本發(fā)明涉及音樂處理技術(shù)領(lǐng)域，特別是涉及一種音樂匹配運(yùn)動(dòng)的方法及系統(tǒng)。

背景技術(shù)：

隨著人們對(duì)高品質(zhì)生活的追求，越來越多的人會(huì)選擇在運(yùn)動(dòng)鍛煉身體的同時(shí)聽聽音樂，以增強(qiáng)或激勵(lì)運(yùn)動(dòng)效果，同時(shí)給自己的身心帶來愉悅的感受。

目前在音樂激勵(lì)運(yùn)動(dòng)效果方面，現(xiàn)有的主流做法僅僅考慮到音樂的BPM（Beat Per Minute，拍子數(shù)）和運(yùn)動(dòng)頻率之間的關(guān)系，即當(dāng)運(yùn)動(dòng)頻率和音樂的頻率達(dá)到一致時(shí)，會(huì)產(chǎn)生一定激勵(lì)效果使人心情更加愉悅，從而能讓人運(yùn)動(dòng)的更久，效果更好。但是，現(xiàn)有技術(shù)卻沒有考慮到音樂的其他特征也要對(duì)應(yīng)：例如音樂類型是否符合當(dāng)前運(yùn)動(dòng)類型，比如一首比較舒緩的歌曲，雖然它的音樂頻率與當(dāng)前運(yùn)動(dòng)頻率比較吻合，但這首舒緩的歌曲的曲風(fēng)、現(xiàn)場(chǎng)效果等并不適合當(dāng)前運(yùn)動(dòng)，就會(huì)影響用戶運(yùn)動(dòng)時(shí)聽音樂的體驗(yàn)效果。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一。為此，本發(fā)明的一個(gè)目的在于提出一種音樂匹配運(yùn)動(dòng)的方法，能夠更全面的評(píng)價(jià)音樂的各項(xiàng)特征，使音樂的選擇更符合運(yùn)動(dòng)。

根據(jù)本發(fā)明實(shí)施例的音樂匹配運(yùn)動(dòng)的方法，包括：

提取多個(gè)樣本音樂的音頻信號(hào)，以獲取每個(gè)所述樣本音樂的音樂底層描述信息，任一所述樣本音樂均對(duì)應(yīng)一音樂標(biāo)簽信息；

建立所述音樂底層描述信息與所述音樂標(biāo)簽信息的映射關(guān)系；

根據(jù)每個(gè)所述樣本音樂的運(yùn)動(dòng)狀態(tài)屬性及所述映射關(guān)系，建立音樂運(yùn)動(dòng)屬性評(píng)分模型；

提取當(dāng)前音樂的音頻信號(hào)，以獲取所述當(dāng)前音樂的當(dāng)前音樂底層描述信息及對(duì)應(yīng)的當(dāng)前音樂標(biāo)簽信息；

將所述當(dāng)前音樂標(biāo)簽信息代入所述音樂運(yùn)動(dòng)屬性評(píng)分模型中，以獲取所述當(dāng)前音樂的當(dāng)前運(yùn)動(dòng)屬性評(píng)分，并根據(jù)所述當(dāng)前運(yùn)動(dòng)屬性評(píng)分判斷所述當(dāng)前音樂與運(yùn)動(dòng)的匹配度。

根據(jù)本發(fā)明實(shí)施例的音樂匹配運(yùn)動(dòng)的方法，首先通過對(duì)多個(gè)樣本音樂的音頻信號(hào)進(jìn)行提取，獲得音樂底層描述信息，同時(shí)每個(gè)樣本音樂又對(duì)應(yīng)各自的音樂標(biāo)簽信息，從而可以建立大量音樂底層描述信息與音樂標(biāo)簽信息的映射關(guān)系，然后樣本音樂的運(yùn)動(dòng)狀態(tài)屬性和映射關(guān)系，能夠建立音樂運(yùn)動(dòng)屬性評(píng)分模型，后續(xù)需要分析某個(gè)音樂是否符合運(yùn)動(dòng)時(shí)，只需先對(duì)該音樂進(jìn)行提取獲得當(dāng)前音樂標(biāo)簽信息，然后代入建立好的音樂運(yùn)動(dòng)屬性評(píng)分模型中即可，由于該方法是對(duì)音樂的音頻信號(hào)進(jìn)行提取，獲得音樂底層描述信息，因此，對(duì)音樂分析的更加全面，評(píng)價(jià)的音樂特征更多，更能準(zhǔn)確的評(píng)價(jià)當(dāng)前音樂是否符合運(yùn)動(dòng)。

另外，根據(jù)本發(fā)明上述實(shí)施例的音樂匹配運(yùn)動(dòng)的方法，還可以具有如下附加的技術(shù)特征：

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述提取多個(gè)樣本音樂的音頻信號(hào)，以獲取每個(gè)所述樣本音樂的音樂底層描述信息的步驟包括：

提取多個(gè)樣本音樂的音頻信號(hào)，通過濾波器組將每個(gè)所述樣本音樂的音頻信號(hào)分解成多個(gè)互不重疊的頻率子帶；

計(jì)算任一所述頻率子帶的幅度包絡(luò)，并對(duì)任一所述幅度包絡(luò)進(jìn)行差分處理和半波整流處理，以獲得每個(gè)所述樣本音樂的表示起始時(shí)間的峰值序列；

根據(jù)所述峰值序列的分布情況，獲得每個(gè)所述樣本音樂的音樂底層描述信息。

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述音樂底層描述信息包括調(diào)子、和弦、頻率和變奏情況。

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述根據(jù)每個(gè)所述樣本音樂的運(yùn)動(dòng)狀態(tài)屬性及所述映射關(guān)系，建立音樂運(yùn)動(dòng)屬性評(píng)分模型的步驟包括：

采用logistic回歸模型，將所述運(yùn)動(dòng)狀態(tài)屬性和所述映射關(guān)系中的所述音樂標(biāo)簽信息作為參數(shù)，通過多次反復(fù)的迭代以及參數(shù)的選擇調(diào)整，獲得所述音樂運(yùn)動(dòng)屬性評(píng)分模型。

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述提取多個(gè)樣本音樂的音頻信號(hào)的步驟包括：

通過低通濾波器獲得所述多個(gè)樣本音樂在50Hz~200Hz的音頻信號(hào)。

本發(fā)明的另一個(gè)目的在于提出一種音樂匹配運(yùn)動(dòng)的系統(tǒng)，能夠更全面的評(píng)價(jià)音樂的各項(xiàng)特征，使音樂的選擇更符合運(yùn)動(dòng)。

根據(jù)本發(fā)明實(shí)施例的音樂匹配運(yùn)動(dòng)的系統(tǒng)，包括：

第一提取模塊，用于提取多個(gè)樣本音樂的音頻信號(hào)，以獲取每個(gè)所述樣本音樂的音樂底層描述信息，任一所述樣本音樂均對(duì)應(yīng)一音樂標(biāo)簽信息；

映射關(guān)系建立模塊，用于建立所述音樂底層描述信息與所述音樂標(biāo)簽信息的映射關(guān)系；

評(píng)分模型建立模塊，用于根據(jù)每個(gè)所述樣本音樂的運(yùn)動(dòng)狀態(tài)屬性及所述映射關(guān)系，建立音樂運(yùn)動(dòng)屬性評(píng)分模型；

第二提取模塊，用于提取當(dāng)前音樂的音頻信號(hào)，以獲取所述當(dāng)前音樂的當(dāng)前音樂底層描述信息及對(duì)應(yīng)的當(dāng)前音樂標(biāo)簽信息；

運(yùn)動(dòng)屬性評(píng)分模塊，用于將所述當(dāng)前音樂標(biāo)簽信息代入所述音樂運(yùn)動(dòng)屬性評(píng)分模型中，以獲取所述當(dāng)前音樂的當(dāng)前運(yùn)動(dòng)屬性評(píng)分，并根據(jù)所述當(dāng)前運(yùn)動(dòng)屬性評(píng)分判斷所述當(dāng)前音樂與運(yùn)動(dòng)的匹配度。

另外，根據(jù)本發(fā)明上述實(shí)施例的音樂匹配運(yùn)動(dòng)的系統(tǒng)，還可以具有如下附加的技術(shù)特征：

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述第一提取模塊具體用于：

提取多個(gè)樣本音樂的音頻信號(hào)，通過濾波器組將每個(gè)所述樣本音樂的音頻信號(hào)分解成多個(gè)互不重疊的頻率子帶；

計(jì)算任一所述頻率子帶的幅度包絡(luò)，并對(duì)任一所述幅度包絡(luò)進(jìn)行差分處理和半波整流處理，以獲得每個(gè)所述樣本音樂的表示起始時(shí)間的峰值序列；

根據(jù)所述峰值序列的分布情況，獲得每個(gè)所述樣本音樂的音樂底層描述信息。

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述音樂底層描述信息包括調(diào)子、和弦、頻率和變奏情況。

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述評(píng)分模型建立模塊具體用于：

采用logistic回歸模型，將所述運(yùn)動(dòng)狀態(tài)屬性和所述映射關(guān)系中的所述音樂標(biāo)簽信息作為參數(shù)，通過多次反復(fù)的迭代以及參數(shù)的選擇調(diào)整，獲得所述音樂運(yùn)動(dòng)屬性評(píng)分模型。

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述第一提取模塊還用于：

通過低通濾波器獲得所述多個(gè)樣本音樂在50Hz~200Hz的音頻信號(hào)。

本發(fā)明的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

附圖說明

本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1是根據(jù)本發(fā)明一實(shí)施例的音樂匹配運(yùn)動(dòng)的方法的流程圖；

圖2是根據(jù)本發(fā)明一實(shí)施例的音樂匹配運(yùn)動(dòng)的方法中的提取多個(gè)樣本音樂的音頻信號(hào)的流程圖；

圖3是根據(jù)本發(fā)明一實(shí)施例的音樂匹配運(yùn)動(dòng)的方法中孫燕姿的《天黑黑》的峰值序列截取圖；

圖4是根據(jù)本發(fā)明一實(shí)施例的音樂匹配運(yùn)動(dòng)的方法中音樂運(yùn)動(dòng)屬性評(píng)分模型中音樂標(biāo)簽信息的貢獻(xiàn)值大小分布圖；

圖5是根據(jù)本發(fā)明另一實(shí)施例的音樂匹配運(yùn)動(dòng)的系統(tǒng)的結(jié)構(gòu)示意圖。

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(duì)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?；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。

請(qǐng)參閱圖1，本發(fā)明一實(shí)施例提出的音樂匹配運(yùn)動(dòng)的方法，至少包括以下步驟：

S101，提取多個(gè)樣本音樂的音頻信號(hào)，以獲取每個(gè)所述樣本音樂的音樂底層描述信息，任一所述樣本音樂均對(duì)應(yīng)一音樂標(biāo)簽信息；

其中，音樂底層描述信息可以包括調(diào)子、和弦、頻率和變奏情況等，實(shí)際實(shí)施時(shí)，對(duì)大量的樣品音樂進(jìn)行音頻信號(hào)的提取，因此可以提取到大量的調(diào)子、和弦、頻率和變奏情況等音樂底層描述信息。音樂標(biāo)簽信息可以通過人工確定，例如由專業(yè)的音樂人士并結(jié)合大量的文獻(xiàn)來定義音樂標(biāo)簽信息，這種音樂標(biāo)簽信息可以包括多種標(biāo)簽值，例如包括能量值、情緒值、現(xiàn)場(chǎng)值、吉他值、樂器值、響度值、BPM值等，具體可以根據(jù)每個(gè)樣本音樂的音樂特征而定。

S102，建立所述音樂底層描述信息與所述音樂標(biāo)簽信息的映射關(guān)系；

其中，由于每個(gè)樣本音樂均由自己的音樂底層描述信息和音樂標(biāo)簽信息，因此可以基于此建立大量的音樂底層描述信息和音樂標(biāo)簽信息的映射關(guān)系。

S103，根據(jù)每個(gè)所述樣本音樂的運(yùn)動(dòng)狀態(tài)屬性及所述映射關(guān)系，建立音樂運(yùn)動(dòng)屬性評(píng)分模型；

其中，每個(gè)樣本音樂的運(yùn)動(dòng)狀態(tài)屬性可以由人工確定，例如有樣本音樂A、B、C、D，其中，A適合運(yùn)動(dòng)，則A的運(yùn)動(dòng)狀態(tài)屬性為1，B不適合運(yùn)動(dòng)，則B的運(yùn)動(dòng)狀態(tài)屬性為0，以此類推，由于樣本音樂A、B、C、D都有自己的音樂標(biāo)簽信息，那么就可以獲得大量音樂標(biāo)簽信息與是否適合運(yùn)動(dòng)的對(duì)應(yīng)關(guān)系，從而建立音樂運(yùn)動(dòng)屬性評(píng)分模型。

S104，提取當(dāng)前音樂的音頻信號(hào)，以獲取所述當(dāng)前音樂的當(dāng)前音樂底層描述信息及對(duì)應(yīng)的當(dāng)前音樂標(biāo)簽信息；

其中，對(duì)于需要分析的當(dāng)前音樂E，此時(shí)只需要重復(fù)步驟S101中提取當(dāng)前音樂E的音頻信號(hào)，獲取當(dāng)前音樂E的音樂底層描述信息即可，然后在映射關(guān)系找對(duì)與當(dāng)前音樂E的音樂底層描述信息對(duì)應(yīng)的音樂標(biāo)簽信息，而不需要再人工確定當(dāng)前音樂E的音樂標(biāo)簽信息。

S105，將所述當(dāng)前音樂標(biāo)簽信息代入所述音樂運(yùn)動(dòng)屬性評(píng)分模型中，以獲取所述當(dāng)前音樂的當(dāng)前運(yùn)動(dòng)屬性評(píng)分，并根據(jù)所述當(dāng)前運(yùn)動(dòng)屬性評(píng)分判斷所述當(dāng)前音樂與運(yùn)動(dòng)的匹配度。

其中，將當(dāng)前音樂E的音樂標(biāo)簽信息代入到音樂運(yùn)動(dòng)屬性評(píng)分模型中，即可得到當(dāng)前音樂E的當(dāng)前運(yùn)動(dòng)屬性評(píng)分，例如，音樂運(yùn)動(dòng)屬性評(píng)分模型中0分表示不適合運(yùn)動(dòng)，1分表示適合運(yùn)動(dòng)，而經(jīng)過計(jì)算，當(dāng)前音樂E的音樂運(yùn)動(dòng)屬性得分為0.1分，則表明當(dāng)前音樂E不適合運(yùn)動(dòng)，反之，若當(dāng)前音樂E的音樂運(yùn)動(dòng)屬性得分為0.9分，則表明當(dāng)前音樂E適合運(yùn)動(dòng)。

根據(jù)本發(fā)明實(shí)施例的音樂匹配運(yùn)動(dòng)的方法，首先通過對(duì)多個(gè)樣本音樂的音頻信號(hào)進(jìn)行提取，獲得音樂底層描述信息，同時(shí)每個(gè)樣本音樂又對(duì)應(yīng)各自的音樂標(biāo)簽信息，從而可以建立大量音樂底層描述信息與音樂標(biāo)簽信息的映射關(guān)系，然后樣本音樂的運(yùn)動(dòng)狀態(tài)屬性和映射關(guān)系，能夠建立音樂運(yùn)動(dòng)屬性評(píng)分模型，后續(xù)需要分析某個(gè)音樂是否符合運(yùn)動(dòng)時(shí)，只需先對(duì)該音樂進(jìn)行提取獲得當(dāng)前音樂標(biāo)簽信息，然后代入建立好的音樂運(yùn)動(dòng)屬性評(píng)分模型中即可，由于該方法是對(duì)音樂的音頻信號(hào)進(jìn)行提取，獲得音樂底層描述信息，因此，對(duì)音樂分析的更加全面，評(píng)價(jià)的音樂特征更多，更能準(zhǔn)確的評(píng)價(jià)當(dāng)前音樂是否符合運(yùn)動(dòng)。

此外，作為一個(gè)具體示例，請(qǐng)參閱圖2，在步驟S101中，所述提取多個(gè)樣本音樂的音頻信號(hào)，以獲取每個(gè)所述樣本音樂的音樂底層描述信息的步驟包括：

S1011，提取多個(gè)樣本音樂的音頻信號(hào)，通過濾波器組將每個(gè)所述樣本音樂的音頻信號(hào)分解成多個(gè)互不重疊的頻率子帶；

其中，由于音頻信號(hào)主要集中50Hz~200Hz這段頻率中，因此提取多個(gè)樣本音樂的音頻信號(hào)具體為通過低通濾波器獲得所述多個(gè)樣本音樂在50Hz~200Hz的音頻信號(hào)。

S1012，計(jì)算任一所述頻率子帶的幅度包絡(luò)，并對(duì)任一所述幅度包絡(luò)進(jìn)行差分處理和半波整流處理，以獲得每個(gè)所述樣本音樂的表示起始時(shí)間的峰值序列；

其中，以其中一個(gè)樣本音樂為孫燕姿的《天黑黑》為例進(jìn)行說明，可參閱圖3，具體為孫燕姿的《天黑黑》的峰值序列截取圖。

S1013，根據(jù)所述峰值序列的分布情況，獲得每個(gè)所述樣本音樂的音樂底層描述信息。

其中，還可以根據(jù)相應(yīng)的音樂理論獲得音樂的底層描述信息，所述音樂底層描述信息具體包括調(diào)子、和弦、頻率和變奏情況等。

此外，作為一個(gè)具體示例，在步驟S103中，所述根據(jù)每個(gè)所述樣本音樂的運(yùn)動(dòng)狀態(tài)屬性及所述映射關(guān)系，建立音樂運(yùn)動(dòng)屬性評(píng)分模型的步驟包括：

采用logistic回歸模型，將所述運(yùn)動(dòng)狀態(tài)屬性和所述映射關(guān)系中的所述音樂標(biāo)簽信息作為參數(shù)，通過多次反復(fù)的迭代以及參數(shù)的選擇調(diào)整，獲得所述音樂運(yùn)動(dòng)屬性評(píng)分模型，例如請(qǐng)參閱圖4，獲得的音樂運(yùn)動(dòng)屬性評(píng)分模型中音樂標(biāo)簽信息的貢獻(xiàn)值大小，本實(shí)施例的音樂運(yùn)動(dòng)屬性評(píng)分模型具體為score= -1.396846-1.926362*acousticness+1.019923*danceability-0.003839*duration+4.113861*energy-0.25232*instrumentalness-0.020569*key-0.211424*liveness-0.065363*loudness-0.212887*mode+2.0456*speechiness+0.015763*time_signature-1.24945*valence，其中，音樂標(biāo)簽信息包括：score為音樂運(yùn)動(dòng)屬性得分，acousticness為音響值，danceability為跳舞值，duration為持續(xù)值，energy為能量值，instrumentalness為樂器值，key為音調(diào)值，liveness為現(xiàn)場(chǎng)值，loudness為響度值，mode為模式值，speechiness為人聲值，time_signature為拍子記號(hào)值，valence為情緒值。其中，具體實(shí)施時(shí)，每個(gè)標(biāo)簽值的前面的系數(shù)可以根據(jù)各自的貢獻(xiàn)值計(jì)算得到。

請(qǐng)參閱圖5，基于同一發(fā)明構(gòu)思，本發(fā)明另一實(shí)施例提出的音樂匹配運(yùn)動(dòng)的系統(tǒng)，包括：

第一提取模塊10，用于提取多個(gè)樣本音樂的音頻信號(hào)，以獲取每個(gè)所述樣本音樂的音樂底層描述信息，任一所述樣本音樂均對(duì)應(yīng)一音樂標(biāo)簽信息；

映射關(guān)系建立模塊20，用于建立所述音樂底層描述信息與所述音樂標(biāo)簽信息的映射關(guān)系；

評(píng)分模型建立模塊30，用于根據(jù)每個(gè)所述樣本音樂的運(yùn)動(dòng)狀態(tài)屬性及所述映射關(guān)系，建立音樂運(yùn)動(dòng)屬性評(píng)分模型；

第二提取模塊40，用于提取當(dāng)前音樂的音頻信號(hào)，以獲取所述當(dāng)前音樂的當(dāng)前音樂底層描述信息及對(duì)應(yīng)的當(dāng)前音樂標(biāo)簽信息；

運(yùn)動(dòng)屬性評(píng)分模塊50，用于將所述當(dāng)前音樂標(biāo)簽信息代入所述音樂運(yùn)動(dòng)屬性評(píng)分模型中，以獲取所述當(dāng)前音樂的當(dāng)前運(yùn)動(dòng)屬性評(píng)分，并根據(jù)所述當(dāng)前運(yùn)動(dòng)屬性評(píng)分判斷所述當(dāng)前音樂與運(yùn)動(dòng)的匹配度。

本實(shí)施例中，所述第一提取模塊10具體用于：

提取多個(gè)樣本音樂的音頻信號(hào)，通過濾波器組將每個(gè)所述樣本音樂的音頻信號(hào)分解成多個(gè)互不重疊的頻率子帶；

計(jì)算任一所述頻率子帶的幅度包絡(luò)，并對(duì)任一所述幅度包絡(luò)進(jìn)行差分處理和半波整流處理，以獲得每個(gè)所述樣本音樂的表示起始時(shí)間的峰值序列；

根據(jù)所述峰值序列的分布情況，獲得每個(gè)所述樣本音樂的音樂底層描述信息。

本實(shí)施例中，所述音樂底層描述信息包括調(diào)子、和弦、頻率和變奏情況。

本實(shí)施例中，所述評(píng)分模型建立模塊30具體用于：

采用logistic回歸模型，將所述運(yùn)動(dòng)狀態(tài)屬性和所述映射關(guān)系中的所述音樂標(biāo)簽信息作為參數(shù)，通過多次反復(fù)的迭代以及參數(shù)的選擇調(diào)整，獲得所述音樂運(yùn)動(dòng)屬性評(píng)分模型。

本實(shí)施例中，所述第一提取模塊10還用于：

通過低通濾波器獲得所述多個(gè)樣本音樂在50Hz~200Hz的音頻信號(hào)。

本發(fā)明實(shí)施例提出的音樂匹配運(yùn)動(dòng)的系統(tǒng)的技術(shù)特征和技術(shù)效果與本發(fā)明實(shí)施例提出的方法相同，在此不予贅述。

在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認(rèn)為是用于實(shí)現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實(shí)現(xiàn)在任何計(jì)算機(jī)可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備（如基于計(jì)算機(jī)的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設(shè)備取指令并執(zhí)行指令的系統(tǒng)）使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用。就本說明書而言，“計(jì)算機(jī)可讀介質(zhì)”可以是任何可以包含、存儲(chǔ)、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用的裝置。

計(jì)算機(jī)可讀介質(zhì)的更具體的示例（非窮盡性列表）包括以下：具有一個(gè)或多個(gè)布線的電連接部（電子裝置），便攜式計(jì)算機(jī)盤盒（磁裝置），隨機(jī)存取存儲(chǔ)器（RAM），只讀存儲(chǔ)器（ROM），可擦除可編輯只讀存儲(chǔ)器（EPROM或閃速存儲(chǔ)器），光纖裝置，以及便攜式光盤只讀存儲(chǔ)器（CDROM）。另外，計(jì)算機(jī)可讀介質(zhì)甚至可以是可在其上打印所述程序的紙或其他合適的介質(zhì)，因?yàn)榭梢岳缤ㄟ^對(duì)紙或其他介質(zhì)進(jìn)行光學(xué)掃描，接著進(jìn)行編輯、解譯或必要時(shí)以其他合適方式進(jìn)行處理來以電子方式獲得所述程序，然后將其存儲(chǔ)在計(jì)算機(jī)存儲(chǔ)器中。

應(yīng)當(dāng)理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實(shí)現(xiàn)。在上述實(shí)施方式中，多個(gè)步驟或方法可以用存儲(chǔ)在存儲(chǔ)器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實(shí)現(xiàn)。例如，如果用硬件來實(shí)現(xiàn)，和在另一實(shí)施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項(xiàng)或他們的組合來實(shí)現(xiàn)：具有用于對(duì)數(shù)據(jù)信號(hào)實(shí)現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列（PGA），現(xiàn)場(chǎng)可編程門陣列（FPGA）等。

在本說明書的描述中，參考術(shù)語“一個(gè)實(shí)施例”、“一些實(shí)施例”、 “示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說明書中，對(duì)上述術(shù)語的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本發(fā)明的原理和宗旨的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同物限定。