王 陳，孟憲昱，于瀛潔，孔 明，劉 維

（1.上海大學(xué) 機(jī)電工程與自動(dòng)化學(xué)院，上海200444；2.中國(guó)計(jì)量大學(xué) 計(jì)量測(cè)試工程學(xué)院，浙江 杭州310018）

1 引 言

隨著芯片、MEMS等高精密納米器件小型化和集成化需求的高速增長(zhǎng)，器件特征尺寸和與之關(guān)聯(lián)的公差不斷減小的同時(shí)形狀結(jié)構(gòu)的復(fù)雜程度卻不斷增加［1］，對(duì)具有良好的重復(fù)性、準(zhǔn)確性和可靠性等特性的微納米臺(tái)階高度測(cè)量及計(jì)量表征方法的需求也日趨迫切［2］。在半導(dǎo)體、微電子和納米制造測(cè)量等領(lǐng)域中，臺(tái)階高度是精密光學(xué)元件、集成電路特征尺寸、石墨烯薄膜厚度、芯片等精密微納米結(jié)構(gòu)的關(guān)鍵特征尺寸。但是，由于微納米結(jié)構(gòu)表面三維形貌實(shí)測(cè)數(shù)據(jù)集較大，且特征突變頻繁，實(shí)測(cè)數(shù)據(jù)通常含有未測(cè)點(diǎn)和離群值等測(cè)量缺陷，難以對(duì)其進(jìn)行快速高精度表征處理。

臺(tái)階高度的定義為高低平面中距離邊緣特定距離的兩點(diǎn)的垂直距離［3］。作為微納米計(jì)量領(lǐng)域中的關(guān)鍵幾何量，其表征評(píng)定方法層出不窮，現(xiàn)階段主要應(yīng)用的方法包括點(diǎn)對(duì)點(diǎn)的高度提取方法（兩點(diǎn)法）、單邊法、直方圖法、ISO法、最小二乘多項(xiàng)式擬合法等［4］。其中，ISO評(píng)定方法應(yīng)用最為廣泛，在最新的GPS標(biāo)準(zhǔn)ISO 25178-700［5］中，規(guī)定了基于區(qū)域的臺(tái)階高度評(píng)定方法和基于輪廓的臺(tái)階高度評(píng)定方法。但針對(duì)具有測(cè)量壞點(diǎn)的三維臺(tái)階形貌，目前仍未有計(jì)量表征標(biāo)準(zhǔn)。

近年來，國(guó)內(nèi)外研究人員針對(duì)微納米臺(tái)階高度測(cè)量表征難題進(jìn)行了廣泛研究。日本研究人員Ismail M F等針對(duì)臺(tái)階高度測(cè)量數(shù)據(jù)中出現(xiàn)的離群值提出了一種基于相鄰數(shù)據(jù)中值的方法進(jìn)行去噪表征的算法，提高了臺(tái)階高度表征的魯棒性［6］；Le Goic G等提出了一種基于離散模態(tài)分解（discrete modal decomposition）的數(shù)學(xué)模型轉(zhuǎn)換原始測(cè)量數(shù)據(jù)，結(jié)合格拉布斯檢驗(yàn)過濾表面測(cè)量數(shù)據(jù)中離群值的方法［7］；Nurunnabi A等針對(duì)點(diǎn)云數(shù)據(jù)中的離群值提出了兩種高魯棒性的統(tǒng)計(jì)方法，結(jié)合點(diǎn)到平面的正交距離和局部表面點(diǎn)的一致性原則獲得最小距離下的最大一致性點(diǎn)集（Maximum Consistency with Minimum Distance），進(jìn)而基于局部區(qū)域中最可能的無離群值且最一致的點(diǎn)集估計(jì)最佳擬合平面，提高了算法的準(zhǔn)確度和魯棒性［8］；芬蘭研究人員Heikkinen V等應(yīng)用自組裝的生物樣品設(shè)計(jì)了5～40 nm的多級(jí)臺(tái)階高度樣本，并采用多級(jí)直方圖的臺(tái)階高度表征方法完成了多級(jí)臺(tái)階高度樣本的表征［9］。國(guó)內(nèi)的微納米臺(tái)階高度樣板的研制與測(cè)量表征研究起步相對(duì)較晚［10］，但是近年來也取得了豐碩的成果。在微納米臺(tái)階測(cè)量表征方面，北京交通大學(xué)的謝芳等設(shè)計(jì)應(yīng)用了一種結(jié)合低相干干涉和高相干干涉的絕對(duì)位移測(cè)量系統(tǒng)，利用兩種干涉方法所獲得干涉圖的峰值移動(dòng)范圍內(nèi)的條紋數(shù)量得到測(cè)量點(diǎn)的高度值，十次測(cè)量1 mm量塊的標(biāo)準(zhǔn)差可達(dá)0.5 nm［11］；西安交通大學(xué)的楊樹明等在制作8 nm、18 nm、26 nm三階高度臺(tái)階樣品的基礎(chǔ)上，通過濾波去除低頻噪音的同時(shí)利用十階多項(xiàng)式擬合表面輪廓，去除高頻噪聲后進(jìn)行臺(tái)階高度表征，提高了臺(tái)階高度擬合的準(zhǔn)確度與魯棒性［12］；國(guó)家計(jì)量研究院的李偉等針對(duì)臺(tái)階高度測(cè)量中的弓形誤差問題，利用AFM顯微鏡的實(shí)測(cè)數(shù)據(jù)，將幾條相鄰數(shù)據(jù)進(jìn)行擬合后，進(jìn)而基于Sobel算子進(jìn)行邊緣檢測(cè)，并將兩條不在同一曲線上的兩線段進(jìn)行平移操作獲得臺(tái)階高度表征結(jié)果［13］。

隨著現(xiàn)代精密制造及測(cè)量技術(shù)的不斷發(fā)展，臺(tái)階高度表征已經(jīng)從傳統(tǒng)的二維高度向三維高度轉(zhuǎn)變［14］。同時(shí)，三維測(cè)量技術(shù)的不斷提高使得實(shí)測(cè)多維形貌數(shù)據(jù)的數(shù)據(jù)量較傳統(tǒng)測(cè)量方法急劇增大，數(shù)據(jù)結(jié)構(gòu)更為復(fù)雜。聚類分析在大數(shù)據(jù)的分析與處理領(lǐng)域中具有良好的處理效果，其一方面可以作為分類預(yù)處理的處理手段，另一方面也能對(duì)數(shù)據(jù)中的異常值進(jìn)行分離和識(shí)別，進(jìn)而剔除離群值［15］。本文針對(duì)微納米臺(tái)階實(shí)測(cè)形貌數(shù)據(jù)量龐大復(fù)雜，通常存在測(cè)量壞點(diǎn)難以實(shí)現(xiàn)高精度表征的難題，提出了一種三維微納米臺(tái)階光學(xué)顯微測(cè)量和量化表征方法，針對(duì)臺(tái)階結(jié)構(gòu)選取測(cè)量系統(tǒng)并設(shè)計(jì)測(cè)量方法，建立基于K-means聚類算法的臺(tái)階高度表征模型，提高三維測(cè)量?jī)x器實(shí)測(cè)面形數(shù)據(jù)的臺(tái)階高度表征效率，增強(qiáng)臺(tái)階高度表征精度和魯棒性，并對(duì)兩種不同標(biāo)準(zhǔn)樣塊進(jìn)行測(cè)量實(shí)驗(yàn)，將結(jié)果與標(biāo)定值進(jìn)行比對(duì)，進(jìn)一步驗(yàn)證所提出算法的可靠性。

2 臺(tái)階高度表征模型及其算法

K-means算法在本質(zhì)上是基于距離相似性的度量，通過不斷地迭代運(yùn)算，直到其收斂到聚類中心而停止，本研究基于K-means算法提出處理測(cè)量數(shù)據(jù)并表征臺(tái)階高度的新方法，主要包括臺(tái)階高度數(shù)據(jù)維度重構(gòu)、基于K-means算法的質(zhì)心距離計(jì)算及數(shù)據(jù)映射、迭代收斂設(shè)計(jì)及臺(tái)階高度參數(shù)表征。

2.1 數(shù)據(jù)維度重構(gòu)

臺(tái)階高度實(shí)測(cè)數(shù)據(jù)為多維面型數(shù)據(jù)，數(shù)據(jù)集龐大復(fù)雜的同時(shí)又具有低的多維特征相關(guān)性，其通常存在離群值。相比之下，低維數(shù)據(jù)處理簡(jiǎn)單，且噪聲易去除，處理效率較高。因此本研究采用數(shù)據(jù)維度重構(gòu)的方法將多維面型數(shù)據(jù)重構(gòu)為多個(gè)二維數(shù)據(jù)集，提高數(shù)據(jù)處理效率，從而能進(jìn)一步利用K-means算法的高魯棒性表征臺(tái)階高度。

首先，將原始實(shí)測(cè)數(shù)據(jù)矩陣記錄為S：

其中，S是一個(gè)M×N的矩陣（假設(shè)M為偶數(shù)，若為奇數(shù)則取M=M-1，即忽略最后一行的邊緣數(shù)據(jù)）。然后將原始數(shù)據(jù)矩陣S分別選取奇數(shù)行和偶數(shù)行數(shù)據(jù)，組成奇數(shù)行數(shù)據(jù)矩陣A和偶數(shù)行數(shù)據(jù)矩陣B：

將奇數(shù)行矩陣和偶數(shù)行矩陣的同行數(shù)據(jù)提取重構(gòu)為數(shù)據(jù)點(diǎn)矩陣S j：

其中：A j，B j表示矩陣A和B的第j行數(shù)據(jù)。將各重構(gòu)矩陣S j第一行數(shù)據(jù)作為x軸數(shù)據(jù)，第二行數(shù)據(jù)作為y軸數(shù)據(jù)，分別繪制到二維笛卡爾坐標(biāo)系中。即，每個(gè)點(diǎn)坐標(biāo)Pj，k為：

其中：Z1，k和Z2，k表示重構(gòu)數(shù)據(jù)的第一行和第二行的第k列臺(tái)階高度測(cè)量值。

2.2 基于K-means算法的質(zhì)心距離計(jì)算及數(shù)據(jù)映射

K-means方法又稱為K均值算法，其中K代表所要聚類的數(shù)目，means表示各個(gè)維度數(shù)據(jù)所構(gòu)成的簇類的數(shù)據(jù)均值，已知包含n個(gè)d維數(shù)據(jù)樣本的數(shù)據(jù)集Ω={x a|x a=(x a1，x a2，…，x ad)，a=1，2，…，n}，其 中，x a是 一個(gè)d維向量，表示數(shù)據(jù)集Ω第a個(gè)數(shù)據(jù)的d個(gè)不同的屬性，n是樣本容量，給定一個(gè)聚類數(shù)目K，然后隨機(jī)選取K個(gè)數(shù)據(jù)點(diǎn)分別作為初始劃分的簇類中心。K-means算法通常選取歐式距離作為相似性和距離判斷的準(zhǔn)則：

其中，C b=(C b1，C b2，…，C bd)，C b表示第b個(gè)簇類的聚類中心，每個(gè)簇類中心C b都含有d個(gè)不同的屬性。

計(jì)算每個(gè)樣本數(shù)據(jù)到每個(gè)聚類中心C b的距離，從而將該樣本數(shù)據(jù)劃分到與之最近的聚類中心所在的簇類中，通過多次迭代運(yùn)算，直到簇類內(nèi)所有數(shù)據(jù)的平方和最小且沒有變化時(shí)為止。

臺(tái)階高度僅由高低平面之差決定，所得形貌數(shù)據(jù)具有明顯的特殊性，理論上只有高臺(tái)階值和低臺(tái)階值兩組數(shù)值。通過數(shù)據(jù)維度重構(gòu)方法將多維面型數(shù)據(jù)降維至有序二維空間后，數(shù)據(jù)分布為明顯的兩個(gè)團(tuán)簇，兩個(gè)聚類團(tuán)簇的聚類中心在高低平面數(shù)據(jù)點(diǎn)P1j(hlow，hlow)和P2j(hhigh，hhigh)兩個(gè)點(diǎn)附近，故其聚類中心數(shù)量值K取2。兩聚類中心的距離為：

其中：P1j，x，P1j，y表 示 第j組重構(gòu)數(shù)據(jù) 的 第 一 個(gè) 聚類中心在二維笛卡爾坐標(biāo)系中的x、y軸坐標(biāo)，P2j，x，P2j，y表示第j組重構(gòu)數(shù)據(jù)的第二個(gè)聚類中心在二維笛卡爾坐標(biāo)系中的x、y軸坐標(biāo)。

由于原始數(shù)據(jù)通常存在離群值和噪聲，為提高映射數(shù)據(jù)的可靠性，同時(shí)提高算法的魯棒性，需要將降維后的聚類數(shù)據(jù)進(jìn)行降噪處理。首先，計(jì)算同一聚類簇中的各數(shù)據(jù)值與其聚類中心的距離L，計(jì)算各點(diǎn)到聚類中心的距離均值Laverage和距離的方差s后，利用3σ原則，分離出離群點(diǎn)，并將其用聚類中心替換迭代，完成數(shù)據(jù)去噪處理。其算法流程圖如圖1所示。

圖1 基于K-means算法的質(zhì)心距離計(jì)算及數(shù)據(jù)映射流程圖Fig.1 Flow chart of centroid distance calculation and data mapping based on K-means algorithm

2.3 收斂設(shè)計(jì)及參數(shù)表征

通過前述數(shù)據(jù)映射過程，將臺(tái)階高度測(cè)量所得多維面型數(shù)據(jù)映射到有序二維空間中，并以兩聚類中心位置距離表征二維數(shù)據(jù)中臺(tái)階高度值的大小。為進(jìn)一步保證離群值的去除率，同時(shí)提高測(cè)量精度，增強(qiáng)算法測(cè)量結(jié)果的穩(wěn)定性和魯棒性，在一次臺(tái)階表征的基礎(chǔ)上多次應(yīng)用上述算法進(jìn)行去噪和臺(tái)階高度參數(shù)表征，直到兩次相鄰的測(cè)量數(shù)據(jù)的測(cè)量結(jié)果之差小于提前設(shè)定的閾值（閾值根據(jù)所需測(cè)量精度設(shè)定），則此時(shí)的算法測(cè)量結(jié)果為最終的臺(tái)階高度表征值。

根據(jù)聚類原則，兩個(gè)聚類中心的橫縱坐標(biāo)之差理論上均為所要測(cè)量的臺(tái)階高度H j。但是，由于數(shù)據(jù)誤差的存在，其聚類中心與理想值存在誤差，為減少數(shù)據(jù)誤差，同時(shí)增強(qiáng)算法的魯棒性，在本算法中，首先計(jì)算兩聚類中點(diǎn)間的歐氏距離，再由畢達(dá)哥拉斯定理，得單次測(cè)量的二維數(shù)據(jù)點(diǎn)的結(jié)果為：

將降維后的二維數(shù)據(jù)點(diǎn)依次處理，分別計(jì)算各降維后的二維數(shù)據(jù)組的臺(tái)階高度H j，最后將所有單次計(jì)算結(jié)果取均值，得本次數(shù)據(jù)處理后的臺(tái)階高度值為：

其中，N表示所有重構(gòu)數(shù)據(jù)的總數(shù)。

為進(jìn)一步增強(qiáng)表征結(jié)果的可靠性，設(shè)置收斂閾值Δ作為迭代收斂條件。閾值設(shè)計(jì)應(yīng)綜合考慮測(cè)量?jī)x器的分辨率與所測(cè)對(duì)象的精度要求，首先應(yīng)保證檢測(cè)對(duì)象的測(cè)量精度要求，但是不得小于所用測(cè)量?jī)x器的最小分辨率。

假設(shè)每次測(cè)量結(jié)果為H e，當(dāng)H e+1-H e＜Δ時(shí)，H e即為本次臺(tái)階高度表征結(jié)果。收斂設(shè)計(jì)及最終參數(shù)表征的算法流程圖如圖2所示。

圖2 收斂設(shè)計(jì)及臺(tái)階高度參數(shù)表征流程圖Fig.2 Flow chart of convergence design and step height parameter characterization

3 實(shí)驗(yàn)及分析

臺(tái)階高度標(biāo)準(zhǔn)物質(zhì)是指足夠均勻和穩(wěn)定的特定特性的物質(zhì)，其特性適用于測(cè)量或者標(biāo)稱特性檢測(cè)中的預(yù)期用途［16-17］。微納米級(jí)臺(tái)階作為納米測(cè)量領(lǐng)域重要的計(jì)量標(biāo)準(zhǔn)器具廣泛應(yīng)用于微納米領(lǐng)域儀器（如干涉測(cè)量顯微鏡、輪廓儀、干涉顯微鏡等［18-19］）的標(biāo)定與校準(zhǔn)工作中，用以精確確定此類儀器的測(cè)量標(biāo)準(zhǔn)性并進(jìn)行示值修正［20］。為驗(yàn)證所提出的臺(tái)階高度測(cè)量表征方法的可靠性，針對(duì)兩種臺(tái)階標(biāo)準(zhǔn)物質(zhì)分別選取了相應(yīng)的測(cè)量系統(tǒng)并設(shè)計(jì)了測(cè)量方法，應(yīng)用所創(chuàng)建的表征模型對(duì)測(cè)量獲得的形貌數(shù)據(jù)進(jìn)行參數(shù)化表征，將結(jié)果與標(biāo)定值進(jìn)行比對(duì)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析。

3.1 5μm臺(tái)階高度標(biāo)準(zhǔn)件實(shí)驗(yàn)及結(jié)果分析

應(yīng)用三維形貌輪廓儀，在恒溫、恒濕、潔凈的實(shí)驗(yàn)室內(nèi)對(duì)一個(gè)名義值為5μm的臺(tái)階高度標(biāo)準(zhǔn)物質(zhì)進(jìn)行測(cè)量實(shí)驗(yàn)，溫度為（20±0.5）℃，濕度為（50±5）%RH，千級(jí)潔凈度。如圖3所示，測(cè)量設(shè)備選用為泰勒·霍普森（Taylor Hobson）非接觸式表面輪廓測(cè)量?jī)x，實(shí)驗(yàn)樣品選取英國(guó)萊斯特（Leicester）大學(xué)制作的臺(tái)階高度標(biāo)準(zhǔn)樣板，其臺(tái)階高度標(biāo)定值為5.072μm，樣品的測(cè)試區(qū)域選在所測(cè)量臺(tái)階高度標(biāo)準(zhǔn)件的中間區(qū)域，采用10倍物鏡鏡頭，測(cè)量區(qū)域大小約為1 600 μm×1 600μm。

圖3 泰勒·霍普森非接觸式表面輪廓測(cè)量?jī)x及測(cè)量過程Fig.3 Taylor Hobson non-contact surface profile measuring instrument and measurement process

如圖4所示為本次臺(tái)階高度標(biāo)準(zhǔn)樣板的實(shí)測(cè)數(shù)據(jù)三維重建結(jié)果，可以觀察到有明顯的離群值數(shù)據(jù)存在，例如圖中紅色圓圈所示。

圖4 標(biāo)準(zhǔn)樣板實(shí)測(cè)數(shù)據(jù)三維重建Fig.4 3D reconstruction of measured data of standard sample

原始測(cè)量區(qū)域部分?jǐn)?shù)據(jù)存在明顯測(cè)量誤差，為進(jìn)一步減小臺(tái)階高度的表征誤差，提高臺(tái)階高度表征區(qū)域的精確度，應(yīng)用ISO 25178-700［5］中規(guī)定的基于區(qū)域的臺(tái)階高度評(píng)定方法選擇評(píng)定區(qū)域，并應(yīng)用本文提出的算法對(duì)所選取的部分區(qū)域進(jìn)行數(shù)據(jù)重構(gòu)，并表征臺(tái)階高度，評(píng)定區(qū)域選取如圖5（a）所示，評(píng)定區(qū)域數(shù)據(jù)重建如圖5（b）所示。

圖5 樣板實(shí)測(cè)數(shù)據(jù)的表面重建和標(biāo)準(zhǔn)工件評(píng)估Fig.5 Surface reconstruction of the measurement data and the evaluation data of the standard artefact

本次測(cè)量采用上述測(cè)量方法并應(yīng)用本文所提出的表征算法得到的臺(tái)階高度表征值為5.067μm。其中，收斂設(shè)計(jì)的閾值為Δ=0.001 μm。實(shí)驗(yàn)表征結(jié)果與標(biāo)準(zhǔn)樣板標(biāo)定值的相對(duì)誤差為0.1%。

3.2 90 nm臺(tái)階高度標(biāo)準(zhǔn)物質(zhì)實(shí)驗(yàn)及結(jié)果分析

為進(jìn)一步驗(yàn)證算法的可靠性，選用臺(tái)階高度標(biāo)稱值為90.5 nm的臺(tái)階高度標(biāo)準(zhǔn)樣板進(jìn)行測(cè)量，臺(tái)階高度標(biāo)準(zhǔn)樣板如圖6（a）所示。實(shí)驗(yàn)儀器選用為Sensofar公司生產(chǎn)的第五代S neox 3D光學(xué)輪廓儀，如圖6（b）所示，本次臺(tái)階高度標(biāo)準(zhǔn)樣板測(cè)量采用20倍物鏡鏡頭。實(shí)驗(yàn)在溫度為（20±0.5）℃，濕度為（50±5）%RH的恒溫、恒濕條件下進(jìn)行。

圖6 Sensofar 3D光學(xué)輪廓儀及測(cè)量樣板Fig.6 Sensofar 3D optical profilometer and step height standard artefact

通過視頻顯微鏡將被測(cè)樣板放大300倍觀測(cè)本臺(tái)階高度標(biāo)準(zhǔn)樣板的有效區(qū)域，如圖7（上圖）所示，可以明顯看到表面有大量噪點(diǎn)。圖7（下圖）為利用Sensofar光學(xué)輪廓儀測(cè)量所獲得的三維重構(gòu)圖。

圖7 臺(tái)階高度標(biāo)準(zhǔn)樣板測(cè)量結(jié)果圖Fig.7 Measurement results of the step height standard artefact

從三維重構(gòu)圖中可以看到，存在明顯的數(shù)據(jù)噪點(diǎn)。為進(jìn)一步減小臺(tái)階高度的表征誤差，提高臺(tái)階高度表征精度，依據(jù)ISO 25178-700［5］中基于區(qū)域的臺(tái)階高度評(píng)定方法選擇評(píng)定區(qū)域，并應(yīng)用本文所提出的算法對(duì)所選取的部分區(qū)域進(jìn)行數(shù)據(jù)重構(gòu)。其中，收斂設(shè)計(jì)閾值Δ=0.01 nm，并將數(shù)據(jù)重構(gòu)后的數(shù)據(jù)進(jìn)行可視化，結(jié)果如圖8（a）所示。圖8（b）為本次臺(tái)階高度表征的數(shù)據(jù)分布特征。

圖8 測(cè)量數(shù)據(jù)處理結(jié)果Fig.8 Processing results of measurement data

從圖中可以看到，離群值基本去除，數(shù)據(jù)分布范圍明顯集中，臺(tái)階高度標(biāo)準(zhǔn)樣板數(shù)據(jù)經(jīng)過處理得到的臺(tái)階高度表征的結(jié)果為89.15 nm，表征結(jié)果可靠。

4 結(jié) 語

本文提出了一種三維微納米臺(tái)階高度光學(xué)顯微測(cè)量量化表征新方法。針對(duì)臺(tái)階特征選取合適的測(cè)量系統(tǒng)并設(shè)計(jì)測(cè)量方法，將測(cè)量獲取的多維原始數(shù)據(jù)進(jìn)行降維重組后，在臺(tái)階高度表征方面引入了聚類算法，提高了臺(tái)階高度表征效率的同時(shí)增強(qiáng)了表征算法對(duì)實(shí)測(cè)數(shù)據(jù)中離群值的魯棒性，提高了測(cè)量表征精度。與傳統(tǒng)表征方法相比，由于本算法采用聚類分析處理多維形貌數(shù)據(jù)，能夠不受測(cè)量壞點(diǎn)的影響，快速準(zhǔn)確獲得臺(tái)階高度關(guān)鍵尺寸。對(duì)兩種臺(tái)階高度標(biāo)準(zhǔn)物質(zhì)進(jìn)行了實(shí)驗(yàn)，通過數(shù)據(jù)重建進(jìn)行可視化后，可以觀察到離群值被明顯去除。采用本算法對(duì)兩次實(shí)驗(yàn)的實(shí)測(cè)數(shù)據(jù)進(jìn)行處理，表征結(jié)果與標(biāo)定值的誤差率均在1.5%以下。所提出的方法能夠高精度測(cè)量表征具有測(cè)量壞點(diǎn)的三維形貌數(shù)據(jù)的臺(tái)階高度值，對(duì)三維微納米結(jié)構(gòu)的測(cè)量表征具有重要的科學(xué)意義及應(yīng)用價(jià)值。