一种基于PPG一致性的最优映射跨语言音色转换方法及系统与流程

本发明涉及语言识别技术领域，尤其涉及一种基于ppg一致性的最优映射跨语言音色转换方法、系统及电子设备。

背景技术：

语音转换旨在修改一个说话者的语音，使其听起来好像是由另一特定说话者发出的。语音转换可以广泛应用于包括计算机辅助发音修剪系统的定制反馈、语音障碍主体的个性化说话辅助开发、利用各种人声的电影配音等在内的多个领域。

由于全球化的兴起，在社交媒体文本、非正式信息和语音导航中，文本或语音出现不同语言内容的交替。在人机口语对话系统中，合成这样的语句时，声音要一致、发音准确并自然，但实际上单说话人双语语料库不易获取。使用跨语言音色转换技术是解决此类任务的重要方法。

目前，传统现有的跨语言音色转换主要存在以下几个方面的问题：

1)传统的方法没有有效的、彻底的解耦开语音的内容特征、音色特征、语言特征，即，未考虑到ppg特征所对应的音素集合与跨语言时描述不同语言音素集合的差异性，会导致ppg特征跨语言时抓取(发音可懂度)特征不准确性和不同语言下不同说话人的语料库ppg的覆盖可能不同的问题；

2)未考虑到不同语言下不同说话人的语料库ppg的覆盖可能不同；例如，现有的神经网络声学模型在合成阶段会接收训练时未见过的输入数据，进而强行得到拟合的输出，导致结果的不准确性和不稳定性；

3)没有提出客观的衡量跨语言音色转换后的语音在内容一致性的方法。

技术实现要素：

本发明目的就是为了弥补已有技术的缺陷，提供一种基于ppg一致性的最优映射跨语言音色转换方法、系统及电子设备，以解决现有技术中ppg跨语言后描述不准确，分布覆盖度不同，以及神经网络训练和合成阶段输入数据不一致的问题。

第一方面，为解决上述技术问题，本发明提供一种基于ppg一致性的最优映射跨语言音色转换方法，包括：

s1，获取用户输入的原始语音波形；

s2，基于预设的ppg确定策略，确定所述原始语音波形对应的第一ppg序列和预置目标说话人的语料库对应的目标ppg集合；

s3，从所述第一ppg序列中的第一语音帧开始，从所述目标ppg集合中搜索距离所述第一语音帧对应的ppg序列中当前语音帧对应的ppg距离最近的目标ppg集合中的一帧ppg，直至遍历完所述第一ppg序列，并将为所述第一ppg序列中的每一语音帧搜索到的所述第二语音后验概率ppg组成最优映射ppg序列；

s4，将所述最优映射ppg序列输入到预先训练好的神经网络声学模型中，得到目标说话人的梅尔谱，并根据预设的声码转换策略，将所述目标说话人的梅尔谱转换为目标说话人的语音波形，从而实现将所述用户输入的原始语音波形转换为目标说话人的语音波形。

可选的，所述第一ppg序列由所述原始语音波形包含的每一语音帧对应的第一语音后验概率ppg组成；所述目标ppg集合由所述预置目标说话人的语料库中每一句语音对应的所有帧ppg序列组成的集合。

可选的，所述步骤s2中基于预设的ppg确定策略，确定所述原始语音波形对应的第一ppg序列的步骤，包括：

s2.1，根据预设的语音信号处理技术，从所述原始语音波形中提取出所述原始语音波形中包含的每一语音帧对应的声学特征；

s2.2，利用预先训练好的自动语音识别asr模型，得到所述原始语音波形中包含的每一语音帧对应的第一语音后验概率ppg；

s2.3，将所述每一语音帧对应的第一语音后验概率ppg，组成所述原始语音波形对应的第一ppg序列。

可选的，所述原始语音波形不同于所述目标说话人的语音波形。

可选的，所述原始语音波形对应的语言类型与所述预置目标说话人的语料库中每一句语音对应的语言相同和/或不同。

可选的，所述方法还可以包括：

确定所述原始语音波形对应的第一ppg序列与最终声码器得到的所述目标说话人的语音波形对应的第三ppg序列之间的距离，并根据两个所述ppg序列的距离判断所述目标说话人的语音内容是否达到一致性标准要求。

第二方面，基于如上所述的基于ppg一致性的最优映射跨语言音色转换方法，本发明还提供了一种基于ppg一致性的最优映射跨语言音色转换方法的系统，所述系统包括：

获取模块，用于获取用户输入的原始语音波形；

ppg提取模块，用于基于预设的ppg确定策略，确定所述原始语音波形对应的第一ppg序列；其中，所述第一ppg序列由所述原始语音波形包含的每一语音帧对应的第一语音后验概率ppg组成；以及，将根据所述预设的ppg确定策略，得到的预置目标说话人的语料库中每一句语音对应的所有帧ppg，组成预置目标说话人的语料库对应的目标ppg集合；

最优映射模块，用于从所述第一ppg序列中的第一语音帧开始，从所述目标ppg集合中搜索距离所述第一ppg序列中当前语音帧对应的ppg距离最近的目标ppg集合中的一帧ppg，直至遍历完所述第一ppg序列，并将为所述第一ppg序列中的每一语音帧搜索到的所述第二语音后验概率ppg组成最优映射ppg序列；

神经网络声学模型模块，用于将所述最优映射ppg序列输入到预先训练好的神经网络声学模型中，得到目标说话人的梅尔谱；

声码器模块，用于并根据预设的声码转换策略，将所述目标说话人的梅尔谱转换为目标说话人的语音波形，从而实现将所述用户输入的原始语音波形转换为目标说话人的语音波形。

可选的，所述ppg提取模块包括：

声学特征确定单元，用于根据预设的语音信号处理技术，从所述原始语音波形中提取出所述原始语音波形中包含的每一语音帧对应的声学特征；

第一语音后验概率ppg确定单元，用于利用预先训练好的自动语音识别asr模型，得到所述原始语音波形中包含的每一语音帧对应的第一语音后验概率ppg；

第一ppg序列形成单元，用于将所述每一语音帧对应的第一语音后验概率ppg，组成所述原始语音波形对应的第一ppg序列。

可选的，所述原始语音波形对应的语言类型与所述预置目标说话人的语料库中每一句语音对应的语言相同和/或不同。

可选的，所述系统还包括：ppg一致性评测模块；

所述ppg一致性评测模块，用于确定所述原始语音波形对应的第一ppg序列与声码器合成的所述目标说话人的语音波形对应的第三ppg序列之间的距离，并根据两个所述ppg序列的距离判断所述目标说话人的语音内容是否达到一致性标准要求。

第三方面，基于如上所述的基于ppg一致性的最优映射跨语言音色转换方法，本发明还提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权如上所述的基于ppg一致性的最优映射跨语言音色转换方法。

第四方面，为解决上述技术问题，本发明还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上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述基于ppg一致性的最优映射跨语言音色转换方法的步骤。

与现有技术相比，本发明的技术方案至少具有以下有益效果之一：

本发明涉及一种基于ppg一致性的最优映射跨语言音色转换方法，首先通过语音信号处理技术提取被转换语音的帧级别的声学特征，并通过asr计算得到语音波形对应的帧级别的语音内容的表征ppg。同时结合预先设置的目标说话人的大型语料库，在目标说话人的ppg集合中进行最优搜索，从而得到既能准确表示被转换语音的语音内容又符合目标说话人特征的映射序列。最后通过神经网络声学模型和声码器将其转换为自然的语音波形。本发明通过帧级别的语音内容表征ppg建模被转换语音和目标说话人语料之间的关系，不涉及具体语言的限制，因此可以实现跨语言的音色转换。

同时，提出的ppg一致性评测标准和与之相符的最优映射算法，保证了音色转换前后语音内容的相近。本发明能自动，有效地不限制被转换语音语言的进行音色转换，应用于智能语音交互系统中，有助于系统更好的传达信息和意图，更丰富的语音说话人选择，提升用户的满意度。

附图说明

图1是本发明提供的一种基于ppg一致性的最优映射跨语言音色转换方法的流程示意图。

图2是本发明提供的一种原始语音波形与目标说话人语音波形之间的最优映射ppg序列对应关系图；

图3是本发明提供的一种基于ppg一致性的最优映射跨语言音色转换系统的结构示意图；

图4是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

首先，对本申请中的术语进行解释：

ppg：phoneticposteriorgram，即在进行asr识别为某个特定音素的分类任务时，往往可以得到某一语音帧属于所有可能音素的后验概率，称之为音素后验概率图。每一帧的ppg可以表示当前语音帧的语音内容的表征。借由多说话人通用asr，可以提取任意说话人的语音的ppg。

kl散度距离：又称为相对熵、信息散度、信息增益等，是描述两个概率分布p和q差别的非对称性的度量。由于asr(自动语音识别技术(automaticspeechrecognition)是一种将人的语音转换为文本的技术)是通过kl散度作为loss训练，因此使用kl散度距离来度量ppg之间的相似程度会比欧式距离等更加的符合asr的训练优化目标。

ppg提取模块:输入原始语音波形，输出帧级别的语音内容特征表示ppg。

ppg一致性评测模块：评测转换后的语音和原始语音的语音内容的一致程度。

最优映射模块：将ppg作为被转换语音和目标说话人的语料的桥梁，在帧级别，寻找高维度空间里距离最近的映射对儿，遍历替换被转换语音的所有帧，来实现跨语言音色转换的模块。

神经网络声学模型模块：以ppg序列作为输入，映射到目标说话人音色的梅尔谱，并且梅尔谱具有自然的上下文关系。

声码器模块：通过数学方法或者机器学习方法将频谱参数，如梅尔谱还原成语音波形。

承如背景技术所述，目前由于全球化的兴起，在社交媒体文本、非正式信息和语音导航中，文本或语音出现不同语言内容的交替。在人机口语对话系统中，合成这样的语句时，声音要一致、发音准确并自然，但实际上单说话人双语语料库不易获取。使用跨语言音色转换技术是解决此类任务的重要方法。

目前，传统现有的跨语言音色转换主要存在以下几个方面的问题：

1)传统的方法没有有效的、彻底的解耦开语音的内容特征、音色特征、语言特征，即，未考虑到ppg特征所对应的音素集合与跨语言时描述不同语言音素集合的差异性，会导致ppg特征跨语言时抓取(发音可懂度)特征不准确性和不同语言下不同说话人的语料库ppg的覆盖可能不同的问题；

2)未考虑到不同语言下不同说话人的语料库ppg的覆盖可能不同；例如，现有的神经网络声学模型在合成阶段会接收训练时未见过的输入数据，进而强行得到拟合的输出，导致结果的不准确性和不稳定性；

3)没有提出客观的衡量跨语言音色转换后的语音在内容一致性的方法。

针对第一个问题，随着深度学习的发展，越来越多的研究人员尝试通过神经网络中的不同结构设计来进行特征的解耦，进而在转换时可以自由的组合。但是目前的研究仍然达不到不同特征之间完全的解耦，导致转换得到的语音出现错误口音或质量不稳定的现象。

需要说明的是，ppg具有跨语言跨说话人表示内容特征的特性，但是由于跨语言时ppg特征所使用的音素集合的不准确性，以及不同语言不同说话人的语料对ppg特征覆盖范围的不同，导致传统的基于ppg的跨语言音色转换的语音表现力缺失，以及未覆盖的发音内容发音错误的弊端。而考虑到ppg跨语言后的不准确性和覆盖度不同的特性后，能够更好的进行跨语言音色转换。

并且，传统方法对跨语言音色转换通常通过主观打分来衡量其音色相似度和语音内容准确度。对于语音内容的准确度，asr的识别结果和听觉感官相似，但是asr的结果由于经过了语言模型解码图修正以及强制对应到离散化的音素(或字符)，在音色转换任务上不能准确地反映语音的内容特征。

基于此，本发明提出了ppg一致性原则，通过转换前后语音对应的ppg序列的距离大小来准确衡量语音内容的一致程度。并且在此原则的基础上，提出了最优映射方案，使得生成的语音既保证了音色相似性，又实现了ppg一致性。

具体的，本发明提供了一种基于ppg一致性的最优映射跨语言音色转换方法、系统及电子设备，以解决现有技术中ppg跨语言后描述不准确，分布覆盖度不同，以及神经网络训练和合成阶段输入数据不一致的问题。

下面通过具体实施例，对本发明进行详细说明。

如图1所示，本发明提供的基于ppg一致性的最优映射跨语言音色转换方法可以包括如下步骤：

s1，获取用户输入的原始语音波形。

在本实施例中，所述用户输入的原始语音波形为待进行语音转换的初始输入语音。其中，原始语音波形也可以称为被转换语音。

s2，基于预设的ppg确定策略，确定所述原始语音波形对应的第一ppg序列和预置目标说话人的语料库对应的目标ppg集合。

其中，所述第一ppg序列由所述原始语音波形包含的每一语音帧对应的第一语音后验概率ppg组成。

在本实施例中，可以根据预设的语音信号处理技术，从所述原始语音波形中提取出所述原始语音波形中包含的每一语音帧对应的声学特征；接着，利用预先训练好的自动语音识别asr模型，得到所述原始语音波形中包含的每一语音帧对应的第一语音后验概率ppg；之后，将所述每一语音帧对应的第一语音后验概率ppg，组成所述原始语音波形对应的第一ppg序列。

具体的，可以通过语音信号处理技术提取原始语音波形中的帧级别的声学特征，并通过预先训练好的自动语音识别asr计算得到语音波形对应的帧级别的语音内容的表征ppg。其中，自动语音识别asr可以为中文语料训练得到，也可以为英文语料训练得到，也可以两者均使用，形成双语ppg。

s3，从所述第一ppg序列中的第一语音帧开始，从所述目标ppg集合中搜索距离所述第一ppg序列中当前语音帧对应的ppg距离最近的目标ppg集合中的一帧ppg，直至遍历完所述第一ppg序列，并将为所述第一ppg序列中的每一语音帧搜索到的所述第二语音后验概率ppg组成最优映射ppg序列。

在本实施例中，可以结合预先设置的目标说话人的大型语料库，在目标说话人的语料库对应的目标ppg集合中进行最优搜索，从而得到既能准确表示原始语言波形的语音内容又符合目标说话人特征的映射序列。最后通过神经网络声学模型和声码器将其转换为自然的语音波形。本发明通过帧级别的语音内容表征ppg建模被原始语言波形和目标说话人语料之间的关系，不涉及具体语言的限制，因此可以实现跨语言的音色转换。

具体的，可以将ppg作为原始语音波形和目标说话人语料的桥梁，在帧级别，寻找高维度空间里距离最近的映射对儿，遍历替换被转换语音的所有帧，来实现跨语言音色转换。

举例而言，如图2所示，首先将原始语音波形经过ppg提取模块得到的第一ppg序列(对应图2中的被转换语音的ppg序列)，假设该第一ppg序列的长度为n。然后将预置目标说话人整个语料库的m句语音依次经过ppg提取模块得到目标ppg集合(对应图2中的预置集合)。接着，为原始语音波形对应的第一ppg序列中的每一帧ppg(在图3中为第i帧)在目标说话人集合中搜索距离最近的一帧(在图中表示为第i’帧)。遍历完原始语音波形的n帧ppg后得到n帧距离最近的来源于第二ppg集合中的ppg，即为最优映射序列。其中，搜索时采用的距离与ppg一致性中的距离保持一致，可为欧氏距离或kl散度距离等。由于目标说话人语料库帧级别的ppg个数过多，搜索的过程可以采取kd-tree数据结构或者pytorch并行优化等技巧。

需要说明的是，所述最优映射ppg序列的搜索过程，也可采用其他的距离定义和搜索算法或聚类算法，对此本发明不做具体限定。

s4，将所述最优映射ppg序列输入到预先训练好的神经网络声学模型中，得到目标说话人的梅尔谱，并根据预设的声码转换策略，将所述目标说话人的梅尔谱转换为目标说话人的语音波形，从而实现将所述用户输入的原始语音波形转换为目标说话人的语音波形。

其中，所述原始语音波形不同于所述目标说话人的语音波形。

在本实施例中，以所述最优映射ppg序列为输入，映射到目标说话人音色的梅尔谱，并且梅尔谱具有自然的上下文关系。该模块在整个音色转换流程中的使用如下：首先，提取目标说话人语料的ppg序列和梅尔谱，训练能够进行序列映射任务的神经网络声学模型，该模型以ppg序列为输入，梅尔谱为输出。然后，音色转换时，由ppg提取模块和最优映射模块得到符合目标说话人特性的最优映射ppg序列之后，将该ppg序列作为输入送入到训练好的神经网络声学模型，得到目标说话人的梅尔谱。其中，最优映射ppg序列相比于映射前的ppg序列，作为输入与训练神经网络时的输入数据完全一致，这样既保证了高ppg一致性和稳定性，又借由神经网络建模出声学模型，可得到听觉自然的语音。之后，再通过数学方法或者机器学习方法将频谱参数，如梅尔谱还原成目标说话人的语音波形。

需要说明的是，神经网络声学模型重点在于建模梅尔谱中帧与帧之间的上下文关系，具体的模型结构可以为等长序列映射的lstm，或cbhg等，也可以为带有attention结构的非等长序列映射。同时也可以采用自回归的和非自回归的映射方式，对此本发明不做具体限定。

进一步的，所述原始语音波形对应的语言类型与所述预置目标说话人的语料库中每一句语音对应的语言相同和/或不同。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

此外，与方法实施例相对应的，本发明实施例还提供了基于ppg一致性的最优映射跨语言音色转换系统，如图3所示，该装置可以包括：

获取模块310，用于获取用户输入的原始语音波形；

ppg提取模块320，用于基于预设的ppg确定策略，确定所述原始语音波形对应的第一ppg序列；其中，所述第一ppg序列由所述原始语音波形包含的每一语音帧对应的第一语音后验概率ppg组成；以及，将根据所述预设的ppg确定策略，得到的预置目标说话人的语料库中每一句语音对应的所有帧ppg，组成预置目标说话人的语料库对应的目标ppg集合；

最优映射模块330，用于从所述第一ppg序列中的第一语音帧开始，从所述目标ppg集合中搜索距离所述第一ppg序列中当前语音帧对应的ppg距离最近的目标ppg集合中的一帧ppg，直至遍历完所述第一ppg序列，并将为所述第一ppg序列中的每一语音帧搜索到的所述第二语音后验概率ppg组成最优映射ppg序列；

神经网络声学模型模块340，用于将所述最优映射ppg序列输入到预先训练好的神经网络声学模型中，得到目标说话人的梅尔谱；

声码器模块350，用于并根据预设的声码转换策略，将所述目标说话人的梅尔谱转换为目标说话人的语音波形，从而实现将所述用户输入的原始语音波形转换为目标说话人的语音波形。

可选的，所述ppg提取模块可以包括：

声学特征确定单元，用于根据预设的语音信号处理技术，从所述原始语音波形中提取出所述原始语音波形中包含的每一语音帧对应的声学特征；

第一语音后验概率ppg确定单元，用于利用预先训练好的自动语音识别asr模型，得到所述原始语音波形中包含的每一语音帧对应的第一语音后验概率ppg；

第一ppg序列形成单元，用于将所述每一语音帧对应的第一语音后验概率ppg，组成所述原始语音波形对应的第一ppg序列。

可选的，所述原始语音波形对应的语言类型与所述预置目标说话人的语料库中每一句语音对应的语言相同和/或不同。

可选的，所述系统还包括：ppg一致性评测模块；

所述ppg一致性评测模块，用于确定所述原始语音波形对应的第一ppg序列与声码器合成的所述目标说话人的语音波形对应的第三ppg序列之间的距离，并根据两个所述ppg序列的距离判断所述目标说话人的语音内容是否达到一致性标准要求。

综上，本发明涉及一种基于ppg一致性的最优映射跨语言音色转换方法，首先通过语音信号处理技术提取被转换语音的帧级别的声学特征，并通过asr计算得到语音波形对应的帧级别的语音内容的表征ppg。同时结合预先设置的目标说话人的大型语料库，在目标说话人的ppg集合中进行最优搜索，从而得到既能准确表示被转换语音的语音内容又符合目标说话人特征的映射序列。最后通过神经网络声学模型和声码器将其转换为自然的语音波形。本发明通过帧级别的语音内容表征ppg建模被转换语音和目标说话人语料之间的关系，不涉及具体语言的限制，因此可以实现跨语言的音色转换。

同时，提出的ppg一致性评测标准和与之相符的最优映射算法，保证了音色转换前后语音内容的相近。本发明能自动，有效地不限制被转换语音语言的进行音色转换，应用于智能语音交互系统中，有助于系统更好的传达信息和意图，更丰富的语音说话人选择，提升用户的满意度。

并且，本发明实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，

存储器401，用于存放计算机程序；

处理器402，用于执行存储器402上所存放的程序时，实现如上介绍的基于ppg一致性的最优映射跨语言音色转换方法。

另外，处理器401执行存储器403上所存放的程序而实现的应用设置方法的其他实现方式，与前述方法实施例部分所提及的实现方式相同，这里也不再赘述。

上述终端的通信总线可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(randomaccessmemory，简称ram)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(fieldprogrammablegatearray，简称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。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的基于ppg一致性的最优映射跨语言音色转换方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一基于ppg一致性的最优映射跨语言音色转换方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非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作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。