一种自适应选星方法、装置、设备及可读存储介质

技术领域

本申请涉及GNSS数据处理技术领域，特别涉及一种自适应选星方法、装置、设备及可读存储介质。

背景技术

GDOP（Geometric Dilution of Precision，几何精度因子）是衡量GNSS（GlobalNavigation Satellite System，全球导航卫星系统）定位精度的指标。而选星理论上就是确定GDOP最小的卫星组合，即在定位之前粗略判别接收机所在位置的可见星分布，从中选择GDOP值最小的可见星组合进行信号接收和定位解算。早期的GPS（Global PositioningSystem，全球定位系统）往往通过遍历法或几何构型法实现选星，且通常选4颗。其中，遍历法指的是遍历所有可见星组合，并从中找出GDOP值最小的一组可见星；而几何构型法则是直接选择特征四面体体积大的可见星组合，其原理是GDOP值随着其特征四面体的体积增大而减小的。

然而，当卫星数目增加到一定程度时，GDOP的递减幅度将越来越不明显，尤其当卫星数超过6时，GDOP改善程度很小；并且，没有研究明确地表明GDOP值和特征多面体体积或者其它几何构型参数之间的数量关系。因此，通过几何构型法进行选星，其结果往往不是最优的，且随着选星颗数的增多，可见星组合的几何构型会越来越复杂，以致通过分析几何构型很难实现选星。

而近年来，众多学者在数据质量控制过程中发展了一系列卫星粗差探测与诊断理论，即通过对较大粗差的剔除或降权处理实现对最优卫星组合的确定。其中，粗差探测理论主要分为两类，一类为均值漂移模型，其核心思想是将含粗差的观测值看作与其他同类观测值具有相同的方差，但期望不相等的一个子样，其包括Baarda数据探测法、动态DIA质量控制方法等；另一类为方差膨胀模型，该模型将异常观测值视作方差发生变化、但数学期望未改变，其典型方法包括丹麦法、IGG-III方案等。

不过，数据探测法与DIA质量控制过程主要是建立在假设检验的基础之上，虽然其对含粗差的观测值进行了准确定位，但当粗差较多时，需反复利用假设检验的方法进行平差计算和粗差剔除，计算工作量较大，且这些方法粗差探测与平差计算是分开进行的，以致计算效率较低。而抗差估计由于在求解参数估值的同时，直接抵制了异常误差的影响，因而在有多个粗差的情况下，其无需反复计算，实现了平差计算与粗差剔除同步进行的效果，有利于实现数据处理的自动化。

但是，抗差估计同样存在一些缺陷，例如权函数的选取问题，过于宽松的判别标准会导致粗差不能被完全剔除，而过于严格的判别标准又可能导致正常的观测值被错误地剔除，影响解的可靠性。此外，初始权矩阵的选取与参数初值计算也会影响到抗差估计的性能，例如在参数初值计算时，一般是基于最小二乘准则，而最小二乘估计的主要特点就是避免大残差的出现，这一特性是以损害大多数优质数据为代价的，以致容易产生误差转移现象，进而导致异常观测值的残差不一定明显偏大，而某些正常观测值的残差则可能明显增大。

由此可见，在以往的研究中，受到在实际应用中解算实时性的要求以及计算机解算效率的低下，选星过程往往需要保持定位精度和运算量之间的平衡，以致在复杂环境下往往无法将最优卫星组合精确的选取出来。因此，如何在极端恶劣的监测环境中实现最优卫星组合选择是当前急需解决的问题。

发明内容

本申请提供一种自适应选星方法、装置、设备及可读存储介质，以解决相关技术中存在的问题。

第一方面，提供了一种自适应选星方法，包括以下步骤：

对监测站和基准站发送的差分数据进行解码，以获得解算时段内各目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息；

根据载波观测数据、伪距观测数据和导航电文信息构建双差组合观测值方程；

对所述双差组合观测值方程进行卡尔曼滤波处理和参数固定，以得到模糊度参数固定值和坐标参数固定值；

根据模糊度参数固定值、坐标参数固定值和双差组合观测值方程构建验后残差向量；

基于拉依达准则和验后残差向量剔除存在问题的目标卫星；

通过多系统松组合定位算法对剩余的目标卫星进行不同组合后所构建的双差观测方程进行迭代滤波解算，得到每组卫星组合对应的验后残差值；

基于验后残差值确定出每组卫星组合的检验量，将检验量最小的卫星组合作为最优卫星组合。

一些实施例中，所述验后残差值包括L1频率和L2频率分别对应的载波验后残差值和伪距验后残差值，所述基于验后残差值确定出每组卫星组合的检验量，包括：

基于载波验后残差值和伪距验后残差值计算出每组卫星组合在L1频率和L2频率上分别对应的载波验后残差中误差值以及伪距验后残差中误差值；

基于载波验后残差中误差值、伪距验后残差中误差值以及L1频率和L2频率分别对应的载波权值和伪距权值计算得到每组卫星组合的检验量。

一些实施例中，所述基于载波验后残差中误差值、伪距验后残差中误差值以及L1频率和L2频率分别对应的载波权值和伪距权值计算得到每组卫星组合的检验量，包括：

将载波验后残差中误差值、伪距验后残差中误差值以及L1频率和L2频率分别对应的载波权值和伪距权值代入至第一计算公式，得到每组卫星组合的检验量，所述第一计算公式为：

C=P

一些实施例中，在所述将检验量最小的卫星组合作为最优卫星组合的步骤之后，还包括：

基于最优卫星组合对应的卫星坐标和双差组合观测值方程进行卡尔曼滤波处理，得到监测站坐标。

一些实施例中，所验后残差向量包括载波验后残差向量和伪距验后残差向量，所述载波验后残差向量

式中，/>

一些实施例中，所述对监测站和基准站发送的差分数据进行解码，以获得解算时段内各目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息，包括：

对监测站和基准站发送的差分数据进行解码，得到解算时段内监测站所能观测到的各个卫星的载波观测数据、伪距观测数据以及导航电文信息；

对各个卫星的载波观测数据和伪距观测数据进行周跳探测和钟跳探测，以剔除存在信号突变的卫星及其对应的载波观测数据和伪距观测数据；

将剩余的卫星作为目标卫星，以得到每个目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息。

一些实施例中，所述对所述双差组合观测值方程进行卡尔曼滤波处理和参数固定，以得到模糊度参数固定值和坐标参数固定值，包括：

通过卡尔曼滤波器对所述双差组合观测值方程进行滤波处理，以获取模糊度参数的最优估计和坐标参数的最优估计，并将坐标参数的最优估计作为坐标参数固定值；

基于预设的模糊度固定条件对模糊度参数的最优估计进行固定，得到模糊度参数固定值。

第二方面，提供了一种自适应选星装置，包括：

第一解算单元，其用于对监测站和基准站发送的差分数据进行解码，以获得解算时段内各目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息；

第一构建单元，其用于根据载波观测数据、伪距观测数据和导航电文信息构建双差组合观测值方程；

处理单元，其用于对所述双差组合观测值方程进行卡尔曼滤波处理和参数固定，以得到模糊度参数固定值和坐标参数固定值；

第二构建单元，其用于根据模糊度参数固定值、坐标参数固定值和双差组合观测值方程构建验后残差向量；

剔除单元，其用于基于拉依达准则和验后残差向量剔除存在问题的目标卫星；

第二解算单元，其用于通过多系统松组合定位算法对剩余的目标卫星进行不同组合后所构建的双差观测方程进行迭代滤波解算，得到每组卫星组合对应的验后残差值；

筛选单元，其用于基于验后残差值确定出每组卫星组合的检验量，将检验量最小的卫星组合作为最优卫星组合。

第三方面，提供了一种自适应选星设备，包括：存储器和处理器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现前述的自适应选星方法。

第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，以实现前述的自适应选星方法。

本申请提供了一种自适应选星方法、装置、设备及可读存储介质，包括对监测站和基准站发送的差分数据进行解码，以获得解算时段内各目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息；根据载波观测数据、伪距观测数据和导航电文信息构建双差组合观测值方程；对所述双差组合观测值方程进行卡尔曼滤波处理和参数固定，以得到模糊度参数固定值和坐标参数固定值；根据模糊度参数固定值、坐标参数固定值和双差组合观测值方程构建验后残差向量；基于拉依达准则和验后残差向量剔除存在问题的目标卫星；通过多系统松组合定位算法对剩余的目标卫星进行不同组合后所构建的双差观测方程进行迭代滤波解算，得到每组卫星组合对应的验后残差值；基于验后残差值确定出每组卫星组合的检验量，将检验量最小的卫星组合作为最优卫星组合。本申请通过验后残差检验的算法，将典型数据质量较差的卫星数据进行剔除，避免了问题卫星对数据处理的不利影响，降低了后续算法的处理效率；同时采用松组合的多卫星系统组合解算模式并利用计算机高性能数据解算能力来遍历不同的卫星组合，实现了在真实观测环境中提取最优卫星组合提取的可能；最后通过验后残差值设立卫星组合检验量，为不同卫星组合之间的质量比较提供了标准，进而可自适应实现最优卫星组合的选择。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种自适应选星方法的流程示意图；

图2为本申请实施例提供的自适应选星方法的具体流程示意图；

图3为本申请实施例提供的变形监测整体业务流程示意图；

图4为本申请实施例提供的一种自适应选星设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

参见图1和图2所示，本申请实施例提供了一种自适应选星方法，包括以下步骤：

步骤S10：对监测站和基准站发送的差分数据进行解码，以获得解算时段内各目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息；

进一步的，所述对监测站和基准站发送的差分数据进行解码，以获得解算时段内各目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息，包括：

对监测站和基准站发送的差分数据进行解码，得到解算时段内监测站所能观测到的各个卫星的载波观测数据、伪距观测数据以及导航电文信息；

对各个卫星的载波观测数据和伪距观测数据进行周跳探测和钟跳探测，以剔除存在信号突变的卫星及其对应的载波观测数据和伪距观测数据；

将剩余的卫星作为目标卫星，以得到每个目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息。

示范性的，在本实施例中，参见图3所示，可在地质灾害易发区域选定典型易滑点作为监测点，并加装GNSS监测装置；同时在监测点周围10km范围内选定一处基岩较为稳定的点作为基准点，并安装GNSS监测设备；监测点以及基准点同时利用无线网络传输服务将实时接收到的GNSS差分观测数据回传至解算服务器，即可形成一套典型的地质灾害变形监测服务。

应当理解的是，本实施例会预先在解算服务器中定义好数据通信协议，然后进行差分观测数据的接入；接着将监测站与基准站对应的原始差分数据按照RTCM3协议规则进行解码并完成基线解散，以获取解算时段内监测站所能观测到的所有卫星对应的RINEX（Receiver Independent Exchange Format，与接收机无关的交换格式，其是一种在GPS测量应用中普遍采用的标准数据格式）观测文件以及广播星历文件。需要说明的是，观测文件中包含了各个卫星的载波观测数据和伪距观测数据，而广播星历文件则包含了各个卫星的导航电文信息，通过该导航电文信息可计算得到卫星的坐标位置。

然后利用Geodesy-Free（GF法）和电离层残差法对各个卫星的观测数据进行周跳探测，并构造钟跳探测量，通过分析观测值的连续性来探测可能发生的钟跳，将发生钟跳的相位观测值由连续形式改为阶跃形式，使其与伪距观测值基准保持一致，以消除钟跳影响。由此可见，在完成对各个卫星的载波观测数据和伪距观测数据的周跳探测和钟跳探测后，存在信号突变的卫星及其对应的载波观测数据和伪距观测数据将被剔除，而剩余的不存在信号突变的卫星将成为本实施例的选星对象，即将剩余的卫星作为目标卫星，并对每个目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息进行存储。

步骤S20：根据载波观测数据、伪距观测数据和导航电文信息构建双差组合观测值方程；

示范性的，在本实施例中，通过提前定义好的解算滤波时长截取对应时间段的卫星数据，逐历元筛选基准站与监测站之间的共视卫星，并构建载波/伪距双差组合观测值，具体如下：

式中，r与b分别代表GNSS监测站与基准站；i代表卫星信号频率；j与k分别代表参考卫星与观测卫星的序列号；/>

其中，应当理解的是，

式中，(X

由于监测场景属于短基线解算，因此在构建双差观测值后，卫星与接收机钟差、电离层与对流层误差以及其他小量改正项几乎都被消除，即消除了电离层延迟、对流层延迟、卫星端硬件延迟以及接收机延迟等多种误差影响。

步骤S30：对所述双差组合观测值方程进行卡尔曼滤波处理和参数固定，以得到模糊度参数固定值和坐标参数固定值；

进一步的，所述对所述双差组合观测值方程进行卡尔曼滤波处理和参数固定，以得到模糊度参数固定值和坐标参数固定值，包括：

通过卡尔曼滤波器对所述双差组合观测值方程进行滤波处理，以获取模糊度参数的最优估计和坐标参数的最优估计，并将坐标参数的最优估计作为坐标参数固定值；

基于预设的模糊度固定条件对模糊度参数的最优估计进行固定，得到模糊度参数固定值。

示范性的，本实施例中，在双差组合观测值方程构建完成后，将利用扩展卡尔曼滤波器对双差组合观测值方程进行滤波处理，以对模糊度参数和坐标参数进行最优估计，得到三维浮点坐标以及双差模糊度浮点解，同时将三维浮点坐标作为坐标参数固定值；并利用模糊度固定条件且通过M-LAMBDA方法对双差模糊度参数进行固定，从而得到当前历元的三维坐标固定解以及双差模糊度固定解。

步骤S40：根据模糊度参数固定值、坐标参数固定值和双差组合观测值方程构建验后残差向量；

进一步的，所验后残差向量包括载波验后残差向量和伪距验后残差向量，所述载波验后残差向量

式中，/>

示范性的，在本实施例中，将模糊度参数固定值和坐标参数固定值回代入双差组合观测值，以构建如下的验后残差向量：

式中，v

步骤S50：基于拉依达准则和验后残差向量剔除存在问题的目标卫星；

示范性的，可以理解的是，验后残差向量中包含了每个卫星对应的验后残差值，若无明显卫星数据质量问题，验后残差向量中的验后残差值整体上应符合高斯分布特征。然而，受异常气象因素、严重多路径效应、接收机硬件信号处理异常等影响，导致部分卫星信号质量受损，而卫星异常信号在参与解算后，在部分情况下会直接表现为该卫星信号对应的验后残差过大，该类残差可称之为第一类典型验后残差。由此可见，若该类数据直接参与观测方程构成解算，会导致整体方程结构稳定性变差，最终导致解算结果误差较大。

因此，本实施例将根据验后残差检验，对问题卫星进行初步剔除。具体可直接通过“3σ”准则（即拉依达准则）进行验后残差检验，即可剔除存在问题的目标卫星，以减小含明显粗差的卫星观测数据对解算稳定性的影响。

步骤S60：通过多系统松组合定位算法对剩余的目标卫星进行不同组合后所构建的双差观测方程进行迭代滤波解算，得到每组卫星组合对应的验后残差值；

示范性的，应当理解的是，在一些特殊情况下，由于最小二乘算法永远提供模型整体误差最小的一组结果，因此质量较差的卫星信号误差会影响其它正常卫星信号的验后残差结果，表现为所有卫星验后残差整体偏大，此种情况下将无法通过验后残差检验去排除异常卫星，此类称为第二类典型验后残差。由此可见，针对这种情况，应该不对卫星进行剔除，而是直接进行最优卫星组合的选取。

因此，在本实施例中，对初步剔除问题卫星后的剩下的所有目标卫星进行自适应选星策略，以选取出一组最优卫星组合。具体的：

（1）假设当前历元为T，共计有GPS/BDS/GALILEO/GLONASS四个卫星定位系统观测数据；经初步筛星后，共有N颗卫星的双频信号(即L1+L2)，则采用多系统松组合(即分系统各自选定参考卫星)定位算法共构成M=4×(N-4)个双差观测方程。

（2）假定存在一颗卫星观测质量较低，随机剔除一颗卫星对应的4个观测值(即L1、L2、P1和P2，其中，L1表示L1频率对应的载波观测数据，L2表示L2频率对应的载波观测数据，P1表示L1频率对应的伪距观测数据，P2表示L2频率对应的伪距观测数据)，则共产生

（3）假定存在两颗卫星观测质量较低，则与步骤（2）同理，将构建C(N,N-2)种双差观测方程并解算出对应的坐标及验后残差值。

（4）依次递增构建不同数量的卫星组合，直到卫星数为8，即产生C(N,8)种组合方式，结束组合迭代过程。由于采用松组合的方式进行解算，每个卫星系统至少保证1颗参考卫星和一颗观测卫星，因此此处遍历至8颗卫星即可截止。经过上述组合迭代后，共求得

步骤S70：基于验后残差值确定出每组卫星组合的检验量，将检验量最小的卫星组合作为最优卫星组合。

进一步的，所述验后残差值包括L1频率和L2频率分别对应的载波验后残差值和伪距验后残差值，所述基于验后残差值确定出每组卫星组合的检验量，包括：

基于载波验后残差值和伪距验后残差值计算出每组卫星组合在L1频率和L2频率上分别对应的载波验后残差中误差值以及伪距验后残差中误差值；

基于载波验后残差中误差值、伪距验后残差中误差值以及L1频率和L2频率分别对应的载波权值和伪距权值计算得到每组卫星组合的检验量。

具体的，所述基于载波验后残差中误差值、伪距验后残差中误差值以及L1频率和L2频率分别对应的载波权值和伪距权值计算得到每组卫星组合的检验量，包括：

将载波验后残差中误差值、伪距验后残差中误差值以及L1频率和L2频率分别对应的载波权值和伪距权值代入至第一计算公式，得到每组卫星组合的检验量，所述第一计算公式为：

C=P

示范性的，本实施例中，在得到

C=P

由此可见，本实施例实现基于验后残差的卫星组合检验量的构建，通过遍历的方式逐颗剔除卫星数据，获取所有共视卫星可能组成的组合观测情况对应的验后残差检验量，最后选取出检验量最小的一组卫星组合作为最优卫星组合，并将其对应的坐标作为解算结果进行输出。

进一步的，在所述将检验量最小的卫星组合作为最优卫星组合的步骤之后，还包括：

基于最优卫星组合对应的卫星坐标和双差组合观测值方程进行卡尔曼滤波处理，得到监测站坐标。

示范性的，在本实施例中，将最优卫星组合对应的卫星坐标代入至双差组合观测值方程中，通过卡尔曼滤波器计算出监测站的坐标；为了更加准确的输出监测站的坐标，可获取所求时间段内通过最优卫星组合得到的坐标值序列，最后通过粗差剔除对坐标值序列进行求均值的方式，来得到该时段对应的监测点的坐标唯一解，以输出三维固定坐标解。

综上，针对复杂环境下最佳卫星组合选星困难的问题，本实施例提出了一种基于验后残差检验的GNSS自适应选星方法，旨在利用计算机高效的数据处理能力解决现有技术在恶劣监测环境中存在的无法构建卫星组合最优解的问题：首先通过验后残差检验的算法，将典型数据质量较差的卫星数据进行剔除，避免了问题卫星对数据处理的不利影响，降低了后续算法的处理效率；通过采用松组合的多卫星系统组合解算模式，并利用计算机高性能数据解算能力，以遍历不同的卫星组合，实现了在真实观测环境中提取最有卫星组合提取的可能；同时设立卫星组合检验量C，即获取不同卫星组合的所有伪距与载波的验后残差中误差，通过将中误差进行加权处理获取检验量，为不同卫星组合之间的质量比较提供了标准，进而可自适应实现最优卫星组合的选择，即可实现在恶劣监测环境中对接收机最优卫星组合序列精确地选取出来，以保障解算结果的高可靠性。

本申请实施例还提供了一种自适应选星装置，包括：

第一解算单元，其用于对监测站和基准站发送的差分数据进行解码，以获得解算时段内各目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息；

第一构建单元，其用于根据载波观测数据、伪距观测数据和导航电文信息构建双差组合观测值方程；

处理单元，其用于对所述双差组合观测值方程进行卡尔曼滤波处理和参数固定，以得到模糊度参数固定值和坐标参数固定值；

第二构建单元，其用于根据模糊度参数固定值、坐标参数固定值和双差组合观测值方程构建验后残差向量；

剔除单元，其用于基于拉依达准则和验后残差向量剔除存在问题的目标卫星；

第二解算单元，其用于通过多系统松组合定位算法对剩余的目标卫星进行不同组合后所构建的双差观测方程进行迭代滤波解算，得到每组卫星组合对应的验后残差值；

筛选单元，其用于基于验后残差值确定出每组卫星组合的检验量，将检验量最小的卫星组合作为最优卫星组合。

进一步的，所述验后残差值包括L1频率和L2频率分别对应的载波验后残差值和伪距验后残差值，所述筛选单元具体用于：

基于载波验后残差值和伪距验后残差值计算出每组卫星组合在L1频率和L2频率上分别对应的载波验后残差中误差值以及伪距验后残差中误差值；

基于载波验后残差中误差值、伪距验后残差中误差值以及L1频率和L2频率分别对应的载波权值和伪距权值计算得到每组卫星组合的检验量。

进一步的，所述筛选单元具体还用于：

将载波验后残差中误差值、伪距验后残差中误差值以及L1频率和L2频率分别对应的载波权值和伪距权值代入至第一计算公式，得到每组卫星组合的检验量，所述第一计算公式为：

C=P

进一步的，所述处理单元还用于：

基于最优卫星组合对应的卫星坐标和双差组合观测值方程进行卡尔曼滤波处理，得到监测站坐标。

进一步的，所验后残差向量包括载波验后残差向量和伪距验后残差向量，所述载波验后残差向量

式中，/>

进一步的，所述第一解算单元具体用于：

对监测站和基准站发送的差分数据进行解码，得到解算时段内监测站所能观测到的各个卫星的载波观测数据、伪距观测数据以及导航电文信息；

对各个卫星的载波观测数据和伪距观测数据进行周跳探测和钟跳探测，以剔除存在信号突变的卫星及其对应的载波观测数据和伪距观测数据；

将剩余的卫星作为目标卫星，以得到每个目标卫星对应的载波观测数据、伪距观测数据以及导航电文信息。

进一步的，所述处理单元具体用于：

通过卡尔曼滤波器对所述双差组合观测值方程进行滤波处理，以获取模糊度参数的最优估计和坐标参数的最优估计，并将坐标参数的最优估计作为坐标参数固定值；

基于预设的模糊度固定条件对模糊度参数的最优估计进行固定，得到模糊度参数固定值。

需要说明的是，所属本领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各单元的具体工作过程，可以参考前述自适应选星方法实施例中的对应过程，在此不再赘述。

上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图4所示的自适应选星设备上运行。

本申请实施例还提供了一种自适应选星设备，包括：通过系统总线连接的存储器、处理器和网络接口，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行，以实现前述的自适应选星方法的全部步骤或部分步骤。

其中，网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

处理器可以是CPU，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路( Application Specific Integrated Circuit，ASIC)、现场可编程逻辑门阵列( 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等。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，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。

存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如视频播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如视频数据、图像数据等)等。此外，存储器可以包括高速随存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card，SMC)、安全数字( Secure digital，SD)卡、闪存卡( Flash Card)、至少一个磁盘存储器件、闪存器件或其他易失性固态存储器件。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现前述的自适应选星方法的全部步骤或部分步骤。

本申请实施例实现前述的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only memory，ROM)、随机存取存储器（Random Accessmemory，RAM )、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。