卫星导航欺骗干扰抑制方法、装置、设备、存储介质及计算机程序产品与流程

1.本发明涉及卫星导航技术领域，尤其涉及一种卫星导航欺骗干扰抑制方法、装置、设备、存储介质及计算机程序产品。


背景技术：

2.卫星导航作为导航领域中的重要技术途径，可实时向全球用户提供全天候、连续、高精度的三维位置信息。
3.然而，随着各类卫星导航干扰、欺骗技术的逐步发展，干扰及欺骗信号对卫星导航系统的精度、连续性和完好性都提出了严峻的挑战，尤其是欺骗干扰将严重威胁卫星导航系统定位性能的有效应用。并且，目前卫星接收机对所解扩及跟踪码相位值不进行辨别，测量获得后直接用于相应的定位解算处理，这就给了卫星欺骗干扰方得以实现其欺骗目的的机会，使得卫星欺骗信号检测方法大多为采用多天线方法在射频信号处理阶段进行识别，硬件设计要求高，实现难度较大。


技术实现要素：

4.本发明提供了一种卫星导航欺骗干扰抑制方法、装置、设备、存储介质及计算机程序产品，以有效的实现对卫星导航中的欺骗干扰信号的识别和抑制。
5.根据本发明的一方面，提供了一种卫星导航欺骗干扰抑制方法，包括：
6.获取接收设备接收到的卫星信号，所述卫星信号包括至少一个卫星发射的卫星导航信号；
7.将所述卫星信号输入到预先训练的模糊knn算法模型识别所述卫星信号中的欺骗信号；
8.驱动所述接收设备停止接收所述欺骗信号。
9.可选的，所述获取接收设备接收到的卫星信号，包括：
10.获取接收设备接收到的载波信号；
11.对所述载波信号进行解调获得至少一个卫星发射的卫星导航信号，作为卫星信号。
12.可选的，所述对所述载波信号进行解调获得至少一个卫星发射的卫星导航信号，作为卫星信号，包括：
13.对所述载波信号进行解调获得至少一个卫星发射的卫星导航信号；
14.获取所述接收设备接收到的至少一个所述卫星导航信号的捕获门限相关峰数量、信号功率、相关峰半高宽、多普勒偏移量和多普勒变化率；
15.将所述卫星导航信号、所述捕获门限相关峰数量、所述信号功率、所述相关峰半高宽、所述多普勒偏移量和所述多普勒变化率作为卫星信号。
16.可选的，在所述将所述卫星导航信号、所述捕获门限相关峰数量、所述信号功率、
所述相关峰半高宽、所述多普勒偏移量和所述多普勒变化率作为卫星信号，包括：
17.将所述卫星导航信号、所述捕获门限相关峰数量、所述信号功率、所述相关峰半高宽、所述多普勒偏移量和所述多普勒变化率拼接为多维向量；
18.将所述多维向量作为卫星信号。
19.可选的，所述将所述卫星信号输入到预先训练的模糊knn算法模型识别所述卫星信号中的欺骗信号，包括：
20.将所述卫星信号输入到预先训练的模糊knn算法模型中对所述卫星信号中每个所述卫星导航信号进行分类，获得欺骗信号和导航信号。
21.根据本发明的另一方面，提供了一种卫星导航欺骗干扰抑制装置，包括：
22.获取模块，用于执行获取接收设备接收到的卫星信号，所述卫星信号包括至少一个卫星发射的卫星导航信号；
23.分类模块，用于执行将所述卫星信号输入到预先训练的模糊knn算法模型识别所述卫星信号中的欺骗信号；
24.驱动模块，用于执行驱动所述接收设备停止接收所述欺骗信号。
25.可选的，所述获取模块包括：
26.获取单元，用于执行获取接收设备接收到的载波信号；
27.解调单元，用于执行对所述载波信号进行解调获得至少一个卫星发射的卫星导航信号，作为卫星信号。
28.根据本发明的另一方面，提供了一种卫星导航欺骗干扰抑制设备，所述卫星导航欺骗干扰抑制设备包括：
29.至少一个处理器；以及
30.与所述至少一个处理器通信连接的存储器；其中，
31.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的卫星导航欺骗干扰抑制方法。
32.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的卫星导航欺骗干扰抑制方法。
33.根据本发明的另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本发明任一实施例所述的卫星导航欺骗干扰抑制方法。
34.本发明实施例的技术方案，通过对接收设备接收到的卫星信号进行获取，然后利用模糊knn算法模型进行分类确定卫星信号中的欺骗信号，可在卫星信号接收阶段实现对卫星信号中的欺骗信号识别，然后驱动接收设备停止接收该欺骗信号，实现从卫星信号源头中剔除欺骗信号，有效的提高卫星导航的精度和抗干扰能力。
35.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
36.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
37.图1是根据本发明实施例一提供的一种卫星导航欺骗干扰抑制方法的流程图；
38.图2是根据本发明实施例二提供的一种卫星导航欺骗干扰抑制装置的结构示意图；
39.图3是根据本发明实施例三提供的一种卫星导航欺骗干扰抑制设备的结构示意图。
具体实施方式
40.为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
41.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
42.实施例一
43.图1为本发明实施例一提供了一种卫星导航欺骗干扰抑制方法的流程图，本实施例可适用于对卫星导航信号中的欺骗干扰信号进行抑制的情况，该方法可以由卫星导航欺骗干扰抑制装置来执行，该卫星导航欺骗干扰抑制装置可以采用硬件和/或软件的形式实现，该卫星导航欺骗干扰抑制装置可配置于计算机设备中，例如，服务器、工作站、个人电脑，等等。如图1所示，该方法包括：
44.s110、获取接收设备接收到的卫星信号。
45.其中，上述卫星信号中至少包括一个卫星发射的卫星导航信号，也就是说，接收设备可同时接收多个卫星导航信号。
46.一般的，卫星导航(satellite navigation)是指采用导航卫星对地面、海洋、空中和空间用户进行导航定位的技术。常见的gps导航，北斗星导航等均为卫星导航。卫星导航系统由导航卫星、地面台站和用户定位设备三个部分组成。其中：
47.导航卫星：卫星导航系统的空间部分，由多颗导航卫星构成空间导航网，并向地面发射卫星导航信号。
48.地面台站：跟踪、测量和预报卫星轨道并对卫星上设备工作进行控制管理，通常包
括跟踪站、遥测站、计算中心、注入站及时间统一系统等部分。跟踪站用于跟踪和测量卫星的位置坐标。遥测站接收卫星发来的遥测数据，以供地面监视和分析卫星上设备的工作情况。计算中心根据这些信息计算卫星的轨道，预报下一段时间内的轨道参数，确定需要传输给卫星的导航信息，并由注入站向卫星发送。
49.用户定位设备：通常由接收设备、定时器、数据预处理器、计算机和显示器等组成。它接收卫星发来的微弱信号,从中解调并译出卫星轨道参数和定时信息等,同时测出导航参数(距离、距离差和距离变化率等)，再由计算机算出用户的位置坐标(二维坐标或三维坐标)和速度矢量分量。用户定位设备分为船载、机载、车载和单人背负等多种型式。
50.在本步骤中，则是从接收设备处获取接收到的卫星信号，该卫星信号可以包括多个卫星发射的同一频段或不同频段的卫星导航信号。
51.此外，在获取接收设备接收的卫星信号时，还可以同步的获取捕获的卫星信号的捕获门限相关峰数量、功率、相关峰半高宽、多普勒偏移量和多普勒变化率等参数。
52.s120、将卫星信号输入到预先训练的模糊knn算法模型识别卫星信号中的欺骗信号。
53.模糊knn算法是对标准knn算法(k最近邻算法，k-nearest neighbor，knn)的改进，其在精度方而非常具有较好性能。该方法与传统knn的不同之处是：模糊化未知样本和k个最近邻的距离，然后每个类别设置隶属度。该方法用训练集来预先计算类成员，之后计算测试集中每个样本的knn。其分类的基本原理是，对一新的样本进行分类时，只需从训练数据集中寻找出与其最相似的k个样本，进而依据这k个最相似样本的类别，来判断未知样本的类别。因此knn方法具有直观、不需要先验统计知识和无监督等特点，是一种重要的非参数分类算法。并且，knn方法并非依靠判别类别界限的方法，来断定样本的所属类别。而是主要依据周围有限个数的邻近样本，来进行判定的。
54.在本发明实施例中，将前述步骤中获取到的卫星信号输入到预先训练好的模糊knn算法模型中进行卫星导航信号的分类，识别其中的欺骗信号。由于欺骗信号是由信号中转装置发射，其接收不同的卫星信号后进行欺骗并一起发出，卫星信号不同，信号中转装置不同，对应的欺骗信号都有所区别，即欺骗信号的分类不同，因此欺骗信号若要精准定边界条件较为困难，故可以根据已知的欺骗信号(训练样本)的参数，根据样本隶属度(隶属度可理解为欺骗信号的强相关程度，隶属度越高，属于该类别欺骗信号的相关程度越强)。
55.在具体实现中，训练样本是已知的欺骗信号样本，其向量维度与测试样本一致，采样装置在采样后，逐个对测试样本进行分类，即导入测试样本xi的向量，获取与测试样本xi欧式距离最小的k个训练样本，并对k个训练样本求取对应类别的隶属度，最后按照距离大小分配权重，求取测试样本xi在对应类别下的隶属度，并将测试样本xi的隶属度与预设的阈值范围对比，若测试样本xi的隶属度在预设的阈值范围内，则测试样本xi为该类别的欺骗信号。
56.s130、驱动接收设备停止接收欺骗信号。
57.在前述步骤中对卫星信号中的各个卫星导航信号利用模糊knn算法模型进行分类，确定了卫星信号中的欺骗信号，则可在本步骤中向接收设备发送对应的驱动信号驱动接收设备停止接收该欺骗信号，实现从卫星信号源头中剔除欺骗信号。
58.通过对接收设备接收到的卫星信号进行获取，然后利用模糊knn算法模型进行分
类确定卫星信号中的欺骗信号，可在卫星信号接收阶段实现对卫星信号中的欺骗信号识别，然后驱动接收设备停止接收该欺骗信号，实现从卫星信号源头中剔除欺骗信号，有效的提高卫星导航的精度和抗干扰能力。
59.在本发明实施例中，s110可包括：
60.s111、获取接收设备接收到的载波信号。
61.载波信号是一种特定频率的无线电波，它能将经过调制的伪码和数据码(卫星信号)以正弦波的形式播发出去。
62.s112、对载波信号进行解调获得至少一个卫星发射的卫星导航信号，作为卫星信号。
63.在本发明实施例中，接收设备可同时接收多个卫星发送的卫星导航信号，接收设备接收到的所有卫星导航信号合称卫星信号。所以在本步骤中需要对卫星信号进行解调获得各个卫星发射的卫星导航信号。
64.进一步的，在s112中可包括：
65.s1121、对载波信号进行解调获得至少一个卫星发射的卫星导航信号。
66.s1122、获取接收设备接收到的至少一个卫星导航信号的捕获门限相关峰数量、信号功率、相关峰半高宽、多普勒偏移量和多普勒变化率。
67.s1123、将卫星导航信号、捕获门限相关峰数量、信号功率、相关峰半高宽、多普勒偏移量和多普勒变化率作为卫星信号。
68.进一步的，将卫星导航信号、捕获门限相关峰数量、信号功率、相关峰半高宽、多普勒偏移量和多普勒变化率拼接为多维向量；将多维向量作为卫星信号。
69.其中，捕获门限相关峰数量检测为常见的欺骗干扰检测，其检测原理为：相关峰数量为0，无导航信号；相关峰数量为1或者2，都可能存在欺骗干扰信号；功率检测用于针对相关峰数量为2时，通过将信号的功率与阈值对比，超过阈值则为欺骗信号，否则为导航信号；相关峰半高宽检测(亦称为fwhm检测)用于针对相关峰数量为1时，由于信号延时的问题，两个相关峰可能会合并成一个相关峰，因此通过将信号的相关峰半高宽与预设阈值对比，超过阈值的为欺骗信号；多普勒偏移量检测用在fwhm检测后，同样也是与阈值进行对比，超过阈值的则为欺骗信号；多普勒变化率检测用在多普勒偏移量检测之后，同样也是与阈值进行对比，小于阈值的为欺骗信号。在进行欺骗信号的精准检测时，需要进行多步检测，且检测步骤之间关联性强，因此可以同时获取对应的五个参数作为测试样本的向量维度，导入到模糊knn算法中，从而判断测试样本是否属于欺骗信号。
70.最后，将卫星信号输入到预先训练的模糊knn算法模型中对卫星信号中每个卫星导航信号进行分类，获得欺骗信号和导航信号。
71.假设待分类样本为xi(i＝1,2,3,
……
,n)，类别为c(c＝1,2,3,
……
,n)(在本发明实施例中类别可设置为欺骗信号，即满足参数条件的样本信号即为欺骗信号)。knn算法的基本思想为：首先，依照欧式距离值的大小，计算待分类样本xi和每一训练样本的相异度。然后，选出跟要分类的样本相异度最小的k个数据样本，作为xi的k个最近邻。最后，根据xi的k个最近邻判断xi的类别。
72.在具体实现中，训练样本是已知的欺骗信号样本，其向量维度与测试样本一致，采样装置在采样后，逐个对测试样本进行分类，即导入测试样本xi的向量，获取与测试样本xi
欧式距离最小的k个训练样本，并对k个训练样本求取对应类别的隶属度，最后按照距离大小分配权重，求取测试样本xi在对应类别下的隶属度，并将测试样本xi的隶属度与预设的阈值范围对比，若测试样本xi的隶属度在预设的阈值范围内，则测试样本xi为该类别的欺骗信号。
73.可选的，若检测到测试样本xi为欺骗信号，将该测试样本填充进训练样本中，训练样本定周期进行筛选，去除各个类别下的隶属度较低的训练样本，保证运算的快速性，也能提高欺骗信号检测的精确性。
74.实施例二
75.图2为本发明实施例二提供的一种卫星导航欺骗干扰抑制装置的结构示意图。如图2所示，该装置包括获取模块21、分类模块22、驱动模块23。其中：
76.获取模块21，用于执行获取接收设备接收到的卫星信号，卫星信号包括至少一个卫星发射的卫星导航信号；
77.分类模块22，用于执行将卫星信号输入到预先训练的模糊knn算法模型识别卫星信号中的欺骗信号；
78.驱动模块23，用于执行驱动接收设备停止接收欺骗信号。
79.获取模块21包括：
80.获取单元，用于执行获取接收设备接收到的载波信号；
81.解调单元，用于执行对载波信号进行解调获得至少一个卫星发射的卫星导航信号，作为卫星信号。
82.解调单元包括：
83.解调子单元，用于执行对载波信号进行解调获得至少一个卫星发射的卫星导航信号；
84.参数获取子单元，用于执行获取接收设备接收到的至少一个卫星导航信号的捕获门限相关峰数量、信号功率、相关峰半高宽、多普勒偏移量和多普勒变化率；
85.生成子单元，用于执行将卫星导航信号、捕获门限相关峰数量、信号功率、相关峰半高宽、多普勒偏移量和多普勒变化率作为卫星信号。
86.在生成子单元中，将卫星导航信号、捕获门限相关峰数量、信号功率、相关峰半高宽、多普勒偏移量和多普勒变化率作为卫星信号，包括：
87.将卫星导航信号、捕获门限相关峰数量、信号功率、相关峰半高宽、多普勒偏移量和多普勒变化率拼接为多维向量；
88.将多维向量作为卫星信号。
89.分类模块22包括：
90.分类单元，用于执行将卫星信号输入到预先训练的模糊knn算法模型中对卫星信号中每个卫星导航信号进行分类，获得欺骗信号和导航信号。
91.本发明实施例所提供的卫星导航欺骗干扰抑制装置可执行本发明任意实施例所提供的卫星导航欺骗干扰抑制方法，具备执行方法相应的功能模块和有益效果。
92.实施例三
93.图3示出了可以用来实施本发明的实施例的卫星导航欺骗干扰抑制设备10的结构示意图。卫星导航欺骗干扰抑制设备旨在表示各种形式的数字计算机，诸如，膝上型计算
机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。卫星导航欺骗干扰抑制设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
94.如图3所示，卫星导航欺骗干扰抑制设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储卫星导航欺骗干扰抑制设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
95.卫星导航欺骗干扰抑制设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许卫星导航欺骗干扰抑制设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
96.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如卫星导航欺骗干扰抑制方法。
97.在一些实施例中，卫星导航欺骗干扰抑制方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到卫星导航欺骗干扰抑制设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的卫星导航欺骗干扰抑制方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行卫星导航欺骗干扰抑制方法。
98.在一些实施例中，卫星导航欺骗干扰抑制方法可被实现为计算机程序，一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现上文所描述的各个方法和处理，例如卫星导航欺骗干扰抑制方法。
99.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
100.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
101.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
102.为了提供与用户的交互，可以在卫星导航欺骗干扰抑制设备上实施此处描述的系统和技术，该卫星导航欺骗干扰抑制设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给卫星导航欺骗干扰抑制设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
103.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
104.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
105.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
106.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。