專利名稱：基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種漢語普通話的可視化方法，特別涉及一種基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法。
背景技術(shù)：
語音是語言的聲學(xué)表現(xiàn)，是人類交流信息最自然、最有效、最方便的手段，也是人類思維的一種依托。而對聾 人來說，語言交流變成一件很難實現(xiàn)的事情，一部分聾 人不能說話是因為他們的聽覺器官遭到破壞，不能將語音信息采集到大腦。研究表明，人類聽覺系統(tǒng)和視覺系統(tǒng)是兩個性質(zhì)不同的并具有互補性的信息系統(tǒng)，視覺系統(tǒng)是一個高度并行的信息接收和處理系統(tǒng)，人類眼球中視網(wǎng)膜上的數(shù)百萬個錐狀細胞通過纖維狀神經(jīng)組織與大腦相連，形成一個高度并行的信道，視覺信道接受信息的速率是很高的，據(jù)測量和估算，看電視時的信息接收速率大致可達到2X104Vs，這比聽覺系統(tǒng)聽語音時的信息接收速度高出上千倍，因此人們相信人類所獲得的信息有70%是通過視覺獲得的說法。所以對于聾 人人來說，這無疑就是一個很大的助手，聽覺的缺陷由視覺來補償，語音不僅能聽見，還可以通過多種其他形式使聾啞人“看”見。1947年R. K. Potter和G. A. Kopp等人就提出了一種可視化方法一語譜圖，隨后有不同的語音研究專家開始研究改進這種語音可視化方法，比如在1976年L. C. Stewart等人提出了有色譜圖和1984年G. M. Kuhn等人提出了對聾人進行訓(xùn)練的實時的語譜圖系統(tǒng)，以及1986年P(guān). E. Stern、1998年F. Plante和2008年R. Steinberg等人也提出了許多語譜圖的改進方法，但是顯示的語譜圖的專業(yè)性很強，而且很難辨別記憶。尤其是對于同一個語音不同的人來說，甚至是同一個語音同一個人來說都有可能造成語譜圖的變化，對于不同環(huán)境下錄制的語音信號其魯棒性能更為不好。此外，還有一些學(xué)者對人的發(fā)音器官的運動變化以及面部表情的變化來實現(xiàn)語音可視化，有效地剖析了人的發(fā)音過程，但就其語音可懂度而言，還難以達到理想效果，除極少數(shù)專家以外，人們很難直接通過觀察發(fā)音器官的運動和面部表情的變化而準(zhǔn)確地感知語
曰O

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種簡單易懂且高魯棒性的基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法，通過該方法可幫助聽力障礙者進行語言訓(xùn)練，建立、完善聽覺認知，形成正確的言語反射，重建聽覺言語鏈，可以最大可能的恢復(fù)自身的語音功能。一種基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法，包括以下步驟
1、語音信號預(yù)處理
通過麥克風(fēng)輸入語音信號，由處理單元采樣量化后獲得相應(yīng)語音數(shù)據(jù)，然后進行預(yù)加重、分幀加窗和端點檢測；
2、特征提取(2. 1)采用基于Hilbert-Huang變換的方法來估算預(yù)處理后的語音信號共振峰頻率； (2.2)計算出預(yù)處理后語音信號的基音頻率曲線的一次斜率、二次斜率、曲線的谷點和曲線的平坦度作為聲調(diào)特征參數(shù)；
(2. 3)計算出基于MUSIC和感知特性的魯棒特征參數(shù)(PMUSIC-MFCC):PMUSIC-MFCC1 PMUSIC-MFCC 12 ；
(2. 4)計算出基于小波包變換的語音信號魯棒特征參數(shù)(WPTC) =WPTCl WPTC20 ；
3、特征優(yōu)化
采用基于正交實驗設(shè)計的語音識別特征參數(shù)優(yōu)化的方法對所述的PMUSIC-MFCC1 PMUSIC-MFCC 12和WPTCl WPTC20進行優(yōu)化，得到優(yōu)化特征參數(shù)組合；
4、神經(jīng)網(wǎng)絡(luò)設(shè)計
所述的神經(jīng)網(wǎng)絡(luò)是由神經(jīng)網(wǎng)絡(luò)I和神經(jīng)網(wǎng)絡(luò)II組成，其中神經(jīng)網(wǎng)絡(luò)I的輸入層有4個神經(jīng)元，輸出層有2個神經(jīng)元，神經(jīng)網(wǎng)絡(luò)II的輸入層的數(shù)量與優(yōu)化特征參數(shù)組合的數(shù)量相同，輸出層有η個神經(jīng)元，η為7、8或9 ；
5、位置信息映射
將優(yōu)化特征參數(shù)組合作為神經(jīng)網(wǎng)絡(luò)II的輸入，將特征編成具有m個碼的方陣， 2114彡m彡2n，按著由左到右、由上到下的順序依次對應(yīng)著圖像中的一個位置并用“0”、“1” 組合進行編碼，每個位置對應(yīng)一個無調(diào)單語音；
6、主顏色編碼
采用共振峰特征來對主顏色信息進行編碼，把所有的共振峰特征值Fl、F2、F3分別求平均值，然后通過R=5F1/F3、G=3F3/5F2、B=F2/3F1，將其轉(zhuǎn)換成主顏色信息；
7、圖案信息編碼
采用聲調(diào)特征來對圖案信息進行編碼，四個聲調(diào)特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)I的輸入，神經(jīng)網(wǎng)絡(luò)I的輸出即為相應(yīng)的圖案信息，用00、01、10、11分別表示陰平、陽平、上聲和去聲； 8、圖像合成
按照單語音產(chǎn)生的先后順序，把位置信息、主顏色信息與圖案信息融合在一幅圖像中在顯示屏上顯示，每幅圖像顯示2 5秒后消失。上述的神經(jīng)網(wǎng)絡(luò)II的輸出層有7個神經(jīng)元，并將特征編成100個碼，以對應(yīng)不同的位置。上述的優(yōu)化特征參數(shù)組合為PMUSI C-MFCCl，PMUSIC-MFCC3，PMUSIC-MFCC4， PMUSIC-MFCC7, PMUSIC-MFCC8，PMUSIC-MFCC11, WPTC1, WPTC2, WPTC4, WPTC5, WPTC7, WPTC9, WPTClO, WPTCl2, WPTCl5, WPTCl6 上述的圖像合成時，先獲得位置信息，然后在相應(yīng)位置添加主顏色信息，最后用聲調(diào)信息置換相應(yīng)位置的主顏色信息，獲得相應(yīng)的語音圖像。本發(fā)明的有益效果如下
(1)本發(fā)明通過集成不同的語音特征進入一幅圖像中，為聾啞人創(chuàng)造語音信號的可讀模式，與現(xiàn)有技術(shù)相比，具有良好的可讀性、易懂性及魯棒性，彌補了用語譜圖來進行可視化很難辨別和記憶的缺點。無論是聽力受損人群還是普通人，經(jīng)過一段時間的專門訓(xùn)練，都可以直觀地辨識出該可視化圖像所對應(yīng)的發(fā)音，并和健全人進行交流；
(2)本發(fā)明充分的利用了聾 人視覺鑒別能力和對色彩刺激的視覺記憶能力較強的優(yōu)點，不同位置上的圖像顏色不同，大大增加了聾啞人學(xué)習(xí)的興趣；
(3)本發(fā)明采用人工神經(jīng)網(wǎng)絡(luò)來對特征進行提取編碼，有效地提高了語音的識別率，縮短了識別時間，實現(xiàn)了效率與時間的雙贏。而且用兩個神經(jīng)網(wǎng)絡(luò)來進行編碼，分工明確，避免了反復(fù)進行訓(xùn)練的困擾；
(4)本發(fā)明提出采用聲調(diào)特征來對圖案信息進行編碼，由相同聲母韻母不同聲調(diào)構(gòu)成的語音就會顯示在同一個位置上，這樣就減少了屏幕的容納負荷和觀察者的記憶負擔(dān)。


圖1為本發(fā)明的系統(tǒng)結(jié)構(gòu)框圖； 圖2是圖1中神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖； 圖3為語音位置信息映射示意圖4為主顏色編碼框圖5為圖案信息編碼示意圖6為“我”的語音可視化效果示例圖7為相同聲韻母組成的音的四聲調(diào)“zhan”的語音可視化效果示例圖； 圖8為三字詞“展覽館”的語音可視化效果示例圖。
具體實施例方式下面結(jié)合附圖和實施例，對本發(fā)明所述的技術(shù)方案作詳細說明
如圖1所示，本發(fā)明的系統(tǒng)結(jié)構(gòu)分為8大塊語音信號預(yù)處理模塊、特征提取模塊、特征優(yōu)化模塊、神經(jīng)網(wǎng)絡(luò)設(shè)計模塊、位置信息映射模塊、主顏色編碼模塊、圖案信息編碼模塊及圖像合成模塊，具體過程如下
一、語音信號預(yù)處理
通過麥克風(fēng)輸入語音信號，由處理單元采樣量化后獲得相應(yīng)語音數(shù)據(jù)，然后進行預(yù)加重、分幀加窗和端點檢測；所述的處理單元可采用計算機、單片機或DSP芯片等，本實例以計算機為例。二、特征提取 1、共振峰特征
采用基于Hilbert-Huang變換的方法來估算預(yù)處理后的語音信號共振峰頻率。由快速傅里葉變換(FFT)初步估計出的語音信號的各階共振峰頻率確定相應(yīng)帶通濾波器的參數(shù)，并用該參數(shù)對語音信號作濾波處理，對濾波后的信號進行經(jīng)驗?zāi)B(tài)分解 (EMD)得到一族固有模態(tài)函數(shù)(IMF)，按能量最大原則確定出含有共振峰頻率IMF，計算出該IMF的瞬時頻率和HHbert譜即得到語音信號的共振峰頻率參數(shù)。2、聲調(diào)特征
計算出預(yù)處理后語音信號的基音頻率曲線的一次斜率、二次斜率、曲線的谷點和曲線的平坦度四個參數(shù)。普通話單音節(jié)的聲調(diào)變化共有四種模式，不同的聲調(diào)反映在語音參數(shù)上是基音頻率軌跡的變化不同，按照以下方法定義四個參數(shù)做為基音頻率曲線的描述首先用一個二次曲線在最小均方誤差的意義下逼近基音軌跡，然后計算該曲線的一次斜率、二次斜率、曲線的谷點和曲線的平坦度四個參數(shù)作為聲調(diào)特征參數(shù)，這些聲調(diào)特征參數(shù)對于四種聲調(diào)具有很強的區(qū)別特性。3、計算 PMUSIC-MFCC 參數(shù)
為改善語音可視化的魯棒性，采用多信號分類法(Multiple Signal Classification, MUSIC)的譜估計技術(shù)并在其中引入感知特性，計算出基于MUSIC和感知特性的魯棒特征參數(shù)(PMUSIC-MFCC) :PMUSIC-MFCC1 PMUSIC-MFCC 12。4、計算WPTC參數(shù)
根據(jù)小波包變換在各分析頻段的恒Q (品質(zhì)因數(shù))特性與人耳聽覺對信號的加工特點相一致的特點，結(jié)合小波包對頻帶的多層次劃分，并根據(jù)人耳感知頻帶的特點，自適應(yīng)地選擇相應(yīng)頻帶，計算出基于小波包變換的語音信號魯棒特征參數(shù)(WPTC) :WPTC1 WPTC20。三、特征優(yōu)化
采用基于正交實驗設(shè)計的語音識別特征參數(shù)優(yōu)化方法對所述的PMUSIC-MFCC1 PMUSIC-MFCC12和WPTCl WPTC20進行優(yōu)化，得到優(yōu)化特征參數(shù)組合，特征參數(shù)優(yōu)化組合數(shù)量為10 20，本例中優(yōu)化特征參數(shù)組合為PMUSIC-MFCC1，PMUSIC-MFCC3，PMUSIC-MFCC4， PMUSIC-MFCC7, PMUSIC-MFCC8，PMUSIC-MFCC11, WPTC1, WPTC2, WPTC4, WPTC5, WPTC7, WPTC9, WPTClO, WPTCl2, WPTCl5, WPTC16,即共 16 個特征參數(shù)。鑒于語音可視化性能與所選用的語音特征參數(shù)密切相關(guān)，本發(fā)明采用一種系統(tǒng)性的實用的特征參數(shù)優(yōu)化方法一基于方差的正交實驗設(shè)計法。首先進行因素(語音特征參數(shù)) 和水平的選擇，再根據(jù)數(shù)理統(tǒng)計與正交性原理，從大量的實驗點中挑選適量的具有代表性、 典型性的點構(gòu)造正交表進行正交實驗，最后通過計算對正交實驗結(jié)果進行分析，找出最優(yōu)的特征參數(shù)組合。四、神經(jīng)網(wǎng)絡(luò)設(shè)計
如圖2所示，所述的神經(jīng)網(wǎng)絡(luò)是由神經(jīng)網(wǎng)絡(luò)I和神經(jīng)網(wǎng)絡(luò)II組成，其中神經(jīng)網(wǎng)絡(luò)I的輸入層有4個神經(jīng)元，輸出層有2個神經(jīng)元，神經(jīng)網(wǎng)絡(luò)II的輸入層的數(shù)量與優(yōu)化特征參數(shù)組合的數(shù)量相同，輸出層有η個神經(jīng)元，η為7、8或9。五、位置信息映射
神經(jīng)網(wǎng)絡(luò)II的輸出將特征編成具有m個碼的方陣，彡m彡2η，η=7、8或9。本實例以η=7為例，即神經(jīng)網(wǎng)絡(luò)II的輸出層有7個神經(jīng)元，共有1 個不同的碼。如圖3所示，由于本例只選擇了普通話中最常用字的音節(jié)(100個無調(diào)音節(jié)即400個有調(diào)音節(jié))，所以采用 100個位置。按著由左到右、由上到下的順序依次對應(yīng)著圖像中的一個位置并用“0”、“1” 組合進行編碼，每個位置對應(yīng)一個無調(diào)單語音。如0000000代表第一行第一列的那個位置， 0000001代表第一行第二列的那個位置，以此類推。六、主顏色編碼
如圖4所示，采用共振峰特征來映射主顏色信息，把所有的共振峰特征值Fl、F2、F3分別求平均值，然后通過公式R=5F1/F3、G=3F3/5F2、B=F2/3F1，將其轉(zhuǎn)換成主顏色信息，其中系數(shù)5，3/5和1/3是經(jīng)過實驗驗證具有較好的顏色分辨力，選擇目標(biāo)是使大部分音節(jié)的顏色各異，這樣有助于聾啞人辨識記憶，x、y為該語音信號的位置向量。通過給屏幕相應(yīng)位置的RGB賦值，獲得主顏色信息，紅綠藍三基色幅度全為1得到白色，紅綠藍三基色幅度全是 0得到黑色，各個基色對顏色的貢獻是加色法則。
如漢語“我”的三個共振峰平均值分別為Fl=593. 15Hz、F2=1104. 47Hz、 F3=2814. 70Hz，所以計算出的R=L 0537、G=L 5291, B=O. 6207，所以產(chǎn)生的圖像主顏色為淺黃色。七、圖案信息編碼
如圖5所示，采用聲調(diào)特征來映射圖案信息，四個聲調(diào)特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)I的輸入，神經(jīng)網(wǎng)絡(luò)I的輸出即為相應(yīng)的圖案信息，用00、01、10、11分別表示陰平、陽平、上聲和去聲，通過改變不同位置的三基色RGB的飽和度來顯示不同的黑色質(zhì)地圖案。本例以“00 表示陰平、01表示陽平、10表示上聲和、11表示去聲”為例。本發(fā)明采用聲調(diào)特征來映射圖案信息，第一聲調(diào)的基音頻率軌跡一般很平坦，而其它三聲調(diào)則具有不同程度的彎曲和傾斜，因此，曲線的平坦度對于第一聲調(diào)和其它三聲調(diào)具有明顯不同的數(shù)值分布區(qū)域。第三聲調(diào)的基音頻率軌跡一般是凹的，而第二聲調(diào)明顯上傾，第四聲調(diào)明顯下傾。因此，對這三種軌跡，曲線的谷點分布在不同的區(qū)域。八、圖像合成
按照單語音產(chǎn)生的前后順序，把位置信息、主顏色信息與圖案信息融合在一幅圖像中并在顯示屏上顯示，每幅圖像顯示2 5秒后消失。圖像合成時，先獲得位置信息，然后在相應(yīng)位置添加主顏色信息，最后用聲調(diào)信息置換相應(yīng)位置的主顏色信息，獲得相應(yīng)的語音圖像，每幅圖像顯示2 5秒后消失。圖像消失過程中可采用逐漸消失的方法，以避免因觀察者長時間觀看而造成的疲勞暈眩的感覺。上述整個過程均由計算機處理。圖像合成舉例如下
1、如圖6所示，“我”的圖像主顏色是淺黃色的，而且上面有黑色質(zhì)地的圖案，表明這是個聲調(diào)為上聲的語音，而且再根據(jù)顯示位置就可以很容易的辨識出該語音是什么。2、如圖7所示，相同聲韻母組成的音的四聲調(diào)“zhan”的上聲“展”的三個共振峰值為 Fl=936. 42Hz、F2=1860. 84Hz、F3=2605. 40Hz,顏色值為 R=I. 7971、G=O. 8401、 B=O. 6624，顯示淺杏黃色；把“展”讀成陽平時，共振峰值為Fl=916. 16Hz、F2=1541. 05Hz、 F3=1922. 56Hz，顏色值為R=2. 3827,G=O. 7485,B=O. 5607，顯示的顏色是深杏黃色，比上聲的 “展”的顏色略微深一些，所以經(jīng)常在讀兩個上聲時容易把第一個讀成陽平，但圖像顏色和位置幾乎不變，正好符合經(jīng)常把上聲讀成陽平的原理。把“展”讀成陰平時，三個共振峰值為 Fl=806. 44Hz、F2=1856. 77Hz、F3=2015. 98Hz，顏色值為 R=2. 0001、G=O. 6514、B=O. 7675， 顯示深粉色；把“展”讀成去聲時，共振峰值為Fl=709. 74Hz、F2=1849. 45Hz、F3=2510. 56Hz, 顏色值為R=I. 4121、G=O. 8145、B=O. 8695，顯示的顏色是淺粉色，正好符合經(jīng)常把一聲讀成四聲的原理。3、如圖8所示，“展覽館”三個上聲遇到一起，前兩個音變成了陽平調(diào)，這是符合聲調(diào)的動態(tài)變化規(guī)律的，雖然把上聲讀成陽平后可視化圖像可能不一樣，但是顯示位置是一樣的，這時可以根據(jù)詞或者句子的前后來判斷糾正意義，因為當(dāng)語言用語音來表達時，具有比較大的冗余。
權(quán)利要求
1.一種基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法，其特征是包括以下步驟(1)語音信號預(yù)處理通過麥克風(fēng)輸入語音信號，由處理單元采樣量化后獲得相應(yīng)語音數(shù)據(jù)，然后進行預(yù)加重、分幀加窗和端點檢測；(2)特征提取(2. 1)采用基于Hilbert-Huang變換的方法來估算預(yù)處理后的語音信號共振峰頻率；(2.2)計算出預(yù)處理后語音信號的基音頻率曲線的一次斜率、二次斜率、曲線的谷點和曲線的平坦度作為聲調(diào)特征參數(shù)；(2. 3)計算出基于MUSIC和感知特性的魯棒特征參數(shù)(PMUSIC-MFCC):PMUSIC-MFCC1 PMUSIC-MFCC 12 ；(2. 4)計算出基于小波包變換的語音信號魯棒特征參數(shù)(WPTC) =WPTCl WPTC20 ；(3)特征優(yōu)化采用基于正交實驗設(shè)計的語音識別特征參數(shù)優(yōu)化的方法對所述的PMUSIC-MFCC1 PMUSIC-MFCC12和WPTCl WPTC20進行優(yōu)化，得到優(yōu)化特征參數(shù)組合；(4)神經(jīng)網(wǎng)絡(luò)設(shè)計所述的神經(jīng)網(wǎng)絡(luò)是由神經(jīng)網(wǎng)絡(luò)I和神經(jīng)網(wǎng)絡(luò)II組成，其中神經(jīng)網(wǎng)絡(luò)I的輸入層有4個神經(jīng)元，輸出層有2個神經(jīng)元，神經(jīng)網(wǎng)絡(luò)II的輸入層的數(shù)量與優(yōu)化特征參數(shù)組合的數(shù)量相同，輸出層有η個神經(jīng)元，η為7、8或9 ；(5)位置信息映射將優(yōu)化特征參數(shù)組合作為神經(jīng)網(wǎng)絡(luò)II的輸入，將特征編成具有m個碼的方陣， 2114彡m彡2n，按著由左到右、由上到下的順序依次對應(yīng)著圖像中的一個位置并用“0”、“1” 組合進行編碼，每個位置對應(yīng)一個無調(diào)單語音；(6)主顏色編碼采用共振峰特征來對主顏色信息進行編碼，把所有的共振峰特征值Fl、F2、F3分別求平均值，然后通過R=5F1/F3、G=3F3/5F2、B=F2/3F1，將其轉(zhuǎn)換成主顏色信息；(7)圖案信息編碼采用聲調(diào)特征來對圖案信息進行編碼，四個聲調(diào)特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)I的輸入，神經(jīng)網(wǎng)絡(luò)I的輸出即為相應(yīng)的圖案信息，用00、01、10、11分別表示陰平、陽平、上聲和去聲； (8)圖像合成按照單語音產(chǎn)生的先后順序，把位置信息、主顏色信息與圖案信息融合在一幅圖像中在顯示屏上顯示，每幅圖像顯示2 5秒后消失。
2.根據(jù)權(quán)利要求1所述的基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法，其特征是神經(jīng)網(wǎng)絡(luò)II的輸出層有7個神經(jīng)元，并將特征編成100個碼，以對應(yīng)不同的位置。
3.根據(jù)權(quán)利要求1所述的基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法，其特征是優(yōu)化特征參數(shù)組合為 PMUSIC-MFCC1，PMUSIC-MFCC3，PMUSIC-MFCC4，PMUSIC-MFCC7， PMUSIC-MFCC8，PMUSIC-MFCC11, WPTC1, WPTC2, WPTC4,WPTC5,WPTC7,WPTC9,WPTC10,WPTC12, WPTCl5, WPTC16ο
4.根據(jù)權(quán)利要求1所述的基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法，其特征是上述的圖像合成時，先獲得位置信息，然后在相應(yīng)位置添加主顏色信息，最后用聲調(diào)信息置換相應(yīng)位置的主顏色信息，獲得相應(yīng)的語音圖像。
全文摘要
本發(fā)明涉及一種基于集成特征和神經(jīng)網(wǎng)絡(luò)的語音可視化方法，其特殊之處是包括語音信號預(yù)處理、特征提取、特征優(yōu)化、神經(jīng)網(wǎng)絡(luò)設(shè)計、位置信息映射、主顏色編碼、圖案信息編碼和圖像合成八個步驟。本發(fā)明通過集成不同的語音特征進入一幅圖像中為聾啞人創(chuàng)造了語音信號的可讀模式，而且不同位置上的圖像顏色不同，這就更好地利用了聾啞人對色彩刺激的視覺記憶能力較強的優(yōu)點；為減少屏幕容納負荷和觀察者記憶負擔(dān)，提出采用聲調(diào)特征來對圖案信息進行編碼，這樣由相同聲韻母不同聲調(diào)構(gòu)成的語音會顯就示在同一個位置上。與現(xiàn)有方法相比，本發(fā)明具有很好的魯棒性和分類定位能力，在聾啞人輔助學(xué)習(xí)方面，收到了良好的效果。
文檔編號G10L21/06GK102231281SQ20111020063
公開日2011年11月2日 申請日期2011年7月18日 優(yōu)先權(quán)日2011年7月18日
發(fā)明者于忠黨, 倫淑嫻, 王東, 王健, 王巍, 邰治新, 韓志艷 申請人:渤海大學(xué)