具体实施方式

根据本文描述的技术，提供了对肌肉疲劳的评估的改进，该改进能够实现以下各项中的任一项：使得能够在实验室或临床环境之外随时间评估肌肉疲劳，使得能够除了表面肌电图描记(sEMG)和/或必须根据sEMG测量结果导出的特征以外使用传感器来评估肌肉疲劳，使得能够在不要求对象校准的情况下和/或在不要求关于任何观察到的肌肉收缩的背景信息的情况下评估肌肉疲劳。应用本文描述的技术的对象能够是人或动物。在一些实施例中，对其确定疲劳的(一块或多块)肌肉能够是前臂中的任何肌肉(例如，拇长屈肌、指深屈肌、桡侧腕长伸肌和桡侧腕短伸肌、伸指肌、尺侧腕伸肌)或腿部或背部中的任何肌肉。

图1图示了根据本文提出的教导的示例性实施例的系统2。在该实施例中，系统2包括由对象携带或佩戴的设备4，设备4包括用于测量对象的一块或多块肌肉的收缩的肌肉收缩传感器6。系统2还包括装置10，装置10接收肌肉收缩的测量结果，并且分析该测量结果以确定一块或多块肌肉的疲劳的度量。

设备4能够是适合于使得对象能够携带或佩戴设备4的任何形式。例如，设备4可以是手表或智能手表、智能手机、手镯、吊坠、项链、集成在衣物中的胸带、臂带、腿带等。通常，设备4将被携带或佩戴在对象的身体的要被评估的一块或多块肌肉所在的部分附近或在该部分上(例如，设备4可以被佩戴在腿上以测量一块或多块腿部肌肉的疲劳)。当设备4是便携式设备时，它使得能够在对象正在进行日常活动(例如，走路、爬楼梯等)的同时获得肌肉收缩的测量结果。

在一些实施例中，如图1所示，装置10能够与设备4是分开的。在这些实施例中，装置10能够是能够与设备4通信或者以其他方式直接或间接地接收肌肉收缩测量结果的任何类型的电子设备或计算设备。例如，装置10能够是计算机、膝上型电脑、平板电脑、智能手机、智能手表等或其部分，并且因此可以是在对象的家庭或护理环境中存在或使用的装置。在其他实施方式中，装置10能够是远离对象，远离对象的家庭或护理环境的装置。例如，装置10能够是服务器，例如，数据中心的服务器(也被称为“在云端”)。在替代实施例中，装置10(并且特别是如本文描述的装置10的功能)能够与设备4是一体的。因此，装置10也能够作为设备4的部分而被对象携带或佩戴。

肌肉收缩传感器6能够包括(一个或多个)用于测量对象的一块或多块肌肉的收缩或者用于提供表示对象的肌肉收缩的测量结果的任何类型的传感器。肌肉收缩传感器6随时间(例如在第一时间段上)生成并输出表示对象的肌肉收缩的测量结果的肌肉收缩信号。肌肉收缩信号能够包括覆盖该时间段的时间系列的肌肉收缩测量结果(时间系列的样本)。肌肉收缩传感器6能够使用任何期望的采样频率，例如，每秒50个测量结果(50Hz)、60Hz或100Hz。肌肉收缩传感器6能够是测量与肌肉收缩相关联的电分量的传感器(例如，sEMG传感器)、测量与肌肉收缩相关联的机械分量的传感器(例如，肌动图描记(MMG)传感器)、测量与肌肉收缩相关联的移动量或移动水平的传感器(例如，加速度计)或响应于因肌肉收缩引起的几何结构变化的传感器(例如，应变计、压电传感器，包括导电橡胶的传感器或任何其他类型的拉伸传感器或变形传感器)。

装置10包括处理单元12，处理单元12控制装置10的操作并且能够被配置为运行或执行本文描述的方法。特别地，处理单元12能够获得肌肉收缩信号/肌肉收缩测量结果并且处理它们以评估(一块或多块)肌肉的疲劳。处理单元12能够利用软件和/或硬件以多种方式实施以执行本文描述的各种功能。处理单元12可以包括一个或多个微处理器或数字信号处理器(DSP)，其能够使用软件或计算机程序代码进行编程以执行所要求的功能和/或控制处理单元12的部件以实践所要求的功能。处理单元12可以被实施为用于执行一些功能的专用硬件(例如，放大器、前置放大器、模数转换器(ADC)和/或数模转换器(DAC))与用于执行其他功能的处理器(例如，一个或多个经编程的微处理器、控制器、DSP和相关联的电路)的组合。可以在本公开内容的各种实施例中采用的部件的示例包括但不限于常规的微处理器、DSP、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。

处理单元12被连接到存储器单元14，存储器单元14能够存储数据、信息和/或信号(包括肌肉收缩测量结果)，以供处理单元12在控制装置10的操作和/或运行或执行本文描述的方法中使用。在一些实施方式中，存储器单元14存储计算机可读代码，该计算机可读代码能够由处理单元12运行而使得处理单元12执行一种或多种功能(包括本文描述的方法)。在特定实施例中，程序代码能够是用于智能手表、智能手机、平板电脑、膝上型电脑或计算机的应用程序的形式。存储器单元14能够包括任何类型的非瞬态机器可读介质，例如，高速缓冲存储器或系统存储器(包括易失性和非易失性计算机存储器，例如，以存储器芯片的形式实施的随机存取存储器(RAM)、静态RAM(SRAM)、动态RAM(DRAM)、只读存储器(ROM)、可编程ROM(PROM)、可擦除PROM(EPROM)以及电可擦除PROM(EEPROM))、光盘(例如，压缩盘(CD)、数字多功能盘(DVD)或蓝光光盘)、硬盘、磁带存储解决方案或固态设备(包括记忆棒、固态驱动器(SSD)、存储卡)等。

在图1中示出的系统2的实施例中，当装置10与包括肌肉收缩传感器6的设备4分开时，装置10还包括用于实现与其他设备(包括设备4)的数据连接和/或数据交换的接口电路16，并且任选地还包括服务器、数据库、用户设备和传感器中的任何一项或多项。连接可以是直接的或间接的(例如经由互联网)，因此接口电路16能够经由任何可期望的有线或无线通信协议在装置10与网络(例如，互联网)之间或者在装置10与设备4之间实现连接。例如，接口电路16能够使用WiFi、蓝牙，Zigbee或任何蜂窝通信协议(包括但不限于全球移动通信系统(GSM)、通用移动电信系统(UMTS)、长期演进(LTE)、高级LTE等)来进行操作。在无线连接的情况下，接口电路16(以及因此装置10)可以包括用于在传输介质(例如，空气)中进行发射/接收的一个或多个合适的天线。替代地，在无线连接的情况下，接口电路16可以包括使得接口电路16能够被连接到装置10外部的用于在传输介质(例如，空气)中进行发射/接收的一个或多个合适的天线的器件(例如，连接器或插头)。接口电路16被连接到处理单元12以使得由接口电路16接收的信息或数据能够被提供给处理单元12并且/或者使得来自处理单元12的信息或数据能够被接口电路16发射。

接口电路16能够用于接收由肌肉收缩传感器6生成的肌肉收缩测量结果。

在一些实施例中，接口电路16能够用于输出由处理单元12处理的结果(例如，对肌肉疲劳的指示)和/或与所确定的肌肉疲劳有关的信息。

在一些实施例中，装置10包括用户接口18，用户接口18包括一个或多个部件，这一个或多个部件使得装置10的用户(例如，对象或针对对象的护理提供者)能够将信息、数据和/或命令输入到装置10中(以例如用于启动或启用根据本文描述的技术对肌肉收缩测量结果的分析)和/或使得装置10能够将信息或数据输出到装置10的用户。例如，输出可以是对肌肉疲劳水平的听觉、视觉和/或触觉指示。用户接口18能够包括(一个或多个)任何合适的输入部件，包括但不限于键盘、按键、一个或多个按钮、开关或拨号盘、鼠标、触控板、触摸屏、触控笔、相机、麦克风等，并且用户接口18能够包括(一个或多个)任何合适的输出部件，包括但不限于显示屏、一个或多个灯或光元件、一个或多个扬声器、振动元件等。

将意识到，装置10的实际实施方式可以包括图1中示出的那些部件以外的额外部件。例如，装置10还可以包括电源(例如，电池)或用于使得装置10能够被连接到市电电源的部件。

如上所述，肌肉收缩传感器6是设备4的部分，在图1中示出的实施例中，设备4与装置10是分开的。为了将肌肉收缩测量结果从设备4传送到装置10，设备4包括接口电路20。接口电路20可以以与装置10中的接口电路16类似的方式来实施。

在一些实施例中，设备4还能够包括用于控制设备4的操作的处理单元22。该处理单元22还能够用于在肌肉收缩测量结果被传送到装置10之前执行对肌肉收缩测量结果的一些预处理，例如能够对测量结果进行滤波以减少或去除噪声分量或伪影。处理单元22可以以与装置10中的处理单元12类似的方式来实施。

将意识到，设备4的实际实施方式可以包括在图1中示出的那些部件以外的额外部件。例如，设备4还可以包括电源(优选为电池，使得设备4是便携式设备)或用于使得设备4能够被连接到市电电源的部件。

在系统2的替代实施例中(其中装置10是设备4的部分)，将意识到，可以只有一个处理单元12/22，且并不要求接口电路将肌肉收缩测量结果传送到处理单元12。

图2中的流程图图示了根据本文描述的技术的示例性方法。装置10中的处理单元12能够在适当情况下结合存储器单元14、接口电路16和用户接口18中的任一项来执行方法的步骤中的一个或多个步骤。处理单元12可以响应于运行计算机程序代码而执行一个或多个步骤，该计算机程序代码能够被存储在计算机可读介质(例如，存储器单元14)上。参考图3-6来描述图2中的流程图。

在第一步骤(步骤101)中，处理单元12在至少第一时间段期间获得对象的至少一块肌肉的肌肉收缩的第一组测量结果。在一些实施例中，所述至少一块肌肉是前臂中的任何肌肉(例如，拇长屈肌、指深屈肌、桡侧腕长伸肌和桡侧腕短伸肌、伸指肌、尺侧腕伸肌)或腿部或背部中的任何肌肉。肌肉收缩的测量结果是从由设备4中的肌肉收缩传感器6输出肌肉收缩信号获得的。设备4由对象至少在第一时间段期间携带或佩戴。处理单元12能够从肌肉收缩传感器6直接获得肌肉收缩信号，或者从肌肉收缩传感器6间接(例如经由接口电路16和接口电路20)获得肌肉收缩信号。在这些实施例中，当处理单元12接收到测量结果时，处理单元12能够(例如实时或近乎实时地)处理该测量结果以评估肌肉疲劳。替换地，处理单元12能够从存储器单元14检索肌肉收缩信号。在一些实施例中，处理单元12能够在第一时间段过去之后接收表示在所述第一时间段期间所述至少一块肌肉的肌肉收缩的肌肉收缩信号。替换地，处理单元12能够在测量肌肉收缩的第一时间段的过程中接收肌肉收缩信号。

在一些实施例中，肌肉收缩测量结果包括至少最小次数的肌肉收缩(例如，至少10次收缩)的测量结果。因此，第一时间段优选具有足够长以覆盖至少最小次数的肌肉收缩的持续时间。第一时间段的持续时间能够是例如1分钟(例如，如果对象正在从事紧张的体力活动)、至少10分钟、1小时、4小时、一个上午、一个下午、一个晚上、一整天等。在一些实施例中，处理单元12能够继续经由肌肉收缩传感器6获得肌肉收缩的一组测量结果，直到已经测量了至少最小次数的肌肉收缩为止。

在一些实施例中，可以在逐对象的基础上确定所要求的肌肉收缩的最小次数。可以基于对象在每个时间段内(例如，每小时、每天等)的肌肉收缩的典型次数或平均次数来确定的肌肉收缩的最小次数。

在步骤103中，处理单元12基于根据第一组测量结果确定的肌肉收缩特征的值来形成频率分布(在本文中被称为“第一频度分布”)。如所已知的，频率分布是指示变量的值或值的范围出现在数据集中的频率(即，次数)的函数，例如，直方图或标绘图。在当前情况下，频率分布指示肌肉收缩特征的值或值的范围出现在第一组测量结果中的次数。

因此，步骤103能够包括处理第一组测量数据以确定针对在第一时间段中出现的且能够在肌肉收缩信号中识别的每次肌肉收缩的肌肉收缩特征的值。然后根据这些值来形成第一频度分布。

在一些实施例中，肌肉收缩特征是以下各项中的任一项：肌肉收缩的强度、肌肉收缩的持续时间，以及在肌肉收缩中的震颤。在其他实施例中，肌肉收缩特征是肌肉收缩稳定状态、上升斜率或衰减。在优选实施例中，肌肉收缩特征是肌肉收缩的强度，并且这能够根据肌肉收缩信号的幂(例如，根均方(RMS))来确定。在肌肉收缩信号是由sEMB传感器获得的情况下，肌肉收缩的强度能够通过计算sEMB信号的与肌肉收缩有关的部分(或第一组测量结果的部分)的均方根(RMS)来确定。在肌肉收缩信号是由加速度计获得的情况下，肌肉收缩的强度能够通过计算加速度信号的与肌肉收缩有关的部分(或第一组测量结果的部分)的均方根(RMS)来确定。肌肉收缩的持续时间能够通过在肌肉收缩信号中识别肌肉收缩的开始和结束来确定。作为示例，肌肉收缩的开始和结束能够根据肌肉收缩信号的RMS来识别，并且特别是RMS在哪里上升到阈值以上(开始)以及在哪里降低到阈值以下(结束)。该阈值能够是例如肌肉收缩信号的RMS的标准偏差的两倍。能够使用频域分析(例如，快速傅里叶变换，FFT)从肌肉收缩信号中识别肌肉震颤，其中，震颤对应于信号的(较)高频率分量。当肌肉收缩维持在某个变异系数内时，出现肌肉收缩稳定状态。能够使用移动均值和移动标准偏差函数在肌肉收缩信号中评估肌肉收缩稳定状态。(例如在EMG信号的情况下的)上升斜率是信号中EMG信号从静息值走到肌肉收缩值的部分。能够通过分析EMG信号的一阶导数来识别上升斜率。衰减是肌肉收缩峰值到上升斜率的相对侧，并且也能够通过分析EMG信号的一阶导数来识别。

一旦已经获得了最小次数的肌肉收缩，就能够执行步骤103，或者当出现肌肉收缩且随时间根据测量结果逐渐建立频率分布时，能够执行步骤103。

图3是根据肌肉收缩的第一组测量结果形成的直方图的形式的示例性频率分布50的图示。特别地，图3中的直方图50是针对在第一时间段中出现的肌肉收缩的强度的13个值的频率分布。

接下来，在步骤105中，处理单元12确定第一频率分布的分布拟合。该分布拟合在本文中被称为“第一分布拟合”。第一分布拟合是被拟合到第一频率分布中的数据的概率密度函数。

图4是针对图3中示出的直方图50的示例性分布拟合52的图示。

接下来，在步骤107中，处理单元12确定第一分布拟合是否在统计学上是稳定的。也就是说，在步骤107中，处理单元12确定第一频率分布是否根据足够的针对第一频率分布的数据(即，足够的肌肉收缩特征的值)被形成为“相干的”或“稳定的”，因此将另外的数据添加到频率分布不会实质上改变第一频率分布或第一分布拟合的形状。

在步骤107的一些实施例中，处理单元12确定第一分布拟合的可变性的度量。然后将可变性的度量与阈值进行比较，以确定第一分布拟合是否在统计学上是稳定的。在一些实施例中，如果可变性的度量低于阈值，则第一分布拟合被确定为在统计学上是稳定的，并且如果可变性的度量高于阈值，则第一分布拟合被确定为在统计学上是不稳定的。可变性的度量能够是第一频率分布的可变性、第一频率分布的方差、第一频率分布的变异系数或第一频率分布的标准偏差。本领域技术人员将意识到各种类型的能够用于确定分布拟合是否在统计学上是稳定的可变性手段。

图4中的直方图50包括在第一时间段中出现的肌肉收缩的强度的13个值，并且这足以认为图4中的第一分布拟合52是稳定的。

如果在步骤107中确定第一分布拟合在统计学上不是稳定的，则(例如通过测量另外的肌肉收缩或者通过在已经获得的测量结果中评价另外的肌肉收缩)获得针对另外的肌肉收缩的肌肉收缩特征的值并将该值添加到第一频率分布。也就是说，获得至少一块肌肉的肌肉收缩的另外的测量结果(例如，在第一时间段中的另外的肌肉收缩的测量结果，紧接在第一时间段之后的时间段中的肌肉收缩的测量结果、在第一时间段结束之后持续出现的肌肉收缩的测量结果)，并且更新第一频率分布以包括根据另外的测量结果确定的另外的肌肉收缩特征的值。然后根据步骤105确定针对更新的第一频率分布的更新的分布拟合，然后根据步骤107来检查更新的分布拟合的稳定性。如果稳定，则根据下面的步骤109分析更新的分布拟合。如果更新的分布拟合仍然在统计学上不是稳定的，则该过程反复进行，直到实现稳定性为止。

为了便于说明，尽管图4中的分布拟合本身在统计学上是稳定的，图5示出了利用另外的肌肉收缩特征的值更新直方图的效果以及这对分布拟合产生的效果。因此，图5示出了示例性更新的直方图60，该示例性更新的直方图60在统计学上是稳定的并且包括在直方图50中存在的在第一时间段中出现的肌肉收缩的强度的13个值(在直方图60中由“未填充的”列示出)以及在第一时间段(或后续时间段)中的肌肉收缩的强度的8个另外的值(如在直方图60中的列中的“阴影”部分所示)。图5还示出了来自图4的针对13个原始值的分布拟合52(如上所述，该拟合52在统计学上是稳定的)，并且图5还示出了针对直方图60的分布拟合62(即，针对21个强度值的完整集合的分布拟合)。能够看出，虽然两个分布拟合52、62在统计学上都是稳定的，但是分布拟合52、62主要在直方图的右侧不同，其中，直方图60示出了双峰分布。

如果第一分布拟合(无论是否是更新的或者是其他方式)被确定为在统计学上是稳定的，则第一分布拟合能够被用作在第一时间段期间的肌肉收缩的“模板”，以用于与根据在不同时间段期间获得的肌肉收缩测量结果形成的分布拟合进行比较。这种比较能够提供在第一时间段中至少一块肌肉的肌肉疲劳相比于在其他时间段中该至少一块肌肉的肌肉疲劳的指示。

因此，在步骤109中，处理单元12根据在统计学上稳定的第一分布拟合来确定针对分布拟合特征的值。根据在统计学上稳定的第一分布拟合确定的针对分布拟合特征的值在本文中被称为“第一值”。在一些实施例中，分布拟合特征基于根据第一组测量结果确定的并用于形成第一频率分布的肌肉收缩特征。在其他实施例中，分布拟合特征基于与根据第一组测量结果确定的并用于形成第一频率分布的肌肉收缩特征不同类型的肌肉收缩特征。在其他实施例中，分布拟合特征与任何类型的肌肉收缩特征均无关，而是与第一分布拟合的特性有关。

在一些实施例中，分布拟合特征是以下各项中的任一项：肌肉收缩特征的最大值(例如，最大强度)；肌肉收缩特征的最小值(例如，最小强度)；分布拟合的值的尺度；分布拟合的分散的度量；分布拟合的形状的度量；在分布拟合的预定部分中的肌肉收缩的次数；以及在分布拟合中的肌肉收缩的次数。分布拟合的分散的度量能够是以下各项中的任一项：分布拟合的标准偏差的度量、四分位间距(IQR)、分布拟合的范围、分布拟合的平均绝对差值、分布拟合的中位数绝对差值、分布拟合的平均绝对偏差、分布拟合的平均偏差或距离标准偏差。在优选实施例中，分布拟合特征是第一分布拟合上的值的尺度、例如，0％对应于第一分布拟合的最低端(即，最左边)的肌肉收缩特征的值，100％对应于第一分布拟合的最高端(即，最右边)的肌肉收缩特征的值，并且尺度的其余部分(例如，50％、80％等)被定位在这些尺度之间。在图4中示出了针对第一分布拟合52的肌肉收缩特征的值的尺度54。

在步骤111中，处理单元12将分布拟合特征的第一值与针对从在另一时间段中的肌肉收缩的测量结果中获得的分布拟合特征的另一值进行比较，以确定至少一块肌肉的疲劳的度量。针对分布拟合特征的“另一值”在本文中被称为针对分布拟合特征的“第二值”，并且如在步骤101-109中所阐述的，根据与第一时间段不同(例如较早)时间段相关的第二组肌肉收缩测量结果来确定第二值。在一些实施例中，较早时间段能够紧接着前一时间段(例如，前一个小时、上午(当第一时间段是下午时))，或者是不同日的对应时间段(例如，第一时间段能够是上午，并且较早时间段能够是不同日的上午)。在一些实施例中，不同时间段能够是与第一时间段的部分重叠的时间段(即，肌肉收缩特征的一些值能够出现在两个分布/分布拟合中)。例如，不同时间段能够是第一时间段的较早部分(例如，能够在步骤111中根据图5中的分布拟合62来确定分布拟合特征，并且将其与根据与用于形成图4中的直方图50的测量结果相对应的分布拟合52确定的分布拟合特征进行比较)。肌肉疲劳的度量能够由第一值与第二值之间的差值来给出。额外地或替代地，疲劳的度量能够由第一值与第二值的比率来给出。在任一情况下，差值或比值都指示在第一时间段中的肌肉疲劳相对于在较早时间段中的肌肉疲劳。

在一些实施例中，步骤111能够包括将针对在第一时间段中的肌肉收缩的值的尺度与针对在较早时间段中的肌肉收缩的值的尺度进行比较。例如，对应于针对第一时间段的100％值的肌肉收缩特征值(例如，最大肌肉收缩强度)能够与对应于针对较早时间段的100％值的肌肉收缩特征值(例如，最大肌肉收缩强度)进行比较。如果针对第一时间段的100％值高于针对较早时间段的100％值，则这能够指示至少一块肌肉在第一时间段中的疲劳程度小于在较早时间段中的疲劳程度，反之亦然。图6示出了来自较早附图的两个在统计学上稳定的频率分布50和60，并且示出了针对分布拟合52的尺度54(也在图4中示出)，并且还示出了针对分布拟合62的尺度64。在图6中能够看出，虽然分布拟合52、62在分布拟合的下端(左侧)是相似的，但是分布拟合62比分布拟合52更宽。这意味着在分布拟合52、62的下端，尺度54与尺度64相似，但是在肌肉收缩特征的较高值处(直方图60的右侧)，分布拟合52、62之间存在更显著的差异。这意味着尺度64中的100％值比尺度54中的100％值更高，从而指示对象在直方图60覆盖的肌肉收缩上具有更少的肌肉疲劳。

在一些实施例中，比较能够包括将在第一时间段中落入特定强度范围内的收缩次数与在另一时间段中落入特定强度范围内的收缩次数进行比较。比较的其他实施例能够基于收缩的绝对次数。比较的其他实施例能够基于第一分布拟合的形状相对于针对其他时间段的分布拟合的形状。

在一些实施例中，步骤111还能够包括将第一频率分布(或第一分布拟合)与针对另一时间段的频率分布(或分布拟合)进行比较，以确定另外的肌肉疲劳的度量。这种比较能够使用逐步减小的t学生检验来分析分布或拟合之间的差异，或者使用拟合技术，例如，矩量法、最大间距估计、L矩量法或最大似然法。

在步骤111的一些实施例中，处理单元12能够将分布拟合特征的第一值与针对从在多个其他时间段中的肌肉收缩的测量结果获得的分布拟合特征的值进行比较，以确定在第一时间段期间至少一块肌肉的疲劳的度量。这种比较使得能够观察到或导出肌肉疲劳随时间的趋势。例如，能够每小时或每天确定肌肉疲劳度量。

最后，在步骤113中，处理单元12输出表示所确定的疲劳的度量的信号。表示所确定的疲劳的度量的信号能够被输出到用户接口18，以用于经由接口电路16呈现给对象或用户(例如，护理提供者)和/或另一设备或装置。

因此，本公开内容提供了改进的用于评估肌肉疲劳的技术。特别地，该技术使得能够在实验室或临床环境之外并且尤其是在对象的日常生活活动期间随时间评估肌肉疲劳。另外，能够使用除了sEMG以外的传感器来评估肌肉疲劳，但是如果需要的话，仍然能够使用sEMG。此外，该技术提供的肌肉疲劳的度量是肌肉疲劳的相对度量(即，相对于较早时间段的度量)，因此不要求对象校准，也不要求关于任何观察到的肌肉收缩的背景信息。

本领域技术人员通过研究附图、公开内容以及权利要求，在实践本文公开的原理和技术时能够理解并实现对所公开的实施例的变型。在权利要求中，“包括”一词并不排除其他元件或步骤，并且词语“一”或“一个”并不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。虽然某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起或者作为其他硬件的部分而供应的光学存储介质或固态介质，但是也可以以其他形式分布，例如经由互联网或其他有线或无线的电信系统分布。权利要求中的任何附图标记都不应被解释为对范围的限制。