基于能量效率的多用户多流的下行混合预编码方法及系统
技术领域
[0001] 本
发明涉及无线通信技术领域，特别是指一种基于能量效率的多用户多流的下行混合预编码方法及系统。
背景技术
[0002] 大规模天线技术需要在基站端部署成百上千根天线。传统的4G无线通信系统采用全数字预编码技术，每根天线都需要配置一条射频链路，使得成本高昂。5G无线通信系统中，混合预编码可以很好地解决成本问题。
[0003] 在下行多用户多流大规模天线混合预编码系统中，用户接收到的信息往往存在较为严重的数据流间干扰和用户间干扰。因为最大化能量效率问题是对
频谱效率和总功率进行折中，所以在研究最大化能量效率时，需要同时考虑用户间干扰影响、每个用户多数据流间干扰影响和噪声影响。而目前在5G无线通信系统中，依然存在能量效率较低，以及用户间干扰和每个用户多数据流间干扰显著影响系统性能的问题。
发明内容
[0004] 本发明要解决的技术问题是提供一种基于能量效率的多用户多流的下行混合预编码方法及系统，以解决在5G无线通信系统中存在的能量效率较低，以及用户间干扰和每个用户多数据流间干扰显著影响系统性能的问题。
[0005] 为解决上述技术问题，本发明提供如下方案：
[0006] 一种基于能量效率的多用户多流的下行混合预编码方法，所述基于能量效率的多用户多流的下行混合预编码方法包括：
[0007] 在大规模天线系统中，同时考虑用户间干扰、每个用户多数据流间干扰以及噪声，建立基于最大化单位功率传输速率的能量效率模型；
[0008] 基于所述能量效率模型，通过
块对
角化
算法(Block Diagonalization，BD)求解出最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵；
[0009] 对所述最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵进行量化并添加恒模约束，得到最优模拟预编码矩阵和最优模拟结合码矩阵；
[0010] 固定所述最优模拟预编码矩阵和最优模拟结合码矩阵，通过凸
优化算法求解出最优基带预编码矩阵和最优基带结合码矩阵。
[0011] 其中，所述基于最大化单位功率传输速率的能量效率模型，表示为：
[0012]
[0013]
[0014]
[0015]
[0016]
[0017] 其中，FRF表示模拟预编码矩阵，FBB表示基带预编码矩阵，WRF表示模拟结合码矩阵，WBB表示基带结合码矩阵，Ptotal表示总功耗；
[0018] 表示单位带宽的总频谱效率，log2(|1+γk,i|)表示每个数据流的频谱效率，Γki表示满足用户QoS需求的最小速率
阈值，γk,i表示用户k的第i个数据流的
信噪比； 表示模拟预编码恒模约束，NBS表示基站天线数，MBS表示基
站射频链路数； 表示模拟结合码恒模约束，NMS表示用户天线数，MMS
表示每个用户的射频链路数；K表示用户数，Ns表示每个用户接收到的数据流数，P表示最大总发射功率。
[0019] 其中，所述用户k的第i个数据流的信噪比γk,i，表示为：
[0020]
[0021] 其中， 表示用户k期望接收的数据流的功率；
[0022] 表示用户k所接收的不同数据流间的干扰功率；
[0023] 表示用户k所接收到的不同用户间的干扰功率；
[0024] 表示用户k所接收到的噪声功率；
[0025] 表示第k个用户的第i个数据流的基带结合码矩阵， 表示用户k的模拟结合码矩阵，H表示信道，Hk表示用户k的信道，FRF表示模拟预编码矩阵，FBB(:,ki)表示第k个用户的第i个数据流的基带预编码矩阵；
[0026] 其中， 表示基带预编码矩阵；
[0027] 表示模拟结合码矩阵；
[0028] 表示基带结合码矩阵，
[0029] 表示第k个用户的基带结合码矩阵。
[0030] 其中，所述总功耗Ptotal，表示为：
[0031]
[0032] 其中，PRF表示每条射频链路的功耗，Pc表示除去射频链路之外，基站其余部分的总功耗，α表示功率放大因子。
[0033] 其中，所述通过凸优化算法求解出最优基带预编码矩阵和最优基带结合码矩阵，包括：
[0034] 首先采用Dinkelbach method转换所述能量效率模型，然后通过加权均方误差和频谱效率的等效关系，将转换后的能量效率模型进一步转为凸函数模型，最后采用块协调下降算法，基于转换出的凸函数模型
迭代求出最大的能量效率，以及最优基带预编码矩阵和最优基带结合码矩阵。
[0035] 相应地，为解决上述技术问题，本发明还提供如下方案：
[0036] 一种基于能量效率的多用户多流的下行混合预编码系统，所述基于能量效率的多用户多流的下行混合预编码系统包括：
[0037] 能量效率模型建立模块，用于在大规模天线系统中，同时考虑用户间干扰、每个用户多数据流间干扰以及噪声，建立基于最大化单位功率传输速率的能量效率模型；
[0038] 最优无约束矩阵求解模块，用于基于所述能量效率模型，通过块对角化算法求解出最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵；
[0039] 最优模拟矩阵求解模块，用于对所述最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵进行量化并添加恒模约束，得到最优模拟预编码矩阵和最优模拟结合码矩阵；
[0040] 最优基带矩阵求解模块，用于固定最优模拟预编码矩阵和最优模拟结合码矩阵，通过凸优化算法求解出最优基带预编码矩阵和最优基带结合码矩阵。
[0041] 其中，所述基于最大化单位功率传输速率的能量效率模型，表示为：
[0042]
[0043]
[0044]
[0045]
[0046]
[0047] 其中，FRF表示模拟预编码矩阵，FBB表示基带预编码矩阵，WRF表示模拟结合码矩阵，WBB表示基带结合码矩阵，Ptotal表示总功耗；
[0048] 表示单位带宽的总频谱效率，log2(|1+γk,i|)表示每个数据流的频谱效率，Γki表示满足用户QoS需求的最小速率阈值，γk,i表示用户k的第i个数据流的信噪比； 表示模拟预编码恒模约束，NBS表示基站天线数，MBS表示基
站射频链路数； 表示模拟结合码恒模约束，NMS表示用户天线数，MMS
表示每个用户的射频链路数；K表示用户数，Ns表示每个用户接收到的数据流数，P表示最大总发射功率。
[0049] 其中，所述用户k的第i个数据流的信噪比γk,i，表示为：
[0050]
[0051] 其中， 表示用户k期望接收的数据流的功率；
[0052] 表示用户k所接收的不同数据流间的干扰功率；
[0053] 表示用户k所接收到的不同用户间的干扰功率；
[0054] 表示用户k所接收到的噪声功率；
[0055] 表示第k个用户的第i个数据流的基带结合码矩阵， 表示用户k的模拟结合码矩阵，H表示信道，Hk表示用户k的信道，FRF表示模拟预编码矩阵，FBB(:,ki)表示第k个用户的第i个数据流的基带预编码矩阵；
[0056] 其中， 表示基带预编码矩阵；
[0057] 表示模拟结合码矩阵；
[0058] 表示基带结合码矩阵，
[0059] 表示第k个用户的基带结合码矩阵。
[0060] 其中，所述总功耗Ptotal，表示为：
[0061]
[0062] 其中，PRF表示每条射频链路的功耗，Pc表示除去射频链路之外，基站其余部分的总功耗，α表示功率放大因子。
[0063] 其中，所述最优基带矩阵求解模块具体用于：
[0064] 首先采用Dinkelbach method转换所述能量效率模型，然后通过加权均方误差和频谱效率的等效关系，将转换后的能量效率模型进一步转为凸函数模型，最后采用块协调下降算法，基于转换出的凸函数模型迭代求出最大的能量效率，以及最优基带预编码矩阵和最优基带结合码矩阵。
[0065] 本发明的上述技术方案的有益效果如下：
[0066] 本发明通过在大规模天线系统中，同时考虑用户间干扰、每个用户多数据流间干扰以及噪声，建立基于最大化单位功率传输速率的能量效率模型；基于能量效率模型，通过块对角化算法求解出最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵；对最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵进行量化并添加恒模约束，得到最优模拟预编码矩阵和最优模拟结合码矩阵；固定最优模拟预编码矩阵和最优模拟结合码矩阵，通过凸优化算法，当能量效率收敛到最大值时，求解出最优基带预编码矩阵和最优基带结合码矩阵。从而可抑制数据流间干扰，实现最大化能量效率，在保证了多用户多流大规模天线系统的可靠性的同时，有效提高了系统的能量效率。
附图说明
[0067] 图1为下行多用户多流大规模天线混合预编码系统场景示意图；
[0068] 图2为本发明的基于能量效率的多用户多流的下行混合预编码方法的流程示意图；
[0069] 图3为不同算法下能量效率随信噪比变化示意图；
[0070] 图4为不同算法下频谱效率随信噪比变化示意图。
具体实施方式
[0071] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体
实施例进行详细描述。
[0072] 第一实施例
[0073] 本实施例针对5G无线通信系统，为了实现在提高能量效率的同时，降低每个用户多数据流间干扰和用户间干扰，提供一种基于能量效率的多用户多流的下行混合预编码方法；以解决在5G无线通信系统中存在的能量效率较低，以及用户间干扰和每个用户多数据流间干扰显著影响系统性能的问题。
[0074] 首先，为了使得相关技术人员能够更好地理解本实施例的方案，先对本实施例所使用的下行多用户多流大规模天线混合预编码系统场景及技术原理进行简要说明，如图1所示，下行多用户多流大规模天线混合预编码系统场景中基站和每个终端用户均采用混合预编码设计。在全连接架构系统下，基站端配置MBS条射频链路，NBS根天线。基站发送KNS个数据流，向K个终端用户，每个用户假设接收NS个数据流。在用户端，每个终端用户配置NMS个天线，MMS条射频链路。为了保证系统正常通信，必须满足KNS≤MBS≤NBS，NS≤MMS≤NMS。
[0075] 基于上述，本实施例的基于能量效率的多用户多流的下行混合预编码方法的执行流程如图2所示，其包括：
[0076] S101，在大规模天线系统中，同时考虑用户间干扰、每个用户多数据流间干扰以及噪声，建立基于最大化单位功率传输速率的能量效率模型；
[0077] 需要说明的是，在本实施例中，为了在最大化能量效率的同时，保证系统可靠性，需对每个数据流的频谱效率和每个数据流的发射功率进行约束：
[0078]
[0079]
[0080] 其中，K表示用户数，Ns表示每个用户接收到的数据流数，log2(|1+γk,i|)表示每个数据流的频谱效率，Γki表示满足用户QoS需求的最小速率阈值，P表示最大总发射功率，γk,i表示用户k的第i个数据流的信噪比，FRF表示模拟预编码矩阵，FBB表示基带预编码矩阵。
[0081] 根据用户k接收到的干扰包括用户间干扰、用户k所接收的Ns个数据流之间的干扰以及噪声，上述用户k接收的第i个数据流的信噪比γk,i可以表示为：
[0082]
[0083] 其中， 表示用户k期望接收的数据流的功率；
[0084] 表示用户k所接收的不同数据流间的干扰功率；
[0085] 表示用户k所接收到的不同用户间的干扰功率；
[0086] 表示用户k所接收到的噪声功率；
[0087] 表示第k个用户的第i个数据流的基带结合码矩阵， 表示用户k的模拟结合码矩阵，H表示信道，Hk表示用户k的信道，FRF表示模拟预编码矩阵，FBB(:,ki)表示第k个用户的第i个数据流的基带预编码矩阵；
[0088] 其中， 表示基带预编码矩阵；
[0089] 表示模拟结合码矩阵；
[0090] 表示基带结合码矩阵，
[0091] 表示第k个用户的基带结合码矩阵。
[0092] 根据大规模天线混合预编码系统的特点，对于模拟域，只改变
信号相位，不改变信号的幅值。因此，对模拟预编码矩阵和模拟结合码矩阵施加的恒模约束可以表示为：
[0093]
[0094]
[0095] 其中，NBS表示基站天线数，NMS表示用户天线数，MMS表示用户射频链路数，MBS表示基站射频链路数。
[0096] 假设每条射频链路的功耗是固定值，且基站除了射频链路之外的其余
硬件功耗也是固定值，则总功耗Ptotal可以表示为：
[0097]
[0098] 其中，PRF表示每条射频链路的功耗，Pc表示除去射频链路之外，基站其余部分的总功耗，α表示功率放大因子。
[0099] 综上，上述S101所建立的基于最大化单位功率传输速率的能量效率模型可以表示为：
[0100]
[0101]
[0102]
[0103]
[0104]
[0105] 其中，WRF表示模拟结合码矩阵，WBB表示基带结合码矩阵， 表示单位带宽的总频谱效率。
[0106] S102，基于能量效率模型，通过块对角化算法求解出最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵；
[0107] 需要说明的是，上述Ρ1模型，由于约束条件中含有恒模约束，因此模型是非凸的，无法求出最优的预编码矩阵和结合码矩阵闭式解。
[0108] 为解决该问题，本实施例首先采用BD算法求出最优模拟预编码矩阵和最优模拟结合码矩阵，求解过程如下：
[0109] 令FRF＝MN,其中M＝[M1,M2,...,MK]用于消除用户间干扰，N＝[N1,N2,...,NK]用于同一个用户内不同数据流之间的并行传输。定义干扰信道
[0110]
[0111] 表示除第k个用户子信道外的其他用户子信道组成的信道矩阵的集合。
[0112] 然后，对 进行奇异值分解
[0113]
[0114] 其中， 是 的
正交子空间,表示 的核空间。
[0115] 令 可以消除第k个用户所接收的用户间干扰。定义 为用户k的等效信道，对其进行奇异值分解，得到：
[0116]
[0117] 进而得到 最优的无约束模拟预编码矩阵为：
[0118]
[0119] 利用相同的方法求出最优的无约束模拟结合码矩阵：
[0120]
[0121] S103，对最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵进行量化并添加恒模约束，得到最优模拟预编码矩阵和最优模拟结合码矩阵；
[0122] 需要说明的是，由于模拟预编码矩阵和模拟结合码矩阵都是恒模的，且
移相器不是无限
分辨率，因此需对求得的 和 量化并添加恒模约束，
[0123] 假设每个
相移器的
采样率是B比特，采样之后的相位集可以表示为：
[0124]
[0125] 模拟预编码和模拟结合码中的每个元素的相位，均是从相位集Θ中选择，也就是：
[0126] θi,j∈Θ,i＝1,2,...,NBS j＝1,2,...,MBS
[0127] 定义∠FRFopt(i,j)为无约束模拟预编码矩阵FRFopt中第i行第j列的元素：
[0128]
[0129] 由于∠FRFopt(i,j)可能是负的，因此对∠FRFopt(i,j)进行上述处理，从而使∠FRFopt(i,j)得取值范围在[0,2π]之间。为了获得最优量化后的相位，需要计算欧式距离，公式如下。只当采样后的相位尽可能接近最优无约束模拟预编码矩阵的相位时，此时欧式距离最小，获得最优的模拟预编码矩阵的相位。
[0130]
[0131] s.t.θi,j∈Θ,i＝1,2,...,NBS j＝1,2,...,MBS
[0132] 最后，对模拟预编码添加恒模约束，可以获得最优模拟预编码矩阵，可以表示为：
[0133]
[0134] 同理，最优模拟结合码矩阵，可以表示为：
[0135]
[0136] S104，固定最优模拟预编码矩阵和最优模拟结合码矩阵，通过凸优化算法求解出最优基带预编码矩阵和最优基带结合码矩阵。
[0137] 需要说明的是，上述S104包括：
[0138] 首先采用“Dinkelbach method”转换所述能量效率模型，表示为：
[0139]
[0140]
[0141]
[0142] 然后通过加权均方误差和频谱效率的等效关系，将转换后的模型进一步转为凸函数模型：
[0143]
[0144]
[0145]
[0146] 其中， 表示第k个用户的第i个数据流的均方误差。
[0147] 最后采用块协调下降算法，基于凸函数模型迭代求出最大的能量效率，以及最优基带预编码矩阵和最优基带结合码矩阵：
[0148] 根据模型P3，通过加权均方误差最小化，求解关于 的偏导数，并令偏导数为0，可以得到最优的基带结合码矩阵。
[0149]
[0150]
[0151] 将最优的基带结合矩阵 带入到MSEki中，求出
[0152] 根据矩阵计算等价关系，可以得出如下结论：
[0153]
[0154] 其中，
[0155] 针对模型P3，基带预编码矩阵FBB(:,ki)的拉格朗日函数如下式所示：
[0156]
[0157] 以求出最优的基带预编码矩阵：
[0158]
[0159] 其中，λ和μki均为拉格朗日乘子。
[0160] 具体地，上述最优基带预编码矩阵和最优基带结合码矩阵求解过程如下：
[0161] 1)固定最优模拟预编码矩阵和最优模拟结合码矩阵，初始化能量效率η0，拉格朗日乘子μ0，λ0，基带预编码矩阵FBB和迭代终止阈值ε；
[0162] 2)求解 根据公式：
[0163]
[0164]
[0165] 3)求解基带预编码矩阵FBB(:,ki)；
[0166] 4)利用拉格朗日对偶算法，更新拉格朗日乘子 λl，直至收敛，得到最优拉格朗日乘子 λ*；
[0167] 5)判断|G(η)＝R-ηPtotal|＜ε是否满足，如果满足，迭代终止。否则，更新能量效率ηi，继续3)-5)的处理，直至满足收敛条件，此时求得最优的能量效率ηi，最优基带预编码矩阵FBB，最优基带结合码矩阵WBB
[0168] 下面以对比的方式来进一步说明本实施例方法的实际效果：
[0169] 请参阅图3，其中，考虑数据流间干扰的最大化能量效率混合预编码(Maximum Energy Efficiency Hybrid Precoding Model that Considers Inter-stream Interference，MEE-HP-ISI)模型为本发明所提供的一种在大规模天线系统中基于最大化单位功率传输速率的能量效率模型。该模型目标函数中频谱效率包含用户间干扰功率项、每个用户多数据流间干扰功率项和噪声功率项，并且约束条件包含频谱效率约束。
[0170] 从图3可以看到，16根终端天线的能量效率大于终端配置8根天线的能量效率。对于终端天线为8的情况，本文采用只考虑用户间干扰的最大化能量效率混合预编码(Maximum Energy Efficiency Hybrid Precoding Model that only Considers Inter-user Interference，MEE-OIUI)模型作对比。这种模型只包含用户间干扰功率项，且没有添加频谱效率约束。同时，全数字预编码算法(Full Digital Precoding，FDP)作为所提方法的对比方法。
[0171] 从图3可以看到，本发明所提的MEE-HP-ISI能更好地抑制每个用户多数据流间干扰以及用户间干扰，随着信噪比的增加，有更高的能量效率。当信噪比大于0dB时，MEE-HP-ISI的能量效率要大于FDP算法的能量效率，这是因为在FDP算法中，采用
最小均方误差(Minimum Mean Square Error，MMSE)求解预编码矩阵，需要满足归一化约束，即随着信噪比的增加，MEE-HP-ISI的频谱效率增加，但功耗小于FDP算法的功耗。
[0172] 此外，从图4可以看出，本发明所提模型与MEE-OIUI模型相比，频谱效率更高，这是由于所提模型能更好地抑制用户间干扰和同一个用户内的数据流间干扰。此外，在相同的仿真环境下，FDP算法的频谱效率是最高的。
[0173] 本实施例通过在大规模天线系统中，同时考虑用户间干扰、每个用户多数据流间干扰以及噪声，建立基于最大化单位功率传输速率的能量效率模型；基于能量效率模型，通过块对角化算法求解出最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵；对最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵进行量化并添加恒模约束，得到最优模拟预编码矩阵和最优模拟结合码矩阵；固定最优模拟预编码矩阵和最优模拟结合码矩阵，通过凸优化算法，当能量效率收敛到最大值时，求解出最优基带预编码矩阵和最优基带结合码矩阵。本发明的方法可抑制数据流间干扰，实现最大化能量效率，在保证了多用户多流大规模天线系统的可靠性的同时，有效提高了系统的能量效率。
[0174] 第二实施例
[0175] 本实施例提供一种基于能量效率的多用户多流的下行混合预编码系统，所述基于能量效率的多用户多流的下行混合预编码系统包括：
[0176] 能量效率模型建立模块，用于在大规模天线系统中，同时考虑用户间干扰、每个用户多数据流间干扰以及噪声，建立基于最大化单位功率传输速率的能量效率模型；
[0177] 最优无约束矩阵求解模块，用于基于所述能量效率模型，通过块对角化算法求解出最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵；
[0178] 最优模拟矩阵求解模块，用于对所述最优的无约束模拟预编码矩阵和最优的无约束模拟结合码矩阵进行量化并添加恒模约束，得到最优模拟预编码矩阵和最优模拟结合码矩阵；
[0179] 最优基带矩阵求解模块，用于固定最优模拟预编码矩阵和最优模拟结合码矩阵，通过凸优化算法求解出最优基带预编码矩阵和最优基带结合码矩阵。
[0180] 本实施例的基于能量效率的多用户多流的下行混合预编码系统与上述第第一实施例的基于能量效率的多用户多流的下行混合预编码方法相对应；其中，该基于能量效率的多用户多流的下行混合预编码系统各功能模块所实现的功能与上述基于能量效率的多用户多流的下行混合预编码方法中的流程步骤一一对应，故，在此，不再赘述。
[0181] 此外，需要说明的是，本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或
计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全
软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘
存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
[0182] 本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的
流程图和/或方
框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/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、嵌入式处理机或其他可编程
数据处理终端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终端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。
[0183] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，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。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端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。
[0184] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和
修改。所以，所附
权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
[0185] 还需要说明的是，在本文中，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
[0186] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
