本發(fā)明屬于電氣工程領(lǐng)域，具體設(shè)計一種直流輸電線路可聽噪聲概率預(yù)測方法及系統(tǒng)。
背景技術(shù)：
：近年來高壓輸電線路的電磁環(huán)境問題越來越受到公眾的關(guān)注。輸電線路的電磁環(huán)境問題主要由高壓輸電線路的電暈放電引起，電暈放電是發(fā)生在極不均勻場中的一種放電形式，輸電線路的曲率半徑較小，此外導(dǎo)線表面又往往存在一定的毛刺和缺陷，導(dǎo)致高壓輸電線路導(dǎo)線表面附近的電場不均勻度很高，在導(dǎo)線電壓達(dá)到一定程度即會發(fā)生電暈放電。電暈放電的過程中會產(chǎn)生無線電干擾、可聽噪聲等電磁環(huán)境問題，這些問題目前已成為高壓輸電關(guān)鍵技術(shù)難題。針對輸電線路電暈產(chǎn)生的可聽噪聲而言，其具有很寬的頻帶，并外在表現(xiàn)為雜亂的沒有規(guī)律的噪音，相比一般噪聲電暈產(chǎn)生的噪音對人體影響更大，嚴(yán)重地影響到了高壓線路附近人群的正常工作和生活。為此，針對輸電線路的可聽噪聲問題，我國已制定了相關(guān)標(biāo)準(zhǔn)。如，對于±800kv直流輸電線路標(biāo)準(zhǔn)dl/t1088規(guī)定正極性導(dǎo)線對地投影20m處晴天時由電暈產(chǎn)生的可聽噪聲50％值不得超過45db(a)，另外，輸電線路的設(shè)計、導(dǎo)線的選型都需要滿足相關(guān)標(biāo)準(zhǔn)。為了使新建線路周圍的可聽噪聲等級能夠滿足相關(guān)標(biāo)準(zhǔn)的要求，在設(shè)計線路的過程中需要對線路產(chǎn)生的可聽噪聲進(jìn)行預(yù)測，準(zhǔn)確的可聽噪聲預(yù)測公式在輸電線路的設(shè)計中至關(guān)重要。國內(nèi)外多個研究機(jī)構(gòu)根據(jù)輸電線路可聽噪聲測量結(jié)果擬合了各自的經(jīng)驗(yàn)公式，但這些擬合公式都是在各自的特定情況下得出的，其適用范圍十分有限。因此針對直流輸電線路可聽噪聲更加準(zhǔn)確的預(yù)測方法將對直流線路工程有更重要的意義。技術(shù)實(shí)現(xiàn)要素：鑒于上述問題，本發(fā)明提供一種直流輸電線路可聽噪聲概率預(yù)測方法，方法包括如下步驟：s1，利用多組訓(xùn)練數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，其中，所述每組訓(xùn)練數(shù)據(jù)至少包括線路參數(shù)及可聽噪聲測量值，在訓(xùn)練過程中，將線路參數(shù)作為所述人工神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)，將所述可聽噪聲測量值作為所述人工神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)；s2，將所述多組訓(xùn)練數(shù)據(jù)中的線路參數(shù)再次輸入至訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型，對應(yīng)得到多組可聽噪聲預(yù)測值；s3，根據(jù)所述多組可聽噪聲測量值及多組可聽噪聲預(yù)測值，計算出多組對應(yīng)的人工神經(jīng)網(wǎng)絡(luò)模型的誤差值；s4，將所述多組可聽噪聲預(yù)測值劃分為多個區(qū)間，并確定所述多組誤差值在所述多個區(qū)間的概率分布；s5，利用所述人工神經(jīng)網(wǎng)絡(luò)模型對待測數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測結(jié)果，并確定所述預(yù)測結(jié)果所在的區(qū)間，根據(jù)所述預(yù)測結(jié)果及所述預(yù)測結(jié)果所在的區(qū)間的差值概率分布，得到可聽噪聲概率預(yù)測結(jié)果?？蛇x地，所述步驟s3中，所述誤差值的表達(dá)式為：ei＝y(tǒng)i-yi其中，i＝1…n，n為訓(xùn)練數(shù)據(jù)的組數(shù)，yi表示第i組訓(xùn)練數(shù)據(jù)所對應(yīng)的可聽噪聲預(yù)測值，yi表示第i組訓(xùn)練數(shù)據(jù)中的可聽噪聲測量值?？蛇x地，所述步驟s4中，將所述多組可聽噪聲預(yù)測值劃分為k個區(qū)間，若任意一個區(qū)間所對應(yīng)的誤差值從小到大排列為{e1，e2...ex}，則所述多組誤差值在所述k個區(qū)間的概率分布為：其中，為位于區(qū)間內(nèi)的誤差值個數(shù)，x為總的誤差值個數(shù)，e表示預(yù)測誤差變量?？蛇x地，所述步驟s5中，所述可聽噪聲概率預(yù)測結(jié)果的表達(dá)式為：t+pt，其中t為所述人工神經(jīng)網(wǎng)絡(luò)模型輸出的預(yù)測結(jié)果，pt為該預(yù)測結(jié)果t所在區(qū)間的誤差值的概率分布?？蛇x地，所述線路參數(shù)至少包括線路結(jié)構(gòu)數(shù)據(jù)、運(yùn)行工況數(shù)據(jù)、氣象數(shù)據(jù)中的一種或多種。本發(fā)明另一方面提供一種直流輸電線路可聽噪聲概率預(yù)測系統(tǒng)，包括如下步驟：訓(xùn)練模塊，用于利用多組訓(xùn)練數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，其中，所述每組訓(xùn)練數(shù)據(jù)至少包括線路參數(shù)及可聽噪聲測量值，在訓(xùn)練過程中，將線路參數(shù)作為所述人工神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)，將所述可聽噪聲測量值作為所述人工神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)；噪聲預(yù)測模塊，用于將所述多組訓(xùn)練數(shù)據(jù)中的線路參數(shù)再次輸入至訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型，對應(yīng)得到多組可聽噪聲預(yù)測值；誤差計算模塊，用于根據(jù)所述多組可聽噪聲測量值及多組可聽噪聲預(yù)測值，計算出多組對應(yīng)的人工神經(jīng)網(wǎng)絡(luò)模型的誤差值；概率分布計算模塊，用于將所述多組可聽噪聲預(yù)測值劃分為多個區(qū)間，并確定所述多組誤差值在所述多個區(qū)間的概率分布；噪聲概率預(yù)測模塊，用于利用所述人工神經(jīng)網(wǎng)絡(luò)模型對待測數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測結(jié)果，并確定所述預(yù)測結(jié)果所在的區(qū)間，根據(jù)所述預(yù)測結(jié)果及所述預(yù)測結(jié)果所在的區(qū)間的差值概率分布，得到可聽噪聲概率預(yù)測結(jié)果?？蛇x地，所述誤差計算模塊中，所述誤差值的表達(dá)式為：ei＝y(tǒng)i-yi其中，i＝1…n，n為訓(xùn)練數(shù)據(jù)的組數(shù)，yi表示第i組訓(xùn)練數(shù)據(jù)所對應(yīng)的可聽噪聲預(yù)測值，yi表示第i組訓(xùn)練數(shù)據(jù)中的可聽噪聲測量值?？蛇x地，所概率分布計算模塊中，將所述多組可聽噪聲預(yù)測值劃分為k個區(qū)間，若任意一個區(qū)間所對應(yīng)的誤差值從小到大排列為{e1，e2...ex}，則所述多組誤差值在所述k個區(qū)間的概率分布為：其中，為位于區(qū)間內(nèi)的誤差值個數(shù)，x為總的誤差值個數(shù)，e表示預(yù)測誤差變量?？蛇x地，所述噪聲概率預(yù)測模塊中，所述可聽噪聲概率預(yù)測結(jié)果的表達(dá)式為：t+pt，其中t為所述人工神經(jīng)網(wǎng)絡(luò)模型輸出的預(yù)測結(jié)果，pt為該預(yù)測結(jié)果t所在區(qū)間的誤差值的概率分布?？蛇x地，所述線路參數(shù)至少包括線路結(jié)構(gòu)數(shù)據(jù)、運(yùn)行工況數(shù)據(jù)、氣象數(shù)據(jù)中的一種或多種。本發(fā)明具有以下有益效果：(1)綜合考慮了可聽噪聲與線路結(jié)構(gòu)參數(shù)、運(yùn)行工況、氣象參數(shù)，對因變量的考慮更加全面；(2)利用神經(jīng)網(wǎng)絡(luò)模型擬合了可聽噪聲與其他參數(shù)之間的非線性關(guān)系，使預(yù)測結(jié)果更加準(zhǔn)確；(3)概率分布的預(yù)測結(jié)果包含更豐富的預(yù)測信息，可以對預(yù)測值所在區(qū)間有較好評估，使預(yù)測結(jié)果更加可靠。附圖說明圖1為本發(fā)明實(shí)施例提供的直流輸電線路可聽噪聲概率預(yù)測方法的流程圖。圖2為本發(fā)明實(shí)施例中的bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。圖3為本發(fā)明實(shí)施例中計算誤差值的示意圖。圖4為本發(fā)明實(shí)施例中計算可聽噪聲概率預(yù)測結(jié)果的示意圖。圖5為本發(fā)明實(shí)施例提供的直流輸電線路可聽噪聲概率預(yù)測系統(tǒng)的功能模塊圖。具體實(shí)施方式本發(fā)明提供一種直流輸電線路可聽噪聲概率預(yù)測方法及系統(tǒng)，方法包括：s1，利用多組訓(xùn)練數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，在訓(xùn)練過程中，將線路參數(shù)作為輸入數(shù)據(jù)，將可聽噪聲測量值作為輸出數(shù)據(jù)；s2，將多組訓(xùn)練數(shù)據(jù)中的線路參數(shù)再次輸入至訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型，對應(yīng)得到多組可聽噪聲預(yù)測值；s3，根據(jù)多組可聽噪聲測量值及多組可聽噪聲預(yù)測值，計算出多組對應(yīng)的人工神經(jīng)網(wǎng)絡(luò)模型的誤差值；s4，將多組可聽噪聲預(yù)測值劃分為多個區(qū)間，并確定多組誤差值在多個區(qū)間的概率分布；s5，利用人工神經(jīng)網(wǎng)絡(luò)模型對待測數(shù)據(jù)進(jìn)行預(yù)測，根據(jù)所述預(yù)測結(jié)果及所述預(yù)測結(jié)果所在的區(qū)間的差值概率分布，得到可聽噪聲概率預(yù)測結(jié)果。根據(jù)結(jié)合附圖對本發(fā)明示例性實(shí)施例的以下詳細(xì)描述，本發(fā)明的其它方面、優(yōu)勢和突出特征對于本領(lǐng)域技術(shù)人員將變得顯而易見。在本發(fā)明中，術(shù)語“包括”和“含有”及其派生詞意為包括而非限制；術(shù)語“或”是包含性的，意為和/或。在本說明書中，下述用于描述本發(fā)明原理的各種實(shí)施例只是說明，不應(yīng)該以任何方式解釋為限制發(fā)明的范圍。參照附圖的下述描述用于幫助全面理解由權(quán)利要求及其等同物限定的本發(fā)明的示例性實(shí)施例。下述描述包括多種具體細(xì)節(jié)來幫助理解，但這些細(xì)節(jié)應(yīng)認(rèn)為僅僅是示例性的。因此，本領(lǐng)域普通技術(shù)人員應(yīng)認(rèn)識到，在不背離本發(fā)明的范圍和精神的情況下，可以對本文中描述的實(shí)施例進(jìn)行多種改變和修改。此外，為了清楚和簡潔起見，省略了公知功能和結(jié)構(gòu)的描述。此外，貫穿附圖，相同參考數(shù)字用于相似功能和操作。圖1為本發(fā)明實(shí)施例提供的直流輸電線路可聽噪聲概率預(yù)測方法的流程圖，如圖1所示，方法包括：s1，利用多組訓(xùn)練數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，其中，每組訓(xùn)練數(shù)據(jù)至少包括線路參數(shù)及可聽噪聲測量值，在訓(xùn)練過程中，將線路參數(shù)作為人工神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)，將可聽噪聲測量值作為人工神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)。在步驟s1中，本實(shí)施例的線路參數(shù)可以至少包括線路結(jié)構(gòu)數(shù)據(jù)、運(yùn)行工況數(shù)據(jù)、氣象數(shù)據(jù)中的一種或多種；其中，線路結(jié)構(gòu)數(shù)據(jù)可以是輸電線的極間距、輸電線的對地高度、輸電線的半徑等，運(yùn)行工況數(shù)據(jù)可以是輸電線的運(yùn)行電壓、電流等，氣象數(shù)據(jù)可以是輸電線的周圍的溫度、濕度等?？陕犜肼暅y量值是指輸電線在上述線路參數(shù)時，實(shí)際測量的噪聲值，故在一組訓(xùn)練數(shù)據(jù)中，線路參數(shù)與可聽噪聲測量值是一一對應(yīng)的，可作為訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)和輸出數(shù)據(jù)。另外，本實(shí)施例在對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時，采用了海量(組數(shù)可達(dá)幾十萬或者更多)的訓(xùn)練數(shù)據(jù)。圖2為本發(fā)明實(shí)施例中的bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖，如圖2所示，神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層、及輸出層。圖2中x1，x2，…，xn是bp神經(jīng)網(wǎng)絡(luò)的輸入值，y1，y2，…，ym是bp神經(jīng)網(wǎng)絡(luò)的預(yù)測值，ωij和ωjk為bp神經(jīng)網(wǎng)絡(luò)的權(quán)值。人工神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，通過神經(jīng)元節(jié)點(diǎn)的運(yùn)算從輸入建立與輸出之間的關(guān)系，通過輸出與實(shí)際值之間的誤差調(diào)節(jié)神經(jīng)元節(jié)點(diǎn)的參數(shù)最后建立誤差最小化的網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)可以很好的擬合輸入與輸出間的非線性關(guān)系。s2，將多組訓(xùn)練數(shù)據(jù)中的線路參數(shù)再次輸入至訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型，對應(yīng)得到多組可聽噪聲預(yù)測值。圖3為本發(fā)明實(shí)施例中計算誤差值的示意圖，如圖3所示，采用線路數(shù)據(jù)和可聽噪聲測量值對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練后，再次將線路參數(shù)輸入至訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型。在步驟s2中，由于神經(jīng)網(wǎng)絡(luò)模型是由多組訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練而得到的綜合結(jié)果，對于每一組線路數(shù)據(jù)再次輸入至該模型中時，該模型并不能一定輸出與可聽噪聲測量值相同的數(shù)據(jù)，而是與可聽噪聲測量值有一定偏差的數(shù)據(jù)，故在此稱之為可聽噪聲預(yù)測值。s3，根據(jù)多組可聽噪聲測量值及多組可聽噪聲預(yù)測值，計算出多組對應(yīng)的人工神經(jīng)網(wǎng)絡(luò)模型的誤差值。對于同一組線路數(shù)據(jù)，其對應(yīng)有訓(xùn)練數(shù)據(jù)中的可聽噪聲測量值，還對應(yīng)有輸入至神經(jīng)網(wǎng)絡(luò)模型所輸出的可聽噪聲預(yù)測值，具體地，在步驟s3中，將可聽噪聲測量值與可聽噪聲預(yù)測值做減法運(yùn)算，即可得到對應(yīng)的誤差值，也就是說，所述誤差值的表達(dá)式為：ei＝y(tǒng)i-yi其中，i＝1…n，n為訓(xùn)練數(shù)據(jù)的組數(shù)，yi表示第i組訓(xùn)練數(shù)據(jù)所對應(yīng)的可聽噪聲預(yù)測值，yi表示第i組訓(xùn)練數(shù)據(jù)中的可聽噪聲測量值。s4，將多組可聽噪聲預(yù)測值劃分為多個區(qū)間，并確定多組誤差值在多個區(qū)間的概率分布。在步驟s4中，將多組可聽噪聲預(yù)測值劃分為k個區(qū)間，若任意一個區(qū)間所對應(yīng)的誤差值從小到大排列為{e1，e2...ex}，則多組誤差值在所述k個區(qū)間的概率分布為：其中，為位于區(qū)間內(nèi)的誤差值個數(shù)，x為總的誤差值個數(shù)，e表示預(yù)測誤差變量。例如，有10組可聽噪聲預(yù)測值，分別為10、12、15、21、29、35、56、58、78、80(單位為db)，將上述10組數(shù)據(jù)劃分為a、b、c、d共4個區(qū)間，分別為a：0～25、b:26～50、c：51～75、d：76～100，其中，則通過上述公式計算得到，上述10組誤差值在4個區(qū)間的如下表所示：區(qū)間可聽噪聲預(yù)測值對應(yīng)的誤差值a：0～2510、12、151、2、1b:26～5021、29、352、2、-1c：51～7556、58-1、4d：76～10078、80-2、4表1由上表可以看出，在區(qū)間a中，誤差值為1的概率分布為66.6％，誤差值為2的概率分布為33.3％，在區(qū)間b中，誤差值為2的概率分布為66.6％，誤差值為-1的概率分布為33.3％，在區(qū)間c中，誤差值為-1的概率分布為50％，誤差值為4的概率分布為50％，在區(qū)間d中，誤差值為-2的概率分布為50％，誤差值為4的概率分布為50％。s5，利用人工神經(jīng)網(wǎng)絡(luò)模型對待測數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測結(jié)果，并確定所述預(yù)測結(jié)果所在的區(qū)間，根據(jù)所述預(yù)測結(jié)果及預(yù)測結(jié)果所在的區(qū)間的差值概率分布，得到可聽噪聲概率預(yù)測結(jié)果。圖4為本發(fā)明實(shí)施例中計算可聽噪聲概率預(yù)測結(jié)果的示意圖，如圖4所示，對于一組待測數(shù)據(jù)，該待測數(shù)據(jù)類型與線路數(shù)據(jù)的數(shù)據(jù)類型一致，需要將其輸入至人工神經(jīng)網(wǎng)絡(luò)中，輸出該待測數(shù)據(jù)所對應(yīng)的預(yù)測結(jié)果，該預(yù)測結(jié)果是一個具體可聽噪聲值。在步驟s5中，獲取該預(yù)測結(jié)果所在的區(qū)間的差值概率分布，再將其與預(yù)測結(jié)果相加，得到可聽噪聲概率預(yù)測結(jié)果，其表達(dá)式為：t+pt，其中t為所述人工神經(jīng)網(wǎng)絡(luò)模型輸出的預(yù)測結(jié)果，pt為該預(yù)測結(jié)果t所在區(qū)間的誤差值的概率分布。依照上表舉例來說，若輸出的預(yù)測結(jié)果為49db，其落入了區(qū)間b中，其與預(yù)測結(jié)果49db的相加結(jié)果表示，可聽噪聲概率預(yù)測結(jié)果有66.6％的概率為50db(49加1)，有33.3％的概率為51db(49加2)。圖5為本發(fā)明實(shí)施例提供的直流輸電線路可聽噪聲概率預(yù)測系統(tǒng)的功能模塊圖，如圖5所示，系統(tǒng)500包括訓(xùn)練模塊510、噪聲預(yù)測模塊520、誤差計算模塊530、概率分布計算模塊540及噪聲概率預(yù)測模塊550。該系統(tǒng)400可以執(zhí)行上面參考圖1～圖4描述的方法，以實(shí)現(xiàn)直流輸電線路可聽噪聲概率預(yù)測。具體地，訓(xùn)練模塊510用于利用多組訓(xùn)練數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，其中，每組訓(xùn)練數(shù)據(jù)至少包括線路參數(shù)及可聽噪聲測量值，在訓(xùn)練過程中，將線路參數(shù)作為所述人工神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)，將可聽噪聲測量值作為所述人工神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)；噪聲預(yù)測模塊520用于將多組訓(xùn)練數(shù)據(jù)中的線路參數(shù)再次輸入至訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型，對應(yīng)得到多組可聽噪聲預(yù)測值；誤差計算模塊530用于根據(jù)多組可聽噪聲測量值及多組可聽噪聲預(yù)測值，計算出多組對應(yīng)的人工神經(jīng)網(wǎng)絡(luò)模型的誤差值；概率分布計算模塊540用于將多組可聽噪聲預(yù)測值劃分為多個區(qū)間，并確定多組誤差值在所述多個區(qū)間的概率分布；噪聲概率預(yù)測模塊550用于利用所述人工神經(jīng)網(wǎng)絡(luò)模型對待測數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測結(jié)果，并確定所述預(yù)測結(jié)果所在的區(qū)間，根據(jù)所述預(yù)測結(jié)果及所述預(yù)測結(jié)果所在的區(qū)間的差值概率分布，得到可聽噪聲概率預(yù)測結(jié)果。根據(jù)本發(fā)明的實(shí)施例，各個模塊的功能實(shí)現(xiàn)可以參見上面參考圖1～圖4的描述，這里不再重復(fù)。根據(jù)本發(fā)明各實(shí)施例的上述方法、裝置、單元和/或模塊可以通過有計算能力的電子設(shè)備執(zhí)行包含計算機(jī)指令的軟件來實(shí)現(xiàn)。該系統(tǒng)可以包括存儲設(shè)備，以實(shí)現(xiàn)上文所描述的各種存儲。所述有計算能力的電子設(shè)備可以包含通用處理器、數(shù)字信號處理器、專用處理器、可重新配置處理器等能夠執(zhí)行計算機(jī)指令的裝置，但不限于此。執(zhí)行這樣的指令使得電子設(shè)備被配置為執(zhí)行根據(jù)本發(fā)明的上述各項(xiàng)操作。上述各設(shè)備和/或模塊可以在一個電子設(shè)備中實(shí)現(xiàn)，也可以在不同電子設(shè)備中實(shí)現(xiàn)。這些軟件可以存儲在計算機(jī)可讀存儲介質(zhì)中。計算機(jī)可讀存儲介質(zhì)存儲一個或多個程序(軟件模塊)，所述一個或多個程序包括指令，當(dāng)電子設(shè)備中的一個或多個處理器執(zhí)行所述指令時，所述指令使得電子設(shè)備執(zhí)行本發(fā)明的方法。這些軟件可以存儲為易失性存儲器或非易失性存儲裝置的形式(比如類似rom等存儲設(shè)備)，不論是可擦除的還是可重寫的，或者存儲為存儲器的形式(例如ram、存儲器芯片、設(shè)備或集成電路)，或者被存儲在光可讀介質(zhì)或磁可讀介質(zhì)上(比如，cd、dvd、磁盤或磁帶等等)。應(yīng)該意識到，存儲設(shè)備和存儲介質(zhì)是適于存儲一個或多個程序的機(jī)器可讀存儲裝置的實(shí)施例，所述一個程序或多個程序包括指令，當(dāng)所述指令被執(zhí)行時，實(shí)現(xiàn)本發(fā)明的實(shí)施例。實(shí)施例提供程序和存儲這種程序的機(jī)器可讀存儲裝置，所述程序包括用于實(shí)現(xiàn)本發(fā)明的任何一項(xiàng)權(quán)利要求所述的裝置或方法的代碼。此外，可以經(jīng)由任何介質(zhì)(比如，經(jīng)由有線連接或無線連接攜帶的通信信號)來電傳遞這些程序，多個實(shí)施例適當(dāng)?shù)匕ㄟ@些程序。根據(jù)本發(fā)明各實(shí)施例的方法、裝置、單元和/或模塊還可以使用例如現(xiàn)場可編程門陣列(fpga)、可編程邏輯陣列(pla)、片上系統(tǒng)、基板上的系統(tǒng)、封裝上的系統(tǒng)、專用集成電路(asic)或可以以用于對電路進(jìn)行集成或封裝的任何其他的合理方式等硬件或固件來實(shí)現(xiàn)，或以軟件、硬件以及固件三種實(shí)現(xiàn)方式的適當(dāng)組合來實(shí)現(xiàn)。該系統(tǒng)可以包括存儲設(shè)備，以實(shí)現(xiàn)上文所描述的存儲。在以這些方式實(shí)現(xiàn)時，所使用的軟件、硬件和/或固件被編程或設(shè)計為執(zhí)行根據(jù)本發(fā)明的相應(yīng)上述方法、步驟和/或功能。本領(lǐng)域技術(shù)人員可以根據(jù)實(shí)際需要來適當(dāng)?shù)貙⑦@些系統(tǒng)和模塊中的一個或多個，或其中的一部分或多個部分使用不同的上述實(shí)現(xiàn)方式來實(shí)現(xiàn)。這些實(shí)現(xiàn)方式均落入本發(fā)明的保護(hù)范圍。如本領(lǐng)域技術(shù)人員將會理解的，為了任何的以及所有的目的，例如在提供書面說明書的方面，本申請中所公開的所有范圍也涵蓋任何的以及所有的可能的子范圍以及其子范圍的組合。任何所列出的范圍均能夠被容易地識別成充分的描述以及使同樣的范圍能夠至少被分解成同等的兩部分、三部分、四部分、五部分、十部分，等等。作為非限制性的例子，本申請中所討論的每個范圍均能夠被容易地分解成下三分之一、中三分之一以及上三分之一等等。如本領(lǐng)域技術(shù)人員還將會理解的，諸如“直到”、“至少”、“大于”、“小于”等的所有語言均包括所表述的數(shù)量并且是指能夠隨之被分解成如以上所討論的子范圍的范圍。最后，如本領(lǐng)域技術(shù)人員將會理解的，范圍包括各個單獨(dú)的成分。所以，例如，具有1-3個單元的組是指具有1、2或者3個單元的組。類似地，具有1-5個單元的組是指具有1、2、3、4或者5個單元的組，等等。盡管已經(jīng)參照本發(fā)明的特定示例性實(shí)施例示出并描述了本發(fā)明，但是本領(lǐng)域技術(shù)人員應(yīng)該理解，在不背離所附權(quán)利要求及其等同物限定的本發(fā)明的精神和范圍的情況下，可以對本發(fā)明進(jìn)行形式和細(xì)節(jié)上的多種改變。因此，本發(fā)明的范圍不應(yīng)該限于上述實(shí)施例，而是應(yīng)該不僅由所附權(quán)利要求來進(jìn)行確定，還由所附權(quán)利要求的等同物來進(jìn)行限定。當(dāng)前第1頁12