自适应的物理层网络编码传输方法、装置、设备及介质

摘要

本发明涉及自适应的物理层网络编码传输方法、装置、设备及介质，该方法包括：获取第一节点和第二节点分别向中继发送的第一消息和第二消息；根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息；根据第三消息和第四消息，确定第五消息，并将第五消息传输至通过预先基于机器学习训练的中继，得到第六消息；根据第一消息和第六消息，通过解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息。通过本发明的方法，使用机器学习针对当前信道条件自适应地构建非传统调制模式，实现该调制模式在两用户节点与中继的动态同步。

权利要求

1.一种自适应的物理层网络编码传输方法，其特征在于，包括以下步骤：获取第一节点和第二节点分别向中继发送的第一消息和第二消息；

根据当前信道状态，通过预先基于机器学习训练的编码机分别将所述第一消息和所述第二消息转换为非传统调制模式的第三消息和第四消息，所述非传统调制模式为除QAM调制模式和PSK调制模式之外的其他幅度调制、相位调制和幅相调制模式；

根据所述第三消息和所述第四消息，确定第五消息，并将所述第五消息传输至通过预先基于机器学习训练的中继，得到第六消息；

根据所述第一消息和所述第六消息，通过预先基于机器学习训练的解码机确定所述第一消息对应的第一估计消息，根据所述第二消息和所述第六消息，通过所述解码机确定所述第二消息对应的第二估计消息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过OFDM调制方法分别对所述第三消息和所述第四消息进行调制处理，得到OFDM帧形式的第七消息和第八消息；

所述根据所述第三消息和所述第四消息，确定第五消息，包括：

根据所述第七消息和所述第八消息，确定所述第五消息。

3.根据权利要求1所述的方法，其特征在于，所述编码机包括依次连接的嵌入模块、多层感知机模块和能量归一化模块；

所述根据当前信道状态，通过预先基于机器学习训练的编码机分别将所述第一消息和所述第二消息转换为非传统调制模式的第三消息和第四消息，包括：按照所述当前信道状态，通过所述嵌入模块分别将所述第一消息映射为第一映射消息，将所述第二消息映射为第二映射消息；

通过所述多层感知机模块对应的第一调制阶数，对所述第一映射消息进行维度处理，得到第八消息，通过多层感知机模块对应的第二调制阶数，对所述第二映射消息进行维度处理，得到第九消息，所述第八消息的维度不大于所述第一映射消息的维度，所述第九消息的维度不大于所述第二映射消息的维度；

根据所述第八消息的维度和所述非传统调制模式，对所述第八消息进行归一化处理，得到第三消息，根据所述第九消息的维度和所述非传统调制模式，对所述第九消息进行归一化处理，得到第四消息。

4.根据权利要求3所述的方法，其特征在于，所述第一消息和所述第二消息均为二进制序列；所述按照所述当前信道状态，通过所述嵌入模块分别将所述第一消息映射为第一映射消息，将所述第二消息映射为第二映射消息，包括：按照所述当前信道状态，通过所述嵌入模块对所述第一消息进行切分，得到包含多个二进制子序列的第一序列，对所述第二消息进行切分，得到包含多个二进制子序列的第二序列；

对于所述第一序列和所述第二序列中的每个二进制子序列，通过所述嵌入模块将所述二进制子序列转换为十进制数字；

根据所述第一消息对应的各个十进制数字，通过所述嵌入模块确定所述第一消息对应的第一向量，根据所述第一向量确定所述第一映射消息，根据所述第二消息对应的各个十进制数字，通过所述嵌入模块确定所述第二消息对应的第二向量，根据所述第二向量确定所述第二映射消息。

5.根据权利要求4所述的方法，其特征在于，所述通过OFDM调制方法分别对所述第三消息和所述第四消息进行调制处理，得到OFDM帧形式的第七消息和第八消息，包括：对于所述第三消息和所述第四消息中的每一个消息，根据调制阶数k对所述消息进行k簇聚类，得到聚类中心集合，所述聚类中心集合中包括2个元素，每个元素中包括至少一个十进制数字对应的向量；

根据预发送序列的长度，将所述聚类中心集合中的各个元素均匀且重复的排列成与所述预发送序列的长度等长的第一序列；

对所述第一序列进行快速傅里叶反变换，得到第二序列；

将所述第二序列填充在所述预发送序列中，得到构成OFDM帧形式的消息的预发送序列；

将所述第三消息和所述第四消息填充在OFDM帧的有效子载波上，得到第一数据；

在所述第一数据中交替插入多个正交导频，得到第二数据；

对所述第二数据进行快速傅里叶反变换，得到构成OFDM帧形式的消息的发送数据；

对于所述第三消息和所述第四消息中的每一个消息，根据所述消息，确定构成OFDM帧形式的消息的短训练序列、长训练序列和循环前缀；

对于所述第三消息，根据构成OFDM帧形式的第七消息的发送数据、预发送序列、短训练序列、长训练序列和循环前缀，确定所述第三消息对应的第七消息；

对于所述第四消息，根据构成OFDM帧形式的第八消息的发送数据、预发送序列、短训练序列、长训练序列和循环前缀，确定所述第四消息对应的第八消息。

6.根据权利要求5所述的方法，其特征在于，所述第五消息包括所述第三消息、所述第四消息、所述第三消息对应的第一模拟信道状态参数和所述第四消息对应的第二模拟信道状态参数；在确定所述第五消息之后，所述方法还包括：基于OFDM解调方法对所述第五消息进行解调处理，得到新的第六消息；

所述根据所述第一消息和所述第六消息，通过预先基于机器学习训练的解码机确定所述第一消息对应的第一估计消息，根据所述第二消息和所述第六消息，通过所述解码机确定所述第二消息对应的第二估计消息，包括：根据所述第一消息和所述新的第六消息，通过预先基于机器学习训练的解码机确定所述第一消息对应的第一估计消息，根据所述第二消息和所述新的第六消息，通过预先基于机器学习训练的解码机确定所述第二消息对应的第二估计消息。

7.根据权利要求6所述的方法，其特征在于，所述基于OFDM解调方法对所述第五消息进行解调处理，得到新的第六消息，包括：根据所述第五消息，分析所述第五消息对应的短训练序列，得到所述第五消息的起始位置，并根据所述起始位置，分析所述第五消息对应的长训练序列，得到所述第一模拟信道状态参数的第一估计和所述第二模拟信道状态参数的第二估计；

对所述第五消息对应的两个预发送序列分别进行快速傅里叶变换，得到第三序列和第四序列；

根据所述第三消息对应的发送数据，确定所述第三消息对应的发送数据中各个正交导频的第一估计均值，根据所述第四消息对应的发送数据，确定所述第四消息对应的发送数据中各个正交导频的第二估计均值；

根据所述第三序列、所述第四序列、所述第一估计、所述第二估计、所述第一估计均值和所述第二估计均值，确定新的第六消息。

8.一种自适应的物理层网络编码传输装置，其特征在于，包括：

获取模块，用于获取第一节点和第二节点分别向中继发送的第一消息和第二消息；

调制模式转换模块，用于根据当前信道状态，通过预先基于机器学习训练的编码机分别将所述第一消息和所述第二消息转换为非传统调制模式的第三消息和第四消息，所述非传统调制模式为除QAM调制模式和PSK调制模式之外的其他幅度调制、相位调制和幅相调制模式；

消息处理模块，用于根据所述第三消息和所述第四消息，确定第五消息，并将所述第五消息传输至通过预先基于机器学习训练的中继，得到第六消息；

估计模块，用于根据所述第一消息和所述第六消息，通过预先基于机器学习训练的解码机确定所述第一消息对应的第一估计消息，根据所述第二消息和所述第六消息，通过所述解码机确定所述第二消息对应的第二估计消息。

9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1‑7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑7中任一项所述的方法。

说明书

自适应的物理层网络编码传输方法、装置、设备及介质

技术领域

[0001] 本发明涉及无线通信技术领域，具体而言，本发明涉及自适应的物理层网络编码传输方法、装置、设备及介质。

背景技术

[0002] 物理层网络编码(Physical layer network coding，PNC)是无线通信领域中一种增加通信吞吐量的技术，其典型应用场景为双向中继网络(Two way relay network，TWRN)，该网络假设有两用户节点需要通过中继来交换信息。在TWRN下使用PNC技术时，允许两节点直接向中继发送信息，中继收到叠加的信号后进行处理后再向两节点广播。因其能够节省传输时间，从而增加系统吞吐量。

[0003] 由于在TWRC中使用PNC技术时，中继收到的信号总是信号的叠加，该接收信号直接与上行链路的调制格式和信道状态相关，对该信号的处理方法或流程因此受限并缺乏灵活度。因此，传统的方法一般强调其调制格式或信道状态并做出针对性的信号处理方案，不具备拓展性及机动性。

发明内容

[0004] 本发明所要解决的技术问题是提供了一种自适应的物理层网络编码传输方法、装置、设备及介质，旨在解决上述至少一个技术问题。

[0005] 第一方面，本发明解决上述技术问题的技术方案如下：一种自适应的物理层网络编码传输方法，该方法包括：

[0006] 获取第一节点和第二节点分别向中继发送的第一消息和第二消息；

[0007] 根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，非传统调制模式为除QAM调制模式和PSK调制模式之外的其他幅度调制、相位调制和幅相调制模式；

[0008] 根据第三消息和第四消息，确定第五消息，并将第五消息传输至通过预先基于机器学习训练的中继，得到第六消息；

[0009] 根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息。

[0010] 本发明的有益效果是：可根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，增强传输的灵活度，中继可以处理非传统调制模式的第五消息，最后通过解码机实现对两个节点的消息的传输。

[0011] 在上述技术方案的基础上，本发明还可以做如下改进。

[0012] 进一步，上述方法还包括：

[0013] 通过OFDM调制方法分别对第三消息和第四消息进行调制处理，得到OFDM帧形式的第七消息和第八消息；

[0014] 根据第三消息和第四消息，确定第五消息，包括：

[0015] 根据第七消息和第八消息，确定第五消息。

[0016] 采用上述进一步方案的有益效果是，采用OFDM技术，可以使减小对定时同步的强依赖，并且能够对抗频率选择性衰落，即通过OFDM技术对第三消息和第四消息进行调制处理，可以使中继能够自适应地处理两上行链路的信号叠加，在不同调制及信道条件下均能工作良好。

[0017] 进一步，上述编码机包括依次连接的嵌入模块、多层感知机模块和能量归一化模块；上述根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，包括：

[0018] 按照当前信道状态，通过嵌入模块分别将第一消息映射为第一映射消息，将第二消息映射为第二映射消息；

[0019] 通过多层感知机模块对应的第一调制阶数，对第一映射消息进行维度处理，得到第八消息，通过多层感知机模块对应的第二调制阶数，对第二映射消息进行维度处理，得到第九消息，第八消息的维度不大于第一映射消息的维度，第九消息的维度不大于第二映射消息的维度；

[0020] 根据第八消息的维度和非传统调制模式，对第八消息进行归一化处理，得到第三消息，根据第九消息的维度和非传统调制模式，对第九消息进行归一化处理，得到第四消息。

[0021] 采用上述进一步方案的有益效果是，通过上述嵌入模块、多层感知机模块和能量归一化模块各自的处理过程，可以得到符合当前信道状态的非传统调制模式的第三消息和第四消息。

[0022] 进一步，上述第一消息和第二消息均为二进制序列；上述按照当前信道状态，通过嵌入模块分别将第一消息映射为第一映射消息，将第二消息映射为第二映射消息，包括：

[0023] 按照当前信道状态，通过嵌入模块对第一消息进行切分，得到包含多个二进制子序列的第一序列，对第二消息进行切分，得到包含多个二进制子序列的第二序列；

[0024] 对于第一序列和第二序列中的每个二进制子序列，通过嵌入模块将二进制子序列转换为十进制数字；

[0025] 根据第一消息对应的各个十进制数字，通过嵌入模块确定第一消息对应的第一向量，根据第一向量确定第一映射消息，根据第二消息对应的各个十进制数字，通过嵌入模块确定第二消息对应的第二向量，根据第二向量确定第二映射消息。

[0026] 采用上述进一步方案的有益效果是，根据上述嵌入模块的处理方式，可将第一消息和第二消息转换为符合当前信道状态的非传统调制模式的第三消息和第四消息。

[0027] 进一步，上述通过OFDM调制方法分别对第三消息和第四消息进行调制处理，得到OFDM帧形式的第七消息和第八消息，包括：

[0028] 对于第三消息和第四消息中的每一个消息，根据调制阶数k对第三消息进行簇聚k类，得到聚类中心集合，聚类中心集合中包括2个元素，每个元素中包括至少一个十进制数字对应的向量；

[0029] 根据预发送序列的长度，将聚类中心集合中的各个元素均匀且重复的排列成与预发送序列的长度等长的第一序列；

[0030] 对第一序列进行快速傅立叶反变换，得到第二序列；

[0031] 将第二序列填充在预发送序列中，得到构成OFDM帧形式的消息的预发送序列；

[0032] 将第三消息和第四消息填充在OFDM帧的有效子载波上，得到第一数据；

[0033] 在第一数据中交替插入多个正交导频，得到第二数据；

[0034] 对第二数据进行快速傅立叶反变换，得到构成OFDM帧形式的消息的发送数据；

[0035] 根据消息，确定构成OFDM帧形式的消息的短训练序列、长训练序列和循环前缀；

[0036] 对于第三消息，根据构成OFDM帧形式的第七消息的发送数据、预发送序列、短训练序列、长训练序列和循环前缀，确定第三消息对应的第七消息；

[0037] 对于第四消息，根据构成OFDM帧形式的第八消息的发送数据、预发送序列、短训练序列、长训练序列和循环前缀，确定第四消息对应的第八消息。

[0038] 采用上述进一步方案的有益效果是，根据OFDM调制方法分别对第三消息和第四消息进行调制处理，使得第三消息和第四消息转化为OFDM帧形式的第七消息和第八消息，便于后续中继能够自适应地处理两上行链路的叠加信号(第五消息)。

[0039] 进一步，上述第五消息包括第三消息、第四消息、第三消息对应的第一模拟信道状态参数和第四消息对应的第二模拟信道状态参数；在确定第五消息之后，该方法还包括：

[0040] 基于OFDM解调方法对第五消息进行解调处理，得到新的第六消息；

[0041] 上述根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息，包括：

[0042] 根据第一消息和新的第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和新的第六消息，通过预先基于机器学习训练的解码机确定第二消息对应的第二估计消息。

[0043] 采用上述进一步方案的有益效果是，前文根据OFDM调制方法对第三消息和第四消息进行的调制处理，那么在后续需要对应对第五消息按照OFDM解调方法进行解调处理，便于后续解码机的解码处理。

[0044] 进一步，上述基于OFDM解调方法对第五消息进行解调处理，得到新的第六消息，包括：

[0045] 根据第五消息，分析第五消息对应的短训练序列，得到第五消息的起始位置，并根据起始位置，分析第五消息对应的长训练序列，得到第一模拟信道状态参数的第一估计和第二模拟信道状态参数的第二估计；

[0046] 对第五消息对应的两个预发送序列分别进行快速傅里叶变换，得到第三序列和第四序列；

[0047] 根据第三消息对应的发送数据，确定第三消息对应的发送数据中各个正交导频的第一估计均值，根据第四消息对应的发送数据，确定第四消息对应的发送数据中各个正交导频的第二估计均值；

[0048] 根据第三序列、第四序列、第一估计、第二估计、第一估计均值和第二估计均值，确定新的第六消息。

[0049] 采用上述进一步方案的有益效果是，根据对OFDM形式的第五消息的解析，可实现对第五消息进行解调处理，为解码机的处理提供数据基础。

[0050] 第二方面，本发明为了解决上述技术问题还提供了一种自适应的物理层网络编码传输装置，该装置包括：

[0051] 获取模块，用于获取第一节点和第二节点分别向中继发送的第一消息和第二消息；

[0052] 调制模式转换模块，用于根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，非传统调制模式为除QAM调制模式和PSK调制模式之外的其他幅度调制、相位调制和幅相调制模式；

[0053] 消息处理模块，用于根据第三消息和第四消息，确定第五消息，并将第五消息传输至通过预先基于机器学习训练的中继，得到第六消息；

[0054] 估计模块，用于根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息。

[0055] 第三方面，本发明为了解决上述技术问题还提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行该计算机程序时实现本申请的自适应的物理层网络编码传输方法。

[0056] 第四方面，本发明为了解决上述技术问题还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本申请的自适应的物理层网络编码传输方法。

[0057] 本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

[0058] 为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍。

[0059] 图1为本发明一个实施例提供的一种自适应的物理层网络编码传输方法的流程示意图；

[0060] 图2为本发明一个实施例提供的一种双向中继网络的示意图；

[0061] 图3为本发明一个实施例提供的一种神经网络的示意图；

[0062] 图4为本发明一个实施例提供的另一种自适应的物理层网络编码传输方法的示意图；

[0063] 图5为本发明一个实施例提供的一种OFDM帧格式示意图；

[0064] 图6为本发明一个实施例提供的一种正交导频插入示意图；

[0065] 图7为本发明一个实施例提供的一种接收图案示意图；

[0066] 图8为本发明一个实施例提供的一种接收信号的帧误码率统计直方图示意图；

[0067] 图9为本发明一个实施例提供的一种自适应的物理层网络编码传输装置的结构示意图；

[0068] 图10为本发明一个实施例提供的一种电子设备的结构示意图。

具体实施方式

[0069] 以下对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

[0070] 下面以具体实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

[0071] 本发明实施例所提供的方案可以适用于任何需要进行物理层网络编码传输的应用场景中。本发明实施例提供了一种可能的实现方式，如图1所示，提供了一种自适应的物理层网络编码传输方法的流程图，该方案可以由任一电子设备执行，为描述方便，下面将以服务器作为执行主体为例对本发明实施例提供的方法进行说明，如图1中所示的流程图，该方法可以包括以下步骤：

[0072] 步骤S110，获取第一节点和第二节点分别向中继发送的第一消息和第二消息；

[0073] 步骤S120，根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，非传统调制模式为除QAM调制模式和PSK调制模式之外的其他幅度调制、相位调制和幅相调制模式；

[0074] 步骤S130，根据第三消息和第四消息，确定第五消息，并将第五消息传输至通过预先基于机器学习训练的中继，得到第六消息；

[0075] 步骤S140，根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息。

[0076] 通过本发明的方法，可根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，增强传输的灵活度，中继可以处理非传统调制模式的第五消息，最后通过解码机实现对两个节点的消息的传输。

[0077] 下面结合以下具体的实施例，对本发明的方案进行进一步的说明，首先，先对在双向中继网络(Two way relay network)中，基于物理层网络编码(Physical layer network coding，PNC)进行传输的原理进行说明。

[0078] 参见图2，在双向中继网络中，物理层网络编码允许节点A和节点B同时向中继R发送消息。该通信模式存在上行链路及下行链路。上行链路中，节点A和节点B同时向中继节点发送消息；之后中继处理叠加的消息，并将结果通过下行链路广播至节点A和节点B。

[0079] 在执行本申请的方案之前，参见图3，预先基于机器学习的方式训练一个神经网络，记为Ω，具体构型如图3所示，该神经网络包括编码机A、编码机B、中继R、解码机A和解码机B；其中，编码机A和B代表了节点A、节点B的发送端，解码机A、解码机B代表了节点A、节点B的接收端。

[0080] 上述编码机A包括嵌入模块A、多层感知机A1和能量归一化模块A，编码机B分别包括嵌入模块B、多层感知机B1和能量归一化模块B，编码机A和编码机B的作用是，根据当前信道状态，将从节点A和节点B发送出的消息(SA和SB)转换为非传统调制模式的消息；中继R包括多层感知机R，作用是对编码机A和编码机B发送过来的非传统调制模式的消息进行处理，解码机A包括多层感知机A2和去嵌入模块A，解码机B包括多层感知机B2和去嵌入模块B，解码机A的作用是根据编码机A的输出和中继R的输出，确定消息SB的估计 解码机B的作用是根据编码机B的输出和中继R的输出，确定消息SA的估计

[0081] 上述神经网络可基于不同信道状态下的节点A和节点B的消息训练得到。具体训练方式与现有技术中的神经网络训练方式相同，在此不再赘述。

[0082] 基于上述训练得到的编码机A、编码机B、中继R、解码机A和解码机B，参见图4，对本实施例所描述的自适应的物理层网络编码传输方法进行陈述，该方法可以包括以下步骤：

[0083] 步骤S110，获取第一节点和第二节点分别向中继发送的第一消息和第二消息；

[0084] 其中，第一节点可以为前文的节点A，第二节点为前文描述的节点B，第一消息为图4中所示的SA，第二消息为图4中所示的SB。

[0085] 步骤S120，根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，非传统调制模式为除QAM调制模式和PSK调制模式之外的其他幅度调制、相位调制和幅相调制模式。传统m‑QAM或传统m‑PSK会指定其m个映射点的位置(有较为固定的映射图案，且这种图案是学界或工业界通用的)，而本申请方案中的非传统调制模式的映射点位置是由机器自动生成的，具有因适应信道而产生的随机性。

[0086] 基于前文描述可知，编码机包括依次连接的嵌入模块、多层感知机模块和能量归一化模块；

[0087] 则上述步骤S120，根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，包括：

[0088] S21，按照当前信道状态，通过嵌入模块A分别将第一消息映射为第一映射消息vA，通过嵌入模块B将第二消息映射为第二映射消息vB；

[0089] 其中，上述第一消息SA和第二消息SB为二进制序列。则上述S21,按照当前信道状态，通过嵌入模块分别将第一消息映射为第一映射消息，将第二消息映射为第二映射消息，包括：

[0090] 按照当前信道状态，通过嵌入模块对第一消息进行切分，一种可实现方式为：按照每k个比特对第一消息进行切分，得到包含多个二进制子序列的第一序列，第一序列SAi中的各个二进制子序列可表示为SA1、SA2…，按照与第一消息切分相同的方式，对第二消息进行切分，得到包含多个二进制子序列的第二序列；

[0091] 对于第一序列和第二序列中的每个二进制子序列，下面的处理方式相同，具体为：通过嵌入模块将二进制子序列转换为十进制数字ρAi；一种可选的实现方式为：将SAi按照固定的方向进行读取，转换为十进制数字，作为一个示例，假设k＝3时，某二进制子序列SAi是[101]，固定的读取方式为从右向左，那么(101)2＝(5)10，即二进制子序列[101]对应的十进制数字为5。根据第一消息对应的各个十进制数字，通过嵌入模块确定第一消息对应的第一向量vAi，一种可选的实现方式为：各个十进制数字中，除了第ρAi+1个元素为1，其余均为0，即第一向量vAi中，除了第ρAi+1个元素为1，其余均为0。作为一个示例，vAi的第6个元素是1，k
其余元素为0，那么第一向量可表示为[00100000]。其中，第一向量的长度可为1*2。最后根据第一向量确定第一映射消息，一种可实现方式为:将vAi依次排列，构成第一映射消息vA。

[0092] 同上述第一消息相同的处理方式，根据第二消息对应的各个十进制数字，通过嵌入模块确定第二消息对应的第二向量，根据第二向量确定第二映射消息。

[0093] S22，通过多层感知机模块A1对应的第一调制阶数k1，对第一映射消息vA进行维度处理，得到第八消息，通过多层感知机模块A2对应的第二调制阶数k2，对第二映射消息vB进行维度处理，得到第九消息，第八消息的维度不大于第一映射消息的维度，第九消息的维度不大于第二映射消息的维度；第一调制阶数k1和第二调制阶数k2可以相同，也可以不同。

[0094] 其中，多层感知机由神经网络构成，有多层，每层有多个神经元，上层神经元与下层神经元之间的连接方式有多种；层数、每层神经元的数量、上层神经元与下层神经元之间的连接方式可以根据训练状态或实际情况进行调整。其中，必须固定的参数有：编码机A或Bk中的MLP的输入层神经元数(2)和输出层神经元数(2)；中继R的MLP的输入层神经元数(2)k
和输出神经元数(2)；解码机A和B中的MLP的输入层神经元数(2)和输出神经元数(2)。在调k k
制阶数为k时，调制阶数k对应了编码机的输出调制格式最高为2‑QAM或2‑PSK调制格式，即k
最多的映射点数为2。注意，调制阶数k仅确定了映射点数的上限，MLP可能会根据信道状况k
作出调整，使得实际映射点数小于2，即第八消息的维度不大于第一映射消息的维度，第九消息的维度不大于第二映射消息的维度。此处涉及编码机的MLP，比如，编码机MLP输入为v，k
输出为x，二者的维度不同，v矩阵的最后一维的维度是2，x的最后一维的维度是2。

[0095] S23，根据第八消息的维度和非传统调制模式，对第八消息进行归一化处理，得到第三消息xA，根据第九消息的维度和非传统调制模式，对第九消息进行归一化处理，得到第四消息xB。

[0096] 其中，能量归一化模块的作用是按照输出矩阵(第八消息和第九消息)的维度和调制格式(第一消息和第二消息的调制格式)的要求进行能量归一化。

[0097] 若调制格式为QAM调制，归一化的方法为(以第八消息为例，第九消息同理)，其中， 第三消息xA，即为N代表 的符号数，即向量 的个数，并且等于 的个数。|*|代表*的模；若为PSK调制，归一化的方法为 其中， 第三消息xA。

[0098] 步骤S130，根据第三消息和第四消息，确定第五消息，并将第五消息传输至通过预先基于机器学习训练的中继，得到第六消息。

[0099] 其中，第五消息可包括第三消息、第四消息、第三消息对应的第一模拟信道状态参数、第四消息对应的第二模拟信道状态参数和噪声，该第五消息可表示为：yR＝hAxA+hBxB+w，其中，hA为第一模拟信道状态参数，hB为第二模拟信道状态参数，w为加性高斯白噪声(Additive Gaussian white noise，AWGN)。在训练时，hA，hB按照信道客观条件及/或人为确定来给定。中继的输出为xR，即第六消息为xR。

[0100] 步骤S140，根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息。

[0101] 其中，根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息和根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息的实现原理一样，下面具体进行说明：解码机A先将输入至解码机的第六消息和第一消息作差运算，得到xR‑xA，同理，对解码机B先将输入至解码机的第六消息和第二消息作差运算，得到xR‑xB，然后将xR‑xA输入到对应的多层感知机A2中，将xR‑xB输入到对应的多层感知机B2中。解码机A和解码机B的输出分别为 和 该 和 分别输入给去嵌入模块A和去嵌入模块B。解码机输入中的xA和xB可来自编码器输出的一个副本。

[0102] 去嵌入模块的作用是将和 (十进制)解释为最终的输出第一估计消息 和第二估计消息 其原理为：(以去嵌入模块A为例，去嵌入模块B同理)：对一个具体的输入，找到其中最大的元素对应的下标 对编码机构建的v而言，里面不是0就是1。这里是解码机的内容， 指的是 的估计，是通过神经网络获得的阶段性输出，里面的值是任意的。

[0103] 并将 按照与嵌入模块中二进制读取方向相同的方向转换为二进制序列举个例子，假如，k＝3时某个 中第5个元素是该向量中最大的，那么就把(5‑1＝4)换算为二进制序列[100]，则去嵌入模块的输出即为二级制序列[100]。

[0104] 在本申请的方案中，在上行链路中，编码机A和编码机B的输出xA和xB可以OFDM帧的形式发送。OFDM帧格式如图5所示，其中OFDM帧格式的消息可包括短训练序列、长训练序列、循环前缀、预发送序列和发送数据，图5中，STS为10个重复的短训练序列，LTS为长训练序列，CP为循环前缀。该三种序列具体按照802.11规定进行。除发送数据部分外的其它部分称为OFDM帧的前导码。

[0105] 在本申请的可选方案中，该方法还包括：

[0106] 通过OFDM调制方法分别对第三消息和第四消息进行调制处理，得到OFDM帧形式的第七消息和第八消息；

[0107] 上述根据第三消息和第四消息，确定第五消息，包括：

[0108] 根据第七消息和第八消息，确定第五消息。

[0109] 可选的，上述通过OFDM调制方法分别对第三消息和第四消息进行调制处理，得到OFDM帧形式的第七消息和第八消息，包括：

[0110] S31,对于第三消息和第四消息中的每一个消息，根据调制阶数k对第三消息进行k簇聚类，得到聚类中心集合{qA}，聚类中心集合中包括2个元素，每个元素中包括至少一个十进制子序列对应的向量。

[0111] 其中，预发送序列的长度有限，因此只能代表性地发送一部分内容，可通过聚类来k减小预发送序列的信息冗余。聚类算法是任意的，只要规定聚类输出为的长度为2即可，没k
有其它具体要求。{qA}是聚类的结果集合，其中有2个元素。聚类算法以集合{x}作为输入，k
但是聚类的结果和x无关。即无论聚类前包含多少个元素，聚类后的集合中包含2个元素即可。

[0112] S32,根据预发送序列的长度，将聚类中心集合中的各个元素均匀且重复的排列成与预发送序列的长度等长的第一序列。

[0113] 其中，预发送序列的长度是可以变化的，根据OFDM做FFT或IFFT的长度指定，FFT或IFFT的长度按照执行的802.11的通则。在第一序列中，聚类中心集合中的各个元素均匀充满预发送序列。

[0114] S33,对第一序列进行快速傅立叶反变换，得到第二序列。

[0115] S34,将第二序列填充在预发送序列中，得到构成OFDM帧形式的消息的预发送序列；

[0116] S35,将第三消息和第四消息填充在OFDM帧的有效子载波上，得到第一数据；

[0117] S36,在第一数据中交替插入多个正交导频，得到第二数据；其中，正交导频可以包括两种形式，一种是P＝0，另一种是P＝p，p为常数。具体可参见图6所示的正交导频插入示意图，需要说明的是，图6中所示的正交导频插入示意图仅是一种示例，并不限定本申请的保护范围。

[0118] S37,对第二数据进行快速傅立叶反变换，得到构成OFDM帧形式的消息的发送数据；

[0119] S38,根据消息，确定构成OFDM帧形式的消息的短训练序列、长训练序列和循环前缀；

[0120] S39,对于第三消息，根据构成OFDM帧形式的第七消息的发送数据、预发送序列、短训练序列、长训练序列和循环前缀，确定第三消息对应的第七消息；

[0121] S40,对于第四消息，根据构成OFDM帧形式的第八消息的发送数据、预发送序列、短训练序列、长训练序列和循环前缀，确定第四消息对应的第八消息。

[0122] 如果编码机端的消息以OFDM帧形式的消息向中继R发送，首先发送至图4中所示的中继接收端，在中继接收端，首先基于OFDM解调方法对第五消息进行解调处理，得到新的第六消息，具体实现过程为：

[0123] S41，根据第五消息，分析第五消息对应的短训练序列(第七消息对应的短训练序列和第八消息对应的短训练序列)，得到第五消息的起始位置，并根据起始位置，分析第五消息对应的长训练序列(第七消息对应的长训练序列和第八消息对应的长训练序列)，得到第一模拟信道状态参数hA的第一估计 和第二模拟信道状态参数hB的第二估计 对应图4中所示的寻找起始位置，信道估计和预发送序列估计；上述过程可按照传统802.11的规定进行即可。

[0124] S42，对第五消息对应的两个预发送序列(第七消息对应的预发送序列和第八消息对应的预发送序列)分别进行快速傅里叶变换(FFT)，得到第三序列εA和第四序列εB；

[0125] S43，根据第三消息对应的发送数据，确定第三消息对应的发送数据中各个正交导频的第一估计均值PA′，根据第四消息对应的发送数据，确定第四消息对应的发送数据中各个正交导频的第二估计均值PB′，对应图4中所示的发送数据，恢复模块；然后将第三序列、第四序列、第一估计、第二估计、第一估计均值和第二估计均值发送至图4所示的中继R，由中继R执行步骤S44。

[0126] S44，中继R根据第三序列、第四序列、第一估计、第二估计、第一估计均值和第二估计均值，确定新的第六消息。得到新的第六消息后，中继R将该新的第六消息发送至图4所示的中继发射端。

[0127] 上述S44，具体包括：根据序列εA中的第i个点 序列εB中的第j个点 第一估计 中的第i个值 第二估计 中的第j个值 第一估计均值PA′和第二估计均值PB′，通过公式 计算得到点的集合{q′R}，对该点的集合2k
中的各个元素进行聚类，得到2 个聚类中心。对于第五消息yR中的每个元素，寻找其与{q′R}中的各个元素之间的欧氏距离最小的元素 将第五消息中对应的元素用 替换，得到新的序列(新的第六消息)x′R。

[0128] 在之后的下行链路中，即上述根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息，包括：

[0129] 根据第一消息xA和新的第六消息x′R，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息xB和新的第六消息x′R，通过预先基于机器学习训练的解码机确定第二消息对应的第二估计消息。

[0130] 即对训练并优化好的解码机A和解码机B分别根据第一消息xA和新的第六消息x′R，计算得到 根据第二消息xB和新的第六消息x′R，计算得到然后将其分别输入到对应的多层感知机A2和B2中，并执行后续步骤(同训练时步骤)得到第一估计消息 和第二估计消息

[0131] 上述方案中，除MLP可以通过调整层数、神经元数及连接方式来优化训练结果以外，MLP本身或许可被替代，即可以通过新的网络架构实现相关训练。MLP的优化和替代不影响该发明的本意以及和该发明其它部分的联合应用及实现。导频设计可被替代，但是只要能保证插入在两节点发送帧的位置是正交的即可。信道编解码等其它在发射端和接收端对称的技术可以按照需要加入在本发明系统中，以进一步提高系统性能。

[0132] 通过本申请的方案，具有如下有益效果：

[0133] (1)使用神经网络，可以依据当前信道状态，实现适应于某信道状态条件下的非传统调制格式。神经网络不仅可以根据信道状态实现调制映射点数的动态调整，而且允许编码机A和编码机B使用不同的调制阶数k。

[0134] (2)使用增强的OFDM调制(修正的前导码格式)，可以配合机器学习的训练结果，实现中继处对随调制变化叠加信号的实时处理。

[0135] (3)由于在神经网络的训练中，相关调制格式均体现在编码机和解码机中，中继缺乏相关先验信息，因而通过在OFDM前导码中设计预发送序列，可以使中继实时获得动态变化的调制信息，实现中继处的正确解码。

[0136] (4)预训练好的神经网络是模块化的，其中的编码机和解码机可以实时训练、保存、加载和使用，与OFDM调制配合实现该系统功能。

[0137] 通过本申请提供的方案，参见图7所示，该图展示了使用全连接深度神经网络，于高斯信道下某次训练完成后中继处的接收图案。此次训练中，发射端A、B分别规定k＝1和k＝2，训练的信道状态为高斯信道，训练信噪比12dB。经过训练，发射端A、B分别实现2QAM调制和4QAM调制，因此中继处呈现为8点图案。该方案的一次实际运行结果展示。使用机器学习在k＝2时预训练，然后对训练好的调制方案使用通用软件无线电外设(USRP)做信号收发的实际运行结果，以图8中所示的接收信号的帧误码率统计直方图表示。发射端A、B到中继R的通信距离均约为2m。根据运行设定，该图8中0到1e‑4一栏表示帧误码率为0。图8中表明，在接收端A及接收端B的接收信噪比分别为19.21dB和17.79dB时，接收帧完全正确的概率约为98％。

[0138] 基于与图1中所示的方法相同的原理，本发明实施例还提供了一种自适应的物理层网络编码传输装置20，如图9中所示，该自适应的物理层网络编码传输装置20可以包括获取模块210、调制模式转换模块220、消息处理模块230和估计模块240，其中：

[0139] 获取模块210，用于获取第一节点和第二节点分别向中继发送的第一消息和第二消息；

[0140] 调制模式转换模块220，用于根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息，非传统调制模式为除QAM调制模式和PSK调制模式之外的其他幅度调制、相位调制和幅相调制模式；

[0141] 消息处理模块230，用于根据第三消息和第四消息，确定第五消息，并将第五消息传输至通过预先基于机器学习训练的中继，得到第六消息；

[0142] 估计模块240，用于根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息。

[0143] 可选的，该装置还包括：

[0144] OFDM调制模块，用于通过OFDM调制方法分别对第三消息和第四消息进行调制处理，得到OFDM帧形式的第七消息和第八消息；

[0145] 上述消息处理模块230在根据第三消息和第四消息，确定第五消息时，具体用于：

[0146] 根据第七消息和第八消息，确定第五消息。

[0147] 可选的，上述编码机包括依次连接的嵌入模块、多层感知机模块和能量归一化模块；上述调制模式转换模块220在根据当前信道状态，通过预先基于机器学习训练的编码机分别将第一消息和第二消息转换为非传统调制模式的第三消息和第四消息时，具体用于：

[0148] 按照当前信道状态，通过嵌入模块分别将第一消息映射为第一映射消息，将第二消息映射为第二映射消息；

[0149] 通过多层感知机模块对应的第一调制阶数，对第一映射消息进行维度处理，得到第八消息，通过多层感知机模块对应的第二调制阶数，对第二映射消息进行维度处理，得到第九消息，第八消息的维度不大于第一映射消息的维度，第九消息的维度不大于第二映射消息的维度；

[0150] 根据第八消息的维度和非传统调制模式，对第八消息进行归一化处理，得到第三消息，根据第九消息的维度和非传统调制模式，对第九消息进行归一化处理，得到第四消息。

[0151] 可选的，上述第一消息和第二消息均为二进制序列；上述调制模式转换模块220在按照当前信道状态，通过嵌入模块分别将第一消息映射为第一映射消息，将第二消息映射为第二映射消息时，具体用于：

[0152] 按照当前信道状态，通过嵌入模块对第一消息进行切分，得到包含多个二进制子序列的第一序列，对第二消息进行切分，得到包含多个二进制子序列的第二序列；

[0153] 对于第一序列和第二序列中的每个二进制子序列，通过嵌入模块将二进制子序列转换为十进制数字；

[0154] 根据第一消息对应的各个十进制数字，通过嵌入模块确定第一消息对应的第一向量，根据第一向量确定第一映射消息，根据第二消息对应的各个十进制数字，通过嵌入模块确定第二消息对应的第二向量，根据第二向量确定第二映射消息。

[0155] 可选的，上述OFDM调制模块在通过OFDM调制方法分别对第三消息和第四消息进行调制处理，得到OFDM帧形式的第七消息和第八消息时，具体用于：

[0156] 对于第三消息和第四消息中的每一个消息，根据调制阶数k对第三消息进行簇聚k类，得到聚类中心集合，聚类中心集合中包括2个元素，每个元素中包括至少一个十进制数字对应的向量；

[0157] 根据预发送序列的长度，将聚类中心集合中的各个元素均匀且重复的排列成与预发送序列的长度等长的第一序列；

[0158] 对第一序列进行快速傅立叶反变换，得到第二序列；

[0159] 将第二序列填充在预发送序列中，得到构成OFDM帧形式的消息的预发送序列；

[0160] 将第三消息和第四消息填充在OFDM帧的有效子载波上，得到第一数据；

[0161] 在第一数据中交替插入多个正交导频，得到第二数据；

[0162] 对第二数据进行快速傅立叶反变换，得到构成OFDM帧形式的消息的发送数据；

[0163] 根据消息，确定构成OFDM帧形式的消息的短训练序列、长训练序列和循环前缀；

[0164] 对于第三消息，根据构成OFDM帧形式的第七消息的发送数据、预发送序列、短训练序列、长训练序列和循环前缀，确定第三消息对应的第七消息；

[0165] 对于第四消息，根据构成OFDM帧形式的第八消息的发送数据、预发送序列、短训练序列、长训练序列和循环前缀，确定第四消息对应的第八消息。

[0166] 可选的，上述第五消息包括第三消息、第四消息、第三消息对应的第一模拟信道状态参数和第四消息对应的第二模拟信道状态参数；在确定第五消息之后，该装置还包括：

[0167] OFDM解调模块，用于基于OFDM解调方法对第五消息进行解调处理，得到新的第六消息；

[0168] 上述估计模块240在根据第一消息和第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和第六消息，通过解码机确定第二消息对应的第二估计消息时，具体用于：

[0169] 根据第一消息和新的第六消息，通过预先基于机器学习训练的解码机确定第一消息对应的第一估计消息，根据第二消息和新的第六消息，通过预先基于机器学习训练的解码机确定第二消息对应的第二估计消息。

[0170] 可选的，上述OFDM解调模块在基于OFDM解调方法对第五消息进行解调处理，得到新的第六消息时，具体用于：

[0171] 根据第五消息，分析第五消息对应的短训练序列，得到第五消息的起始位置，并根据起始位置，分析第五消息对应的长训练序列，得到第一模拟信道状态参数的第一估计和第二模拟信道状态参数的第二估计；

[0172] 对第五消息对应的两个预发送序列分别进行快速傅里叶变换，得到第三序列和第四序列；

[0173] 根据第三消息对应的发送数据，确定第三消息对应的发送数据中各个正交导频的第一估计均值，根据第四消息对应的发送数据，确定第四消息对应的发送数据中各个正交导频的第二估计均值；

[0174] 根据第三序列、第四序列、第一估计、第二估计、第一估计均值和第二估计均值，确定新的第六消息。

[0175] 本发明实施例的自适应的物理层网络编码传输装置可执行本发明实施例所提供的自适应的物理层网络编码传输方法，其实现原理相类似，本发明各实施例中的自适应的物理层网络编码传输装置中的各模块、单元所执行的动作是与本发明各实施例中的自适应的物理层网络编码传输方法中的步骤相对应的，对于自适应的物理层网络编码传输装置的各模块的详细功能描述具体可以参见前文中所示的对应的自适应的物理层网络编码传输方法中的描述，此处不再赘述。

[0176] 其中，上述自适应的物理层网络编码传输装置可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如该自适应的物理层网络编码传输装置为一个应用软件；该装置可以用于执行本发明实施例提供的方法中的相应步骤。

[0177] 在一些实施例中，本发明实施例提供的自适应的物理层网络编码传输装置可以采用软硬件结合的方式实现，作为示例，本发明实施例提供的自适应的物理层网络编码传输装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本发明实施例提供的自适应的物理层网络编码传输方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable  Logic  Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field‑Programmable Gate Array)或其他电子元件。

[0178] 在另一些实施例中，本发明实施例提供的自适应的物理层网络编码传输装置可以采用软件方式实现，图9示出了存储在存储器中的自适应的物理层网络编码传输装置，其可以是程序和插件等形式的软件，并包括一系列的模块，包括获取模块210、调制模式转换模块220、消息处理模块230和估计模块240，用于实现本发明实施例提供的自适应的物理层网络编码传输方法。

[0179] 描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。

[0180] 基于与本发明的实施例中所示的方法相同的原理，本发明的实施例中还提供了一种电子设备，该电子设备可以包括但不限于：处理器和存储器；存储器，用于存储计算机程序；处理器，用于通过调用计算机程序执行本发明任一实施例所示的方法。

[0181] 在一个可选实施例中提供了一种电子设备，如图10所示，图10所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线
4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本发明实施例的限定。

[0182] 处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application Specific Integrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

[0183] 总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(Extended Industry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

[0184] 存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically Erasable Programmable Read Only Memory，电可擦可编程只读存储器)、CD‑ROM(Compact Disc Read Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

[0185] 存储器4003用于存储执行本发明方案的应用程序代码(计算机程序)，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码，以实现前述方法实施例所示的内容。

[0186] 其中，电子设备也可以是终端设备，图10示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

[0187] 本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。

[0188] 根据本发明的另一个方面，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种实施例实现方式中提供的方法。

[0189] 可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

[0190] 应该理解的是，附图中的流程图和框图，图示了按照本发明各种实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0191] 本发明实施例提供的计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

[0192] 上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述实施例所示的方法。

[0193] 以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。