本發(fā)明涉及語音識別領(lǐng)域，尤其涉及一種降低語音泄露的魯棒阻塞矩陣方法。

背景技術(shù)：

基于麥克風(fēng)陣列的語音增強(qiáng)技術(shù)已經(jīng)廣泛應(yīng)用于通信、人機(jī)交互、語音識別系統(tǒng)等中，其中廣義旁瓣消除(GSC)方法應(yīng)用最廣，這種方法易于實(shí)現(xiàn)且性能很好。其中GSC分成上下兩個通路，上通路是固定波束模塊(FBF)用于估計(jì)目標(biāo)語音的參考信號，下通路是阻塞矩陣模塊(BM)和消除模塊(MC)，用于消除固定波束中的殘留的噪聲，其中阻塞矩陣模塊用于消除目標(biāo)語音信號而得到噪聲信號。

從諸多實(shí)踐系統(tǒng)來看，最容易讓GSC的性能下降的就是BM模塊中的語音泄露，也就是BM沒有將目標(biāo)語音信號阻塞，導(dǎo)致與FBF中的語音信號相減而抵消掉泄露的語音信號。傳統(tǒng)的BM設(shè)計(jì)常用自適應(yīng)BM或者直接用差分矩陣。因?yàn)辂溈孙L(fēng)陣列系統(tǒng)的誤差，或者目標(biāo)方向的估計(jì)出現(xiàn)誤差，那么差分矩陣性能將大打折扣，而自適應(yīng)BM要受到自適應(yīng)權(quán)值更新步長的影響，自適應(yīng)的收斂性是一個比較大的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種降低語音泄露的魯棒阻塞矩陣方法，能大幅度的減少語音泄露情況。

為實(shí)現(xiàn)上述技術(shù)效果，本發(fā)明公開了一種降低語音泄露的魯棒阻塞矩陣方法，包括步驟：

提供一聲音信號；

將所述聲音信號輸入至廣義旁瓣對消結(jié)構(gòu)的固定波束模塊和阻塞矩陣模塊中，所述廣義旁瓣對消結(jié)構(gòu)具有并聯(lián)的第一通路和第二通路，所述固定波束模塊位于所述第一通路，所述阻塞矩陣模塊位于所述第二通路；所述第二通路還設(shè)有消除模塊，所述消除模塊的輸入與所述阻塞矩陣模塊的輸出相連，所述消除模塊的輸出與所述固定波束模塊的輸出相連；

利用所述固定波束模塊從輸入的所述聲音信號中獲取目標(biāo)語音信號，并輸出所述目標(biāo)語音信號；

利用所述阻塞矩陣模塊從輸入的所述聲音信號中消除目標(biāo)語音信號，以得到噪聲信號；

利用所述固定波束模塊估計(jì)所述噪聲信號中存在目標(biāo)語音信號的先驗(yàn)概率；

所述阻塞矩陣模塊根據(jù)所述先驗(yàn)概率更新所述噪聲信號，消除所述噪聲信號中存在的目標(biāo)語音信號，得到更新后的噪聲信號并輸出更新后的所述噪聲信號；

利用所述消除模塊從所述固定波束模塊輸出的所述目標(biāo)語音信號中消除所述阻塞矩陣模塊輸出的所述噪聲信號，形成輸出信號并予以輸出。

本發(fā)明由于采用了以上技術(shù)方案，使其具有以下有益效果：在利用消除模塊對固定波束模塊輸出的目標(biāo)語音信號和阻塞矩陣模塊輸出的噪聲信號進(jìn)行對消，以消除目標(biāo)語音信號中殘留的噪聲信號之前，預(yù)先對阻塞矩陣模塊輸出的噪聲信號進(jìn)行存在目標(biāo)語音信號的概率先驗(yàn)，更新阻塞矩陣模塊的阻塞矩陣參數(shù)，以消除噪聲信號中遺漏的目標(biāo)語音信號，增強(qiáng)阻塞矩陣模塊的消除目標(biāo)語音信號的功能，避免因阻塞矩陣模塊沒有將目標(biāo)語音信號阻塞完全，導(dǎo)致其與固定波束模塊中的目標(biāo)語音信號相減而抵消掉泄露的目標(biāo)語音信號，達(dá)到大幅度減少語音泄露的情況。

所述降低語音泄露的魯棒阻塞矩陣方法進(jìn)一步的改進(jìn)在于，所述聲音信號的語音雙態(tài)模型為：

H₀：X＝N

H₁：X＝S+N (式一)

其中，H₀狀態(tài)表示只存在噪聲的狀態(tài)，N表示噪聲信號，H₁狀態(tài)表示存在噪音信號和目標(biāo)語音信號的狀態(tài)，S為目標(biāo)語音信號。

所述降低語音泄露的魯棒阻塞矩陣方法進(jìn)一步的改進(jìn)在于，所述聲音信號為麥克風(fēng)輸入信號，所述固定波束模塊從輸入的麥克風(fēng)輸入信號中獲取目標(biāo)語音信號并予以輸出；所述固定波束模塊的輸出Y_FBF為：

其中，M是麥克風(fēng)數(shù)目，x_i是第i個麥克風(fēng)輸入信號，w是固定波束模塊的權(quán)重，w_i是第i個固定波束的權(quán)重。

所述降低語音泄露的魯棒阻塞矩陣方法進(jìn)一步的改進(jìn)在于，采用延遲求和方法或最小旁瓣類方法計(jì)算得到所述固定波束模塊的權(quán)重w。

所述降低語音泄露的魯棒阻塞矩陣方法進(jìn)一步的改進(jìn)在于，所述阻塞矩陣模塊從輸入的所述麥克風(fēng)輸入信號中消除目標(biāo)語音信號，以得到噪聲信號并予以輸出；所述阻塞矩陣模塊的輸出Z為：

Z＝B*X (式三)

其中，Z＝[z₁z₂…z_N]，是阻塞矩陣模塊的輸出信號；X＝[x₁x₂…x_M]，是麥克風(fēng)輸入信號；B是阻塞矩陣模塊的阻塞矩陣。

所述降低語音泄露的魯棒阻塞矩陣方法進(jìn)一步的改進(jìn)在于，利用所述固定波束模塊的輸出Y_FBF中的條件先驗(yàn)概率估計(jì)出噪聲信號Z中存在目標(biāo)語音信號的先驗(yàn)概率，包括步驟：

用控制遞歸平均算法估計(jì)出Y_FBF中存在目標(biāo)語音信號的概率P(H1|Y_FBF)，以求出Z中存在目標(biāo)語音信號的先驗(yàn)概率P(H₁)：

P(H₁)_k＝λP(H₁)_k-1+(1-λ)P(H1|Y_FBF) (式四)

其中，

H₁是語音存在狀態(tài)，λ是平滑系數(shù)，k是幀數(shù)；

則Z中不存在目標(biāo)語音信號的先驗(yàn)概率P(H₀)，由以下方程求得

P(H₀)＝1-P(H₁)。 (式六)

所述降低語音泄露的魯棒阻塞矩陣方法進(jìn)一步的改進(jìn)在于，所述阻塞矩陣模塊根據(jù)所述先驗(yàn)概率更新所述噪聲信號，消除所述噪聲信號中存在的目標(biāo)語音信號，得到更新后的噪聲信號的過程，包括步驟：

步驟一：求解Z中存在目標(biāo)語音信號的條件先驗(yàn)概率P(H1|Z)

a、求解后驗(yàn)信噪比γ

其中，是噪聲信號的估計(jì)；

b、采用判決引導(dǎo)方法求解先驗(yàn)信噪比ε

其中，η是平滑系數(shù)，取值0.92，γ_old是前一幀的后驗(yàn)信噪比，GH₁是H₁狀態(tài)下的語音增益，MAX是取大函數(shù)；

c、求解語音存在似然度GLR

其中，

d、求解條件先驗(yàn)概率P(H1|BM)

步驟二：修正信噪比和更新語音增益

a、利用先驗(yàn)概率P(H₁)修正信噪比

其中，是修正后的后驗(yàn)信噪比，是修正后的先驗(yàn)信噪比；

b、更新語音增益GH₁，

其中，

exp是指數(shù)運(yùn)算符，e是自然常數(shù)，x是積分變量；

步驟三：估計(jì)動態(tài)噪聲平滑系數(shù)

其中，α取值為0.92；

步驟四：估計(jì)噪聲

其中，E是期望操作，采用如下方程估計(jì)：

其中，k是幀數(shù)，ε代表先驗(yàn)信噪比，P(H₀|BM)＝1-P(H1|BM)；

步驟五：計(jì)算語音增益

采用最優(yōu)修正的對數(shù)幅度譜估計(jì)方法估計(jì)更新后的語音增益Gain

其中，Gmin是語音不存在時(shí)的增益下限約束，Gmin取值為0.01，是在H₁狀態(tài)時(shí)候的語音增益，是在H₀狀態(tài)時(shí)候的語音增益；

步驟六：計(jì)算得到更新后的噪聲信號Z′

Z′＝Z*(1-Gain)。 (式十七)

附圖說明

圖1為本發(fā)明一種降低語音泄露的魯棒阻塞矩陣方法的功能模塊示意圖。

具體實(shí)施方式

以下通過特定的具體實(shí)例說明本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點(diǎn)與功效。本發(fā)明還可以通過另外不同的具體實(shí)施方式加以實(shí)施或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)也可以基于不同觀點(diǎn)與應(yīng)用，在沒有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。

語音增強(qiáng)技術(shù)的主要任務(wù)是抑制背景噪聲和干擾，從而增強(qiáng)后續(xù)處理對于輸入噪聲的魯棒性。在傳統(tǒng)的單通道語音增強(qiáng)算法中，由于只有單路模擬信號輸入，無任何參考信號，只能利用含噪語音信號在時(shí)域和頻域的統(tǒng)計(jì)特性來抑制噪聲、增強(qiáng)語音。但語音信號在時(shí)域和頻域上往往都被淹沒于噪聲和干擾當(dāng)中，難以準(zhǔn)確與之分離，因此算法效果提升的空間相對較小。麥克風(fēng)陣列的引入為語音增強(qiáng)技術(shù)打開了一個嶄新的思路，它利用目標(biāo)語音和干擾在空間位置上的差異，以及各個麥克風(fēng)信號彼此之間的相關(guān)性，通過波束形成算法對來波方向上和語音分離的背景噪聲和干擾進(jìn)行抑制，從而增強(qiáng)語音，已逐漸成為語音增強(qiáng)領(lǐng)域研究的熱點(diǎn)。

現(xiàn)有的波束形成算法中，采用廣義旁瓣對消(Generalized Sidelobe Canceller，簡稱GSC)結(jié)構(gòu)的自適應(yīng)波束形成算法占有重要的地位。

下面結(jié)合附圖及具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。

請參閱圖1所示，圖1為本發(fā)明降低語音泄露的魯棒阻塞矩陣方法的功能模塊示意圖，也是廣義旁瓣對消結(jié)構(gòu)的示意圖。

廣義旁瓣對消結(jié)構(gòu)(GSC)分成上下兩個通路：第一通路101和第二通路102，該第一通路101與該第二通路102相互并聯(lián)，在圖中，第一通路101位于上通路，第二通路102位于上通路。廣義旁瓣對消結(jié)構(gòu)中主要具有一固定波束模塊(fixed beam fomer，簡稱FBF)11、一阻塞矩陣模塊(Blocking Matrix，簡稱BM)12及一消除模塊(Multiplc-input Canceller簡稱MC)13三個功能模塊。其中，固定波束模塊(FBF)11位于第一通路101，阻塞矩陣模塊(BM)12和消除模塊(MC)13位于第二通路102。固定波束模塊(FBF)11的輸入與阻塞矩陣模塊(BM)12的輸入相連，阻塞矩陣模塊(BM)12的輸出與消除模塊(MC)13的輸入相連，消除模塊(MC)13的輸出與固定波束模塊(FBF)11的輸出相連，且在消除模塊(MC)13的輸出與固定波束模塊(FBF)11的輸出的相交節(jié)點(diǎn)處進(jìn)行“+/-”(與/或邏輯運(yùn)算)。

其中，固定波束模塊(FBF)用于估計(jì)目標(biāo)語音的參考信號，F(xiàn)BF采用系數(shù)固定的濾波器對原始各通道信號進(jìn)行濾波，并將濾波后的各路信號相加，從而對來波方向不同于目標(biāo)語音信號的干擾和噪聲進(jìn)行抑制，實(shí)現(xiàn)目標(biāo)語音信號的初次增強(qiáng)。

阻塞矩陣模塊(BM)用于消除目標(biāo)語音信號而得到噪聲信號，BM以FBF輸出作為參考信號，對各通道原始信號進(jìn)行自適應(yīng)濾波，目的是去除其中的目標(biāo)語音成分，從而得到N路的噪聲信號(N為麥克風(fēng)的個數(shù))，該過程的自適應(yīng)濾波器可采用CCAF(系數(shù)界定的自適應(yīng)濾波器)。

最后，消除模塊(MC)用于消除固定波束中的殘留的噪聲，MC利用上面這N路噪聲信號，對FBF輸出做進(jìn)一步的自適應(yīng)降噪處理，再次對目標(biāo)語音信號進(jìn)行增強(qiáng)，從而得到最終的輸出，該過程的自適應(yīng)濾波器可采用NCAF(范圍界定的自適應(yīng)濾波器)。

本發(fā)明針對目前廣義旁瓣消除(GSC)方法中，由于其阻塞矩陣(BM)模塊沒有將目標(biāo)語音信號完全阻塞，導(dǎo)致與其固定波束模塊(FBF)中的目標(biāo)語音信號相減而抵消掉泄露的目標(biāo)語音信號的問題，本發(fā)明提供一種降低語音泄露的魯棒阻塞矩陣方法，以達(dá)到大幅度地減少語音泄露問題，提升廣義旁瓣消除方法的語音增強(qiáng)效果，滿足更加優(yōu)越、更高標(biāo)準(zhǔn)的通信、人機(jī)交互、語音識別系統(tǒng)等。

本發(fā)明降低語音泄露的魯棒阻塞矩陣方法的具體實(shí)現(xiàn)方法如下：

S001：提供一聲音信號，該聲音信號為含有噪聲的語音信號；

S002：將該聲音信號輸入至廣義旁瓣對消結(jié)構(gòu)的固定波束模塊11(FBF)和阻塞矩陣模塊12(BM)中，廣義旁瓣對消結(jié)構(gòu)具有并聯(lián)的第一通路101和第二通路102，固定波束模塊11位于第一通路101，阻塞矩陣模塊12位于第二通路102；第二通路102還設(shè)有消除模塊(MC)13，消除模塊13的輸入與阻塞矩陣模塊12的輸出相連，消除模塊13的輸出與固定波束模塊11的輸出相連；

S003：利用固定波束模塊11從輸入的聲音信號中獲取目標(biāo)語音信號，并輸出目標(biāo)語音信號；

S004：利用阻塞矩陣模塊12從輸入的聲音信號中消除目標(biāo)語音信號，以得到噪聲信號；

S004：利用固定波束模塊11估計(jì)噪聲信號中存在目標(biāo)語音信號的先驗(yàn)概率；

S005：阻塞矩陣模塊12根據(jù)先驗(yàn)概率更新噪聲信號，消除噪聲信號中存在的目標(biāo)語音信號，得到更新后的噪聲信號并輸出更新后的噪聲信號；

S006：利用消除模塊13從固定波束模塊11輸出的目標(biāo)語音信號中消除阻塞矩陣模塊12輸出的噪聲信號，形成輸出信號并予以輸出。

下面以一麥克風(fēng)輸入信號作為聲音信號為例，將該麥克風(fēng)輸入信號輸入至廣義旁瓣對消結(jié)構(gòu)中，并采用本發(fā)明的魯棒阻塞矩陣方法對該輸入的麥克風(fēng)輸入信號進(jìn)行語音增強(qiáng)，具體如下：

(一)輸入麥克風(fēng)輸入信號；

該麥克風(fēng)輸入信號的語音雙態(tài)模型為：

H₀：X＝N

H₁：X＝S+N (式一)

其中，H₀狀態(tài)表示只存在噪聲的狀態(tài)，N表示噪聲信號，H₁狀態(tài)表示存在噪音信號和目標(biāo)語音信號的狀態(tài)，S為目標(biāo)語音信號。

(二)固定波束模塊11(FBF)從輸入的麥克風(fēng)輸入信號中獲取目標(biāo)語音信號并予以輸出；

固定波束模塊(FBF)的輸出Y_FBF為：

其中，M是麥克風(fēng)數(shù)目，x_i是第i個麥克風(fēng)輸入信號，w是固定波束模塊的權(quán)重，w_i是第i個固定波束的權(quán)重；固定波束模塊的權(quán)重w可采用延遲求和方法或最小旁瓣類方法計(jì)算得到。

(三)阻塞矩陣模塊(BM)從輸入的麥克風(fēng)輸入信號中消除目標(biāo)語音信號，以得到噪聲信號并予以輸出；

阻塞矩陣模塊(BM)的輸出Z為：

Z＝B*X (式三)

其中，Z＝[z₁z₂…z_N]，是阻塞矩陣模塊的輸出信號(噪聲信號)；X＝[x₁x₂…x_M]，是麥克風(fēng)輸入信號；B是阻塞矩陣模塊的阻塞矩陣，阻塞矩陣常用差分的方法求得。

(四)利用固定波束模塊(FBF)的輸出Y_FBF中的條件先驗(yàn)概率估計(jì)出阻塞矩陣模塊(BM)的輸出信號Z(噪聲信號)中存在目標(biāo)語音信號的先驗(yàn)概率P(H₁)，具體如下：

用控制遞歸平均算法估計(jì)出Y_FBF中存在目標(biāo)語音信號的概率P(H1|Y_FBF)，以求出Z中存在目標(biāo)語音信號的先驗(yàn)概率P(H₁)：

P(H₁)_k＝λP(H₁)_k-1+(1-λ)P(H1|Y_FBF) (式四)

其中，

H₁是語音存在狀態(tài)，λ是平滑系數(shù)，k是幀數(shù)；

控制遞歸平均算法可參閱“Israel Cohen Noise Spectrum Estimation in Adverse Environments：Improved Minima Controlled Recursive Averaging”——IEEE TRANSACTIONS ON SPEECH AND AUDIO PROCESSING，VOL.11，NO.5，SEPTEMBER 2003/Page466-475。文章中詳細(xì)介紹了控制遞歸平均算法的運(yùn)算原理。

此時(shí)，阻塞矩陣模塊(BM)的輸出信號Z(噪聲信號)中不存在目標(biāo)語音信號的先驗(yàn)概率P(H₀)，由以下方程求得

P(H₀)＝1-P(H₁)。 (式六)

(五)阻塞矩陣模塊(BM)根據(jù)固定波束模塊(FBF)估計(jì)出的先驗(yàn)概率P(H₁)更新阻塞矩陣模塊(BM)輸出的噪聲信號，以消除噪聲信號中仍存在的目標(biāo)語音信號，得到更新后的噪聲信號，具體過程如下：

步驟一：求解Z中存在目標(biāo)語音信號的條件先驗(yàn)概率P(H1|Z)

a、求解后驗(yàn)信噪比γ

其中，是噪聲信號的估計(jì)；

b、采用判決引導(dǎo)方法求解先驗(yàn)信噪比ε

其中，η是平滑系數(shù)，取值0.92，γ_old是前一幀的后驗(yàn)信噪比，GH₁是H₁狀態(tài)下的語音增益，MAX是取大函數(shù)；

c、求解語音存在似然度GLR

其中，

exp是指數(shù)運(yùn)輸符。

d、求解條件先驗(yàn)概率P(H1|BM)

步驟二：修正信噪比和更新語音增益

a、利用先驗(yàn)概率P(H₁)修正信噪比

其中，是修正后的后驗(yàn)信噪比，是修正后的先驗(yàn)信噪比；

b、更新語音增益GH₁，

其中，

exp是指數(shù)運(yùn)算符，e是自然常數(shù)，x是積分變量；

步驟三：估計(jì)動態(tài)噪聲平滑系數(shù)

其中，α取值為0.92；

步驟四：估計(jì)噪聲

其中，E是期望操作，采用如下方程估計(jì)：

其中，k是幀數(shù)，ε代表先驗(yàn)信噪比，P(H₀|BM)＝1-P(H1|BM)；

步驟五：計(jì)算語音增益

采用最優(yōu)修正的對數(shù)幅度譜估計(jì)(OM-LSA)方法估計(jì)更新后的語音增益Gain

其中，Gmin是語音不存在時(shí)的增益下限約束，Gmin取值為0.01(-20dB)，-20dB＝(10*log10(0.01))dB，dB為分貝的單位；是在H₁狀態(tài)時(shí)候的語音增益，是在H₀狀態(tài)時(shí)候的語音增益，但是為了防止衰減過多，通常將GH₀改為Gmin作為H₀時(shí)的增益下限約束

OM-LSA(Optimally-Modified Log Spectral Amplitude最優(yōu)修正的對數(shù)幅度譜估計(jì))方法可參閱“Irael Cohen，Baruch BerdugoSpeech enhancement for non-stationary noise environment”——J.A couSsot.c Am 87(2).February1990，1990Acoustical Society of America/Page820-857。文章中詳細(xì)介紹了OM-LSA方法的實(shí)現(xiàn)原理。

步驟六：計(jì)算得到更新后的噪聲信號Z′

Z′＝Z*(1-Gain)。 (式十七)

采用上述方法，阻塞矩陣模塊根據(jù)先驗(yàn)概率更新噪聲信號，消除噪聲信號中存在的目標(biāo)語音信號，最后輸出更新后的噪聲信號。

(六)利用消除模塊從固定波束模塊輸出的目標(biāo)語音信號中消除阻塞矩陣模塊輸出的噪聲信號，形成輸出信號并予以輸出。

本發(fā)明降低語音泄露的魯棒阻塞矩陣方法通過在利用消除模塊對固定波束模塊輸出的目標(biāo)語音信號和阻塞矩陣模塊輸出的噪聲信號進(jìn)行對消，以消除目標(biāo)語音信號中殘留的噪聲信號之前，預(yù)先對阻塞矩陣模塊輸出的噪聲信號進(jìn)行存在目標(biāo)語音信號的概率先驗(yàn)，更新阻塞矩陣模塊的阻塞矩陣參數(shù)，以消除噪聲信號中遺漏的目標(biāo)語音信號，增強(qiáng)阻塞矩陣模塊的消除目標(biāo)語音信號的功能，避免因阻塞矩陣模塊沒有將目標(biāo)語音信號阻塞完全，導(dǎo)致其與固定波束模塊中的目標(biāo)語音信號相減而抵消掉泄露的目標(biāo)語音信號，達(dá)到大幅度減少語音泄露的情況。

需要說明的是，本說明書所附圖式所繪示的結(jié)構(gòu)、比例、大小等，均僅用以配合說明書所揭示的內(nèi)容，以供熟悉此技術(shù)的人士了解與閱讀，并非用以限定本發(fā)明可實(shí)施的限定條件，故不具技術(shù)上的實(shí)質(zhì)意義，任何結(jié)構(gòu)的修飾、比例關(guān)系的改變或大小的調(diào)整，在不影響本發(fā)明所能產(chǎn)生的功效及所能達(dá)成的目的下，均應(yīng)仍落在本發(fā)明所揭示的技術(shù)內(nèi)容得能涵蓋的范圍內(nèi)。同時(shí)，本說明書中所引用的如“上”、“下”、“左”、“右”、“中間”及“一”等的用語，亦僅為便于敘述的明了，而非用以限定本發(fā)明可實(shí)施的范圍，其相對關(guān)系的改變或調(diào)整，在無實(shí)質(zhì)變更技術(shù)內(nèi)容下，當(dāng)亦視為本發(fā)明可實(shí)施的范疇。

以上所述僅是本發(fā)明的較佳實(shí)施例而已，并非對本發(fā)明做任何形式上的限制，雖然本發(fā)明已以較佳實(shí)施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案的范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容作出些許更動或修飾為等同變化的等效實(shí)施例，但凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對以上實(shí)施例所作的任何簡單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。