基于5G城市部件传感器的信息处理方法及物联网云平台转让专利
申请号 : CN202110392506.1
文献号 : CN113207101B
文献日 : 2021-12-07
发明人 : 赵延军 , 郭念贤 , 王丽萍
申请人 : 山东曙光照信息技术有限公司
摘要 :
权利要求 :
1.一种基于5G城市部件传感器的信息处理方法,其特征在于,所述方法包括:将所述传感器分簇,从多个不同分簇传感器获取源数据;
从所述源数据获取各个所述分簇传感器描述信息之间的关联关系,提取高于预设关联关系阈值的所述源数据构成融合数据矩阵;
提取所述融合数据矩阵的数据特征序列及所述数据特征序列相应的属性权重,并根据所述属性权重对所述数据特征序列进行权重分配运算,形成加权融合数据;
其中,所述提取所述融合数据矩阵的数据特征序列及所述数据特征序列相应的属性权重,包括:
提取所述融合数据矩阵在预设融合变换矩阵中各个相关节点对应的数据属性置信系数特征序列;
将全部所述数据属性置信系数特征序列输入预先构建的逻辑分类模型,得到所述数据特征序列相应的属性权重;
其中,所述将全部所述数据属性置信系数特征序列输入预先构建的逻辑分类模型,得到所述数据特征序列相应的属性权重,并根据所述属性权重对所述数据特征序列进行权重分配运算,形成加权融合数据矩阵,包括:获取同一簇内每一特征序列与所述簇内其余特征序列之间的数据特征相似度加和,进而求取不同簇所有特征序列的所述数据特征相似度加和的加权总和;
计算所述每一特征序列所对应的数据特征相似度加和与所述加权总和的权重比值,使用所述特征序列相应的属性权重对所述特征序列进行加权运算,获得加权融合数据。
2.根据权利要求1所述的方法,其特征在于,所述数据特征相似度获取方法包括:其中,数据A与数据B的数据属性分别为(uA,SA)与(uB,SB),con(A,B)是数据A与数据B的数据特征相似度函数,u与S分别为坐标相似度与方向相似度,N是数据总数,α与β为初始化参数。
3.根据权利要求1所述的方法,其特征在于,所述从所述源数据获取各个所述分簇传感器描述信息之间的关联关系,提取高于预设关联关系阈值的所述源数据构成融合数据矩阵,包括:
分别统计各个所述分簇传感器源数据携带的设备描述信息的出现概率,以所述出现概率大于预设出现概率阈值的各个所述分簇传感器作为所述关联关系,提取高于预设出现概率阈值的所述源数据构成融合数据矩阵。
4.根据权利要求1‑3任一项所述的方法,其特征在于,所述将所述传感器分簇,从多个不同分簇传感器获取源数据,包括:获取各个具有剩余计算能力的所述传感器融合范围内数据量平均值,计算所述数据量与所述数据量平均值的差值,以得到具有剩余计算能力的所述传感器融合范围内数据量确定值;
将与具有剩余计算能力的所述数据量确定值相关联的所有融合范围区域进行分簇,以生成多个分簇融合数据范围区域,从多个不同区域分簇融合数据范围的传感器获取源数据。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:根据各个具有剩余计算能力的所述传感器融合范围内数据量,通过以下公式构成各簇传感器的最小化约束多边形拓扑图:其中,对于每个 满足以下条件:所述D(A,Ai)与D(A,Aj)分别为多边形拓扑图两点(A,Ai)与(A,Aj)之间的欧式距离,Ei与Ej分别为坐标Ai传感器与坐标Aj传感器的剩余计算能力,i,j=(1,2,3…,n);
计算不同区域分簇融合数据范围的传感器当前加权融合数据帧时间差,选取所述时间差大于预设时间差阈值的最新时间加权融合数据帧以所述最小化约束多边形拓扑图路径路由至数据处理中心平台。
6.一种基于5G城市部件传感器的信息处理系统,其特征在于,所述系统包括:获取模块,用于将所述传感器分簇,从多个不同分簇传感器获取源数据;
提取模块,用于从所述源数据获取各个所述分簇传感器描述信息之间的关联关系,提取高于预设关联关系阈值的所述源数据构成融合数据矩阵;
加权模块,用于提取所述融合数据矩阵的数据特征序列及所述数据特征序列相应的属性权重,并根据所述属性权重对所述数据特征序列进行权重分配运算,形成加权融合数据;
其中,所述提取所述融合数据矩阵的数据特征序列及所述数据特征序列相应的属性权重,包括:
提取所述融合数据矩阵在预设融合变换矩阵中各个相关节点对应的数据属性置信系数特征序列;
将全部所述数据属性置信系数特征序列输入预先构建的逻辑分类模型,得到所述数据特征序列相应的属性权重;
其中,所述将全部所述数据属性置信系数特征序列输入预先构建的逻辑分类模型,得到所述数据特征序列相应的属性权重,并根据所述属性权重对所述数据特征序列进行权重分配运算,形成加权融合数据矩阵,包括:获取同一簇内每一特征序列与所述簇内其余特征序列之间的数据特征相似度加和,进而求取不同簇所有特征序列的所述数据特征相似度加和的加权总和;
计算所述每一特征序列所对应的数据特征相似度加和与所述加权总和的权重比值,使用所述特征序列相应的属性权重对所述特征序列进行加权运算,获得加权融合数据。
7.一种基于5G城市部件传感器的物联网云平台,其特征在于,所述平台包括:通信总线,用于实现处理器与存储器间的连接通信;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如下步骤:将所述传感器分簇,从多个不同分簇传感器获取源数据;
从所述源数据获取各个所述分簇传感器描述信息之间的关联关系,提取高于预设关联关系阈值的所述源数据构成融合数据矩阵;
提取所述融合数据矩阵的数据特征序列及所述数据特征序列相应的属性权重,并根据所述属性权重对所述数据特征序列进行权重分配运算,形成加权融合数据;
其中,所述提取所述融合数据矩阵的数据特征序列及所述数据特征序列相应的属性权重,包括:
提取所述融合数据矩阵在预设融合变换矩阵中各个相关节点对应的数据属性置信系数特征序列;
将全部所述数据属性置信系数特征序列输入预先构建的逻辑分类模型,得到所述数据特征序列相应的属性权重;
其中,所述将全部所述数据属性置信系数特征序列输入预先构建的逻辑分类模型,得到所述数据特征序列相应的属性权重,并根据所述属性权重对所述数据特征序列进行权重分配运算,形成加权融合数据矩阵,包括:获取同一簇内每一特征序列与所述簇内其余特征序列之间的数据特征相似度加和,进而求取不同簇所有特征序列的所述数据特征相似度加和的加权总和;
计算所述每一特征序列所对应的数据特征相似度加和与所述加权总和的权重比值,使用所述特征序列相应的属性权重对所述特征序列进行加权运算,获得加权融合数据。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1‑5任一项所述的方法。
说明书 :
基于5G城市部件传感器的信息处理方法及物联网云平台
技术领域
背景技术
息格式和内容转换能力。智慧城市大数据项目涉及更多的动态的多源异构数据,如气象、人
车流量,视频等,这些多源动态数据结构不同,不同应用所需的数据源不同,采用传统的融
合方法融合效率低。
火灾作为现代城市的主要灾害,越来越受到人们的广泛关注。随着经济和技术的不断发展,
城市高层建筑、地下工程、商场、人员密集场所、加油站等日益增多,灭火救助的难度也在相
应增加,同时对消防通信的要求也越来越高,目前已经不仅仅停留在保证消防通信实时性,
减少网络节点整体能耗上,还要求提升网络节点能耗的公平性,即各个同类节点的能耗尽
量均匀,这样才能避免关键节点耗尽能量而导致网络无法运行,导致发生火灾时造成重大
损失。
号一般又来自多个信号源,即多传感器。但是多传感器也带来了信息冗余甚至矛盾,所以必
须通过对多个传感器及其观测信息的合理支配与使用,将其采集的信息依据某种优化准则
组合,产生对观测环境一致性的解释和描述,因此迫切要求对信息进一步处理。信息融合就
是融合来自多个传感器或其他信息源的数据,以获得综合的、更好的估计,对数据进行多方
面的处理。信息融合是指将多个来源的数据即多源数据进行分析、综合、组合,以完成所需
的决策和评估任务而进行的信息处理技术,其目的就是将原来分散的、独立的多个数据融
合在一起,从而发现数据规律、趋势,提升数据价值。
关系的处理,处理过程中需要对多源数据的原数据表中的融合字段进行清洗,导致处理程
序庞大,处理数据量大。并且清洗后还需将进行相等字段值关联关系处理后的数据另存一
张数据表,增加了存储的占用。或有的根据业务需求,需要有经验的业务人员首先识别出表
之间关联关系,从而实现多个数据源的数据融合。企业中使用的各个业务系统,在设计之初
仅为满足某一业务需要所设计,或者外键关系不明显,没有考虑到多个业务系统之间的关
联性。因此,当分散在各个业务系统中的相关数据汇入数据仓库后,无法通过简单的逻辑匹
配方法得到数据之间的关系,这就需要数据开发者寻求新的数据融合技术来挖掘数据之间
的关联关系。
发明内容
行权重分配运算,形成加权融合数据矩阵,所述方法包括:
始化参数。
现概率阈值的所述源数据构成融合数据矩阵。
量确定值;
源数据。
路径路由至数据处理中心平台。
数据。
簇,进而从多个不同分簇传感器获取源数据,这样,把不具备或较少剩余计算处理能力的次
要传感器排除在外,仅抽取那些具有良好处理能力的传感器进行处理,体现各个传感器各
自的优势;其次对从源数据获取各个分簇传感器描述信息之间的关联关系的出现概率来提
取高于预设关联关系的出现概率阈值的源数据构成融合数据矩阵,这样,由于考虑了传感
器之间的关联性,仅需根据数据处理规则提取所需的数据,无需对全局数据进行融合,能够
提高数据融合效率;然后提取融合数据矩阵的数据特征序列及数据特征序列相应的属性权
重,并根据属性权重对数据特征序列进行权重分配运算,形成加权融合数据,这样,解决基
于多传感器的数据进行特征融合时,每个传感器对应的权重固定,无法自适应地适配当前
场景,导致数据融合效果不佳的问题,能够提高数据融合的灵活度,从而保证融合数据的准
确性与可靠性;最后,根据各个具有剩余计算能力的所述传感器融合范围内数据量,构成各
簇传感器的最小化约束多边形拓扑图,并将最新加权融合数据帧以最小路径路由传输融合
数据,这样保证传感器在不同分布常见时依然保持实时性、保证能耗公平性,并降低了能量
损耗。
多集中在不考虑关联性的多个相同类型的传感器数据融合,或只针对简单的两种或少数传
感器进行数据融合,既没有体现每一类传感器自身独有的优势,也无法保证多传感器数据
融合的准确性,不能重点突出地体现各个传感器不同权重条件的问题。
附图说明
中的实施例不构成对本发明的任何限制,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。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。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。
预设关联关系阈值的上述源数据构成融合数据矩阵;提取上述融合数据矩阵的数据特征序
列及上述数据特征序列相应的属性权重,并根据上述属性权重对上述数据特征序列进行权
重分配运算,形成加权融合数据。
器或摄像头等智能硬件获取,本实施例中各步骤的执行主体还可为其他可实现相同或相似
功能的设备,例如:手机、个人电脑,PAD等,本实施例对此不作限制。
均值的求取差值,这样就可以得到具有剩余计算能力的传感器融合范围内数据量确定值,
然后将与具有剩余计算能力的预先设定范围的数据量确定值相关联的所有融合范围区域
进行分簇,就可以生成多个不同范围的分簇融合数据区域,这样传感器控制器就可以从多
个不同区域分簇融合数据范围的传感器获取原始数据用于后续处理工作。
计算处理能力的次要传感器排除在外,仅抽取那些具有良好处理能力的传感器进行处理,
体现各个传感器各自的优势。
备了所定义的关联关系,将那些高于预设出现概率阈值的源数据提取出构成融合数据矩
阵。
传感器之间的关联性,仅需根据数据处理规则提取所需的数据,无需对全局数据进行融合,
能够提高数据融合效率。
他关联规则,其都包含在本发明的范围之内。
先构建的逻辑分类模型,得到数据特征序列相应的属性权重。
相似度加和的加权总和,进一步计算每一特征序列所对应的数据特征相似度加和与加权总
和的权重比值,使用特征序列相应的属性权重对特征序列进行加权运算,获得加权融合数
据。其中,这里的数据特征相似度可通过以下方法进行获取:
是数据总数,α与β为初始化参数。
传感器的数据进行特征融合时,每个传感器对应的权重固定,无法自适应地适配当前场景,
导致数据融合效果不佳的问题,能够提高数据融合的灵活度,从而保证融合数据的准确性
与可靠性。
器或摄像头等智能硬件获取,本实施例中各步骤的执行主体还可为其他可实现相同或相似
功能的设备,例如:手机、个人电脑,PAD等,本实施例对此不作限制。
均值的求取差值,这样就可以得到具有剩余计算能力的传感器融合范围内数据量确定值,
然后将与具有剩余计算能力的预先设定范围的数据量确定值相关联的所有融合范围区域
进行分簇,就可以生成多个不同范围的分簇融合数据区域,这样传感器控制器就可以从多
个不同区域分簇融合数据范围的传感器获取原始数据用于后续处理工作。
计算处理能力的次要传感器排除在外,仅抽取那些具有良好处理能力的传感器进行处理,
体现各个传感器各自的优势。
备了所定义的关联关系,将那些高于预设出现概率阈值的源数据提取出构成融合数据矩
阵。
传感器之间的关联性,仅需根据数据处理规则提取所需的数据,无需对全局数据进行融合,
能够提高数据融合效率。
他关联规则,其都包含在本发明的范围之内。
先构建的逻辑分类模型,得到数据特征序列相应的属性权重。
相似度加和的加权总和,进一步计算每一特征序列所对应的数据特征相似度加和与加权总
和的权重比值,使用特征序列相应的属性权重对特征序列进行加权运算,获得加权融合数
据。其中,这里的数据特征相似度可通过以下方法进行获取:
是数据总数,α与β为初始化参数。
传感器的数据进行特征融合时,每个传感器对应的权重固定,无法自适应地适配当前场景,
导致数据融合效果不佳的问题,能够提高数据融合的灵活度,从而保证融合数据的准确性
与可靠性。
由至数据处理中心平台。
感器的剩余计算能力,i,j=(1,2,3…,n)。
干个最小生成树,再从每个连通分量中找关联性最小的边,从而得到具有关联性最小化约
束多边形拓扑图。
路径路由至数据处理中心平台。
据,这样保证传感器在不同分布常见时依然保持实时性、保证能耗公平性,并降低了能量损
耗
器或摄像头等智能硬件获取,本实施例中各步骤的执行主体还可为其他可实现相同或相似
功能的设备,例如:手机、个人电脑,PAD等,本实施例对此不作限制。
均值的求取差值,这样就可以得到具有剩余计算能力的传感器融合范围内数据量确定值,
然后将与具有剩余计算能力的预先设定范围的数据量确定值相关联的所有融合范围区域
进行分簇,就可以生成多个不同范围的分簇融合数据区域,这样传感器控制器就可以从多
个不同区域分簇融合数据范围的传感器获取原始数据用于后续处理工作。
计算处理能力的次要传感器排除在外,仅抽取那些具有良好处理能力的传感器进行处理,
体现各个传感器各自的优势。
备了所定义的关联关系,将那些高于预设出现概率阈值的源数据提取出构成融合数据矩
阵。
传感器之间的关联性,仅需根据数据处理规则提取所需的数据,无需对全局数据进行融合,
能够提高数据融合效率。
他关联规则,其都包含在本发明的范围之内。
数据。
先构建的逻辑分类模型,得到数据特征序列相应的属性权重。
相似度加和的加权总和,进一步计算每一特征序列所对应的数据特征相似度加和与加权总
和的权重比值,使用特征序列相应的属性权重对特征序列进行加权运算,获得加权融合数
据。其中,这里的数据特征相似度可通过以下方法进行获取:
是数据总数,α与β为初始化参数。
传感器的数据进行特征融合时,每个传感器对应的权重固定,无法自适应地适配当前场景,
导致数据融合效果不佳的问题,能够提高数据融合的灵活度,从而保证融合数据的准确性
与可靠性。
最新加权融合数据帧以最小化约束多边形拓扑图路径路由至数据处理中心平台。
感器的剩余计算能力,i,j=(1,2,3…,n)。
干个最小生成树,再从每个连通分量中找关联性最小的边,从而得到具有关联性最小化约
束多边形拓扑图。
路径路由至数据处理中心平台。
据,这样保证传感器在不同分布常见时依然保持实时性、保证能耗公平性,并降低了能量损
耗
含至少一个存储装置。
器或摄像头等智能硬件获取,本实施例中各步骤的执行主体还可为其他可实现相同或相似
功能的设备,例如:手机、个人电脑,PAD等,本实施例对此不作限制。
均值的求取差值,这样就可以得到具有剩余计算能力的传感器融合范围内数据量确定值,
然后将与具有剩余计算能力的预先设定范围的数据量确定值相关联的所有融合范围区域
进行分簇,就可以生成多个不同范围的分簇融合数据区域,这样传感器控制器就可以从多
个不同区域分簇融合数据范围的传感器获取原始数据用于后续处理工作。
计算处理能力的次要传感器排除在外,仅抽取那些具有良好处理能力的传感器进行处理,
体现各个传感器各自的优势。
备了所定义的关联关系,将那些高于预设出现概率阈值的源数据提取出构成融合数据矩
阵。
传感器之间的关联性,仅需根据数据处理规则提取所需的数据,无需对全局数据进行融合,
能够提高数据融合效率。
他关联规则,其都包含在本发明的范围之内。
先构建的逻辑分类模型,得到数据特征序列相应的属性权重。
相似度加和的加权总和,进一步计算每一特征序列所对应的数据特征相似度加和与加权总
和的权重比值,使用特征序列相应的属性权重对特征序列进行加权运算,获得加权融合数
据。其中,这里的数据特征相似度可通过以下方法进行获取:
是数据总数,α与β为初始化参数。
传感器的数据进行特征融合时,每个传感器对应的权重固定,无法自适应地适配当前场景,
导致数据融合效果不佳的问题,能够提高数据融合的灵活度,从而保证融合数据的准确性
与可靠性。
由至数据处理中心平台。
感器的剩余计算能力,i,j=(1,2,3…,n)。
干个最小生成树,再从每个连通分量中找关联性最小的边,从而得到具有关联性最小化约
束多边形拓扑图。
路径路由至数据处理中心平台。
据,这样保证传感器在不同分布常见时依然保持实时性、保证能耗公平性,并降低了能量损
耗
成。上述的处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可
编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。上述处理器可以是
微处理器或者上述处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法
的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行
完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写
可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存
储器中的信息,结合其硬件完成上述方法的步骤。
标传感器进行分簇,进而从多个不同分簇传感器获取源数据,这样,把不具备或较少剩余计
算处理能力的次要传感器排除在外,仅抽取那些具有良好处理能力的传感器进行处理,体
现各个传感器各自的优势;其次对从源数据获取各个分簇传感器描述信息之间的关联关系
的出现概率来提取高于预设关联关系的出现概率阈值的源数据构成融合数据矩阵,这样,
由于考虑了传感器之间的关联性,仅需根据数据处理规则提取所需的数据,无需对全局数
据进行融合,能够提高数据融合效率;然后提取融合数据矩阵的数据特征序列及数据特征
序列相应的属性权重,并根据属性权重对数据特征序列进行权重分配运算,形成加权融合
数据,这样,解决基于多传感器的数据进行特征融合时,每个传感器对应的权重固定,无法
自适应地适配当前场景,导致数据融合效果不佳的问题,能够提高数据融合的灵活度,从而
保证融合数据的准确性与可靠性;最后,根据各个具有剩余计算能力的所述传感器融合范
围内数据量,构成各簇传感器的最小化约束多边形拓扑图,并将最新加权融合数据帧以最
小路径路由传输融合数据,这样保证传感器在不同分布常见时依然保持实时性、保证能耗
公平性,并降低了能量损耗。
多集中在不考虑关联性的多个相同类型的传感器数据融合,或只针对简单的两种或少数传
感器进行数据融合,既没有体现每一类传感器自身独有的优势,也无法保证多传感器数据
融合的准确性,不能重点突出地体现各个传感器不同权重条件的问题。
依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知
悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明
所必须的。
程序产品包括一个或多个计算机指令。在计算机上加载或执行该计算机程序指令时,全部
或部分地产生按照本申请实施例该的流程或功能。该计算机可以为通用计算机、专用计算
机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,
或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,该计算机指令
可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式
向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计
算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等
数据存储设备。该可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、
或者半导体介质。半导体介质可以是固态硬盘。
以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员
可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出
本申请的范围。
划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件
可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或
讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦
合或通信连接,可以是电性,机械或其它的形式。
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。
元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式
体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机
设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全
部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read‑only memory,
ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序
代码的介质。
或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令
到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一
个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在
流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。
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。
然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进
行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术
方案的范围。