[0001] 本发明涉及鸡排加工技术领域，具体涉及基于声学信号分析的鸡排熟度监测系统。

[0002] 基于声学信号分析的鸡排熟度监测是一种利用声音特征来评估烹饪中鸡排是否达到理想熟度的技术。在烹饪过程中，食材发出特定的声音，这些声音的频率、振幅和时域特征可以提供有关熟度状态的信息。通过捕捉烹饪鸡排时产生的声音，采集的声学信号可以被分析以确定熟度水平，从而帮助厨师在合适的时机停止烹饪，确保鸡排口感和味道的最佳表现。

[0003] 这种监测方法的优势在于无需直接接触食材，通过远程采集声音信号就能实现熟度的评估，提高了烹饪的便利性和精确性。通过在算法中结合机器学习技术，可以训练模型以识别不同熟度阶段的声学特征，从而实现更准确的监测和更智能的烹饪控制。这种创新的烹饪技术有望提升食品质量，减少烹饪失误，为厨师提供更多实用工具，使厨师能够更好地掌握食材的烹饪状态，提供更美味的菜肴。

[0004] 基于声学信号分析的鸡排熟度监测通常会使用麦克风作为主要的声音传感器，麦克风能够捕捉环境中产生的声音波动，包括食材在烹饪过程中释放的声音。这些声音包含了与食物熟度相关的信息，如烘烤、煎炸或烤制时鸡排表面的脆度和颜色变化。麦克风通过将声音转换为电信号，为后续的数据采集和分析提供了必要的输入。在烹饪中使用麦克风的优势在于其灵敏度和广泛的频率响应范围，使其能够捕捉到不同阶段的声学特征。这使得麦克风成为实现实时烹饪监测的理想选择，通过声学信号分析为厨师提供准确的鸡排熟度信息，有助于掌握最佳烹饪时机。

[0005] 现有技术存在以下不足：

[0006] 通过麦克风进行声学信号分析来监测鸡排熟度时，若麦克风无法准确捕捉鸡排烹饪过程中的关键声学特征，导致鸡排熟度监测系统判断熟度水平的准确性受到威胁时，现有技术无法智能化感知这一情况，当出现此情况时，可能导致过度或不足的烹饪，使得鸡排口感和味道无法达到理想的水平，这样一来，鸡排可能会在质量和口味方面出现不一致性，影响了消费者的满意度，若这种不一致性变得常态，将对品牌声誉产生严重影响，降低了鸡排的市场竞争力。

[0007] 在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

[0038] 现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

[0039] 本发明提供了如图1所示的基于声学信号分析的鸡排熟度监测系统，包括声学采集模块、异常检测模块、信号转换模块、预处理模块、实时监测模块以及控制指令发送模块；

[0040] 声学采集模块，利用麦克风在烹饪过程中捕捉鸡排产生的声音；

[0041] 麦克风应该放置在适当的位置，以最大程度地捕捉到与熟度相关的声学特征。

[0042] 异常检测模块，对麦克风在烹饪过程中捕捉鸡排产生声音时的多项运行状态信息进行实时监控，确保麦克风捕捉鸡排产生声音时的准确性；

[0043] 麦克风在烹饪过程中捕捉鸡排产生声音时的多项运行状态信息包括声学特性信息和噪声干扰信息，其中，声学特性信息包括麦克风捕捉鸡排产生声音时的失真率和共振频率，噪声干扰信息包括麦克风捕捉鸡排产生声音时的电流噪声，获取后，将麦克风捕捉鸡排产生声音时的失真率、共振频率以及电流噪声分别处理后生成失真率系数、共振频率系数以及电流噪声系数。

[0044] 在鸡排熟度监测系统中，麦克风捕捉鸡排产生声音时的失真率指的是声音信号在传递和捕捉过程中发生的非线性变化或畸变程度，失真率反映了麦克风输出的声音信号与实际产生的声音之间的差异。

[0045] 通过麦克风基于声学信号分析来监测鸡排熟度时，高失真率可能对鸡排熟度监测系统的准确性产生威胁，原因如下：

[0046] 失真影响声学特征提取：失真信号可能使声学特征提取变得复杂，导致无法准确捕捉与鸡排熟度相关的声学特征。系统可能无法正确识别熟度特定的频率成分或时域特性，影响对鸡排状态的判断。

[0047] 误导机器学习算法：高失真率的信号可能导致机器学习算法学到的模式不准确，从而使模型在预测鸡排熟度时产生偏差。模型可能会被训练为适应失真信号中的噪声，而不是真实的熟度相关特征。

[0048] 降低系统的鲁棒性：失真信号可能引入不确定性，使系统对不同烹饪条件和环境变化的鸡排产生的声音更加敏感。这可能导致系统在实际应用中的鲁棒性下降，难以在各种场景下保持一致的熟度判断性能。

[0049] 影响实时监测性能：高失真率可能导致实时监测性能下降，系统无法及时准确地反映鸡排熟度的变化。这在需要快速、准确响应烹饪过程的场景下尤为重要。

[0050] 信号完整性受损：失真信号可能导致信号的完整性受到破坏，使得系统难以区分实际的鸡排产生的声音和其他噪声源。这可能导致系统产生误判，降低了监测的可靠性。

[0051] 因此，对麦克风在捕捉鸡排产生声音时的失真率实时监测，可及时感知麦克风失真率较高可能导致麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患。

[0052] 失真率系数获取的逻辑如下：

[0053] 在固定时长时间窗口P内，获取麦克风在捕捉鸡排产生声音时在不同时段内的实际失真率，并将实际失真率标定为 ，x表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内不同时段的实际失真率的编号，x=1、2、3、4、……、m，m为正整数；

[0054] 需要说明的是，使用声学分析仪器，例如频谱分析仪或声学测量系统，这些仪器能够记录麦克风捕捉到的声音信号，并提供有关不同频率、振幅和时域特性的详细分析，通过比较输入和输出信号的差异，可以计算失真率，其次，不同时段的解释如下：

[0055] 时段内的时长在此不做具体的限定，时段内的时长可以全部取相等，也可以全部取不相等；

[0056] 将麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的实际失真率与麦克风正常捕捉鸡排产生声音时的失真率上限值进行比对，计算失真率系数，计算的表达式为： ，式中， 表示失真率系数， 表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的大于失真率上限值的实际失真率，表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的大于失真率上限值的实际失真率的编号， ， 为正整数；

[0057] 由失真率系数的计算表达式可知，麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内生成的失真率系数的表现值越大，表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越大，反之则表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越小。

[0058] 麦克风捕捉鸡排产生声音时的共振频率指的是在声学信号中，麦克风对特定频率的声音信号表现出更强烈的响应或放大效应的频率，共振频率是声学系统中的一个关键概念，表示在这个频率下声波能够引起系统振动或响应的最大幅度，在鸡排熟度监测系统中，通过声学信号分析，麦克风可能对特定频率范围内的声音信号更为敏感，这就是所谓的共振频率。

[0059] 通过麦克风基于声学信号分析来监测鸡排熟度时，当麦克风在捕捉鸡排产生声音时接收到接近共振频率的声音时，可能导致麦克风捕捉鸡排产生声音时的准确性出现异常，从而威胁鸡排熟度监测系统对熟度水平的准确判断，以下是详细说明：

[0060] 共振效应：麦克风可能具有共振频率，即在特定频率下其响应增强。当接收到接近共振频率的声音时，共振效应可能导致麦克风对该频率的声音过于敏感，而对其他频率的声音响应不足，影响了系统的频率响应特性。

[0061] 非线性响应：接近共振频率时，麦克风可能表现出非线性响应，即声音信号的变化与输入声音的变化之间不成比例。这种非线性响应可能导致输出信号中包含与输入声音不同的频率成分，使得声音的准确性受到影响。

[0062] 失真和畸变：接近共振频率时，声音信号可能引入失真和畸变，使得麦克风输出的声音信号在频域和时域上发生变化。这可能使得系统无法准确捕捉和分析鸡排产生的声音，降低了监测的准确性。

[0063] 难以区分频率：鸡排在不同熟度水平可能产生不同频率的声音。当接收到接近共振频率的声音时，系统可能难以正确区分不同频率声音，导致对熟度水平的判断受到威胁。

[0064] 因此，对麦克风在捕捉鸡排产生声音时接收到的声音频率进行实时监测，可及时感知麦克风接收到接近共振频率的声音时（即存在共振频率时），可能导致麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患。

[0065] 共振频率系数获取的逻辑如下：

[0066] 在固定时长时间窗口P内，获取麦克风在捕捉鸡排产生声音时接收到若干个声音的实际声音信号频率，并将实际声音信号频率标定为 ，y表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的若干个实际声音信号频率的编号，y=1、2、3、4、……、p，p为正整数；

[0067] 需要说明的是，麦克风捕捉到的声音信号可以通过频谱分析来解析成不同频率的成分，频谱分析提供了声音信号在频域上的表示，显示了声音中各个频率的强度或振幅，通过这种方式，可以获取实际声音信号中存在的频率信息；

[0068] 将麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的若干个实际声音信号频率与麦克风的共振频率进行比对分析，计算出共振频率系数，计算的表达式为：，式中， 表示共振频率系数， 表示麦克风的
共振频率，p表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的实际声音信号频率的总数量。

[0069] 需要说明的是，使用特定频率的激励信号来激发麦克风，然后通过测量麦克风输出的信号，分析其频谱特性，通过逐渐调整激励信号的频率并观察响应变化，可以确定共振频率；当麦克风接收到接近共振频率的声音时，由于共振效应和非线性响应的影响，系统可能在声音信号的捕捉和分析过程中遇到更大的困难，从而导致鸡排熟度监测系统判断熟度水平的准确性受到更严重的威胁，因此，麦克风在捕捉鸡排产生声音时接收到的实际声音信号频率越接近麦克风的共振频率，表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越严重；

[0070] 由共振频率系数的计算表达式可知，麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内生成的共振频率系数的表现值越大，表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越大，反之则表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越小。

[0071] 通过麦克风基于声学信号分析来监测鸡排熟度时，电流噪声对于麦克风捕捉鸡排产生声音时的准确性可能会产生一定的影响，威胁鸡排熟度监测系统对熟度水平的准确判断，以下是具体原因：

[0072] 信噪比降低：电流噪声会引入额外的电子信号，使得麦克风接收到的声音信号与噪声信号混合。这导致信号与噪声之间的信噪比降低，从而使得系统在处理声音信号时更容易受到噪声的干扰，减少了对真实声音的分辨能力。

[0073] 频率失真：电流噪声可能包含各种频率的成分，这些频率成分可能与鸡排产生的声音频率重叠。这种频率重叠可能导致声音信号的频率失真，使得麦克风输出的信号与实际声音不匹配，影响准确性。

[0074] 失真特性：电流噪声可能引入非线性特性，导致麦克风的输出信号在存在声音时产生不同程度的失真。这种失真可能改变声音信号的波形，使得系统无法准确判断声音的真实特征，从而影响鸡排熟度的判断。

[0075] 频谱混叠：电流噪声可能与声音信号产生频谱混叠，使得系统难以准确地分辨和分离不同频率的声音成分。这可能导致系统对于鸡排产生的特定频率的声音无法有效识别，从而影响对熟度水平的判断。

[0076] 系统灵敏度下降：电流噪声可能导致系统整体的灵敏度下降，使得麦克风对于微弱的声音信号的捕捉能力减弱。这意味着系统在检测低音量的声音时可能出现困难，降低了系统对于熟度水平的敏感性。

[0077] 因此，对麦克风在捕捉鸡排产生声音时的电流实时监测，可及时感知麦克风出现电流噪声可能导致麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患。

[0078] 电流噪声系数获取的逻辑如下：

[0079] 获取麦克风正常捕捉鸡排产生声音时的电流范围，并将正常捕捉鸡排产生声音时的电流范围标定为 ；

[0080] 需要说明的是，查阅麦克风的技术规格或制造商提供的文档，技术规格通常包括麦克风的灵敏度，这是描述麦克风对声音信号敏感程度的参数，灵敏度通常以单位电流（比如毫安培）每帕斯卡（声音的单位）来表示，通过灵敏度和输入声音信号的强度，可以计算出麦克风正常捕捉鸡排产生声音时的电流范围，其次，需要说明的是，这里的电流指通过麦克风的电流；

[0081] 在固定时长时间窗口P内，获取麦克风在捕捉鸡排产生声音时在不同时刻的实际电流，并将实际电流标定为 ，k表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内不同时刻获取的实际电流的顺序编号，k=1、2、3、4、……、f，f为正整数，且f表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的实际电流的总数量；

[0082] 需要说明的是，连接麦克风到专用的实时电流检测设备，这些设备通常是数字或模拟电流表、传感器或数据采集卡，通过这些设备，可以实时获取麦克风输出的电流值；

[0083] 通过麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的实际电流计算电流异常上浮指数 、电流异常下浮指数 以及电流异常变动指数 ，通过电流异常上浮系数 、电流异常下浮系数 以及电流异常变动系数 计
算电流噪声系数，计算的表达式为： ，式
中， 表示电流噪声系数， 、 、 分别为电流异常上浮系数 、电流异常下浮系数 以及电流异常变动系数 的权重因子，式中权重因子用于均衡各项数据
在公式中的占比，从而促进计算结果的准确性，式中， ，
其中， 表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的
大于 的实际电流， 表示麦克风在捕捉鸡排产生声音时在固定时长时间窗
口P内获取的大于 的实际电流的编号， ， 为正整数，
，其中， 表示麦克风在捕捉鸡排产生声音时在固
定时长时间窗口P内获取的小于 的实际电流， 表示麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内获取的小于 的实际电流的编号， ，
为正整数， ；

[0084] 由电流噪声系数的计算表达式可知，麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内生成的电流噪声系数的表现值越大，表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越大，反之则表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越小。

[0085] 获取到麦克风在烹饪过程中捕捉鸡排产生声音时经过处理生成的失真率系数、共振频率系数 以及电流噪声系数 后，将失真率系数 、共振频率系数 以及电流噪声系数 建立数据分析模型，生成熟度判断水平 ，依据的公式为： ，式中， 、 、 分别为失真率系
数 、共振频率系数 、电流噪声系数 的预设比例系数，且 、 、 均大于0。

[0086] 由计算公式可知，麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内生成的失真率系数越大、共振频率系数越大、电流噪声系数越大，即麦克风在捕捉鸡排产生声音时在固定时长时间窗口P内生成的熟度判断水平 的表现值越小，表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越大，反之则表明麦克风捕捉鸡排产生声音时的准确性出现异常，威胁鸡排熟度监测系统对熟度水平准确判断的异常隐患越小。

[0087] 将麦克风在捕捉鸡排产生声音时生成的若干个熟度判断水平建立分析集合，通过分析集合内的若干个熟度判断水平计算熟度判断水平标准差和熟度判断水平平均值，并将熟度判断水平标准差和熟度判断水平平均值分别与预先设定的标准差参考阈值和预先设定的熟度判断水平参考阈值进行比对分析，比对分析的结果如下：

[0088] 若满足熟度判断水平标准差小于标准差参考阈值并且熟度判断水平平均值大于等于熟度判断水平参考阈值，则通过异常检测模块生成正常信号，继续通过麦克风在捕捉鸡排产生的声音，当满足熟度判断水平标准差小于标准差参考阈值并且熟度判断水平平均值大于等于熟度判断水平参考阈值时，表明分析集合内可能只是偶然出现了熟度判断水平小于熟度判断水平参考阈值的情况，表明麦克风捕捉鸡排产生声音时的准确性可能只是出现了异常偶然，此情况不会对麦克风捕捉鸡排产生声音时的准确性噪声较大的影响，因此，继续通过麦克风在捕捉鸡排产生的声音；

[0089] 若不满足熟度判断水平标准差小于标准差参考阈值并且熟度判断水平平均值大于等于熟度判断水平参考阈值，则通过异常检测模块生成异常信号，通过移动端进行警报提示，不再通过麦克风在捕捉鸡排产生的声音，当不满足熟度判断水平标准差小于标准差参考阈值并且熟度判断水平平均值大于等于熟度判断水平参考阈值时，表明分析集合内并不是偶然出现了熟度判断水平小于熟度判断水平参考阈值的情况，表明麦克风捕捉鸡排产生声音时的准确性确实出现了异常，因此，不再通过麦克风在捕捉鸡排产生的声音。

[0090] 信号转换模块，当麦克风在烹饪过程中捕捉鸡排产生声音时的运行状态未出现异常时，通过模拟到数字转换器将麦克风捕捉到的模拟声音信号转换为数字形式；

[0091] 模拟到数字转换器是一种设备，可将连续的模拟信号（如声音波形）转换为离散的数字信号，以便计算机或其他数字设备能够处理和分析，将麦克风捕捉到的模拟声音信号转换为数字形式，以便后续的数字信号处理和分析。

[0092] 预处理模块，对数字信号进行预处理，优化声音数据的质量，并提取声学特征；

[0093] 以下是预处理阶段可能包括的一些步骤以及具体作用（包括但是不仅限于这些，可根据实际情况进行选择）：

[0094] 去噪处理：通过去噪算法，系统可以消除环境中的背景噪音，例如厨房噪声或其他设备的运行声音。这有助于提高系统对鸡排产生的声音的准确性和可靠性。

[0095] 滤波处理：应用滤波器可以帮助去除数字信号中的不需要的频率成分，使得声音数据更加清晰。例如，可以使用低通滤波器来去除高频噪音。

[0096] 放大处理：在声音信号的捕捉过程中，可能存在信号强度较弱的情况。通过放大处理，可以增强信号的幅度，确保熟度相关的声学特征更加显著。

[0097] 时域和频域分析：对信号进行时域和频域分析有助于理解声音的动态和频率成分。这些分析有助于识别熟度变化过程中的关键特征，例如在烹饪过程中鸡排外层的脆度变化。

[0098] 归一化：通过归一化处理，可以将信号的振幅范围调整到一个标准化的水平，以便更容易比较和处理不同时段和条件下的声音数据。

[0099] 通过以上预处理步骤，系统能够在监测过程中获得更加清晰、准确的声音数据，并且突出显示与鸡排熟度相关的声学特征。这有助于提高监测系统的稳定性和性能，使其更有效地用于熟度评估和烹饪控制。

[0100] 实时监测模块，利用机器学习或深度学习算法，使用预先标记过的数据集对声学特征进行训练，根据模型学习熟度与声学特征之间的关系建立准确的熟度评估模型，在烹饪过程中，实时监测鸡排产生的声音，并通过训练好的模型进行熟度预测，根据预测结果提供实时的熟度状态信息；

[0101] 在基于声学信号分析的鸡排熟度监测系统中，利用机器学习或深度学习算法对声学特征进行训练，以建立准确的熟度评估模型，以下是一些常见的机器学习和深度学习算法（包括但是不仅限于这些），可以应用于这样的监测系统：

[0102] 支持向量机（Support Vector Machine，SVM）是一种用于分类和回归任务的监督学习算法，通过在特征空间中找到最佳超平面来进行分类。在鸡排熟度监测中，SVM可以被用于学习声学特征与熟度之间的关系。

[0103] 随机森林（Random Forest）是一种集成学习算法，通过构建多个决策树来进行分类或回归。对于处理复杂的非线性关系和高维数据集具有较好的性能，因此适用于声学特征的学习和预测。

[0104] 深度神经网络（Deep Neural Network，DNN）是一种深度学习模型，通过多个神经网络层次来学习数据的表示。在声学信号分析中，DNN可以用于学习复杂的声学特征，例如声谱图中的模式，从而提高熟度预测的准确性。

[0105] 循环神经网络（Recurrent Neural Network，RNN）是一类能够处理序列数据的神经网络，适用于对声音数据进行时序建模。在监测系统中，RNN可以用于捕捉声音随时间的变化，有助于更精准地预测熟度状态。

[0106] 卷积神经网络（Convolutional Neural Network，CNN）主要用于处理图像数据，但也可以应用于声学信号的分析，特别是声谱图等数据的特征提取。通过卷积层和池化层，CNN可以有效地捕捉声学特征。

[0107] 控制指令发送模块，基于实时监测结果，向烹饪设备发送控制指令，以调整温度或时间；

[0108] 通过向烹饪设备发送控制指令来调整温度或时间，从而确保鸡排在理想的熟度水平上停止烹饪，保持口感和风味。

[0109] 本发明通过对麦克风在捕捉鸡排产生声音时的多项运行状态信息的实时监控，使系统能够及时感知麦克风准确性的异常情况，确保麦克风能够更准确地判断麦克风是否正常捕捉到鸡排的关键声学特征，从而提高熟度监测系统对熟度水平的准确性，当系统检测到麦克风准确性异常时，能够发出异常信号并及时进行警报提示，防止不准确的熟度判断导致过度或不足的烹饪，保障鸡排口感和味道的一致性；

[0110] 本发明通过对分析集合内的多个熟度判断水平进行标准差和平均值的综合分析，确保了系统在面对偶然的准确性异常情况时能够正确判别，减少误报率，这有助于提升系统的鲁棒性，使其在不同环境和条件下都能保持对熟度水平准确判断的稳定性，通过控制指令发送模块，系统能够实时响应异常情况，向烹饪设备发送控制指令，及时调整烹饪参数，确保鸡排口感和味道的一致性，有效避免因异常准确性导致的烹饪质量问题；

[0111] 本发明通过声学采集模块获取的声音信号，在预处理模块中进行数字信号处理和特征提取，采用机器学习或深度学习算法，通过预先标记的数据集对声学特征进行训练，建立准确的熟度评估模型，这使得系统具备智能化感知能力，能够学习并理解鸡排烹饪过程中与熟度相关的声学特征，提高对熟度的准确预测能力，实时监测模块不仅可以在烹饪过程中进行熟度预测，还能随时调整烹饪设备的温度或时间，实现对鸡排熟度的精准控制。

[0112] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

[0113] 上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

[0114] 应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

[0115] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

[0116] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

[0117] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

[0118] 另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

[0119] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。