国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種聲紋特征識(shí)別方法及系統(tǒng)與流程

      文檔序號:12475966閱讀:336來源:國知局
      一種聲紋特征識(shí)別方法及系統(tǒng)與流程

      本發(fā)明涉及聲音識(shí)別技術(shù)領(lǐng)域,具體而言,涉及一種聲紋特征識(shí)別方法及系統(tǒng)。



      背景技術(shù):

      早在20世紀(jì)30年代,聲紋識(shí)別的研究就已經(jīng)在信息科研工作者中展開了。在早期研究中,人耳聽辨(Aural)實(shí)驗(yàn)和聽音識(shí)別可行性驗(yàn)證是聲紋識(shí)別領(lǐng)域的重點(diǎn)。隨著計(jì)算機(jī)科技在硬件和算法中的突破,聲紋識(shí)別的研究不再僅僅局限于單一的人耳聽辨。美國Bell實(shí)驗(yàn)室在語音識(shí)別領(lǐng)域長期處于領(lǐng)先位置,實(shí)驗(yàn)室成員L G.Kesta通過對語音頻譜圖的分析完成識(shí)別,并由他首先提出了“聲紋識(shí)別”這個(gè)概念。隨著科研工作者在聲紋識(shí)別領(lǐng)域不斷的探索和創(chuàng)新,使機(jī)器自動(dòng)分析并識(shí)別人類語音信號變成可能。但是,目前已有的聲紋特征識(shí)別方法在噪聲環(huán)境下的識(shí)別準(zhǔn)確率都普遍較低,系統(tǒng)魯棒性差,應(yīng)用效果不佳。



      技術(shù)實(shí)現(xiàn)要素:

      本發(fā)明的目的在于提供一種聲紋特征識(shí)別方法及系統(tǒng),以改善上述問題。

      本發(fā)明較佳實(shí)施例提供一種聲紋特征識(shí)別方法,該方法包括:

      對輸入的原始語音信號進(jìn)行預(yù)處理,所述預(yù)處理包括預(yù)加重、分幀加窗以及端點(diǎn)檢測;

      對預(yù)處理后得到的含噪混合信號進(jìn)行基于聽覺特性的語音分離處理;

      提取經(jīng)語音分離處理后的信號的頻率倒譜系數(shù)和感知線性預(yù)測系數(shù);

      利用噪聲背景區(qū)分度,在不同噪聲環(huán)境下對頻率倒譜系數(shù)和感知線性預(yù)測系數(shù)進(jìn)行分析以完成特征融合;及

      在預(yù)先建立的聲紋特征模板庫中,采用高斯混合模型-通用背景模型對已完成融合的特征進(jìn)行模式匹配,實(shí)現(xiàn)聲紋特征識(shí)別。

      本發(fā)明另一實(shí)施例提供一種聲紋特征識(shí)別系統(tǒng),該系統(tǒng)包括:

      預(yù)處理模塊,用于對輸入的原始語音信號進(jìn)行預(yù)處理,所述預(yù)處理包括預(yù)加重、分幀加窗以及端點(diǎn)檢測;

      語音分離模塊,用于對預(yù)處理后得到的含噪混合信號進(jìn)行基于聽覺特性的語音分離處理;

      特征提取模塊,用于提取經(jīng)語音分離處理后的信號的頻率倒譜系數(shù)和感知線性預(yù)測系數(shù);

      特征融合模塊,用于利用噪聲背景區(qū)分度,在不同噪聲環(huán)境下對頻率倒譜系數(shù)和感知線性預(yù)測系數(shù)進(jìn)行分析以完成特征融合;及

      特征識(shí)別模塊,用于在預(yù)先建立的聲紋特征模板庫中,采用高斯混合模型-通用背景模型對已完成融合的特征進(jìn)行模式匹配,實(shí)現(xiàn)聲紋特征識(shí)別。

      本發(fā)明實(shí)施例提供的聲紋特征識(shí)別方法及系統(tǒng),將人類聽覺系統(tǒng)特性與傳統(tǒng)聲紋識(shí)別方法相結(jié)合,從仿生學(xué)角度解決噪聲下聲紋識(shí)別率降低的問題,有效提升了噪聲環(huán)境下聲紋識(shí)別的準(zhǔn)確率和系統(tǒng)的魯棒性。

      附圖說明

      為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案,下面將對實(shí)施例中所需要使用的附圖作簡單地介紹,應(yīng)當(dāng)理解,以下附圖僅示出了本發(fā)明的某些實(shí)施例,因此不應(yīng)被看作是對范圍的限定,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

      圖1為本發(fā)明實(shí)施例提供的一種語音識(shí)別設(shè)備的方框示意圖;

      圖2為本發(fā)明實(shí)施例提供的一種聲紋特征識(shí)別方法的流程圖;

      圖3為本發(fā)明實(shí)施例提供的雙耳時(shí)間差的幾何原理圖;

      圖4為本發(fā)明實(shí)施例提供的一種聲紋特征識(shí)別系統(tǒng)的功能模塊框圖。

      圖標(biāo):100-語音識(shí)別設(shè)備;110-聲紋特征識(shí)別系統(tǒng);120-存儲(chǔ)器;130-處理器;1102-預(yù)處理模塊;1104-語音分離模塊;1106-特征提取模塊;1108-特征融合模塊;1110-特征識(shí)別模塊。

      具體實(shí)施方式

      為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例。通常在此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來布置和設(shè)計(jì)。因此,以下對在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍,而是僅僅表示本發(fā)明的選定實(shí)施例?;诒景l(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。

      如圖1所示,是本發(fā)明實(shí)施例提供的一種語音識(shí)別設(shè)備100的方框示意圖。所述語音識(shí)別設(shè)備100包括聲紋特征識(shí)別系統(tǒng)110、存儲(chǔ)器120以及處理器130。其中,所述存儲(chǔ)器120與處理器130之間直接或間接地電性連接,以進(jìn)行數(shù)據(jù)傳輸或交互。所述聲紋特征識(shí)別系統(tǒng)110包括至少一個(gè)可以軟件或固件的形式存儲(chǔ)于所述存儲(chǔ)器120中或固化在所述語音識(shí)別設(shè)備100的操作系統(tǒng)中的軟件功能模塊。所述處理器130在存儲(chǔ)控制器的控制下訪問所述存儲(chǔ)器120,以用于執(zhí)行所述存儲(chǔ)器120中存儲(chǔ)的可執(zhí)行模塊,例如所述聲紋特征識(shí)別系統(tǒng)110所包括的軟件功能模塊及計(jì)算機(jī)程序等。

      如圖2所示,是本發(fā)明實(shí)施例提供的一種應(yīng)用于圖1所示的語音識(shí)別設(shè)備100中的聲紋特征識(shí)別方法的流程示意圖。所應(yīng)說明的是,本發(fā)明提供的方法不以圖2及以下所述的具體順序?yàn)橄拗?。下面將對圖2所示的各步驟進(jìn)行詳細(xì)闡述。

      步驟S101,對輸入的原始語音信號進(jìn)行預(yù)處理,所述預(yù)處理包括預(yù)加重、分幀加窗以及端點(diǎn)檢測。

      本實(shí)施例中,輸入所述語音識(shí)別設(shè)備100的原始語音信號,首先過一階FIR高通數(shù)字濾波器實(shí)現(xiàn)預(yù)加重,其傳遞函數(shù)為:

      H(Z)=1-μZ-1

      其中,系數(shù)μ取值為0至1之間,其取值可根據(jù)先驗(yàn)規(guī)律確定,通??扇?.94。

      然后,將預(yù)加重后得到的語音信號進(jìn)行分幀,并乘以幅度為k的移動(dòng)窗w(n-m)。k可以按一定函數(shù)取值,對分幀的各個(gè)取樣值將有一定的加成。經(jīng)分幀加窗處理后,得到的語音信號可表示為:

      其中,T[·]代表一種函數(shù)變換,x(m)表示語音信號序列,Q(n)表示各段經(jīng)過處理后得到的時(shí)間序列。

      最后,檢測語音信號的端點(diǎn)。本實(shí)施例中,主要通過短時(shí)能量和短時(shí)過零率實(shí)現(xiàn)語音信號的端點(diǎn)檢測。

      具體地,短時(shí)能量表示為:

      其中,N表示分析窗寬度,S(n)表示第t幀語音信號中的第n個(gè)點(diǎn)的信號取樣值。

      短時(shí)過零率表示為:

      其中,Sgn[·]表示過零率函數(shù)。

      步驟S103,對預(yù)處理后得到的含噪混合信號進(jìn)行基于聽覺特性的語音分離處理。

      本實(shí)施例中,對語音信號進(jìn)行基于聽覺特性的仿生分離處理的過程為,基于外圍聽覺模型將含噪混合信號進(jìn)行分解處理得到時(shí)頻單元后,依據(jù)語音分離線索對時(shí)頻單元聚類,最終通過語音重構(gòu)模型輸出分離后的語音。語音重構(gòu)模型完成時(shí)頻單元的聚類和語音流合成,主要包括二值掩碼聚類和重組合模型兩部分。

      對于第i頻率通道與第j時(shí)間幀的掩蔽模型可定義為下式:

      其中,fc=1500Hz表示高頻和中低頻的臨界頻率,fi表示第i頻率通道的頻率,τ(i,j)表示第i頻率通道與第j時(shí)間幀的一個(gè)分離線索,L(i,j)表示第i頻率通道與第j時(shí)間幀的另一個(gè)分離線索,Tτ(i,j)和Tl(i,j)分別表示上述兩個(gè)分離線索的閾值。

      為了提高重構(gòu)語音的還原度,首先要對待合成的信號進(jìn)行韻律調(diào)整。所述韻律調(diào)整包括對語音的幅度、長度、基音等信息的調(diào)整。其中,對語音信號的幅度調(diào)整可通過加權(quán)的方式實(shí)現(xiàn),權(quán)值公式表示為:

      式中的τ為信號幀長,n為幀移。

      重構(gòu)公式為:

      式中的為得到的重組合信號,tj為重組合的同步標(biāo)志,hj(n)為外圍聽覺模型中的窗函數(shù),為短時(shí)語音信號,幅度的調(diào)整則由上述權(quán)值公式中的權(quán)值g實(shí)現(xiàn)。

      另外,本實(shí)施例中,所述語音分離線索可以是兩耳時(shí)差(Interaural Time Difference,ITD)或兩耳聲級差(Interaural Level Difference,ILD)。從人耳聽聲辨位的角度出發(fā),模擬人耳分辨聲音的過程,將反映聲音空間方位信息的語音分離線索ITD和ILD用于語音分離將有效提升語音分離效率。下面,對ITD和ILD的實(shí)現(xiàn)原理進(jìn)行簡要說明。

      在人類聽覺系統(tǒng)進(jìn)行語音分離的過程中,ITD主要用于對中低頻語音信號的處理。為簡便起見,本段將以單一聲源為例說明ITD的產(chǎn)生原理。假定某一聲源更靠近左耳,則可用αsin2πft來表示語音信號到達(dá)左耳的過程。而距離較遠(yuǎn)的右耳則為(α-Δα)sin2πf(t+Δt),其中f為頻率,Δt為時(shí)間差信息,代表聲音傳播至雙耳的時(shí)間差,即ITD,Δα為強(qiáng)度差信息,代表聲音傳播到雙耳的聲壓強(qiáng)度差,即ILD。根據(jù)這兩種信息,可以通過聲源位置的差異對混疊語音進(jìn)行分離。

      如圖3所示,為雙耳時(shí)間差的幾何原理圖。圖3中,S為聲源位置,A和B為左右耳,D為它們之間距離,角C代表聲源與大腦正中的夾角,d為聲音到達(dá)兩耳之間的距離差,表示為d=Dsinα。

      ITD值的計(jì)算結(jié)構(gòu)圖,把輸入的語音信號首先進(jìn)行加窗處理,一般情況下將窗函數(shù)看作為濾波器的單位沖激響應(yīng)。本實(shí)施例中選用漢明窗,以保證語音信號在短時(shí)分析中是平穩(wěn)的。漢明窗的表達(dá)式為:

      式中,N表示窗長。經(jīng)過加窗的信號被經(jīng)過傅里葉變換轉(zhuǎn)化到頻域,如下述兩式所示:

      到達(dá)左耳和右耳的語音信號的互相關(guān),可以表示為:

      通常地,每個(gè)傳輸函數(shù)hl(t)和hr(t)都可被一振幅的衰減因子和一時(shí)間延遲來近似表示,因此互相關(guān)的公式可以表示為:

      式中,α代表衰減因子,D代表ITD的值。根據(jù)上述分析,ITD只對低頻的語音信號的分離起作用,自相關(guān)函數(shù)Rss在τ=0時(shí)達(dá)到最大值,因此ITD的值D可以表示為:

      互功率譜被定義為兩個(gè)信號的互相關(guān)的傅里葉計(jì)算,如下式:

      該式的具體計(jì)算用式為:

      代表Xr(ω)的復(fù)共軛,對該式做Fourier變換,可得接收信號的功率譜為:

      從上式可以看出,ITD的D值僅與互功率譜的相位有關(guān),將互相關(guān)進(jìn)行標(biāo)準(zhǔn)變化可得:

      由此,ITD的D值可以被精確計(jì)算為:

      ILD代表聲源信號到達(dá)兩耳的聲壓差異。當(dāng)聲音傳遞到左右耳的距離產(chǎn)生差異時(shí),將造成聲壓差異,而這種信息為語音分離提供了另一個(gè)線索—ILD。研究表明,在高頻區(qū)域,ILD將會(huì)發(fā)揮更多的作用。當(dāng)語音信號頻率超過1500Hz以后,由于人類聽覺外圍如耳廓的遮蔽效應(yīng),語音信號將會(huì)產(chǎn)生較強(qiáng)的聲影效應(yīng)而阻礙語音信號傳遞到內(nèi)耳。產(chǎn)生這種結(jié)果的主要因素是低頻的語音信號波長較短,難以發(fā)生衍射穿過耳廓,而高頻的聲音則可以繞過耳廓,因此為了分離高頻的語音信號,需提取雙耳聲級差。

      計(jì)算ILD需要譜線索,在忽略回聲的情況下,左耳和右耳接收到的信號的能量譜可以由下述兩式表達(dá):

      Pl(ω)=S(ω)|Hl(ω)|2

      Pr(ω)=S(ω)|Hr(ω)|2

      式中,S(ω)是聲源的功率譜,并且Hl(ω)和Hr(ω)分別代表左耳和右耳的傳輸函數(shù)。因此,左耳和右耳的強(qiáng)度差可以表示為:

      Il(ω)=10log10Pl(ω)=10log10S(ω)+20log10|Hl(ω)|

      以及

      Ir(ω)=10log10Pr(ω)=10log10S(ω)+20log10|Hr(ω)|

      通常地,雙耳聲級差可以用于提取高頻語音信號的分離信息,而且在提取雙耳聲級差信息時(shí),聲源和通道關(guān)系由相乘變?yōu)楹唵蔚南嗉?。簡單的相加關(guān)系有助于后續(xù)計(jì)算ILD提取通道信息。

      當(dāng)計(jì)算出強(qiáng)度后,語音信號將通過耳蝸濾波器。僅在高頻部分提取ILD信息,不僅減少了特征空間的尺寸,而且可以模擬耳蝸在人類聽覺中樞系統(tǒng)中頻率選擇的諧振性。

      由于ILD僅對高于1500Hz的語音信號起作用,所以存在雙耳聲級差提取的中斷頻率fcut,其計(jì)算公式:

      式中,C代表語音信號在空氣中的傳播速度,dα代表物理尺寸的孔徑,只有在子帶達(dá)到中斷頻率fcut以后才能計(jì)算ILD線索。

      因此對于每個(gè)達(dá)到中斷頻率的子帶i,有下式成立:

      式中,Ωi是子帶i的頻率范圍,Wi(ω)是耳蝸濾波器的權(quán)重。

      因此每個(gè)子帶i的ILD定義為:

      步驟S105,提取經(jīng)語音分離處理后的信號的頻率倒譜系數(shù)和感知線性預(yù)測系數(shù)。

      眾所周知,聲紋識(shí)別研究中已采用過的特征參數(shù)主要為倒譜系數(shù)。倒譜系數(shù)反映人類聲道發(fā)聲原理,提取過程中濾波器組反映人耳聽覺特性。本實(shí)施例中,對梅爾頻率倒譜系數(shù)(MFCC)進(jìn)行改進(jìn),基于Gammatone濾波器組提取頻率倒譜系數(shù)。

      Gammatone濾波器組在語音信號處理中功能與人耳聽覺外周類似,能較好地模擬耳蝸基底膜特性,對語音信號分頻處理;Meddis模型能很好地完成對內(nèi)耳毛細(xì)胞特性的模擬,可以較準(zhǔn)確地描述聽覺神經(jīng)的發(fā)放速率,兩者組成完整的聽覺外周模型。

      語音信號進(jìn)入人耳時(shí),首先經(jīng)過耳蝸基底膜分頻,由Gammatone濾波器組模擬,濾波器組時(shí)域表達(dá)式如下:

      式中,N為濾波器的個(gè)數(shù),i為序數(shù),n為濾波器階數(shù),取n=4,φi為濾波器的初始相位,fi為每個(gè)濾波器的中心頻率,bi為衰減因子。

      Gammatone濾波器組中單個(gè)濾波器帶寬與人耳聽覺臨界頻帶相關(guān),聽覺臨界頻帶用等效矩形帶寬度量為:

      EBR(f)=24.7*(4.37f/1000+1)

      對于中心頻率fi,可得對應(yīng)衰減因子bi

      bi=1.019EBR(fi)

      對式進(jìn)行拉氏變換得:

      并轉(zhuǎn)換到Z變換,最終再進(jìn)行反變換可得Gammatone濾波器組的離散沖擊響應(yīng):

      步驟S107,利用噪聲背景區(qū)分度,在不同噪聲環(huán)境下對頻率倒譜系數(shù)和感知線性預(yù)測系數(shù)進(jìn)行分析以完成特征融合。

      DR為特征的類間離散度和類內(nèi)離散度之比,反映了聲紋特征模板庫中各特征間區(qū)分度,這種區(qū)分度可有效表征聲紋特征是否適應(yīng)噪聲環(huán)境。求出聲紋特征在不同信噪比環(huán)境下的DR值,進(jìn)一步分析特征在噪聲環(huán)境下的魯棒性。DR的表達(dá)式如下:

      式中μ為聲紋特征模板庫內(nèi)所有說話人的平均特征值,μi為第i個(gè)說話人的平均特征值,M為聲紋特征模板庫中說話人個(gè)數(shù),N為單個(gè)說話人語音信號幀數(shù)。

      語音特征在提取后通常以矩陣的形式存儲(chǔ),可以用多維特征向量來表示,對各維特征向量進(jìn)行類間區(qū)分度研究可知每一維特征參數(shù)在噪聲環(huán)境下的魯棒性,以此為依據(jù)就可實(shí)現(xiàn)對不同聲紋特征的數(shù)據(jù)融合。假定特征A與特征B分別由X維和Y維特征向量表示:

      A={α12,......αX}'

      B={β12,.......βY}'

      對兩種聲紋特征進(jìn)行類間區(qū)分度分析,特征A與特征B的DR矩陣如下:

      為研究在噪聲環(huán)境中兩種聲紋特征每一維的表現(xiàn),在多種信噪比環(huán)境下,對聲紋特征模板庫中說話人提取特征A與B,并統(tǒng)計(jì)DR的最大值DR max在特征矩陣中每一維的次數(shù)P:

      為保證融合特征矩陣各向量權(quán)重適當(dāng),根據(jù)統(tǒng)計(jì)情況設(shè)置閾值Pth,Pth由具體結(jié)果選定,對Px,Py規(guī)整后并求:

      ε=max{Px,Py,Pth}

      得到融合特征特征參數(shù)C,表達(dá)式如下:

      C={γ12,.......γZ}'

      步驟S109,在預(yù)先建立的聲紋特征模板庫中,采用高斯混合模型-通用背景模型對已完成融合的特征進(jìn)行模式匹配,實(shí)現(xiàn)聲紋特征識(shí)別。

      本實(shí)施例中,模式匹配的模型為高斯混合模型-通用背景模型(GMM-OUM模型)。高斯混合模型(GMM模型)的實(shí)質(zhì)是多維度的概率密度函數(shù),對于d維且混合度為M的GMM模型,可通過高斯函數(shù)的加權(quán)和表達(dá)為:

      式中,∑i為協(xié)方差矩陣,pi為GMM模型第i個(gè)分量d維的高斯函數(shù),x為d維的觀測矢量,wi為混合權(quán)值,并符合μi為均值矢量。

      如圖4所示,是本發(fā)明實(shí)施例提供的一種聲紋特征識(shí)別系統(tǒng)110的功能模塊框圖。該聲紋特征識(shí)別系統(tǒng)110包括預(yù)處理模塊1102、語音分離模塊1104、特征提取模塊1106、特征融合模塊1108以及特征識(shí)別模塊1110。

      所述預(yù)處理模塊1102,用于對輸入的原始語音信號進(jìn)行預(yù)處理,所述預(yù)處理包括預(yù)加重、分幀加窗以及端點(diǎn)檢測;

      所述語音分離模塊1104,用于對預(yù)處理后得到的含噪混合信號進(jìn)行基于聽覺特性的語音分離處理;

      所述特征提取模塊1106,用于提取經(jīng)語音分離處理后的信號的頻率倒譜系數(shù)和感知線性預(yù)測系數(shù);

      所述特征融合模塊1108,用于利用噪聲背景區(qū)分度,在不同噪聲環(huán)境下對頻率倒譜系數(shù)和感知線性預(yù)測系數(shù)進(jìn)行分析以完成特征融合;

      所述特征識(shí)別模塊1110,用于在預(yù)先建立的聲紋特征模板庫中,采用高斯混合模型-通用背景模型對已完成融合的特征進(jìn)行模式匹配,實(shí)現(xiàn)聲紋特征識(shí)別。

      本實(shí)施例中所描述的各功能模塊的具體操作方法可參照圖2所示的相應(yīng)步驟的詳細(xì)闡述,在此不再重復(fù)贅述。

      綜上所述,本發(fā)明實(shí)施例提供的聲紋特征識(shí)別方法及系統(tǒng),從仿生學(xué)角度解決噪聲下聲紋識(shí)別率降低的問題,有效提升了噪聲環(huán)境下聲紋識(shí)別的準(zhǔn)確率和系統(tǒng)的魯棒性。

      在本申請所提供的幾個(gè)實(shí)施例中,應(yīng)該理解到,所揭露的裝置和方法,也可以通過其它的方式實(shí)現(xiàn)。以上所描述的裝置實(shí)施例僅僅是示意性的,例如,附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的多個(gè)實(shí)施例的裝置、方法和計(jì)算機(jī)程序產(chǎn)品的可能實(shí)現(xiàn)的體系架構(gòu)、功能和操作。在這點(diǎn)上,流程圖或框圖中的每個(gè)方框可以代表一個(gè)模塊、程序段或代碼的一部分,所述模塊、程序段或代碼的一部分包含一個(gè)或多個(gè)用于實(shí)現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當(dāng)注意,在有些作為替換的實(shí)現(xiàn)方式中,方框中所標(biāo)注的功能也可以以不同于附圖中所標(biāo)注的順序發(fā)生。例如,兩個(gè)連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行,它們有時(shí)也可以按相反的順序執(zhí)行,這依所涉及的功能而定。也要注意的是,框圖和/或流程圖中的每個(gè)方框、以及框圖和/或流程圖中的方框的組合,可以用執(zhí)行規(guī)定的功能或動(dòng)作的專用的基于硬件的系統(tǒng)來實(shí)現(xiàn),或者可以用專用硬件與計(jì)算機(jī)指令的組合來實(shí)現(xiàn)。

      所述功能如果以軟件功能模塊的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí),可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?;谶@樣的理解,本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來,該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中,包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī),服務(wù)器,或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。

      以上所述,僅為本發(fā)明的具體實(shí)施方式,但本發(fā)明的保護(hù)范圍并不局限于此,任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi),可輕易想到變化或替換,都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此,本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。

      當(dāng)前第1頁1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
      1