定位方法、定位系统、电子系统和计算机可读存储介质

摘要

本申请实施例公开一种定位方法和定位系统，用于物体在空间中的定位，所述方法包括：设置移动终端，所述移动终端能够收发信号；建立基站模块，所述基站模块包括至少两个基站，所述移动终端与所述基站模块通信连接，所述移动终端与所述基站之间收发信号以得到所述移动终端的基站定位结果；建立行人航位推算模块，所述航位推算模块能够对待定位设备的位置进行航位推算；将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算，得到所述移动终端的融合定位结果。在提高定位精度的同时，减少所需基站的数量。

权利要求

1.一种定位方法，用于物体在空间中的定位，其特征在于，所述方法包括：设置移动终端，所述移动终端能够收发信号；

建立基站模块，所述基站模块包括至少两个基站，所述移动终端与所述基站模块通信连接，所述移动终端与所述基站之间收发信号以得到所述移动终端的一维基站定位结果；

建立行人航位推算模块，所述行人航位推算模块能够对待定位设备的位置进行航位推算；

将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算，包括：将所述一维基站定位结果作为实际观测值，代入扩展卡尔曼滤波方程，得到二维定位结果，其中，所述扩展卡尔曼滤波方程涉及实际观测值z，用于设计观测模型h，以及设定系统噪声协方差矩阵Q和观测噪声协方差矩阵R，所述系统噪声协方差矩阵Q包括作为步长的估计标准差的参数 ，通过调整所述系统噪声协方差矩阵Q中的所述参数 ，使融合定位结果偏向于采信基站定位结果或采信航位推算结果，包括：实际观测值z输出值设定为p=(x,y)，将其经过评估，作为 的变量，实时计算 ；当基站定位丢失时， ，融合结果为航位推算PDR模型计算结果；当基站定位结果在两基站连线中间位置时， ，基站定位和PDR模型互补输出；当基站定位结果在基站坐标附近时， ，采信PDR输出结果；当基站定位结果在2基站连线之外时， ，通过采信PDR输出结果；得到所述移动终端的融合定位结果。

2.根据权利要求1所述的方法，其特征在于，在建立行人航位推算模块的步骤中，在所述移动终端中设置所述行人航位推算模块。

3.根据权利要求1所述的方法，其特征在于，在建立基站模块的步骤中，所述基站模块包括两个基站，所述一维基站定位结果为限定在其中两个基站所在的直线上的一维定位结果，所述融合定位结果为二维定位结果。

4.根据权利要求1所述的方法，其特征在于，所述行人航位推算模块将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算的步骤包括：计算移动物体的朝向 ；

估计步长L；航位推算；利用航位推算模型和基站定位结果进行融合计算。

5.根据权利要求4所述的方法，其特征在于，计算移动物体的朝向θ的步骤包括：从移动终端的惯性传感器采集加速度和角速度信息，使用惯性导航算法处理成方向信息，得到移动物体的朝向 ；估计步长L的步骤包括：根据加速度或历史定位数据，设置步长L为固定值；航位推算的步骤包括：设上次定位为[x,y]，则下次定位预测为[x+L*cos(θ),y+L*sin(θ)]。

6.根据权利要求1所述的方法，其特征在于，所述扩展卡尔曼滤波方程为：其中，观测方程为：

，

其中，下角标k表示当前时刻，下角标k‑1为上一时刻，X为观测变量预测值，上标︿表示观测值，P为X的协方差矩阵，Q表示系统噪声的协方差矩阵, 函数g表示状态空间更新方程，K表示卡尔曼增益，z表示实际观测值，R表示观测噪声协方差矩阵，函数h表示观测模型；

函数G的雅各比矩阵为：

，

函数H的雅各比矩阵为：

。

7.根据权利要求6所述的方法，其特征在于，采用航位推算和扩展卡尔曼滤波相结合的方式，进行融合计算的步骤包括：设定状态空间模型，包括观测变量预测值X、状态空间更新方程g和θ方向激励u的初始条件；

设定观测变量预测值X和协方差矩阵的初值；

循环迭代所述更新方程和观测方程，得到的当前观测值作为所述待定位设备的融合定位结果。

8.一种定位系统，其特征在于，包括：

移动终端，所述移动终端能够收发信号；

基站模块，所述基站模块包括至少两个基站，所述移动终端与所述基站模块通信连接，所述移动终端与所述基站之间收发信号以得到所述移动终端的一维基站定位结果；

行人航位推算模块，所述航位推算模块用于对待定位设备的位置进行航位推算；

融合计算模块，所述融合计算模块用于将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算，包括：将所述一维基站定位结果作为实际观测值，代入扩展卡尔曼滤波方程，得到二维定位结果，其中，所述扩展卡尔曼滤波方程涉及实际观测值z，用于设计观测模型h，以及设定系统噪声协方差矩阵Q和观测噪声协方差矩阵R，所述系统噪声协方差矩阵Q包括作为步长的估计标准差的参数 ，通过调整所述系统噪声协方差矩阵Q中的所述参数 ，使融合定位结果偏向于采信基站定位结果或采信航位推算结果，包括：实际观测值z输出值设定为p=(x,y)，将其经过评估，作为 的变量，实时计算 ；

当基站定位丢失时， ，融合结果为航位推算PDR模型计算结果；当基站定位结果在两基站连线中间位置时， ，基站定位和PDR模型互补输出；当基站定位结果在基站坐标附近时， ，采信PDR输出结果；当基站定位结果在2基站连线之外时，，通过采信PDR输出结果；得到所述移动终端的融合定位结果。

9.一种电子系统，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行如权利要求1‑7中任一项所述的方法。

10.一种计算机存储介质，其特征在于，包括指令，用于使计算机执行如权利要求1‑7中任一项所述的方法。

说明书

定位方法、定位系统、电子系统和计算机可读存储介质

技术领域

[0001] 本申请涉及通信和定位领域，尤其涉及一种定位方法、定位系统、电子系统和计算机可读存储介质。

背景技术

[0002] 现有的室内定位方法，如采用二维区域的TOA或TDOA模型，在长宽接近的二维四边形区域内定位效果很好。此场景一般布置3个以上的基站发出信号，然后使用移动终端(如手机)接收信号求解定位结果。一般3基站定位精度不能达到1m以内，4基站以上可以达到，基站数越多精度越高。基站布置一般大致在区域内均匀布置，例如在长方形房间内实施4基站方案，则将4个基站布置在房间四个角。如果基站要增加，需要保证基站互相之间距离拉开，否则对精度提升作用不大。

[0003] 由于TOA/TDOA模型通过计算离多条基准曲线最近的点来定位，多条差异较大的线可以确保在某一条线测量不准确时，例如跳动误差2m，通过统计学方法修正，最终计算结果的跳动误差仅50cm。因此基站越多，统计学修正效果越好。但是在狭长空间中4基站和3基站定位精度也无明显差异，无法达到误差1m以下，多的一个基站并无提高精度的作用。为了改善这个问题，需要将各基站距离拉开，例如下图布设方案，但改善依然有限，无法达到常规场景的效果，不足以满足要求。

[0004] 由此，亟需找到一种定位方法和定位装置，在提高定位精度的同时，减少所需基站的数量，克服上述问题。

发明内容

[0005] 本申请实施例提供一种定位方法和定位系统，在提高定位精度的同时，减少所需基站的数量。

[0006] 为了解决上述技术问题，本申请实施例采用下述技术方案：

[0007] 首先，提供一种定位方法，用于物体在空间中的定位，所述方法包括：

[0008] 设置移动终端，所述移动终端能够收发信号；

[0009] 建立基站模块，所述基站模块包括至少两个基站，所述移动终端与所述基站模块通信连接，所述移动终端与所述基站之间收发信号以得到所述移动终端的一维基站定位结果；

[0010] 建立行人航位推算模块，所述行人航位推算模块对待定位设备的位置进行航位推算；

[0011] 将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算，得到所述移动终端的融合定位结果。

[0012] 可选的，在建立行人航位推算模块的步骤中，在所述移动终端中设置所述行人航位推算模块。

[0013] 可选的，在建立基站模块的步骤中，所述基站模块包括两个基站，所述的一维基站定位结果为限定在其中两个基站所在的直线上的一维定位结果，所述融合定位结果为二维定位结果。

[0014] 可选的，所述行人航位推算模块将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算的步骤包括：计算移动物体的朝向θ；估计步长L；航位推算；利用航位推算模型和基站定位结果进行融合计算。可选的，计算移动物体的朝向θ的步骤包括：从移动终端的惯性传感器采集加速度和角速度信息，使用惯性导航算法处理成方向信息，得到移动物体的朝向θ；估计步长L的步骤包括：根据加速度或历史定位数据，设置步长L为固定值。航位推算的步骤包括：设上次定位为[x,y]，则下次定位预测为[x+L*cos(θ),y+L*sin(θ)]。可选的，利用航位推算模型和基站定位结果进行融合计算的步骤包括：采用航位推算和扩展卡尔曼滤波相结合的方式，进行融合计算。

[0015] 可选的，采用航位推算和扩展卡尔曼滤波相结合的方式，进行融合计算的步骤包括：将所述一维基站定位结果作为实际观测值，代入扩展卡尔曼滤波方程，得到二维定位结果。

[0016] 可选的，所述扩展卡尔曼滤波的更新方程为：

[0017]

[0018] 其中，观测方程为：

[0019]

[0020] 可选的，所述采用航位推算和扩展卡尔曼滤波相结合的方式，进行融合计算的步骤包括：

[0021] 设定状态空间模型，包括观测变量预测值X、状态空间更新方程g和θ方向激励u的初始条件；

[0022] 根据基站定位结果z，设计观测模型h；

[0023] 设定系统噪声协方差矩阵Q和观测噪声协方差矩阵R；

[0024] 设定观测变量预测值X和协方差矩阵的初值；

[0025] 循环迭代所述更新方程和观测方程，得到的当前观测值作为所述待定位设备的融合定位结果。

[0026] 可选的，所述采用航位推算和扩展卡尔曼滤波相结合的方式，进行融合计算的步骤包括： 通过调整系统噪声协方差矩阵Q中的参数 ，使所述融合定位结果偏向于采信基站定位结果或采信航位推算结果。

[0027] 本发明还提供一种定位装置，包括：

[0028] 移动终端，所述移动终端能够收发信号；

[0029] 基站模块，所述基站模块包括至少两个基站，所述移动终端与所述基站模块通信连接，所述移动终端与所述基站之间收发信号以得到所述移动终端的一维基站定位结果；

[0030] 行人航位推算模块，所述航位推算模块用于对待定位设备的位置进行航位推算；

[0031] 融合计算模块，所述融合计算模块用于将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算，得到所述移动终端的融合定位结果。

[0032] 本发明还提供一种电子系统，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行如本发明提供的定位方法。

[0033] 本发明还提供一种计算机存储介质，其特征在于，包括指令，用于使计算机执行如本发明提供的定位方法。

[0034] 本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

[0035] 根据本申请实施例中提供的技术方案，在进行运动物体的定位时，能够在提高定位精度的同时，减少所需基站的数量。

附图说明

[0036] 为了更清楚地说明本说明书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，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0037] 图1为本申请实施例提供的一种定位方法的流程图；

[0038] 图2为图1所示的定位方法中中二基站定位的示意图；

[0039] 图3为图1所示的定位方法中航位推算的流程图；

[0040] 图4为图3所示的航位推算步骤的示意图；

[0041] 图5为图1所示的定位方法中中融合计算的流程图；

[0042] 图6为本申请实施例提供的定位方法中在狭长区域定位的示意图；

[0043] 图7为本申请实施例提供的定位系统的示意图。

具体实施方式

[0044] 为使本说明书实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书实施例保护的范围。

[0045] 以下结合附图，详细说明本说明书各实施例提供的技术方案。

[0046] 参考图1，示出了本申请实施例提供的一种定位方法的流程图，本实施例定位方法包括：

[0047] S01、设置移动终端，所述移动终端能够收发信号。

[0048] 在本实施例中，所述移动终端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等计算机设备。在其中集成有常规的惯性导航系统，惯性传感器(IMU)采集加速度和角速度信息，使用惯性导航算法处理成方向信息，即物体运动的朝向θ。但是本发明对所述移动终端中的具体集成系统不做限制，在其他实施例中，也可采用现有技术其他技术采集物体运动的朝向θ。

[0049] S02、建立基站模块，所述基站模块包括至少两个基站，所述移动终端与所述基站模块通信连接，所述移动终端与所述基站之间收发信号以得到所述移动终端的一维基站定位结果。

[0050] 请参考图2，为本实施例中二基站定位的示意图。在本实施例中，共设置两个基站，移动终端10在第一基站11和第二基站12之间运动时，能够得到移动终端10在第一基站11和第二基站12之间直线上的的一维定位结果。一维定位结果在二基站所在直线上跳动，不稳定但无漂移。

[0051] S03、建立行人航位推算模块，所述行人航位推算模块能够对待定位设备的位置进行航位推算。

[0052] S04、将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算，得到所述移动终端的融合定位结果。

[0053] 具体地，请参考图3，为图1所示的定位方法中航位推算的流程图，本实施例中航位推算的步骤包括：

[0054] S31、计算移动物体的朝向θ。

[0055] 在本实施例中，从移动终端的惯性传感器(IMU)采集加速度和角速度信息，使用惯性导航算法处理成方向信息，即人的朝向θ，本实施的方向采用东北天ENU坐标系。

[0056] S32、估计步长L。在本实施例中，所述步长L可以是固定值，也可以根据加速度或历史定位数据估计。

[0057] S33、航位推算。参考图4，为航位推算步骤的示意图移动终端从第一位置20移动到第二位置21、第三位置22的过程中，根据设定好的步长L，以及移动物体的朝向θ，设上次定位为[x,y]，则下次定位预测为[x+L*cos(θ),y+L*sin(θ)]。

[0058] 需要说明的是，在本实施例中，航位推算的结果为二维结果，在接下来的步骤中与基站定位的一维结果相融合，形成二维的融合定位结果。但是本发明对此不做限制，在其他实施例中，所述航位推算的结果还可以为三维结果，在接下来的步骤中与基站定位的一维结果相融合，形成三维的融合定位结果。

[0059] S34、利用航位推算模型和基站定位结果进行融合计算。

[0060] 图5为本实施例中融合计算的流程图，参考图5，本实施例融合计算采用航位推算和扩展卡尔曼滤波相结合的方式，进行融合计算，所述扩展卡尔曼滤波的更新方程为：

[0061]

[0062] 其中，观测方程为：

[0063]

[0064] 上述方程中，下角标k表示当前时刻，下角标k‑1为上一时刻，X为观测变量预测值，上标 ̂表示观测值，例如 表示X的观测值，P为X的协方差矩阵，Q表示系统噪声的协方差矩阵, 函数g表示状态空间更新方程，K表示卡尔曼增益。

[0065] z表示实际观测值，在本实施例中为二基站定位结果，该结果为一维基站定位结果。接下来将所述一维基站定位结果代入扩展卡尔曼滤波方程，得到二维定位结果。具体地：

[0066] R表示观测噪声协方差矩阵，函数h表示观测模型。

[0067] 函数g的雅各比矩阵为：

[0068]

[0069] 函数h的雅各比矩阵为：

[0070]

[0071] 本实施例定位方法通过将上述实际观测值z代入上述所述扩展卡尔曼滤波方程，输出作为最终的融合定位结果。所述融合定位结果为二维定位结果，并且具有较小的漂移量，定位更加精确。

[0072] 请参考图5，本实施例融合计算的步骤包括：

[0073] S401、设定状态空间模型，包括观测变量预测值X、状态空间更新方程g和θ方向激励u的初始条件。

[0074] S402、根据实际观测值z，设计观测模型h。在本实施例中，将所述二基站定位结果作为实际观测值z。

[0075] S403、设定系统噪声协方差矩阵Q和观测噪声协方差矩阵R。

[0076] S404、设定观测变量预测值X和协方差矩阵的初值。

[0077] S405、循环迭代所述更新方程和观测方程，得到的当前观测值作为所述待定位设备的融合定位结果。

[0078] 具体地，上述步骤的实现有多种具体实现方式达到多传感器融合效果，本发明不限制具体的实现方式。下面本实施例给出一个具体的PDR算法实现方式：

[0079] 在如上卡尔曼滤波方程中，设定

[0080]

[0081] 其中D为本实施例中的步长L，为可调参数，为物体的运动方向，因此状态模型即写为

[0082]

[0083] 以上两式即一种PDR模型，即本实施例航位推算过程的一种具体设置形式。

[0084] 本实施例的观测模型为

[0085]

[0086] R实时计算，记

[0087]

[0088] 其中 和  分别表示步长D和行走朝向角度θ的估计标准差，为可调参数。Q为人为设定，

[0089]

[0090] 通过人为调整  ，即可调整融合效果，使得本实施例的融合结果在二基站定位结果和PDR结果之间可调。

[0091] 调大 ，则意味着此时实际观测值（二基站定位结果）Zk不准确，融合结果更接近PDR结果；

[0092] 调小 ，则意味着此时实际观测值Zk准确，融合结果更接近基站定位结果。

[0093] 具体地，在本实施例中，实际观测值Zk输出值设定为p=(x,y)。将其经过评估，作为的变量，实时计算 ：

[0094]

[0095] 调整函数f即可达到融合计算多种效果：

[0096] 基站定位丢失时 ，融合结果基本只参考航位推算PDR模型计算结果。

[0097] 基站定位结果在两基站连线中间位置时 ，基站定位和PDR模型互补输出。

[0098] 基站定位结果在基站坐标附近时 ，偏向于采信PDR输出结果，以便稳定走出当前区域。

[0099] 基站定位结果在2基站连线之外时 ，更加偏向于采信PDR输出结果。

[0100] 需要说明的是，在本实施例中 的取值与二基站定位结果Z的函数关系可以根据经验人为设定，其取值范围一般在0到10的范围内，但是本发明对此不作具体限制。

[0101] 请参考图6，为本申请实施例提供的定位方法中在狭长区域定位的示意图。在现有技术如图6多区域连通的狭长环境中，在第一狭长区域31大到第二狭长区域32分别采用二基站定位或多基站定位。

[0102] 物体从第一狭长区域31移动到第二狭长区域32，从第一点301走到第二点302，定位数据容易不连贯。因为定位误差较大，走出第一点301所在的第一狭长区域31后，定位结果还可能在第一狭长区域31，对第二狭长区域32亦然。此时会在一个定位周期中出现两个误差大的定位点，此处易出现定位大幅跳动或者滞后等现象。解决方法是，采用本实施例的融合算法：

[0103] 基站定位区域不要交叠，而是错开一点距离，即第一点301和第二点302所在直线不要相交，过渡区域依靠主要PDR模型计算结果。

[0104] 通过精细调整函数f在快要走出区域时的输出值，令 在基站区域中段时较低，基站定位和PDR互补输出；而越靠近区域边缘 越高，主要依靠PDR模型的稳定特性保持定位连贯。

[0105] 因此，采用本实施例的融合算法，得到的结果是二维的定位结果，并且具有二基站定位无漂移或漂移小的优点。融合方法采用通用的PDR模型和扩展卡尔曼滤波框架，创新性地通过定位结果与基站的距离关系调整扩展卡尔曼滤波中的 ，实现了顺畅的区域过渡。解决了室内定位应用中，在狭长区域内使用多基站TOA和TDOA等方法精度下降，导致定位结果大幅跳动，区域过渡不稳定等问题，提升了定位效果。并且降低了对基站数量的要求，仅需每个区域2个基站和带有IMU的移动终端即可实现2维定位，在楼道、隧道等环境中布设定位基站时即可大幅降低难度，节约成本。

[0106] 本实施例还提供一种定位系统，图7为本申请实施例提供的定位系统的示意图，本实施例定位系统包括：

[0107] 移动终端50，所述移动终端能够收发信号。

[0108] 基站模块51，所述基站模块包括至少两个基站，所述移动终端与所述基站模块通信连接，所述移动终端与所述基站之间收发信号以得到所述移动终端的基站定位结果。

[0109] 行人航位推算模块52，所述航位推算模块用于对待定位设备的位置进行航位推算。

[0110] 融合计算模块53，所述融合计算模块用于将所述基站定位结果作为输入值，代入行人航位推算模型进行融合计算，得到所述移动终端的融合定位结果。

[0111] 本实施例定位系统能够用于上述实施例提供的定位方法，在进行运动物体的定位时，能够在提高定位精度的同时，减少所需基站的数量。

[0112] 下面详细介绍本说明书实施例的电子系统。在硬件层面，该电子系统包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random‑Access Memory，RAM)，也可能还包括非易失性存储器（Non‑Volatile Memory），例如至少1个磁盘存储器等。当然，该电子系统还可能包括其他业务所需要的硬件。

[0113] 处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是工业标准体系结构(Industry Standard Architecture，ISA）总线、外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，EISA）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

[0114] 处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成去中心化应用账户恢复装置。处理器，执行存储器所存放的程序，并具体用于执行前文所述服务器作为执行主体时所执行的方法操作。

[0115] 上述如本说明书实施例图1所示实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

[0116] 该电子系统还可执行图1的方法，并实现去中心化应用系统在图1所示实施例的功能，本说明书实施例在此不再赘述。

[0117] 当然，除了软件实现方式之外，本说明书实施例的电子系统并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

[0118] 本说明书实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子系统执行时，使得所述电子系统执行实施例一所述的方法。在此不再赘述。

[0119] 其中，所述的计算机可读存储介质，如只读存储器（Read‑Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等。

[0120] 总之，以上所述仅为本说明书实施例的较佳实施例而已，并非用于限定本说明书实施例的保护范围。凡在本说明书实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的保护范围之内。

[0121] 上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

[0122] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

[0123] 还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

[0124] 本说明书实施例中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。