的取值為a＝0.3。G1(x)和G2(x)的值域根據(jù)實際場景，可以做限定。比如說，如果我們的預測模型的結果是失真，那值域為[0,1.0]。pjk和pj分別用于將輸入層變量映射到隱層變量、以及將隱層變量映射到輸出變量，pjk和pj是根據(jù)訓練集的數(shù)據(jù)分布訓練獲得的有理數(shù)。需要說明的是，上述參數(shù)值，可以參考一般的神經(jīng)網(wǎng)絡訓練方法，選擇一定數(shù)量主觀數(shù)據(jù)庫訓練獲得。優(yōu)選的，實際應用中，通常用MOS來表征語音質(zhì)量，MOS的取值范圍為1至5分。因此，需要將上式中獲得y進行一個如下的映射，獲得MOS分：MOS＝-4.y+5。本發(fā)明實施例中，通過本發(fā)明實施例提供了另一種提取更多的發(fā)音特征參數(shù)的方法，通過對語音信號進行小波離散變換得到的N+1個帶子信號，計算N+1個子帶信號的平均能量，將N+1個子帶信號的平均能量作為神經(jīng)網(wǎng)絡模型的輸入變量，從而得出神經(jīng)網(wǎng)絡的輸出變量，再進行映射得到表征該語音信號質(zhì)量的MOS分值，從而獲得第一語音質(zhì)量參數(shù)。因此，能夠通過提取更多特征參數(shù)，通過低復雜度的計算來進行語音質(zhì)量的評估?？蛇x的，一般語音質(zhì)量評估是實時的，每接收到一個時間分段的語音信號就進行語音質(zhì)量評估的流程處理。對于當前時間分段的語音信號的語音質(zhì)量評估的結果，可以看成是短時的語音質(zhì)量評估的結果。為了更加客觀，對該語音信號的語音質(zhì)量評估的結果與至少一個歷史語音信號的語音質(zhì)量評估的結果進行合并，獲得綜合語音質(zhì)量評估結果。例如：一般待評估的語音數(shù)據(jù)長達5秒甚至更長。為了處理的方面，我們一般要把語音數(shù)據(jù)分解成若干幀，各幀幀長一致(比如64毫秒)。我們可以對每幀作為待評估的語音信號，調(diào)用本發(fā)明實施例中的方法來計算幀級的語音質(zhì)量參數(shù)；然后，將各幀的語音質(zhì)量參數(shù)進行合并(優(yōu)選的，計算各幀級語音質(zhì)量參數(shù)的平均值)，獲得整個語音數(shù)據(jù)的質(zhì)量參數(shù)。上面是對語音質(zhì)量評估方法進行介紹，下面從功能模塊實現(xiàn)角度對本發(fā)明實施例中的語音質(zhì)量評估裝置進行介紹。該語音質(zhì)量評估裝置可以嵌入到移動電話中對通話中的語音質(zhì)量進行評估；還可以位于網(wǎng)絡中作為一個網(wǎng)絡節(jié)點，或嵌入在網(wǎng)絡中的其他網(wǎng)絡設備 中，同步地進行質(zhì)量預測。具體的應用方式此處不做限定。結合圖6，本發(fā)明實施例提供了一種語音質(zhì)量評估裝置6，包括：獲取模塊601，用于獲取語音信號的時域包絡；時頻變換模塊602，用于對時域包絡進行時頻變換得到包絡頻譜；特征提取模塊603，用于對包絡頻譜進行特征提取獲得特征參數(shù)；第一計算模塊604，用于根據(jù)所述特征參數(shù)計算所述語音信號的第一語音質(zhì)量參數(shù)；第二計算模塊605，用于通過網(wǎng)絡參數(shù)評估模型計算所述語音信號的第二語音質(zhì)量參數(shù)；質(zhì)量評估模塊606，用于根據(jù)所述第一語音質(zhì)量參數(shù)和所述第二語音質(zhì)量參數(shù)進行分析獲得所述語音信號的質(zhì)量評估參數(shù)。本發(fā)明實施例中語音質(zhì)量評估裝置6的各功能模塊之間的交互過程可以參閱前述圖1所示的實施例中的交互過程，具體此處不再贅述。本發(fā)明實施例提供的語音質(zhì)量裝置6并沒有基于高復雜度的耳蝸濾波器來模仿聽覺感知，而是通過獲取模塊601直接獲取輸入的語音信號的時域包絡，時頻變換模塊602對時域包絡進行時頻變換得到包絡頻譜，特征提取模塊603對包絡頻譜進行特征提取獲得發(fā)音特征參數(shù)，之后，第一計算模塊604根據(jù)發(fā)音特征參數(shù)獲得該段輸入的語音信號的第一語音質(zhì)量參數(shù)，第二計算模塊605根據(jù)網(wǎng)絡參數(shù)評估模型進行計算獲得第二語音質(zhì)量參數(shù)，質(zhì)量評估模塊606根據(jù)第一語音質(zhì)量參數(shù)與第二語音質(zhì)量參數(shù)進行綜合分析得到該段輸入的語音信號的質(zhì)量評估參數(shù)。因此，本發(fā)明實施例在涵蓋了影響通信語音質(zhì)量的主要影響因素的基礎上，能夠降低計算復雜度，減少占用的資源。在一些具體的實施中，獲取模塊601，具體用于通過對語音信號進行希爾波特變換得到語音信號的希爾伯特變換信號，再根據(jù)語音信號與語音信號的希爾波特變換信號獲取語音信號的時域包絡。在一些具體的實施中，時頻變換模塊602，具體用于對時域包絡加漢明窗執(zhí)行離散傅里葉變換得到包絡頻譜。在一些具體的實施中，特征提取模塊603，具體用于確定包絡頻譜中的發(fā) 音功率頻段和不發(fā)音功率頻段，所述特征參數(shù)為發(fā)音功率頻段的功率與不發(fā)音功率頻段的功率的比值。第一計算模塊604，具體用于通過如下函數(shù)計算語音信號的第一語音質(zhì)量：y＝axb；其中，x為發(fā)音功率頻段的功率和不發(fā)音功率頻段的功率的比值，a和b為通過樣本實驗測試得出模型參數(shù)，其中，a的取值不能為0，當用Mos分來表征語音質(zhì)量參數(shù)時，y的取值范圍為1至5。一組可用的模型參數(shù)為a＝18，b＝0.72。第一計算模塊604，具體用于通過如下函數(shù)計算所述語音信號的第一語音質(zhì)量參數(shù)：y＝aln(x)+b；其中，x為所述發(fā)音功率頻段的功率和不發(fā)音功率頻段的功率的比值，a和b為模型參數(shù)，通過樣本實驗測試得出，其中，a的取值不能為0，當用Mos分來表征語音質(zhì)量參數(shù)時，y的取值范圍為1至5。一組可用的模型參數(shù)為a＝4.9828，b＝15.098。在一些具體的實施中，發(fā)音功率頻段為包絡頻譜中頻率點為2至30Hz的頻段，不發(fā)音功率頻段為包絡頻譜中頻率點大于30Hz的頻段。如此，本發(fā)明實施例根據(jù)人體發(fā)聲系統(tǒng)的原理定義發(fā)音功率段與非發(fā)音功率段，符合人體的發(fā)音心理聽覺理論。以上具體實施中的各功能模塊之間的交互過程可以參閱前述圖2所示的實施例中的交互過程，具體此處不再贅述。在一些具體的實施中，時頻變換模塊602，具體用于對時域包絡進行離散小波變換獲得N+1個子帶信號，N+1個子帶信號為包絡頻譜。特征提取模塊603，具體用于分別計算N+1個子帶信號對應的平均能量得到N+1個平均能量值，N+1個平均能量值為特征參數(shù)，其中N為正整數(shù)。在一些具體的實施中，第一計算模塊604，具體用于將N+1個平均能量值作為神經(jīng)網(wǎng)絡的輸入層變量，通過第一映射函數(shù)獲得NH個隱層變量，再將所述NH個隱層變量通過第二映射函數(shù)映射獲得輸出變量，根據(jù)輸出變量獲得 語音信號的第一語音質(zhì)量參數(shù)，所述NH小于N+1。以上具體實施中的各功能模塊之間的交互過程可以參閱前述圖4所示的實施例中的交互過程，具體此處不再贅述。在一些具體的實施中，網(wǎng)絡參數(shù)評估模型包括碼率評估模型和丟包率評估模型中的至少一個；第二計算模塊605，具體用于：通過碼率評估模型計算語音信號以碼率度量的語音質(zhì)量參數(shù)；和/或，通過丟包率評估模型計算語音信號以丟包率度量的語音質(zhì)量參數(shù)。在一些具體的實施中，第二計算模塊605具體用于：通過如下公式計算語音信號以碼率度量的語音質(zhì)量參數(shù)：其中，Q1為以碼率度量的語音質(zhì)量參數(shù)，可以用Mos分來表征，Mos分的取值范圍為1至5分。B為語音信號的編碼碼率，c、d和e為預設模型參數(shù)，這些參數(shù)可借助語音主觀數(shù)據(jù)庫的樣本訓練獲得，c、d和e均為有理數(shù)，其中c和d的取值不為0。在一些具體的實施中，第二計算模塊605具體用于：通過如下公式計算語音信號以丟包率度量的語音質(zhì)量參數(shù)：Q2＝fe-g.P其中，Q2為以丟包率度量的語音質(zhì)量參數(shù)，可以用Mos分來表征，Mos分的取值范圍為1至5分。P為語音信號的編碼碼率，e、f和g為預設模型參數(shù)，這些參數(shù)可借助語音主觀數(shù)據(jù)庫的樣本訓練獲得，e、f和g均為有理數(shù)，其中f的取值不為0。在一些具體的實施中，質(zhì)量評估模塊606具體用于：將第一語音質(zhì)量參數(shù)與第二語音質(zhì)量參數(shù)相加獲得語音信號的質(zhì)量評估參數(shù)。在一些具體的實施中，質(zhì)量評估模塊606，還用于計算語音信號的語音質(zhì)量與至少一個先前的語音信號的語音質(zhì)量的平均值，獲得綜合語音質(zhì)量。下面從硬件結構角度對本發(fā)明實施例中的語音質(zhì)量評估設備7進行介紹。圖7為本發(fā)明實施例提供了一種語音質(zhì)量評估設備的示意圖，在實際應用中，該設備可以是具有語音質(zhì)量評估功能的移動電話；還可以在網(wǎng)絡中的一個具有語音評估功能的設備，具體的物理實體呈現(xiàn)此處不做具體的限定。該語音質(zhì)量評估設備7至少包括一個存儲器701和處理器702。其中，存儲器701可以包括只讀存儲器和隨機存取存儲器，并向處理器702提供指令和數(shù)據(jù)，存儲器701的一部分還可以包括可能包含高速隨機存取存儲器(RAM，RandomAccessMemory)，也可能還包括非不穩(wěn)定的存儲器(non-volatilememory)。存儲器701存儲了如下的元素，可執(zhí)行模塊或者數(shù)據(jù)結構，或者它們的子集，或者它們的擴展集:操作指令：包括各種操作指令，用于實現(xiàn)各種操作。操作系統(tǒng)：包括各種系統(tǒng)程序，用于實現(xiàn)各種基礎業(yè)務以及處理基于硬件的任務。處理器702用于執(zhí)行應用程序以用于執(zhí)行圖1、圖2或圖4所示的實施例中的語音質(zhì)量評估方法中的全部或部分步驟。另外，本發(fā)明還提供一種計算機存儲介質(zhì)，該介質(zhì)存儲有程序，該程序執(zhí)行圖1、圖2或圖4所示實施例中的一種語音質(zhì)量評估方法中的部分或者全部步驟。需要說明的是，本發(fā)明的說明書的術語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設備固有的其它步驟或單元。所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。在本申請所提供的幾個實施例中，應該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示 意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上。可以根據(jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中。基于這樣的理解，本發(fā)明的技術方案本質(zhì)上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(ROM，Read-OnlyMemory)、隨機存取存儲器(RAM，RandomAccessMemory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。以上所述，以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質(zhì)脫離本發(fā)明各實施例技術方案的精神和范圍。當前第1頁1 2 3