FLS与UKF相结合的组合导航方法、装置、存储介质及设备

fls与ukf相结合的组合导航方法、装置、存储介质及设备
技术领域
1.本发明涉及卫星/惯性组合导航技术领域，尤其涉及一种fls与ukf相结合的组合导航方法、装置、存储介质及设备。


背景技术：

2.在动态运动条件下，常规的组合导航系统使用卡尔曼滤波器(kalman filtering，kf)对全球导航卫星系统(global navigation satellite system，gnss)和惯性导航系统(inertial navigation system，ins)进行组合，该系统对载体水平位置、速度的估计容易受到载体运动剧烈程度、mems性能以及gps导航解算精度等因素的影响，不能满足用户对导航精度的需求。kf是一种基于模型的线性最小方差估计，适用于系统方程和观测方程均为线性时的估计，并不适合非线性的gnss/ins组合导航系统。扩展卡尔曼滤波(extendedkalmanfilter，ekf)是组合导航中常用的非线性滤波方法，它通过取非线性函数泰勒展开式的一阶线性段，舍去高阶项来达到线性化的目的。然而ekf对于强非线性系统可能存在较大的非线性误差，会输出不稳定的滤波解，而且需要计算雅可比矩阵，计算复杂度高。针对ekf存在的问题，1995年由s.j.julier和j.k.uhlmann提出了基于无迹变换(unscented transform，ut)的无迹卡尔曼滤波(unscented kalman filter，ukf)。ukf通过确定性采样选取一组sigma点，进行无迹变换来逼近系统的非线性分布，避免了ekf必须计算雅可比矩阵的缺点。
3.传统ukf在进行组合导航时，动态运动时刻水平定位精度优于kf，但静止时刻轨迹有一定的波动，而且轨迹不够平滑。


技术实现要素：

4.针对现有技术存在的问题，本发明提供一种固定滞后平滑(fixed-lag smoothing，fls)与ukf相结合的组合导航方法、装置、存储介质及设备。
5.第一方面，本发明实施例提供一种fls与ukf相结合的组合导航方法，包括：
6.获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态；
7.利用无迹卡尔曼滤波算法对当前k-1时刻的状态量进行前向滤波，得到k时刻的前向滤波结果，包括k时刻的前向状态估计和均方误差；
8.利用固定滞后平滑算法根据k时刻的前向滤波结果进行反向滤波，得到k-1时刻的反向滤波结果，包括k-1时刻的反向状态估计和均方误差；
9.将k-1时刻的反向状态估计、均方误差与k时刻的前向状态估计、均方误差进行信息融合处理，得到k时刻的状态估计和均方误差；
10.将融合处理后的k时刻的状态估计的位置误差和速度误差反馈给捷联惯性导航系统，修正捷联惯性导航系统推算的载体的位置、速度，实现一次全球导航卫星系统与捷联惯性导航系统的组合导航。
11.在一些实施方式中，所述将k-1时刻的反向状态估计、均方误差与k时刻的前向状态估计、均方误差进行信息融合处理，得到k时刻的状态估计和均方误差，包括：
12.对于经度状态量和纬度状态量，将k-1时刻的反向状态估计、均方误差与k时刻的前向状态估计、均方误差进行信息融合处理，得到k时刻的状态估计和均方误差。
13.在一些实施方式中，所述获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态之前，还包括：
14.构建组合导航系统模型，包括定义组合导航系统的状态空间模型、状态量及观测量；其中，所述观测量取相同时刻下载体的位置、速度与相应接收机的位置、速度的差值。
15.在一些实施方式中，获取全球导航卫星系统估计的接收机的位置、速度和时间，包括：
16.获取卫星信号的中频信号；
17.所述中频信号经标量跟踪算法得到初始信息和星历数据；
18.由标量跟踪算法初始化矢量跟踪算法，再由矢量跟踪算法连续跟踪卫星信号，对星历数据进行解码；
19.通过导航处理器估计出接收机的位置、速度和时间。
20.在一些实施方式中，获取捷联惯性导航系统推算的载体的位置、速度和姿态，包括：
21.获取捷联惯性导航系统根据惯性测量单元的数据推算的载体的位置、速度和姿态。
22.在一些实施方式中，所述初始信息，包括接收机的速度、位置。
23.在一些实施方式中，所述固定滞后平滑算法的固定滞后间隔取1次预测。
24.第二方面，本发明实施例提供一种fls与ukf相结合的组合导航装置，包括：
25.获取模块，用于获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态；
26.无迹卡尔曼滤波模块，用于利用无迹卡尔曼滤波算法对当前k-1时刻的状态量进行前向滤波，得到k时刻的前向滤波结果，包括k时刻的前向状态估计和均方误差；
27.固定滞后平滑模块，用于利用固定滞后平滑算法根据k时刻的前向滤波结果进行反向滤波，得到k-1时刻的反向滤波结果，包括k-1时刻的反向状态估计和均方误差；
28.信息融合处理模块，用于将k-1时刻的反向状态估计、均方误差与k时刻的前向状态估计、均方误差进行信息融合处理，得到k时刻的状态估计和均方误差；
29.修正模块，用于将融合处理后的k时刻的状态估计的位置误差和速度误差反馈给捷联惯性导航系统，修正捷联惯性导航系统推算的载体的位置、速度，实现一次全球导航卫星系统与捷联惯性导航系统的组合导航。
30.第三方面，本发明实施例提供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，所述计算机程序被一个或多个处理器执行时，实现如第一方面所述的fls与ukf相结合的组合导航方法。
31.第四方面，本发明实施例提供一种电子设备，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，所述计算机程序被所述一个或多个处理器执行时实现如第一方面所述的fls与ukf相结合的组合导航方法。
32.与现有技术相比，本发明的fls与ukf相结合的组合导航方法至少能够带来如下有益效果：
33.本发明利用fls对k时刻的ukf前向滤波结果进行递归运算得到k-1时刻的反向状态估计及其均方误差。对于经度和纬度状态量，再将k-1时刻的反向滤波结果与k时刻的前向滤波结果进行信息融合，得到k时刻的经度和纬度状态估计及其均方误差，提高了gps/ins组合导航系统在动态运动条件下的性能，提高水平定位和速度精度，平滑轨迹。本发明所提供的组合导航方法能在动态运动条件下具备良好的水平定位和速度精度，还能增加轨迹平滑度。相比于kf，flsukf在水平定位精度上提升30.6％，在水平和天向速度精度上分别提升38.9％和31.4％，高度上与kf、ukf相差不大，但水平轨迹更加平滑。
附图说明
34.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定。
35.图1是本发明实施例提供的fls与ukf相结合的组合导航方法流程图；
36.图2是本发明实施例提供的fls与ukf相结合的组合导航方法原理示意图；
37.图3是本发明实施例提供的组合导航水平定位结果对比图；
38.图4是本发明实施例提供的组合导航经度、纬度状态变化量对比图；
39.图5是本发明实施例提供的fls与ukf相结合的组合导航装置示意图。
具体实施方式
40.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
41.需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
42.相关技术中，ukf在进行组合导航时，动态运动时刻水平定位精度优于kf，但静止时刻轨迹有一定的波动，而且轨迹不够平滑。而固定滞后平滑(fls)算法可以根据当前时刻的滤波结果进行递归运算，由于系统已经经过一次前向滤波，消除了大部分误差，所以将后向平滑后的状态估计及其均方误差与当前时刻的状态估计及其均方误差进行融合处理，能够平滑轨迹，进一步提高组合导航的精度。对于经度、纬度状态量，将前向滤波结果与反向滤波结果进行信息融合能够消除静止时刻水平轨迹的波动。因此，本发明实施例将fls与ukf相结合形成一种新的组合导航方案。
43.实施例一
44.图1示出了一种fls与ukf相结合的组合导航方法流程图，图2示出了一种fls与ukf相结合的组合导航方法原理示意图，如图1和图2所示，本实施例提供一种fls与ukf相结合
的组合导航方法，包括步骤s101～步骤s105：
45.步骤s101、获取全球导航卫星系统(gnss)估计的接收机的位置、速度和时间，以及捷联惯性导航系统(sins)推算的载体的位置、速度和姿态。
46.在一些实施方式中，获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态之前，还包括：
47.构建组合导航系统模型，包括定义组合导航系统的状态空间模型、状态量及观测量。
48.在一些情况下，构建组合导航系统模型的实现过程如下：
49.定义组合导航系统的状态空间模型为：
50.xk＝f
k/k-1
x
k-1
+qkꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
51.zk＝h
k/k-1
xk+rkꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
52.其中，xk是状态量，zk是观测量，f
k/k-1
是从k-1时刻到k时刻的状态转移矩阵，由sins算法根据imu测量值进行更新，qk是系统噪声矩阵，h
k/k-1
是观测矩阵，rk是观测噪声矩阵。
53.定义15个状态量：
54.xk＝[(δφ)
t
(δv)
t
(δp)
t
(εb)
t
(
▽b)
t
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0055]
其中，δφ、δv、δp分别是姿态(俯仰、横滚、航向)、速度(东、北、天三个方向)、位置(经度、纬度、高度)的误差，εb是陀螺仪xyz轴的测量误差，
▽b是加速度计xyz轴的测量误差。
[0056]
定义观测量为：
[0057]
zk＝[δvδp]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0058]
观测矩阵为：
[0059]hk/k-1
＝[06×
3 i6×
6 06×6]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0060]
观测量取相同时刻下(捷联惯性导航系统推算的)载体的位置、速度与(全球导航卫星系统估计的)相应接收机的位置、速度的差值(误差)。
[0061]
在一些实施方式中，步骤s101中获取全球导航卫星系统估计的接收机的位置、速度和时间，包括：
[0062]
步骤s101a、获取卫星信号的中频信号；
[0063]
步骤s101b、中频信号经标量跟踪算法(ct跟踪算法)得到初始信息和星历数据；其中，初始信息包括接收机的速度、位置；
[0064]
步骤s101c、根据初始信息和星历数据，由标量跟踪算法初始化矢量跟踪算法(vt跟踪算法)，再由矢量跟踪算法连续跟踪卫星信号，对星历数据进行解码；
[0065]
步骤s101d、通过导航处理器估计出接收机的位置、速度和时间。
[0066]
在一些实施方式中，获取捷联惯性导航系统推算的载体的位置、速度和姿态，包括：获取捷联惯性导航系统根据惯性测量单元(inertial measurement unit，imu)的数据推算的载体的位置、速度和姿态。
[0067]
步骤s102、利用无迹卡尔曼滤波算法ukf对当前k-1时刻的状态量进行前向滤波，得到k时刻的前向滤波结果，包括k时刻的前向状态估计和均方误差。
[0068]
在一些实现方式中，步骤s102的具体实现步骤如下：
[0069]
步骤s102a、在k-1时刻，2n+1个sigma采样点(n为状态量个数，本实施例中n＝15)
的计算公式为：
[0070][0071]
其中，为k-1时刻的状态估计，x
i,k-1
为第i个采样点的k-1时刻的状态。λ＝α2(n+k)-n为缩放比例因子，参数α用于控制采样点的分布状况，k为缩放因子，本实施例中，取α＝0.001，k＝0。为cholesky分解，是x
k-1
的均方误差。
[0072]
步骤s102b、计算采样点对应的权值，采样点对应的权值计算公式为：
[0073][0074]
其中，参数β用于合并关于状态分布的先验知识，如果状态量服从高斯分布，则β＝2最优。是第i个采样点均值的权重，是第i采样点方差的权重。应当理解的是，是第0个采样点均值的权重，是第0采样点方差的权重。
[0075]
步骤s102c、ukf使用状态转移矩阵f
k/k-1,f
对状态进行时间更新，过程如下：
[0076]
(1)将第i个采样点的k-1时刻的状态x
i,k-1
作为初值，由状态转移矩阵f
k/k-1,f
对第i个采样点进行一步预测得到第i个采样点的状态一步预测值x
*i,k/k-1
，计算公式为：
[0077]
x
*i,k/k-1
＝f
k/-k 1
,x
f-i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0078]
其中，下标f表示是前向滤波；
[0079]
(2)根据权值求得状态一步预测值的加权均值计算公式为：
[0080][0081]
(3)根据第(1)步、第(2)步计算的x
*i,k/k-1
和求得状态一步预测的均方误差计算公式为：
[0082][0083][0084]
其中，x
i,err
为第i个采样点的状态一步预测值与状态一步预测值的加权均值的差值，qk为系统噪声矩阵。
[0085]
步骤s102d、ukf使用观测矩阵h
k/k-1
对观测进行观测更新，过程如下：
[0086]
(1)将第i个采样点的k-1时刻的状态x
i,k-1
作为初值，由观测矩阵h
k/k-1
对第i个采样点进行一步预测得到第i个采样点的观测量一步预测值z
*i,k/k-1
，计算公式为：
[0087]z*i,k/k-1
＝h
k/k-1
x
*i,k/k-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0088]
(2)根据权值求得第i个采样点的观测量一步预测值的加权均值计算公式为：
[0089][0090]
(3)根据第(1)步、第(2)步计算的第i个采样点的观测量一步预测值z
*i,k/k-1
和第i个采样点的观测量一步预测值的加权均值求得第i个采样点的观测量一步预测值的均方误差计算公式为：
[0091][0092][0093]
其中，z
i,err
为第i个采样点的观测量一步预测值与第i个采样点的观测量一步预测值的加权均值的差值，rk为观测噪声矩阵。
[0094]
步骤s102e、利用步骤s102c、步骤s102d的计算结果对状态进行最优预测，过程如下：
[0095]
(1)状态一步预测与观测一步预测的均方误差计算公式为：
[0096][0097]
(2)滤波增益k
k,f
的计算公式为：
[0098][0099]
(3)状态后验估计的计算公式为：
[0100][0101]
(4)状态后验估计的均方误差计算公式为：
[0102][0103]
至此得到前向滤波结果，包括k时刻的前向状态估计(状态后验估计p
xk,f
)和均方误差(状态后验估计的均方误差)。
[0104]
步骤s103、利用固定滞后平滑算法fls根据k时刻的前向滤波结果进行反向滤波，得到k-1时刻的反向滤波结果，包括k-1时刻的反向状态估计和均方误差。本实施例中，固定滞后平滑算法的固定滞后间隔取1次预测。
[0105]
步骤s103a、计算反向滤波的状态转移矩阵f
*k,b
，计算公式为：
[0106]f*k,b
＝-f
k/k-1,f-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)
[0107]
其中，f
k/k-1,f
是前向滤波的状态转移矩阵。
[0108]
步骤s103b、计算反向最优一步预测值及其均方误差阵计算公式为：
[0109][0110][0111]
步骤s103c、计算反向滤波增益k
k,b
，计算公式为：
[0112][0113]
其中，h
k/k-1
是观测矩阵，rk是观测噪声阵。
[0114]
步骤s103d、计算反向状态估计计算公式为：
[0115][0116]
步骤s103e、计算反向状态估计的均方误差计算公式为：
[0117][0118]
其中，in×n为单位阵，n是状态量个数。
[0119]
步骤s104、将k-1时刻的反向状态估计、均方误差与k时刻的前向状态估计、均方误差进行信息融合处理，得到k时刻的状态估计和均方误差。
[0120]
在实际应用中，步骤s104中将k-1时刻的反向状态估计、均方误差与k时刻的前向状态估计、均方误差进行信息融合处理，得到平滑处理后的k时刻的状态估计和均方误差，包括：
[0121]
对于15个状态量中的经度状态量和纬度状态量，将k-1时刻的反向状态估计均方误差与k时刻的前向状态估计均方误差进行信息融合处理，得到k时刻的状态估计和均方误差
[0122][0123][0124]
其中，j＝7、8，分别对应15个状态量中的经度状态量和纬度状态量，也就是说，15个状态量中，第7、第8个状态量分别是经度状态量和纬度状态量。
[0125]
而对于15个状态量中的其他状态量，则令
[0126][0127][0128]
步骤s105、将融合处理后的k时刻的状态估计的位置误差δp和速度误差δv反馈给捷联惯性导航系统，修正捷联惯性导航系统推算的载体的位置ins.vn、速度ins.pos，实现一次全球导航卫星系统与捷联惯性导航系统的组合导航。计算公式为：
[0129]
ins.vn＝ins.vn-δv
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)
[0130]
ins.pos＝ins.pos-δp
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(29)
[0131]
并返回步骤s101，进行下一次全球导航卫星系统与捷联惯性导航系统的组合导航。
[0132]
本实施例的方法利用fls对k时刻的ukf前向滤波结果进行递归运算得到k-1时刻
的反向状态估计及其均方误差。对于经度和纬度状态量，再将k-1时刻的反向滤波结果与k时刻的前向滤波结果进行信息融合，得到k时刻的经度和纬度状态估计及其均方误差，提高了gps/ins组合导航系统在动态运动条件下的性能，提高水平定位和速度精度，平滑轨迹。
[0133]
以flsukf代表本实施例提供的组合导航方法，图3提供了基于kf、ukf、flsukf的组合导航水平定位结果，以及天宝接收机水平定位结果的对比图，可以看出，在水平定位精度上，本实施例提供的flsukf组合导航结构与天宝接收机定位结果之间的均方根误差(rmse)为1.97m，相比于kf提升了30.6％，且轨迹比ukf更加平滑。
[0134]
图4提供了基于kf、ukf、flsukf的组合导航的经度和纬度状态量变化对比图，本实施例提供的flsukf组合导航结构的状态量变化更加平缓，反馈给sins系统的位置修正量更小，减小了轨迹的波动，所以flsukf组合导航结构的轨迹更加平滑。
[0135]
得益于ukf对非线性系统的良好估计性能，本实施例提供的flsukf组合导航结构与天宝接收机水平速度之间的均方根误差为0.26m/s，在水平速度精度上相比于kf提升了38.9％。在高度和天向速度上，由于图3、图4是在水平地面上进行的实验所得结果，三种组合导航结构的性能相差不大。
[0136]
实施例二
[0137]
图5示出了一种fls与ukf相结合的组合导航装置示意图，如图5所示，本实施例提供的fls与ukf相结合的组合导航装置，包括：
[0138]
获取模块501，用于获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态；
[0139]
无迹卡尔曼滤波模块502，用于利用无迹卡尔曼滤波算法对当前k-1时刻的状态量进行前向滤波，得到k时刻的前向滤波结果，包括k时刻的前向状态估计和均方误差；
[0140]
固定滞后平滑模块503，用于利用固定滞后平滑算法根据k时刻的前向滤波结果进行反向滤波，得到k-1时刻的反向滤波结果，包括k-1时刻的反向状态估计和均方误差；
[0141]
信息融合处理模块504，用于将k-1时刻的反向状态估计、均方误差与k时刻的前向状态估计、均方误差进行信息融合处理，得到k时刻的状态估计和均方误差；
[0142]
修正模块505，用于将融合处理后的k时刻的状态估计的位置误差和速度误差反馈给捷联惯性导航系统，修正捷联惯性导航系统推算的载体的位置、速度，实现一次全球导航卫星系统与捷联惯性导航系统的组合导航。
[0143]
本实施例中的装置的各模块功能的实现内容可参照实施例一的具体内容，且具有实施例一的全部有益效果，此处不再赘述。
[0144]
实施例三
[0145]
本实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被一个或多个处理器执行时，实现实施例一的fls与ukf相结合的组合导航方法。
[0146]
本实施例中，计算机可读存储介质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，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只
读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。方法的内容详见实施例一，此次不再赘述。
[0147]
实施例四
[0148]
本实施例提供一种电子设备，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，计算机程序被一个或多个处理器执行时实现实施例一的fls与ukf相结合的组合导航方法。
[0149]
本实施例中，处理器可以是专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例中的方法。在处理器上运行的计算机程序被执行时所实现的方法可参照本发明前述实施例提供的方法的具体实施例，此处不再赘述。
[0150]
在本发明实施例所提供的实施例中，应该理解到，所揭露的装置、方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的。
[0151]
需要说明的是，在本文中，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。
[0152]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。