一种高分辨率宽带空域非平稳信道参数估计方法

1.本发明属于大规模mimo无线信道测量与参数估计领域，涉及一种高分辨率宽带空域非平稳信道参数估计方法。


背景技术：

2.应用驱动技术创新，随着移动通信技术的发展，出现了很多新型应用场景，例如毫米波、超大规模mimo以及通信感知一体化等应用场景。新型应用场景带来了新的信道特性，毫米波频段信道带宽一般比较大，带来了宽带特性；超大规模mimo由于其阵列尺寸较大，带来了球面波特性；通感一体化应用场景为了获得高分辨率的时延和角度信息，需要采用宽带超大规模mimo阵列，因此同时具有宽带和球面波特性。为了建立一个能够准确地描述这些新的应用场景的信道模型，首先需要开展对应场景的信道测量，然后通过信道参数估计算法提取信道模型参数。
3.然而，新的信道特性为传统信道参数估计算法带来了挑战。传统信道参数估计算法中常用的远场假设和窄带假设在宽带超大规模mimo测量中将不再适用。具体原因为：1)远场平面波假设表示多径离开或到达天线阵列的电磁波可以看成平面波波前。该假设在收发端距离大于瑞利距离时成立，然而随着天线数目的增加，天线阵列的孔径增大，收发端之间的距离可能小于阵列的瑞利距离，此时平面波假设将不再适用，需要采用球面波波前。在球面波假设中，散射体被抽象成一个点，多径离开或到达阵列的时延、角度需要根据散射体和阵列的几何关系计算；2)窄带假设在g/λ＜＜fc/b时成立，其中g表示天线孔径，λ表示传播信号的波长，fc表示中心频率，b表示信号带宽。当信号带宽增大时到窄带假设不满足时，多径的时延和角度不再是独立参数，无法在参数估计中分开估计；3)此外，大量信道测量结果表明，超大规模mimo阵列在空域存在多径的生灭现象，也称为空域非平稳特性。
4.现有的参数估计算法可以分为三种：谱估计算法、参数子空间估计算法以及极大似然估计算法。基于谱估计的参数估计算法一般复杂度比较低，但是谱估计算法的分辨率也比较低。基于旋转不变性技术的信号参数估计(estimation of signal parameter via rotational invariance techniques,esprit)和多重信号分类算法(multiple signal classification,music)是两种经典的基于参数子空间的参数估计算算法。但是这两种算法都是基于平面波假设，无法适用于超大规模mimo场景。期望最大化(expectation maximization,em)算法是一种经典的极大似然估计算法，该算法具有高分辨率和高复杂度的特点。为了降低em算法的复杂度，空间交替广义期望最大化(space-alternating generalized expectation-maximization,sage)算法被提出，该算法通过将参数分为多个子集分开估计从而降低了搜索复杂度。sage算法由于其高分辨率和可接受的复杂度，被广泛应用于测量数据处理中。然而，尽管大量的测量发现宽带超大规模mimo中存在空域多径生灭现象，但是目前的sage算法仍然没有考虑这种信道特性。这种模型与测量结果的不匹配会带来估计误差，导致算法估计出很多伪径，甚至可能导致算法无法收敛。为了弥补现有信道参数估计算法的不足，本发明提出了一种基于极大似然的高分辨率信道参数估计算
法，该算法考虑了球面波前以及宽带效应。此外，本发明在传统球面波信道模型中引入了空域非平稳因子，通过估计每条多径的空域非平稳因子，可以识别出多径在空域的生灭。


技术实现要素：

5.本发明提出了一种高分辨率宽带空域非平稳信道参数估计方法，该算法考虑了多径在空域的生灭、球面波前、大带宽以及天线极化。
6.本发明的具体技术方案如下：
7.步骤s1、介绍宽带空域非平稳信道模型。
8.步骤s2、介绍连续干扰消除法。
9.步骤s3、给出信道参数估计算法参数初始化具体流程。
10.步骤s4、给出信道参数估计算法参数精细化具体流程。
11.步骤s5、给出信道参数估计算法空域多径生灭识别的具体流程。
12.步骤s6、给出信道参数估计算法多径筛选的具体流程。
13.具体地，步骤s1具体包括以下几个步骤：
14.步骤s101、假设一个天线阵列接收端有mr根天线，发送端有m
t
根天线，则在窄带平面波假设下第l条多径在接收端第m根天线和发送端第n根天线的传输函数为：
[0015][0016]
其中表示mf个传输频点，[
·
]
t
表示转置运算，《
·
》表示内积运算，p
rx
和p
tx
分别表示接收端和发送端天线的极化，表示第l条多径在接收端p
rx
极化和发送端p
tx
极化的复增益，ω
rx,l
和ω
tx,l
分别表示第l条多径的到达角和离开角，和分别表示接收端第m根天线在pr×
极化的复增益和发送端第n根天线在p
tx
极化的复增益。在窄带假设下，忽略频点对天线增益的影响，仅考虑中心频点处的天线增益。r
rx,m
和r
tx,n
分别表示接收端第m根天线和发送端第n根天线的位置矢量，τ
l
表示第l条多径的时延。
[0017]
步骤s102、在宽带超大规模mimo阵列下，窄带平面波假设不再适用，此时需要采用球面波假设，并且天线增益与频点的关系也需要考虑，此时第l条多径在第fk个频点的传输函数为：
[0018][0019]
其中，ω
rx,m,l
表示第l条多径在接收端第m根天线的到达角，ω
tx,n,l
表示第l条多径在发送端第n根天线的离开角，表示接收端第m根天线在第k个频点和ω
rx,m,l
方向的复增益，表示发送端第n根天线在第k个频点和ω
tx,n,l
方向的复增益,τ
m,n,l
表示第l条多径从接收端第m根天线到发送端第n根天线的时延。
[0020]
步骤s103、步骤s102中的宽带球面波模型可以改写成矩阵形式，具体如下：
[0021]
[0022]
其中，表示构成第l条多径的参数集，d
t
×
,l
表示第l个首跳簇到发送端参考天线的距离，d
rx,l
表示第l个末跳簇到接收端参考天线的距离，θ
tx,l
和θ
rx,l
分别表示第l条多径的俯仰离开角和俯仰到达角，φ
tx,l
和φ
rx,l
分别表示第l条多径的方位离开角和方位到达角，
⊙
表示矩阵对应元素相乘，ψ
l
表示第l条多径的时延矩阵，a
l
表示第l条多径的复幅度矩阵。
[0023]
步骤s104、宽带球面波模型没有考虑多径在阵列域的生灭，通过引入阵列生灭系数ζ
rx
和ζ
tx
，可以得到宽带空域非平稳信道传输函数：
[0024][0025]
其中，ζ
rx,l
和ζ
tx,l
分别表示第l条多径在接收端和发送端的生灭系数。ζ
rx,l
中第m个元素记为ζ
rx,m,l
，表示第l条多径在接收端第m根天线的生灭系数，取值范围是0和1，ζ
rx,m,l
＝0表示第l条多径在接收端第m根天线消失，ζ
rx,m,l
＝1表示第l条多径在接收端第m根天线存活。ζ
tx,n,l
表示第l条多径在发送端第n根天线的生灭系数，取值范围是{0,1}，具体含义与ζ
rx,m,l
相同，这里不再重复解释。
[0026]
步骤s105、实际测量得到的信道传输函数y(f)为：
[0027][0028]
其中，θ
l
＝{γ
l
,ζ
rx,l
,ζ
tx,l
}表示在宽带空域非平稳信道模型中构成第l条多径的参数集，l表示多径的数目，n(f)表示噪声矢量，表示噪声的功率。
[0029]
连续干扰消除法可以有效降低高功率多径对低功率多径的干扰，本发明中采用该干扰消除法，步骤s2将详细阐述该方法的流程：
[0030]
步骤s201：基于空域非平稳信道模型和估计出的第l条多径参数集重构第l条多径的信道传输函数h(f；θ
l
)。
[0031]
步骤s202：基于连续干扰消除法估计第l条多径的传输函数y
l
(f)：
[0032][0033]
步骤s3-s6主要阐述算法的详细流程，该算法分为参数初始化、参数精细化、多径生灭识别和多径筛选四个步骤，步骤s3将详细阐述参数初始化步骤。
[0034]
步骤s301：在参数初始化步骤中，参数估计基于窄带平面波信道模型，因此需要先从宽带测量数据中选出中心频率附近的一些频点，以保证提取出来的信道测量数据满足窄带假设。设提取出来的频点为f
narr
，则第l条多径时延初始化的结果为：
[0035][0036]
步骤s302：第l条多径到达角的初始化结果为：
[0037][0038]
其中，‖
·
‖表示frobenius范数，c
rx,l,init
表示参数初始化过程中接收端导向矢量，这里的导向矢量基于窄带平面波假设计算得到，具体计算方法为：
[0039][0040]
此外，表示三维矩阵对于第1个维度的矩阵切片，其中矩阵x中第(m,n)个元素为：
[0041][0042]
步骤s303：第l条多径离开角的初始化结果为：
[0043][0044]
其中，g在fk频点的计算方法为：
[0045][0046]
其中，[
·
]
*
表示共轭运算。和表示接收端p
rx
极化在fk频点对应的导向矢量和发送端p
tx
极化在fk频点对应的导向矢量。在参数初始化过程中，和分别用和代替，并且计算导向矢量时采用中心频率处的天线增益。矩阵d在fk频点的计算方法为：
[0047][0048]
其中，表示克罗内克积。c
rx/tx,k,l
表示第l条多径在fk频点处接收端/发送端天线阵列的导向矢量，在参数初始化过程中c
rx,k,l
和c
tx,k,l
分别用c
rx,l,init
和c
tx,l,init
代替，并且计算导向矢量时采用中心频率处的天线增益。
[0049]
步骤s4用来参数精细化，参数精细化步骤中参数估计基于球面波假设，详细的步骤如下：
[0050]
步骤s401：第l条多径到达角精细化方法为：
[0051][0052]
这里导向矢量c
rx,l
基于球面波模型计算，并且计算导向矢量时采用中心频率处的天线增益。
[0053]
步骤s402：第l条多径离开角精细化方法为：
[0054][0055]
其中，其中，是基于估计出的采用球面波模型计算得到，导向矢量c
tx,l
同样基于球面波模型计算，并且计算导向矢量时采用中心频率处的天线增益。
[0056]
步骤s403：时延精细化方法：
[0057][0058]
其中，其中，是基于估计出的采用球面波模型计算得到，是基于估计出的采用球面波模型计算得到。此外，为了提高时延分辨率，在时延精细化过程中需要考虑宽带信号所有频点，因此每个频点的导向矢量需要单独计算。由于参数初始化过程中对到达角、离开角、时延做了初步的估计，因此可以大大减小参数精细化步骤中的参数搜索范围，从而降低算法的复杂度。
[0059]
步骤s404：第l条多径幅度α
l
的估计方法：
[0060][0061]
步骤s5用来估计多径在阵列域的生灭系数，并且对之前参数估计的结果进行迭代估计，直到第l条多径的估计结果收敛，具体的步骤如下：
[0062]
步骤s501：估计第l条多径在接收端第m根天线的生灭系数ζ
rx,m,l
[0063][0064]
其中，y
m,:,l
(f)表示三维矩阵y(f)对于第1个维度的矩阵切片。
[0065]
步骤s502：估计第l条多径在发送端第n根天线的生灭系数ζ
tx,n,l
[0066][0067]
其中，y
:,n,l
(f)表示三维矩阵y(f)对于第2个维度的矩阵切片
[0068]
步骤s503：第l条多径参数迭代估计，将第一次估计出的第l条多径参数集合记为第i次迭代估计出的参数集记为本步骤参数迭代按照到达角、离开角、时延、复幅度、接收端阵列生灭系数、发送端阵列生灭系数依次更新，直到最终参数收敛。具体的步骤如下：
[0069][0070][0071][0072][0073][0074][0075]
其中，表示基于宽带空域非平稳球面波模型计算得到的代价函数，计算方
法为：
[0076][0077]
由于实际信道测量得到的多径数目是一个未知的参数，一般在信道参数估计算法中会设置一个较大的多径数，以保证能够提取出所有的多径信息。但是在估计出的多径中，有一些多径估计结果是算法误差产生的伪谱。因此需要将这些不可靠的多径估计结果删除，以保证信道参数估计结果的可靠性。步骤s6为多径筛选，在本步骤中会删除不可靠的多径估计结果，具体步骤如下：
[0078]
步骤s601：在本算法中每次估计出一条多径参数需要计算其似然函数，然后计算该多径似然函数与前一条多径似然函数的差值，并且在计算得到的差值基础上加上γ作为过度拟合的惩罚项，如果算出来的总体似然函数差值大于0，则将该多径视为过度拟合的结果，将该多径估计结果删除，并且在下次搜索中跳过该时延点。这里γ的取值为2，相当于信噪比低于0db的多径估计结果将被删除。这里两条多径似然值差值的计算方法为：
[0079][0080]
步骤s602：删除收发端可见天线数小于阵列总数一半的多径估计结果。
[0081]
有益效果
[0082]
本发明提出了一种高分辨率宽带空域非平稳信道参数估计算法，该算法可以同时考虑宽带特性、球面波特性、多径在空域的生灭以及天线极化，并且可以通过灵活配置简化到不同的应用场景。此外，本算法还通过参数初始化和精细化估计步骤有效降低了算法的复杂；通过多径筛选步骤删除不可靠的多径估计结果，保证算法多径估计结果的可靠性。
[0083]
为了验证算法的准确性，基于本发明提出的算法对室内办公室场景信道测量结果进行参数提取。该信道测量包括一个视距(line-of-sight,los)位置点和一个非视距(non-los,nlos)位置点。用传统球面波sage算法和本发明提出的宽带空域非平稳参数估计算法来处理测量数据，发现本发明提出的算法可以估计出更多有效的多径信息。
附图说明
[0084]
图1为本发明提出的高分辨率宽带空域非平稳信道参数估计算法的流程图；
[0085]
图2-1为本发明中los位置点测量得到的时延-方位到达角功率谱；
[0086]
图2-2为本发明中los位置点基于球面波sage算法估计得到的时延-方位到达角功率谱；
[0087]
图2-3为本发明中los位置点基于本发明算法估计得到的时延-方位到达角功率谱；
[0088]
图3-1为本发明中nlos位置点测量得到的时延-方位到达角功率谱；
[0089]
图3-2为本发明中nlos位置点基于球面波sage算法估计得到的时延-方位到达角功率谱；
[0090]
图3-3为本发明中nlos位置点基于本发明算法估计得到的时延-方位到达角功率谱。
具体实施方式
[0091]
为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种高分辨率宽带空域非平稳信道参数估计算法做进一步详细的描述。
[0092]
本发明的具体技术方案如下：
[0093]
步骤s1、介绍宽带空域非平稳信道模型。
[0094]
步骤s2、介绍连续干扰消除法。
[0095]
步骤s3、给出信道参数估计算法参数初始化具体流程。
[0096]
步骤s4、给出信道参数估计算法参数精细化具体流程。
[0097]
步骤s5、给出信道参数估计算法空域多径生灭识别的具体流程。
[0098]
步骤s6、给出信道参数估计算法多径筛选的具体流程。
[0099]
具体地，步骤s1具体包括以下几个步骤：
[0100]
步骤s101、假设一个天线阵列接收端有mr根天线，发送端有m
t
根天线，则在窄带平面波假设下第l条多径在接收端第m根天线和发送端第n根天线的传输函数为：
[0101][0102]
其中表示mf个传输频点，[
·
]
t
表示转置运算，《
·
》表示内积运算，p
rx
和p
tx
分别表示接收端和发送端天线的极化，表示第l条多径在接收端p
rx
极化和发送端p
tx
极化的复增益，ω
rx,l
和ω
tx,l
分别表示第l条多径的到达角和离开角，和分别表示接收端第m根天线在p
rx
极化的复增益和发送端第n根天线在p
tx
极化的复增益。在窄带假设下，忽略频点对天线增益的影响，仅考虑中心频点处的天线增益。r
rx,m
和r
tx,n
分别表示接收端第m根天线和发送端第n根天线的位置矢量，τ
l
表示第l条多径的时延。
[0103]
步骤s102、在宽带超大规模mimo阵列下，窄带平面波假设不再适用，此时需要采用球面波假设，并且天线增益与频点的关系也需要考虑，此时第l条多径在第fk个频点的传输函数为：
[0104][0105]
其中，ω
rx,m,l
表示第l条多径在接收端第m根天线的到达角，ω
tx,n,l
表示第l条多径在发送端第n根天线的离开角，表示接收端第m根天线在第k个频点和ω
rx,m,l
方向的复增益，表示发送端第n根天线在第k个频点和ω
tx,n,l
方向的复增益,τ
m,n,l
表示第l条多径从接收端第m根天线到发送端第n根天线的时延。
[0106]
步骤s103、步骤s102中的宽带球面波模型可以改写成矩阵形式，具体如下：
[0107][0108]
其中，表示构成第l条多径的参数集，d
tx,l
表示第l个首跳簇到发送端参考天线的距离，d
rx,l
表示第l个末跳簇到接收端参考天线的距离，θ
tx,l
和θ
rx,l
分别表示第l条多径的俯仰离开角和俯仰到达角，φ
tx,l
和φ
rx,l
分别表示第l条多径的方位离开角和方位到达角，
⊙
表示矩阵对应元
素相乘，ψ
l
表示第l条多径的时延矩阵，a
l
表示第l条多径的复幅度矩阵。
[0109]
步骤s104、宽带球面波模型没有考虑多径在阵列域的生灭，通过引入阵列生灭系数ζ
rx
和ζ
tx
，可以得到宽带空域非平稳信道传输函数：
[0110][0111]
其中，ζ
rx,l
和ζ
tx,l
分别表示第l条多径在接收端和发送端的生灭系数。ζ
rx,l
中第m个元素记为ζ
rx,m,l
，表示第l条多径在接收端第m根天线的生灭系数，取值范围是0和1，ζ
rx,m,l
＝0表示第l条多径在接收端第m根天线消失，ζ
rx,m,l
＝1表示第l条多径在接收端第m根天线存活。ζ
tx,n,l
表示第l条多径在发送端第n根天线的生灭系数，取值范围是{0,1}，具体含义与ζ
rx,m,l
相同，这里不再重复解释。
[0112]
步骤s105、实际测量得到的信道传输函数y(f)为：
[0113][0114]
其中，θ
l
＝{γ
l
,ζ
rx,l
,ζ
tx,l
}表示在宽带空域非平稳信道模型中构成第l条多径的参数集，l表示多径的数目，n(f)表示噪声矢量，表示噪声的功率。
[0115]
连续干扰消除法可以有效降低高功率多径对低功率多径的干扰，本发明中采用该干扰消除法，步骤s2将详细阐述该方法的流程：
[0116]
步骤s201：基于空域非平稳信道模型和估计出的第l条多径参数集重构第l条多径的信道传输函数h(f；θ
l
)。
[0117]
步骤s202：基于连续干扰消除法估计第l条多径的传输函数y
l
(f)：
[0118][0119]
步骤s3-s6主要阐述算法的详细流程，该算法分为参数初始化、参数精细化、多径生灭识别和多径筛选四个步骤，步骤s3将详细阐述参数初始化步骤。
[0120]
步骤s301：在参数初始化步骤中，参数估计基于窄带平面波信道模型，因此需要先从宽带测量数据中选出中心频率附近的一些频点，以保证提取出来的信道测量数据满足窄带假设。设提取出来的频点为f
narr
，则第l条多径时延初始化的结果为：
[0121][0122]
步骤s302：第l条多径到达角的初始化结果为：
[0123][0124]
其中，‖
·
‖表示frobenius范数，c
rx,l,init
表示参数初始化过程中接收端导向矢量，这里的导向矢量基于窄带平面波假设计算得到，具体计算方法为：
[0125][0126]
此外，表示三维矩阵对于第1个维度的矩阵切片，其中矩阵x中第(m,n)个元素为：
[0127][0128]
步骤s303：第l条多径离开角的初始化结果为：
[0129][0130]
其中，g在fk频点的计算方法为：
[0131][0132]
其中，[
·
]
*
表示共轭运算。和表示接收端p
rx
极化在fk频点对应的导向矢量和发送端p
tx
极化在fk频点对应的导向矢量。在参数初始化过程中，和分别用和代替，并且计算导向矢量时采用中心频率处的天线增益。矩阵d在fk频点的计算方法为：
[0133][0134]
其中，表示克罗内克积。c
rx/tx,k,l
表示第l条多径在fk频点处接收端/发送端天线阵列的导向矢量，在参数初始化过程中c
rx,k,l
和c
tx,k,l
分别用c
rx,l,init
和c
tx,l,init
代替，并且计算导向矢量时采用中心频率处的天线增益。
[0135]
步骤s4用来参数精细化，参数精细化步骤中参数估计基于球面波假设，详细的步骤如下：
[0136]
步骤s401：第l条多径到达角精细化方法为：
[0137][0138]
这里导向矢量c
rx,l
基于球面波模型计算，并且计算导向矢量时采用中心频率处的天线增益。
[0139]
步骤s402：第l条多径离开角精细化方法为：
[0140][0141]
其中，其中，是基于估计出的采用球面波模型计算得到，导向矢量c
tx,l
同样基于球面波模型计算，并且计算导向矢量时采用中心频率处的天线增益。
[0142]
步骤s403：时延精细化方法：
[0143][0144]
其中，其中，是基于估计出的采用球面波模型计算得到，是基于估计出的采用球面波模型计算得到。此外，为了提高时延分辨率，在时延精细化过程中需要考虑宽带信号所有频点，因此每个频点的导向
矢量需要单独计算。由于参数初始化过程中对到达角、离开角、时延做了初步的估计，因此可以大大减小参数精细化步骤中的参数搜索范围，从而降低算法的复杂度。
[0145]
步骤s404：第l条多径幅度α
l
的估计方法：
[0146][0147]
步骤s5用来估计多径在阵列域的生灭系数，并且对之前参数估计的结果进行迭代估计，直到第l条多径的估计结果收敛，具体的步骤如下：
[0148]
步骤s501：估计第l条多径在接收端第m根天线的生灭系数ζ
rx,m,l
[0149][0150]
其中，y
m,:,l
(f)表示三维矩阵y(f)对于第1个维度的矩阵切片。
[0151]
步骤s502：估计第l条多径在发送端第n根天线的生灭系数ζ
tx,n,l
[0152][0153]
其中，y
:,n,l
(f)表示三维矩阵y(f)对于第2个维度的矩阵切片
[0154]
步骤s503：第l条多径参数迭代估计，将第一次估计出的第l条多径参数集合记为第i次迭代估计出的参数集记为本步骤参数迭代按照到达角、离开角、时延、复幅度、接收端阵列生灭系数、发送端阵列生灭系数依次更新，直到最终参数收敛。具体的步骤如下：
[0155][0156][0157][0158][0159][0160][0161]
其中，表示基于宽带空域非平稳球面波模型计算得到的代价函数，计算方法为：
[0162][0163]
由于实际信道测量得到的多径数目是一个未知的参数，一般在信道参数估计算法中会设置一个较大的多径数，以保证能够提取出所有的多径信息。但是在估计出的多径中，有一些多径估计结果是算法误差产生的伪谱。因此需要将这些不可靠的多径估计结果删
除，以保证信道参数估计结果的可靠性。步骤s6为多径筛选，在本步骤中会删除不可靠的多径估计结果，具体步骤如下：
[0164]
步骤s601：在本算法中每次估计出一条多径参数需要计算其似然函数，然后计算该多径似然函数与前一条多径似然函数的差值，并且在计算得到的差值基础上加上γ作为过度拟合的惩罚项，如果算出来的总体似然函数差值大于0，则将该多径视为过度拟合的结果，将该多径估计结果删除，并且在下次搜索中跳过该时延点。这里γ的取值为2，相当于信噪比低于0db的多径估计结果将被删除。这里两条多径似然值差值的计算方法为：
[0165][0166]
步骤s602：删除收发端可见天线数小于阵列总数一半的多径估计结果。
[0167]
比较两种算法估计出的时延-方位到达角联合功率谱与测量结果的差异，图2表示los位置点测量得到的时延-方位到达角联合功率谱与两种算法估计结果的比较。图3表示nlos位置点测量得到的时延-方位到达角联合功率谱与两种算法估计结果的比较。比较两种算法的估计结果可以发现本发明提出的算法参数估计结果与测量结果更加接近，表明本发明提出算法性能更好。
[0168]
综上所述，本发明提出的高分辨率宽带空域非平稳信道参数估计算法可以从信道测量结果中提出多径信息，并且性能比传统球面波sage算法性能更优。算法提取得到的多径参数可以用于信道建模或信道特性分析，对于建立准确信道模型具有重要意义。
[0169]
可以理解，本发明是通过真实的信道测量数据进行描述，本领域技术人员知悉的，在不脱离本发明的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的指导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本技术的权利要求范围内的实施例都属于本发明所保护的范围内。