语音增强方法、相关设备及可读存储介质与流程

1.本技术涉及语音信号处理技术领域，更具体的说，是涉及一种语音增强方法、相关设备及可读存储介质。


背景技术：

2.语音增强，旨在噪声/回声场景中获得干净的语音。其作为智能设备的前端信号处理被广泛应用于语音相关任务，如语音识别、语音唤醒等。
3.在一些场景中，采用目前的语音增强方案对待增强语音进行增强后，增强后的语音往往存在失真问题，导致语音增强效果较差。
4.因此，如何提升语音增强效果，成为本领域技术人员亟待解决的技术问题。


技术实现要素：

5.鉴于上述问题，本技术提出了一种语音增强方法、相关设备及可读存储介质。具体方案如下：
6.一种语音增强方法，所述方法包括：
7.获取待增强语音；
8.对所述待增强语音进行预增强处理，得到预增强处理后的语音；
9.判断所述预增强处理后的语音是否失真；
10.当所述预增强处理后的语音失真时，对所述预增强处理后的语音进行修复，得到修复后的语音；基于所述修复后的语音，确定所述待增强语音对应的增强后的语音。
11.可选地，所述对所述待增强语音进行预增强处理，得到预增强处理后的语音，包括：
12.对所述待增强语音进行时频掩码估计，得到所述待增强语音的估计时频掩码；
13.基于所述待增强语音的估计时频掩码以及所述待增强语音，得到预增强处理后的语音。
14.可选地，所述对所述待增强语音进行时频掩码估计，得到所述待增强语音的估计时频掩码，包括：
15.将所述待增强语音输入第一语音增强模型，所述第一语音增强模型输出所述待增强语音的估计时频掩码；
16.所述第一语音增强模型是以第一训练用语音为训练样本，以第一训练用语音的真实时频掩码为样本标签，以第一语音增强模型输出的估计时频掩码趋近于所述第一训练用语音的真实时频掩码为训练目标训练得到的；所述第一训练用语音包括训练用纯净语音以及训练用噪声，所述第一训练用语音的真实时频掩码是基于所述第一训练用语音的信噪比计算得到的。
17.可选地，所述判断所述预增强处理后的语音是否失真，包括：
18.基于所述第一语音增强模型输出的所述待增强语音的估计时频掩码计算得到所
述待增强语音的信噪比；
19.当所述待增强语音的信噪比小于预设信噪比阈值时，确定所述预增强处理后的语音失真。
20.可选地，对所述待增强语音进行时频掩码估计，得到所述待增强语音的估计时频掩码，包括：
21.获取所述待增强语音的回声参考信号；
22.将所述待增强语音以及所述待增强语音的回声参考信号，输入第二语音增强模型，所述第二语音增强模型输出所述待增强语音的估计时频掩码；
23.所述第二语音增强模型是以第二训练用语音为训练样本，以第二训练用语音的真实时频掩码为样本标签，以第二语音增强模型输出的估计时频掩码趋近于所述第二训练用语音的真实时频掩码为训练目标训练得到的；所述第二训练用语音包括训练用纯净语音、训练用回声以及回声参考信号，所述训练用语音的真实时频掩码是基于所述训练用语音的信回比计算得到的。
24.可选地，所述判断所述预增强处理后的语音是否失真，包括：
25.对所述待增强语音对应的采集模式进行检测；
26.当所述待增强语音对应的采集模式为双讲模式时，基于所述第二语音增强模型输出的所述待增强语音的估计时频掩码，计算得到所述待增强语音的信回比；
27.当所述待增强语音的信回比小于预设信回比阈值时，确定所述预增强处理后的语音失真。
28.可选地，所述对所述预增强处理后的语音进行修复，得到修复后的语音，包括：
29.将所述预增强处理后的语音输入语音修复模型，所述语音修复模型对所述预增强处理后的语音进行相位和幅度修复，输出修复后的语音；
30.所述语音修复模型是以第三训练用语音为训练样本，以第三训练用语音对应的纯净语音的相位谱和幅度谱为样本标签，以语音修复模型对所述第三训练用语音只进行相位信息修复后输出的相位谱趋近于所述第三训练用语音对应的纯净语音的相位谱，且，所述语音修复模型对所述第三训练用语音只进行幅度信息修复后输出的幅度谱趋近于所述第三训练用语音对应的纯净语音的幅度谱为训练目标训练得到的。
31.一种语音增强装置，所述装置包括：
32.获取单元，用于获取待增强语音；
33.预增强处理单元，用于对所述待增强语音进行预增强处理，得到预增强处理后的语音；
34.失真判断单元，用于判断所述预增强处理后的语音是否失真；
35.修复单元，用于当所述预增强处理后的语音失真时，对所述预增强处理后的语音进行修复，得到修复后的语音；基于所述修复后的语音，确定所述待增强语音对应的增强后的语音。
36.可选地，所述预增强处理单元，包括：
37.时频掩码估计单元，用于对所述待增强语音进行时频掩码估计，得到所述待增强语音的估计时频掩码；
38.预增强处理后的语音确定单元，用于基于所述待增强语音的估计时频掩码以及所
述待增强语音，得到预增强处理后的语音。
39.可选地，所述时频掩码估计单元，包括：
40.第一处理单元，用于将所述待增强语音输入第一语音增强模型，所述第一语音增强模型输出所述待增强语音的估计时频掩码；
41.所述第一语音增强模型是以第一训练用语音为训练样本，以第一训练用语音的真实时频掩码为样本标签，以第一语音增强模型输出的估计时频掩码趋近于所述第一训练用语音的真实时频掩码为训练目标训练得到的；所述第一训练用语音包括训练用纯净语音以及训练用噪声，所述第一训练用语音的真实时频掩码是基于所述第一训练用语音的信噪比计算得到的。
42.可选地，所述失真判断单元，包括：
43.第一判断单元，用于基于所述第一语音增强模型输出的所述待增强语音的估计时频掩码计算得到所述待增强语音的信噪比；当所述待增强语音的信噪比小于预设信噪比阈值时，确定所述预增强处理后的语音失真。
44.可选地，所述时频掩码估计单元，包括：
45.第二处理单元，用于获取所述待增强语音的回声参考信号；将所述待增强语音以及所述待增强语音的回声参考信号，输入第二语音增强模型，所述第二语音增强模型输出所述待增强语音的估计时频掩码；
46.所述第二语音增强模型是以第二训练用语音为训练样本，以第二训练用语音的真实时频掩码为样本标签，以第二语音增强模型输出的估计时频掩码趋近于所述第二训练用语音的真实时频掩码为训练目标训练得到的；所述第二训练用语音包括训练用纯净语音、训练用回声以及回声参考信号，所述训练用语音的真实时频掩码是基于所述训练用语音的信回比计算得到的。
47.可选地，所述失真判断单元，包括：
48.第二判断单元，用于对所述待增强语音对应的采集模式进行检测；当所述待增强语音对应的采集模式为双讲模式时，基于所述第二语音增强模型输出的所述待增强语音的估计时频掩码，计算得到所述待增强语音的信回比；当所述待增强语音的信回比小于预设信回比阈值时，确定所述预增强处理后的语音失真。
49.可选地，所述修复单元，包括：
50.语音修复模型处理单元，用于将所述预增强处理后的语音输入语音修复模型，所述语音修复模型对所述预增强处理后的语音进行相位和幅度修复，输出修复后的语音；
51.所述语音修复模型是以第三训练用语音为训练样本，以第三训练用语音对应的纯净语音的相位谱和幅度谱为样本标签，以语音修复模型对所述第三训练用语音只进行相位信息修复后输出的相位谱趋近于所述第三训练用语音对应的纯净语音的相位谱，且，所述语音修复模型对所述第三训练用语音只进行幅度信息修复后输出的幅度谱趋近于所述第三训练用语音对应的纯净语音的幅度谱为训练目标训练得到的。
52.一种语音增强设备，包括存储器和处理器；
53.所述存储器，用于存储程序；
54.所述处理器，用于执行所述程序，实现如上所述的语音增强方法的各个步骤。
55.一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实
现如上所述的语音增强方法的各个步骤。
56.借由上述技术方案，本技术公开了一种语音增强方法、相关设备及可读存储介质。在获取待增强语音之后，先对待增强语音进行预增强处理，得到预增强处理后的语音，然后判断预增强处理后的语音是否失真，当预增强处理后的语音失真时，对预增强处理后的语音进行修复，得到修复后的语音，最后基于修复后的语音，确定待增强语音对应的增强后的语音。本方案中，在确定预增强处理后的语音失真时，对预增强处理后的语音进行了修复，使得基于修复后的语音，确定的待增强语音对应的增强后的语音不存在失真问题，提升了语音增强的效果。
附图说明
57.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
58.图1为本技术实施例公开的一种语音增强方法的流程示意图；
59.图2为本技术实施例公开的一种语音增强装置结构示意图；
60.图3为本技术实施例公开的一种语音增强设备的硬件结构框图。
具体实施方式
61.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
62.接下来，通过下述实施例对本技术提供的语音增强方法进行介绍。
63.参照图1，图1为本技术实施例公开的语音增强方法的流程示意图，该方法可以包括：
64.步骤s101：获取待增强语音。
65.在本技术中，待增强语音可以为带噪语音，也可以为带回声的语音，如采用传统自适应线性回声消除技术处理后的语音。
66.步骤s102：对所述待增强语音进行预增强处理，得到预增强处理后的语音。
67.在本技术中，可以采用基于时频掩码的深度学习语音增强方案对所述待增强语音进行预增强处理，得到预增强处理后的语音。具体将通过后面的实施例详细说明，此处不再展开描述。时频掩码可以为irm(ideal ratio mask)、ibm(ideal binary mask)、cirm(complex ideal ratio mask)、psm(phase sensitive mask)等中的任意一种，对此本技术不进行任何限定。
68.步骤s103：判断所述预增强处理后的语音是否失真；当所述预增强处理后的语音失真时，执行步骤s104，当所述预增强处理后的语音不失真时，执行步骤s105。
69.本案发明人发现，基于时频掩码的深度学习语音增强方案，对低信噪比的带噪语音进行语音增强之后，增强后的语音通常会失真，对低信回比的带回声语音进行语音增强之后，增强后的语音也会失真。因此，在本技术中，可以基于所述待增强语音的信噪比或信
回比判断所述预增强处理后的语音是否失真，具体将通过后面的实施例详细说明，此处不再展开描述。
70.需要说明的是，语音的信噪比指的是语音中纯净语音与噪声的比值，语音的信回比指的是语音中纯净语音与残余回声的比值。
71.步骤s104：对所述预增强处理后的语音进行修复，得到修复后的语音；基于所述修复后的语音，确定所述待增强语音对应的增强后的语音。
72.在本技术中，当所述预增强处理后的语音失真时，对所述预增强处理后的语音进行修复，得到修复后的语音；基于所述修复后的语音，确定所述待增强语音对应的增强后的语音。
73.作为一种可实施方式，可以利用幅度谱与相位谱对所述预增强处理后的语音进行修复，具体将通过后面的实施例详细说明，此处不再展开描述。
74.作为一种可实施方式，可以将所述修复后的语音，确定为所述待增强语音对应的增强后的语音。也可以对所述修复后的语音进行其他后处理，得到所述待增强语音对应的增强后的语音。
75.步骤s105：将所述预增强处理后的语音确定为所述待增强语音对应的增强后的语音。
76.在本技术中，当所述预增强处理后的语音不失真时，将所述预增强处理后的语音确定为所述待增强语音对应的增强后的语音。
77.本实施例公开了一种语音增强方法。在获取待增强语音之后，先对待增强语音进行预增强处理，得到预增强处理后的语音，然后判断预增强处理后的语音是否失真，当预增强处理后的语音失真时，对预增强处理后的语音进行修复，得到修复后的语音，最后基于修复后的语音，确定待增强语音对应的增强后的语音。本方案中，在确定预增强处理后的语音失真时，对预增强处理后的语音进行了修复，使得基于修复后的语音，确定的待增强语音对应的增强后的语音不存在失真问题，提升了语音增强的效果。
78.在本技术的另一个实施例中，对步骤s102对所述待增强语音进行预增强处理，得到预增强处理后的语音的具体实现方式进行了说明，该方式可以包括以下步骤：
79.步骤s201：对所述待增强语音进行时频掩码估计，得到所述待增强语音的估计时频掩码。
80.在本技术中，可以预先训练得到语音增强模型，基于预先训练的语音增强模型对所述待增强语音进行时频掩码估计。需要说明的是，实际场景中，待增强语音可以为带噪语音或者带回声的语音。因此，在本技术中，可以预先训练得到两种语音增强模型，一种用于处理带噪语音，一种用于处理带回声语音。为便于说明，本技术中将用于处理带噪语音的语音增强模型描述为第一语音增强模型，将用于处理带回声语音的语音增强模型描述为第二语音增强模型。
81.所述第一语音增强模型是以第一训练用语音为训练样本，以第一训练用语音的真实时频掩码为样本标签，以第一语音增强模型输出的估计时频掩码趋近于所述第一训练用语音的真实时频掩码为训练目标训练得到的；所述第一训练用语音包括训练用纯净语音以及训练用噪声，所述第一训练用语音的信噪比是已知的，所述第一训练用语音的真实时频掩码是基于所述第一训练用语音的信噪比计算得到的。
82.为便于理解，假设时频掩码为信噪比为snr(k，n)，k表示频点下标，n表示时间帧，则信噪比和时频掩码的关系可以如下公式表示：
[0083][0084]
基于上述公式，可以在已知语音的信噪比的情况下，计算得到语音的时频掩码，在已知语音的时频掩码的情况下，计算得到语音的信噪比。
[0085]
所述第二语音增强模型是以第二训练用语音为训练样本，以第二训练用语音的真实时频掩码为样本标签，以第二语音增强模型输出的估计时频掩码趋近于所述第二训练用语音的真实时频掩码为训练目标训练得到的；所述第二训练用语音包括训练用纯净语音、训练用回声以及回声参考信号，所述训练用语音的真实时频掩码是基于所述训练用语音的信回比计算得到的。
[0086]
为便于理解，假设时频掩码为信回比为ser(k，n)，k表示频点下标，n表示时间帧，则信回比和时频掩码的关系可以如下公式表示：
[0087][0088]
基于上述公式，可以在已知语音的信回比的情况下，计算得到语音的时频掩码，在已知语音的时频掩码的情况下，计算得到语音的信回比。
[0089]
作为一种可实施方式，当待增强语音为带噪语音时，所述对所述待增强语音进行时频掩码估计，得到所述待增强语音的估计时频掩码的方式可以为：将所述待增强语音输入第一语音增强模型，所述第一语音增强模型输出所述待增强语音的估计时频掩码。
[0090]
作为另一种可实施方式，当待增强语音为带回声语音时，所述对所述待增强语音进行时频掩码估计，得到所述待增强语音的估计时频掩码的方式可以为：获取所述待增强语音的回声参考信号；将所述待增强语音以及所述待增强语音的回声参考信号，输入第二语音增强模型，所述第二语音增强模型输出所述待增强语音的估计时频掩码。
[0091]
步骤s202：基于所述待增强语音的估计时频掩码以及所述待增强语音，得到预增强处理后的语音。
[0092]
在本技术中，可以将所述待增强语音的估计时频掩码与所述待增强语音进行融合，得到预增强处理后的语音。
[0093]
在本技术的另一个实施例中，对判断所述预增强处理后的语音是否失真的具体实现方式进行了说明，具体如下：
[0094]
作为一种可实施方式，当所述待增强语音为带噪语音时，所述判断所述预增强处理后的语音是否失真包括：基于所述第一语音增强模型输出的所述待增强语音的估计时频掩码计算得到所述待增强语音的信噪比；当所述待增强语音的信噪比小于预设信噪比阈值时，确定所述预增强处理后的语音失真，当所述待增强语音的信噪比不小于预设信噪比阈值时，确定所述预增强处理后的语音不失真。
[0095]
由于深度学习回声抑制任务通常在双讲模式(双讲模式：麦克风同时采集到远端
回声和近端语音；单讲模式：麦克风只采集到近端语音)下，存在语音失真，作为另一种可实施方式，所述判断所述预增强处理后的语音是否失真，包括：对所述待增强语音对应的采集模式进行检测；当所述待增强语音对应的采集模式为双讲模式时，基于所述第二语音增强模型输出的所述待增强语音的估计时频掩码，计算得到所述待增强语音的信回比；当所述待增强语音的信回比小于预设信回比阈值时，确定所述预增强处理后的语音失真。当所述待增强语音对应的采集模式为单讲模式，或者所述待增强语音对应的采集模式为双讲模式但是所述待增强语音的信回比不小于预设信回比阈值，则确定所述预增强处理后的语音不失真。
[0096]
需要说明的是，预设信噪比阈值以及预设信回比阈值可以基于场景需求设定不同的数值，对此，本技术不进行任何限定。
[0097]
在本技术的另一个实施例中，对所述预增强处理后的语音进行修复，得到修复后的语音的具体实现方式可以包括：
[0098]
将所述预增强处理后的语音输入语音修复模型，所述语音修复模型对所述预增强处理后的语音进行相位和幅度修复，输出修复后的语音。
[0099]
作为一种可实施方式，所述语音修复模型是以第三训练用语音为训练样本，以第三训练用语音对应的纯净语音的相位谱和幅度谱为样本标签，以第三语音增强模型对所述第三训练用语音同步进行相位信息修复及幅度信息修复后的语音的相位谱和幅度谱趋近于所述训练用语音对应的纯净语音的相位谱和幅度谱为训练目标训练得到的。但是，幅度谱与相位谱耦合可能导致幅度谱信息偏离优化方向。
[0100]
为解决上述问题，作为另一种可实施方式，所述语音修复模型是以第三训练用语音为训练样本，以第三训练用语音对应的纯净语音的相位谱和幅度谱为样本标签，以语音修复模型对所述第三训练用语音只进行相位信息修复后输出的相位谱趋近于所述第三训练用语音对应的纯净语音的相位谱，且，所述语音修复模型对所述第三训练用语音只进行幅度信息修复后输出的幅度谱趋近于所述第三训练用语音对应的纯净语音的幅度谱为训练目标训练得到的。该方式中，幅度谱和相位谱是解耦合的，能够提升模型训练效果。
[0101]
需要说明的是，上述第一语音增强模型、第二语音增强模型以及语音修复模型的结构可以是卷积神经网络或循环神经网络，对此，本技术不进行任何限定。
[0102]
下面对本技术实施例公开的语音增强装置进行描述，下文描述的语音增强装置与上文描述的语音增强方法可相互对应参照。
[0103]
参照图2，图2为本技术实施例公开的一种语音增强装置结构示意图。如图2所示，该语音增强装置可以包括：
[0104]
获取单元21，用于获取待增强语音；
[0105]
预增强处理单元22，用于对所述待增强语音进行预增强处理，得到预增强处理后的语音；
[0106]
失真判断单元23，用于判断所述预增强处理后的语音是否失真；
[0107]
修复单元24，用于当所述预增强处理后的语音失真时，对所述预增强处理后的语音进行修复，得到修复后的语音；基于所述修复后的语音，确定所述待增强语音对应的增强后的语音。
[0108]
作为一种可实施方式，所述预增强处理单元，包括：
[0109]
时频掩码估计单元，用于对所述待增强语音进行时频掩码估计，得到所述待增强语音的估计时频掩码；
[0110]
预增强处理后的语音确定单元，用于基于所述待增强语音的估计时频掩码以及所述待增强语音，得到预增强处理后的语音。
[0111]
作为一种可实施方式，所述时频掩码估计单元，包括：
[0112]
第一处理单元，用于将所述待增强语音输入第一语音增强模型，所述第一语音增强模型输出所述待增强语音的估计时频掩码；
[0113]
所述第一语音增强模型是以第一训练用语音为训练样本，以第一训练用语音的真实时频掩码为样本标签，以第一语音增强模型输出的估计时频掩码趋近于所述第一训练用语音的真实时频掩码为训练目标训练得到的；所述第一训练用语音包括训练用纯净语音以及训练用噪声，所述第一训练用语音的真实时频掩码是基于所述第一训练用语音的信噪比计算得到的。
[0114]
作为一种可实施方式，所述失真判断单元，包括：
[0115]
第一判断单元，用于基于所述第一语音增强模型输出的所述待增强语音的估计时频掩码计算得到所述待增强语音的信噪比；当所述待增强语音的信噪比小于预设信噪比阈值时，确定所述预增强处理后的语音失真。
[0116]
作为一种可实施方式，所述时频掩码估计单元，包括：
[0117]
第二处理单元，用于获取所述待增强语音的回声参考信号；将所述待增强语音以及所述待增强语音的回声参考信号，输入第二语音增强模型，所述第二语音增强模型输出所述待增强语音的估计时频掩码；
[0118]
所述第二语音增强模型是以第二训练用语音为训练样本，以第二训练用语音的真实时频掩码为样本标签，以第二语音增强模型输出的估计时频掩码趋近于所述第二训练用语音的真实时频掩码为训练目标训练得到的；所述第二训练用语音包括训练用纯净语音、训练用回声以及回声参考信号，所述训练用语音的真实时频掩码是基于所述训练用语音的信回比计算得到的。
[0119]
作为一种可实施方式，所述失真判断单元，包括：
[0120]
第二判断单元，用于对所述待增强语音对应的采集模式进行检测；当所述待增强语音对应的采集模式为双讲模式时，基于所述第二语音增强模型输出的所述待增强语音的估计时频掩码，计算得到所述待增强语音的信回比；当所述待增强语音的信回比小于预设信回比阈值时，确定所述预增强处理后的语音失真。
[0121]
作为一种可实施方式，所述修复单元，包括：
[0122]
语音修复模型处理单元，用于将所述预增强处理后的语音输入语音修复模型，所述语音修复模型对所述预增强处理后的语音进行相位和幅度修复，输出修复后的语音；
[0123]
所述语音修复模型是以第三训练用语音为训练样本，以第三训练用语音对应的纯净语音的相位谱和幅度谱为样本标签，以语音修复模型对所述第三训练用语音只进行相位信息修复后输出的相位谱趋近于所述第三训练用语音对应的纯净语音的相位谱，且，所述语音修复模型对所述第三训练用语音只进行幅度信息修复后输出的幅度谱趋近于所述第三训练用语音对应的纯净语音的幅度谱为训练目标训练得到的。
[0124]
参照图3，图3为本技术实施例提供的语音增强设备的硬件结构框图，参照图3，语
音增强设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
[0125]
在本技术实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
[0126]
处理器1可能是一个中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
[0127]
存储器3可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
[0128]
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
[0129]
获取待增强语音；
[0130]
对所述待增强语音进行预增强处理，得到预增强处理后的语音；
[0131]
判断所述预增强处理后的语音是否失真；
[0132]
当所述预增强处理后的语音失真时，对所述预增强处理后的语音进行修复，得到修复后的语音；基于所述修复后的语音，确定所述待增强语音对应的增强后的语音。
[0133]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0134]
本技术实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
[0135]
获取待增强语音；
[0136]
对所述待增强语音进行预增强处理，得到预增强处理后的语音；
[0137]
判断所述预增强处理后的语音是否失真；
[0138]
当所述预增强处理后的语音失真时，对所述预增强处理后的语音进行修复，得到修复后的语音；基于所述修复后的语音，确定所述待增强语音对应的增强后的语音。
[0139]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0140]
最后，还需要说明的是，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。
[0141]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0142]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业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技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，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。