阅读说明：本技术 基于线性预测语音编码的信息隐藏及隐藏信息提取方法 (Information hiding and hidden information extraction method based on linear prediction speech coding ) 是由 刘鹏 李松斌 于 2019-10-09 设计创作，主要内容包括：本发明公开了基于线性预测语音编码的信息隐藏及隐藏信息提取方法,所述信息隐藏方法包括：根据嵌入率、密钥Key及随机位置选择算法,确定低速率压缩语音流中的待嵌入帧的位置；根据所述待嵌入帧的位置获取待嵌入帧,对所述待嵌入帧进行编码,得到所述待嵌入帧的索引点M,并依据预先建立的索引点集合I中的索引点分组结果,确定所述索引点M所属的分组；按预设长度读取秘密信息,得到待被嵌入的单元U；判断所述索引点M是否属于所述单元U对应的分组,若是,则不对所述索引点M进行替换,否则,获取所述单元U对应的分组中索引点M的最近投影点,替换索引点M,完成所述单元U的嵌入；对嵌入秘密信息的低速率压缩语音流进行编码得到目标压缩语音流。(The invention discloses an information hiding and hidden information extracting method based on linear predictive speech coding, which comprises the following steps: determining the position of a frame to be embedded in the low-rate compressed voice stream according to the embedding rate, the Key and a random position selection algorithm; acquiring a frame to be embedded according to the position of the frame to be embedded, encoding the frame to be embedded to obtain an index point M of the frame to be embedded, and determining a group to which the index point M belongs according to an index point grouping result in a pre-established index point set I; reading the secret information according to a preset length to obtain a unit U to be embedded; judging whether the index point M belongs to the group corresponding to the unit U, if so, not replacing the index point M, otherwise, acquiring the nearest projection point of the index point M in the group corresponding to the unit U, replacing the index point M, and completing the embedding of the unit U; and coding the low-rate compressed voice stream embedded with the secret information to obtain a target compressed voice stream.)

基于线性预测语音编码的信息隐藏及隐藏信息提取方法

技术领域

本发明涉及信息安全领域，特别涉及基于线性预测语音编码的信息隐藏及隐藏信息提取方法。

背景技术

信息技术的不断发展给人们生活带来了便利，但同时也带来了信息认证、版权保护和秘密通信等诸多问题。信息隐藏技术可以很好地解决这些问题。它是一项将秘密信息嵌入常见载体，通过隐藏秘密通信本身来达到传递秘密信息目的的技术。

数字水印技术是信息隐藏领域的一个重要的分支，该技术利用信息隐藏算法(又称隐写算法)将认证信息嵌入到音频等数字载体中。这些信息嵌入位置非常隐蔽难以被不法分子探知或修改，但是生产者或发行者可依据水印信息判断载体数据是否被替换或篡改，以保证载体数据的安全。在低速率压缩语音流中进行水印嵌入是一项非常具有挑战性的工作，因为经过低速率压缩语音编码后码流中几乎不存在冗余信息。现有的低速率压缩语音流中的水印嵌入方法可以根据隐写位置分为三类：第一类是通过直接修改压缩语音流中的一些码元实现信息嵌入，此类方法中信息嵌入与语音编码的过程相互独立；第二类和第三类是在语音编码过程中进行信息嵌入。第一类在短时预测器预测步骤中进行信息嵌入，第二、三类则选择在长时预测器预测步骤中进行信息嵌入。例如，量化索引调制(Quantization Index Modulation，QIM)隐写算法在线性预测系数的矢量量化(VectorQuantization，VQ)过程中进行信息嵌入，基音调制隐写算法在语音子帧基音预测过程中进行嵌入等。

QIM隐写算法中关注的核心问题是如何对原始码书进行划分。目前，研究者们已经提出了许多码书划分方法。如完全随机划分，但随机划分方法会引入巨大的附加量化失真并降低解码后的语音质量。为了解决该问题，研究者们提出了一些更加复杂的方法。例如，Chiang等人基于码子聚类实现码书分组，Lu等人基于共享码字分组扩大码字搜索范围从而达到减少附加量化失真的目的，相关技术还提出了一种基于图论的码书划分方法，称为互补邻居顶点(Complementary Neighbor Vertex，CNV)算法等等。其中，相关的CNV-QIM算法通过修改LPC量化索引嵌入秘密信息，该方法将不可避免的影响量化索引的分布特性。当嵌入过程引入的改变次数过多时，会对语音质量产生较大的影响且将很容易的被隐写检测方法检测出来。近年来，Tian等人提出了一种称为Sec-QIM的嵌入算法，该算法可以减少嵌入过程引入的改变次数，使嵌入效率有所提高，但是却降低了嵌入容量。

发明内容

本发明的目的在于克服上述技术缺陷，提出了基于线性预测语音编码的信息隐藏及隐藏信息提取方法，可以实现在向低速率压缩语音流中嵌入秘密信息的过程中，保证嵌入容量的同时，提高嵌入效率。

为实现上述目的，本发明的实施例1提出了一种基于线性预测语音编码的信息隐藏方法，所述方法包括：

根据嵌入率、密钥Key及随机位置选择算法，确定低速率压缩语音流中的待嵌入帧的位置；

根据所述待嵌入帧的位置获取待嵌入帧，对所述待嵌入帧进行编码，得到所述待嵌入帧的索引点M，并依据预先建立的索引点集合I中的索引点分组结果，确定所述索引点M所属的分组；

按预设长度读取秘密信息，得到待被嵌入的单元U；

判断所述索引点M是否属于所述单元U对应的分组，若是，则不对所述索引点M进行替换，否则，获取所述单元U对应的分组中索引点M的最近投影点，替换索引点M，完成所述单元U的嵌入；

对嵌入秘密信息的低速率压缩语音流进行编码得到目标压缩语音流。

作为上述方法的一种改进，所述方法还包括：

基于线性预测编码LPC分析滤波器及编码器的固定码书，获取对应的索引点集合I；

量化索引集合为C＝{c_i|i＝1,2,…,n}，其中，c_i指向第i个码书中的对应码字；若编码器中n个LPC量化码书分别为L₁,L₂…L_n、则码书中的码字个数分别为|L₁|,|L₂|…|L_n|，则编码器对应的索引点集合I表示为：

基于量子粒子群算法对所述索引点集合I中的索引点进行分组。

作为上述方法的一种改进，所述基于量子粒子群算法对所述索引点集合I中的索引点进行分组，具体包括：

根据所述索引点集合I中的索引点个数及预设取值范围，随机生成多个数字串；其中，每个数字串对应量子粒子群算法中的一个粒子，数字串中每个位置的数字的值表示与该位置对应的索引点的分组结果；

对每个粒子进行初始化，将初始化后得到的所有粒子采用量子粒子群算法进行优化，得到目标分组数字串。

作为上述方法的一种改进，所述对每个粒子进行初始化，将初始化后得到的所有粒子采用量子粒子群算法进行优化，得到目标分组数字串，具体包括：

随机生成一个属于[1,N]的整数作为起始位置编号，其中N为数字串长度；

以该位置为起点遍历数字串中的所有位置，遍历每个位置时，判断距离当前位置对应索引点最近的K个投影点是否已被分组；

如果K个投影点中有n个投影点被分到同一组，表示分组出现了n-1冲突，n≥2；此时需判定的范围为最近的7+K-1个投影点是否已被分组；对于未被分组的投影点，进行随机分组；

根据粒子的长度确定量子粒子群算法的量子搜索空间维度；

根据初始化后得到的所有粒子的数量确定量子粒子群算法的种群粒子数；

确定迭代次数，并根据量子搜索空间维度、种群粒子数及迭代次数获取粒子的全局最优位置；

根据粒子的全局最优位置得到目标数字串；目标分组数字串中每个位置上数字的值表示对应索引点的分组结果。

作为上述方法的一种改进，所述获取所述单元U对应的分组中索引点M的最近投影点，具体包括：

计算索引点M对应的q维量化残差系数r^M，根据r^M计算索引点集合I中的任一索引点M'与索引点M的距离E(M,M′)；

对于集合

索引点M满足M∈I且

M在I′中投影点的集合为I′_M，如果点M′满足M′∈I′_M且对于任意点M″∈I′_M满足E(M,M′)≤E(M,M″)时，则M′为M在集合I′中的最近投影点。

本发明的实施例2提出了一种隐藏信息提取方法，用于对上述的方法隐藏的信息进行提取，包括：

根据密钥Key确定载体帧的位置；

获取所述载体帧的位置上的载体帧对应的索引点所属的分组；

根据所述索引点所属的分组，提取出秘密信息。

本发明的实施例3提出了一种基于线性预测语音编码的信息隐藏系统，所述系统包括：

待嵌入帧的位置获取模块，用于根据嵌入率、密钥Key及随机位置选择算法，确定低速率压缩语音流中的待嵌入帧的位置；

索引点分组确定模块，用于根据所述待嵌入帧的位置获取待嵌入帧，对所述待嵌入帧进行编码，得到所述待嵌入帧的索引点M，并依据预先建立的索引点集合I中的索引点分组结果，确定所述索引点M所属的分组；

被嵌入单元获取模块，用于按预设长度读取秘密信息，得到待被嵌入的单元U；

嵌入模块，用于判断所述索引点M是否属于所述单元U对应的分组，若是，则不对所述索引点M进行替换，否则，获取所述单元U对应的分组中索引点M的最近投影点，替换索引点M，完成所述单元U的嵌入；

编码模块，用于对嵌入秘密信息的低速率压缩语音流进行编码得到目标压缩语音流。

本发明的实施例4提出了一种隐藏信息提取系统，所述系统包括：

载体帧位置获取模块，用于根据密钥Key确定载体帧的位置；

索引点分组确定模块，用于获取所述载体帧的位置上的载体帧对应的索引点所属的分组；

秘密信息提取模块，用于根据所述索引点所属的分组，提取出秘密信息。

本发明的优势在于：

本发明提供的线性预测语音编码的信息隐藏方法，基于量子粒子群算法对所述索引点集合中的索引点进行分组，并根据分组情况确定出待嵌入帧对应的索引点M的分组；之后将待被隐藏的秘密信息按照单元U进行读取，当索引点M不属于单元U对应的分组时，利用所述单元U对应的分组中的索引点M的最近投影点替换索引点M，实现秘密信息的嵌入，并继续编码得到嵌入秘密信息的目标压缩语音流，能够实现在保证嵌入容量的情况下，提高嵌入效率及信息安全性。

附图说明

图1为本发明实施例1提供的一种线性预测语音编码的信息隐藏方法的流程示意图；

图2为本发明实施例1提供的量化索引空间的示意图。

具体实施方式

下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。

还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部内容。一些示例性实施例被描述成作为流程示意图描绘的处理或方法，虽然流程示意图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。

线性预测编码的基本处理通常包括：利用LPC分析滤波器来预测当前样本值，LPC分析滤波器的输出称为残差系数；基于编码器的固定码书，将输出的残差系数量化为一个码字集合，量化过程根据编码器的不同而有所差别；之后为了提升压缩效率，码字集合被表示为一个LPC量化索引集合C＝{c_i|i＝1,2,…,n}。其中，c_i指向第i个码书中的对应码字。在解码时，可以利用量化索引集合C以及固定码书得到残差系数。最后，LPC系数可由LPC合成滤波器得到。此外，根据量化和插值的需要，LPC系数、线谱对系数和线谱频率系数之间可以相互转换。在常见的低速率语音编码器中，LPC残差系数在量化过程中通常被分为三个子系数分别量化。因此，量化索引集合C中通常包含三个量化索引，分别对应编码器中的三个码书。

相关的CNV-QIM算法将量化索引集合C＝{c₁,c₂,c₃}中的每个索引视为一个单独的嵌入单元。如果某个索引被选作嵌入载体，则1比特秘密信息可以被嵌入其中。因此，在每次LPC矢量量化过程中，CNV-QIM方法可以通过最多修改三个索引嵌入3比特秘密信息。Sec-QIM方法通过引入矩阵编码提高了嵌入效率，该算法将整个量化索引集合C＝{c₁,c₂,c₃}视为一个QIM嵌入单元，根据矩阵编码规则，在集合C中最多只需要选取一个索引进行修改即可嵌入2比特秘密信息，该方法虽然提高了嵌入效率但是却降低了嵌入容量。

本发明提出了一种更高效的基于量子粒子群算法的压缩语音信息嵌入方法，该方法既能保证嵌入容量与CNV-QIM算法相同又具有比Sec-QIM更高的嵌入效率。其中，嵌入容量可以理解为单位嵌入载体中能够嵌入的比特数量。嵌入效率(Embedding Efficiency，EE)表示平均每修改一个码字所能够嵌入的信息比特数。当嵌入k比特秘密信息时，如果有k′个码字被改变，则嵌入效率可由下式(1)求得：

图1为本发明实施例1提供的基于线性预测语音编码的信息隐藏方法的流程示意图，该方法适用于对秘密信息进行隐藏的情况，如将水印信息嵌入到低速率压缩语音流中。该方法包括如下步骤：

步骤110、基于线性预测编码LPC分析滤波器及编码器的固定码书，获取对应的索引点集合I，并基于量子粒子群算法对索引点集合I中的索引点进行分组。

根据上述线性预测编码的处理过程可以获得量化索引集合C＝{c_i|i＝1,2,…,n}，而LPC残差系数通常被分为三个子系数用于量化步骤，后面就以n＝3的情况为例进行说明。此时，一个索引集合可以表示为C＝{c₁,c₂,c₃}。为了描述量化索引空间，以(0,0,0)为原点建立笛卡尔三维空间直角坐标系，此时，任意一个索引集合C＝{c₁,c₂,c₃}都可以看作三维LPC量化索引空间中的一个点(c₁,c₂,c₃)，即索引点。假设编码器中三个LPC量化码书分别为L₁、L₂和L₃，码书中的码字个数分别为|L₁|、|L₂|和|L₃|，则编码器对应的索引点集合I可以表示为：

在笛卡尔三维空间直角坐标系中，三条坐标轴两两之间共构成三个平面，记为P＝{ρ_i|i＝1,2,3}。将集合S＝{λ_j|j＝1,2,…,∞}称为空间正交平面集，其中λ_j表示三维空间中的一个平面。该平面满足以下约束条件：

λ_j∈Por(λ_j//ρ_iandD(λ_j,ρ_i)∈N),1≤i≤3 (3)

其中,D(λ_j,ρ_i)表示两个平面间的欧式距离，从上述约束条件中可以看出S表示任意两个坐标轴构成的平面以及与所构成的平面平行且距离为自然数的平面的集合。由于空间直角坐标系中任意两个坐标轴构成的平面间相互正交，因此正交平面集中任意平面与其他方向的平面相互正交。此时，索引点对应集合S中平面的交点。

对于索引点M＝(m₁,m₂,m₃)，假设隐写后的索引点变为M′＝(m′₁,m′₂,m′₃)且M≠M′。如果M′为M在正交平面集上的投影点，则M′称为M的投影点，具有以下性质：

则

其中

和

分别为组成平面ρ_i的两个坐标轴上的单位向量。令

则由(5)式可得：

(m′₁-m₁)(x₁-x′₁)+(m′₂-m₂)(x₂-x′₂)+(m′₃-m₃)(x₃-x′₃)＝0 (6)

由于

和

是位于两个坐标轴上的单位向量，因此(x₁-x′₁)、(x₂-x′₂)和(x₃-x′₃)中有两项不为0，则(m′₁-m₁)、(m′₂-m₂)和(m′₃-m₃)中必有两项为0，也即用投影点替换原索引点时最多只需要修改一个索引。

图2为本发明实施例1提供的量化索引空间的示意图，结合图2对索引点M的最近投影点进行说明。如图2所示，两两坐标轴间共构成三个平面分别记为α,β和γ。图2中α1、α2和α3与α平行且距离为自然数，β1、β2和β3与β平行且距离为自然数，γ1、γ2和γ3与γ平行且距离为自然数。则图2中标出的16个平面均属于正交平面集S。需要说明的是正交平面簇中包含无数个平面，此处仅使用16个平面进行示例性说明，图2中黑色圆点“·”所示的点均为M的投影点。

对于任意索引点M∈I，其对应的q维量化残差系数r^M可由函数f(M)求得，该函数由各编码器定义。本发明实施例将上述集合I中任意两个索引点M和M′间的距离E(M,M′)定义为：

其中r_i ^M和r_i ^M′分别表示量化残差系数r^M和r^M′的第i维系数。

假设集合索引点M满足M∈I且

M在I′中投影点的集合为I′_M，如果点M′满足M′∈I′_M且对于任意点M″∈I′_M满足如下(8)式，则M′为M在集合I′中的最近投影点。

E(M,M′)≤E(M,M″) (8)

利用量子粒子群算法进行分类前，首先根据索引点集合I中的索引点个数及预设取值范围，随机生成多个数字串。其中，每个数字串对应量子粒子群算法中的一个粒子，数字串中每个位置的数字的值表示与该位置对应的索引点的分组结果。

假设要将索引点分为8组，每组取值为[0,7]的整数。上述索引点集合I的大小为|L₁|·|L₂|·|L₃|，获取长度为|L₁|·|L₂|·|L₃|的数字串，数字串中每个位置均与一个索引点相对应，该位置的数值即表示该索引点的分组结果。数字串中每个位置的数字取值为[0,7]中的整数。生成多个数字串，每一个数字串代表一个粒子。对每个粒子进行初始化，将初始化后得到的所有粒子采用量子粒子群算法进行优化，得到最终分组数字串。

为了对分组结果的优劣进行评估，本发明提出了平均替换距离的概念。假设索引点M在分组I_i(1≤i≤7)中的最近投影点为M_i(1≤i≤7)，投影点间的距离利用其对应的量化欧式距离进行计算。假设索引点M_i在集合I中是除了点M本身以外距离其第k_i(1≤i≤7)近的投影点。此时，对点M进行替换时的平均替换距离A^M可由下式(9)求得：

对每个所述粒子进行初始化的目的是使每个粒子对应的数字串中的每个位置对应的索引点与距离其最近的K个投影点尽可能地分布在不同的分组中。具体过程为：随机生成一个属于[1,N]的整数作为起始位置编号，其中N为数字串长度。以该位置为起点遍历数字串中的所有位置。遍历每个位置时，判断距离当前位置对应索引点最近的K个投影点是否已被分组。如果K个投影点中有n个(n>＝2)个投影点被分到同一组，表示分组出现了n-1冲突，此时需判定的范围为最近的7+K-1个投影点是否已被分组。对于未被分组的投影点，进行随机分组。

粒子初始化完成后，即可使用量子粒子群算法寻找最优分组。采用平均替换距离函数作为适应度函数，用于计算粒子的适应值，适应度的值越小，则粒子的位置越优。确定最大迭代次数T，当迭代次数为t时，第i个粒子在量子搜索空间中的位置为：

X_i(t)＝(x_i1(t),x_i2(t),....x_in(t)),i∈[1,M] (10)

粒子的局部最优位置记为：

P_i(t)＝(p_i1(t),p_i2(t),....p_in(t)),i∈[1,M] (11)

全局最优位置记为：

G(t)＝(g₁(t),g₂(t),....g_n(t)),且G(t)＝P_g(t) (12)

所有粒子的局部最优位置平均值mbest记为：

在迭代过程中，更新粒子的位置，当每个粒子当前位置对应的适应度值小于该粒子的局部最优位置对应的适应度值时，则用该粒子的当前位置更新该粒子的局部最优位置；当粒子的局部最优位置对应的适应度值小于全局最优位置对应的适应度值时，则用粒子的局部最优位置更新全局最优位置，即通过对比所有粒子在不同位置的适应度值，得到全局最优位置；根据所有粒子的局部最优位置计算粒子的平均最优位置；当达到最大迭代次数T或者适应值满足预设条件时，停止更新粒子的位置，并获取全局最优位置。

全局最优位置对应的数字串即为目标分组数字串，目标分组数字串中每个位置上数字的值表示对应索引点的分组结果。基于量子粒子群算法进行索引点集合中索引点的分组优化，可以尽可能地减小索引点的平均替换距离，使得嵌入秘密信息后的语音保持较高的质量。

需要说明的是，对索引点集合I中的索引点进行分组的过程只需执行一次，得到分组结果后可重复使用，无需在每次隐写时均对索引点集合I中的索引点进行分组。

步骤120、根据嵌入率、密钥Key及随机位置选择算法得到低速率压缩语音流中的待嵌入帧的位置。

其中，可以根据所需的安全等级确定嵌入率，可以采用现有的密钥生成方式生成密钥Key。假设某种隐写方法b被隐写检测方法d检测时的平均准确率为c，则安全等级L可以被定义为L_b,d＝1-c。通常在嵌入水印信息时无需在每一个载体帧中都进行嵌入，因此需要选择嵌入位置，而不同嵌入位置将对应不同的安全等级。当在n个载体帧中选择i帧进行嵌入时，嵌入率可以被表示为R＝i/n。由于安全等级和嵌入率间通常具有R∝1/L_b,d的关系，因此可以通过调整嵌入率来确定相应的安全等级。

为了保证嵌入率符合预期，可以将所有语音帧划分为若干个嵌入单元，每个嵌入单元包含m个载体帧，其中m为一预设值。根据所需的安全等级计算出嵌入率，由嵌入率得到待嵌入帧的数量，之后可以由密钥Key和强随机数发生器选择出所有待嵌入帧的位置。

步骤130、根据待嵌入帧的位置获取待嵌入帧，对待嵌入帧进行编码，得到待嵌入帧的索引点M，并依据索引点集合I中的索引点分组结果，确定索引点M所属的分组。

步骤140、按预设长度读取秘密信息，获取待被嵌入的单元U。

例如，将水印信息转化为二进制序列，预设长度可以为3比特，每3比特作为一个单元U，隐写时，每次读取一个单元U进行嵌入。

步骤150、判断索引点M是否属于单元U对应的分组，若是，则不对索引点M进行替换，若否，则利用单元U对应的分组中索引点M的最近投影点替换索引点M，完成单元U的嵌入。

例如，单元U的长度为3比特时，单元U可能的取值与上述8种分组类别相同。判断每个待嵌入帧的索引点所属的分组与对应的嵌入单元U是否一致，如果一致，则不改变索引点M，如某一待嵌入帧的索引点所属的分组为001，对应的嵌入单元U也为001，则不改变索引点M。如果不一致，则获取属于单元U对应的分组中的所有索引点，从获取的索引点中找到当前索引点M的最近投影点来替换索引点M，实现将单元U嵌入索引点M对应的待嵌入帧中。

步骤160、对嵌入秘密信息的低速率压缩语音流继续进行编码得到目标压缩语音流。

本发明实施例2提供了一种对上述的信息隐藏方法所隐藏的信息进行提取的方法，包括：

步骤201)根据密钥Key确定载体帧的位置；

步骤202)获取所述载体帧的位置上的载体帧对应的索引点所属的分组；

步骤203)根据所述索引点所属的分组，提取出秘密信息。

本发明的实施例3提出了一种基于线性预测语音编码的信息隐藏系统，所述系统包括：

待嵌入帧的位置获取模块，用于根据嵌入率、密钥Key及随机位置选择算法，确定低速率压缩语音流中的待嵌入帧的位置；

索引点分组确定模块，用于根据所述待嵌入帧的位置获取待嵌入帧，对所述待嵌入帧进行编码，得到所述待嵌入帧的索引点M，并依据预先建立的索引点集合I中的索引点分组结果，确定所述索引点M所属的分组；

被嵌入单元获取模块，用于按预设长度读取秘密信息，得到待被嵌入的单元U；

嵌入模块，用于判断所述索引点M是否属于所述单元U对应的分组，若是，则不对所述索引点M进行替换，否则，获取所述单元U对应的分组中索引点M的最近投影点，替换索引点M，完成所述单元U的嵌入；

编码模块，用于对嵌入秘密信息的低速率压缩语音流进行编码得到目标压缩语音流。

本发明的实施例4提出了一种隐藏信息提取系统，所述系统包括：

载体帧位置获取模块，用于根据密钥Key确定载体帧的位置；

索引点分组确定模块，用于获取所述载体帧的位置上的载体帧对应的索引点所属的分组；

秘密信息提取模块，用于根据所述索引点所属的分组，提取出秘密信息。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。