应用于超声显微镜的图像生成方法及装置

1.本公开涉及声学及无损检测技术领域，具体而言，涉及一种应用于超声显微镜的图像生成方法及装置。


背景技术：

2.超声显微镜是一种在半导体、材料等领域广泛使用的高分辨无损检测设备，可以实现在不破坏元器件电气性能和保持结构完整性的前提下对电子元器件等进行内部缺陷检测，较大程度的降低了电子元器件的检测成本。同时，由于高频超声检查可以比其他任何方法都更有效地检测出分层、裂缝和空洞等内部缺陷，因此，超声扫描技术被广泛地运用在印制电路板(printed circuit board，pcb)制造、倒装芯片(flip chip，fc)底部填充以及模封(molding)等多种封装技术领域的无损检测中。
3.其中，超声显微镜所用的高频聚焦超声换能器是整个超声成像系统的核心部件，其性能直接影响超声成像系统生成图像的质量。具体地，超声换能器的中心频率越高，焦区声束宽度越窄，横向成像精度越高，因此在超声显微镜检测时，所用超声换能器的频率越高越好。但是，当超声换能器的频率提高时，声强的衰减会迅速增大，其穿透能力会急剧下降，例如，使用5mhz的超声换能器能穿透的被测物体深度约为15毫米(与被测物体材质有关)，而230mhz的超声换能器能穿透的被测物体深度约为1.6毫米(与被测物体材质有关)，因此，高频率的超声换能器无法用于测量太厚的物体。
4.因此，亟需一种图像生成方法能够使用相对较低频率的超声换能器获得较好的成像效果。


技术实现要素：

5.有鉴于此，本公开实施例提出了一种应用于超声显微镜的图像生成方法及装置，能够使用相对较低频率的超声换能器获得较好的成像效果。
6.第一方面，本公开提供了一种应用于超声显微镜的图像生成方法，其中，包括：
7.确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
8.利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
9.其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
10.在一种可能的实施方式中，基于所述第一超声显微镜以及第二超声显微镜得到所述图像生成模型的步骤包括：
11.获取训练样本集；其中，所述训练样本集包括多个对象样本；
12.针对每个对象样本，利用所述第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用所述第二超声显微镜对该对象样本进行扫描，得到
该对象样本对应的第二扫描参数；
13.利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型。
14.在一种可能的实施方式中，所述利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型，包括：
15.针对每个所述对象样本，将该对象样本的第一扫描参数转换为特征向量；
16.将所述特征向量输入至所述待训练的图像生成模型，得到第一实际结果；
17.计算所述第一实际结果与第二扫描参数之间的差值，若所述差值大于允许的误差值，则调整所述待训练的对比模型的参数，直至所述差值小于所述误差值。
18.在一种可能的实施方式中，所述第一扫描参数和所述第二扫描参数均为三维数组。
19.在一种可能的实施方式中，所述确定第一超声显微镜的目标扫描参数，包括：
20.获取所述第一超声显微镜的完整扫描参数；
21.从所述完整扫描参数中筛选出满足预设条件的扫描数据作为所述目标扫描数据；其中，每个所述目标对象对应有至少一个所述预设条件。
22.第二方面，本公开实施例还提供了一种应用于超声显微镜的图像生成装置，其中，包括：
23.确定模块，其配置地确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
24.处理模块，其配置地利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
25.其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
26.在一种可能的实施方式中，图像生成装置还包括训练模块，其配置地：
27.获取训练样本集；其中，所述训练样本集包括多个对象样本；
28.针对每个对象样本，利用所述第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用所述第二超声显微镜对该对象样本进行扫描，得到该对象样本对应的第二扫描参数；
29.利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型。
30.在一种可能的实施方式中，所述训练模块具体配置为：
31.针对每个所述对象样本，将该对象样本的第一扫描参数转换为特征向量；
32.将所述特征向量输入至所述待训练的图像生成模型，得到第一实际结果；
33.计算所述第一实际结果与第二扫描参数之间的差值，若所述差值大于允许的误差值，则调整所述待训练的对比模型的参数，直至所述差值小于所述误差值。
34.第三方面，本公开实施例还提供了一种存储介质，其中，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如下步骤：
35.确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
36.利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
37.其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
38.第四方面，本公开实施例还提供了一种电子设备，其中，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如下步骤：
39.确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
40.利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
41.其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
42.本公开通过预先训练好的图像生成模型对目标扫描参数进行处理，以得到目标对象的目标图像，并且，该图像生成模型为基于第一超声显微镜以及第二超声显微镜得到的，第一超声显微镜的第一频率小于第二超声显微镜的第二频率，进而能够达到在不影响检测深度的同时确保较好的成像效果，也即能够使用相对较低频率的超声换能器获得较好的成像效果。
43.为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
44.为了更清楚地说明本公开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，下面描述中的附图仅仅是本公开中记载的一些实施例，对于本领域普通技术人员来讲，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。
45.图1示出了本公开所提供的一种用于超声显微镜的图像生成方法的流程图；
46.图2示出了本公开所提供的基于第一超声显微镜以及第二超声显微镜得到图像生成模型的方法的流程图；
47.图3示出了本公开所提供的用于表示第一扫描参数和第二扫描参数的示意图；
48.图4示出了本公开所提供的图像生成模型中u型编码解码网络结构的示意图；
49.图5示出了本公开所提供的一种电子设备的结构示意图；
50.图6示出了本公开所提供的另一种电子设备的结构示意图。
具体实施方式
51.为了使得本公开的目的、技术方案和优点更加清楚，下面将结合本公开的附图，对本公开的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
52.除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
53.为了保持本公开的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明。
54.如图1所示，为本公开第一方面提供的用于超声显微镜的图像生成方法的流程图，其中，具体步骤包括s101和s102。
55.s101，确定第一超声显微镜的目标扫描参数；其中，目标扫描参数为第一超声显微镜对目标对象进行扫描得到的。
56.在具体实施中，利用第一超声显微镜对目标对象进行扫描以确定目标扫描参数，通常采用c扫描方式进行扫描。其中，在进行扫描之前，针对目标对象预先设置第一超声显微镜的扫描区域、扫描速度以及扫描分辨率等参数，以确保第一超声显微镜能够扫描到完整的目标对象。进一步地，还可以预先设置第一超声显微镜扫描过程中的扫描路径，如s型、一字型等。在利用第一超声显微镜对目标对象进行扫描的过程中，便按照预先设置的扫描路径对目标对象进行扫描。
57.其中，目标扫描数据包括目标对象每个区域接收的探测信号、基于探测信号产生的回波信号、每个回波信号对应的接收时间等。
58.作为其中一个示例地，考虑到第一超声显微镜在对目标对象进行扫描的过程，会扫描得到噪声信号，也即第一超声显微镜扫描得到的扫描参数中存在与目标对象无关的参数，进而造成针对目标对象的成像效果较差。因此，本公开实施例中在确定第一超声显微镜的目标扫描参数时，先获取第一超声显微镜的完整扫描参数，之后，从完整扫描参数中筛选出满足预设条件的扫描数据作为目标扫描数据；其中，每个目标对象对应有至少一个预设条件。其中，预设条件包括回波信号的振幅小于第一预设阈值，当然，还可以设置预设条件包括回波信号的振幅大于第二预设阈值等，本公开实施例对此不做具体限定。值得说明的是，第一预设阈值和第二预设阈值均可以根据实际需求如目标对象的属性信息、第一超声显微镜的频率等确定。
59.s102，利用预先训练好的图像生成模型对目标扫描参数进行处理，得到目标对象的目标图像；其中，图像生成模型为基于第一超声显微镜以及第二超声显微镜得到的，第一超声显微镜的第一频率小于第二超声显微镜的第二频率。
60.在确定第一超声显微镜的目标扫描参数之后，利用预先训练好的图像生成模型对目标扫描参数进行处理，以得到目标对象的目标图像。作为其中一个示例地，将目标扫描参数转换为目标特征向量，将该目标特征向量输入至图像生成模型中，图像生成模型对目标特征向量进行计算，以得到目标图像并将该目标图像作为输出。
61.其中，图像生成模型为基于第一超声显微镜以及第二超声显微镜得到的，第一超
声显微镜的第一频率小于第二超声显微镜的第二频率，例如，第一超声显微镜的第一频率为50mhz，第二超声显微镜的第二频率为180mhz等。值得说明的是，本公开实施例中的第一超声显微镜的频率小于100mhz，第二超声显微镜的频率大于或等于100mhz，进而达到对低频率(频率小于100mhz)的超声显微镜生成的图像进行增强，并使其接近高频率(频率大于或等于100mhz)的超声显微镜生成的图像的清晰度的目的，在能够使用相对较低频率的超声换能器获得较好的成像效果。
62.作为其中一个示例地，图2示出了基于第一超声显微镜以及第二超声显微镜得到图像生成模型的方法流程图，其中，具体步骤包括s201-s203。
63.s201，获取训练样本集；其中，训练样本集包括多个对象样本。
64.s202，针对每个对象样本，利用第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用第二超声显微镜对该对象样本进行扫描，得到该对象样本对应的第二扫描参数。
65.s203，利用每个对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到图像生成模型。
66.这里，针对不同的应该场景选择多个对象样本，并将该多个对象样本作为训练样本集，以利用该训练样本集对待训练的图像生成模型进行训练。
67.针对每个对象样本，利用第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用第二超声显微镜对该对象样本进行扫描，得到该对象样本对应的第二扫描参数，可选地，第一超声显微镜的第一频率为50mhz，第二超声显微镜的第二频率为180mhz。
68.其中，第一扫描参数和第二扫描参数均为三维数组，作为其中一个示例地，第一扫描参数和第二扫描参数均可以用图3的示意图来表示，也即第一扫描参数和第二扫描参数均为超声信号体数据，v1(x，y，z)和v2(x，y，z)沿y轴进行分割，分别得到y个xz平面上的二维图像p1(x，z)和p2(x，z)，y是获得的超声体数据y方向的数据数量。也就是说，第一扫描参数包括y个xz平面上的二维图像p1(x，z)，第二扫描参数包括y个xz平面上的二维图像p2(x，z)。由此，相较于仅利用c扫描方式生成图像，本公开实施例利用c扫描方式以及超声信号体数据，使得回波信息得到了较好地利用，大大提高了图像精度。
69.在得到每个对象样本的第一扫描参数和第二扫描参数之后，利用每个对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，以得到图像生成模型。具体地，针对每个对象样本，将该对象样本的第一扫描参数转换为特征向量，将特征向量输入至待训练的图像生成模型，得到第一实际结果，并计算第一实际结果与第二扫描参数之间的差值，若差值大于允许的误差值，则调整待训练的对比模型的参数，直至差值小于误差值，完成图像生成模型的训练。
70.其中，图像生成模型中包括u型编码解码网络结构的卷积神经网络(u-net)，作为其中一个示例地，图4示出了图像生成模型中u型编码解码网络结构的示意图，编码部分由四个连续卷积组成，解码部分和编码部分对称，采用反卷积层对卷积运算结果进行上采样，在同层之间使用跳跃连接融合编码与解码的特征信息，在最后一层，通过一个卷积核大小为3
×
3，卷积核数量为1的卷积层还原输出。
71.本公开实施例的图像生成模型中，通过采用u型编码解码网络结构的卷积神经网
络(u-net)，对低分辨率输入图像(也即低频率的超声显微镜生成的)进行处理，以得到高分辨率输出图像(近似于高频率的超声显微镜生成的图像)，达到了提高增强图像精度的目的，使得图像生成模型生成的目标图像精度较高，成像效果较好。
72.并且，本技术实施例中的图像生成模型还使用均方误差(mean squared error，mse)作为损失函数，以提高图像生成模型的精确度。
73.在完成图像生成模型的训练之后，还可以获取验证集，并利用验证集对训练完成的图像生成模型进行验证。其中，验证集中包括多个验证对象以及每个验证对象对应的第一扫描参数和第二扫描参数，基于验证结果对图像生成模型进行修正，以提高图像生成模型的准确率等。
74.本公开通过预先训练好的图像生成模型对目标扫描参数进行处理，以得到目标对象的目标图像，并且，该图像生成模型为基于第一超声显微镜以及第二超声显微镜得到的，第一超声显微镜的第一频率小于第二超声显微镜的第二频率，进而能够达到在不影响检测深度的同时确保较好的成像效果，也即能够使用相对较低频率的超声换能器获得较好的成像效果。
75.基于同一发明构思，本公开的第二方面还提供了一种应用于超声显微镜的图像生成方法对应的应用于超声显微镜的图像生成装置，由于本公开中的图像生成装置解决问题的原理与本公开上述图像生成方法相似，因此图像生成装置的实施可以参见方法的实施，重复之处不再赘述。
76.图5示出了本公开实施例提供的图像生成装置的示意图，具体包括：
77.确定模块501，其配置地确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
78.处理模块502，其配置地利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
79.其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
80.在又一实施例中，图像生成装置还包括训练模块403，其配置地：
81.获取训练样本集；其中，所述训练样本集包括多个对象样本；
82.针对每个对象样本，利用所述第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用所述第二超声显微镜对该对象样本进行扫描，得到该对象样本对应的第二扫描参数；
83.利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型。
84.在又一实施例中，所述训练模块503具体配置为：
85.针对每个所述对象样本，将该对象样本的第一扫描参数转换为特征向量；
86.将所述特征向量输入至所述待训练的图像生成模型，得到第一实际结果；
87.计算所述第一实际结果与第二扫描参数之间的差值，若所述差值大于允许的误差值，则调整所述待训练的对比模型的参数，直至所述差值小于所述误差值。
88.在又一实施例中，所述确定模块501具体配置为：
89.获取所述第一超声显微镜的完整扫描参数；
90.从所述完整扫描参数中筛选出满足预设条件的扫描数据作为所述目标扫描数据；其中，每个所述目标对象对应有至少一个所述预设条件。
91.本公开通过预先训练好的图像生成模型对目标扫描参数进行处理，以得到目标对象的目标图像，并且，该图像生成模型为基于第一超声显微镜以及第二超声显微镜得到的，第一超声显微镜的第一频率小于第二超声显微镜的第二频率，进而能够达到在不影响检测深度的同时确保较好的成像效果，也即能够使用相对较低频率的超声换能器获得较好的成像效果。
92.本公开实施例提供了一种存储介质，该存储介质为计算机可读介质，存储有计算机程序，该计算机程序被处理器执行时实现本公开任意实施例提供的方法，包括如下步骤s11和s12：
93.s11，确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
94.s12，利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
95.其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
96.计算机程序被处理器执行基于所述第一超声显微镜以及第二超声显微镜得到所述图像生成模型的步骤包括时，具体被处理器执行如下步骤：获取训练样本集；其中，所述训练样本集包括多个对象样本；针对每个对象样本，利用所述第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用所述第二超声显微镜对该对象样本进行扫描，得到该对象样本对应的第二扫描参数；利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型。
97.计算机程序被处理器执行利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型时，还被处理器执行如下步骤：针对每个所述对象样本，将该对象样本的第一扫描参数转换为特征向量；将所述特征向量输入至所述待训练的图像生成模型，得到第一实际结果；计算所述第一实际结果与第二扫描参数之间的差值，若所述差值大于允许的误差值，则调整所述待训练的对比模型的参数，直至所述差值小于所述误差值。
98.计算机程序被处理器执行确定第一超声显微镜的目标扫描参数时，还被处理器执行如下步骤：获取所述第一超声显微镜的完整扫描参数；从所述完整扫描参数中筛选出满足预设条件的扫描数据作为所述目标扫描数据；其中，每个所述目标对象对应有至少一个所述预设条件。
99.本公开通过预先训练好的图像生成模型对目标扫描参数进行处理，以得到目标对象的目标图像，并且，该图像生成模型为基于第一超声显微镜以及第二超声显微镜得到的，第一超声显微镜的第一频率小于第二超声显微镜的第二频率，进而能够达到在不影响检测深度的同时确保较好的成像效果，也即能够使用相对较低频率的超声换能器获得较好的成像效果。
100.本公开实施例提供了一种电子设备，该电子设备的结构示意图可以如图6所示，至少包括存储器601和处理器602，存储器601上存储有计算机程序，处理器602在执行存储器
601上的计算机程序时实现本公开任意实施例提供的方法。示例性的，电子设备计算机程序步骤如下s21和s22：
101.s21，确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
102.s22，利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
103.其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
104.处理器在执行存储器上存储的基于所述第一超声显微镜以及第二超声显微镜得到所述图像生成模型的步骤包括时，还执行如下计算机程序：获取训练样本集；其中，所述训练样本集包括多个对象样本；针对每个对象样本，利用所述第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用所述第二超声显微镜对该对象样本进行扫描，得到该对象样本对应的第二扫描参数；利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型。
105.处理器在执行存储器上存储的利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型时，还执行如下计算机程序：针对每个所述对象样本，将该对象样本的第一扫描参数转换为特征向量；将所述特征向量输入至所述待训练的图像生成模型，得到第一实际结果；计算所述第一实际结果与第二扫描参数之间的差值，若所述差值大于允许的误差值，则调整所述待训练的对比模型的参数，直至所述差值小于所述误差值。
106.处理器在执行存储器上存储的确定第一超声显微镜的目标扫描参数时，还执行如下计算机程序：获取所述第一超声显微镜的完整扫描参数；从所述完整扫描参数中筛选出满足预设条件的扫描数据作为所述目标扫描数据；其中，每个所述目标对象对应有至少一个所述预设条件。
107.本公开通过预先训练好的图像生成模型对目标扫描参数进行处理，以得到目标对象的目标图像，并且，该图像生成模型为基于第一超声显微镜以及第二超声显微镜得到的，第一超声显微镜的第一频率小于第二超声显微镜的第二频率，进而能够达到在不影响检测深度的同时确保较好的成像效果，也即能够使用相对较低频率的超声换能器获得较好的成像效果。
108.可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。可选地，在本实施例中，处理器根据存储介质中已存储的程序代码执行上述实施例记载的方法步骤。可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。显然，本领域的技术人员应该明白，上述的本公开的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来
实现。这样，本公开不限制于任何特定的硬件和软件结合。
109.此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本公开的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本公开的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。
110.以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本公开。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反，本公开的主题可以少于特定的公开的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本公开的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
111.以上对本公开多个实施例进行了详细说明，但本公开不限于这些具体的实施例，本领域技术人员在本公开构思的基础上，能够做出多种变型和修改实施例，这些变型和修改都应落入本公开所要求保护的范围之内。