一種數字巖心重構的方法及裝置與流程

2023-09-14 23:19:10 1

本申請涉及巖石物理數值模擬
技術領域：
，特別涉及一種數字巖心重構的方法及裝置。
背景技術：
：數字巖心的重構方法主要包括物理實驗方法和數值重構方法兩類。物理實驗方法的主要過程是利用掃描電子顯微鏡、聚焦離子束顯微鏡等高精度實驗設備獲取巖心不同位置處的二維圖像，採用三維重建算法對這些二維圖像進行整合處理，得到三維數字巖心。一般在採用物理實驗方法建立數字巖心的過程中，研究人員需要花費較長的時間進行二維切片的製備和掃描，所使用的實驗設備比較昂貴。由此，物理實驗方法的實際應用程度較低。數值重構方法主要過程是根據少量巖心薄片的二維圖像中的統計信息來重構三維數字巖心。如此，相比物理實驗方法，數值重構方法具有較為簡單和經濟的特點，以及較為重要的實際應用價值。近幾年來，作為數值重構方法的代表性方法之一的多點地質統計模擬方法逐漸成為研究的熱點。該多點地質統計模擬方法是單一標準方程模擬(singlenormalequationsimulation，snesim)方法。snesim方法的主要過程是：首先，獲取巖心訓練圖像，通過預先設定的數據模板對巖心訓練圖像進行掃描操作，得到巖心訓練圖像中與數據模板對應的每一種結構特徵的條件概率統計信息；其中，每一種結構特徵表示與數據模板對應的各個像素點位置處的屬性值的一種組合模式；一種屬性值可以對應巖心訓練圖像的像素點的一種顏色狀態；例如，屬性值0對應像素點的白色狀態，屬性值1對應像素點的黑色狀態；然後，根據這些結構特徵的條件概率統計信息，可以建立用於存儲所述條件概率統計信息的搜索樹結構；搜索樹結構可以由多層一系列相連接的節點組成；其中，以搜索樹結構的根節點作為搜索樹結構的第一層，每一個節點均指向其下一層的節點，一個節點可以存儲一種結構特徵的條件概率統計信息；最後，通過每一層節點之間的定向連接關係，可以從搜索樹結構中獲取待重構區域中以某一模擬點為中心點對應的某一種結構特徵的條件概率統計信息；同時，根據該結構特徵的條件概率統計信息，重構該模擬點的屬性值。從而，根據所重構的每一個模擬點的屬性值，來確定待重構區域的巖心圖像。發明人發現現有技術中至少存在如下問題：對於像素較大的巖心訓練圖像，得到的結構特徵的種類可能較多，可能導致所建立的搜索樹結構比較複雜。如此，在利用搜索樹結構進行數字巖心重構的過程中，可能導致運算量較大，從而可能影響數字巖心重構的效率。技術實現要素：本申請實施例的目的是提供一種數字巖心重構的方法及裝置，以提高數字巖心重構的效率。為解決上述技術問題，本申請實施例提供一種數字巖心重構的方法及裝置是這樣實現的：一種數字巖心重構的方法，包括：獲取巖心訓練圖像，基於預設數據模板和所述巖心訓練圖像，建立搜索表；所述搜索表包括：多個獨立的節點；一個節點對應有節點數據；所述節點數據包括：所述巖心訓練圖像中與所述預設數據模板對應的一種結構特徵的條件概率統計信息；根據所述預設數據模板，確定與所述巖心訓練圖像相關聯的待重構區域中第一待模擬點位置處對應的第一結構特徵，從所述搜索表中獲取所述第一結構特徵的條件概率統計信息；基於所述第一結構特徵的條件概率統計信息，確定所述第一待模擬點位置處的屬性值；根據所述第一待模擬點位置處的屬性值，確定所述待重構區域的巖心圖像。優選方案中，所述基於預設數據模板和所述巖心訓練圖像，建立搜索表，包括：利用所述預設數據模板對所述巖心訓練圖像進行掃描操作，得到所述巖心訓練圖像中與所述預設數據模板對應的多種結構特徵；對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，得到該結構特徵的條件概率統計信息；將一種結構特徵的條件概率統計信息存儲於一個獨立的節點中；將每一個獨立的節點所構成的集合作為所述搜索表。優選方案中，所述利用所述預設數據模板對所述巖心訓練圖像進行掃描操作，包括：利用所述預設數據模板，按照預設方向在所述巖心訓練圖像上依次移動一個像素點。優選方案中，所述預設方向為所述巖心訓練圖像的橫向或縱向。優選方案中，所述對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，得到該結構特徵的條件概率統計信息，包括：對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，將所述統計處理的結果作為該結構特徵的條件概率統計信息；或者，對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，根據所述統計處理的結果，確定該結構特徵對應的中心像素點位置處的屬性值為第一屬性值的第一概率；將所述第一概率作為該結構特徵的條件概率統計信息。優選方案中，所述根據所述預設數據模板，確定與所述巖心訓練圖像相關聯的待重構區域中第一待模擬點位置處對應的第一結構特徵，從所述搜索表中獲取所述第一結構特徵的條件概率統計信息，包括：將所述第一待模擬點位置作為所述預設數據模板的中心像素點位置；根據所述預設數據模板，確定所述第一待模擬點位置處對應的第一結構特徵；從所述搜索表的與所述第一結構特徵對應的節點中獲取所述第一結構特徵的條件概率統計信息。優選方案中，所述基於所述第一結構特徵的條件概率統計信息，確定所述第一待模擬點位置處的屬性值，包括：基於所述第一結構特徵的條件概率統計信息，採用蒙特卡洛的方法確定所述第一待模擬點位置處的屬性值。優選方案中，所述預設數據模板包括：至少一種數據模板。一種數字巖心重構的裝置，所述裝置包括：搜索表建立模塊、統計信息獲取模塊、屬性值確定模塊和巖心圖像確定模塊；其中，所述搜索表建立模塊，用於獲取巖心訓練圖像，基於預設數據模板和所述巖心訓練圖像，建立搜索表；所述搜索表包括：多個獨立的節點；一個節點對應有節點數據；所述節點數據包括：所述巖心訓練圖像中與所述預設數據模板對應的一種結構特徵的條件概率統計信息；所述統計信息獲取模塊，用於根據所述預設數據模板，確定與所述巖心訓練圖像相關聯的待重構區域中第一待模擬點位置處對應的第一結構特徵，從所述搜索表中獲取所述第一結構特徵的條件概率統計信息；所述屬性值確定模塊，用於基於所述第一結構特徵的條件概率統計信息，確定所述第一待模擬點位置處的屬性值；所述巖心圖像確定模塊，用於根據所述第一待模擬點位置處的屬性值，確定所述待重構區域的巖心圖像。優選方案中，所述搜索表建立模塊，包括：結構特徵確定模塊、統計處理模塊、信息存儲模塊和節點組構模塊；其中，所述結構特徵確定模塊，用於利用所述預設數據模板對所述巖心訓練圖像進行掃描操作，得到所述巖心訓練圖像中與所述預設數據模板對應的多種結構特徵；所述統計處理模塊，用於對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，得到該結構特徵的條件概率統計信息；所述信息存儲模塊，用於將一種結構特徵的條件概率統計信息存儲於一個獨立的節點中；所述節點組構模塊，用於將每一個獨立的節點所構成的作為所述搜索表。本申請實施例提供了一種數字巖心重構的方法及裝置，基於預設數據模板和所述巖心訓練圖像，可以建立搜索表；所述搜索表可以包括：多個獨立的節點；一個節點中存儲的數據可以包括：所述巖心訓練圖像中與所述預設數據模板對應的一種結構特徵的條件概率統計信息；根據所述預設數據模板，可以確定所述待重構區域中第一待模擬點位置處對應的第一結構特徵，然後從所述搜索表中可以獲取所述第一結構特徵的條件概率統計信息。由於所述搜索表中的每一個節點之間是相互獨立的，不存在節點之間的定向連接關係。如此，在從所述搜索表獲取結構特徵的條件概率統計信息的過程中，可以直接從節點中獲取條件概率統計信息，不需要進行節點之間的定向搜索，減少運算量，從而可以提高數字巖心重構的效率。附圖說明為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本申請一種數字巖心重構的方法實施例的流程圖；圖2是本申請實施例中二維巖心訓練圖像的示意圖；圖3是本申請實施例中預設數據模板的示意圖；圖4是本申請實施例中結構特徵的示意圖；圖5是本申請實施例中確定待重構區域中某一待模擬點位置處對應的結構特徵的示意圖；圖6是本申請實施例中砂巖體的巖心訓練圖像；圖7是本申請實施例中採用現有技術的方法進行數字巖心重構所得到的巖心圖像的示意圖；圖8是本申請實施例中採用本申請方法進行數字巖心重構所得到的巖心圖像的示意圖；圖9是本申請數字巖心重構的裝置實施例的組成結構圖；圖10是本申請數字巖心重構的裝置實施例中搜索表建立模塊的組成結構圖。具體實施方式本申請實施例提供一種數字巖心重構的方法及裝置。為了使本
技術領域：
的人員更好地理解本申請中的技術方案，下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都應當屬於本申請保護的範圍。圖1是本申請一種數字巖心重構的方法實施例的流程圖。如圖1所示，所述數字巖心重構的方法，包括以下步驟。步驟s101：獲取巖心訓練圖像，基於預設數據模板和所述巖心訓練圖像，建立搜索表。可以獲取所述巖心訓練圖像。例如，圖2是本申請實施例中二維巖心訓練圖像的示意圖。可以預先設定圖2的灰色方塊對應的像素點位置處的屬性值為1，白色方塊對應的像素點位置處的屬性值為0。如圖2所示，所述巖心訓練圖像可以是由一系列屬性值為0或1的像素點構成的圖像。所述預設數據模板可以包括：至少一種數據模板。具體可以是十字形的數據模板。例如，圖3是本申請實施例中預設數據模板的示意圖。這種十字形的數據模板可以是如圖3所示的由中心點位置u，以及除中心點位置u以外的4個像素點位置1、2、3、4構成的。不僅如此，還可以根據所述巖心訓練圖像的像素大小對所述預設數據模板進行調整。基於預設數據模板和所述巖心訓練圖像，可以建立搜索表。所述搜索表可以包括：多個獨立的節點。一個節點可以對應有節點數據。所述節點數據可以包括：所述巖心訓練圖像中與所述預設數據模板對應的一種結構特徵的條件概率統計信息。具體地，可以利用所述預設數據模板對所述巖心訓練圖像進行掃描操作，可以得到所述巖心訓練圖像中與所述預設數據模板對應的多種結構特徵。一種結構特徵可以表示與所述預設數據模板對應的各個像素點位置處的屬性值的一種組合模式。可以對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，得到該結構特徵的條件概率統計信息。可以將一種結構特徵的條件概率統計信息存儲於一個獨立的節點中。可以將每一個獨立的節點所構成的集合作為所述搜索表。在一個實施方式中，對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，可以得到該結構特徵的條件概率統計信息。具體可以包括，對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，可以將所述統計處理的結果作為該結構特徵的條件概率統計信息。在另一個實施方式中，對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，可以得到該結構特徵的條件概率統計信息。具體可以包括，可以對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，根據所述統計處理的結果，可以確定該結構特徵對應的中心像素點位置處的屬性值為第一屬性值的第一概率。可以所述第一概率作為該結構特徵的條件概率統計信息。在一個實施方式中，所述利用所述預設數據模板可以對所述巖心訓練圖像進行掃描操作。具體可以包括，利用所述預設數據模板，可以按照預設方向在所述巖心訓練圖像上依次移動一個像素點，對所述巖心訓練圖像進行掃描操作。所述預設方向可以為所述巖心訓練圖像的橫向或縱向。例如，搜索表的節點可以以向量的方式存儲所述一種結構特徵的條件概率統計信息。向量的表達式可以為l＝(d,c)。其中，l表示所述節點對應的向量，d＝(s1,s2,…,si,…,sn)，d表示所述結構特徵，si表示所述結構特徵中第i個像素點位置處的屬性值，n表示所述結構特徵的像素點位置的個數，c＝(c1,c2,…,cj,…,ck)，cj表示在所述巖心訓練圖像中所述結構特徵對應的中心像素點位置處的屬性值為第j種屬性值時的次數，k表示所述巖心訓練圖像的像素點屬性值的種類數。在一個實際應用場景中，對於如圖2所示的巖心訓練圖像，其像素點屬性值的種類數為2，即所述k為2。利用如圖3所示的預設數據模板對如圖2所示的巖心訓練圖像進行掃描操作後，可以得到多種結構特徵。例如，圖4中(a)、(b)、(c)和(d)分別為根據圖2的巖心訓練圖像得到的四種結構特徵的示意圖。如圖4所示，每一種結構特徵的像素點位置的個數為4，即所述n為4。相應的所述d可以為(s1,s2,s3,s4)，所述c可以為(c1,c2)，所述l可以為((s1,s2,s3,s4),(c1,c2))。表1為搜索表。如表1所示，對於所述搜索表的節點l1，l1＝((0,0,1,1),(0,1))。此時d為(0,0,1,1)，c為(0,1)，表明結構特徵(0,0,1,1)對應預設數據模板的像素點位置1和2處的屬性值為0，3和4處的屬性值為1；以及結構特徵(0,0,1,1)對應的中心像素點位置u處的屬性值為0時的次數為0，結構特徵(0,0,1,1)對應的中心像素點位置u處的屬性值為1時的次數為1。表2為結構特徵所對應的中心像素點的坐標值。表2中的每一種結構特徵與所述搜索表中的每一個節點相對應。根據表1和表2可知，結構特徵(0,0,1,1)對應的中心像素點位置u處的屬性值為0時的次數為0，即表示所述巖心訓練圖像中不存在結構特徵為(0,0,1,1)且中心像素點位置的屬性值為0的情況，那麼，該中心像素點位置的坐標可以為空。結構特徵(0,0,1,1)對應的中心像素點位置u處的屬性值為1時的次數為1，表示所述巖心訓練圖像中結構特徵為(0,0,1,1)且中心像素點位置的屬性值為1的情況出現了一次，且該中心像素點位置的坐標為(2,2)。所述搜索表的其他節點中儲存的結構特徵的條件概率統計信息的存儲方式類似，此處不再一一贅述。所述搜索表中的每一個節點之間是相互獨立的，不存在節點之間的定向連接關係。如此，可以減少內存中用於存儲每一個節點之間的定向連接關係的存儲空間。表1搜索表搜索表的節點l1＝((0,0,1,1),(0,1))l2＝((0,1,0,1),(0,2))l3＝((0,1,1,0),(0,2))l4＝((0,1,1,1),(1,0))l5＝((1,0,0,0),(1,0))l6＝((1,0,0,1),(0,2))l7＝((1,0,1,0),(1,1))l8＝((1,0,1,1),(1,0))l9＝((1,1,0,1),(0,2))l10＝((1,1,1,0),(1,1))表2結構特徵所對應的中心像素點的坐標值搜索表的節點中心像素點的坐標值l1＝((0,0,1,1),(0,1)){空,{(2,2)}}l2＝((0,1,0,1),(0,2)){空,{(3,1),(3,4)}}l3＝((0,1,1,0),(0,2)){空,{(1,4),(4,2)}}l4＝((0,1,1,1),(1,0)){{(3,2)},空}l5＝((1,0,0,0),(1,0)){{(3,3)},空}l6＝((1,0,0,1),(0,2)){空,{(4,1),(4,4)}}l7＝((1,0,1,0),(1,1)){{(4,3)},{(1,3)}}l8＝((1,0,1,1),(1,0)){{(2,3)},空}l9＝((1,1,0,1),(0,2)){空,{(1,2),(2,4)}}l10＝((1,1,1,0),(1,1)){{(1,1)},{(2,1)}}步驟s102：根據所述預設數據模板，確定與所述巖心訓練圖像相關聯的待重構區域中第一待模擬點位置處對應的第一結構特徵，從所述搜索表中獲取所述第一結構特徵的條件概率統計信息。可以將所述第一待模擬點位置作為所述預設數據模板的中心像素點位置。根據所述預設數據模板，可以確定所述第一待模擬點位置處對應的第一結構特徵。所述第一待模擬點可以為所述待重構區域中任一待模擬點。所述第一結構特徵可以是所述巖心訓練圖像中與所述預設數據模板對應的一種結構特徵。可以從所述搜索表的與所述第一結構特徵對應的節點中獲取所述第一結構特徵的條件概率統計信息。例如，圖5是本申請實施例中確定待重構區域中某一待模擬點位置處對應的結構特徵的示意圖。根據所述預設數據模板，可以確定圖5中虛線框內的待模擬點位置處對應的結構特徵(1,0,1,0)。然後可以從所述搜索表的與結構特徵(1,0,1,0)對應的節點中獲取結構特徵(1,0,1,0)的條件概率統計信息，例如，根據表2可知待模擬點位置處的屬性值為0的概率可以為50百分比，屬性值為1的概率可以為50百分比。所述待重構區域對應的巖心的巖性特徵可以與所述巖心訓練圖像對應的巖心的巖性特徵之間的相似度達到80～100百分比。如此，可以將所述巖心訓練圖像中結構特徵的條件概率統計信息作為較為有效的參考。以便，可以利用所述條件概率統計信息重構所述待重構區域的巖心圖像。步驟s103：基於所述第一結構特徵的條件概率統計信息，確定所述第一待模擬點位置處的屬性值。具體地，基於所述第一結構特徵的條件概率統計信息，可以採用蒙特卡洛的方法確定所述第一待模擬點位置處的屬性值。步驟s104：根據所述第一待模擬點位置處的屬性值，確定所述待重構區域的巖心圖像。具體地，重複步驟s102和步驟s103，可以確定所述待重構區域中每一個待模擬點位置處的屬性值。可以將所述每一個待模擬點位置處的屬性值構成的圖像作為所述待重構區域的巖心圖像。例如，圖6是本申請實施例中砂巖體的巖心訓練圖像。圖6中(a)和(b)分別為砂巖體巖心的外表面的圖像和內部孔隙結構的圖像。圖6中灰色表示砂巖體巖心的孔隙，黑色表示砂巖體巖心的骨架。圖7是本申請實施例中採用現有技術的方法進行數字巖心重構所得到的巖心圖像的示意圖。圖7中(a)和(b)分別為採用現有技術的方法所得到的巖心的外表面的圖像和內部孔隙結構的圖像。圖7中灰色表示巖心的孔隙，黑色表示巖心的骨架。圖8是本申請實施例中採用本申請方法進行數字巖心重構所得到的巖心圖像的示意圖。圖8中(a)和(b)分別為採用本申請的方法所得到的巖心的外表面的圖像和內部孔隙結構的圖像。圖8中灰色表示巖心的孔隙，黑色表示巖心的骨架。圖6、圖7和圖8中的圖像均為三維圖像。如圖7和圖8所示，採用本申請的方法所得到的重構結果與採用現有技術方法得到的重構結果比較相近，均具有與圖6的巖心訓練圖像相似的孔隙和骨架結構特徵。可以表明兩種方法的重構質量相似。表3是分別採用本申請方法和現有技術方法重構20個數字巖心的重構效率信息。其中，所述重構效率信息可以包括：分別採用本申請方法和現有技術方法進行數字巖心重構所需的重構時間，以及分別採用本申請方法和現有技術方法進行數字巖心重構所使用內存的峰值。如表1所示，對於整個數字巖心重構過程，本申請方法在使用內存和重構時間上均明顯優於現有技術方法。表3分別採用本申請方法和現有技術方法重構20個數字巖心的重構效率信息所述數字巖心重構的方法實施例，基於預設數據模板和所述巖心訓練圖像，可以建立搜索表；所述搜索表可以包括：多個獨立的節點；一個節點中存儲的數據可以包括：所述巖心訓練圖像中與所述預設數據模板對應的一種結構特徵的條件概率統計信息；根據所述預設數據模板，確定所述待重構區域中第一待模擬點位置處對應的第一結構特徵，從所述搜索表中獲取所述第一結構特徵的條件概率統計信息。所述搜索表中的每一個節點之間是相互獨立的，不存在節點之間的連接關係。如此，可以減少內存中用於存儲每一個節點之間的連接關係的存儲空間。不僅如此，在利用所述搜索表進行數字巖心重構的過程中，可以直接從節點中獲取條件概率統計信息，減少運算量，從而可以提高數字巖心重構的效率。圖9是本申請數字巖心重構的裝置實施例的組成結構圖。如圖9所示，所述數字巖心重構的裝置可以包括：搜索表建立模塊100、統計信息獲取模塊200、屬性值確定模塊300和巖心圖像確定模塊400。所述搜索表建立模塊100，可以用於獲取巖心訓練圖像，基於預設數據模板和所述巖心訓練圖像，可以建立搜索表；所述搜索表可以包括：多個獨立的節點；一個節點可以對應有節點數據；所述節點數據可以包括：所述巖心訓練圖像中與所述預設數據模板對應的一種結構特徵的條件概率統計信息。所述統計信息獲取模塊200，可以用於根據所述預設數據模板，確定與所述巖心訓練圖像相關聯的待重構區域中第一待模擬點位置處對應的第一結構特徵，可以從所述搜索表中獲取所述第一結構特徵的條件概率統計信息。所述屬性值確定模塊300，可以用於基於所述第一結構特徵的條件概率統計信息，確定所述第一待模擬點位置處的屬性值。所述巖心圖像確定模塊400，可以用於根據所述第一待模擬點位置處的屬性值，確定所述待重構區域的巖心圖像。圖10是本申請數字巖心重構的裝置實施例中搜索表建立模塊的組成結構圖。如圖10所示，圖9中搜索表建立模塊100，可以包括：結構特徵確定模塊110、統計處理模塊120、信息存儲模塊130和節點組構模塊140。所述結構特徵確定模塊110，可以用於利用所述預設數據模板對所述巖心訓練圖像進行掃描操作，得到所述巖心訓練圖像中與所述預設數據模板對應的多種結構特徵。所述統計處理模塊120，可以用於對所述多種結構特徵中的一種結構特徵出現的次數進行統計處理，得到該結構特徵的條件概率統計信息。所述信息存儲模塊130，可以用於將一種結構特徵的條件概率統計信息存儲於一個獨立的節點中。所述節點組構模塊140，可以用於將每一個獨立的節點所構成的集合作為所述搜索表。所述數字巖心重構的裝置實施例與數字巖心重構的方法實施例相對應，可以實現本申請的方法實施例，並取得方法實施例的技術效果。在20世紀90年代，對於一個技術的改進可以很明顯地區分是硬體上的改進(例如，對二極體、電晶體、開關等電路結構的改進)還是軟體上的改進(對於方法流程的改進)。然而，隨著技術的發展，當今的很多方法流程的改進已經可以視為硬體電路結構的直接改進。設計人員幾乎都通過將改進的方法流程編程到硬體電路中來得到相應的硬體電路結構。因此，不能說一個方法流程的改進就不能用硬體實體模塊來實現。例如，可編程邏輯器件(programmablelogicdevice,pld)(例如現場可編程門陣列(fieldprogrammablegatearray，fpga))就是這樣一種集成電路，其邏輯功能由用戶對器件編程來確定。由設計人員自行編程來把一個數字系統「集成」在一片pld上，而不需要請晶片製造廠商來設計和製作專用的集成電路晶片2。而且，如今，取代手工地製作集成電路晶片，這種編程也多半改用「邏輯編譯器(logiccompiler)」軟體來實現，它與程序開發撰寫時所用的軟體編譯器相類似，而要編譯之前的原始代碼也得用特定的程式語言來撰寫，此稱之為硬體描述語言(hardwaredescriptionlanguage，hdl)，而hdl也並非僅有一種，而是有許多種，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)與verilog2。本領域技術人員也應該清楚，只需要將方法流程用上述幾種硬體描述語言稍作邏輯編程並編程到集成電路中，就可以很容易得到實現該邏輯方法流程的硬體電路。控制器可以按任何適當的方式實現，例如，控制器可以採取例如微處理器或處理器以及存儲可由該(微)處理器執行的計算機可讀程序代碼(例如軟體或固件)的計算機可讀介質、邏輯門、開關、專用集成電路(applicationspecificintegratedcircuit，asic)、可編程邏輯控制器和嵌入微控制器的形式，控制器的例子包括但不限於以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存儲器控制器還可以被實現為存儲器的控制邏輯的一部分。本領域技術人員也知道，除了以純計算機可讀程序代碼方式實現控制器以外，完全可以通過將方法步驟進行邏輯編程來使得控制器以邏輯門、開關、專用集成電路、可編程邏輯控制器和嵌入微控制器等的形式來實現相同功能。因此這種控制器可以被認為是一種硬體部件，而對其內包括的用於實現各種功能的裝置也可以視為硬體部件內的結構。或者甚至，可以將用於實現各種功能的裝置視為既可以是實現方法的軟體模塊又可以是硬體部件內的結構。上述實施例闡明的系統、裝置、模塊或單元，具體可以由計算機晶片或實體實現，或者由具有某種功能的產品來實現。為了描述的方便，描述以上裝置時以功能分為各種單元分別描述。當然，在實施本申請時可以把各單元的功能在同一個或多個軟體和/或硬體中實現。通過以上的實施方式的描述可知，本領域的技術人員可以清楚地了解到本申請可藉助軟體加必需的通用硬體平臺的方式來實現。基於這樣的理解，本申請的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，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、網絡接口和內存。該計算機軟體產品可以包括若干指令用以使得一臺計算機設備(可以是個人計算機，伺服器，或者網絡設備等)執行本申請各個實施例或者實施例的某些部分所述的方法。該計算機軟體產品可以存儲在內存中，內存可能包括計算機可讀介質中的非永久性存儲器，隨機存取存儲器(ram)和/或非易失性內存等形式，如只讀存儲器(rom)或快閃記憶體(flashram)。內存是計算機可讀介質的示例。計算機可讀介質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來實現信息存儲。信息可以是計算機可讀指令、數據結構、程序的模塊或其他數據。計算機的存儲介質的例子包括，但不限於相變內存(pram)、靜態隨機存取存儲器(sram)、動態隨機存取存儲器(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存技術、只讀光碟只讀存儲器(cd-rom)、數字多功能光碟(dvd)或其他光學存儲、磁盒式磁帶，磁帶磁磁碟存儲或其他磁性存儲設備或任何其他非傳輸介質，可用於存儲可以被計算設備訪問的信息。按照本文中的界定，計算機可讀介質不包括短暫電腦可讀媒體(transitorymedia)，如調製的數據信號和載波。本說明書中的各個實施例均採用遞進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於系統實施例而言，由於其基本相似於方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。本申請可用於眾多通用或專用的計算機系統環境或配置中。例如：個人計算機、伺服器計算機、手持設備或可攜式設備、平板型設備、多處理器系統、基於微處理器的系統、置頂盒、可編程的消費電子設備、網絡pc、小型計算機、大型計算機、包括以上任何系統或設備的分布式計算環境等等。本申請可以在由計算機執行的計算機可執行指令的一般上下文中描述，例如程序模塊。一般地，程序模塊包括執行特定任務或實現特定抽象數據類型的例程、程序、對象、組件、數據結構等等。也可以在分布式計算環境中實踐本申請，在這些分布式計算環境中，由通過通信網絡而被連接的遠程處理設備來執行任務。在分布式計算環境中，程序模塊可以位於包括存儲設備在內的本地和遠程計算機存儲介質中。雖然通過實施例描繪了本申請，本領域普通技術人員知道，本申請有許多變形和變化而不脫離本申請的精神，希望所附的權利要求包括這些變形和變化而不脫離本申請的精神。當前第1頁12