一种弹载平台导航方法及系统

技术领域

本发明涉及导弹测控技术领域，具体涉及一种弹载平台导航方法及系统。

背景技术

导弹作为一种重要武器，导航系统提供弹载平台相对于某个参考坐标系的位置、速度、姿态等导航信息，是导弹作战的核心装备之一。

作为最常用的导航方式，全球卫星导航系统(Global Navigation SatelliteSystem,GNSS)能够实时地提供载体的位置、速度、姿态等信息。然而，GNSS信号容易受到干扰或欺骗、难以穿透固体物质，且在载体进行高机动的情况下，GNSS信号容易被丢失。为此，目前已开发出了用于替代或辅助GNSS的弹载平台自主导航方式，其中最重要也是最常用的是惯性导航系统，然而其依旧存在着各种问题，制约其惯长期导航精度。

随着对弹载导航系统自主导航性能的不断提高，单独一种自主导航方式往往难以同时满足高精度、高可靠、全天时、全自主导航的要求。基于信息融合理论，将不同导航方式相结合，构成组合导航系统，实现优势互补，从而提高整个系统的精度和可靠性，已成为自主导航技术研究的一个重要发展方向。近来随着图像识别、匹配、处理等技术的快速发展，陆标观测信息成为自主精确导航中新的重要信息源。通过陆标识别和与陆标数据库匹配得到其确切地理位置的陆标，称之为地图陆标(mapped landmarks,MLs)，基于MLs辅助惯性导航系统(INS)的导航方法通过敏感陆标视线方向，结合可能的惯性设备输出，建立运动载体的观测方程，同时得到载体姿态和位置的高精度估计，已经得到了广泛应用。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

基于MLs辅助惯性系统的导航方法需要预先存储高精度的陆标信息，陆标的可观测性对于光照、天气、地图存储等提出了较高要求。在导弹通过荒漠、海洋等无明显MLs的地区，以及在可见光不充足、云层遮挡条件下，MLs可能不能被成功匹配，可观测MLs的数量可能急剧减少，从而影响基于MLs辅助惯性系统的导航精度。

发明内容

本发明实施例提供一种弹载平台导航方法，用于解决现有基于MLs辅助惯性系统中存在的部分地图路标可能无法识别而影响导航精度的问题。

为达上述目的，一方面，本发明实施例提供一种弹载平台导航方法，包括：

通过惯性导航装置获取当前时刻的输出状态值，所述输出状态值包括弹载平台的姿态和位置；

查询当前时刻的地图陆标，根据查询到的当前时刻的地图陆标，计算当前时刻基于地图陆标的输出偏差估计值；

查询当前时刻的机会陆标，根据查询到的当前时刻的机会陆标，计算当前时刻基于机会陆标的输出偏差估计值；；

对所述当前时刻基于地图陆标的输出偏差估计值和当前时刻基于机会陆标的输出偏差估计值进行融合计算，得到当前时刻的输出偏差补偿项；

将所述输出偏差补偿项代入到所述当前时刻的输出状态值以进行补偿，得到所述弹载平台修正后的姿态和位置。

另一方面，本发明实施例提供一种弹载平台导航系统，包括：

惯性导航装置，用于输出当前时刻的输出状态值，所述输出状态值包括弹载平台的姿态和位置；

输出偏差估计值确定单元，用于查询当前时刻的地图陆标，根据查询到的当前时刻的地图陆标，计算当前时刻基于地图陆标的输出偏差估计值；查询当前时刻的机会陆标，根据查询到的当前时刻的机会陆标，计算当前时刻基于机会陆标的输出偏差估计值；

融合计算单元，用于对所述基于地图陆标的输出偏差估计值和基于机会陆标的输出偏差估计值进行融合计算，得到当前时刻的输出偏差补偿项；

调整单元，用于将所述输出偏差补偿项代入到所述当前时刻的输出状态值以进行补偿，得到所述弹载平台修正后的姿态和位置。

上述技术方案具有如下有益效果：

本申请的技术方案，将基于机会陆标(opportunity landmarks,OLs)的陆标辅助惯性的导航方法引入到自主导航系统的过程中，考虑到MLs以及OLs在导航中的优点及各自的局限性，构建利用两种陆标融合辅助惯性系统的弹载平台自主导航方法，在不增加额外传感器的条件下实现了包括位置、速度、姿态在内的弹载平台所有状态的高精度估计，有效提升了导航精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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是本发明实施例一种弹载平台导航方法的流程图；

图2是本发明实施例一种弹载平台导航系统的组成示意图；

图3是本发明一具体实施例的流程图；

图4是本发明具体实施例中的地图陆标观测示意图；

图5为本发明具体实施例中的机会陆标观测示意图；

图6是本发明仿真实验中模拟弹道与陆标示意图；

图7是本发明仿真实验中陆标观测事件示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供一种弹载平台导航方法，包括：

S101、通过惯性导航装置获取当前时刻的输出状态值，所述输出状态值包括弹载平台的姿态和位置；

S102、查询当前时刻的地图陆标，根据查询到的当前时刻的地图陆标，计算当前时刻基于地图陆标的输出偏差估计值；

S103、查询当前时刻的机会陆标，根据查询到的当前时刻的机会陆标，计算当前时刻基于机会陆标的输出偏差估计值；

S104、对所述当前时刻基于地图陆标的输出偏差估计值和当前时刻基于机会陆标的输出偏差估计值进行融合计算，得到当前时刻的输出偏差补偿项；

S105、将所述输出偏差补偿项代入到所述当前时刻的输出状态值以进行补偿，得到所述弹载平台修正后的姿态和位置。

进一步的，在所述步骤S101之前，还包括：

S001、拍摄当前时刻的地面图像；

S002、根据拍摄到的地面图像划分当前时刻的地图陆标或机会陆标。

进一步的，所述步骤S002包括：

S0021、从拍摄到的地面图像中提取图像特征点；

S0022、遍历每一个所述图像特征点，针对每一个所述图像特征点：

S00221、判断所述图像特征点是否与预置地图陆标库匹配；

S00222、若匹配，则确定所述图像特征点为地图陆标；

S00223、否则，调取上一时刻拍摄到的地面图像，判断所述图像特征点是否存在于所述上一时刻拍摄到的地面图像中；

S00224、若存在，则确定所述图像特征点为机会陆标。

进一步的，所述计算当前时刻基于地图陆标的输出偏差估计值，包括：

S1021、构建所述惯性导航装置的弹道误差传播方程；

S1022、构建基于地图陆标的隐式观测方程；

S1023、根据所述当前时刻的地图陆标、所述弹道误差传播方程和所述基于地图陆标的隐式观测方程，计算所述基于地图陆标的输出偏差估计值，并根据所述基于地图陆标的输出偏差估计值确定第一估计误差协方差矩阵。

进一步的，所述计算当前时刻基于机会陆标的输出偏差估计值，包括：

S1031、根据所述弹载平台惯性导航装置在上一时刻的输出状态值，恢复出当前时刻的机会陆标的位置；

S1032、构建基于机会陆标的隐式观测方程，所述基于机会陆标的隐式观测方程采用基于球体的构造模型来创建；

S1033、根据所述当前时刻的机会陆标的位置、所述弹道误差传播方程和所述基于机会陆标的隐式观测方程，计算所述基于机会陆标的输出偏差估计值，并根据所述基于机会陆标的输出偏差估计值确定第二估计误差协方差矩阵。

如图2所示，本发明实施例提供一种弹载平台导航系统，包括：

21、惯性导航装置，用于输出当前时刻的输出状态值，所述输出状态值包括弹载平台的姿态和位置；

22、输出偏差估计值确定单元，用于查询当前时刻的地图陆标，根据查询到的当前时刻的地图陆标，计算当前时刻基于地图陆标的输出偏差估计值；查询当前时刻的机会陆标，根据查询到的当前时刻的机会陆标，计算当前时刻基于机会陆标的输出偏差估计值；

23、融合计算单元，用于对所述基于地图陆标的输出偏差估计值和基于机会陆标的输出偏差估计值进行融合计算，得到当前时刻的输出偏差补偿项；

24、调整单元，用于将所述输出偏差补偿项代入到所述当前时刻的输出状态值进行补偿，得到所述弹载平台修正后的姿态和位置。

进一步的，所述的弹载平台导航系统，还包括：

11、弹载平台相机，用于拍摄当前时刻的地面图像；

23、陆标确定单元，用于根据拍摄到的地面图像划分当前时刻的地图陆标或机会陆标。

进一步的，所述陆标确定单元23具体用于：

从拍摄到的地面图像中提取图像特征点；遍历每一个所述图像特征点，针对每一个所述图像特征点：判断所述图像特征点是否与预置地图陆标库匹配；若匹配，则确定所述图像特征点为地图陆标；否则，调取上一时刻拍摄到的地面图像，判断所述图像特征点是否存在于所述上一时刻拍摄到的地面图像中；若存在，则确定所述图像特征点为机会陆标。

进一步的，所述输出偏差估计值确定单元22包括第一输出偏差估计值计算模块221，用于构建所述惯性导航装置的弹道误差传播方程；构建基于地图陆标的隐式观测方程；根据所述当前时刻的地图陆标、所述弹道误差传播方程和所述基于地图陆标的隐式观测方程，计算所述基于地图陆标的输出偏差估计值，并根据所述基于地图陆标的输出偏差估计值确定第一估计误差协方差矩阵。

进一步的，所述输出偏差估计值确定单元22包括第二输出偏差估计值计算模块222，用于根据所述弹载平台惯性导航装置在上一时刻的输出状态值，恢复出当前时刻的机会陆标的位置；构建基于机会陆标的隐式观测方程，所述基于机会陆标的隐式观测方程采用基于球体的构造模型来创建；根据所述当前时刻的机会陆标的位置、所述弹道误差传播方程和所述基于机会陆标的隐式观测方程，计算所述基于机会陆标的输出偏差估计值，并根据所述基于机会陆标的输出偏差估计值确定第二估计误差协方差矩阵。

下面以一具体实施例来说明，如图3所示，为发明一种弹载平台导航方法的详细流程图：

首先，本导航方案采取的系统状态模型为弹道误差传播方程，状态变量是INS输出偏差、陀螺仪常值漂移以及加速度计常值偏置。后续观测方程的建立以及融合估计的给出都是为了对INS输出偏差作尽可能精确的估计，以进一步得到准确的弹载平台状态估计。

导航方法所用到的导航设备包括惯性导航器件即陀螺仪，加速度计，以及弹载相机。惯性设备提供弹载平台状态基准测量，弹载平台相机通过从实时拍摄的图像中提取陆标信息来对惯性器件的输出偏差进行矫正。

如图3所示，可以被用于惯导输出偏差矫正的陆标有两种，一种是可以与实时拍摄到的图像特征点成功匹配以获得其确切地理位置的地图陆标，这种陆标能够在较大程度上矫正惯性器件输出偏差，提供弹载平台绝对状态信息。另一种是可以通过实时拍摄到图像中的特征点被成功识别、但未知其地理位置的机会陆标，这种陆标在导航中的成功应用要求其能被序列图像连续观测。机会陆标不要求实时拍摄图像中特征点与地图陆标库的成功匹配，对观测环境条件要求较低，可用于地图陆标较少甚至没有地图陆标的未知环境，拓展了视觉导航技术的可用范围，已经被应用在航天器的精确自主着陆领域。然而在用于航天器着陆时，其导航方法需要假设摄像机光轴垂直于着陆水平面，被采用的陆标大致分布于一个水平面的假设不适用于弹载导航系统，尤其对于中远程导弹来说，机会陆标的分布不在一个理想的水平面上，因此该方法无法直接应用于本申请的弹载平台导航方法之中,必须进行相应处理才能应用。因此本申请假定地球为一标准圆球，并作了机会陆标位于该标准圆球表面的假设。这一假设更符合导弹飞行过程中所识别得到的陆标的真实分布情况，也拓展了基于序列图像导航方法的应用空间。

针对两种陆标的优缺点，本申请综合运用两种陆标信息对INS输出偏差进行估计并进行融合，基于两种陆标对INS输出偏差进行估计的基本原理如下。

首先，由于地图陆标地理位置确切已知，通过结合INS对当前时刻弹载平台的位置、姿态输出，以及弹载相机安装矩阵，进而对当前时刻该地图陆标的二维成像坐标坐标进行估计。这个坐标估计与地图陆标的真实观测存在偏差，这个偏差显然是INS输出偏差以及当前时刻地图陆标坐标观测误差的函数。由此便可以建立关于当前时刻INS输出偏差即系统状态变量的隐式观测方程。结合KF(卡尔曼滤波器)，可以得到基于地图陆标的INS输出偏差估计以及相应的估计误差协方差矩阵。

由于机会陆标的地理位置是未知的，所以本申请根据暂存的上一时刻的拍摄图像得到上一时刻的机会陆标观测坐标、INS在上一时刻对弹载平台的姿态、位置输出恢复出机会陆标的地理坐标。然而，根据上一时刻INS对弹载平台的姿态、位置输出以及上一时刻机会陆标坐标观测，只能得到由弹载相机到机会陆标的方向矢量，不能知道弹载平台到机会陆标的距离以及机会陆标的地理位置。为此，本申请假定地球是一标准圆球，在此基础上构造模型。根据机会陆标到地心的已知距离，即地球半径，可以得到弹载平台到该机会陆标的矢量，并进一步恢复出机会陆标的地理坐标。之后按照与地陆标观测方程建立的相似方法，可以建立当前时刻该地图陆标的虚拟观测。该虚拟观测与机会陆标的真实观测的差值是当前时刻以及上一时刻INS输出偏差以及坐标观测误差的函数。由于本申请采用的系统变量只涉及到单一时刻INS输出偏差，而观测方程是两相邻时刻INS输出偏差的函数，所以本申请拟采用随机克隆方法将系统变量进行克隆，以在当前时刻系统变量中保留上一时刻INS输出偏差，相应的估计误差协方差矩阵和状态传播方程需要作相应调整。由此结合KF可以得到当前时刻基于机会陆标的INS输出偏差估计以及相应的估计误差协方差矩阵。

为了得到基于两种陆标的融合INS输出偏差估计，本申请将CI(协方差交集)理论应用到状态融合估计中。这种方法通过对不同估计及相应估计误差协方差矩阵的凸组合得到融合估计及相应估计误差协方差矩阵。在原估计的一致性被保证的条件下，无论不同的原估计之间存在怎样的相关性，该方法得到的融合估计都是一致的。由于这种方法的简便性和对不同估计融合性能的优越性，本申请将CI理论应用到基于两种不同陆标的INS偏差估计的融合中，以得到更高精度的融合INS输出偏差估计。

本申请中弹载平台导航中用到的坐标系包括发射点惯性坐标系(li系)，导弹体坐标系(b系)以及陆标敏感器坐标系(s系)，并设定b系与s系有相同的原点。

选择li系为导航坐标系，以下全文变量除特殊指明的，均表达在导航坐标系中。选择X(t)＝[φ(t),δV(t),δr(t),ε(t),▽(t)]

X(t)＝F(t)X(t)+G(t)W(t) (1)

F(t)和G(t)分别为过程输入矩阵和噪声驱动阵,W(t)＝[ε

通过对式(1)的离散化可以得到传统的系统状态转移方程如下式：

X

其中，下标k代表时刻，

X

当离散时间步长为T，

其中，I

在利用两种陆标信息建立隐式观测方程之前，首先需要进行图像中特征点的识别与匹配。此处的匹配对于地图陆标来说指的是实时图像与地图陆标数据库的匹配，而对于机会陆标，指的是序列图像中特征点的匹配。所以图像特征点的正确识别与匹配是本申请隐式观测方程建立的前提，是视觉导航得以成功应用的先决条件。此外，有限的弹载计算机资源以及导弹的高速运动要求图像特征点能够以较高的速度被识别和正确匹配。首先，已经被构建和采用的的图像特征点有角点、尺度不变特征(scale-invariant featuretransform，SIFT)以及加速鲁棒特征(speeded-up robust feature，SURF)等。角点是指图像中两连接边的交点，其可以通过相关方法被检测。但是这种方法的计算成本较高，为此基于梯度计算的Harris检测器被构建。然而，角点特征与图像的放缩比例相关，在导弹飞行高度不定的情况下，此方法在弹载平台的应用方面存在局限性。与角点不同的是，SIFT能够抵抗旋转、缩放和尺度变化，并在一定程度上不受视角变化、仿射变换以及噪声的干扰，适合于被应用到弹载平台的自主导航系统中。但是SIFT有着较高的计算复杂度，为此SURF被提出，其通过与SIFT一样的准则检测图像特征点，但降低了特征点识别和提取的计算量。此外，计算机运算速度的提高以及各种高效图像处理算法的出现使得实时的特征识别和匹配成为可能。

一般来说，图像的特征点中，只有少部分可以与陆标数据库中存有的地图陆标成功匹配，大部分不能被成功匹配的特征点可以被持续跟踪。所以，为了尽可能多得利用弹载相机拍摄到的实时图像中的导航信息，本申请将建立基于两种陆标的隐式观测方程，以尽可能高精度地对惯导系统输出偏差进行估计，以下给出基于两种陆标隐式观测方程的推导。

如图4所示，如果通过图像识别匹配得到了地图陆标i，ρ

其中，

其中，

可以得到

其中，

由于k时刻，导弹位置和姿态真值不可得到，则根据惯导系统位置输出

其中，

则

其中，对于向量ω＝[ω

δr

根据

其中，

又有k时刻该陆标的坐标观测

其中，

则根据上式可以构造基于地图陆标的隐式观测方程如下

其中，

如图5所示，构建机会陆标的观测方程的过程如下：

假定k时刻表达在li坐标系中的导弹位置矢量为r

其中，

其中，

由几何关系可知

在k+1时刻，若陆标j再次被相机识别，则有

因此，可以可得

进一步有

在k+1时刻，有下式成立

则k+1时刻，理论上陆标j的观测为

通过以上推导，可知，k+1时刻机会陆标j的观测可以通过上一时刻该机会陆标的理论成像坐标，上一时刻的导弹位置、姿态以及当前时刻导弹位置、姿态预测得到。

然而式中右边各变量均为真实的未知的系统变量，为了对k+1时刻陆标j的观测作预测，这些未知变量可以由其估计或者观测代替，此时将会在坐标预测中引入误差，这个误差可以用式中的系统变量表示出来，进而，基于机会陆标的隐式观测方程可以被构建。

接下来，用

k时刻导弹姿态

相应地，

进一步可得

其中

进一步，由

其中，

则k+1时刻该陆标的坐标观测

结合前述公式，可以构建如下基于机会陆标的隐式观测方程

其中，

本申请中放缩系数

假设地球为一标准圆球，发射点在地球表面，表示在li系中的由地球中心指向发射点的矢量为ρ

由于假定地球为标准圆球，有

||ρ

其中||·||代表向量的2范数。

即

一般，发射点位置是确定已知的，即ρ

则式可以写为

显然是关于

记

a＝(ρ

则

显然，

本申请中

一般，发射点位置是确定已知的，即ρ

已知

则d

其中，对于向量ω＝[ω

g(ζ

a的估计

记

则

其中

输出偏差估计值计算和融合估计及算法的步骤如下：

STEP1：基于MLs辅助惯性系统的状态估计：假设k时刻系统状态估计为

从中可以看出，本申请假设不同地图陆标之间的观测噪声不相关。此外，

STEP2：基于OLs辅助惯性系统的状态估计：由于基于机会陆标的观测方程是关于两连续时刻惯导输出偏差的函数，所以为了对INS输出偏差进行估计，需要首先将

其中，

相应的估计误差协方差矩阵需要扩展为

假设k时刻和k+1时刻，有m个陆标被跟踪，则计算得到k+1时刻基于OLs的INS输出偏差估计

需要指出的是，为了在系统变量中包含前一时刻INS输出偏差，本申请将上一时刻的状态估计

可以看出，本申请假设不同时刻以及不同机会陆标之间的观测误差相互独立，同样

STEP3：基于两种陆标观测的状态融合估计：STPE1得到了k+1时刻基于MLs的INS输出偏差估计

其中λ的一种简便计算方法如下：

STEP4：将k+1时刻系统状态估计补偿到INS输出中，得到导弹状态估计，并返回STEP1进行下一时刻导弹状态估计。

为了验证所提出算法的优越性，本申请进行了仿真实验。首先，本申请生成巡航导弹巡航段弹道，此阶段导弹以恒定海拔高度20km，进行巡航，巡航时间持续300s，巡航起点纬度为39.98°，经度为116.34°。巡航的末点纬度为30.68°，经度为133.12°。t时刻，导弹位置纬度为

之后，设置弹载相机即陆标敏感器参数如下，首先陆标敏感器坐标系到导弹体坐标系的旋转矩阵为

相机视场角为60°，相机焦距f＝35mm，两种陆标观测坐标的噪声在两坐标轴方向均服从均值为0，标准差为5um的高斯分布，且不同方向的、不同陆标以及不同时刻的陆标观测噪声相互独立。需要指出的是，此处所给出的图像噪声水平比实际的要差。

图6展示了所生成的巡航弹道、随机陆标、可见地图陆标以及可见机会陆标。

图7记录了陆标的观测事件，横坐标代表时刻，纵坐标是随机生成的陆标的编号，当编号为i的陆标在t时刻被观测，则位置(t,i)被用实点标记，否则相应位置无标记。

在导弹巡航过程中，可见地图陆标相对较少，这可能给基于MLs的导航方法的成功应用带来挑战。相对于MLs，可见机会陆标的数量相对较多，这可能有益于可见地图陆标较少情况下的导弹状态估计。此外，可见地图陆标较少，机会陆标较多的假定与实际情况也较为相符：实际情况中，每个时刻均同时存在地图陆标和机会陆标，但地图路标的数量在绝大部分情况下均少于机会陆标的数量。

将INS有关参数设置为，陀螺在三个方向的常值漂移均为1°/h，加速度计常值偏置为100ug，其中地球重力加速度g取9.78m

为了比较所提出的方法与天文-惯性组合导航系统的性能，本申请用传统CINS(天文-惯性组合导航系统)与深组合CINS作了对比仿真实验。在CINS中，星敏感器姿态估计精度为3”，深组合CINS中的高度计敏感精度为50m，这是当前星敏感器和高度敏感器所能达到的一般精度水平。此外，本申请设置CINS和基于陆标导航方法的滤波周期均为0.1s。需要指出的是，此处的滤波周期设置相对保守，因为当前关于图像处理算法的发展表明，基于GPU和FPGA的特征提取和匹配可以以在30HZ以上的速度运行。

基于以上参数设定，本申请作了100次独立的蒙特卡洛仿真试验，从最终结果来看，即便可见地图陆标数量较少，基于MLs的方法仍能得到令人满意的弹载平台位置以及速度估计。但在姿态估计上，基于MLs的方法表现远不如CINS。此外，基于两种陆标的导航方法成功融合了基于两种不同陆标方法的优点，并克服了各自的缺点，对弹载平台的所有状态，包括位置、速度、姿态都获得了较高精度的估计。

表1统计了不同导航方法的状态估计均方根误差(RMSE)，表中数据是100次仿真实验的平均结果。从表1来看，在弹载平台所有状态估计上，包括弹载平台的位置、速度以及姿态，基于两种路标的导航方法优于传统CINS，深组合CINS以及仅用单用一种陆标的导航方法。其中，相对于CINS，所提出基于两种陆标的导航方法在不增加额外敏感器的条件下实现了位置估计精度的大幅提高，相对于深组合CINS，所提出的方法用更少的敏感器得到了更精确的弹载平台状态估计(深组合CINS采用了INS，星敏感器和高度计三种敏感器)。在弹载平台的速度以及位置估计上，基于两种路标的导航方法优于仅用地图陆标的方法；在平台姿态估计上，同时用两种陆标的估计精度更是明显优于仅用单种陆标的导航方法。

基于两种路标的方法融合了单用两种陆标方法的长处，实现了更高精度的状态估计。

表1不同导航方法的状态估计RMSE

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本申请定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本申请给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。