本发明涉及语音活性检测技术领域，特别是涉及语音活性检测模型生成方法、系统及语音活性检测方法、系统。
背景技术：
语音活性检测(vad，voiceactivitydetection)，是一项用于语音处理的技术，可以检测语音信号是否存在，确定音视频中人声出现的时间段，是进行音视频自动智能处理应用的必要步骤。
现有技术通常基于简单的时域或频域特征分析，如：比较常用的语音活性检测技术是基于短时能量和过零率的双门限端点检测,，如果连续几帧的短时能量和过零率都大于指定阈值，则判定语音开始。此类方法仅通过一些基础的信号特征以及人为指定的阈值判定语音活性与否，精度通常较差。
技术实现要素：
本发明实施例的目的在于提供一种语音活性检测模型生成方法、系统及语音活性检测方法、系统，以提高语音活性检测的精度。具体技术方案如下：
一种语音活性检测模型生成方法，包括：
从预设的训练数据集中提取音频数据及与音频数据对应的音频标识，其中，所述预设的训练数据集中包括：语音音频数据及非语音音频数据，所述音频标识为语音标识或非语音标识；
对提取的音频数据进行采样，获得音频数据的一维离散数组；
对获得的音频数据的一维离散数组进行分帧加窗处理，获得音频数据的多帧音频信号；
提取音频数据的各帧音频信号的梅尔频率倒谱系数mfcc；
根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，将确定的音频数据的音频特征参数确定为提取的音频数据的音频特征参数；
将与提取的音频数据对应的音频标识及提取的音频数据的音频特征参数输入支持向量机svm中进行模型训练，获得语音活性检测模型。
可选的，所述方法还包括：
从预设的测试数据集中提取测试数据及与测试数据对应的音频标识；
对提取的测试数据进行采样，获得测试数据的一维离散数组；
对获得的测试数据的一维离散数组进行分帧加窗处理，获得测试数据的多帧音频信号；
提取测试数据的各帧音频信号的梅尔频率倒谱系数mfcc；
根据测试数据的各帧音频信号的mfcc确定测试数据的各帧音频信号的音频特征参数，将确定的测试数据的音频特征参数确定为提取的测试数据的音频特征参数；
控制所述svm根据测试数据的音频特征参数确定从预设的测试数据集中提取的测试数据对应的音频标识；
在所述svm确定的音频标识与从预设的测试数据集中提取的音频标识不同时，对所述语音活性检测模型进行调整以优化所述语音活性检测模型。
可选的，所述根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，包括：
对音频数据的各帧音频信号：将该帧音频信号的mfcc、该帧音频信号的前一帧音频信号的mfcc及该帧音频信号的后一帧音频信号的mfcc一并确定为音频数据的该帧音频信号的音频特征参数；在该帧音频信号为音频数据的第一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的前一帧音频信号的mfcc；在该帧音频信号为音频数据的最后一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的后一帧音频信号的mfcc。
可选的，所述根据测试数据的各帧音频信号的mfcc确定测试数据的各帧音频信号的音频特征参数，包括：
对测试数据的各帧音频信号：将该帧音频信号的mfcc、该帧音频信号的前一帧音频信号的mfcc及该帧音频信号的后一帧音频信号的mfcc一并确定为测试数据的该帧音频信号的音频特征参数；在该帧音频信号为测试数据的第一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的前一帧音频信号的mfcc；在该帧音频信号为测试数据的最后一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的后一帧音频信号的mfcc。
一种语音活性检测方法，包括：
对待检测数据进行采样，获得待检测数据的一维离散数组；
对获得的待检测数据的一维离散数组进行分帧加窗处理，获得待检测数据的多帧音频信号；
提取待检测数据的各帧音频信号的梅尔频率倒谱系数mfcc；
根据待检测数据的各帧音频信号的mfcc确定待检测数据的各帧音频信号的音频特征参数，将确定的待检测数据的音频特征参数确定为待检测数据的音频特征参数；
将确定的待检测数据的音频特征参数输入上述的支持向量机svm中，通过所述svm中的语音活性检测模型对输入的音频特征参数进行检测，获得语音活性检测结果。
一种语音活性检测模型生成系统，包括：第一提取单元、第一采样单元、第一分帧单元、第一系数提取单元、第一特征确定单元和训练单元，
所述第一提取单元，用于从预设的训练数据集中提取音频数据及与音频数据对应的音频标识，其中，所述预设的训练数据集中包括：语音音频数据及非语音音频数据，所述音频标识为语音标识或非语音标识；
所述第一采样单元，用于对提取的音频数据进行采样，获得音频数据的一维离散数组；
所述第一分帧单元，用于对获得的音频数据的一维离散数组进行分帧加窗处理，获得音频数据的多帧音频信号；
所述第一系数提取单元，用于提取音频数据的各帧音频信号的梅尔频率倒谱系数mfcc；
所述第一特征确定单元，用于根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，将确定的音频数据的音频特征参数确定为提取的音频数据的音频特征参数；
所述训练单元，用于将与提取的音频数据对应的音频标识及提取的音频数据的音频特征参数输入支持向量机svm中进行模型训练，获得语音活性检测模型。
可选的，所述系统还包括：第二提取单元、第二采样单元、第二分帧单元、第二系数提取单元、第二特征确定单元、标识确定单元和调优单元，
所述第二提取单元，用于从预设的测试数据集中提取测试数据及与测试数据对应的音频标识；
所述第二采样单元，用于对提取的测试数据进行采样，获得测试数据的一维离散数组；
所述第二分帧单元，用于对获得的测试数据的一维离散数组进行分帧加窗处理，获得测试数据的多帧音频信号；
所述第二系数提取单元，用于提取测试数据的各帧音频信号的梅尔频率倒谱系数mfcc；
所述第二特征确定单元，用于根据测试数据的各帧音频信号的mfcc确定测试数据的各帧音频信号的音频特征参数，将确定的测试数据的音频特征参数确定为提取的测试数据的音频特征参数；
所述标识确定单元，用于控制所述svm根据测试数据的音频特征参数确定从预设的测试数据集中提取的测试数据对应的音频标识；
所述调优单元，用于在所述svm确定的音频标识与从预设的测试数据集中提取的音频标识不同时，对所述语音活性检测模型进行调整以优化所述语音活性检测模型。
可选的，所述第一特征确定单元，具体用于：
对音频数据的各帧音频信号：将该帧音频信号的mfcc、该帧音频信号的前一帧音频信号的mfcc及该帧音频信号的后一帧音频信号的mfcc一并确定为音频数据的该帧音频信号的音频特征参数；在该帧音频信号为音频数据的第一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的前一帧音频信号的mfcc；在该帧音频信号为音频数据的最后一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的后一帧音频信号的mfcc；
将确定的各帧音频信号的音频特征参数确定为提取的音频数据的音频特征参数。
可选的，所述第二特征确定单元，具体用于：
对测试数据的各帧音频信号：将该帧音频信号的mfcc、该帧音频信号的前一帧音频信号的mfcc及该帧音频信号的后一帧音频信号的mfcc一并确定为测试数据的该帧音频信号的音频特征参数；在该帧音频信号为测试数据的第一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的前一帧音频信号的mfcc；在该帧音频信号为测试数据的最后一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的后一帧音频信号的mfcc；
将确定的各帧音频信号的音频特征参数确定为提取的测试数据的音频特征参数。
一种语音活性检测系统，包括：第三采样单元、第三分帧单元、第三系数提取单元、第三特征确定单元和检测单元，
所述第三采样单元，用于对待检测数据进行采样，获得待检测数据的一维离散数组；
所述第三分帧单元，用于对获得的待检测数据的一维离散数组进行分帧加窗处理，获得待检测数据的多帧音频信号；
所述第三系数提取单元，用于提取待检测数据的各帧音频信号的梅尔频率倒谱系数mfcc；
所述第三特征确定单元，用于根据待检测数据的各帧音频信号的mfcc确定待检测数据的各帧音频信号的音频特征参数，将确定的待检测数据的音频特征参数确定为待检测数据的音频特征参数；
所述检测单元，用于将确定的待检测数据的音频特征参数输入上述的支持向量机svm中，通过所述svm中的语音活性检测模型对输入的音频特征参数进行检测，获得语音活性检测结果。
本发明实施例提供的一种语音活性检测模型生成方法、系统及语音活性检测方法、系统，可以从预设的训练数据集中提取音频数据及与音频数据对应的音频标识，对提取的音频数据进行采样，获得音频数据的一维离散数组；对获得的音频数据的一维离散数组进行分帧加窗处理，获得音频数据的多帧音频信号；提取音频数据的各帧音频信号的梅尔频率倒谱系数mfcc；根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，将确定的音频数据的音频特征参数确定为提取的音频数据的音频特征参数；将与提取的音频数据对应的音频标识及提取的音频数据的音频特征参数输入支持向量机svm中进行模型训练，获得语音活性检测模型。本发明通过提取音频数据的各帧音频信号的mfcc，将mfcc与svm结合，提高了语音活性检测的精度。
当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种语音活性检测模型生成方法的流程图；
图2为本发明实施例提供的另一种语音活性检测模型生成方法的流程图；
图3为本发明实施例提供的另一种语音活性检测模型生成方法的流程图；
图4为本发明实施例提供的一种语音活性检测模型生成系统的结构示意图；
图5为本发明实施例提供的一种语音活性检测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，本发明实施例提供的一种语音活性检测模型生成方法，可以包括：
s100、从预设的训练数据集中提取音频数据及与音频数据对应的音频标识，其中，所述预设的训练数据集中包括：语音音频数据及非语音音频数据，所述音频标识为语音标识或非语音标识；
其中，预设的训练数据集中的音频数据可以有多个，为了提高生成的语音活性检测模型的准确性，可以在训练数据集中放置更多的音频数据，例如：8520个音频数据。
s200、对提取的音频数据进行采样，获得音频数据的一维离散数组；
具体的，可以选择固定的采样频率进行采样，其中，采样频率可以为44100hz。
s300、对获得的音频数据的一维离散数组进行分帧加窗处理，获得音频数据的多帧音频信号；
具体的，可以选择固定的窗口大小(framesize)与跳跃大小(hopsize)对音频数据进行分帧加窗处理。例如：framesize＝1024，hopsize＝512；或者，framesize＝2048，hopsize＝1024。
s400、提取音频数据的各帧音频信号的梅尔频率倒谱系数mfcc；
其中，mel频率是基于人耳听觉特性提出来的，它与hz频率成非线性对应关系。梅尔频率倒谱系数(mfcc，mel-frequencycepstralcoefficients)是利用mel频率与hz频率之间的非线性对应关系，计算得到hz频谱特征。
mfcc有多种实现方法，例如：可以通过mfcc-fb40方法获得mfcc。通过mfcc-fb40方法获得mfcc时，每帧音频信号将得到13个mfcc。
具体的，训练数据集中所有的音频数据都通过步骤s100至步骤s400进行处理，提取各音频数据的各帧音频信号的mfcc。
s500、根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，将确定的音频数据的音频特征参数确定为提取的音频数据的音频特征参数；
其中，所述根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，可以包括：
对音频数据的各帧音频信号：将该帧音频信号的mfcc、该帧音频信号的前一帧音频信号的mfcc及该帧音频信号的后一帧音频信号的mfcc一并确定为音频数据的该帧音频信号的音频特征参数；在该帧音频信号为音频数据的第一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的前一帧音频信号的mfcc；在该帧音频信号为音频数据的最后一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的后一帧音频信号的mfcc。
这样,就充分考虑了语音音频信号的连续性,计算了当前帧以及相邻帧的mfcc,在利用当前帧的mfcc的基础上,加了mfcc在短时间窗口内的变化特征,大大提高了语音活性检测的精度。可以理解的是，由于语音音频数据的连贯性较强，因此将某帧音频信号的前一帧、后一帧音频信号的mfcc也确定为该帧音频信号的音频特征参数，不会使得该某帧音频信号的音频特征参数发生较大变化。本发明充分利用了声音的时域特征，大大提高了语音活性检测的检测精度。
s600、将与提取的音频数据对应的音频标识及提取的音频数据的音频特征参数输入支持向量机svm中进行模型训练，获得语音活性检测模型。
在机器学习领域，支持向量机技术(svm，supportvectormachine)是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。
本发明实施例提供的一种语音活性检测模型生成方法，可以从预设的训练数据集中提取音频数据及与音频数据对应的音频标识，对提取的音频数据进行采样，获得音频数据的一维离散数组；对获得的音频数据的一维离散数组进行分帧加窗处理，获得音频数据的多帧音频信号；提取音频数据的各帧音频信号的梅尔频率倒谱系数mfcc；根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，将确定的音频数据的音频特征参数确定为提取的音频数据的音频特征参数；将与提取的音频数据对应的音频标识及提取的音频数据的音频特征参数输入支持向量机svm中进行模型训练，获得语音活性检测模型。本发明通过提取音频数据的各帧音频信号的mfcc，将mfcc与svm结合，提高了语音活性检测的精度。
在图1所示实施例基础上，如图2所示，在本发明实施例提供的另一种语音活性检测模型生成方法，还可以包括：
s700、从预设的测试数据集中提取测试数据及与测试数据对应的音频标识；
s800、对提取的测试数据进行采样，获得测试数据的一维离散数组；
s900、对获得的测试数据的一维离散数组进行分帧加窗处理，获得测试数据的多帧音频信号；
s1000、提取测试数据的各帧音频信号的梅尔频率倒谱系数mfcc；
s1100、根据测试数据的各帧音频信号的mfcc确定测试数据的各帧音频信号的音频特征参数，将确定的测试数据的音频特征参数确定为提取的测试数据的音频特征参数；
其中，所述根据测试数据的各帧音频信号的mfcc确定测试数据的各帧音频信号的音频特征参数，可以包括：
对测试数据的各帧音频信号：将该帧音频信号的mfcc、该帧音频信号的前一帧音频信号的mfcc及该帧音频信号的后一帧音频信号的mfcc一并确定为测试数据的该帧音频信号的音频特征参数；在该帧音频信号为测试数据的第一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的前一帧音频信号的mfcc；在该帧音频信号为测试数据的最后一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的后一帧音频信号的mfcc。
s1200、控制所述svm根据测试数据的音频特征参数确定从预设的测试数据集中提取的测试数据对应的音频标识；
s1300、在所述svm确定的音频标识与从预设的测试数据集中提取的音频标识不同时，对所述语音活性检测模型进行调整以优化所述语音活性检测模型。
具体的，可以选择不同的svm参数进行调优，使得语音活性检测模型获得更高的检测精度。
在实际应用中，本申请发明人在实践本发明方案的过程中，利用了8520个训练数据集中的音频数据进行语音活性检测模型的训练，得到了语音活性检测模型。同时，使用测试数据集中3914个音频数据对语音活性检测模型进行测试，得到的语音活性检测模型的检测正确率为96.8％。可见，本发明的语音活性检测模型生成方法生成的语音活性检测模型的检测正确率较高。同时，通过本发明的测试数据集中音频数据对语音活性检测模型的调整优化，进一步提高了检测正确率。
如图3所示，本发明实施例还提供了一种语音活性检测方法，该方法可以包括：
s001、对待检测数据进行采样，获得待检测数据的一维离散数组；
s002、对获得的待检测数据的一维离散数组进行分帧加窗处理，获得待检测数据的多帧音频信号；
s003、提取待检测数据的各帧音频信号的梅尔频率倒谱系数mfcc；
s004、根据待检测数据的各帧音频信号的mfcc确定待检测数据的各帧音频信号的音频特征参数，将确定的待检测数据的音频特征参数确定为待检测数据的音频特征参数；
s005、将确定的待检测数据的音频特征参数输入本发明实施例所述的支持向量机svm中，通过所述svm中的语音活性检测模型对输入的音频特征参数进行检测，获得语音活性检测结果。
与上述方法实施例相对应，本发明还提供了一种语音活性检测模型生成系统。
如图4所示，本发明实施例提供的一种语音活性检测模型生成系统，可以包括：第一提取单元100、第一采样单元200、第一分帧单元300、第一系数提取单元400、第一特征确定单元500和训练单元600，
所述第一提取单元100，用于从预设的训练数据集中提取音频数据及与音频数据对应的音频标识，其中，所述预设的训练数据集中包括：语音音频数据及非语音音频数据，所述音频标识为语音标识或非语音标识；
所述第一采样单元200，用于对提取的音频数据进行采样，获得音频数据的一维离散数组；
所述第一分帧单元300，用于对获得的音频数据的一维离散数组进行分帧加窗处理，获得音频数据的多帧音频信号；
所述第一系数提取单元400，用于提取音频数据的各帧音频信号的梅尔频率倒谱系数mfcc；
所述第一特征确定单元500，用于根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，将确定的音频数据的音频特征参数确定为提取的音频数据的音频特征参数；
其中，所述第一特征确定单元500，具体用于：
对音频数据的各帧音频信号：将该帧音频信号的mfcc、该帧音频信号的前一帧音频信号的mfcc及该帧音频信号的后一帧音频信号的mfcc一并确定为音频数据的该帧音频信号的音频特征参数；在该帧音频信号为音频数据的第一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的前一帧音频信号的mfcc；在该帧音频信号为音频数据的最后一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的后一帧音频信号的mfcc；将确定的各帧音频信号的音频特征参数确定为提取的音频数据的音频特征参数。
所述训练单元600，用于将与提取的音频数据对应的音频标识及提取的音频数据的音频特征参数输入支持向量机svm中进行模型训练，获得语音活性检测模型。
本发明实施例提供的一种语音活性检测模型生成系统，可以从预设的训练数据集中提取音频数据及与音频数据对应的音频标识，对提取的音频数据进行采样，获得音频数据的一维离散数组；对获得的音频数据的一维离散数组进行分帧加窗处理，获得音频数据的多帧音频信号；提取音频数据的各帧音频信号的梅尔频率倒谱系数mfcc；根据音频数据的各帧音频信号的mfcc确定音频数据的各帧音频信号的音频特征参数，将确定的音频数据的音频特征参数确定为提取的音频数据的音频特征参数；将与提取的音频数据对应的音频标识及提取的音频数据的音频特征参数输入支持向量机svm中进行模型训练，获得语音活性检测模型。本发明通过提取音频数据的各帧音频信号的mfcc，将mfcc与svm结合，提高了语音活性检测的精度。
可选的，图4所示系统还可以包括：第二提取单元、第二采样单元、第二分帧单元、第二系数提取单元、第二特征确定单元、标识确定单元和调优单元，
所述第二提取单元，用于从预设的测试数据集中提取测试数据及与测试数据对应的音频标识；
所述第二采样单元，用于对提取的测试数据进行采样，获得测试数据的一维离散数组；
所述第二分帧单元，用于对获得的测试数据的一维离散数组进行分帧加窗处理，获得测试数据的多帧音频信号；
所述第二系数提取单元，用于提取测试数据的各帧音频信号的梅尔频率倒谱系数mfcc；
所述第二特征确定单元，用于根据测试数据的各帧音频信号的mfcc确定测试数据的各帧音频信号的音频特征参数，将确定的测试数据的音频特征参数确定为提取的测试数据的音频特征参数；
所述标识确定单元，用于控制所述svm根据测试数据的音频特征参数确定从预设的测试数据集中提取的测试数据对应的音频标识；
所述调优单元，用于在所述svm确定的音频标识与从预设的测试数据集中提取的音频标识不同时，对所述语音活性检测模型进行调整以优化所述语音活性检测模型。
其中，所述第二特征确定单元，可以具体用于：
对测试数据的各帧音频信号：将该帧音频信号的mfcc、该帧音频信号的前一帧音频信号的mfcc及该帧音频信号的后一帧音频信号的mfcc一并确定为测试数据的该帧音频信号的音频特征参数；在该帧音频信号为测试数据的第一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的前一帧音频信号的mfcc；在该帧音频信号为测试数据的最后一帧音频信号时，将该帧音频信号的mfcc的数量的0作为该帧音频信号的后一帧音频信号的mfcc
将确定的各帧音频信号的音频特征参数确定为提取的测试数据的音频特征参数。
如图5所示，本发明实施例还提供了一种语音活性检测系统，可以包括：第三采样单元001、第三分帧单元002、第三系数提取单元003、第三特征确定单元004和检测单元005，
所述第三采样单元001，用于对待检测数据进行采样，获得待检测数据的一维离散数组；
所述第三分帧单元002，用于对获得的待检测数据的一维离散数组进行分帧加窗处理，获得待检测数据的多帧音频信号；
所述第三系数提取单元003，用于提取待检测数据的各帧音频信号的梅尔频率倒谱系数mfcc；
所述第三特征确定单元004，用于根据待检测数据的各帧音频信号的mfcc确定待检测数据的各帧音频信号的音频特征参数，将确定的待检测数据的音频特征参数确定为待检测数据的音频特征参数；
所述检测单元005，用于将确定的待检测数据的音频特征参数输入本发明实施例所述的支持向量机svm中，通过所述svm中的语音活性检测模型对输入的音频特征参数进行检测，获得语音活性检测结果。
本发明实施例还提供了一种支持向量机，包括本发明实施例所述的语音活性检测模型。
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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。