生命體征信號的重建方法、裝置、計算機設備和存儲介質(zhì)
1.本技術(shù)涉及信號處理技術(shù)領(lǐng)域，特別是涉及一種生命體征信號的重建方法、裝置、計算機設備和存儲介質(zhì)。
背景技術(shù)：
2.心沖擊圖(ballistocardiogram，bcg)信號是基于無擾式傳感器信號采集設備獲取的一種能反應人體心臟功能的信號，它的產(chǎn)生機制是心臟泵血收縮，血液快速沖擊血管而使得人體產(chǎn)生細微的顫抖。bcg信號是一種微弱的力信號，可以在非直接接觸的情況下通過壓力傳感器將力信號轉(zhuǎn)換為電信號，實現(xiàn)對用戶生命體征信號的勿擾采集。
3.由產(chǎn)生機制可看出，bcg信號與人體心臟功能密切相關(guān)，但也同時固有存在以下特點：(1)魯棒性差：由于人體各器官的代謝運動產(chǎn)生的微振會對bcg信號有干擾，采集的bcg形態(tài)不穩(wěn)定；(2)個體差異明顯：bcg信號形態(tài)會隨著人的生理狀況不同導致心臟活動狀況不同產(chǎn)生差異；(3)環(huán)境因素影響大：由于bcg信號是通過壓力傳感器采集的，患者的心臟與傳感器距離的遠近會影響采集信號的采集質(zhì)量。
4.結(jié)合以上特點，導致bcg信號在采集過程中，極易受到非接觸設備一并采集到的體動偽跡的干擾，導致部分片段波形被破壞，而嚴重影響了后續(xù)進一步的心搏定位和hrv等處理和分析。然而，現(xiàn)有技術(shù)中，對被體動偽跡破壞的信號進行重建，以獲得原始的正常信號，準確性不高。
技術(shù)實現(xiàn)要素：
5.基于此，本發(fā)明的目的在于，提供一種生命體征信號的重建方法、裝置、計算機設備和存儲介質(zhì)，其具有提高生命體征信號重建的準確性的優(yōu)點。
6.根據(jù)本技術(shù)實施例的第一方面，提供一種生命體征信號的重建方法，包括如下步驟：
7.獲取生命體征信號；所述生命體征信號包括至少一個體動偽跡信號、第一正常信號以及第二正常信號；所述第一正常信號為所述體動偽跡信號之前的且與所述體動偽跡信號相鄰的連續(xù)正常信號，所述第二正常信號為所述體動偽跡信號之后的且與所述體動偽跡信號相鄰的連續(xù)正常信號；
8.根據(jù)所述第一正常信號以及所述第二正常信號，判斷所述體動偽跡信號是否可以重建；
9.若所述體動偽跡信號可以重建，將所述第一正常信號、所述第二正常信號輸入至預設的體動偽跡信號重建模型中，獲得所述體動偽跡信號對應的重建信號。
10.根據(jù)本技術(shù)實施例的第二方面，提供一種生命體征信號的重建裝置，包括：
11.信號獲取模塊，用于獲取生命體征信號；所述生命體征信號包括至少一個體動偽跡信號、第一正常信號以及第二正常信號；所述第一正常信號為所述體動偽跡信號之前的且與所述體動偽跡信號相鄰的連續(xù)正常信號，所述第二正常信號為所述體動偽跡信號之后
的且與所述體動偽跡信號相鄰的連續(xù)正常信號；
12.信號判斷模塊，用于根據(jù)所述第一正常信號以及所述第二正常信號，判斷所述體動偽跡信號是否可以重建；
13.信號重建模塊，用于若所述體動偽跡信號可以重建，將所述第一正常信號、所述第二正常信號輸入至預設的體動偽跡信號重建模型中，獲得所述體動偽跡信號對應的重建信號；
14.信號替換模塊，用于將所述重建信號替換所述生命體征信號中相應的體動偽跡信號，獲得重建后的生命體征信號。
15.根據(jù)本技術(shù)實施例的第三方面，提供一種計算機設備，包括：處理器和存儲器；其中，所述存儲器存儲有計算機程序，所述計算機程序適于由所述處理器加載并執(zhí)行如上述任意一項所述的生命體征信號的重建方法。
16.根據(jù)本技術(shù)實施例的第四方面，提供一種計算機可讀存儲介質(zhì)，其上儲存有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上述任意一項所述的生命體征信號的重建方法。
17.本技術(shù)實施例通過獲取生命體征信號；所述生命體征信號包括至少一個體動偽跡信號、第一正常信號以及第二正常信號；所述第一正常信號為所述體動偽跡信號之前的且與所述體動偽跡信號相鄰的連續(xù)正常信號，所述第二正常信號為所述體動偽跡信號之后的且與所述體動偽跡信號相鄰的連續(xù)正常信號；根據(jù)所述第一正常信號以及所述第二正常信號，判斷所述體動偽跡信號是否可以重建；若所述體動偽跡信號可以重建，將所述第一正常信號、所述第二正常信號輸入至預設的體動偽跡信號重建模型中，獲得所述體動偽跡信號對應的重建信號，將所述重建信號替換所述生命體征信號中相應的體動偽跡信號，獲得重建后的生命體征信號，提高了生命體征信號重建的準確性。
18.應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本技術(shù)。
19.為了更好地理解和實施，下面結(jié)合附圖詳細說明本發(fā)明。
附圖說明
20.圖1為本技術(shù)一個實施例提供的生命體征信號的重建方法的流程示意圖；
21.圖2為本技術(shù)一個實施例提供的生命體征信號的重建方法中步驟s20的流程示意圖；
22.圖3為本技術(shù)另一個實施例提供的生命體征信號的重建方法中步驟s20的流程示意圖；
23.圖4為本技術(shù)一個實施例提供的生命體征信號的重建方法中步驟s1的流程示意圖；
24.圖5為本技術(shù)一個實施例提供的生命體征信號的重建方法中步驟s30的流程示意圖；
25.圖6為本技術(shù)一個實施例提供的生命體征信號的重建方法中步驟s303的流程示意圖；
26.圖7為本技術(shù)一個實施例提供的生命體征信號的重建裝置的結(jié)構(gòu)框圖；
27.圖8為本技術(shù)一個實施例提供的電子設備的結(jié)構(gòu)示意框圖。
具體實施方式
28.為使本技術(shù)的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本技術(shù)實施例方式作進一步地詳細描述。
29.應當明確，所描述的實施例僅僅是本技術(shù)一部分實施例，而不是全部的實施例?；诒炯夹g(shù)中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本技術(shù)保護的范圍。
30.在本技術(shù)實施例使用的術(shù)語是僅僅出于描述特定實施例的目的，而非旨在限制本技術(shù)實施例。在本技術(shù)實施例和所附權(quán)利要求書中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。還應當理解，本文中使用的術(shù)語“和/或”是指并包含一個或多個相關(guān)聯(lián)的列出項目的任何或所有可能組合。
31.下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本技術(shù)相一致的所有實施方式。相反，它們僅是如所附權(quán)利要求書中所詳述的、本技術(shù)的一些方面相一致的裝置和方法的例子。在本技術(shù)的描述中，需要理解的是，術(shù)語“第一”、“第二”、“第三”等僅用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序，也不能理解為指示或暗示相對重要性。對于本領(lǐng)域的普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語在本技術(shù)中的具體含義。
32.此外，在本技術(shù)的描述中，除非另有說明，“多個”是指兩個或兩個以上?！昂?或”，描述關(guān)聯(lián)對象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，a和/或b，可以表示：單獨存在a，同時存在a和b，單獨存在b這三種情況。字符“/”一般表示前后關(guān)聯(lián)對象是一種“或”的關(guān)系。
33.實施例1
34.請參閱圖1，本發(fā)明實施例提供一種生命體征信號的重建方法，包括的步驟如下：
35.s10：獲取生命體征信號；所述生命體征信號包括至少一個體動偽跡信號、第一正常信號以及第二正常信號；所述第一正常信號為所述體動偽跡信號之前的且與所述體動偽跡信號相鄰的連續(xù)正常信號，所述第二正常信號為所述體動偽跡信號之后的且與所述體動偽跡信號相鄰的連續(xù)正常信號。
36.在本技術(shù)實施例中，所述生命體征信號的重建方法的執(zhí)行主體為生命體征信號的重建設備(以下簡稱重建設備)，重建設備可以是一臺計算機設備，可以是服務器，或多臺計算機設備聯(lián)合而成的服務器機。
37.重建設備可以通過在預設的數(shù)據(jù)庫中進行查詢，獲取用戶的生命體征信號。重建設備也可以采用無擾式傳感器實時采集用戶的生命體征信號。其中，無擾式傳感器包括信號采集模塊和數(shù)據(jù)存儲模塊。
38.具體地，信號采集模塊放置于用戶枕頭下放，用戶枕在枕頭上入睡，用戶由于心臟活動、呼吸活動等使身體產(chǎn)生微振，重心發(fā)生偏移，產(chǎn)生力信號。信號采集模塊可將力信號轉(zhuǎn)換為模擬電信號，隨后通過內(nèi)置的濾波電路、放大電路以及a/d轉(zhuǎn)換電路，對模擬電信號進行濾波、放大、a/d轉(zhuǎn)換變?yōu)椴蓸勇蕿?000hz的數(shù)字信號，即為用戶的生命體征信號。其中，生命體征信號包括時序連續(xù)的若干個正常信號和至少一個體動偽跡信號。
39.以某個體動偽跡信號為例，獲取與該體動偽跡信號之前的在時序上相鄰的連續(xù)正
常信號，即第一正常信號，例如，第一正常信號的信號長度為6s。獲取與該體動偽跡信號之后的在時序上相鄰的連續(xù)正常信號，即第二正常信號，例如，第二正常信號的信號長度為7s。將所述第一正常信號記為sig_left，將所述第二正常信號記為sig_right。
40.s20：根據(jù)所述第一正常信號以及所述第二正常信號，判斷所述體動偽跡信號是否可以重建。
41.在本技術(shù)實施例中，可以根據(jù)第一正常信號以及所述第二正常信號的信號長度以及信號質(zhì)量來判斷體動偽跡信號重建的可行性。若信號長度過短，則無法有效將體動偽跡信號恢復至原始正常信號。若信號質(zhì)量差，即使準確恢復體動偽跡信號，對于后續(xù)的信號處理也不會起到任何作用。
42.s30：若所述體動偽跡信號可以重建，將所述第一正常信號、所述第二正常信號輸入至預設的體動偽跡信號重建模型中，獲得所述體動偽跡信號對應的重建信號。
43.在本技術(shù)實施例中，預設的體動偽跡信號重建模型為一種深度學習模型，具體地，為一生成式對抗網(wǎng)絡(gan，generative adversarial networks)，包括生成器和判別器。生成器(generator)通過接收體動偽跡前邊和后邊的正常信號，對體動偽跡信號進行重建，將體動偽跡信號恢復至原始正常信號。
44.判別器(discriminator)分別接收真實的原信號，以及生成器生成的信號，用于判別兩者是否一致。在訓練過程中，生成器的目標就是盡量生成真實的信號去欺騙判別器。而判別器的目標就是盡量把生成網(wǎng)絡生成的信號和真實的信號區(qū)分開來。這樣，生成器和判別器構(gòu)成了一個動態(tài)的“博弈過程”。最后博弈的結(jié)果是：在最理想的狀態(tài)下生成器可以生成足以“以假亂真”的信號。對于判別器來說，它難以判定生成器生成的信號究竟是不是真實的。
45.在判斷體動偽跡信號可以重建后，將所述第一正常信號輸入至預設的體動偽跡信號重建模型中，可以獲得前向預測的重建信號；將所述第二正常信號輸入至預設的體動偽跡信號重建模型中，可以獲得后向預測的重建信號。將前向預測的重建信號與后向預測的重建信號求平均，從而獲得體動偽跡信號對應的重建信號。在判斷體動偽跡信號不可以重建后，則跳過該體動偽跡信號，對下一個體動偽跡信號進行是否可以重建判斷。
46.s40：將所述重建信號替換所述生命體征信號中相應的體動偽跡信號，獲得重建后的生命體征信號。
47.在本技術(shù)實施例中，將生命體征信號中所有可以重建的體動偽跡信號通過對應的重建信號進行替換，獲得重建后的生命體征信號。
48.應用本技術(shù)實施例，通過獲取生命體征信號；所述生命體征信號包括至少一個體動偽跡信號、第一正常信號以及第二正常信號；所述第一正常信號為所述體動偽跡信號之前的且與所述體動偽跡信號相鄰的連續(xù)正常信號，所述第二正常信號為所述體動偽跡信號之后的且與所述體動偽跡信號相鄰的連續(xù)正常信號；根據(jù)所述第一正常信號以及所述第二正常信號，判斷所述體動偽跡信號是否可以重建；若所述體動偽跡信號可以重建，將所述第一正常信號、所述第二正常信號輸入至預設的體動偽跡信號重建模型中，獲得所述體動偽跡信號對應的重建信號，將所述重建信號替換所述生命體征信號中相應的體動偽跡信號，獲得重建后的生命體征信號。本技術(shù)通過預設的體動偽跡信號重建模型提取體動偽跡前后正常信號的時序特征和形態(tài)特征，根據(jù)前后正常信號對體動偽跡信號進行前后雙向重建，
獲得體動偽跡信號對應的重建信號，提高了生命體征信號重建的準確性。
49.在一個可選的實施例中，請參閱圖2，所述步驟s20包括步驟s201～s202，具體如下：
50.s201：獲取所述第一正常信號的第一信號長度以及所述第二正常信號的第二信號長度；
51.s202：若所述第一信號長度以及所述第二信號長度均大于或等于第一預設信號長度，確定所述體動偽跡信號可以重建。
52.在本技術(shù)實施例中，第一預設信號長度為5s，第一正常信號的第一信號長度或第二正常信號的第二信號長度均大于或等于5s，則確定該體動偽跡信號可以重建。若第一正常信號的第一信號長度或第二正常信號的第二信號長度小于5s，則跳過該體動偽跡信號的重建。通過體動偽跡前后正常信號的信號長度，判斷體動偽跡信號是否有重建的可行性，可以自動快捷地篩選可重建的體動偽跡信號。
53.在一個可選的實施例中，請參閱圖3，所述步驟s20包括步驟s203～s204，具體如下：
54.s203：分別計算所述第一正常信號和所述第二正常信號的樣本熵、一階標準差以及二階標準差；
55.s204：若所述樣本熵均小于預設的第一樣本熵閾值且所述樣本熵均大于預設的第二樣本熵閾值、所述一階標準差均小于預設的一階標準差閾值、以及所述二階標準差均小于預設的二階標準差閾值，確定所述體動偽跡信號可以重建。
56.其中，樣本熵(sample entropy)是通過度量信號中產(chǎn)生新模式的概率大小來衡量時間序列復雜性，新模式產(chǎn)生的概率越大，序列的復雜性就越大。計算樣本熵的方法為現(xiàn)有技術(shù)，在此不再贅述。
57.在本技術(shù)實施例中，以第一正常信號的第一信號長度為6s，第二正常信號的第二信號長度為7s為例，對第一正常信號和第二正常信號分別計算樣本熵，分別記為sam_left和sam_right。將第一正常信號分為6個1s信號片段，計算第一正常信號的一階標準差分別為[std_left1，std_left2，
…
，std_left6]。將這6個一階標準差計算標準差，獲得第一正常信號的二階標準差，記為std2_left。將第二正常信號分為7個1s信號片段，計算第二正常信號的一階標準差分別為[std_right1，std_right2，
…
，std_right7]。將這7個一階標準差計算標準差，獲得第二正常信號的二階標準差，記為std2_right。
[0058]
設定經(jīng)驗閾值進行信號質(zhì)量劃分，其中，預設的第一樣本熵閾值為樣本熵上限閾值，記為thr_max_sam，預設的第二樣本熵閾值為樣本熵下限閾值為thr_min_sam，預設的一階標準差閾值thr_std1，預設的二階標準差閾值為thr_std2。由于樣本熵描述的是信號的時序復雜度，信號質(zhì)量越差的波形，信號時序越凌亂和復雜，樣本熵也就越大，因此樣本熵小于樣本熵上限閾值則判為信號質(zhì)量較好，另外需要注意的是部分信號由于受試者離床，導致波形為一條直線，樣本熵極小，因此設置了樣本熵下限閾值，以防止這種情況被歸類為正常信號。其次一階標準差僅取最大值與thr_std1比較，保證每個1s信號片段的離散程度小于一階標準差閾值thr_std1即可認為各信號片段為信號質(zhì)量較好的正常信號。二階標準差衡量的是每個1s信號片段的一階標準差的離散程度，如果該值比較大，說明信號波動較嚴重，可能存在心律失常等導致的前后信號形態(tài)或時序異常的情況，因此只有在二階標準
差小于二階標準差閾值thr_std2才認為體動偽跡信號可以重建。
[0059]
在本技術(shù)實施例中，若所述第一正常信號和所述第二正常號的樣本熵均小于預設的第一樣本熵閾值且所述樣本熵均大于預設的第二樣本熵閾值、所述一階標準差均小于預設的一階標準差閾值、以及所述二階標準差均小于預設的二階標準差閾值，確定所述體動偽跡信號可以重建；若所述第一正常信號和所述第二正常號的樣本熵、一階標準差、二階標準差的其中一個不滿足預設閾值，則判斷體動偽跡信號不可以重建。
[0060]
可選的，先判斷第一正常信號和第二正常信號的信號長度，若信號長度均滿足第一預設信號長度，再判斷第一正常信號和第二正常信號的信號質(zhì)量，通過信號長度和信號質(zhì)量兩者結(jié)合，來判斷體動偽跡信號是否可以重建。
[0061]
通過樣本熵、一階標準差以及二階標準差判斷體動偽跡信號是否有重建的必要性，防止對信號質(zhì)量較差的片段重建，導致原信號序列的時序性被進一步破壞。
[0062]
在一個可選的實施例中，所述步驟s30之前，包括步驟s1～s7，具體如下：
[0063]
s1：獲取若干個第二預設信號長度的正常信號樣本數(shù)據(jù)。
[0064]
在本技術(shù)實施例中，第二預設信號長度為6s。
[0065]
s2：將所述正常信號樣本數(shù)據(jù)劃分為時序上連續(xù)的第一樣本數(shù)據(jù)和第二樣本數(shù)據(jù)；所述第一樣本數(shù)據(jù)的信號長度為第一預設信號長度，所述第二樣本數(shù)據(jù)的信號長度為所述第二預設信號長度與所述第一預設信號長度的差。
[0066]
在本技術(shù)實施例中，將6s的正常信號樣本數(shù)據(jù)劃分為前5s的信號片段(第一樣本數(shù)據(jù))和后1s的信號片段(第二樣本數(shù)據(jù))。
[0067]
s3：將所述第一樣本數(shù)據(jù)作為生成對抗網(wǎng)絡中生成器的輸入，獲得所述生成器的第一預測結(jié)果，將所述第一預測結(jié)果和所述第二樣本數(shù)據(jù)均作為所述生成對抗網(wǎng)絡中判別器的輸入，獲得所述判別器的第一判別結(jié)果。
[0068]
在本技術(shù)實施例中，將5s的第一樣本數(shù)據(jù)輸入至生成器，獲得1s的第一預測結(jié)果，將1s的第一預測結(jié)果和1s的第二樣本數(shù)據(jù)輸入至判別器，獲得第一判別結(jié)果。
[0069]
s4：將所述正常信號樣本數(shù)據(jù)劃分為時序上連續(xù)的第三樣本數(shù)據(jù)和第四樣本數(shù)據(jù)；所述第三樣本數(shù)據(jù)的信號長度為第三預設信號長度，所述第四樣本數(shù)據(jù)的信號長度為所述第二預設信號長度與所述第三預設信號長度的差。
[0070]
在本技術(shù)實施例中，將6s的正常信號樣本數(shù)據(jù)劃分為前1s的信號片段(第三樣本數(shù)據(jù))和后5s的信號片段(第四樣本數(shù)據(jù))。
[0071]
s5：將所述第四樣本數(shù)據(jù)作為所述生成器的輸入，獲得所述生成器的第二預測結(jié)果，將所述第二預測結(jié)果和所述第三樣本數(shù)據(jù)均作為所述判別器的輸入，獲得所述判別器的第二判別結(jié)果。
[0072]
在本技術(shù)實施例中，將5s的第四樣本數(shù)據(jù)輸入至生成器，獲得1s的第二預測結(jié)果，將1s的第二預測結(jié)果和1s的第三樣本數(shù)據(jù)輸入至判別器，獲得第二判別結(jié)果。
[0073]
s6：不斷訓練所述生成器和所述判別器，直至所述第一判別結(jié)果和所述第二判別結(jié)果達到預設閾值，獲得訓練好的生成對抗網(wǎng)絡；
[0074]
s7：將所述訓練好的生成對抗網(wǎng)絡作為預設的體動偽跡信號重建模型。
[0075]
在本技術(shù)實施例中，生成器包括門控循環(huán)單元和全卷積網(wǎng)絡，判別器采用多層感知機(multilayer perceptron，mlp)模型，包括輸入層、隱藏層和輸出層。判別器的判別結(jié)
果計算公式如下：
[0076]
relu(x)＝max(0，x)
[0077]
h[n]＝relu(w[0]
·
x[0]+w[1]
·
x[1]+...+w[p]
·
x[p]+b)
[0078][0079]
其中，relu是激活函數(shù)，w和v是權(quán)重參數(shù)，b是偏置參數(shù)，h[n]是隱藏層結(jié)果，是輸出層輸出的判別結(jié)果。
[0080]
生成對抗網(wǎng)絡的目標函數(shù)，具體如下：
[0081][0082]
其中，表示分布函數(shù)的期望值，p
data
表示真實數(shù)據(jù)的分布，pz(x)表示模型輸入數(shù)據(jù)的分布。
[0083]
其中，判別器d的目標函數(shù)具體如下：
[0084][0085]
當真實數(shù)據(jù)標簽為1，生成數(shù)據(jù)標簽為0時，我們期望真實數(shù)據(jù)越來越接近于1，也就是說使得d(x)為1，而生成的數(shù)據(jù)越來越接近于0，d(g(x))＝0，所以目標函數(shù)會增大。
[0086]
生成器g的目標函數(shù)具體如下：
[0087][0088]
生成器是對生成數(shù)據(jù)的期望，我們期望d(g(x))趨向于1，因為真實標簽為1，所以使得目標函數(shù)減小。生成器在訓練時，判別器是需要固定的。生成器和判別器分別進行訓練，交替進行。生成器和判別器互相博弈，判別器希望能夠判別出生成數(shù)據(jù)，而生成器又在不斷地優(yōu)化網(wǎng)絡，使得數(shù)據(jù)越來越逼真，從而獲得訓練好的生成器和判別器，即訓練好的生成對抗網(wǎng)絡，將所述訓練好的生成對抗網(wǎng)絡作為預設的體動偽跡信號重建模型。
[0089]
在一個可選的實施例中，請參閱圖4，所述步驟s1包括步驟s101～s104，具體如下：
[0090]
s101：獲取用戶整晚的生命體征信號樣本數(shù)據(jù)；
[0091]
s102：對所述生命體征信號樣本數(shù)據(jù)進行降采樣，去除降采樣后的所述生命體征信號進行體動偽跡信號、工頻干擾以及高頻噪聲的濾除，獲得正常信號樣本數(shù)據(jù)。
[0092]
在本技術(shù)實施例中，對生命體征信號樣本數(shù)據(jù)進行降采樣，具體地，對生命體征信號樣本數(shù)據(jù)進行間隔采樣，例如，每10個信號點采樣一次，由于生命體征信號樣本數(shù)據(jù)的采樣率為1000hz，從而獲得降采樣后采樣率為100hz的生命體征信號樣本數(shù)據(jù)。
[0093]
由于生命體征信號樣本數(shù)據(jù)中存在體動偽跡、工頻干擾以及高頻噪聲等干擾，人工剔除體動偽跡后，通過截止頻率為10hz的六階巴特沃斯低通濾波器，去除工頻干擾及高斯加性噪聲，獲得正常信號樣本數(shù)據(jù)。
[0094]
s103：根據(jù)第二預設信號長度，對所述正常信號樣本數(shù)據(jù)進行滑窗分割，獲得分割后的正常信號樣本數(shù)據(jù)。
[0095]
在本技術(shù)實施例中，預設的第二信號長度為6s，將正常信號樣本數(shù)據(jù)按順序以1s為步進，滑窗分割成一個一個6s片段(包括600個信號點)。
[0096]
s104：對所述分割后的正常信號樣本數(shù)據(jù)進行z-score標準化操作，獲得若干個第
二預設信號長度的正常信號樣本數(shù)據(jù)。
[0097]
在本技術(shù)實施例中，對每個6s片段進行去均值和除以標準差的z-score標準化操作，獲得若干個正常信號樣本片段。其中，z-score標準化操作的計算公式如下：
[0098][0099]
其中，z是每個信號點經(jīng)過z-score標準化操作后的信號幅度，x是每個信號點的信號幅度，μ是6s片段內(nèi)所有信號點的信號幅度平均值，σ是6s片段內(nèi)所有信號點的信號幅度標準差。
[0100]
通過z-score標準化操作，使得每個信號點的信號幅度在0范圍上下波動，且波動范圍較統(tǒng)一，從而可以減少不同用戶之間心沖擊信號幅度范圍上的差異性，盡可能使每個信號片段的幅值控制在相同的范圍內(nèi)變化。
[0101]
在一個可選的實施例中，請參閱圖5，所述步驟s30包括步驟s301～s312，具體如下：
[0102]
s301：將所述體動偽跡信號劃分為若干個時序連續(xù)的第三預設信號長度的體動偽跡信號單元。
[0103]
其中，第三預設信號長度為1s。若體動偽跡信號為1s，則體動偽跡信號本身為一個體動偽跡信號單元。若體動偽跡信號為1s以上，則將體動偽跡信號劃分為若干個1s的體動偽跡信號單元。例如，體動偽跡信號為2s，則將體動偽跡信號劃分為兩個1s的體動偽跡信號單元，體動偽跡信號為2.5s，則將體動偽跡信號劃分為三個1s的體動偽跡信號單元。在本技術(shù)實施例中，以體動偽跡信號為3s進行說明，將體動偽跡信號劃分為三個1s的體動偽跡信號單元。
[0104]
s302：從所述第一正常信號中選取第三正常信號；其中，所述第三正常信號為與所述體動偽跡信號在時序上連續(xù)的第一預設信號長度的正常信號。
[0105]
在本技術(shù)實施例中，第一預設信號長度為5s，從6s的第一正常信號中選取后5s信號片段，作為第三正常信號。
[0106]
s303：將所述第三正常信號輸入至預設的體動偽跡信號重建模型，獲得第一個體動偽跡信號單元的第一重建信號。
[0107]
在本技術(shù)實施例中，將5s的第三正常信號輸入至預設的體動偽跡信號重建模型，重建體動偽跡信號的第1s信號片段，也即，獲得第一個體動偽跡信號單元的第一重建信號。
[0108]
s304：從所述第三正常信號中選取第四正常信號，將所述第四正常信號與所述第一個體動偽跡信號單元的第一重建信號拼接后，輸入至預設的體動偽跡信號重建模型，獲得第二個體動偽跡信號單元的第一重建信號；其中，所述第四正常信號為與所述第一個體動偽跡信號單元在時序上連續(xù)的正常信號，所述第四正常信號的信號長度為所述第一預設信號長度與所述第三預設信號長度的差。
[0109]
在本技術(shù)實施例中，從5s的第三正常信號中選取后4s信號片段，作為第四正常信號。將4s的第四正常信號和1s的第一個體動偽跡信號單元的第一重建信號拼接，獲得5s的信號片段，將這5s的信號片段輸入至預設的體動偽跡信號重建模型，重建體動偽跡信號的第2s信號片段，也即，獲得第二個體動偽跡信號單元的第一重建信號。
[0110]
s305：從所述第四正常信號中選取第五正常信號，將所述第五正常信號與所述第
一個體動偽跡信號單元的第一重建信號、所述第二個體動偽跡信號單元的第一重建信號拼接后，輸入至預設的體動偽跡信號重建模型，獲得下一個體動偽跡信號單元的第一重建信號；其中，所述第五正常信號為與所述第一個體動偽跡信號單元在時序上連續(xù)的正常信號，所述第五正常信號的信號長度為所述第一預設信號長度與二倍所述第三預設信號長度的差；
[0111]
s306：直至確定所有體動偽跡信號單元的第一重建信號。
[0112]
同樣地，從4s的第四正常信號中選取后3s信號片段，作為第五正常信號。將3s的第五正常信號和1s的第一個體動偽跡信號單元的第一重建信號、1s的第二個體動偽跡信號單元的第一重建信號拼接，獲得5s的信號片段，將這5s的信號片段輸入至預設的體動偽跡信號重建模型，重建體動偽跡信號的第3s信號片段，也即，獲得第三個體動偽跡信號單元的第一重建信號。
[0113]
s307：從所述第二正常信號中選取第六正常信號；其中，所述第六正常信號為與所述體動偽跡信號在時序上連續(xù)的第一預設信號長度的正常信號。
[0114]
在本技術(shù)實施例中，從7s的第二正常信號中選取前5s信號片段，作為第六正常信號。
[0115]
s308：將所述第六正常信號輸入至預設的體動偽跡信號重建模型，獲得倒數(shù)第一個體動偽跡信號單元的第二重建信號。
[0116]
在本技術(shù)實施例中，將5s的第六正常信號輸入至預設的體動偽跡信號重建模型，重建體動偽跡信號的最后1s信號片段，獲得倒數(shù)第一個體動偽跡信號單元的第二重建信號。
[0117]
s309：從所述第六正常信號中選取第七正常信號，將所述第七正常信號與所述倒數(shù)第一個體動偽跡信號單元的第二重建信號拼接后，輸入至預設的體動偽跡信號重建模型，獲得倒數(shù)第二個體動偽跡信號單元的第二重建信號；其中，所述第七正常信號為與所述倒數(shù)第一個體動偽跡信號單元在時序上連續(xù)的正常信號，所述第七正常信號的信號長度為所述第一預設信號長度與所述第三預設信號長度的差。
[0118]
在本技術(shù)實施例中，從5s的第六正常信號中選取前4s信號片段，作為第七正常信號。將4s的第七正常信號和1s的倒數(shù)第一個體動偽跡信號單元的第二重建信號拼接，獲得5s的信號片段，將這5s的信號片段輸入至預設的體動偽跡信號重建模型，獲得倒數(shù)第二個體動偽跡信號單元的第二重建信號。
[0119]
s310：從所述第七正常信號中選取第八正常信號，將所述第八正常信號與所述倒數(shù)第一個體動偽跡信號單元的第二重建信號、所述倒數(shù)第二個體動偽跡信號單元的第二重建信號拼接后，輸入至預設的體動偽跡信號重建模型，獲得上一個體動偽跡信號單元的第二重建信號；其中，所述第八正常信號為與所述倒數(shù)第一個體動偽跡信號單元在時序上連續(xù)的正常信號，所述第八正常信號的信號長度為所述第一預設信號長度與二倍所述第三預設信號長度的差；
[0120]
s311：直至確定所有體動偽跡信號單元的第二重建信號。
[0121]
同樣地，從4s的第七正常信號中選取前3s信號片段，作為第八正常信號。將3s的第八正常信號和1s的倒數(shù)第一個體動偽跡信號單元的第二重建信號、1s的倒數(shù)第二個體動偽跡信號單元的第二重建信號拼接，獲得5s的信號片段，將這5s的信號片段輸入至預設的體
動偽跡信號重建模型，獲得倒數(shù)第三個體動偽跡信號單元的第一重建信號。
[0122]
s312：將所有體動偽跡信號單元的第一重建信號和第二重建信號求平均，將平均結(jié)果作為所述體動偽跡信號對應的重建信號。
[0123]
在本技術(shù)實施例中，在獲得三個體動偽跡信號單元的第一重建信號和第二重建信號后，將每個體動偽跡信號單元的第一重建信號和第二重建信號求平均，從而獲得體動偽跡信號對應的重建信號。
[0124]
在一個可選的實施例中，預設的體動偽跡信號重建模型包括生成器，所述生成器包括門控循環(huán)單元和全卷積神經(jīng)網(wǎng)絡，請參閱圖6，所述步驟s303包括步驟s3031～s3032，具體如下：
[0125]
s3031：將所述第三正常信號輸入至所述門控循環(huán)單元，獲得時序特征向量；
[0126]
門控循環(huán)單元(gated recurrent unit，簡稱gru)是一種常見的循環(huán)神經(jīng)網(wǎng)絡(recurrent neural network，簡稱rnn)改進型，它是一種基于門的循環(huán)單元，包括更新門和重置門，更新門用于控制前邊記憶信息能夠繼續(xù)保留到當前時刻的數(shù)據(jù)量，或者說決定有多少之前時間步的信息和當前時間步的信息要被繼續(xù)傳遞到未來。重置門用于決定要忘記多少過去的信息，其控制當前信息和記憶信息的數(shù)據(jù)量，并生成新的記憶信息繼續(xù)向前傳遞。
[0127]
將5s的第三正常信號輸入所述全卷積神經(jīng)網(wǎng)絡進行形態(tài)特征提取，獲得第三正常信號對應的時序特征向量，具體的公式如下：
[0128]zt
＝σ(wz·
[h
t-1
，x
t
])
[0129]rt
＝σ(wr·
[h
t-1
，x
t
])
[0130][0131][0132]
其中，z
t
是更新門當前時間步t的輸出，r
t
是重置門當前時間步t的輸出，x
t
是當前時間步t輸入的生命體征信號片段對應的一維輸入向量，h
t-1
是上一時間步t-1的輸出的時序特征向量，是當前時間步t輸出的中間結(jié)果，h
t
是當前時間步t輸出的時序特征向量，wz是更新門的權(quán)重參數(shù)，wr是重置門的權(quán)重參數(shù)，w是計算中間結(jié)果對應的權(quán)重參數(shù)，σ是sigmoid激活函數(shù)，tanh是tanh激活函數(shù)，[，]為向量拼接操作。
[0133]
s3032：將所述第三正常信號輸入至所述全卷積神經(jīng)網(wǎng)絡，獲得形態(tài)特征向量。
[0134]
卷積神經(jīng)網(wǎng)絡(convolutional neural network,簡稱cnn)常用于圖像和時間序列等對象的特征提取。全卷積網(wǎng)絡(fully convolutional networks，fcn)由多層卷積塊組成，這些卷積塊可能具有不同或相同的卷積核大小。將5s的第三正常信號輸入所述全卷積神經(jīng)網(wǎng)絡進行形態(tài)特征提取，獲得第三正常信號對應的形態(tài)特征向量，具體的公式如下：
[0135]
y＝w
′
*x+b
[0136]
z＝bn(y)
[0137]
out＝relu(z)
[0138]
其中，x表示第三正常信號對應的一維輸入向量，w’是一維卷積核的權(quán)重參數(shù)，b是偏置參數(shù)，y是卷積核的輸出向量，z是對卷積核應用批量歸一化操作后(batch normalization)的中間結(jié)果，然后將z傳遞給線性整流函數(shù)relu，以計算卷積核out的輸出，
獲得形態(tài)特征向量。
[0139]
s3033：將所述時序特征向量和所述形態(tài)特征向量進行拼接，將拼接結(jié)果輸入至全連接層，獲得第一個體動偽跡信號單元對應的第一重建信號。
[0140]
在本技術(shù)實施例中，將所述時序特征向量和所述形態(tài)特征向量進行拼接，將拼接結(jié)果輸入至全連接層，輸出1s片段(100個數(shù)據(jù)點)，即第一個體動偽跡信號單元對應的第一重建信號。
[0141]
在本技術(shù)實施例中，關(guān)于步驟s304～s306，步驟s308～s311中獲得各個體動偽跡信號單元對應的第一重建信號和第二重建信號的過程，可參考步驟s3031～s3033，在此不再贅述。
[0142]
實施例2
[0143]
相應于上述方法實施例，請參閱7，本發(fā)明實施例提供一種生命體征信號的重建裝置4，包括：
[0144]
信號獲取模塊41，用于獲取生命體征信號；所述生命體征信號包括至少一個體動偽跡信號、第一正常信號以及第二正常信號；所述第一正常信號為所述體動偽跡信號之前的且與所述體動偽跡信號相鄰的連續(xù)正常信號，所述第二正常信號為所述體動偽跡信號之后的且與所述體動偽跡信號相鄰的連續(xù)正常信號；
[0145]
信號判斷模塊42，用于根據(jù)所述第一正常信號以及所述第二正常信號，判斷所述體動偽跡信號是否可以重建；
[0146]
信號重建模塊43，用于若所述體動偽跡信號可以重建，將所述第一正常信號、所述第二正常信號輸入至預設的體動偽跡信號重建模型中，獲得所述體動偽跡信號對應的重建信號；
[0147]
信號替換模塊44，用于將所述重建信號替換所述生命體征信號中相應的體動偽跡信號，獲得重建后的生命體征信號。
[0148]
可選的，信號判斷模塊，包括：
[0149]
信號長度獲取單元，用于獲取所述第一正常信號的第一信號長度以及所述第二正常信號的第二信號長度；
[0150]
第一信號重建確定單元，用于若所述第一信號長度以及所述第二信號長度均大于或等于第一預設信號長度，確定所述體動偽跡信號可以重建。
[0151]
可選的，信號判斷模塊，包括：
[0152]
樣本熵計算單元，用于分別計算所述第一正常信號和所述第二正常信號的樣本熵、一階標準差以及二階標準差；
[0153]
第二信號重建確定單元，用于若所述樣本熵均小于預設的第一樣本熵閾值且所述樣本熵均大于預設的第二樣本熵閾值、所述一階標準差均小于預設的一階標準差閾值、以及所述二階標準差均小于預設的二階標準差閾值，確定所述體動偽跡信號可以重建。
[0154]
可選的，信號重建模塊，包括：
[0155]
信號劃分單元，用于將所述體動偽跡信號劃分為若干個時序連續(xù)的第三預設信號長度的體動偽跡信號單元；
[0156]
第一信號選取單元，用于從所述第一正常信號中選取第三正常信號；其中，所述第三正常信號為與所述體動偽跡信號在時序上連續(xù)的第一預設信號長度的正常信號；
[0157]
第一重建信號獲得單元，用于將所述第三正常信號輸入至預設的體動偽跡信號重建模型，獲得第一個體動偽跡信號單元的第一重建信號；
[0158]
第二信號選取單元，用于從所述第三正常信號中選取第四正常信號，將所述第四正常信號與所述第一個體動偽跡信號單元的第一重建信號拼接后，輸入至預設的體動偽跡信號重建模型，獲得第二個體動偽跡信號單元的第一重建信號；其中，所述第四正常信號為與所述第一個體動偽跡信號單元在時序上連續(xù)的正常信號，所述第四正常信號的信號長度為所述第一預設信號長度與所述第三預設信號長度的差；
[0159]
第三信號選取單元，用于從所述第四正常信號中選取第五正常信號，將所述第五正常信號與所述第一個體動偽跡信號單元的第一重建信號、所述第二個體動偽跡信號單元的第一重建信號拼接后，輸入至預設的體動偽跡信號重建模型，獲得下一個體動偽跡信號單元的第一重建信號；其中，所述第五正常信號為與所述第一個體動偽跡信號單元在時序上連續(xù)的正常信號，所述第五正常信號的信號長度為所述第一預設信號長度與二倍所述第三預設信號長度的差；
[0160]
第一重建信號確定單元，用于直至確定所有體動偽跡信號單元的第一重建信號；
[0161]
第四信號選取單元，用于從所述第二正常信號中選取第六正常信號；其中，所述第六正常信號為與所述體動偽跡信號在時序上連續(xù)的第一預設信號長度的正常信號；
[0162]
第二重建信號獲得單元，將所述第六正常信號輸入至預設的體動偽跡信號重建模型，獲得倒數(shù)第一個體動偽跡信號單元的第二重建信號；
[0163]
第五信號選取單元，用于從所述第六正常信號中選取第七正常信號，將所述第七正常信號與所述倒數(shù)第一個體動偽跡信號單元的第二重建信號拼接后，輸入至預設的體動偽跡信號重建模型，獲得倒數(shù)第二個體動偽跡信號單元的第二重建信號；其中，所述第七正常信號為與所述倒數(shù)第一個體動偽跡信號單元在時序上連續(xù)的正常信號，所述第七正常信號的信號長度為所述第一預設信號長度與所述第三預設信號長度的差；
[0164]
第六信號選取單元，用于從所述第七正常信號中選取第八正常信號，將所述第八正常信號與所述倒數(shù)第一個體動偽跡信號單元的第二重建信號、所述倒數(shù)第二個體動偽跡信號單元的第二重建信號拼接后，輸入至預設的體動偽跡信號重建模型，獲得上一個體動偽跡信號單元的第二重建信號；其中，所述第八正常信號為與所述倒數(shù)第一個體動偽跡信號單元在時序上連續(xù)的正常信號，所述第八正常信號的信號長度為所述第一預設信號長度與二倍所述第三預設信號長度的差；
[0165]
第二重建信號確定單元，用于直至確定所有體動偽跡信號單元的第二重建信號；
[0166]
信號重建單元，用于將所有體動偽跡信號單元的第一重建信號和第二重建信號求平均，將平均結(jié)果作為所述體動偽跡信號對應的重建信號。
[0167]
可選的，第一重建信號獲得單元，包括：
[0168]
時序向量獲得單元，用于將所述第三正常信號輸入至所述門控循環(huán)單元，獲得時序特征向量；
[0169]
形態(tài)向量獲得單元，用于將所述第三正常信號輸入至所述全卷積神經(jīng)網(wǎng)絡，獲得形態(tài)特征向量；
[0170]
向量拼接單元，用于將所述時序特征向量和所述形態(tài)特征向量進行拼接，將拼接結(jié)果輸入至全連接層，獲得第一個體動偽跡信號單元對應的第一重建信號。
[0171]
應用本技術(shù)實施例，通過獲取生命體征信號；所述生命體征信號包括至少一個體動偽跡信號、第一正常信號以及第二正常信號；所述第一正常信號為所述體動偽跡信號之前的且與所述體動偽跡信號相鄰的連續(xù)正常信號，所述第二正常信號為所述體動偽跡信號之后的且與所述體動偽跡信號相鄰的連續(xù)正常信號；根據(jù)所述第一正常信號以及所述第二正常信號，判斷所述體動偽跡信號是否可以重建；若所述體動偽跡信號可以重建，將所述第一正常信號、所述第二正常信號輸入至預設的體動偽跡信號重建模型中，獲得所述體動偽跡信號對應的重建信號，將所述重建信號替換所述生命體征信號中相應的體動偽跡信號，獲得重建后的生命體征信號。本技術(shù)通過預設的體動偽跡信號重建模型提取體動偽跡前后正常信號的時序特征和形態(tài)特征，根據(jù)前后正常信號對體動偽跡信號進行前后雙向重建，獲得體動偽跡信號對應的重建信號，提高了生命體征信號重建的準確性。
[0172]
實施例3
[0173]
下述為本技術(shù)設備實施例，可以用于執(zhí)行本技術(shù)實施例1中方法的內(nèi)容。對于本技術(shù)設備實施例中未披露的細節(jié)，請參照本技術(shù)實施例1中方法的內(nèi)容。
[0174]
請參閱圖7，本技術(shù)還提供一種電子設備300，電子設備可以具體為計算機、手機、平板電腦、交互平板等，在本技術(shù)的示例性實施例中，電子設備300為交互平板，交互平板可以包括：至少一個處理器301、至少一個存儲器302，至少一個顯示器，至少一個網(wǎng)絡接口303，用戶接口304以及至少一個通信總線305。
[0175]
其中，用戶接口304主要用于為用戶提供輸入的接口，獲取用戶輸入的數(shù)據(jù)?？蛇x的，用戶接口還可以包括標準的有線接口、無線接口。
[0176]
其中，網(wǎng)絡接口303可選的可以包括標準的有線接口、無線接口(如wi-fi接口)。
[0177]
其中，通信總線305用于實現(xiàn)這些組件之間的連接通信。
[0178]
其中，處理器301可以包括一個或者多個處理核心。處理器利用各種接口和線路連接整個電子設備內(nèi)的各個部分，通過運行或執(zhí)行存儲在存儲器內(nèi)的指令、程序、代碼集或指令集，以及調(diào)用存儲在存儲器內(nèi)的數(shù)據(jù)，執(zhí)行電子設備的各種功能和處理數(shù)據(jù)?？蛇x的，處理器可以采用數(shù)字信號處理(digital signal processing，dsp)、現(xiàn)場可編程門陣列(field-programmable gate array，fpga)、可編程邏輯陣列(programmable logic array，pla)中的至少一種硬件形式來實現(xiàn)。處理器可集成中央處理器(central processing unit，cpu)、圖像處理器(graphics processing unit，gpu)和調(diào)制解調(diào)器等中的一種或幾種的組合。其中，cpu主要處理操作系統(tǒng)、用戶界面和應用程序等；gpu用于負責顯示層所需要顯示的內(nèi)容的渲染和繪制；調(diào)制解調(diào)器用于處理無線通信?？梢岳斫獾氖?，上述調(diào)制解調(diào)器也可以不集成到處理器中，單獨通過一塊芯片進行實現(xiàn)。
[0179]
其中，存儲器302可以包括隨機存儲器(random access memory，ram)，也可以包括只讀存儲器(read-only memory)?？蛇x的，該存儲器包括非瞬時性計算機可讀介質(zhì)(non-transitory computer-readable storage medium)。存儲器可用于存儲指令、程序、代碼、代碼集或指令集。存儲器可包括存儲程序區(qū)和存儲數(shù)據(jù)區(qū)，其中，存儲程序區(qū)可存儲用于實現(xiàn)操作系統(tǒng)的指令、用于至少一個功能的指令(比如觸控功能、聲音播放功能、圖像播放功能等)、用于實現(xiàn)上述各個方法實施例的指令等；存儲數(shù)據(jù)區(qū)可存儲上面各個方法實施例中涉及到的數(shù)據(jù)等。存儲器可選的還可以是至少一個位于遠離前述處理器的存儲裝置。作為一種計算機存儲介質(zhì)的存儲器中可以包括操作系統(tǒng)、網(wǎng)絡通信模塊、用戶接口模塊、操作應
用程序。
[0180]
處理器可以用于調(diào)用存儲器中存儲的視頻分辨率調(diào)整方法的應用程序，并具體執(zhí)行上述所示實施例1的方法步驟，具體執(zhí)行過程可以參見實施例1所示的具體說明，在此不進行贅述。
[0181]
實施例4
[0182]
本技術(shù)還提供一種計算機可讀存儲介質(zhì)，其上儲存有計算機程序，指令適于由處理器加載并執(zhí)行上述所示實施例1的方法步驟，具體執(zhí)行過程可以參見實施例所示的具體說明，在此不進行贅述。存儲介質(zhì)所在設備可以是個人計算機、筆記本電腦、智能手機、平板電腦等電子設備。
[0183]
對于設備實施例而言，由于其基本對應于方法實施例，所以相關(guān)之處參見方法實施例的部分說明即可。以上所描述的設備實施例僅僅是示意性的，其中作為分離部件說明的組件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模塊來實現(xiàn)本技術(shù)方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動的情況下，即可以理解并實施。
[0184]
本領(lǐng)域內(nèi)的技術(shù)人員應明白，本技術(shù)的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本技術(shù)可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本技術(shù)可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。
[0185]
本技術(shù)是參照根據(jù)本技術(shù)實施例的方法、設備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中選定的功能的裝置。這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中選定的功能。
[0186]
這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中選定的功能的步驟。
[0187]
在一個典型的配置中，計算設備包括一個或多個處理器(cpu)、輸入/輸出接口、網(wǎng)絡接口和內(nèi)存。
[0188]
存儲器可能包括計算機可讀介質(zhì)中的非永久性存儲器，隨機存取存儲器(ram)和/或非易失性內(nèi)存等形式，如只讀存儲器(rom)或閃存(flash ram)。存儲器是計算機可讀介質(zhì)的示例。
[0189]
計算機可讀介質(zhì)包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術(shù)來實現(xiàn)信息存儲。信息可以是計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計算機的存儲介質(zhì)的例子包括，但不限于相變內(nèi)存(pram)、靜態(tài)隨機存取存儲器(sram)、動態(tài)隨機存取存儲器(dram)、其他類型的隨機存取存儲器(ram)、只讀存儲器(rom)、電可擦除可編程只讀存儲器(eeprom)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲器(cd-rom)、數(shù)字多功能光盤(dvd)或其他光學存儲、磁盒式磁帶，磁帶磁磁盤存儲或其他磁性存儲設備或任何其他非傳輸介質(zhì)，可用于存儲可以被計算設備訪問的信息。按照本文中的界定，計算機可讀介質(zhì)不包括暫存電腦可讀媒體(transitory media)，如調(diào)制的數(shù)據(jù)信號和載波。
[0190]
還需要說明的是，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個
……”
限定的要素，并不排除在包括要素的過程、方法、商品或者設備中還存在另外的相同要素。
[0191]
以上僅為本技術(shù)的實施例而已，并不用于限制本技術(shù)。對于本領(lǐng)域技術(shù)人員來說，本技術(shù)可以有各種更改和變化。凡在本技術(shù)的精神和原理之內(nèi)所作的任何修改、等同替換、改進等，均應包含在本技術(shù)的權(quán)利要求范圍之內(nèi)。
