可适应运动声源的分布式汽车鸣笛声源实时快速定位方法、系统、装置、处理器及存储介质

技术领域

本发明涉及声学测量技术领域，尤其涉及汽车鸣笛声源测量技术领域，具体是指一种基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法、系统、装置、处理器及其计算机可读存储介质。

背景技术

随着城市文明程度的提高，汽车鸣笛声造成的噪音污染问题越来越受到关注，我国相关部门也颁布了相应的法律来制止和减少此现象的发生，但是人工执法不仅效率抵消，且浪费大量人力物力，因此如何有效的对城市交通中的违法鸣笛进行定位和识别成为了该领域待研究的关键问题。基于传声器阵列的声源定位技术可以帮助交通执法部门快速准确地锁定违章鸣笛车辆的方位，具有广泛的应用价值。基于传声器阵列的高精度声源定位方法主要包括高分辨谱估计法、波束形成法和到达时间差法三种类型，其中基于高分辨谱估计的定位方法具有方位向超分辨能力，测角精度高且可不受采样频率的严格限制，但是该方法存在计算复杂度极高且鲁棒性差的缺点，实现成本高昂且难以实时定位；基于波束形成的定位方法对持续发声的运动声源定位效果较好，随着阵列规模的增加也可以做到较高的空间分辨率；基于到达时间差(TDOA)的定位方法理论上仅需3个传声器便可完成二维空间中的声源定位，具有所需阵列规模小、定位精度高、且计算量小的显著优点，在实现精确声源定位系统的低成本和小型化上具有很大的潜力。

为了解决汽车非法鸣笛的定位问题，目前业界主要采用的方法是波束形成法，该方法通过传声器阵列采集各方向信号的输出功率，对其进行波束形成，进而在某些方向上产生功率谱峰值，对其他方向产生凹陷，功率最大的方向就是声源方向。近年，杭州爱华仪器、上海其高等公司推出了采用波束形成法的面向城市道路鸣笛的定位系统。然而该方法需要大量的传声器，且大规模阵列波束形成处理过程复杂，对平台的运算能力要求很高，仍然存在设备成本高昂、体积重量较大且安装维护困难的不足。此外，研究者也提出了一些基于TDAO的方法，包括1(张焕强,黄时春,蒋伟康.基于传声器阵列的汽车鸣笛声定位算法及实现[J].噪声与振动控制,2018)提出的基于空间搜索法的五传声器阵列三维空间声源定位算法、中国专利(基于正四面体麦克风阵列的车辆鸣笛抓拍装置及方法，专利号CN201911072328.3)提出的基于正四面体传声器阵列的定位方法、以及论文2(孙懋珩，俞莹婷.汽车鸣笛声定位系统仿真[J].声学技术，2009)提出的基于麦克风阵列声源定位技术的城市道路汽车鸣笛声定位系统；这些方法都具备阵列规模小和计算量小的特点，但是由于运动车辆的多普勒效应会导致基于广义互相关的时延估计精度急剧恶化，因此该方法仅限于静止或低速运动的车辆，难以适应运动车辆的场景。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种成本经济、部署灵活的基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法、系统、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法、系统、装置、处理器及其计算机可读存储介质如下：

该基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法，其主要特点是，所述的方法包括：

(1)各个传声器对采集到的监测车辆的分布式汽车鸣笛声源进行能量检测，预估计所述的监测车辆的声源位置；

(2)利用频谱分析测量所述的各个传声器监测到的所述的分布式汽车鸣笛声源的到达频率FOA；且利用时延估计测量所述的分布式汽车鸣笛声源的到达时间差TDOA；

(3)分别计算所述的分布式汽车鸣笛声源的基于到达频率FOA和基于到达时间差TDOA的代价函数，确定两组代价函数值；

(4)确定所述的分布式汽车鸣笛声源基于到达频率FOA的位置估计值s

(5)确定所述的监测车辆的分布式汽车鸣笛声源的所述的声源位置。

较佳地，所述的步骤(1)具体为：

根据所述的各个传声器距离所述的监测车辆的分布式汽车鸣笛声源的位置远近对采集到的鸣笛声源根据声源位置分布能量值，进行所述的监测车辆的鸣笛声源的能量检测，以此对所述的监测车辆的鸣笛声源位置进行预估计。

较佳地，所述的步骤(2)具体包括以下步骤：

(2.1)利用频谱分析测量所述的数个传声器监测到的所述的分布式汽车鸣笛声源的到达频率FOA；

(2.2)基于时延估计应用广义互相关算法，通过参考传声器与任一非参考传声器接收到的声源信号进行相关处理，计算所述的监测车辆的到达时间差TDOA。

较佳地，所述的步骤(3)具体为：

将所述的分布式汽车鸣笛声源的声源信号进行相应的操作处理及计算处理，得到相应的代价函数，通过所述的代价函数确定与之相匹配的代价函数值。

更佳地，所述的步骤(3)具体包括并发的基于到达时间差TDOA的代价函数值计算处理和基于到达频率FOA的代价函数值计算处理，

所述的基于到达时间差TDOA的代价函数值计算处理，包括以下步骤：

(3.1.a)将获取到的所述的监测车辆的声源信号的所在平面进行离散化处理；

(3.2.a)将该平面分为多个网格，假定某个网格的中心坐标就是所述的监测车辆的鸣笛声源所在的假设实际位置，根据该位置计算出该假定鸣笛声源到达各个传声器的假设距离差；

(3.3.a)根据所述的到达时间差TDOA计算出所述的鸣笛声源距离所述的各个传声器的实际距离差；

(3.4.a)将所述的假设距离差与根据到达时间差TDOA计算得到的实际距离差相减，再进行取模求和，即得到基于到达时间差TDOA的代价函数；

(3.5.a)遍历整个所述的鸣笛声源的预估计的声源面，根据所述的步骤(3.3.a)得到的基于到达时间差TDOA的代价函数确定基于到达时间差TDOA的代价函数值；

所述的基于到达频率FOA的代价函数值计算处理，包括以下步骤：

(3.1.b)已知所述的鸣笛声源的运动方向，根据所述的鸣笛声源的假设实际位置选取任意两个传声器通过所述的频谱分析测量所得的鸣笛声源的到达频率FOA；

(3.2.b)利用多普勒频移公式计算所述的鸣笛声源的运动速度大小和声源频率大小，计算其他传声器的到达频率FOA；

(3.3.b)将计算得到的所述的其他传声器的到达频率FOA与通过频谱分析测量所得的到达频率FOA相减，再进行取模求和，即得到基于到达频率FOA的代价函数；

(3.4.b)根据所述的步骤(3.3.b)得到的所述的基于到达频率FOA的代价函数确定基于到达频率FOA的代价函数值。

较佳地，所述的步骤(4)具体为：

根据所述的步骤(3.4)计算出的代价函数值，当两组所述的代价函数值最小时，则认定该假设位置为所述的鸣笛声源的实际所在位置，从而确定所述的鸣笛声源的基于到达频率FOA的位置估计值s

较佳地，所述的步骤(5)具体包括以下步骤：

(5.1)将所述的速度估计值v与预设的速度阈值v

(5.2)此时所述的鸣笛声源的所述的基于到达频率FOA的位置估计值s

(5.3)此时所述的鸣笛声源的所述的基于到达时间差TDOA的位置估计值s

该基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的系统，其主要特点是，所述的系统具体进行以下处理：

a、各个传声器对监测车辆的分布式汽车鸣笛声源进行能量检测，预估计所述的监测车辆的声源位置；

b、利用频谱分析测量所述的各个传声器监测到的所述的分布式汽车鸣笛声源的到达频率FOA；且利用时延估计测量所述的分布式汽车鸣笛声源的到达时间差TDOA；

c、分别计算所述的分布式汽车鸣笛声的基于到达频率FOA和基于到达时间差TDOA的代价函数，确定两组代价函数值；

d、确定所述的分布式汽车鸣笛声源基于到达频率FOA的位置估计值s

e、确定所述的监测车辆的分布式汽车鸣笛声源的所述的声源位置。

较佳地，所述的系统采用GNSS时钟实现各个传声器之间的时间同步。

较佳地，所述的系统将采集到的所述的鸣笛声源的信息传送到云端数据库进行TDOA-FOA快速定位算法的流程操作。

该实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的装置，其主要特点是，所述的装置包括：

处理器，被配置成执行计算机可执行指令；

存储器，存储一个或多个计算机可执行指令，所述计算机可执行指令被所述处理器执行时，实现上述基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法的各个步骤。

该基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的处理器，其主要特点是，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法的各个步骤。

该计算机可读存储介质，其主要特点是，上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法的各个步骤。

采用了本发明的基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法、系统、装置、处理器及其计算机可读存储介质，充分利用分布式传声器之间的多普勒信息差异来克服到达时间差法难以适应运动声源的瓶颈，相比于波束形成法可大幅降低传声器数量和运算资源，具有成本经济、部署灵活的优点。相比于近年来提出的其他基于TDOA的方法，充分利用了分布式传声器之间的多普勒信息差异来克服到达时间差法难以适应运动声源的瓶颈，该方法避免了计算复杂、运算量大的消除多普勒效应过程，具有运算复杂度低、且能适应高速运动声源的优点。

附图说明

图1为本发明的基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法的流程图。

图2为本发明的基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法的实现快速定位算法的流程示意图。

图3为本发明的基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的系统的针对典型应用场景的效果示意图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

在详细说明根据本发明的实施例前，应该注意到的是，在下文中，术语“包括”、“包含”或任何其他变体旨在涵盖非排他性的包含，由此使得包括一系列要素的过程、方法、物品或者设备不仅包含这些要素，而且还包含没有明确列出的其他要素，或者为这种过程、方法、物品或者设备所固有的要素。

请参阅图1和图2所示，该基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法，其中，所述的方法包括以下步骤：

(1)各个传声器对采集到的监测车辆的分布式汽车鸣笛声源进行能量检测，预估计所述的监测车辆的声源位置；

(2)利用频谱分析测量所述的各个传声器监测到的所述的分布式汽车鸣笛声源的到达频率FOA；且利用时延估计测量所述的分布式汽车鸣笛声源的到达时间差TDOA；

(3)分别计算所述的分布式汽车鸣笛声源的基于到达频率FOA和基于到达时间差TDOA的代价函数，确定两组代价函数值；

(4)确定所述的分布式汽车鸣笛声源基于到达频率FOA的位置估计值s

(5)确定所述的监测车辆的分布式汽车鸣笛声源的所述的声源位置。

作为本发明的优选实施方式，所述的步骤(1)具体为：

根据所述的各个传声器距离所述的监测车辆的分布式汽车鸣笛声源的位置远近对采集到的鸣笛声源根据声源位置分布能量值，进行所述的监测车辆的鸣笛声源的能量检测，以此对所述的监测车辆的鸣笛声源位置进行预估计。

作为本发明的优选实施方式，所述的步骤(2)具体包括以下步骤：

(2.1)利用频谱分析测量所述的数个传声器监测到的所述的分布式汽车鸣笛声源的到达频率FOA；

(2.2)基于时延估计应用广义互相关算法，通过参考传声器与任一非参考传声器接收到的声源信号进行相关处理，计算所述的监测车辆的到达时间差TDOA。

作为本发明的优选实施方式，所述的步骤(3)具体为：

将所述的分布式汽车鸣笛声源的声源信号进行相应的操作处理及计算处理，得到相应的代价函数，通过所述的代价函数确定与之相匹配的代价函数值。

作为本发明的优选实施方式，所述的步骤(3)具体包括并发的基于到达时间差TDOA的代价函数值计算处理和基于到达频率FOA的代价函数值计算处理，

所述的基于到达时间差TDOA的代价函数值计算处理，包括以下步骤：

(3.1.a)将获取到的所述的监测车辆的声源信号的所在平面进行离散化处理；

(3.2.a)将该平面分为多个网格，假定某个网格的中心坐标就是所述的监测车辆的鸣笛声源所在的假设实际位置，根据该位置计算出该假定鸣笛声源到达各个传声器的假设距离差；

(3.3.a)根据所述的到达时间差TDOA计算出所述的鸣笛声源距离所述的各个传声器的实际距离差；

(3.4.a)将所述的假设距离差与根据到达时间差TDOA计算得到的实际距离差相减，再进行取模求和，即得到基于到达时间差TDOA的代价函数；

(3.5.a)遍历整个所述的鸣笛声源的预估计的声源面，根据所述的步骤(3.3.a)得到的基于到达时间差TDOA的代价函数确定基于到达时间差TDOA的代价函数值；

所述的基于到达频率FOA的代价函数值计算处理，包括以下步骤：

(3.1.b)已知所述的鸣笛声源的运动方向，根据所述的鸣笛声源的假设实际位置选取任意两个传声器通过所述的频谱分析测量所得的鸣笛声源的到达频率FOA；

(3.2.b)利用多普勒频移公式计算所述的鸣笛声源的运动速度大小和声源频率大小，计算其他传声器的到达频率FOA；

(3.3.b)将计算得到的所述的其他传声器的到达频率FOA与通过频谱分析测量所得的到达频率FOA相减，再进行取模求和，即得到基于到达频率FOA的代价函数；

(3.4.b)根据所述的步骤(3.3.b)得到的所述的基于到达频率FOA的代价函数确定基于到达频率FOA的代价函数值。

作为本发明的优选实施方式，所述的步骤(4)具体为：

根据所述的步骤(3.4)计算出的代价函数值，当两组所述的代价函数值最小时，则认定该假设位置为所述的鸣笛声源的实际所在位置，从而确定所述的鸣笛声源的基于到达频率FOA的位置估计值s

作为本发明的优选实施方式，所述的步骤(5)具体包括以下步骤：

(5.1)将所述的速度估计值v与预设的速度阈值v

(5.2)此时所述的鸣笛声源的所述的基于到达频率FOA的位置估计值s

(5.3)此时所述的鸣笛声源的所述的基于到达时间差TDOA的位置估计值s

该基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的系统，其中，所述的系统具体进行以下处理：

a、各个传声器对监测车辆的分布式汽车鸣笛声源进行能量检测，预估计所述的监测车辆的声源位置；

b、利用频谱分析测量所述的各个传声器监测到的所述的分布式汽车鸣笛声源的到达频率FOA；且利用时延估计测量所述的分布式汽车鸣笛声源的到达时间差TDOA；

c、分别计算所述的分布式汽车鸣笛声的基于到达频率FOA和基于到达时间差TDOA的代价函数，确定两组代价函数值；

d、确定所述的分布式汽车鸣笛声源基于到达频率FOA的位置估计值s

e、确定所述的监测车辆的分布式汽车鸣笛声源的所述的声源位置。

作为本发明的优选实施方式，所述的系统采用GNSS时钟实现各个传声器之间的时间同步。

作为本发明的优选实施方式，所述的系统将采集到的所述的鸣笛声源的信息传送到云端数据库进行TDOA-FOA快速定位算法的流程操作。

该基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的装置，其中，所述的装置包括：

处理器，被配置成执行计算机可执行指令；

存储器，存储一个或多个计算机可执行指令，所述计算机可执行指令被所述处理器执行时，实现上述基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法的各个步骤。

该基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的处理器，其中，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法的各个步骤。

该计算机可读存储介质，其中，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法的各个步骤。

请参阅图3所示，该基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的系统针对的典型应用场景如图3所示，多个在空间上呈现分布式特征的传声器布置在道路两侧，利用GNSS时钟实现传声器间的时间同步，并将同步采集的声音传送到云端数据库，应用云计算技术实现TDOA-FOA快速定位算法。

在本发明的一具体实施方式中，本发明针对汽车鸣笛声定位系统存在的性能、成本和适应性方面的瓶颈问题，提出了一种可适应运动声源的分布式汽车鸣笛声实时定位系统。首先针对TDOA算法受多普勒效应影响难以对运动声源实时定位的瓶颈问题，将各传声器接收的声音到达频率(FOA)应用到定位算法中，提出一种TDOA-FOA快速定位算法，该算法建立在TDOA算法的基础上，只需要少量的传声器单元即可实现精确笛声定位，在低速的时候主要依靠TDOA算法实现定位，在高速的时候也无需进行复杂的多普勒效应消除，而是有效利用高速时的多普勒效应引起的FOA来辅助实现运动声源的精确定位，从而可以有效适应静止和运动声源定位场景，并且具有较好的实时性。进一步的，在此基础上设计了基于分布式同步采集和云端音频处理的运动声源实时定位系统，系统可以在云端对分布式传感器的原始数据进行精确相关处理来实现精确的TDOA计算和FOA参数测量，并且可以利用云端强大的计算能力达到更好的实时性并具有低成本的特点。

本发明提出的基于TDOA-FOA的快速定位算法，充分利用分布式传声器之间的多普勒信息差异来克服到达时间差法难以适应运动声源的瓶颈，该方法避免了计算复杂、运算量大的消除多普勒效应过程，具有运算复杂度低、且能适应高速运动声源的优点。具体实现方法由以下五个步骤组成：

(1)能量检测；

(2)TDOA和FOA测量；

(3)计算代价函数；

(4)位置估计和速度估计；

(5)确定声源位置；

在本发明的一具体实施方式中，所述能量检测，是对声源位置进行预估计，以缩小搜索的范围。传声器距离声源越近，传声器接收到的声音能量就越大，由此可知声源位于接收声音信号能量最大的传声器位置附近。通过能量检测进一步提高该算法的实时性。此外，当定位范围很大时，需要布置更多的传声器，但是在某次具体的定位中，由于声音的衰减比较快，若某些传声器距离声源过远，可能无法接收到良好的声音信号，利用这些信号对声源进行定位可能会导致更大的误差，所以通过能量检测还可以去掉冗余的信号，提高定位精度及效率。

在本发明的一具体实施方式中，所述TDOA和FOA测量，是为了通过时延估计和频谱分析分别得到FOA和TDOA，其中时延估计应用了广义互相关算法，该算法是应用广泛的时延估计方法，通过参考传声器与任一非参考传声器接收到的声音信号进行相关处理，最终得到TDOA的值。该方法具有计算量小的优点，运算速度快，可以适应实时性的要求。

在本发明的一具体实施方式中，所述计算代价函数，是将声音所在平面离散化处理，分为多个网格，假定某个网格的中心坐标就是鸣笛声的实际位置，可以计算出该位置到达各个传声器的距离差，根据TDOA可以计算出实际的距离差，假设的距离差与根据TDOA得到的距离差相减，再取模求和，就可得到基于TDOA的代价函数；同时声源的运动方向已知，根据假设的位置和两个传声器得到的FOA，利用多普勒频移公式可以得到声源的运动速度大小和声源发出的频率，从而可以求得其他传声器的FOA，将该值与测得的FOA相减，再取模求和，就可以得到基于FOA的代价函数。遍历整个预估计的声源面，可以得到基于TDOA和FOA的两组代价函数值。

在本发明的一具体实施方式中，所述位置估计和速度估计，是为了得到基于TDOA的位置估计，以及基于FOA的位置估计和速度估计；当代价函数最小时，可以认为该假设位置就是声音的实际位置，通过搜索代价函数，即可得到位置估计与速度估计。

在本发明的一具体实施方式中，所述确定声源位置，是根据速度估计v与阈值v

本发明提出一种可适应运动声源的分布式汽车鸣笛声实时定位系统，采用GNSS时钟实现传声器间的时间同步，并将同步采集的声音信息传送到云端数据库，应用云计算的技术实现TDOA-FOA快速定位算法。该算法充分利用分布式传声器之间的多普勒信息差异来克服到达时间差法难以适应运动声源的瓶颈。相比于背景技术，具有如下具体优点：

1、本发明相比于波束形成法可大幅降低传声器数量和运算资源，具有成本经济、部署灵活的优点。

2、本发明相比于近年来提出的其他基于TDOA的方法，充分利用了分布式传声器之间的多普勒信息差异来克服到达时间差法难以适应运动声源的瓶颈，该方法避免了计算复杂、运算量大的消除多普勒效应过程，具有运算复杂度低、且能适应高速运动声源的优点。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成的，程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一实施例”、“一些实施例”、“示例”、“具体示例”、或“实施例”、“实施方式”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

采用了本发明的基于TDOA-FOA实现可适应运动声源的分布式汽车鸣笛声源实时快速定位的方法、系统、装置、处理器及其计算机可读存储介质，充分利用分布式传声器之间的多普勒信息差异来克服到达时间差法难以适应运动声源的瓶颈，相比于波束形成法可大幅降低传声器数量和运算资源，具有成本经济、部署灵活的优点。相比于近年来提出的其他基于TDOA的方法，充分利用了分布式传声器之间的多普勒信息差异来克服到达时间差法难以适应运动声源的瓶颈，该方法避免了计算复杂、运算量大的消除多普勒效应过程，具有运算复杂度低、且能适应高速运动声源的优点。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。