一种去除机械噪声的方法、装置及机器人与流程

1.本公开涉及音频处理技术领域，尤其涉及一种去除机械噪声的方法、装置及机器人。


背景技术：

2.目前一些具有语音交互功能的机器人，在和用户进行语音交互时，会采集用户语音，并识别用户语音对应的指令内容，并针对这些指令内容进行响应。但是在一些场景下，在机器人与用户进行语音交互时，可能机器人正在移动中或者正在执行某一动作，由于机器人通常是由机械部件组成，在机器人移动中，或者执行某一动作的过程中，可能会产生机械噪声，这样的场景下机器人采集用户语音时，也会采集到机器人自身产生的机械噪声，这些机械噪声会对机器人识别用户语音造成影响，导致识别不准确的问题。


技术实现要素：

3.为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种去除机械噪声的方法、装置及机器人，可以去除用户音频信号中的机械噪声，提高识别准确度。
4.为了实现上述目的，本公开实施例提供的技术方案如下：
5.第一方面，提供一种去除机械噪声的方法，应用于机器人，包括：
6.获取用户音频信号；
7.将所述用户音频信号输入目标延时滤波器，以去除所述用户音频信号中机器人的机械噪声，得到用户语音信号；
8.其中，所述目标延时滤波器为根据预先录制的所述机器人的机械噪声进行滤波参数更新后得到的延时滤波器。
9.作为本公开实施例一种可选的实施方式，所述获取用户音频信号之前，所述方法包括：
10.录制所述机器人的机械噪声；
11.从所述机械噪声中提取噪声特征信息，所述噪声特征信息包括：mfcc特征信息，和/或，plp特征信息；
12.根据所述噪声特征信息更新初始延时滤波器的滤波参数，以得到所述目标延时滤波器。
13.作为本公开实施例一种可选的实施方式，所述获取用户音频信号，包括：
14.采集原始音频；
15.对所述原始音频进行人声检测，从所述原始音频中获取人声音频片段；
16.从所述人声音频片段中提取目标声纹信息；
17.在所述目标声纹信息与预先存储的声纹信息匹配时，从所述人声音频片段中确定所述用户音频信号。
18.作为本公开实施例一种可选的实施方式，所述从所述人声音频片段中提取目标声纹信息，包括：
19.将所述人声音频片段分割为若干音频子片段；
20.提取所述若干音频子片段中每个音频子片段的特征信息，根据所述每个音频子片段的特征信息进行音频聚类，得到多个聚类人声片段，其中，每个聚类人声片段为由多个音频子片段聚类得到的；
21.获取目标聚类人声片段的所述目标声纹信息，所述目标聚类人声片段为时长最长的聚类人声片段；
22.所述在所述目标声纹信息与预先存储的声纹信息匹配时，从所述人声音频片段中确定所述用户音频信号，包括：
23.在所述目标声纹信息与预先存储的声纹信息匹配时，确定所述目标聚类人声片段作为所述用户音频信号。
24.作为本公开实施例一种可选的实施方式，所述将所述用户音频信号输入目标延时滤波器，以去除所述用户音频信号中的机械噪声，得到用户语音信号之后，所述方法还包括：
25.识别所述用户语音信号对应的指令内容，响应所述指令内容。
26.作为本公开实施例一种可选的实施方式，所述识别所述用户语音信号对应的指令内容，响应所述指令内容，包括：
27.识别所述用户语音信号对应的所述指令内容；
28.若所述指令内容与预设指令的相似度大于或等于第一预设参数，则执行所述预设指令对应的操作，以响应所述指令内容。
29.作为本公开实施例一种可选的实施方式，所述若所述指令内容与预设指令的相似度大于或等于第一预设参数，则执行所述预设指令对应的操作，以响应所述指令内容，包括：
30.若所述指令内容与预设指令的相似度大于或等于第一预设参数，且所述指令内容与预设合成音频内容的相似度小于或等于第二预设参数，则执行所述预设指令对应的操作，以响应所述指令内容；
31.其中，所述预设合成音频内容为预先存储的用于回复用户语音的音频内容。
32.第二方面，提供一种去除机械噪声的装置，包括：
33.获取模块，用于获取用户音频信号；
34.噪声去除模块，用于将所述用户音频信号输入目标延时滤波器，以去除所述用户音频信号中机器人的机械噪声，得到用户语音信号；
35.其中，所述目标延时滤波器为根据预先录制的所述机器人的机械噪声进行滤波参数更新后得到的延时滤波器。
36.作为本公开实施例一种可选的实施方式，所述获取模块，还用于：
37.录制所述机器人的机械噪声；
38.从所述机械噪声中提取噪声特征信息，所述噪声特征信息包括：mfcc特征信息，和/或，plp特征信息；
39.根据所述噪声特征信息更新初始延时滤波器的滤波参数，以得到所述目标延时滤
波器。
40.作为本公开实施例一种可选的实施方式，所述获取模块，具体用于：
41.采集原始音频；
42.对所述原始音频进行人声检测，从所述原始音频中获取人声音频片段；
43.从所述人声音频片段中提取目标声纹信息；
44.在所述目标声纹信息与预先存储的声纹信息匹配时，从所述人声音频片段中确定所述用户音频信号。
45.作为本公开实施例一种可选的实施方式，所述获取模块，具体用于：
46.将所述人声音频片段分割为若干音频子片段；
47.提取所述若干音频子片段中每个音频子片段的特征信息，根据所述每个音频子片段的特征信息进行音频聚类，得到多个聚类人声片段，其中，每个聚类人声片段为由多个音频子片段聚类得到的；
48.获取所述目标聚类人声片段的所述目标声纹信息，所述目标聚类人声片段为时长最长的聚类人声片段；
49.在所述目标声纹信息与预先存储的声纹信息匹配时，确定所述目标聚类人声片段作为所述用户音频信号。
50.作为本公开实施例一种可选的实施方式，所述装置还包括：
51.响应模块，用于识别所述用户语音信号对应的指令内容，响应所述指令内容。
52.作为本公开实施例一种可选的实施方式，所述响应模块，具体用于：
53.识别所述用户语音信号对应的所述指令内容；
54.若所述指令内容与预设指令的相似度大于或等于第一预设参数，则执行所述预设指令对应的操作，以响应所述指令内容。
55.作为本公开实施例一种可选的实施方式，所述响应模块，还用于：若所述指令内容与预设指令的相似度大于或等于第一预设参数，且所述指令内容与预设合成音频内容的相似度小于或等于第二预设参数，则执行所述预设指令对应的操作，以响应所述指令内容；
56.其中，所述预设合成音频内容为预先存储的用于回复用户语音的音频内容。
57.第三方面，提供一种机器人，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面或其任意一种可选的实施方式所述的去除机械噪声的方法。
58.第四方面，提供一种计算机可读存储介质，包括：所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面或其任意一种可选的实施方式所述的去除机械噪声的方法。
59.第五方面，提供一种计算机程序产品，其特征在于，包括：当所述计算机程序产品在计算机上运行时，使得所述计算机实现如第一方面或其任意一种可选的实施方式所述的去除机械噪声的方法。
60.本公开实施例提供的技术方案与现有技术相比具有如下优点：可以根据预先录制的机器人的机械噪声，训练得到目标延时滤波器，并基于目标延时滤波器对用户音频信息进行处理，去除用户音频信号中机器人的机械噪声，如此识别去除机械噪声后得到的用户语音信号可以提高识别准确度。
附图说明
61.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。
62.为了更清楚地说明本公开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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
63.图1为本公开实施例提供的一种去除机械噪声的方法的流程示意图一；
64.图2为本公开实施例提供的一种去除机械噪声的方法的流程示意图二；
65.图3为本公开实施例提供的一种去除机械噪声的装置的结构框图；
66.图4为本公开实施例提供的一种机器人的硬件结构示意图。
具体实施方式
67.为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
68.在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
69.相关技术中，在一些场景下，在机器人与用户进行语音交互时，可能机器人正在移动中或者正在执行某一动作，由于机器人通常是由机械部件组成，在机器人移动中，或者执行某一动作的过程中，可能会产生机械噪声，这样的场景下机器人采集用户语音时，也会采集到机器人自身产生的机械噪声，这些机械噪声会对机器人识别用户语音造成影响，导致识别不准确的问题。
70.为了解决上述问题，本公开实施例提供了一种去除机械噪声的方法、装置及机器人，可以提高识别准确度。
71.本公开实施例中提供的去除机械噪声的方法，可以为通过去除机械噪声的装置或机器人实现，该去除机械噪声的装置可以为机器人中用于实现上述去除机械噪声的方法的功能模块或者功能实体。
72.上述机器人可以是指由多种机械组件组装形成的智能设备，其具有语音交互功能。这类机器人通常的机械噪声可以包括：履带噪声，和/或，动作噪声。
73.示例性的，上述机器人可以为扫地机器人、洗地机器人、送餐机器人等。
74.本公开实施例提供的去除机械噪声的方法可以包括延时滤波器训练阶段，以及延时滤波器应用阶段。下面将针对这两个阶段进行详细介绍。
75.如图1所示，为一种去除机械噪声的方法的流程示意图，该方法包括：
76.延时滤波器训练阶段包括以下步骤101至103，延时滤波器应用阶段包括以下步骤104至106。
77.101、录制机器人的机械噪声。
78.示例性的，该机械噪声可以在机器人组装完毕后，机器人出厂之前，录制机器人的机械噪声，也可以在每次接收到机器人启动信号时录制机器人的机械噪声，本发明实施例
对机械噪声的录制时间不作具体限定，本领域技术人员可以根据实际情况确定。
79.在本发明实施例中，也可以模拟机器人在实际使用场景中的各种移动情形和执行各种动作的情形，并针对每种情形都录制机械噪声。
80.102、从机械噪声中提取噪声特征信息。
81.其中，噪声特征信息可以包括：倒频谱系数(mel-frequency cepstral coefficients，mfcc)特征信息，和/或，分组层协议(packet layer protocol，plp)特征信息。
82.示例性的，以提取的噪声特征信息为mfcc特征信息为例，针对mfcc特征信息的提取方式进行说明：mfcc特征信息的提取过程主要包括两个关键步骤，首先将机械噪声的音频信号转化为梅尔频率，然后针对梅尔频率进行倒谱分析得到机械噪声的mfcc特征信息。
83.其中，在将机械噪声的音频信号转化为梅尔频率涉及到梅尔刻度，梅尔刻度是一种基于人耳对等距的音高变化的感官判断而定的非线性频率刻度。梅尔刻度和频率的关系如下：
84.m＝2595log10(1 700f)，其中，m标识梅尔刻度，f表示频率。
85.将机械噪声的音频信号转化为梅尔频率时，首先对时域信号进行傅里叶变换转换到频域，然后针对频域信号再利用梅尔频率刻度的滤波器组对应频域信号进行切分，最后每个频率段对应一个数值，这些数值为梅尔频率，进一步的针对得到的梅尔频率进行倒谱分析，就可以得到机械噪声的mfcc特征信息。
86.103、根据噪声特征信息更新初始延时滤波器的滤波参数，以得到目标延时滤波器。
87.通过噪声特征信息更新了初始延时滤波器的滤波参数之后，得到的目标延时滤波器在后续使用中，可以将音频信号中的机械噪声去除，仅允许除机械噪声之外的其他音频信号通过该目标延时滤波器。
88.104、获取用户音频信号。
89.在一些实施例中，获取用户音频信号可以通过以下步骤104a至104d实现：
90.104a、采集原始音频。
91.其中，该原始音频中可以包括用户语音信号和机械噪声。
92.一些实现方式中，机器人可以通过麦克风实时进行音频采集，去采集上述原始音频。
93.一些实现方式中，机器人可以在特定时间段进行音频采集，去采集上述原始音频。
94.示例性的，在扫地机器人进行扫地操作的过程中，可以实时通过麦克风进行音频采集，以采集用户语音信息，但是由于扫地机器人进行扫地操作时，由于扫地机器人的移动可能会存在履带噪声，以及机器人清扫部件转动的动作噪声等机械噪声，此时麦克风采集的音频信号即为原始音频。
95.104b、对原始音频进行人声检测，从原始音频中获取人声音频片段。
96.本公开实施例中，可以对原始音频通过语音端点检测(voice activity detection，vad)算法进行人声检测。通常vad算法是通过从音频中提取特征，构造高斯模型得到每段音频的概率来确认是人声还是噪声。本公开实施例中，通过人声检测可以将输入音频中的非人声切除，保留上述人声音频。具体的，vad算法会将音频信号划分为发音部分
(voiced)、未发音部分(unvoiced)和静默部分(silence)，以对原始音频进行分类，其中可以将其中的发音部分认为是人声音频片段。通过人声检测，可以将原始音频中的未发音部分和静默部分去除，得到发音部分，这样可以减少后续处理音频信号的计算量，可以提高处理精度，减少数据处理量。
97.104c、从人声音频片段中提取目标声纹信息。
98.104d、在目标声纹信息与预先存储的声纹信息匹配时，从人声音频片段中确定用户音频信号。
99.通过声纹识别，将与预先存储的声纹信息匹配的人声音频片段确定为用户音频信号，如此可以确定只响应声纹信息所对应用户的指令，避免误响应。
100.例如，可以将人声音频片段作为用户音频信号。在一些实施例中，获取用户音频信号可以通过以下步骤104a至104f实现：
101.104a、机器人可以先采集原始音频。
102.104b、机器人对原始音频进行人声检测，从原始音频中获取人声音频片段。
103.104c、机器人将人声音频片段分割为若干音频子片段；提取若干音频子片段中每个音频子片段的特征信息，根据每个音频子片段的特征信息进行音频聚类，得到多个聚类人声片段。
104.其中，每个聚类人声片段为由多个音频子片段聚类得到的。
105.上述的特征信息可以是梅尔频率倒谱系数(mel frequency cepstral coefficient，mfcc)、感知线性预测(perceptual linear prediction，plp)、滤波器组(filter banks，fbank)等短时频谱特征，也可以是身份认证向量(identity-vector，i-vector)等基于时延神经网络(time delay neural networks，tdnn)提取的特征等。
106.在一些实施例中，在根据每个音频子片段的特征信息进行音频聚类，得到多个聚类人声片段的过程中可以采用各种聚类算法实现。
107.其中，聚类算法可以包括：基于距离的聚类算法或者基于密度的聚类算法等，本公开对此不做具体限定。例如，可以采用spectral clustering聚类算法、k-means(k均值)聚类、均值漂移聚类、用高斯混合模型(gmm，gaussian mixed model)的最大期望(em，expectation-maximization)聚类、凝聚层次聚类、图团体检测(graph community detection)等。
108.本公开实施例中，在获取的人声音频片段中存在多个人声时，可以通过上述音频聚类的方法，将不同人声对应的音频片段进行区分，得到不同人声对应的聚类人声片段。
109.在上述104c之后，可以获取聚类人声片段的目标声纹信息，目标聚类人声片段为时长最长的聚类人声片段。
110.104d、从多个聚类人声片段中，确定时长最长的目标聚类人声片段。
111.104e、获取目标聚类人声片段的目标声纹信息。
112.104f、在目标声纹信息与预先存储的声纹信息匹配时，确定目标聚类人声片段作为用户音频信号。
113.本公开实施例中，获取时长最长的目标聚类人声片段的目标声纹信息，认为时长最长的目标聚类人声片段最有可能是用户与机器人的交互语音，从中获取声纹信息去与预先存储的声纹信息进行对比，在匹配时，可以认为该目标聚类人声片段就是用户语音信号，
这样可以进一步的去除其他人声对用户语音信号的影响，可以提高获取用户语音信号的准确度。
114.105、将用户音频信号输入目标延时滤波器，以去除用户音频信号中机器人的机械噪声，得到用户语音信号。
115.106、识别用户语音信号对应的指令内容，响应指令内容。
116.本公开实施例提供的去除机械噪声的方法，可以根据预先录制的机器人的机械噪声，训练得到目标延时滤波器，并基于目标延时滤波器对用户音频信息进行处理，去除用户音频信号中机器人的机械噪声，如此识别去除机械噪声后得到的用户语音信号可以提高识别准确度。
117.如图2所示，为一种去除机械噪声的方法的流程示意图，该方法包括：
118.201、获取用户音频信号。
119.202、将用户音频信号输入目标延时滤波器，以去除用户音频信号中机器人的机械噪声，得到用户语音信号。
120.203、识别用户语音信号对应的指令内容。
121.针对上述201至203的描述，可以参照上述针对104至106的相关描述，此处不在赘述。
122.204、判断指令内容与预设指令的相似度参数是否大于或等于第一预设参数。
123.若指令内容与预设指令的相似度大于或等于第一预设参数，则执行下述205；若指令内容与预设指令的相似度小于第一预设参数，则不响应上述用户语音信号，返回执行上述201。
124.205、执行预设指令对应的操作，以响应指令内容。
125.示例性的，以扫地机器人为例，可以设置“开始扫地”等预设指令，这样在用户输入音频的音频内容为“扫地”时，将“扫地”与“开始扫地”进行相似度比较时，其相似度参数会大于或等于第一预设参数，此时就可以控制扫地机器人响应该“开始扫地”的预设指令，执行扫地操作。
126.在一些实施例中，若指令内容与预设指令的相似度大于或等于第一预设参数，且指令内容与预设合成音频内容的相似度小于或等于第二预设参数，则执行预设指令对应的操作，以响应指令内容。
127.其中，预设合成音频内容为预先存储的用于回复用户语音的音频内容。
128.由于具有语音交互功能的机器人，会一直采集音频，因此当该机器人自己播放预设合成音频时，也会采集自身播放的预设合成音频。
129.示例性的，针对机器人，当用户语音对应的指令内容为“播放一首儿歌”，机器人内置的预设合成音频的预设合成音频内容可以为“为您播放一首好听的儿歌xxx”，可以看出，其中，用户语音与预设合成音频中都存在相同内容“播放”“一首”“儿歌”因此可能存在误响应的情况。
130.因此通过将采集的音频内容与预设合成音频内容(即预设合成音频的内容)进行对比，计算相似度参数，这样在指令内容与预设指令的相似度大于或等于第一预设参数，且指令内容与预设合成音频内容的相似度小于或等于第二预设参数时，才去响应该指令内容，可以避免针对预设合成音频进行误响应的情况。
131.如图3所示，本公开实施例提供一种去除机械噪声的装置，该装置包括：
132.获取模块301，用于获取用户音频信号；
133.噪声去除模块302，用于将所述用户音频信号输入目标延时滤波器，以去除所述用户音频信号中机器人的机械噪声，得到用户语音信号；
134.其中，所述目标延时滤波器为根据预先录制的所述机器人的机械噪声进行训练后得到的延时滤波器。
135.作为本公开实施例一种可选的实施方式，所述获取模块301，还用于：
136.录制所述机器人的机械噪声；
137.从所述机械噪声中提取噪声特征信息，所述噪声特征信息包括：mfcc特征信息，和/或，plp特征信息；
138.根据所述噪声特征信息更新初始延时滤波器的滤波参数，以得到所述目标延时滤波器。
139.作为本公开实施例一种可选的实施方式，所述获取模块301，具体用于：
140.采集原始音频；
141.对所述原始音频进行人声检测，从所述原始音频中获取人声音频片段；
142.从所述人声音频片段中提取目标声纹信息；
143.在所述目标声纹信息与预先存储的声纹信息匹配时，从所述人声音频片段中确定所述用户音频信号。
144.作为本公开实施例一种可选的实施方式，所述获取模块301，具体用于：
145.将所述人声音频片段分割为若干音频子片段；
146.提取所述若干音频子片段中每个音频子片段的特征信息，根据所述每个音频子片段的特征信息进行音频聚类，得到多个聚类人声片段，其中，每个聚类人声片段为由多个音频子片段聚类得到的；
147.获取目标聚类人声片段的所述目标声纹信息，所述目标聚类人声片段为时长最长的聚类人声片段；
148.在所述目标声纹信息与预先存储的声纹信息匹配时，确定所述目标聚类人声片段作为所述用户音频信号。
149.作为本公开实施例一种可选的实施方式，所述装置如图3所示，还包括：
150.响应模块303，用于识别所述用户语音信号对应的指令内容，响应所述指令内容。
151.作为本公开实施例一种可选的实施方式，所述响应模块303，具体用于：
152.识别所述用户语音信号对应的所述指令内容；
153.若所述指令内容与预设指令的相似度大于或等于第一预设参数，则执行所述预设指令对应的操作，以响应所述指令内容。
154.作为本公开实施例一种可选的实施方式，所述响应模块303，还用于：若所述指令内容与预设指令的相似度大于或等于第一预设参数，且所述指令内容与预设合成音频内容的相似度小于或等于第二预设参数，则执行所述预设指令对应的操作，以响应所述指令内容；
155.其中，所述预设合成音频内容为预先存储的用于回复用户语音的音频内容。
156.如图4所示，本公开实施例提供一种机器人，该机器人包括：处理器401、存储器402
及存储在所述存储器402上并可在所述处理器401上运行的计算机程序，所述计算机程序被所述处理器401执行时实现上述方法实施例中的去除机械噪声的方法的各个过程。且能达到相同的技术效果，为避免重复，这里不再赘述。
157.本发明实施例提供一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现上述方法实施例中去除机械噪声的方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
158.其中，该计算机可读存储介质可以为只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等。
159.本发明实施例提供一种计算程序产品，该计算机程序产品存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中去除机械噪声的方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
160.本领域技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
161.本公开中，处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
162.本公开中，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
163.本公开中，计算机可读介质包括永久性和非永久性、可移动和非可移动存储介质。存储介质可以由任何方法或技术来实现信息存储，信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。根据本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
164.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
在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
165.以上仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。