触摸屏轨迹的数据处理方法和装置、移动终端及电子设备

技术领域

本公开涉及移动终端控制领域，尤其涉及触摸屏轨迹的数据处理方法、触摸屏轨迹的数据处理装置、移动终端、电子设备、及计算机可读存储介质。

背景技术

目前，如手机、平板电脑等移动终端基本采用触摸屏作为用户的操作和输入方式，用户可以在触摸屏上点击、划动，移动终端根据触点位置或划动的轨迹继续相应的处理。在一些场景中，需要根据用户在触摸屏上的触点或轨迹进行相应的显示，即在当前触碰位置对应的绘制显示图像，如触点光标、拖动的图标或页面、滑动的窗口等。

由于移动终端中，分为用于接收触碰的触摸(touch)模块和用于显示的显示(screen)模块，用户手指接触屏幕后，系统会根据触摸位置，待下一次垂直同步(Vsync)时，在屏幕上绘制(draw)显示图像。因此，从用户触摸，到最终的触点图像合成在屏幕上显示，始终存在一个时间差，即延迟(latency)，垂直同步的频率一般为60Hz，在等待垂直同步的期间，如果触碰位置变换，由于延迟的存在，会导致显示图像与用户触碰的当前位置存在偏差，造成不流畅、显示滞后的问题，影响了用户体验。

发明内容

为克服相关技术中存在的问题，本公开提供一种触摸屏轨迹的数据处理方法、触摸屏轨迹的数据处理装置、移动终端、电子设备、及计算机可读存储介质。

根据本公开实施例的第一方面，提供一种触摸屏轨迹的数据处理方法，应用于移动终端，移动终端包括触摸屏，触摸屏轨迹的数据处理方法包括：获取轨迹当前已经过的触点的触点信息；基于轨迹当前已经过的触点的触点信息，通过神经网络模型对轨迹进行预测，得到轨迹的预测信息；基于轨迹的预测信息，提前绘制显示图像。

在一实施例中，预测信息包括：预测得到的轨迹的预测轨迹经过的每个预测触点的预测触点坐标、以及每个预测触点的预测触点时间。

在一实施例中，基于轨迹的预测信息，提前绘制显示图像，包括：基于每个预测触点时间，在触摸屏的每个预测触点坐标的对应位置，依次绘制显示图像。

在一实施例中，触点信息包括以下任一种或多种：触点的触点坐标、触点的触点时间、触点的压力值。

在一实施例中，方法还包括：在轨迹结束后，获取轨迹经过的全部触点的触点信息；基于轨迹的全部触点的触点信息、以及轨迹的预测信息，更新神经网络模型的参数。

在一实施例中，方法还包括：判断当前轨迹已经过的触点的数量是否达到设定数量；若当前轨迹已经过的触点的数量达到设定数量，则执行基于轨迹当前已经过的触点的触点信息，通过神经网络模型对轨迹进行预测，得到轨迹的预测信息的步骤；若当前轨迹已经过的触点的数量未达到设定数量，则继续执行获取轨迹当前已经过的触点的触点信息的步骤。

在一实施例中，设定数量为：神经网络模型在基于触点的触点信息，得到预测信息的置信度达到设定阈值的情况下，所需要的最少触点的数量。

在一实施例中，方法还包括：在轨迹结束后，获取轨迹经过的全部触点的触点信息；基于轨迹的全部触点的触点信息、以及轨迹的预测信息，更新设定数量。

根据本公开实施例的第二方面，提供一种触摸屏轨迹的数据处理装置，应用于移动终端，移动终端包括触摸屏，触摸屏轨迹的数据处理装置包括：获取单元，用于获取轨迹当前已经过的触点的触点信息；预测单元，用于基于轨迹当前已经过的触点的触点信息，通过神经网络模型对轨迹进行预测，得到轨迹的预测信息；显示单元，用于基于轨迹的预测信息，提前绘制显示图像。

在一实施例中，预测信息包括：预测得到的轨迹的预测轨迹经过的每个预测触点的预测触点坐标、以及每个预测触点的预测触点时间。

在一实施例中，显示单元还用于基于每个预测触点时间，在触摸屏的每个预测触点坐标的对应位置，依次绘制显示图像。

在一实施例中，触点信息包括以下任一种或多种：触点的触点坐标、触点的触点时间、触点的压力值。

在一实施例中，获取单元还用于：在轨迹结束后，获取轨迹经过的全部触点的触点信息；装置还包括：参数更新单元，用于基于轨迹的全部触点的触点信息、以及轨迹的预测信息，更新神经网络模型的参数。

在一实施例中，装置还包括：判断单元，用于判断当前轨迹已经过的触点的数量是否达到设定数量；当当前轨迹已经过的触点的数量达到设定数量时，通过预测单元执行基于轨迹当前已经过的触点的触点信息，通过神经网络模型对轨迹进行预测，得到轨迹的预测信息；当当前轨迹已经过的触点的数量未达到设定数量时，通过获取单元继续执行获取轨迹当前已经过的触点的触点信息。

在一实施例中，设定数量为：神经网络模型在基于触点的触点信息，得到预测信息的置信度达到设定阈值的情况下，所需要的最少触点的数量。

在一实施例中，获取单元还用于：在轨迹结束后，获取轨迹经过的全部触点的触点信息；装置还包括：数量调整单元，用于基于轨迹的全部触点的触点信息、以及轨迹的预测信息，更新设定数量。

根据本公开实施例的第三方面，提供一种移动终端，移动终端包括触摸屏，当移动终端的触摸屏接收到用户的触摸压力时，通过如第一方面的触摸屏轨迹的数据处理方法进行处理。

根据本公开实施例的第四方面，提供一种电子设备，包括：存储器，用于存储指令；以及处理器，用于调用存储器存储的指令执行第一方面的触摸屏轨迹的数据处理方法。

根据本公开实施例的第五方面，提供一种计算机可读存储介质，存储有指令，指令被处理器执行时，执行第一方面的触摸屏轨迹的数据处理方法。

本公开的实施例提供的技术方案可以包括以下有益效果：通过神经网络模型，基于当前轨迹能够预测出当前轨迹之后的预测信息，根据预测信息提醒绘制显示图像，从而能够降低系统响应时间，避免延迟，提高用户的体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种触摸屏轨迹的数据处理方法的流程示意图。

图2是根据一示例性实施例示出的另一种触摸屏轨迹的数据处理方法的流程示意图。

图3是根据一示例性实施例示出的另一种触摸屏轨迹的数据处理方法的流程示意图。

图4是根据一示例性实施例示出的一种触摸屏轨迹的数据处理装置的示意框图。

图5是根据一示例性实施例示出的另一种触摸屏轨迹的数据处理装置的示意框图。

图6是根据一示例性实施例示出的另一种触摸屏轨迹的数据处理装置的示意框图。

图7是根据一示例性实施例示出的另一种触摸屏轨迹的数据处理装置的示意框图。

图8是根据一示例性实施例示出的一种装置的示意框图。

图9是根据一示例性实施例示出的一种电子装置的示意框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在一些相关技术中，在用户触碰移动终端的触摸屏后，即刻强制在屏幕的基于当前触碰位置绘制显示图像，而不等待下一次垂直同步的到来。而该种方式仅保证了第一个触点的同步性，可是，如果用户在触碰后在触摸屏上划动，在下一次垂直同步到来后，由于第一个触点对应的显示图像已经强制显示，导致当前无事件，需要等到再下一次垂直同步时，才能再根据期间获取的触点信息进行绘制显示图像，使得延迟更大，显示图像出现明显跳动。

为解决上述问题，本公开实施例提供一种触摸屏轨迹的数据处理方法10，可以用于如手机、平板电脑等移动终端，移动终端包括触摸屏，用户可以通过触碰触摸屏形成触点、或连续触点形成的轨迹对移动终端进行相应的操作，通过触摸屏也能够根据用户的触碰位置相应的绘制显示图像。如图1所示，触摸屏轨迹的数据处理方法10可以包括步骤S11-步骤S13：

步骤S11，获取轨迹当前已经过的触点的触点信息。

触摸屏的轨迹是用户持续触碰触摸屏形成的，包含该段连续时间内的全部触点，如果用户触碰位置不变，则轨迹即包含触碰位置上每个时间点的触点。本实施例中获取的触点信息，可以是轨迹上每一个触点的信息，通过获取每一个触点的信息能够在同样轨迹长度中获取最多的信息，从而做出更准确的预测，也能够更快的进行预测；也可以是轨迹是等距或等时间间隔的触点的信息，通过这种方式获取触点，能够降低计算量，在获取触点的数量一致时，该种方式的轨迹经过了更长距离，从而能够做出准确预测。

在一实施例中，触点信息包括以下任一种或多种：触点的触点坐标、触点的触点时间、触点的压力值。用户在触碰触摸屏后，实时的获取轨迹经过的触点的触点信息包括触点的触点坐标，即触点在触摸屏上的位置信息，也可以包括触点的触点时间，即对应触点被触碰的时间点。基于已有的轨迹获取上述信息，作为预测的基础。另外，用户触碰触摸屏进行划动时，压力的大小和变化信息也与轨迹相关，如在起始位置压力相对较高，而在轨迹的末段压力可能相对较低，同时在轨迹的折点，压力可能也会升高。因此，获取触点的压力信息，能够使得输入神经网络的信息更加全面，能够得到更加准确的预测结果。

步骤S12，基于轨迹当前已经过的触点的触点信息，通过神经网络模型对轨迹进行预测，得到轨迹的预测信息。将当前的轨迹已经过的触点信息输入神经网络模型中，通过已训练好的神经网络模型对轨迹进行预测，预测出当前轨迹之后的预测轨迹的路径，基于预测出的预测轨迹，能够通过预处理，减少了系统临时响应所需的时间，避免了延迟。

步骤S13，基于轨迹的预测信息，提前绘制显示图像。

根据预测出的预测信息，提前绘制需要显示的显示图像，从而在用户实际触碰到相应位置的时刻能够实现没有延迟的显示，如拖动的窗口能够时刻跟用户的触点相对应、屏幕上显示的触点光标也能时刻保持在用户指尖的位置，提高了用户体验。

在一实施例中，预测信息包括：预测得到的轨迹的预测轨迹经过的每个预测触点的预测触点坐标、以及每个预测触点的预测触点时间。本实施例中，通过神经网络模型预测出当前轨迹之后的完整轨迹，即预测出之后每一个触点的位置和时间，也包括终点信息。以便于系统根据预测的轨迹，提前绘制预测轨迹上每一个触点相应的显示图像，通过提前响应，避免了接收到了触点再进行绘制的延迟。

在一实施例中，步骤S13还可以包括基于每个预测触点时间，在触摸屏的每个预测触点坐标的对应位置，依次显示触点图像。本实施例中，根据预测出的轨迹，于相应的时间、在相应的位置依次绘制显示图像，如用户在拖动的图标的过程中，基于预测的轨迹信息，根据预测出的每个触点坐标位置对应的绘制图标图像，并在预测出的预测触点时间在屏幕上显示出相应的图像。由于之后的触点是预测出的，无需再通过实时的获取触碰位置、经过系统响应再在屏幕上进行显示，而是由系统根据预测的信息提前响应，因此可以做到显示图像与用户的触碰位置同步，提高了跟手性，避免了延迟，提高了用户体验。

本公开实施例中，神经网络模型是预先训练好的神经网络模型，为了节约响应时间，可以设置于移动终端本地。预先通过训练集对神经网络进行训练，训练集可以是采集的一定数量触摸屏的划动轨迹，将划动轨迹中，起始若干个触点的触点信息作为输入，输入的数量可以参考划动轨迹的平均包含的触点数量，再通过一个比值确定，也可以根据最小划动距离通过一比值确定，也可以是固定一数值，如起始的二十个触点。将触点信息输入神经网络后，由神经网络进行预测并输出预测的终点或轨迹，再由该轨迹的实际终点或轨迹进行监督，通过反馈调整神经网络的参数，直到神经网络预测出的终点或轨迹的置信度超过一训练阈值。

在一些实施例中，可以在移动终端中预设有训练好的通用神经网络模型，通过通用神经网络模型对用户进行预测。本实施例的方式能够方便设置，无需后期训练，但缺少用户特征，对用户的一些个性化的习惯操作无法获知。

在另一些实施例中，可以在移动终端或云端服务器设置未训练的神经网络模型，在前期用户使用移动终端过程中，采集用户的轨迹信息，在本地或上传服务器继续模型训练，得到完全个性化训练的神经网络模型。本实施例能够最大化获取用户个性化数据，训练出的神经网络模型能够根据该用户的个人习惯做出更加准确的预测。但是该种方式需要采集该用户的大量操作以训练模型，因此移动终端前期只能进行采集工作，无法进行预测，并且由于训练需要大量数据，采集过程较长。

在又一些实施例中，结合前两种实施例的优势，如图2所示，触摸屏轨迹的数据处理方法10还可以包括：步骤S14，在轨迹结束后，获取轨迹经过的全部触点的触点信息；步骤S15，基于轨迹的全部触点的触点信息、以及轨迹的预测信息，更新神经网络模型的参数。本实施例中，在移动终端中设置有训练好的通用神经网络模型，使得用户在使用移动终端时即可通过触摸屏轨迹的数据处理方法10降低响应时间和避免延迟，同时，对用户的个人操作也进行采集，根据采集到的用户实际操作中的轨迹，对神经网络模型的参数进行调整，调整的原理可以类似于训练过程，可以在采集到一定量的用户个人轨迹后，进行调整，也可以每次获取后都进行调整，每次调整的幅度根据数据量确定，避免对参数的过大波动。通过该种方式，能够保证用户开始使用移动终端时的体验，并且能够持续调整神经网络模型使得预测更加准确。

在一实施例中，如图3所示，触摸屏轨迹的数据处理方法10还可以包括：步骤S16，判断当前轨迹已经过的触点的数量是否达到设定数量；若当前轨迹已经过的触点的数量达到设定数量，则执行步骤S12；若当前轨迹已经过的触点的数量未达到设定数量，则继续执行步骤S11。神经网络模型需要基于输入信息进行预测，而输入信息的量也对预测的准确性产生影响，神经网络模型获取的信息越多，越能够做出准确的预测结果，因此本实施例中设定了设定数量，在获取到设定数量个数的触点信息后，再进行预测，保证了预测的可靠程度。

设定数量可以通过人工设定，用户也可以根据实际使用效果进行调整。在一实施例中，设定数量可以是：神经网络模型在基于触点的触点信息，得到预测信息的置信度达到设定阈值的情况下，所需要的最少触点的数量。本实施例中，预设数量是在能够保证预测信息置信度达到设定阈值情况下，神经网络模型所需要的最少触点的数量，该种设置能够保证预测可靠性的情况下，更早的进行预测，以更早的避免延迟情况。

在一实施例中，触摸屏轨迹的数据处理方法10还可以包括：在轨迹结束后，获取轨迹经过的全部触点的触点信息；基于轨迹的全部触点的触点信息、以及轨迹的预测信息，更新设定数量。本实施例与前述调整神经网络模型参数的实施例类似，通过采集实际轨迹的触点信息，验证实际预测的准确性，如果实际预测的准确性低于一第一阈值，则需要增加设定数量的值，以使神经网络模型获取更多数量的触点的触点信息再进行预测，以保证预测的准确性，另一方面，如果实际预测的准确性高于另一第二阈值，则可以降低设定数量的值，以使得能够更早的进行预测，其中第二阈值的值可以比第一阈值高。

基于同一个发明构思，图4示出了一种触摸屏轨迹的数据处理装置100，应用于移动终端，移动终端包括触摸屏，触摸屏轨迹的数据处理装置100包括：获取单元110，用于获取轨迹当前已经过的触点的触点信息；预测单元120，用于基于轨迹当前已经过的触点的触点信息，通过神经网络模型对轨迹进行预测，得到轨迹的预测信息；显示单元130，用于基于轨迹的预测信息，提前绘制显示图像。

在一实施例中，预测信息包括：预测得到的轨迹的预测轨迹经过的每个预测触点的预测触点坐标、以及每个预测触点的预测触点时间。

在一实施例中，显示单元130还用于基于每个预测触点时间，在触摸屏的每个预测触点坐标的对应位置，依次绘制显示图像。

在一实施例中，触点信息包括以下任一种或多种：触点的触点坐标、触点的触点时间、触点的压力值。

在一实施例中，获取单元110还用于：在轨迹结束后，获取轨迹经过的全部触点的触点信息；如图5所示，触摸屏轨迹的数据处理装置100还包括：参数更新单元140，用于基于轨迹的全部触点的触点信息、以及轨迹的预测信息，更新神经网络模型的参数。

在一实施例中，如图6所示，触摸屏轨迹的数据处理装置100还包括：判断单元150，用于判断当前轨迹已经过的触点的数量是否达到设定数量；当当前轨迹已经过的触点的数量达到设定数量时，通过预测单元120执行基于轨迹当前已经过的触点的触点信息，通过神经网络模型对轨迹进行预测，得到轨迹的预测信息；当当前轨迹已经过的触点的数量未达到设定数量时，通过获取单元110继续执行获取轨迹当前已经过的触点的触点信息。

在一实施例中，设定数量为：神经网络模型在基于触点的触点信息，得到预测信息的置信度达到设定阈值的情况下，所需要的最少触点的数量。

在一实施例中，获取单元110还用于：在轨迹结束后，获取轨迹经过的全部触点的触点信息；如图7所示，触摸屏轨迹的数据处理装置100还包括：数量调整单元160，用于基于轨迹的全部触点的触点信息、以及轨迹的预测信息，更新设定数量。

关于上述实施例中的触摸屏轨迹的数据处理装置100，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

基于同一个发明构思，本公开还提供一种移动终端，移动终端包括触摸屏，当移动终端的触摸屏接收到用户的触摸压力时，通过如前述任一实施例的触摸屏轨迹的数据处理方法10进行处理。

关于上述实施例中的移动终端，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图8是根据一示例性实施例示出的前述任一实施例装置的示意框图。例如，装置300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图8，装置300可以包括以下一个或多个组件：处理组件302，存储器304，电源组件306，多媒体组件308，音频组件310，输入/输出(I/O)的接口312，传感器组件314，以及通信组件316。

处理组件302通常控制装置300的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件302可以包括一个或多个模块，便于处理组件302和其他组件之间的交互。例如，处理组件302可以包括多媒体模块，以方便多媒体组件308和处理组件302之间的交互。

存储器304被配置为存储各种类型的数据以支持在装置300的操作。这些数据的示例包括用于在装置300上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件306为装置300的各种组件提供电源。电源组件306可以包括电源管理系统，一个或多个电源，及其他与为装置300生成、管理和分配电源相关联的组件。

多媒体组件308包括在所述装置300和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件308包括一个前置摄像头和/或后置摄像头。当装置300处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件310被配置为输出和/或输入音频信号。例如，音频组件310包括一个麦克风(MIC)，当装置300处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中，音频组件310还包括一个扬声器，用于输出音频信号。

I/O接口312为处理组件302和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件314包括一个或多个传感器，用于为装置300提供各个方面的状态评估。例如，传感器组件314可以检测到装置300的打开/关闭状态，组件的相对定位，例如所述组件为装置300的显示器和小键盘，传感器组件314还可以检测装置300或装置300一个组件的位置改变，用户与装置300接触的存在或不存在，装置300方位或加速/减速和装置300的温度变化。传感器组件314可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件314还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件316被配置为便于装置300和其他设备之间有线或无线方式的通信。装置300可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件316还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器304，上述指令可由装置300的处理器320执行以完成上述方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

图9是根据一示例性实施例示出的一种电子装置400的框图。例如，装置400可以被提供为一服务器。参照图9，装置400包括处理组件422，其进一步包括一个或多个处理器，以及由存储器442所代表的存储器资源，用于存储可由处理组件422的执行的指令，例如应用程序。存储器442中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件422被配置为执行指令，以执行上述方法。

装置400还可以包括一个电源组件426被配置为执行装置300的电源管理，一个有线或无线网络接口450被配置为将装置400连接到网络，和一个输入输出(I/O)接口458。装置400可以操作基于存储在存储器442的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。