本發(fā)明涉及檢測技術(shù)領(lǐng)域，特別是一種基于預(yù)測的及時加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法。

背景技術(shù)：

本發(fā)明提出一種基于預(yù)測的及時加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法。由于單個傳感器節(jié)點采集的數(shù)據(jù)可能存在誤差，因此通常需要在廣闊空間中的多個位置布置多個傳感器節(jié)點，并通過網(wǎng)絡(luò)進(jìn)行相聯(lián)以形成傳感器網(wǎng)絡(luò)。結(jié)合傳感器網(wǎng)絡(luò)中所有傳感器節(jié)點所采集的信息，并進(jìn)行綜合判斷以得出最終的結(jié)果，這一過程被稱為傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合，所采用的方法即為傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合方法。由于傳統(tǒng)傳感器網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)融合時，通常要等到所有傳感器節(jié)點的數(shù)據(jù)都被匯聚節(jié)點所接收后，才能在匯聚節(jié)點上通過計算得出最終的融合結(jié)果，這事實上減慢了系統(tǒng)刷新的速率，降低了實時性。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的是提出一種基于預(yù)測的及時加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，提高了數(shù)據(jù)融合方法的及時性以及準(zhǔn)確性。

本發(fā)明采用以下方案實現(xiàn)：一種基于預(yù)測的及時加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，具體包括以下步驟：

步驟S1：初始化處理：初始化融合決策值R₀,采用全部節(jié)點的平均值作為初始融合決策值R₀，具體采用下式：

其中，R₀為初始化融合決策值，r_0i為傳感節(jié)點i在初始化階段的檢測匯報值，n為場景中傳感節(jié)點總數(shù)；

步驟S2：初始化每個傳感加權(quán)值ω_0i：

采用下式計算每個傳感節(jié)點的加權(quán)值ω_0i：

ω_0i＝ω_iP+Δω_0i；

其中，ω_iP為比例加權(quán)因子，它在初始化后幾乎不變，是整個權(quán)值的重要參與因素；Δω_0i為初始化時的積分加權(quán)因子，也即時刻0時的積分加權(quán)因子，其在系統(tǒng)運(yùn)行的過程中被動態(tài)調(diào)節(jié)，從而提高系統(tǒng)的自適應(yīng)特性；所述初始化積分加權(quán)因子Δω_0i的值為0；

步驟S3：進(jìn)入實時檢測：通過Kalman濾波器預(yù)測：在獲得了t-1時刻的融合值R_t-1后，系統(tǒng)通過Kalman濾波器預(yù)測t時刻的數(shù)據(jù)融合值E_t，從而為后續(xù)的及時時間控制做出準(zhǔn)備；

步驟S4：計算數(shù)據(jù)融合結(jié)果：在t時刻，每收到一個傳感節(jié)點i的匯報r_ti時都按下式計算粗略融合結(jié)果R’_t：

其中，k為當(dāng)前獲得的報告的傳感節(jié)點的總數(shù)，k＜n，n為場景中所有傳感節(jié)點的個數(shù)，ω_ti為t時刻傳感節(jié)點i的加權(quán)值,r_ti為t時刻傳感節(jié)點i的報告數(shù)據(jù)；

步驟S5：設(shè)置一個閾值λ，當(dāng)粗略結(jié)果R’_t與Kalman濾波器預(yù)測的結(jié)果E_t之間的差小于閾值λ時，即：

||E_t-R_t′||＜λ；

將粗略結(jié)果R’_t作為t時刻的數(shù)據(jù)融合最終結(jié)果值R_t，并結(jié)束t時刻的數(shù)據(jù)融合計算，停止接收其他傳感節(jié)點的后續(xù)報告；

S6:根據(jù)新獲得的數(shù)據(jù)融合結(jié)果R_t，按下式修正加權(quán)值：

ω_ti＝ω_iP+Δω_ti；

其中，ω_iP為比例加權(quán)因子，它在初始化后幾乎不變，是整個權(quán)值的重要參與因素；Δω_ti為t時刻的積分加權(quán)因子，其在系統(tǒng)運(yùn)行的過程中被動態(tài)調(diào)節(jié)，從而提高系統(tǒng)的自適應(yīng)特性；令t＝t+1,并返回步驟S3，進(jìn)入下一時刻的計算。

進(jìn)一步地，步驟S2中，所述比例加權(quán)因子ω_iP的計算在系統(tǒng)初始化確定了R₀后進(jìn)行，依據(jù)各節(jié)點采集值與R₀之間的差確定，計算式如下：

d_i＝||r_0i-R₀||；

d_i-norm＝δ·(1-d_i/d_max)；

其中，d_i表示傳感節(jié)點i的匯報值與初始化融合值R₀之間的差，d_i-norm為將d_i進(jìn)行標(biāo)準(zhǔn)化操作得到的值，d_max為測試場景中最大的d_i值，δ為用戶指定的數(shù)值調(diào)整系數(shù)，μ、σ為正態(tài)分布函數(shù)的參數(shù)，由用戶指定。

進(jìn)一步地，步驟S5中，t時刻的積分加權(quán)因子Δω_ti依賴于t時刻傳感節(jié)點i的匯報值r_ti與融合值R_t之間的差值：

d_ti＝||r_ti-R_t||；

其中，r_ti為時刻t傳感節(jié)點i的匯報值，R_t為時刻t計算出的融合值，計算出的d_ti為兩者之間的差值；將所有的d_ti從小到大進(jìn)行排序，并設(shè)定調(diào)整參數(shù)ε，當(dāng)與傳感節(jié)點i對應(yīng)的d_ti位于隊列的前ε位時，對應(yīng)的Δω_ti可獲得增量γ的獎勵，即：

Δω_ti＝Δω_(t-1)i+γ；

當(dāng)與傳感節(jié)點i對應(yīng)的d_ti位于隊列的后ε位時，對應(yīng)的Δω_ti可獲得減量γ的懲罰，即：

Δω_ti＝Δω_(t-1)i-γ。

進(jìn)一步地，所述傳感節(jié)點由任意一種微控制器作為中央處理器構(gòu)成，包括模擬或數(shù)字轉(zhuǎn)換器及相應(yīng)的傳感器器件，并通過有線或無線的方式組成傳感器網(wǎng)絡(luò)。

進(jìn)一步地，有線組網(wǎng)方式采用：RS-485總線、CAN總線、工業(yè)以太網(wǎng)或常規(guī)以太網(wǎng)方式；無線組網(wǎng)方式采用：ZigBee蜂窩式網(wǎng)絡(luò)協(xié)議、2.4G RF射頻網(wǎng)絡(luò)方式、無線以太網(wǎng)WiFi方式或移動通信3G/4G網(wǎng)絡(luò)方式。

與現(xiàn)有技術(shù)相比，本發(fā)明有以下有益效果：本發(fā)明數(shù)據(jù)融合方法采用加權(quán)投票機(jī)制，給被懷疑準(zhǔn)確性較低的傳感節(jié)點賦予較低的權(quán)值，使其在最終結(jié)果中的參與度下降，以達(dá)到提高最終結(jié)果精確度的目的。但這種權(quán)值也不是一成不變的，權(quán)值通過比例和積分兩種因子調(diào)節(jié)，比例因子在初始化時設(shè)定并在此后一段較長的時間內(nèi)不改變，積分因子起調(diào)節(jié)作用，通過評估每次決策中傳感節(jié)點的表現(xiàn)來動態(tài)調(diào)整每個節(jié)點的權(quán)值。本發(fā)明還通過預(yù)測機(jī)制來提高數(shù)據(jù)融合的及時性，傳統(tǒng)方法在融合時需要收集完全部傳感節(jié)點的上報數(shù)據(jù)后才能得出結(jié)果；本發(fā)明采用歷史數(shù)據(jù)通過Kalman濾波器對下一時刻的數(shù)據(jù)進(jìn)行預(yù)測，匯聚節(jié)點每收到一個傳感數(shù)據(jù)就計算一個，當(dāng)計算的結(jié)果與預(yù)測結(jié)果的差值小于預(yù)設(shè)閾值時，就可以不必再等待其余傳感節(jié)點的后續(xù)報告而直接得出下一時刻最終融合結(jié)果，從而以犧牲少量精確度的代價換取更高的及時性，使本發(fā)明所提出的融合算法可被應(yīng)用于實時性要求高的應(yīng)用中。

附圖說明

圖1為本發(fā)明實施例的方法流程示意圖。

圖2為本發(fā)明實施例中室內(nèi)傳感器網(wǎng)絡(luò)節(jié)點布置示意圖。

圖3為本發(fā)明實施例中一種傳感器節(jié)點結(jié)構(gòu)圖。

具體實施方式

下面結(jié)合附圖及實施例對本發(fā)明做進(jìn)一步說明。

本實施例提供了一種基于預(yù)測的及時加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法。

如圖2所示的傳感器網(wǎng)絡(luò)布置用于測量室內(nèi)的溫度，智能家居控制系統(tǒng)依此通過暖氣片和空調(diào)來調(diào)節(jié)室內(nèi)的溫度以到設(shè)定值。從圖2中可以看出，靠近暖氣片的傳感節(jié)點受到其熱輻射的影響，其所測溫度偏高，而這一溫度顯然是偏離屋內(nèi)平均溫度較多的，這一現(xiàn)象我們可以將其稱作執(zhí)行機(jī)構(gòu)的干擾作用；而靠近窗口的傳感節(jié)點，由于空氣的流通作用，其所測溫度偏低，這一現(xiàn)象我們可以將其稱作環(huán)境的干擾作用。這些現(xiàn)象在人們?nèi)粘Ｉ罴肮まr(nóng)業(yè)生產(chǎn)中極為常見，例如距離空調(diào)近的位置空氣較冷，距離抽濕機(jī)較近的位置空氣較干燥。這些測量值的準(zhǔn)確程度都較低，如果將其平等地納入考慮范圍，即將所有傳感節(jié)點采樣的平均值直接作為最終結(jié)果，則獲得的最終結(jié)果的準(zhǔn)確度將較低，因此需要使用專門的數(shù)據(jù)融合算法來得到最終的結(jié)果。

本實施例數(shù)據(jù)融合方法采用加權(quán)投票機(jī)制，給被懷疑準(zhǔn)確性較低的傳感節(jié)點賦予較低的權(quán)值，使其在最終結(jié)果中的參與度下降，以達(dá)到提高最終結(jié)果精確度的目的。但這種權(quán)值也不是一成不變的，權(quán)值通過比例和積分兩種因子調(diào)節(jié)，比例因子在初始化時設(shè)定并在此后一段較長的時間內(nèi)不改變，積分因子起調(diào)節(jié)作用，通過評估每次決策中傳感節(jié)點的表現(xiàn)來動態(tài)調(diào)整每個節(jié)點的權(quán)值。本實施例還通過預(yù)測機(jī)制來提高數(shù)據(jù)融合的及時性，傳統(tǒng)方法在融合時需要收集完全部傳感節(jié)點的上報數(shù)據(jù)后才能得出結(jié)果；本實施例采用歷史數(shù)據(jù)通過Kalman濾波器對下一時刻的數(shù)據(jù)進(jìn)行預(yù)測，匯聚節(jié)點每收到一個傳感數(shù)據(jù)就計算一個，當(dāng)計算的結(jié)果與預(yù)測結(jié)果的差值小于預(yù)設(shè)閾值時，就可以不必再等待其余傳感節(jié)點的后續(xù)報告而直接得出下一時刻最終融合結(jié)果，從而以犧牲少量精確度的代價換取更高的及時性，使本實施例所提出的融合算法可被應(yīng)用于實時性要求高的應(yīng)用中。

因此本實施例一種基于預(yù)測的及時加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法的計算流程有如下幾個步驟(如圖1所示)：

1.初始化融合決策值R₀：

初始化時由于沒有任何歷史數(shù)據(jù)可供利用，且初始化的結(jié)果需要為第二步的預(yù)測提供依據(jù)，本實施例采用全部節(jié)點的平均值作為初始融合決策值R₀。計算式如下式(1)所示：

其中R₀為初始化融合決策值，r_0i為傳感節(jié)點i在初始化階段的檢測匯報值，n為場景中傳感節(jié)點總數(shù)。在實際使用中，通常要反復(fù)測試求平均值，例如連續(xù)進(jìn)行10次試驗，求得對應(yīng)的R₀，并取這10次實驗所得R₀的平均值作為初始化值R₀。由于初始化過程是在系統(tǒng)正式運(yùn)行前完成的，所以多次實驗并不會影響到系統(tǒng)運(yùn)行時的實時性。

2.計算每個傳感節(jié)點的初始加權(quán)值ω_0i：

本實施例每個傳感節(jié)點的加權(quán)值由比例加權(quán)因子及積分加權(quán)因子兩部分構(gòu)成，如下式所示：

ω_0i＝ω_iP+Δω_0i

(2)

其中ω_iP為比例加權(quán)因子，它在初始化后幾乎不變，是整個權(quán)值的重要參與因素；Δω_0i為初始化時的積分加權(quán)因子，也即時刻0時的積分加權(quán)因子，其在系統(tǒng)運(yùn)行的過程中被動態(tài)調(diào)節(jié)，從而提高系統(tǒng)的自適應(yīng)特性；所述初始化積分加權(quán)因子Δω_0i的值為0。

本實施例中比例加權(quán)因子ω_iP的計算在系統(tǒng)初始化確定了R₀后進(jìn)行，依據(jù)各節(jié)點采集值與R₀之間的差確定，計算式如下：

d_i＝||r_0i-R₀||

(3)

d_i-norm＝δ·(1-d_i/d_max)

(4)

其中式(3)計算了傳感節(jié)點i的匯報值與初始化融合值R₀之間的差，通常r_0i也需要多次采樣取平均，而這多次采樣的值直接利用計算R₀時所采用的r_0i值即可；接著式(4)用于將d_i進(jìn)行標(biāo)準(zhǔn)化操作得到d_i-norm，式中d_max為測試場景中最大的d_i值，δ為用戶指定的數(shù)值調(diào)整系數(shù)；隨后，通過式(5)中正態(tài)分布函數(shù)的映射，得到比例加權(quán)因子ω_iP，μ、σ為正態(tài)分布函數(shù)的參數(shù)，由用戶指定。

而積分加權(quán)因子Δω_i在系統(tǒng)運(yùn)行后每個時刻t計算得出融合值R_t后都會被刷新，從而使得加權(quán)總值ω_i在系統(tǒng)運(yùn)行時具有自適應(yīng)性。Δω_ti的計算依賴于t時刻傳感節(jié)點i的匯報值r_ti與融合值R_t之間的差值：

d_ti＝||r_ti-R_t||

(6)

其中r_ti為時刻t傳感節(jié)點i的匯報值，R_t為時刻t計算出的融合值，計算出的d_ti為兩者之間的差值。將所有的d_ti從小到大進(jìn)行排序，并設(shè)定調(diào)整參數(shù)ε，當(dāng)與傳感節(jié)點i對應(yīng)的d_ti位于隊列的前ε位時，對應(yīng)的Δω_ti可獲得增量γ的獎勵，即：

Δω_ti＝Δω_(t-1)i+γ

(7)

當(dāng)與傳感節(jié)點i對應(yīng)的d_ti位于隊列的后ε位時，對應(yīng)的Δω_ti可獲得減量γ的懲罰，即：

Δω_ti＝Δω_(t-1)i-γ

(8)

其中參數(shù)ε和γ都由工程師依據(jù)現(xiàn)場實際情況指定。系統(tǒng)在時刻t獲得融合值R_t后刷新所有傳感器節(jié)點的加權(quán)值ω_i，這些新的ω_i值將被用于下一時刻t+1時的數(shù)據(jù)融合。在式(2)中通常比例加權(quán)因子的值要大于積分加權(quán)因子，采用這一機(jī)制可使傳感器節(jié)點的加權(quán)值在擁有一定事實基礎(chǔ)的情況下隨著環(huán)境情況變化不斷微調(diào)，即便在初始化時候有誤差，也能在運(yùn)行的過程中通過比例加權(quán)因子的不斷作用逐漸彌補(bǔ)。

3.通過Kalman濾波器預(yù)測:

在獲得了t-1時刻的融合值R_t-1后，系統(tǒng)可以通過Kalman濾波器預(yù)測t時刻的數(shù)據(jù)融合值E_t，從而為后續(xù)的及時時間控制做出準(zhǔn)備。本實施例所采用的Kalman濾波器預(yù)測算法為最常使用的公知算法，主要通過預(yù)測和修正兩個步驟進(jìn)行向前預(yù)測，標(biāo)準(zhǔn)運(yùn)行過程如下所述：

算法利用系統(tǒng)的過程模型，來預(yù)測下一狀態(tài)的系統(tǒng)。假設(shè)現(xiàn)在的系統(tǒng)狀態(tài)是k，根據(jù)系統(tǒng)的模型，可以基于系統(tǒng)的上一狀態(tài)而預(yù)測出現(xiàn)在狀態(tài)：

X(k|k-1)＝A·X(k-1|k-1)+B·U(k)

(9)

式(9)中，X(k|k-1)是利用上一狀態(tài)預(yù)測的結(jié)果，X(k-1|k-1)是上一狀態(tài)最優(yōu)的結(jié)果，U(k)為現(xiàn)在狀態(tài)的控制量，如果沒有控制量，它可以為0。使用式(9)后，本實施例的系統(tǒng)結(jié)果已經(jīng)更新了，可是，對應(yīng)于X(k|k-1)的協(xié)方差矩陣還沒更新。本實施例用P表示協(xié)方差矩陣：

P(k|k-1)＝A·P(k-1|k-1) ·A’+Q

(10)

式(10)中，P(k|k-1)是X(k|k-1)對應(yīng)的協(xié)方差矩陣，P(k-1|k-1)是X(k-1|k-1)對應(yīng)的協(xié)方差矩陣，A’表示A的轉(zhuǎn)置矩陣，Q是系統(tǒng)過程的協(xié)方差矩陣。式子(9)、(10)就是卡爾曼濾波器5個公式當(dāng)中的前兩個，也就是對系統(tǒng)的預(yù)測。

獲得現(xiàn)在狀態(tài)的預(yù)測結(jié)果后，可再收集現(xiàn)在狀態(tài)的測量值。結(jié)合預(yù)測值和測量值，本實施例可以得到現(xiàn)在狀態(tài)(k)的最優(yōu)化估算值X(k|k)：

X(k|k)＝X(k|k-1)+Kg(k)·(Z(k)-H·X(k|k-1))

(11)

其中Kg為卡爾曼增益(KalmanGain)：

Kg(k)＝P(k|k-1)·H’/(H·P(k|k-1)·H’+R)

(12)

目前為止，算法已經(jīng)得到了k狀態(tài)下最優(yōu)的估算值X(k|k)。但是為了要令卡爾曼濾波器不斷的運(yùn)行下去直到系統(tǒng)過程結(jié)束，本實施例還要更新k狀態(tài)下X(k|k)的協(xié)方差矩陣：

P(k|k)＝(I-Kg(k)·H)·P(k|k-1)

(13)

其中I為1的矩陣，對于單模型單測量，I＝1。當(dāng)系統(tǒng)進(jìn)入k+1狀態(tài)時，P(k|k)就是式子(10)的P(k-1|k-1)。這樣，算法就可以自回歸的運(yùn)算下去。以上就是卡爾曼濾波器算法的基本原理描述，式子(9)-(13)就是它的5個基本公式。根據(jù)這5個公式，可以很容易地實現(xiàn)計算機(jī)程序。

由于初始融合值R₀已經(jīng)在初始化時候獲得，因此R₁，R₂，R₃，…等后續(xù)值都可以通過上述卡爾曼濾波方法預(yù)測獲得。本實施例在已知t-1時刻的融合結(jié)果R_t-1后，在融合獲得t時刻的結(jié)果之前，先采用卡爾曼方法獲得t時刻的預(yù)測值E_t，接著可以使用下文所述時間及時控制策略來縮短獲得最終結(jié)果所用的時間。

4.計算數(shù)據(jù)融合結(jié)果

本實施例在時刻t最終數(shù)據(jù)融合結(jié)果的計算采用節(jié)點加權(quán)投票的方式完成，而每個傳感節(jié)點i所對應(yīng)的權(quán)值ω_ti已按上述說明在t-1時刻取得，于是t時刻的融合結(jié)果可按下式計算：

其中k為當(dāng)前獲得的報告的傳感節(jié)點的總數(shù)，因此k<n，n為場景中所有傳感節(jié)點的個數(shù)。

5.時間及時控制策略

由于本實施例屬于傳感檢測領(lǐng)域，該領(lǐng)域許多應(yīng)用對采集數(shù)據(jù)的實時性有較嚴(yán)苛的要求，不但要求數(shù)據(jù)有一定的精確性，還要求獲得數(shù)據(jù)刷新的時間要盡可能的短，為此本實施例提出一種基于預(yù)測的時間及時控制策略。通過上文第3點可以知道，使用Kalman濾波預(yù)測器可以利用歷史數(shù)據(jù)R_t獲得t時刻的結(jié)果預(yù)測值E_t，但這只是預(yù)測并不能作為真實的結(jié)果。真實的結(jié)果需要通過式(14)進(jìn)行數(shù)據(jù)加權(quán)融合獲得。在傳統(tǒng)情況下，式(14)獲得最終的R_t結(jié)果需要等待場景中所有的傳感節(jié)點匯報完其在t時刻采集的數(shù)值后才能得到，即k＝n；而每個傳感器節(jié)點i上報數(shù)據(jù)的時刻是不同的，本實施例要求系統(tǒng)在每收到一個傳感節(jié)點i的匯報r_i時都計算式(14)，并獲得粗略結(jié)果R’_t，該結(jié)果只利用了部分傳感器節(jié)點的值獲得，因此精確度方面要稍遜于通過所有節(jié)點計算得到的結(jié)果R_t，但為了節(jié)約時間，本實施例設(shè)置了一個閾值λ，當(dāng)粗略結(jié)果R’_t與Kalman濾波器預(yù)測的結(jié)果E_t直接的差小于閾值λ時，即：

E_t-R_t′||＜λ

(15)

可以認(rèn)為粗略結(jié)果R’_t與可能的真實決策值R_t之間的差異不大，可以近似替代使用。于是可將粗略結(jié)果R’_t作為t時刻的數(shù)據(jù)融合最終結(jié)果值R_t，并結(jié)束t時刻的數(shù)據(jù)融合計算，進(jìn)入下一時刻t+1時刻的計算。本實施例上述時間及時控制策略，通過Kalman濾波器預(yù)測參考并指定閾值λ的方式，在可控范圍內(nèi)部分降低了結(jié)果的精確度，但顯著縮短了等待時間，提高了系統(tǒng)獲得數(shù)據(jù)的及時性。精確度和及時性之間的平衡關(guān)系由閾值λ調(diào)節(jié)，該參數(shù)由工程師參照應(yīng)用的具體情況設(shè)定。

進(jìn)一步的，在本實施例中，傳感器網(wǎng)絡(luò)節(jié)點可由任意一種微控制器(Micro Control Unit,MCU)作為中央處理器構(gòu)成，包括模擬/數(shù)字轉(zhuǎn)換器及相應(yīng)的傳感器等器件，并通過有線或無線的方式組成傳感器網(wǎng)絡(luò)。有線組網(wǎng)方式可以采用：RS-485總線、CAN總線、工業(yè)以太網(wǎng)或常規(guī)以太網(wǎng)方式。無線組網(wǎng)方式可以采用：ZigBee蜂窩式網(wǎng)絡(luò)協(xié)議、2.4G RF射頻網(wǎng)絡(luò)方式、無線以太網(wǎng)WiFi方式或移動通信3G/4G網(wǎng)絡(luò)方式。

圖3即為本實施例可用的一種傳感器節(jié)點。該節(jié)點以美國德州儀器公司(TI)的無線傳感器網(wǎng)絡(luò)微控制器CC2530作為核心，并布置了溫度傳感器(Temperature sensor)和濕度傳感器(Humidity sensor)，并可通過CC2530內(nèi)置的ZigBee無線協(xié)議模塊組成無線傳感器網(wǎng)絡(luò)，信號發(fā)射通過50歐姆射頻天線(Antenna)實現(xiàn)。

以上所述僅為本發(fā)明的較佳實施例，凡依本發(fā)明申請專利范圍所做的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。