集群目标动态电磁散射特性计算方法及装置

摘要

本发明提供了一种动态群目标电磁散射特性计算方法及装置，其中方法包括：获取待分析集群目标的场景信息；根据所述待分析集群目标的场景信息，生成常量数据；实时获取所述待分析集群目标的每一帧场景，并针对每一帧场景均执行：计算该帧场景对应的变量数据，并利用该帧场景对应的变量数据和所述常量数据，计算生成该帧场景对应的电磁散射特性。本方案，在对每一帧进行计算时，均省却了对常量数据的计算，大大减少了动态电磁散射特性的计算量。

说明书

技术领域

本发明实施例涉及电磁技术领域，特别涉及一种集群目标动态电磁散射特性计算方法及装置。

背景技术

无人机集群是由大量无人机组成的智能协同作战集群，其平台微型化、突防能力强、放飞条件低、机体廉价、效费比高，成为未来的主要作战形式之一。无人机集群主要执行战场情报侦察与监视、饱和攻击、电磁干扰与压制、电子诱饵等作战任务，对未来防空作战带来巨大的威胁，急需开展反无人机集群作战研究。反无人机集群的首要环节就是能对无人机集群进行探测。无人机集群内个体具有体积小、数量多的特点，集群内无人机分布较密集时，占据几个连续分辨单元的数个无人机被雷达视为一个扩展目标，但无人机集群并非一定数量的无人机简单叠加，集群中不同无人机会有不同的机动及微动特征，因此，对于无人机集群目标的探测，不能仅单纯地关注常态或平均情况下的静态、均值信息，而是要有效地融合利用时变的动态信息，调整和改进现有无人机集群目标动态建模和特征提取算法，提取无人机集群目标的动态电磁散射特性，实现对无人机集群目标的探测预警、准确识别和持续跟踪。

目前针对无人机的电磁建模和仿真技术还停留在静态的、传统的数值方法上，比如全波仿真方法。其中，全波仿真又分为微分类方法和积分类方法。微分类方法在分析目标时以空间中的场为未知量，需要对包围目标的一定空间(包括空气)进行离散，因此对于集群化的无人机编队，此类方法计算量较大；而积分类方法，仅需要对目标表面或者内部体区域进行离散，适合于集群目标的分析，但其计算复杂度较高，普通计算机难以承受。可见，现有技术方案不仅无法实现动态计算，且计算量较大。

发明内容

本发明实施例提供了一种集群目标动态电磁散射特性计算方法及装置，能够实现动态计算，且降低计算量。

第一方面，本发明实施例提供了一种集群目标动态电磁散射特性计算方法，包括：

获取待分析集群目标的场景信息；

根据所述待分析集群目标的场景信息，生成常量数据；

实时获取所述待分析集群目标的每一帧场景，并针对每一帧场景均执行：计算该帧场景对应的变量数据，并利用该帧场景对应的变量数据和所述常量数据，计算生成该帧场景对应的电磁散射特性。

优选地，在所述生成常量数据之前，还包括：

根据所述待分析集群目标的场景信息，基于矩量法得到降阶阻抗矩阵方程；所述降阶阻抗矩阵方程为第一矩阵与第二矩阵的乘积等于第三矩阵；其中，所述第一矩阵为MP×MP阶矩阵，所述第二矩阵和所述第三矩阵均为MP×1阶矩阵；其中，P为所述待分析集群目标中包含的子目标数量，M、P均为大于1的整数；

针对所述第一矩阵中M

将所述第一矩阵系数、所述第二矩阵系数、所述第一表达矩阵、所述第二表达矩阵和所述第三表达矩阵确定为常量，将所述旋转矩阵和所述格林函数确定为变量。

优选地，所述生成常量数据，包括：

计算所述第一矩阵系数的值，计算所述第一表达矩阵得到第一常量数据，计算所述第二表达矩阵得到第二常量数据；

计算所述第二矩阵系数的值；

针对所述待分析集群目标中包含的每一种类型的子目标，将该子目标与其它每一类型子目标进行组合，得到Q

针对每一个组合，对该组合中的两个子目标进行姿态采样和位置采样，得到若干种采样组合，并对每一种采样组合计算所述第三表达矩阵，得到对应的第三常量数据。

优选地，所述计算该帧场景对应的变量数据，包括：

针对所述第一矩阵中P

所述利用该帧场景对应的变量数据和所述常量数据，计算生成该帧场景对应的电磁散射特性，包括：

针对所述第一矩阵中每一个矩阵元素均执行：

将所述第一矩阵系数的值、所述第一常量数据、该矩阵元素所属降阶子矩阵的旋转矩阵、所述第二常量数据和该矩阵元素所属降阶子矩阵的格林函数相乘，得到该矩阵元素的矢量位项作用项；

根据该矩阵元素所对应两个子目标的相对姿态和距离，选择对应的第三常量数据，将所述第二矩阵系数的值、选择的该第三常量数据和该矩阵元素所属降阶子矩阵的格林函数相乘，得到该矩阵元素的标量位项作用项；

将该矩阵元素的矢量位项作用项和该矩阵元素的标量位项作用项相加，得到该矩阵元素；

根据得到的M

优选地，所述根据所述待分析集群目标的场景信息，基于矩量法得到降阶阻抗矩阵方程，包括：

基于矩量法构建初始阻抗矩阵方程；

根据所述待分析集群目标的场景信息，确定所述待分析集群目标中包含的子目标对应的至少一种类型；

针对该至少一种类型中的每一种类型均执行：根据该类型子目标的自作用阻抗矩阵生成该类型的特征模矩阵；

利用每一种类型的特征模矩阵，对所述初始阻抗矩阵方程进行降阶处理，得到处理后的降阶阻抗矩阵方程。

优选地，所述根据该类型子目标的自作用阻抗矩阵生成该类型的特征模矩阵，包括：

根据该类型子目标的自作用阻抗矩阵，确定该类型子目标的在各特征模式下的特征值和特征向量；

将各特征值中最小的M个特征值分别对应的特征向量的集合，确定为该类型的特征模矩阵。

优选地，所述格林函数为：

其中，G′为所述格林函数，R′为两个子目标的质心距离；

第二方面，本发明实施例还提供了一种集群目标动态电磁散射特性计算装置，包括：

场景信息获取单元，用于获取待分析集群目标的场景信息；

常量数据生成单元，用于根据所述待分析集群目标的场景信息，生成常量数据；

动态计算单元，用于实时获取所述待分析集群目标的每一帧场景，并针对每一帧场景均执行：计算该帧场景对应的变量数据，并利用该帧场景对应的变量数据和所述常量数据，计算生成该帧场景对应的电磁散射特性。

第三方面，本发明实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。

本发明实施例提供了一种集群目标动态电磁散射特性计算方法及装置，由于对集群目标的每一帧进行计算时，均是采用相同的计算过程，因此，通过对每一帧计算过程中的变量和常量进行区分，对常量进行一次计算得到常量数据，然后在对每一帧进行计算时，只需计算该帧对应的变量数据，并调用已经计算得到的常量数据，即可得到该帧对应的计算结果。可见，在对每一帧进行计算时，均省却了对常量数据的计算，大大减少了动态电磁散射特性的计算量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的一种集群目标动态电磁散射特性计算方法流程图；

图2是本发明一实施例提供的一种RWG基函数示意图；

图3是本发明一实施例提供的两个子目标之间距离的示意图；

图4是本发明一实施例提供的两个子目标之间RWG基函数的格林函数距离项的定义示意图；

图5是本发明一实施例提供的一种计算设备的硬件架构图；

图6是本发明一实施例提供的一种集群目标动态电磁散射特性计算装置结构图；

图7是本发明一实施例提供的另一种集群目标动态电磁散射特性计算装置结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如前所述，目前针对无人机的电磁建模和仿真技术还停留在静态的、传统的数值方法上，在静态计算过程中，是将无人机集群的动态场景进行逐帧分割，针对每一帧分别进行计算，且各帧计算过程之间相互无关联。在针对每一帧进行计算时，均需要针对当前帧的无人机集群的网格状态重新建立对应的网格模型，然后利用该网格模型计算电磁散射特性。考虑在针对每一帧进行计算时，均是采用相同的计算过程，如果能够将计算过程中使用的变量和常量进行区分，对常量进行一次计算得到常量数据，然后在对每一帧进行计算时，只需计算该帧对应的变量数据，并调用已经计算得到的常量数据，即可得到该帧对应的计算结果。可见，相对于现有技术，在对每一帧进行计算时，均省却了对常量数据的计算，大大减少了动态电磁散射特性的计算量。

下面描述以上构思的具体实现方式。

请参考图1，本发明实施例提供了一种集群目标动态电磁散射特性计算方法，该方法包括：

步骤100，获取待分析集群目标的场景信息。

步骤102，根据该待分析集群目标的场景信息，生成常量数据；

步骤104，实时获取该待分析集群目标的每一帧场景，并针对每一帧场景均执行：计算该帧场景对应的变量数据，并利用该帧场景对应的变量数据和所述常量数据，计算生成该帧场景对应的电磁散射特性。

本发明实施例中，由于对集群目标的每一帧进行计算时，均是采用相同的计算过程，因此，通过对每一帧计算过程中的变量和常量进行区分，对常量进行一次计算得到常量数据，然后在对每一帧进行计算时，只需计算该帧对应的变量数据，并调用已经计算得到的常量数据，即可得到该帧对应的计算结果。可见，在对每一帧进行计算时，均省却了对常量数据的计算，大大减少了动态电磁散射特性的计算量。

下面描述图1所示的各个步骤的执行方式。

首先，针对步骤100，获取待分析集群目标的场景信息。

在本发明一个实施例中，该待分析集群目标的场景信息可以包括：集群目标中所包含的子目标的类型、子目标的数量、各子目标的网格等。

其中，集群目标中所包含的子目标的类型可以为至少一种，比如集群中包含10个子目标，该10个子目标均为同一种类型，或者，该10个子目标对应两种类型。网格是用来表征子目标结构的网格线。

在本发明一个实施例中，为了能够将每一帧计算过程中的常量和变量进行区分，在步骤100之后，步骤102之前，还可以包括如下步骤1011-步骤1013：

步骤1011：根据所述待分析集群目标的场景信息，基于矩量法得到降阶阻抗矩阵方程；所述降阶阻抗矩阵方程为第一矩阵与第二矩阵的乘积等于第三矩阵；其中，所述第一矩阵为MP×MP阶矩阵，所述第二矩阵和所述第三矩阵均为MP×1阶矩阵；其中，2P为所述待分析集群目标中包含的子目标数量，M、P均为大于1的整数。

在本发明一个实施例中，本步骤1011至少可以通过如下一种方式来实现：

A1：基于矩量法构建初始阻抗矩阵方程。

假设待分析集群目标中包括P个子目标，每个子目标未知量的数量为N

其中，Z

A2：根据所述待分析集群目标的场景信息，确定所述待分析集群目标中包含的子目标对应的至少一种类型。

A3：针对该至少一种类型中的每一种类型均执行：根据该类型子目标的自作用阻抗矩阵生成该类型的特征模矩阵。

根据公式(1)可知，左侧N

由于集群目标中同一类型子目标的重复性，在本发明一个实施例中，可以针对每一种类型的各子目标中，任意选择一个子目标，利用选择的该子目标的自作用阻抗矩阵生成该类型的特征模矩阵。

本步骤A3可以包括：根据该类型子目标的自作用阻抗矩阵，确定该类型子目标的在各特征模式下的特征值和特征向量；将各特征值中最小的M个特征值分别对应的特征向量的集合，确定为该类型的特征模矩阵。

具体地，针对每一种类型中选择的子目标，本步骤A3均可以构建得到如下公式(2)：

X

其中，R

若利用上述公式计算得到的所有模式下的特征向量构建得到特征模矩阵，考虑得到的该特征模矩阵中冗余模式较多，无法有效降低矩阵阶数提高计算效率，因此，可以选择使得模式系数占比重较大的M个特征向量构建得到特征模矩阵，即，利用隐式重启Arnoldi法计算最小的M(M＜＜N

可以理解，针对同一种类型的子目标，假设第1个、第2个和第3个子目标均为同一种类型，且在生成特征模矩阵时是利用第1个子目标的自作用阻抗矩阵生成的J

A4：利用每一种类型的特征模矩阵，对所述初始阻抗矩阵方程进行降阶处理，得到处理后的降阶阻抗矩阵方程。

利用A3中得到的特征模矩阵J

该公式(3)左侧MP×MP阶矩阵为第一矩阵，左侧MP×1阶矩阵为第二矩阵，右侧MP×1阶矩阵为第三矩阵。

由于M<

步骤1012：针对所述第一矩阵中M

步骤1013：将所述第一矩阵系数、所述第二矩阵系数、所述第一表达矩阵、所述第二表达矩阵和所述第三表达矩阵确定为常量，将所述旋转矩阵和所述格林函数确定为变量。

举例来说，第一矩阵种的矩阵元素比如为

其中，第m个基函数位于子目标s上，第n个基函数位于子目标t上，

其中，RWG基函数示意图如图2所示，表示如下：

其中，

随着位置和姿态的改变，阻抗矩阵Z

从公式(6)可以看出，当位置改变，即子目标间距离改变时，只需改变格林函数G；而姿态改变时，只需改变矢量位项Z

下面针对矢量位项Z

一、矢量位项Z

矢量位项Z

其中，ω为角频率，η

当两个子目标之间的相对姿态发生改变后，可以子目标s的质心为原点建立局部坐标系，即ρ

由于子目标t的所有基函数都是旋转了相同的角度，因此旋转矩阵T适用于子目标t中所有的基函数。而对于子目标s和子目标t对应面元互相作用的格林函数G中的R，不用的面元对应不同的R，这里采用子目标s和子目标t的质心距离R′近似，则有：

矢量位项Z

那么，可以得出第一矩阵中每一个矩阵元素的矢量位项作用项

根据公式(11)可知，第一矩阵系数

二、标量位项

标量位项

其中，ε

如果使用矢量位项的近似方法，直接提出格林函数，原矩阵的标量位项就会因为

建表前仍然可以将子目标间的距离与姿态两个变量进行分离，分离过程如下：

其中，G′为根据公式(9)求得的单元1与单元2的近似格林函数。

那么，可以得出第一矩阵中每一个矩阵元素的标量位项作用项

根据公式(14)可知，第二矩阵系数

根据以上实施例可以得出：常量为：第一矩阵系数、第二矩阵系数、第一表达矩阵、第二表达矩阵和第三表达矩阵；变量为：旋转矩阵和格林函数。

然后，针对步骤102，根据该待分析集群目标的场景信息，生成常量数据。

本步骤可以包括：

步骤1021：计算所述第一矩阵系数的值，计算所述第一表达矩阵得到第一常量数据，计算所述第二表达矩阵得到第二常量数据；计算所述第二矩阵系数的值。

根据公式(11)可以得出第一矩阵系数

第二矩阵系数的值通过

步骤1022：针对该待分析集群目标中所包含的每一种类型的子目标，将该子目标与其它每一种类型子目标进行组合，得到Q

假设集群目标中包括Q种类型子目标，针对第一种类型子目标，可以分别与Q个类型子目标中的任一个类型的子目标进行组合，得到Q个组合；同理，针对第二种类型子目标，可以得到Q个组合，……，针对第Q个类型子目标，可以得到Q个组合；如此，可以得到Q

步骤1023：针对每一种组合，对该组合中的两个子目标进行姿态采样和位置采样，得到若干种采样组合，并对每一种采样组合计算所述第三表达矩阵，得到对应的第三常量数据。

在本发明一个实施例中，需要根据公式(13)和(14)对第三表达矩阵

1)姿态采样：俯仰角、偏航角、横滚角各取0、π/2、π、3π/2等4个角度进行姿态采样计算，共有4×4×4＝64种姿态；

2)位置采样：取±x,±y,±z等6个方向进行位置采样计算，采样距离均固定为R

那么可以对64种姿态和6个方向分别进行组合，可以得到64×6＝384种组合，每一种组合的情况下，可以代入到第三表达矩阵中，计算得到对应的第三常量数据。将第三常量数据存储倒预先建立的表中。表中包括3842Q

需要说明的是，上述姿态采样和位置采样的采样参数值均为举例的采样值，也可以针对其它角度和距离进行采样。采样组合情况越多，精度越高，但所需计算的第三常量数据就越多，计算量就越大，因此，上述姿态采样和位置采样的采样参数值为一种优选采样方式。

步骤104，实时获取该待分析集群目标的每一帧场景，并针对每一帧场景均执行：计算该帧场景对应的变量数据，并利用该帧场景对应的变量数据和所述常量数据，计算生成该帧场景对应的电磁散射特性。

由于在集群目标的动态场景中，每一帧场景下对应的姿态、位置可能都会发生变化，因此，需要逐帧进行计算。

在本发明一个实施例中，计算该帧场景对应的变量数据，可以包括：针对所述第一矩阵中P

其中，该旋转矩阵T和格林函数G′可以利用公式(8)(9)分别进行计算。

需要说明的是，针对第一矩阵中的P

此时常量数据和变量数据均计算完成，那么该步骤104中利用该帧场景对应的变量数据和所述常量数据，计算生成该帧场景对应的电磁散射特性，可以包括：

针对所述第一矩阵中每一个矩阵元素均执行：

将所述第一矩阵系数的值

根据该矩阵元素所对应两个子目标的相对姿态和距离，选择对应的第三常量数据，将所述第二矩阵系数的值

将该矩阵元素的矢量位项作用项

根据得到的M

上述公式(3)的降阶阻抗矩阵方程中，第一矩阵中的M

如图5、图6所示，本发明实施例提供了一种集群目标动态电磁散射特性计算装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图5所示，为本发明实施例提供的一种集群目标动态电磁散射特性计算装置所在计算设备的一种硬件架构图，除了图5所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的计算设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图6所示，作为一个逻辑意义上的装置，是通过其所在计算设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种集群目标动态电磁散射特性计算装置，包括：

场景信息获取单元601，用于获取待分析集群目标的场景信息；

常量数据生成单元602，用于根据所述待分析集群目标的场景信息，生成常量数据；

动态计算单元603，用于实时获取所述待分析集群目标的每一帧场景，并针对每一帧场景均执行：计算该帧场景对应的变量数据，并利用该帧场景对应的变量数据和所述常量数据，计算生成该帧场景对应的电磁散射特性。

在本发明一个实施例中，请参考图7，该集群目标动态电磁散射特性计算装置还可以包括：

常量变量分离单元604，具体用于执行：

根据所述待分析集群目标的场景信息，基于矩量法得到降阶阻抗矩阵方程；所述降阶阻抗矩阵方程为第一矩阵与第二矩阵的乘积等于第三矩阵；其中，所述第一矩阵为MP×MP阶矩阵，所述第二矩阵和所述第三矩阵均为MP×1阶矩阵；其中，P为所述待分析集群目标中包含的子目标数量，M、P均为大于1的整数；

针对所述第一矩阵中M

将所述第一矩阵系数、所述第二矩阵系数、所述第一表达矩阵、所述第二表达矩阵和所述第三表达矩阵确定为常量，将所述旋转矩阵和所述格林函数确定为变量。

在本发明一个实施例中，所述常量数据生成单元602，具体用于计算所述第一矩阵系数的值，计算所述第一表达矩阵得到第一常量数据，计算所述第二表达矩阵得到第二常量数据；计算所述第二矩阵系数的值；针对所述待分析集群目标中包含的每一种类型的子目标，将该子目标与其它每一类型子目标进行组合，得到Q

在本发明一个实施例中，动态计算单元603在执行所述计算该帧场景对应的变量数据时，具体包括：针对所述第一矩阵中P

所述动态计算单元603在执行所述利用该帧场景对应的变量数据和所述常量数据计算生成该帧场景对应的电磁散射特性时，具体包括：

针对所述第一矩阵中每一个矩阵元素均执行：

将所述第一矩阵系数的值、所述第一常量数据、该矩阵元素所属降阶子矩阵的旋转矩阵、所述第二常量数据和该矩阵元素所属降阶子矩阵的格林函数相乘，得到该矩阵元素的矢量位项作用项；

根据该矩阵元素所对应两个子目标的相对姿态和距离，选择对应的第三常量数据，将所述第二矩阵系数的值、选择的该第三常量数据和该矩阵元素所属降阶子矩阵的格林函数相乘，得到该矩阵元素的标量位项作用项；

将该矩阵元素的矢量位项作用项和该矩阵元素的标量位项作用项相加，得到该矩阵元素；

根据得到的M

在本发明一个实施例中，所述常量变量分离单元604，在根据所述待分析集群目标的场景信息，基于矩量法得到降阶阻抗矩阵方程时，具体包括：基于矩量法构建初始阻抗矩阵方程；根据所述待分析集群目标的场景信息，确定所述待分析集群目标中包含的子目标对应的至少一种类型；针对该至少一种类型中的每一种类型均执行：根据该类型子目标的自作用阻抗矩阵生成该类型的特征模矩阵；利用每一种类型的特征模矩阵，对所述初始阻抗矩阵方程进行降阶处理，得到处理后的降阶阻抗矩阵方程。

在本发明一个实施例中，所述常量变量分离单元604，在根据该类型子目标的自作用阻抗矩阵生成该类型的特征模矩阵时，具体包括：根据该类型子目标的自作用阻抗矩阵，确定该类型子目标的在各特征模式下的特征值和特征向量；将各特征值中最小的M个特征值分别对应的特征向量的集合，确定为该类型的特征模矩阵。

在本发明一个实施例中，所述格林函数为：

其中，G′为所述格林函数，R′为两个子目标的质心距离；

可以理解的是，本发明实施例示意的结构并不构成对一种集群目标动态电磁散射特性计算装置的具体限定。在本发明的另一些实施例中，一种集群目标动态电磁散射特性计算装置可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。

上述装置内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

本发明实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本发明任一实施例中的一种集群目标动态电磁散射特性计算方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行时，使所述处理器执行本发明任一实施例中的一种集群目标动态电磁散射特性计算方法。

具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

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在计算机可读取的存储介质中，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：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。