本發(fā)明涉及一種說話人語音回放鑒別方法及系統(tǒng)，屬于，具體涉及一種基于環(huán)境噪聲變化檢測的說話人語音回放鑒別方法及系統(tǒng)。

背景技術(shù)：

隨著語音信號處理技術(shù)的不斷發(fā)展，利用說話人語音信號的特征進(jìn)行身份認(rèn)證的系統(tǒng)在諸多行業(yè)得到了廣泛的應(yīng)用。然而，盡管說話人認(rèn)證(Automatic Speaker Verification,ASV)系統(tǒng)已可在諸如門禁系統(tǒng)、金融證券、網(wǎng)絡(luò)購物、電子銀行、手機(jī)認(rèn)證等領(lǐng)域得到應(yīng)用，該系統(tǒng)的可靠性仍然存在較大的安全隱患。主要的人造威脅來自于入侵者利用技術(shù)手段，冒充目標(biāo)說話人語音來“欺騙”ASV系統(tǒng)，通過認(rèn)證。近些年來，如何有效檢測、識別非認(rèn)證語音信號，保證ASV系統(tǒng)的健壯性與穩(wěn)定性，已逐步引起人們的廣泛重視。有文獻(xiàn)研究表明，基于說話人的語音入侵方式可以歸納為四大類：語音模仿、語音回放、語音合成和語音轉(zhuǎn)換。其中，語音回放入侵通過高保真錄放設(shè)備，采集認(rèn)證用戶的語音信息，通過回放的方式“欺騙”ASV系統(tǒng)，假冒認(rèn)證用戶，實(shí)現(xiàn)入侵。有研究表明，相比其它三大類入侵方式，語音回放入侵的實(shí)現(xiàn)方式更為簡單，任何人無需語音信號處理相關(guān)的知識即可實(shí)現(xiàn)，是對ASV系統(tǒng)最大的威脅之一。

據(jù)可查閱的文獻(xiàn)資料顯示，近幾年來國內(nèi)外已有較多的研究人員從事說話人錄音回放檢測相關(guān)的研究工作，具有代表性的檢測方法包括：(1)相似性檢測法；(2)遠(yuǎn)場錄音檢測法；(3)信道特征分析法；(4)多模態(tài)檢測法。其中方法(1)需要ASV系統(tǒng)已保存真實(shí)認(rèn)證用戶特定文本的語音；方法(2)需假定錄音設(shè)備采集用戶語音的位置較遠(yuǎn)，適用性受到制約；方法(3)對于錄音設(shè)備信道特征的提取要求精度非常高，魯棒性較差；方法(4)結(jié)合人臉識別、唇動(dòng)識別等方式，實(shí)現(xiàn)及部署的成本較高，也并未從語音信號處理本身實(shí)現(xiàn)錄音回放檢測。

因此，如何設(shè)計(jì)并實(shí)現(xiàn)一種有著廣泛適用性、與語音文本無關(guān)、魯棒性強(qiáng)、部署簡單的說話人錄音回放鑒別方法和系統(tǒng)，具有較強(qiáng)的現(xiàn)實(shí)意義與應(yīng)用價(jià)值。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的上述技術(shù)問題，提供了一種基于環(huán)境噪聲變化檢測的說話人語音回放鑒別方法及系統(tǒng)。該方法主系統(tǒng)基于在錄音播放前后環(huán)境噪聲變化，進(jìn)而檢測是否為錄音回放，能夠用于鑒別是否為真實(shí)身份的認(rèn)證用戶的語音，從而解決現(xiàn)有ASV系統(tǒng)中說話人錄音回放入侵檢測方法魯棒性差、文本依賴性強(qiáng)等缺點(diǎn)，為ASV系統(tǒng)更加廣泛的應(yīng)用于推廣提供技術(shù)支撐。

本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的：

一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別方法，包括：

背景噪聲特征提取步驟，用于提取待測語音信號前預(yù)設(shè)時(shí)段語音信號的功率譜特征作為背景噪聲能量特征值；

靜音段特征提取步驟，用于從待測語音信號中劃分出靜音段并計(jì)算靜音段語音幀的平均功率譜特征值作為待測信號靜音段特征值；

語音回放判斷步驟，用于將背景噪聲能量特征值與待測信號靜音段特征值進(jìn)行比較，若兩者特征變化超過閾值，則判斷為錄音回放。

優(yōu)化的，上述的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別方法，所述背景噪聲特征提取步驟中，基于以下步驟計(jì)算背景環(huán)境噪聲段終止時(shí)間：

(1)對于說話人開始發(fā)聲點(diǎn)T_v處，前移一小段時(shí)間至t時(shí)刻，計(jì)算t-△t到t+△t之間的平均強(qiáng)度P_t；

(2)然后選擇一步幅s，計(jì)算t-s-△t到t-s+△t的平均強(qiáng)度P_t-s，比較P_t和P_t-s的差的絕對值是否小于預(yù)先給定的閾值；

(3)若P_t和P_t-s之間差的絕對值大于閾值，則表明臨界點(diǎn)在t-s和t之間，即可以t-s為背景環(huán)境噪聲臨界點(diǎn)的終止時(shí)刻；

(4)若P_t和P_t-s之間差的絕對值小于閾值，則表明從t-s到t時(shí)間段內(nèi)，噪聲強(qiáng)度沒有發(fā)生明顯變化，即表征沒有找到臨界點(diǎn)或臨界點(diǎn)不存在，則繼續(xù)以步幅s從t-s開始向前移動(dòng)，重復(fù)步驟(2)；

(5)若進(jìn)過ns步后，仍未找到臨界點(diǎn)，則表明在t-ns到t時(shí)間段內(nèi)，環(huán)境噪聲無明顯變化，則以P_t表示背景噪聲強(qiáng)度，其中n為經(jīng)驗(yàn)系數(shù)，預(yù)先設(shè)定。

優(yōu)化的，上述的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別方法，所述靜音段特征提取步驟中，靜音段劃分采用臨界平均能量閾值的方式，通過對整段待測語音信號平均能量的計(jì)算，同時(shí)加入調(diào)整系數(shù)，來判斷某語音幀是否處于靜音段。

優(yōu)化的，上述的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別方法，所述靜音段特征提取步驟中，將原始語音段減去經(jīng)維納斯濾波后的語音得到的噪聲部分作為無說話人語音的靜音段。

優(yōu)化的，上述的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別方法，所述語音回放判斷步驟中，若背景噪聲強(qiáng)度和待測語音噪聲強(qiáng)度的絕對值差小于設(shè)定的閾值，則判斷兩者具有相同的噪聲源，即判定待測語音為真實(shí)說話人語音；若背景噪聲強(qiáng)度和猜測語音噪聲強(qiáng)度的絕對值大于閾值，則采用自適應(yīng)濾波和譜減法結(jié)合的方式再次提取無說話人語音的靜音段；然后比較分析背景噪聲強(qiáng)度和待測語音噪聲強(qiáng)度。

優(yōu)化的，上述的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別方法，還包括：

閾值調(diào)整步驟，用于采用時(shí)序閾值優(yōu)化和/或監(jiān)督學(xué)習(xí)閾值法對語音回放判斷步驟中的閾值進(jìn)行調(diào)整；其中，時(shí)序閾值優(yōu)化基于檢測時(shí)所處的時(shí)段調(diào)整閾值選取方案；監(jiān)督學(xué)習(xí)閾值優(yōu)化通過人工設(shè)定樣本，經(jīng)過多次重復(fù)測試及結(jié)果反饋，更新閾值大小。

一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別裝置，包括：

背景噪聲特征提取模塊，用于提取待測語音信號前預(yù)設(shè)時(shí)段語音信號的功率譜特征作為背景噪聲能量特征值；

靜音段特征提取模塊，用于從待測語音信號中劃分出靜音段并計(jì)算靜音段語音幀的平均功率譜特征作為待測信號靜音段特征值；

語音回放判斷模塊，用于將背景噪聲能量特征值與待測信號靜音段特征值進(jìn)行比較，若兩者特征變化超過閾值，則判斷為錄音回放。

優(yōu)化的，上述的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別模塊，所述靜音段特征提取模塊中，靜音段劃分采用臨界平均能量閾值的方式，通過對整段待測語音信號平均能量的計(jì)算，同時(shí)加入調(diào)整系數(shù)，來判斷某語音幀是否處于靜音段。

優(yōu)化的，上述的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別模塊，所述靜音段特征提取模塊中，將原始語音段減去維納斯濾波后的語音后得到的噪聲部分作為無說話人語音的靜音段。

優(yōu)化的，上述的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別模塊，所述語音回放判斷模塊中，若背景噪聲強(qiáng)度和待測語音噪聲強(qiáng)度的絕對值差小于設(shè)定的閾值，則判斷兩者具有相同的噪聲源，即判定待測語音為真實(shí)說話人語音；若背景噪聲強(qiáng)度和猜測語音噪聲強(qiáng)度的絕對值大于閾值，則采用自適應(yīng)濾波和譜減法結(jié)合的方式提取無說話人語音的靜音段；再次比較分析背景噪聲強(qiáng)度和待測語音噪聲強(qiáng)度。

因此，本發(fā)明通過對待檢測語音前后環(huán)境噪聲的變化，檢測是否因?yàn)殇浺粼O(shè)備的播放而引入了新的噪聲(包括由播放設(shè)備信道特征引入的噪聲)，從而判斷是否為錄音回放，使得可以再不依賴特定文本的語音檢測中，實(shí)現(xiàn)ASV系統(tǒng)的錄音回放攻擊檢測，可以防止ASV系統(tǒng)因錄音回放攻擊而引起的安全隱患，完善聲紋認(rèn)證的安全保障；同時(shí)由于是對播放設(shè)備的檢測，因此對于語音合成入侵和語音轉(zhuǎn)換入侵的檢測，也具有輔助作用

附圖說明

圖1是本發(fā)明實(shí)施例提供的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別方法的流程圖；

圖2是本發(fā)明實(shí)施例提供的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別系統(tǒng)的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面通過實(shí)施例，并結(jié)合附圖，對本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明。

實(shí)施例：

本發(fā)明實(shí)施例中，通過高保真的音頻采集設(shè)備實(shí)現(xiàn)說話人語音設(shè)備的采集，語音信號的處理以軟件的方式實(shí)現(xiàn)。

如圖1所示：在本發(fā)明實(shí)施例的基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別方法，其包括如下步驟：

S1、背景環(huán)境語音信號預(yù)處理，此步驟實(shí)現(xiàn)對待檢測語音信號輸入前的語音信號測量及預(yù)處理。首先通過預(yù)設(shè)值，選取待測語音信號前一定時(shí)間前的一段語音信號(環(huán)境噪聲)，通過濾波消除信號中的突變信號；接著提取濾波后信號的功率譜特征；

S2、待測語音信號靜音段劃分，此步驟實(shí)現(xiàn)對待檢測語音信號靜音段的時(shí)序劃分。靜音段劃分采用臨界平均能量閾值的方式，通過對整段待測語音信號平均能量的計(jì)算；同時(shí)加入調(diào)整系數(shù)，來判斷某語音幀是否處于靜音段；

S3、待測語音信號靜音段特征提取，此步驟實(shí)現(xiàn)對待測語音播放期間，噪聲特征的提取。首先將S2步驟標(biāo)識出的處于靜音段所有語音幀用于計(jì)算，對每個(gè)語音幀提取功率譜特征值，對所有語音幀的功率譜特征值求平均，用于標(biāo)識待測語音存續(xù)期間噪聲的能量特征；

S4、背景環(huán)境噪聲信號特征與待測信號靜音段特征比較分析，此步驟將S3步驟提取的特征與S1步驟提取的功率譜特征比較，若兩者特征值有明顯變化，超過閾值，則判斷為引入了新的噪聲源，為錄音回放；

S5、調(diào)整閾值完成說話人語音的錄音回放檢測，此步驟實(shí)現(xiàn)對S4步驟中所述閾值的動(dòng)態(tài)調(diào)整，優(yōu)化檢測精度。通過定期輸入先驗(yàn)樣本，來實(shí)現(xiàn)對閾值的定期調(diào)整，增加對不同使用環(huán)境的適應(yīng)性。

如圖2所示：本發(fā)明實(shí)施例提供的一種基于環(huán)境噪聲變化檢測的說話人錄音回放鑒別系統(tǒng)，其包括：

背景噪聲特征提取模塊，用于提取待測語音信號前預(yù)設(shè)時(shí)段語音信號的功率譜特征作為背景噪聲能量特征值；

靜音段特征提取模塊，用于從待測語音信號中劃分出靜音段并計(jì)算靜音段語音幀的平均功率譜特征作為待測信號靜音段特征值；

語音回放判斷模塊，用于將背景噪聲能量特征值與待測信號靜音段特征值進(jìn)行比較，若兩者特征變化超過閾值，則判斷為錄音回放。

背景噪聲特征提取模塊具體包括背景環(huán)境語音信號濾波模塊10和背景環(huán)境語音信號特征提取模塊20。

背景環(huán)境語音信號濾波模塊10用于對環(huán)境背景噪聲的預(yù)處理，消除突變信號，保證背景環(huán)境噪聲在檢測前后的一段時(shí)間內(nèi)平穩(wěn)。背景噪聲信號預(yù)處理主要采用濾波的方式，消除突變語音信號對檢測過程的影響，如打雷、敲門等聲音信號。需要截取一段時(shí)間的語音信號，這段語音信號應(yīng)稍長于模塊20所需提取的背景環(huán)境語音范圍，在實(shí)際操作中可由經(jīng)驗(yàn)值確定。背景環(huán)境語音信號特征提取模塊20提取能夠表征噪聲某方面性質(zhì)的特征值，如將噪聲強(qiáng)度作為特征標(biāo)識。對于待測信號出現(xiàn)前多長時(shí)間判斷為背景噪聲的特征，即待測信號輸入時(shí)的臨界點(diǎn)判斷(若為錄音回放，則為播放設(shè)備開啟的時(shí)刻)，將采用逐步逼近的方式近似求得。

其中，對于表征噪聲性質(zhì)的特征值，本實(shí)施例選用噪聲強(qiáng)度作為標(biāo)識。

對于背景環(huán)境噪聲的特征的提取，關(guān)鍵步驟之一在于對平穩(wěn)噪聲段的選取。由于涉及到后續(xù)待測語音信號，因此需要判斷背景噪聲和待測語音信號的介入引入的新的噪聲，兩者之間的臨界點(diǎn)即為背景環(huán)境噪聲段終止時(shí)間。待測語音信號可為真實(shí)說話人聲音，也可能是錄音回放。對于真實(shí)說話人聲音，臨界點(diǎn)為說話人發(fā)聲開始的瞬間；對于錄音回放，由于錄音中前段可能為無聲段，因此不能以說話人的聲音出現(xiàn)作為臨界點(diǎn)判斷標(biāo)準(zhǔn)。本實(shí)施例采用逐步逼近的方式求得臨界點(diǎn)，具體實(shí)施方法為：

(1)對于說話人開始發(fā)聲點(diǎn)T_v處，前移一小段時(shí)間至t時(shí)刻，計(jì)算t-△t到t+△t之間的平均強(qiáng)度P_t，其中，△t為預(yù)先設(shè)定的時(shí)間變化量，可根據(jù)使用環(huán)境與需求人工設(shè)定；

(2)然后選擇一步幅s，計(jì)算t-s-△t到t-s+△t的平均強(qiáng)度P_t-s，比較P_t和P_t-s的差的絕對值是否小于預(yù)先給定的閾值；

(3)若P_t和P_t-s之間差的絕對值大于閾值，則表明臨界點(diǎn)在t-s和t之間，即可以t-s為背景環(huán)境噪聲臨界點(diǎn)的終止時(shí)刻；

(4)若P_t和P_t-s之間差的絕對值小于閾值，則表明從t-s到t時(shí)間段內(nèi)，噪聲強(qiáng)度沒有發(fā)生明顯變化，即表征沒有找到臨界點(diǎn)或臨界點(diǎn)不存在，則繼續(xù)以步幅s從t-s開始向前移動(dòng)，重復(fù)步驟(2)；

(5)若進(jìn)過ns步后，仍未找到臨界點(diǎn)，則表明在t-ns到t時(shí)間段內(nèi)，環(huán)境噪聲無明顯變化，則以P_t表示背景噪聲強(qiáng)度，其中n為經(jīng)驗(yàn)系數(shù)，預(yù)先設(shè)定。

靜音段特征提取模塊具體為圖2中的待測語音靜音段信號處理模塊30，用于對整段待測語音信號靜音段的語音幀識別與提取功率譜特征，將靜音段的信號看作噪聲，則測得的噪聲強(qiáng)度，若為錄音回放，則包括背景噪聲強(qiáng)度和回放設(shè)備中新引入的噪聲強(qiáng)度，求得整個(gè)待測語音靜音段的平均噪聲強(qiáng)度，以標(biāo)識待測語音檢測時(shí)的噪聲特征。

語音靜音段信號提取首先采用經(jīng)典的維納斯濾波，將原始語音段去噪濾波后的予以保存，然后將原始語音段減去維納斯濾波后的語音，即可得到維納斯濾波濾掉的噪聲部分，提取的噪聲即可表征無說話人語音的靜音段的語音信號。

由于通常情況下，帶檢測語音存續(xù)期間，語音信號的信噪比比較大，因此可對靜音段語音信號做語音增強(qiáng)處理，確保提取的靜音段噪聲信號盡可能的精確。

對于有明顯語音間隔的待測語音信號，可通過端點(diǎn)檢測的方式，在時(shí)序上分割待檢測語音的靜音段部分，從而可以直接測得靜音段的噪聲信號。

對提取后的靜音段噪聲信號，同樣通過求得每幀語音的強(qiáng)度，通過線性平均得到待測語音信號的平均噪聲強(qiáng)度，以表征噪聲的聲學(xué)特征。

對于噪聲信號強(qiáng)度，亦可選擇提取其它語音特征，通過建立分析模型，聯(lián)動(dòng)多個(gè)特征參數(shù)，綜合描述信號的特征?？蛇x地特征包括Me l倒頻系數(shù)、頻譜包絡(luò)等等。

語音回放判斷模塊具體為圖2中的特征分析與比較功能模塊40，用于分析20模塊提取的噪聲強(qiáng)度特征和30提取的噪聲強(qiáng)度特征之間的差異性，通過閾值來分類兩種噪聲，鑒別是否為錄音回放。

對于以噪聲強(qiáng)度表征噪聲特征的本實(shí)施例中，將直接比較兩者的大小。若背景噪聲強(qiáng)度和待測語音噪聲強(qiáng)度的絕對值差小于設(shè)定的閾值，則判斷兩者具有相同的噪聲源，即判定待測語音為真實(shí)說話人語音；若背景噪聲強(qiáng)度和猜測語音噪聲強(qiáng)度的絕對值大于閾值，則需進(jìn)行二次判斷。二次判斷的方法為：重復(fù)30模塊的主體功能，對待測語音段噪聲信號強(qiáng)度重新提取，提取過程將采用自適應(yīng)濾波和譜減法結(jié)合的方式，代替之前的維納斯濾波，最終提取待測語音段噪聲信號強(qiáng)度，進(jìn)而再次與背景環(huán)境噪聲強(qiáng)度比較判斷。

根據(jù)不同的使用環(huán)境和使用需求，可和模塊30一樣，選擇提取其它語音特征來比較分析。特別的，對于判斷為錄音回放時(shí)，同樣需要換用其它濾波方式，再次提取待測語音段噪聲信號強(qiáng)度，重新分析比較。

檢測優(yōu)化模塊50，用于動(dòng)態(tài)的優(yōu)化40模塊中的閾值，從統(tǒng)計(jì)上，背景環(huán)境噪聲的變化在長時(shí)間內(nèi)曾周期性變化，因此可根據(jù)不同時(shí)段內(nèi)使用多組不同閾值；同時(shí)，通過周期性的輸入先驗(yàn)樣本，實(shí)現(xiàn)閾值定期的優(yōu)化。

本實(shí)施例還包括閾值調(diào)整模塊，其具體為附圖2中的檢測優(yōu)化模塊50，主要實(shí)現(xiàn)模塊40中閾值的優(yōu)化選取與動(dòng)態(tài)更新，實(shí)施方式分為兩部分：時(shí)序閾值優(yōu)化和監(jiān)督學(xué)習(xí)閾值優(yōu)化。

時(shí)序閾值優(yōu)化，主要考慮背景環(huán)境噪聲在時(shí)序上的不同時(shí)間段具有不同的聲學(xué)特征，因此需要更具所處時(shí)段，優(yōu)化選擇該時(shí)段使測試結(jié)果最為準(zhǔn)確的閾值選取方案。例如若白天的背景環(huán)境噪聲大于傍晚的噪聲，則對噪聲提取的精度要求更高，對于閾值的選取可適當(dāng)增大。

閾值的選取還應(yīng)和具體的需求相關(guān)。根據(jù)使用需求的優(yōu)先級，微調(diào)閾值的大小，如FRR(False Rejection Rate)優(yōu)先，或是FAR(False Acceptance Rate)優(yōu)先。

監(jiān)督學(xué)習(xí)閾值優(yōu)化，用于長時(shí)的閾值更新。當(dāng)背景環(huán)境噪聲長時(shí)間發(fā)生穩(wěn)定變化時(shí)，需要重新校準(zhǔn)閾值，可通過監(jiān)督學(xué)習(xí)的方式，人工設(shè)定樣本，通過多次重復(fù)測試及結(jié)果反饋，更新閾值大小。

本說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見即可。

專業(yè)人員還可以進(jìn)一步意識到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來實(shí)現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能性一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對每個(gè)特定的應(yīng)用來使用不同方法來實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)超過本發(fā)明的范圍。

結(jié)合本文中所公開的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實(shí)施。軟件模塊可以置于隨機(jī)儲存器、內(nèi)存、只讀存儲器、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動(dòng)磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其他形式的存儲介質(zhì)中。

可以理解的是，對于本領(lǐng)域的普通技術(shù)人員來說，可以根據(jù)本發(fā)明的技術(shù)構(gòu)思做出其它各種相應(yīng)的改變與變形，而所有這些改變與變形都應(yīng)屬于本發(fā)明權(quán)利要求的保護(hù)范圍。

本文中所描述的具體實(shí)施例僅僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。