具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

首先对本公开实施例所涉及的名词进行解释：

肌电信号：是指肌电信号是众多肌纤维中运动单元动作电位在时间和空间上的叠加；

表面肌电信号：是指浅层肌肉肌电信号和神经干上电活动在皮肤表面的综合效应，能在一定程度上反映神经肌肉的活动。

针对上述提及的现有的肌电识别模型处理方法往往校正成本较高，且数据量无法有效地提高肌电识别模型的精准度的技术问题，本公开提供了一种肌电信号处理方法、装置、设备、可读存储介质及产品。

需要说明的是，本公开提供的肌电信号处理方法、装置、设备、可读存储介质及产品可运用在各种肌电信号识别模型的优化场景中。

为了降低肌电信号识别模型使用过程中的误差，现有技术中一般都通过识别和部署对外部因素具有鲁棒性的表面肌电信号特征，通过该具有鲁棒性的表面肌电信号对模型进行训练。但是，采用上述方法获取的具有鲁棒性的表面肌电信号往往获取成本较高，且数据量有限，无法有效地实现对肌电信号识别模型的优化操作。

在解决上述技术问题的过程中，发明人通过研究发现，为了在提高肌电信号识别模型精度的基础上，减少了肌电信号识别模型校正所需的数据量，可以选择监督自适应的方式实现对模型的优化操作。

发明人进一步地研究发现，可以首先通过多个手势对应的待训练数据集训练对预设的待训练模型进行训练，获得待校正肌电信号识别模型。采用少量与待训练数据集中待训练样本采集位置不同的表面肌电信号以及其对应的标签信息，对该待校正肌电信号识别模型进行校正操作，获得校正后的肌电信号识别模型。

本公开实施例提供的肌电信号处理方法，旨在解决现有技术的如上技术问题。

下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。

图1为本公开基于的网络架构示意图，如图1所示，本公开基于的网络架构至少包括：终端设备1以及服务器2，其中，该服务器2中可设置有肌电信号处理装置。该肌电信号处理装置可以采用C/C++、Java、Shell或Python等语言编写；终端设备1则可例如台式电脑、平板电脑等。

图2为本公开实施例一提供的肌电信号处理方法的流程示意图，如图2所示，该方法包括：

步骤201、获取待识别肌电信号。

步骤202、将所述待识别肌电信号输入到校正后的肌电信号识别模型中。

步骤203、通过所述校正后的肌电信号识别模型对待识别肌电信号对应的手势进行识别，输出手势类型；

所述校正后的肌电信号识别模型是通过校正数据集，以及待校正肌电信号识别模型对应的训练参数信息对所述待校正肌电信号识别模型进行校正操作后获得的，所述待校正肌电信号识别模型是通过多个手势对应的待训练数据集训练后得到的，所述校正数据集中包括多组与所述待训练数据集中待训练样本采集位置不同的表面肌电信号以及其对应的标签信息。

本实施例的执行主体为肌电信号处理装置，该肌电信号处理装置可耦合于服务器中。

在本实施例中，在提高肌电信号识别模型精度的基础上，减少了肌电信号识别模型校正所需的数据量，可以选择监督自适应的方式实现对模型的优化操作。具体地，可以首先采用多个手势对应的待训练数据集对预设的待训练模型进行训练操作，获得待校正肌电信号识别模型。在基于多个手势对应的待训练数据集对待训练模型进行训练后，该待校正模型已经具有肌电信号手势识别的能力。

为了提高模型的识别精度，还可以再采用校正数据集对该待校正肌电信号识别模型进行校正操作，获得校正后的肌电信号识别模型。从而后续可以根据该校正后的肌电信号识别模型进行肌电信号识别操作。其中，该校正数据集中包括多组与所述待训练数据集中待训练样本采集位置不同的表面肌电信号以及其对应的标签信息。

进一步地，为了实现对肌电信号的识别操作，首先可以获取待识别肌电信号。该待识别肌电信号可以为终端设备发送的，该终端设备包括但不限于台式电脑、平板电脑等。

在获取到待识别肌电信号之后，可以将该待识别肌电信号输入至该校正后的肌电信号识别模型中。该校正后的肌电信号识别模型可以对待识别肌电信号进行手势识别操作，获得输出手势类型。

本实施例提供的肌电信号处理方法，通过采用包括多组与所述待训练数据集中待训练样本采集位置不同的表面肌电信号以及其对应的标签信息的校正数据集校正后的肌电信号识别模型对待识别肌电信号进行识别，从而能够提高肌电信号识别模型的识别精度。此外，通过对采用多个手势对应的待训练数据集训练后得到的待校正肌电信号识别模型进行校正，从而只需少量的数据即能够实现较好的训练效果，在提高肌电信号识别模型精度的基础上，减少了肌电信号识别模型校正所需的数据量，提高肌电信号识别模型的训练效率。通过该校正后的肌电信号识别模型进行手势识别操作，能够提高识别精度。

图3为本公开实施例二提供的肌电信号处理方法的流程示意图，在实施例一的基础上，如图3所示，步骤202之前，还包括：

步骤301、获取预先通过多个手势对应的待训练数据集训练后的待校正肌电信号识别模型，以及所述待校正肌电信号识别模型对应的训练参数信息。

步骤302、获取校正数据集，所述校正数据集中包括多组与所述待训练数据集中待训练样本采集位置不同的表面肌电信号以及其对应的标签信息，所述校正数据集的数据量小于所述待训练数据集的数据量。

步骤303、通过所述校正数据集，以及所述待校正肌电信号识别模型对应的训练参数信息对所述待校正肌电信号识别模型进行校正操作，获得校正后的肌电信号识别模型；并通过所述校正后的肌电信号识别模型输出校正数据集中每个校正数据对应的手势类型。

在本实施例中，首先采用多个手势对应的待训练数据集对预设的待训练模型进行训练操作，获得待校正肌电信号识别模型。获取预先通过多个手势对应的待训练数据集训练后的待校正肌电信号识别模型，以及待校正肌电信号识别模型对应的训练参数信息。该训练参数信息可以作为待校正肌电信号识别模型对应的初始训练参数，从而能够进一步地提高模型的训练效率。

具体地，可以获取预先通过多个手势对应的待训练数据集训练后的待校正肌电信号识别模型，以及待校正肌电信号识别模型对应的训练参数信息。获取校正数据集，该校正数据集中包括多组校正数据，校正数据中包括表面肌电信号以及其对应的标签信息。需要说明的是，校正数据集中的表面肌电信号与待训练样本中的表面肌电信号采集位置不同。其可以为采集通道向预设的方向移动预设距离后采集的表面肌电信号。校正数据集的数据量小于待训练数据集的数据量。

在获取到校正数据集之后，即可以通过该校正数据集，以及待校正肌电信号识别模型对应的训练参数信息对待校正肌电信号识别模型进行再次训练，实现对待校正肌电信号识别模型的校正操作，获得校正后的肌电信号识别模型。相应地，将校正数据集输入至该待校正肌电信号识别模型之后，该校正后的肌电信号识别模型可以输出校正数据集中每个校正数据对应的手势类型。

进一步地，在实施例一的基础上，步骤301具体包括：

获取多个手势对应的待训练数据集，所述待训练数据集中包括多组待训练样本，所述待训练样本中包括表面肌电信号以及其对应的标签信息。

采用所述待训练数据集，对预设的待训练模型进行预训练操作，获得待校正肌电信号识别模型，以及所述待校正肌电信号识别模型对应的训练参数信息。

在本实施例中，在对待校正肌电信号识别模型进行校正之前，首先需要通过训练获得该待校正肌电信号识别模型。

具体地，可以获取多个手势对应的待训练数据集，待训练数据集中包括多组待训练样本，待训练样本中包括表面肌电信号以及其对应的标签信息。通过该待训练样本，对预设的待训练模型进行迭代训练操作，获得该待训练模型对应的损失值。根据该损失值对待训练模型的训练参数进行调整，直至调整后的待训练模型的损失值趋于平稳，获得该待校正肌电信号识别模型，以及待校正肌电信号识别模型对应的训练参数信息。

进一步地，在实施例一的基础上，所述获取多个手势对应的待训练数据集，包括：

获取预设的多个采集通道采集的不同手势对应的待处理肌电信号。

对所述待处理肌电信号进行活动段检测，获得包括有效手势动作对应的肌电信号。

针对每一有效手势动作对应的肌电信号，根据所述手势动作，对所述肌电信号进行标注操作，获得所述多个手势对应的待训练数据集。

在本实施例中，为了提高训练好的待校正肌电信号识别模型的识别精度，首先可以对用于训练模型的待训练数据集进行优化处理，使其仅包括有效手势动作对应的肌电信号以及标签信息。

具体地，首先可以获取预设的多个采集通道采集的不同手势对应的待处理肌电信号。由于数据采集的过程中，该待处理肌电信号中可能存在于手势无关的动作的信号，因此，可以对待处理肌电信号进行活动段检测，获得包括有效手势动作对应的肌电信号。

针对每一有效手势动作对应的肌电信号，根据所述手势动作，对所述肌电信号进行标注操作，获得所述多个手势对应的待训练数据集。从而后续通过该待训练数据集对待训练模型进行训练之后，该训练后的待校正肌电信号识别模型能够具有肌电信号的识别能力。

进一步地，在实施例一的基础上，步骤301具体包括：

采用最小化平方以及误差函数、所述待训练数据集对预设的待训练模型进行预训练操作，获得待校正肌电信号识别模型，以及所述待校正肌电信号识别模型对应的训练参数信息。

在本实施例中，具体可以采用最小化平方以及误差函数、待训练数据集对预设的待训练模型进行预训练操作，获得待校正肌电信号识别模型，以及待校正肌电信号识别模型对应的训练参数信息。其中，该误差函数如公式1所示：

其中，x_n，n＝1，...，N为输入的待训练数据集中的数据，y(x_n，w)为MLP的输出预测参数，w为神经元的权重数组，t_n为实际参数。

为了提高模型的训练效率，在本实施例中，具体可以采用Levenberg-Marquardt方法对来拟合待训练模型的网络权重值。

图4为本公开实施例提供的待训练模型40的结构示意图，如图4所示，该待训练模型40包括输入层41、隐含层42以及输出层43。其中，该隐含层42中包括三个神经元。该输出层43可以作为手指运动的解码器。将待训练样本输入至该输入层41中，隐含层42中3个神经元均用双曲正切激活函数，输出层43是解码后的输出，只包含一个输出参数。

本实施例提供的肌电信号处理方法，通过首先采用多个手势对应的待训练数据集对预设的待训练模型进行训练操作，获得待校正肌电信号识别模型。通过校正数据集，以及待校正肌电信号识别模型对应的训练参数信息对待校正肌电信号识别模型进行再次训练，实现对待校正肌电信号识别模型的校正操作，获得校正后的肌电信号识别模型。从而只需少量的数据即能够实现较好的训练效果，在提高肌电信号识别模型精度的基础上，减少了肌电信号识别模型校正所需的数据量，提高肌电信号识别模型的训练效率。通过该校正后的肌电信号识别模型进行手势识别操作，能够提高识别精度。

图5为本公开实施例三提供的肌电信号处理方法的流程示意图，在上述任一实施例的基础上，步骤302具体包括：

步骤501、控制所述预设的多个采集通道向预设的方向移动预设数量个通道位置，获得移动后的多个采集通道。

步骤502、获取所述移动后的多个采集通道采集的不同手势对应的待处理肌电信号。

步骤503、根据所述移动后的多个采集通道采集的不同手势对应的待处理肌电信号，获得所述校正数据集。

在本实施例中，校正数据集中的数据可以为用于采集待训练数据集中表面肌电信号的采集通道向预设的方向移动预设距离后采集的表面肌电信号。具体地，可以控制预设的多个采集通道向预设的方向移动预设数量个通道位置，获得移动后的多个采集通道。以实际应用举例来说，可以将5个通道的采集位置统一向左或向右移动半个通道位置。通过该移动后的多个采集通道进行肌电信号采集操作，获得不同手势对应的待处理肌电信号。根据移动后的多个采集通道采集的不同手势对应的待处理肌电信号，获得所述校正数据集。

进一步地，在上述任一实施例的基础上，步骤503具体包括：

对所述移动后的多个采集通道采集的不同手势对应的待处理肌电信号进行活动段检测，获得包括有效手势动作对应的目标肌电信号。

针对每一有效手势动作对应的目标肌电信号，根据所述手势动作，对所述目标肌电信号进行标注操作，获得所述校正数据集。

在本实施例中，首先可以对用于校正模型的校正数据集进行优化处理，使其仅包括有效手势动作对应的肌电信号以及标签信息。

具体地，首先可以获取预设的多个采集通道采集的不同手势对应的待处理肌电信号。由于数据采集的过程中，该移动后的多个采集通道采集的不同手势对应的待处理肌电信号中可能存在于手势无关的动作的信号，因此，可以对移动后的多个采集通道采集的不同手势对应的待处理肌电信号进行活动段检测，获得包括有效手势动作对应的目标肌电信号。

针对每一有效手势动作对应的目标肌电信号，根据手势动作，对目标肌电信号进行标注操作，获得多个手势对应的校正数据集。

本实施例提供的肌电信号处理方法，通过将用于采集待训练数据集中表面肌电信号的采集通道向预设的方向移动预设距离后采集的表面肌电信号，从而能够实现对校正数据集的获取，进而能够实现对待校正肌电信号识别模型的校正操作，提高肌电信号识别模型的识别精度。

图6为本公开实施例四提供的肌电信号处理方法的流程示意图，在上述任一实施例的基础上，步骤303具体包括：

步骤601、将所述待校正肌电信号识别模型对应的训练参数信息作为所述待校正肌电信号识别模型的初始参数，获得待校正模型。

步骤602、通过所述校正数据对所述待校正模型进行训练，直至所述待校正模型收敛，获得所述校正后的肌电信号识别模型。

在本实施例中，由于待校正肌电信号识别模型已经具有一定的肌电信号识别能力，因此，可以在该待校正肌电信号识别模型的基础上，对其进行细微的校正操作。具体地，可以将待校正肌电信号识别模型对应的训练参数信息作为所述待校正肌电信号识别模型的初始参数，获得待校正模型。通过所述校正数据对所述待校正模型进行训练，直至所述待校正模型收敛，获得所述校正后的肌电信号识别模型。

本实施例提供的肌电信号处理方法，通过将待校正肌电信号识别模型对应的训练参数信息作为所述待校正肌电信号识别模型的初始参数，从而后续仅需要通过只需少量的数据即能够实现较好的训练效果，提高肌电信号识别模型的训练效率。

图7为本公开实施例五提供的肌电信号处理装置的结构示意图，如图7所示，该肌电信号处理装置70包括：获取模块71、输入模块72以及处理模块73，其中，获取模块71，用于获取待识别肌电信号。输入模块72，用于将所述待识别肌电信号输入到校正后的肌电信号识别模型中。处理模块73，用于通过所述校正后的肌电信号识别模型对待识别肌电信号对应的手势进行识别，输出手势类型。所述校正后的肌电信号识别模型是通过校正数据集，以及待校正肌电信号识别模型对应的训练参数信息对所述待校正肌电信号识别模型进行校正操作后获得的，所述待校正肌电信号识别模型是通过多个手势对应的待训练数据集训练后得到的，所述校正数据集中包括多组与所述待训练数据集中待训练样本采集位置不同的表面肌电信号以及其对应的标签信息。

本实施例提供的肌电信号处理装置，通过采用包括多组与所述待训练数据集中待训练样本采集位置不同的表面肌电信号以及其对应的标签信息的校正数据集校正后的肌电信号识别模型对待识别肌电信号进行识别，从而能够提高肌电信号识别模型的识别精度。此外，通过对采用多个手势对应的待训练数据集训练后得到的待校正肌电信号识别模型进行校正，从而只需少量的数据即能够实现较好的训练效果，在提高肌电信号识别模型精度的基础上，减少了肌电信号识别模型校正所需的数据量，提高肌电信号识别模型的训练效率。

进一步地，在实施例五的基础上，所述装置还包括：训练模块。获取模块，还用于获取预先通过多个手势对应的待训练数据集训练后的待校正肌电信号识别模型，以及所述待校正肌电信号识别模型对应的训练参数信息；获取校正数据集，所述校正数据集中包括多组与所述待训练数据集中待训练样本采集位置不同的表面肌电信号以及其对应的标签信息，所述校正数据集的数据量小于所述待训练数据集的数据量。训练模块，用于通过所述校正数据集，以及所述待校正肌电信号识别模型对应的训练参数信息对所述待校正肌电信号识别模型进行校正操作，获得校正后的肌电信号识别模型；并通过所述校正后的肌电信号识别模型输出校正数据集中每个校正数据对应的手势类型。

进一步地，在实施例五的基础上，所述获取模块，还用于获取多个手势对应的待训练数据集，所述待训练数据集中包括多组待训练样本，所述待训练样本中包括表面肌电信号以及其对应的标签信息。采用所述待训练数据集，对预设的待训练模型进行预训练操作，获得待校正肌电信号识别模型，以及所述待校正肌电信号识别模型对应的训练参数信息。

进一步地，在实施例五的基础上，所述获取模块，还用于获取预设的多个采集通道采集的不同手势对应的待处理肌电信号。对所述待处理肌电信号进行活动段检测，获得包括有效手势动作对应的肌电信号。针对每一有效手势动作对应的肌电信号，根据所述手势动作，对所述肌电信号进行标注操作，获得所述多个手势对应的待训练数据集。

进一步地，在实施例五的基础上，所述训练模块，用于采用最小化平方以及误差函数、所述待训练数据集对预设的待训练模型进行预训练操作，获得待校正肌电信号识别模型，以及所述待校正肌电信号识别模型对应的训练参数信息。

进一步地，在上述任一实施例的基础上，所述获取模块还用于控制所述预设的多个采集通道向预设的方向移动预设数量个通道位置，获得移动后的多个采集通道。获取所述移动后的多个采集通道采集的不同手势对应的待处理肌电信号。根据所述移动后的多个采集通道采集的不同手势对应的待处理肌电信号，获得所述校正数据集。

进一步地，在上述任一实施例的基础上，所述获取模块还用于对所述移动后的多个采集通道采集的不同手势对应的待处理肌电信号进行活动段检测，获得包括有效手势动作对应的目标肌电信号；

针对每一有效手势动作对应的目标肌电信号，根据所述手势动作，对所述目标肌电信号进行标注操作，获得所述校正数据集。

进一步地，在上述任一实施例的基础上，所述训练模块用于：将所述待校正肌电信号识别模型对应的训练参数信息作为所述待校正肌电信号识别模型的初始参数，获得待校正模型。通过所述校正数据对所述待校正模型进行训练，直至所述待校正模型收敛，获得所述校正后的肌电信号识别模型。

图8为本公开实施例六提供的电子设备的结构示意图，如图8所示，该设备可以是计算机，平板设备，医疗设备，健身设备，个人数字助理等。

装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当该存储介质中的指令由终端设备的处理器执行时，使得终端设备能够执行上述终端设备的肌电信号处理方法。

本公开另一实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时能够实现上述任一实施例所述的的肌电信号处理方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。