本發(fā)明涉及信號處理技術領域，尤其涉及一種高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測方法和裝置。

背景技術：

制動系統(tǒng)是高速列車信息控制系統(tǒng)中的重要子系統(tǒng)，它主要由空氣供給系統(tǒng)，制動控制系統(tǒng)及基礎制動系統(tǒng)三大部分組成。高速列車制動系統(tǒng)中的關鍵部件，如空氣壓縮機、電磁閥、供風管以及壓力傳感器等，其能否穩(wěn)定可靠工作既關系到行車安全，又限制著車速提高。

因此，亟需對高速列車制動系統(tǒng)關鍵部件進行實時在線的狀態(tài)監(jiān)測，保障高速列車制動系統(tǒng)的安全可靠運行?，F(xiàn)有高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測方法的性能嚴重依賴部件模型的精度。但是，高速列車制動系統(tǒng)關鍵部件的實際運行環(huán)境極其復雜多變，隨機模型不確定性相對較大。因此，為了滿足實際應用的需要，高速列車制動系統(tǒng)關鍵部件狀態(tài)監(jiān)測方法需要在存在隨機模型不確定性的情況下仍能估計出部件的工作狀態(tài)。

現(xiàn)有技術的不足在于：在實際應用過程中，高速列車制動系統(tǒng)關鍵部件運行狀態(tài)在線監(jiān)測時會出現(xiàn)隨機模型不確定性較強等情況，現(xiàn)有的狀態(tài)監(jiān)測方法的性能嚴重依賴部件模型的精度，已經(jīng)不能滿足實際應用的需求。

技術實現(xiàn)要素：

本發(fā)明所要解決的技術問題是在實際應用過程中，高速列車制動系統(tǒng)關鍵部件運行狀態(tài)在線監(jiān)測時會出現(xiàn)隨機模型不確定性較強等情況，現(xiàn)有的狀態(tài)監(jiān)測方法的性能嚴重依賴部件模型的精度，已經(jīng)不能滿足實際應用的需求。

為了解決上述技術問題，本發(fā)明提供了一種高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測方法，包括：

建立高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型；

確定所述高速列車制動系統(tǒng)關鍵部件的當前控制輸入數(shù)據(jù)和當前測量輸出數(shù)據(jù)；

根據(jù)所述高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型、當前控制輸入數(shù)據(jù)以及當前測量輸出數(shù)據(jù)，確定所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器；

利用所述狀態(tài)估計器對所述高速列車制動系統(tǒng)關鍵部件進行狀態(tài)估計，并確定狀態(tài)估計相關誤差。

在一個實施例中，所述建立高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型，具體包括：

根據(jù)所述高速列車制動系統(tǒng)關鍵部件的物理結構建立該高速列車制動系統(tǒng)關鍵部件的機理模型；

利用系統(tǒng)辨識技術辨識所述機理模型的模型參數(shù)；

根據(jù)采樣時間對所述機理模型的模型參數(shù)進行離散化，得到高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型。

在一個實施例中，所述高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型是采用表達式一和表達式二表示的，

表達式一：x(k+1)＝(A_c(k)+A_δ(k))x(k)+(B_c(k)+B_δ(k))u(k)+w(k)，

表達式二：y(k)＝(C_c(k)+C_δ(k))x(k)+v(k)，

其中，x(k)表示k時刻的狀態(tài)變量，x(k+1)表示k+1時刻的狀態(tài)變量，u(k)表示k時刻的控制輸入數(shù)據(jù)，y(k)表示k時刻的測量輸出數(shù)據(jù)，w(k)表示過程噪聲信號，v(k)表示k時刻的測量噪聲信號，A_c(k)表示第一中心參數(shù)矩陣，B_c(k)表示第二中心參數(shù)矩陣，C_c(k)表示第三中心參數(shù)矩陣，A_δ(k)表示第一模型不確定性，B_δ(k)表示第二模型不確定性，C_δ(k)表示第三模型不確定性。

在一個實施例中，w(k)和v(k)的均值為0，A_δ(k)、B_δ(k)及C_δ(k)的均值為0。

在一個實施例中，所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器的增益是根據(jù)所述離散時間狀態(tài)空間模型和所述當前控制輸入數(shù)據(jù)確定的。

在一個實施例中，所述根據(jù)所述離散時間狀態(tài)空間模型和所述當前控制輸入數(shù)據(jù)確定所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器的增益，具體包括：

確定A_c(k)、B_c(k)、C_c(k)；

確定其中，表示A_δ(k)的協(xié)方差矩陣，表示B_δ(k)的協(xié)方差矩陣，表示C_δ(k)的協(xié)方差矩陣；

確定Σ_w(k)、Σ_v(k)，其中，Σ_w(k)表示w(k)的協(xié)方差矩陣，Σ_v(k)表示v(k)的協(xié)方差矩陣；

確定估計初值、所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)均值以及所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)二階矩；

根據(jù)所述A_c(k)、B_c(k)、C_c(k)，所述所述Σ_w(k)、Σ_v(k)，所述估計初值、所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)均值以及所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)二階矩，確定所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器的增益。

在一個實施例中，所述估計初值是通過下述表達式三、表達式四及表達式五中的任一表達式或者其組合確定的，

所述估計初值是通過下述表達式三、表達式四及表達式五中的任一表達式或者其組合確定的，

表達式三：

其中，表示初始狀態(tài)變量的平均值，表示常數(shù)；

表達式四：Σ_x(0)＝Σ₀，

其中，Σ_x(0)表示初始狀態(tài)變量的二階矩，Σ₀表示常數(shù)；

表達式五：P(0)＝P₀，

其中，P(0)表示初始狀態(tài)變量的協(xié)方差，P₀表示常數(shù)；

所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)均值是通過下述表達式六確定的，

表達式六：

其中，表示k時刻的狀態(tài)變量的平均值，A_c(k-1)表示k-1時刻的第一中心參數(shù)矩陣，表示k-1時刻的狀態(tài)變量的平均值，B_c(k-1)表示k-1時刻的第二中心參數(shù)矩陣，u(k-1)表示k-1時刻的控制輸入信號；

所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)二階矩是通過下述表達式七確定的，

表達式七：

其中，Σ_x(k)表示k時刻的狀態(tài)變量的二階矩，Σ_x(k-1)表示k-1時刻的狀態(tài)變量的二階矩，表示A_δ(k-1)與x(k-1)乘積的二階矩，A_δ(k-1)表示k-1時刻的第一模型不確定性，x(k-1)表示k-1時刻的狀態(tài)變量，Σ_u(k-1)表示u(k-1)的二階矩，表示B_δ(k-1)與u(k-1)乘積的二階矩，B_δ(k-1)表示k-1時刻的第二模型不確定性，Σ_w(k-1)表示w(k-1)的協(xié)方差矩陣，w(k-1)表示k-1時刻的過程噪聲信號。

在一個實施例中，所述利用所述狀態(tài)估計器對所述高速列車制動系統(tǒng)關鍵部件進行狀態(tài)估計的狀態(tài)估計值是通過表達式八確定的，

表達式八：

其中，表示k時刻的狀態(tài)變量的估計值，表示k-1時刻的狀態(tài)變量的估計值，K(k)表示k時刻的狀態(tài)估計器的增益，r(k)表示k時刻的濾波新息，表示初始時刻的狀態(tài)變量的估計值；

r(k)是通過表達式九確定的，

表達式九：

所述狀態(tài)估計相關誤差為狀態(tài)估計誤差協(xié)方差；

所述狀態(tài)估計誤差協(xié)方差是通過表達式十確定的，

表達式十：

其中，P(k)表示k時刻的狀態(tài)估計誤差協(xié)方差，表示k時刻的狀態(tài)估計誤差，表示n_x維單位矩陣，G(k)表示k時刻的一步預測誤差協(xié)方差；

G(k)是通過表達式十一確定的，

表達式十一：

其中，P(k-1)表示k-1時刻的狀態(tài)估計誤差協(xié)方差。

根據(jù)本發(fā)明的另一方面，還提供了一種高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測裝置，包括：

建模模塊，用于建立高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型；

第一確定模塊，用于確定所述高速列車制動系統(tǒng)關鍵部件的當前控制輸入數(shù)據(jù)和當前測量輸出數(shù)據(jù)；

第二確定模塊，用于根據(jù)所述高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型、當前控制輸入數(shù)據(jù)以及當前測量輸出數(shù)據(jù)確定所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器；

狀態(tài)估計模塊，用于利用所述狀態(tài)估計器對所述高速列車制動系統(tǒng)關鍵部件進行狀態(tài)估計，并確定狀態(tài)估計誤差協(xié)方差。

在一個實施例中，建模模塊進一步包括以下子模塊：

第一子模塊，用于根據(jù)所述高速列車制動系統(tǒng)關鍵部件的物理結構建立該高速列車制動系統(tǒng)關鍵部件的機理模型；

第二子模塊，用于利用系統(tǒng)辨識技術辨識所述機理模型的模型參數(shù)；

第三子模塊，用于根據(jù)當前采樣時間對所述機理模型的模型參數(shù)進行離散化，得到高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型。

與現(xiàn)有技術相比，本發(fā)明的一個或多個實施例可以具有如下優(yōu)點：

本發(fā)明提供的方案

本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在說明書、權利要求書以及附圖中所特別指出的結構來實現(xiàn)和獲得。

附圖說明

附圖用來提供對本發(fā)明的進一步理解，并且構成說明書的一部分，與本發(fā)明的實施例共同用于解釋本發(fā)明，并不構成對本發(fā)明的限制。在附圖中：

圖1是根據(jù)本發(fā)明第一實施例的高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測方法的流程圖；

圖2是根據(jù)本發(fā)明第一實施例的建立高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型的流程圖；

圖3是根據(jù)本發(fā)明第一實施例的高速列車制動系統(tǒng)關鍵部件測量輸出曲線圖；

圖4是根據(jù)本發(fā)明第一實施例的高速列車制動系統(tǒng)關鍵部件狀態(tài)估計誤差曲線圖；

圖5是根據(jù)本發(fā)明第一實施例的高速列車制動系統(tǒng)關鍵部件狀態(tài)估計誤差協(xié)方差跡曲線圖；

圖6是根據(jù)本發(fā)明第二實施例的高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測裝置的結構示意圖。

具體實施方式

為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，以下結合附圖及實施例對本發(fā)明的實施方式作進一步地詳細說明，借此對本發(fā)明如何應用技術手段來解決技術問題，并達成技術效果的實現(xiàn)過程能充分理解并據(jù)以實施。需要說明的是，只要不構成沖突，本發(fā)明中的各個實施例以及各實施例中的各個特征可以相互結合，所形成的技術方案均在本發(fā)明的保護范圍之內。

另外，在附圖的流程圖示出的步驟可以在諸如一組計算機可執(zhí)行指令的計算機系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

第一實施例

圖1是根據(jù)本發(fā)明第一實施例的高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測方法的流程圖，下面參照圖1，詳細說明各個步驟。

步驟S110，建立高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型。

實際應用過程中，高速列車制動系統(tǒng)關鍵部件的實際運行環(huán)境極其復雜多變，隨機模型不確定性相對較大。針對高速列車制動系統(tǒng)關鍵部件的模型不確定性，建立數(shù)學模型描述該高速列車制動系統(tǒng)關鍵部件。

下面具體介紹高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型的建立過程。

圖2是根據(jù)本發(fā)明第一實施例的建立高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型的流程圖，下面參照圖2，詳細說明各個步驟。

需要說明的是，只要不構成沖突，可以以不同于下述的邏輯順序執(zhí)行下面所描述的步驟。

步驟S210，根據(jù)所述高速列車制動系統(tǒng)關鍵部件的物理結構建立該高速列車制動系統(tǒng)關鍵部件的機理模型；

步驟S220，利用系統(tǒng)辨識技術辨識所述機理模型的模型參數(shù)；

步驟S230，根據(jù)采樣時間對所述機理模型的模型參數(shù)進行離散化，得到高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型。

優(yōu)選的，所述高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型是采用表達式一和表達式二表示的，

表達式一：x(k+1)＝(A_c(k)+A_δ(k))x(k)+(B_c(k)+B_δ(k))u(k)+w(k)，

表達式二：y(k)＝(C_c(k)+C_δ(k))x(k)+v(k)，

其中，x(k)表示k時刻的狀態(tài)變量，x(k+1)表示k+1時刻的狀態(tài)變量，u(k)表示k時刻的控制輸入數(shù)據(jù)，y(k)表示k時刻的測量輸出數(shù)據(jù)，w(k)表示過程噪聲信號，v(k)表示k時刻的測量噪聲信號，A_c(k)表示第一中心參數(shù)矩陣，B_c(k)表示第二中心參數(shù)矩陣，C_c(k)表示第三中心參數(shù)矩陣，A_δ(k)表示第一模型不確定性，B_δ(k)表示第二模型不確定性，C_δ(k)表示第三模型不確定性。

優(yōu)選的，w(k)和v(k)的均值為0，A_δ(k)、B_δ(k)及C_δ(k)的均值為0。

步驟S120，確定所述高速列車制動系統(tǒng)關鍵部件的當前控制輸入數(shù)據(jù)和當前測量輸出數(shù)據(jù)。

本實施例中實時在線采集k時刻高速列車制動系統(tǒng)關鍵部件的控制輸入數(shù)據(jù)u(k)和測量輸出數(shù)據(jù)y(k)。

圖3為根據(jù)本發(fā)明第一實施例的高速列車制動系統(tǒng)關鍵部件測量輸出曲線圖，如圖所述，采集了4組測量輸出數(shù)據(jù)y(k)。

步驟S130，根據(jù)所述高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型、當前控制輸入數(shù)據(jù)以及當前測量輸出數(shù)據(jù)，確定所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器。

優(yōu)選的，所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器的增益是根據(jù)所述離散時間狀態(tài)空間模型和所述當前控制輸入數(shù)據(jù)確定的。

采用遞推的方式計算狀態(tài)估計器的增益，具體如下：

優(yōu)選的，所述根據(jù)所述離散時間狀態(tài)空間模型和所述當前控制輸入數(shù)據(jù)確定所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器的增益，具體包括：

確定A_c(k)、B_c(k)、C_c(k)；

確定其中，表示A_δ(k)的協(xié)方差矩陣，表示B_δ(k)的協(xié)方差矩陣，表示C_δ(k)的協(xié)方差矩陣；

確定Σ_w(k)、Σ_v(k)，其中，Σ_w(k)表示w(k)的協(xié)方差矩陣，Σ_v(k)表示v(k)的協(xié)方差矩陣；

確定估計初值、所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)均值以及所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)二階矩；

根據(jù)所述A_c(k)、B_c(k)、C_c(k)，所述所述Σ_w(k)、Σ_v(k)，所述估計初值、所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)均值以及所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)二階矩，確定所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器的增益。

優(yōu)選的，所述估計初值是通過下述表達式三、表達式四及表達式五中的任一表達式或者其組合確定的，

所述估計初值是通過下述表達式三、表達式四及表達式五中的任一表達式或者其組合確定的，

表達式三：

其中，表示初始狀態(tài)變量的平均值，表示常數(shù)；

表達式四：Σ_x(0)＝Σ₀，

其中，Σ_x(0)表示初始狀態(tài)變量的二階矩，Σ₀表示常數(shù)；

表達式五：P(0)＝P₀，

其中，P(0)表示初始狀態(tài)變量的協(xié)方差，P₀表示常數(shù)；

所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)均值是通過下述表達式六確定的，

表達式六：

其中，表示k時刻的狀態(tài)變量的平均值，A_c(k-1)表示k-1時刻的第一中心參數(shù)矩陣，表示k-1時刻的狀態(tài)變量的平均值，B_c(k-1)表示k-1時刻的第二中心參數(shù)矩陣，u(k-1)表示k-1時刻的控制輸入信號；

所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)二階矩是通過下述表達式七確定的，

表達式七：

其中，Σ_x(k)表示k時刻的狀態(tài)變量的二階矩，Σ_x(k-1)表示k-1時刻的狀態(tài)變量的二階矩，表示A_δ(k-1)與x(k-1)乘積的二階矩，A_δ(k-1)表示k-1時刻的第一模型不確定性，x(k-1)表示k-1時刻的狀態(tài)變量，Σ_u(k-1)表示u(k-1)的二階矩，表示B_δ(k-1)與u(k-1)乘積的二階矩，B_δ(k-1)表示k-1時刻的第二模型不確定性，Σ_w(k-1)表示w(k-1)的協(xié)方差矩陣，w(k-1)表示k-1時刻的過程噪聲信號。

步驟S140，利用所述狀態(tài)估計器對所述高速列車制動系統(tǒng)關鍵部件進行狀態(tài)估計，并確定狀態(tài)估計相關誤差。

通過遞推的方式計算狀態(tài)估計值，具體如下：

優(yōu)選的，所述利用所述狀態(tài)估計器對所述高速列車制動系統(tǒng)關鍵部件進行狀態(tài)估計的狀態(tài)估計值是通過表達式八確定的，

表達式八：

其中，表示k時刻的狀態(tài)變量的估計值，表示k-1時刻的狀態(tài)變量的估計值，K(k)表示k時刻的狀態(tài)估計器的增益，r(k)表示k時刻的濾波新息，表示初始時刻的狀態(tài)變量的估計值；

r(k)是通過表達式九確定的，

表達式九：

所述狀態(tài)估計相關誤差為狀態(tài)估計誤差協(xié)方差；

所述狀態(tài)估計誤差協(xié)方差是通過表達式十確定的，

表達式十：

其中，P(k)表示k時刻的狀態(tài)估計誤差協(xié)方差，表示k時刻的狀態(tài)估計誤差，表示n_x維單位矩陣，G(k)表示k時刻的一步預測誤差協(xié)方差；

圖4為根據(jù)本發(fā)明第一實施例的高速列車制動系統(tǒng)關鍵部件狀態(tài)估計誤差曲線圖，如圖所示，有2組狀態(tài)估計誤差數(shù)據(jù)圖5為根據(jù)本發(fā)明第一實施例的高速列車制動系統(tǒng)關鍵部件狀態(tài)估計誤差協(xié)方差跡曲線圖，通過這兩組狀態(tài)估計誤差數(shù)據(jù)計算狀態(tài)估計誤差協(xié)方差P(k)，狀態(tài)估計誤差協(xié)方差跡如圖5所示。

G(k)是通過表達式十一確定的，

表達式十一：

其中，P(k-1)表示k-1時刻的狀態(tài)估計誤差協(xié)方差。

新息協(xié)方差

通過本方法可以不依賴高速列車制動系統(tǒng)關鍵部件模型的精度，在存在隨機模型不確定性的情況下仍能估計出高速列車制動系統(tǒng)關鍵部件的工作狀態(tài)。

綜上所述，本實施例的高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測方法，在工程監(jiān)測中具有實際的指導意義。

第二實施例

基于同一發(fā)明構思，本發(fā)明實施例中還提供了一種高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測裝置，由于這些設備解決問題的原理與一種方法相似，因此這些設備的實施可以參見方法的實施，重復之處不再贅述。

圖6為根據(jù)本發(fā)明第二實施例的高速列車制動系統(tǒng)關鍵部件的狀態(tài)監(jiān)測裝置的結構示意圖，下面根據(jù)圖詳細說明該系統(tǒng)的各組成部分。

建模模塊610，用于建立高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型；

第一確定模塊620，用于確定所述高速列車制動系統(tǒng)關鍵部件的當前控制輸入數(shù)據(jù)和當前測量輸出數(shù)據(jù)；

第二確定模塊630，用于根據(jù)所述高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型、當前控制輸入數(shù)據(jù)以及當前測量輸出數(shù)據(jù)確定所述高速列車制動系統(tǒng)關鍵部件的狀態(tài)估計器；

狀態(tài)估計模塊640，用于利用所述狀態(tài)估計器對所述高速列車制動系統(tǒng)關鍵部件進行狀態(tài)估計，并確定狀態(tài)估計誤差協(xié)方差。

優(yōu)選的，建模模塊進一步包括以下子模塊：

第一子模塊，用于根據(jù)所述高速列車制動系統(tǒng)關鍵部件的物理結構建立該高速列車制動系統(tǒng)關鍵部件的機理模型；

第二子模塊，用于利用系統(tǒng)辨識技術辨識所述機理模型的模型參數(shù)；

第三子模塊，用于根據(jù)采樣時間對所述機理模型的模型參數(shù)進行離散化，得到高速列車制動系統(tǒng)關鍵部件的離散時間狀態(tài)空間模型。

本領域的技術人員應該明白，上述本發(fā)明的各模塊或各步驟可以用通用的計算裝置來實現(xiàn)，它們可以集中在單個的計算裝置上，或者分布在多個計算裝置所組成的網(wǎng)絡上，可選的，它們可以用計算裝置可執(zhí)行的程序代碼來實現(xiàn)，從而，可以將它們存儲在存儲裝置中由計算裝置來執(zhí)行，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件結合。

雖然本發(fā)明所揭露的實施方式如上，但所述的內容只是為了便于理解本發(fā)明而采用的實施方式，并非用以限定本發(fā)明。任何本發(fā)明所屬技術領域內的技術人員，在不脫離本發(fā)明所揭露的精神和范圍的前提下，可以在實施的形式上及細節(jié)上作任何的修改與變化，但本發(fā)明的專利保護范圍，仍需以所附的權利要求書所界定的范圍為準。