CN109286946A - 基于无依托定位的移动通信室内无线网络优化方法和系统 - Google Patents

Abstract

本发明公开了一种基于无依托定位的移动通信室内无线网络优化方法和系统，所述方法包括：接收室内多个预设位置点的点云数据和无线信号强度样本数据；基于所述多个预设位置点的点云数据建立室内地图；根据室内地图和所有预设位置的坐标信息，将测得的无线信号强度样本数据匹配到室内地图相应位置；根据所述无线信号强度样本数据的分布，估算其他未知位置的无线信号强度；对室内无线信号强度分布进行可视化显示，进行覆盖分析和干扰分析。本发明将无线信号采集模块获取的RSRP和RSRQ值与无依托定位相结合，得到准确的室内无线信号覆盖分布，有助于优化工程师进行覆盖分析。

Description

基于无依托定位的移动通信室内无线网络优化方法和系统

技术领域

本公开属于室内无线网络优化技术领域，尤其涉及一种基于无依托定位的移动通信室内无线网络优化方法和系统。

背景技术

随着通信技术的不断发展，移动通信网络的基站密逐步增加，室外覆盖已经基本做到了无缝连接，话音质量和网络速度得到了进一步的改善。但是由于移动通信用户在大型建筑物(尤其是酒店、商业中心、大型购物商场、停车场等)内使用移动电话所产生的话务量和网络流量日益增加，用户已不满足于有室外覆盖良好的移动通信服务，要求网络运营商能够提供室内覆盖良好的移动通信服务，而此类场所由于建筑体自身原因，往往是信号的盲区或是信号强度低或信号质量差，为此对室内无线网络的优化提出了挑战。

精确定位是移动通信无线网络优化的基础和关键。在室外可以利用GPS系统进行精准定位，当接收机在室内工作时,由于GPS信号受建筑物的影响而大大衰减,要想达到室外一样直接从卫星广播中提取导航数据和时间信息是不可能的。而WiFi定位虽能够实现复杂的大范围定位，但精度只能达到2米左右，而且WiFi定位信息很难与移动通信系统共享共用。因而移动通信室内无线网络优化成为制约整个移动通信网络性能的关键因素。

发明内容

为克服上述现有技术的不足，本公开提供了一种基于无依托定位的移动通信室内无线网络优化方法,所使用的无依托定位技术可以不用发射单元或者装很少发射单元辅助。相对大量安装发射单元的方式，无论效率还是成本都会大幅度提高。无依托定位可以获得精准的电子地图，误差可以达到厘米级。将无线信号采集模块获取的RSRP和RSRQ值与无依托定位相结合，得到室内无线信号的覆盖分布，有助于优化工程师进行覆盖分析，给出具体无线优化措施。

为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：

一种基于无依托定位的移动通信室内无线网络优化方法，包括以下步骤：

接收室内多个预设位置点的点云数据和无线信号强度样本数据；

基于所述多个预设位置点的点云数据建立室内地图；

根据室内地图和所有预设位置的坐标信息，将测得的无线信号强度样本数据匹配到室内地图相应位置；

根据所述无线信号强度样本数据的分布，估算其他未知位置的无线信号强度；

对室内无线信号强度分布进行可视化显示，进行覆盖分析和干扰分析。

进一步地，所述点云数据和无线信号强度样本数据通过移动机器人获取，所述运动机器人上设有激光雷达传感器和无线信号接收模块，沿设定路径移动，所述设定路径上包括多个预设位置点；在每个预设位置点，通过激光雷达传感器获取点云数据，通过无线信号接收模块无线信号强度；在每两个预设位置点之间的移动过程中，通过无线信号接收模块等时间间隔地记录当前位置点的无线信号强度。

进一步地，所述建立室内地图包括：

获取每个预设位置得到的三维点云连通域，以及这些三维点云连通域的质心位置和整体形状特征；

基于质心的相对位置关系和整体形状特征的相似性，以第一个预设位置对应的坐标系为基准坐标系，将所有预设位置得到的三维点云连通域合并至所述基准坐标系得到室内点云数据，并获取合并至所述基准坐标系对应的变换参数；

基于所述变换参数，计算所有预设位置在所述基准坐标系中的坐标。

进一步地，所述获取多个环境特征包括：

将点云数据从极坐标转换到笛卡尔坐标系下，激光发射器所在位置为坐标系原点；

对点云数据进行区域分割，得到边界点集合，删除边界以外的点；

基于点云数据的空间密度执行聚类，结合边界点集合，获取多个三维点云连通域，并对不同的连通域赋予不同的环境属性标记；

提取环境特征，包括各个连通域的质心位置和整体形状特征。

进一步地，所述对多个预设位置获取的点云数据进行配准包括：

获取每个预设位置得到的三维点云连通域，以及这些三维点云连通域的质心位置和整体形状特征；

基于质心的相对位置关系和整体形状特征的相似性，以第一个预设位置对应的坐标系为基准坐标系，将所有预设位置得到的三维点云连通域合并至所述基准坐标系得到室内点云数据，并获取合并至所述基准坐标系对应的变换参数；

基于所述变换参数，计算所有预设位置在所述基准坐标系中的坐标。

进一步地，所述将测得的无线信号强度数据匹配到室内地图相应位置包括：

将所有预设位置对应的无线信号强度映射到室内地图相应位置；

根据室内地图中所有预设位置的坐标信息，将预设的路径信息映射到室内地图中，并基于所述运动机器人的运动速度和无线信号强度信号采集的时间间隔，确定相邻两个预设位置之间无线信号强度对应的坐标信息。

进一步地，所述估算其他未知位置的无线信号强度采用K近邻算法。

一个或多个实施例提供了一种基于无依托定位的移动通信室内无线网络优化系统，包括运动机器人和服务器，其中，

所述运动机器人上设有激光雷达传感器和无线信号接收模块，沿设定路径移动，所述设定路径上包括多个预设位置点；在每个预设位置点，通过激光雷达传感器获取点云数据，通过无线信号接收模块无线信号强度；在每两个预设位置点之间的移动过程中，通过无线信号接收模块等时间间隔地记录当前位置点的无线信号强度；所述点云数据和无线信号强度数据均传输至服务器；

所述服务器接收室内多个预设位置点的点云数据和无线信号强度样本数据；执行以下步骤：

基于所述多个预设位置点的点云数据建立室内地图；

根据室内地图和所有预设位置的坐标信息，将测得的无线信号强度样本数据匹配到室内地图相应位置；

根据所述无线信号强度样本数据的分布，估算其他未知位置的无线信号强度；

对室内无线信号强度分布进行可视化显示，进行覆盖分析和干扰分析。

进一步地，所述建立室内地图包括：

获取每个预设位置得到的三维点云连通域，以及这些三维点云连通域的质心位置和整体形状特征；

基于质心的相对位置关系和整体形状特征的相似性，以第一个预设位置对应的坐标系为基准坐标系，将所有预设位置得到的三维点云连通域合并至所述基准坐标系得到室内点云数据，并获取合并至所述基准坐标系对应的变换参数；

基于所述变换参数，计算所有预设位置在所述基准坐标系中的坐标。

进一步地，所述将测得的无线信号强度数据匹配到室内地图相应位置包括：

将所有预设位置对应的无线信号强度映射到室内地图相应位置；

根据室内地图中所有预设位置的坐标信息，将预设的路径信息映射到室内地图中，并基于所述运动机器人的运动速度和无线信号强度信号采集的时间间隔，确定相邻两个预设位置之间无线信号强度对应的坐标信息。

以上一个或多个技术方案存在以下有益效果：

本公开将无线信号采集模块获取的RSRP和RSRQ值与无依托定位相结合，能够得到精确的室内地图，从而得到室内无线信号的覆盖分布，有助于优化工程师进行覆盖分析，给出具体无线优化措施。

附图说明

构成本公开的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本公开实施例一中基于无依托定位的移动通信室内无线网络优化方法的流程图；

图2为本公开实施例一中运动机器人路径示意图；

图3为本公开实施例一种K近邻算法流程图；

图4为本公开实施例一中K近邻算法示意图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例一

本实施例公开了一种基于无依托定位的移动通信室内无线网络优化方法，如图1所示。

由运动机器人采集室内点云数据和无线信号强度数据。所述运动机器人包括处理器，与所述处理器连接的激光雷达传感器、无线信号接收模块、为所述运动机器人供电的电源模块、驱动模块、存储模块等。所述运动机器人沿着设定路径移动，所述设定路径包括多个预先设定的位置点。为获取更多的样本点，提高室内地图精度和无线信号覆盖准确度，所述路径应尽可能覆盖室内的可达区域，图2为路径的一种设置方式，其中星号表示预设位置点。具体地，所述方法包括以下步骤：

步骤1：所述运动机器人从一个预设位置点按设定速度匀速移动到下一个预设位置点，在每一个预设位置点，通过激光雷达传感器进行一个周期的扫描，得到当前位置点对应的点云数据并发送至处理器；通过无线信号接收模块得到当前位置点的无线信号强度(RSRP和RSRQ)并上传至处理器。在每两个预设位置点之间的移动过程中，通过无线信号接收模块等时间间隔地记录当前位置点的无线信号强度(RSRP和RSRQ)。

步骤2：所述处理器接收激光雷达传感器发送的点云数据，根据所述点云数据建立室内地图，具体包括以下步骤：

步骤2-1：对每个预设位置对应的点云数据进行聚类，获取多个环境特征；

(1)坐标转换，将点云数据从极坐标转换到笛卡尔坐标系下，激光发射器所在位置为坐标系原点；

(2)对点云数据进行区域分割，得到边界点集合，删除边界以外的点；

(3)基于点云数据的空间密度执行聚类，结合边界点集合，获取多个三维点云连通域，并对不同的连通域赋予不同的环境属性标记；

(4)提取环境特征，例如提取各个连通域的质心位置和整体形状特征。

步骤2-2：基于所述多个环境特征，对多个预设位置获取的点云数据进行配准，得到校正后的室内点云数据，并根据所述配准的参数获取每个预设位置的坐标信息；

所述步骤2-2具体包括：

(1)获取每个预设位置得到的三维点云连通域，以及这些三维点云连通域的质心位置和整体形状特征；

(2)基于质心的相对位置关系和整体形状特征的相似性，以第一个预设位置对应的坐标系为基准坐标系，将所有预设位置得到的三维点云连通域合并至所述基准坐标系得到室内点云数据，并获取合并至所述基准坐标系对应的变换参数(旋转和平移矩阵)；

(3)基于所述变换参数，计算所有预设位置在所述基准坐标系中的坐标；

可选地，还包括步骤(4)：将坐标系调整为以正东方向为x轴方向，以正北方向为y轴方向。

步骤2-3：基于校正后的室内点云数据建立室内地图。

处理器将运动机器人的当前位置点、当前位置点对应的局部地图和无线信号强度进行关联存储。其中，将室内地图以三维矢量模型形式存储，将三维矢量模型输入到电子地图显示单元上，能够任意放大、缩小或旋转而不影响显示效果。

室内沿一定路径运动的运动机器人通过激光扫面设备可以得到当前所处的位置，完成无依托定位。

步骤3：根据室内地图和所有预设位置的坐标信息，将测得的无线信号强度数据匹配到室内地图相应位置；

所述步骤3具体包括：

(1)将所有预设位置对应的无线信号强度映射到室内地图相应位置；

(2)根据室内地图中所有预设位置的坐标信息，将预设的路径信息映射到室内地图中，并基于所述运动机器人的运动速度和无线信号强度信号采集的时间间隔，确定相邻两个预设位置之间无线信号强度对应的坐标信息。

步骤4：获取室内地图的俯视图和已知无线信号强度的分布，基于K近邻算法推算其他未知位置的无线信号强度。

为了将整片区域的信号分布情况以及信号质量情况全面地展现出来，利用KNN(K近邻)算法，计算出未知位置的RSRP和RSRQ，流程图如图3所示。将所有的测量数据和计算数据输入到电子地图单元。

K近邻算法的思想是：给定新的未知实例后，根据与这个实例的相似程度，在训练集样本中，选择与该实例距离最近(最相似)的K个样本，然后由这K个样本对新实例的值进行判定，原理如图4所示。

将所有数据采集得到的坐标点，看成2维空间R²中的点。任一实例f的坐标可以表示为如下的位置向量：

<x(f),y(f)>

这里，x(f)代表点f的横坐标，y(f)代表点f的纵坐标；任意两个点之间的相似程度用d(f₁,f₂)评价，采用欧氏距离作为相似度程度的判断依据，可以表示为：

依照上式进行两个位置点之间的相似性程度计算，距离越短，相似性程度越高。

计算出所有的训练样本与测试样本的距离之后，选择合适的近邻个数，挑选出相似度最近的k个近邻用于信号强度预测，标准K近邻算法返回的是对位置(x，y)处的PSRP值s_q，这个方法是分别对K个近邻的RSRP值求平均值，表示为：

若采用加权K近邻算法，可以将离预测位置更近的样本实例在估计的时候赋予更高的权值。将权值设置为样本之间欧氏距离的倒数，或者欧氏距离平方甚至更高次幂的倒数。这里设置为样本之间欧氏距离的倒数，第i个近邻的权值设置为：

对预测样本f_q的估计表示为：

步骤5：对室内无线信号强度分布进行可视化显示；

根据网络优化的指标要求，对室内各位置的RSRP和RSRQ根据其取值大小使用不同的颜色按照需要的精度显示在精准电子地图上，得到完整的信号强度和信号质量分布图，直观显示出室内信号覆盖情况以及覆盖区域的信号质量。以信号强度分布为例，按照如下方案渲染颜色：

当RSRP的值小于等于-110dBm的时候，信号点显示正红色；

当RSRP的值小于-110dBm，大于等于-105dBm的时候，信号点显示紫红色；

当RSRP的值小于-105dBm，大于等于-100dBm的时候，信号点显示橘黄色；

当RSRP的值小于-100dBm，大于等于-95dBm的时候，信号点显示天蓝色；

当RSRP的值小于-95dBm，大于等于-85dBm的时候，信号点显示紫色；

当RSRP的值小于-85dBm，大于等于-75dBm的时候，信号点显示浅绿色；

当RSRP的值小于-75dBm，大于等于-40dBm的时候，信号点显示深绿色；

当RSRP的值大于-40dBm的时候，信号点显示墨绿色。

步骤6：根据RSRP和RSRQ进行覆盖分析和干扰分析，给出具体优化措施。

优化工程师依据覆盖显示和质量显示进行优化分析，找出影响信号覆盖和信号质量的原因，采取相应的优化措施，完成室内优化。

以如覆盖为例进行分析。弱覆盖一般是指有信号，但是信号强度不能保证网络能够稳定的达到要求的KPI的情况。

查看电子地图，寻找信号点显示为红色的区域，说明当RSRP的值低于-110dbm时，呼通率几乎为零，此区域基本没有TD-LTE信号，初步判定为覆盖空洞。

信号点为紫红色和橘黄色的区域，说明有网络，但是信号强度不够，这片区域往往会存在呼叫失败、掉话、乒乓切换和切换失败的问题，判定为弱覆盖。

根据地图显示，将问题区域进行定位，根据具体情况制定优化方案，减少了后台分析人员的工作量，使得网络优化更加准确，效率更高。

一个或多个实施例中，运动机器人可替换为数据采集人员，通过手持激光扫面设备和无线信号采集终端分别采集点云数据和无线信号，激光扫描设备与无线信号采集终端都具有USB接口，在进行无依托定位时，激光扫描设备获取的位置信息(坐标)和相应位置的RSRP、RSRQ通过USB接口得以融合。

实施例二

本实施例的目的是提供一种基于无依托定位的移动通信室内无线网络优化系统，包括运动机器人和服务器，其中，

所述运动机器人上设有激光雷达传感器和无线信号接收模块，沿设定路径移动，所述设定路径上包括多个预设位置点；在每个预设位置点，通过激光雷达传感器获取点云数据，通过无线信号接收模块无线信号强度；在每两个预设位置点之间的移动过程中，通过无线信号接收模块等时间间隔地记录当前位置点的无线信号强度；所述点云数据和无线信号强度数据均传输至服务器；

所述服务器接收室内多个预设位置点的点云数据和无线信号强度样本数据；执行以下步骤：

步骤1：基于所述多个预设位置点的点云数据建立室内地图；

步骤2：根据室内地图和所有预设位置的坐标信息，将测得的无线信号强度样本数据匹配到室内地图相应位置；

步骤3：根据所述无线信号强度样本数据的分布，估算其他未知位置的无线信号强度；

步骤4：对室内无线信号强度分布进行可视化显示，进行覆盖分析和干扰分析。

所述步骤1具体包括：

对每个预设位置对应的点云数据进行聚类，获取多个环境特征；

基于所述多个环境特征，对多个预设位置获取的点云数据进行配准，得到校正后的室内点云数据，并根据所述配准的参数获取每个预设位置的坐标信息；

基于校正后的室内点云数据建立室内地图。

所述步骤2具体包括：

将所有预设位置对应的无线信号强度映射到室内地图相应位置；

根据室内地图中所有预设位置的坐标信息，将预设的路径信息映射到室内地图中，并基于所述运动机器人的运动速度和无线信号强度信号采集的时间间隔，确定相邻两个预设位置之间无线信号强度对应的坐标信息。

以上实施例二中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。

以上一个或多个实施例具有以下技术效果：

本公开将无线信号采集模块获取的RSRP和RSRQ值与无依托定位相结合，能够得到精确的室内地图，从而得到室内无线信号的覆盖分布，有助于优化工程师进行覆盖分析，给出具体无线优化措施。

本领域技术人员应该明白，上述本申请的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本申请不限制于任何特定的硬件和软件的结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本申请的具体实施方式进行了描述，但并非对本申请保护范围的限制，所属领域技术人员应该明白，在本申请的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本申请的保护范围以内。

Claims (10)

1.一种基于无依托定位的移动通信室内无线网络优化方法，其特征在于，包括以下步骤：

接收室内多个预设位置点的点云数据和无线信号强度样本数据；

基于所述多个预设位置点的点云数据建立室内地图；

根据室内地图和所有预设位置的坐标信息，将测得的无线信号强度样本数据匹配到室内地图相应位置；

根据所述无线信号强度样本数据的分布，估算其他未知位置的无线信号强度；

对室内无线信号强度分布进行可视化显示，进行覆盖分析和干扰分析。

2.如权利要求1所述的基于无依托定位的移动通信室内无线网络优化方法，其特征在于，所述点云数据和无线信号强度样本数据通过移动机器人获取，所述运动机器人上设有激光雷达传感器和无线信号接收模块，沿设定路径移动，所述设定路径上包括多个预设位置点；在每个预设位置点，通过激光雷达传感器获取点云数据，通过无线信号接收模块无线信号强度；在每两个预设位置点之间的移动过程中，通过无线信号接收模块等时间间隔地记录当前位置点的无线信号强度。

3.如权利要求1所述的基于无依托定位的移动通信室内无线网络优化方法，其特征在于，所述建立室内地图包括：

对每个预设位置对应的点云数据进行聚类，获取多个三维点云连通域，对每个三维点云连通域，提取多个环境特征；

基于所述多个环境特征，对多个预设位置获取的点云数据进行配准，得到校正后的室内点云数据；

基于校正后的室内点云数据建立室内地图。

4.如权利要求3所述的基于无依托定位的移动通信室内无线网络优化方法，其特征在于，所述获取多个环境特征包括：

将点云数据从极坐标转换到笛卡尔坐标系下，激光发射器所在位置为坐标系原点；

对点云数据进行区域分割，得到边界点集合，删除边界以外的点；

基于点云数据的空间密度执行聚类，结合边界点集合，获取多个三维点云连通域，并对不同的连通域赋予不同的环境属性标记；

提取环境特征，包括各个连通域的质心位置和整体形状特征。

5.如权利要求4所述的基于无依托定位的移动通信室内无线网络优化方法，其特征在于，所述对多个预设位置获取的点云数据进行配准包括：

获取每个预设位置得到的三维点云连通域，以及这些三维点云连通域的质心位置和整体形状特征；

基于质心的相对位置关系和整体形状特征的相似性，以第一个预设位置对应的坐标系为基准坐标系，将所有预设位置得到的三维点云连通域合并至所述基准坐标系得到室内点云数据，并获取合并至所述基准坐标系对应的变换参数；

基于所述变换参数，计算所有预设位置在所述基准坐标系中的坐标。

6.如权利要求2所述的基于无依托定位的移动通信室内无线网络优化方法，其特征在于，所述将测得的无线信号强度数据匹配到室内地图相应位置包括：

将所有预设位置对应的无线信号强度映射到室内地图相应位置；

根据室内地图中所有预设位置的坐标信息，将预设的路径信息映射到室内地图中，并基于所述运动机器人的运动速度和无线信号强度信号采集的时间间隔，确定相邻两个预设位置之间无线信号强度对应的坐标信息。

7.如权利要求1所述的基于无依托定位的移动通信室内无线网络优化方法，其特征在于，所述估算其他未知位置的无线信号强度采用K近邻算法。

8.一种基于无依托定位的移动通信室内无线网络优化系统，其特征在于，包括运动机器人和服务器，其中，

所述运动机器人上设有激光雷达传感器和无线信号接收模块，沿设定路径移动，所述设定路径上包括多个预设位置点；在每个预设位置点，通过激光雷达传感器获取点云数据，通过无线信号接收模块无线信号强度；在每两个预设位置点之间的移动过程中，通过无线信号接收模块等时间间隔地记录当前位置点的无线信号强度；所述点云数据和无线信号强度数据均传输至服务器；

所述服务器接收室内多个预设位置点的点云数据和无线信号强度样本数据；执行以下步骤：

基于所述多个预设位置点的点云数据建立室内地图；

根据室内地图和所有预设位置的坐标信息，将测得的无线信号强度样本数据匹配到室内地图相应位置；

根据所述无线信号强度样本数据的分布，估算其他未知位置的无线信号强度；

对室内无线信号强度分布进行可视化显示，进行覆盖分析和干扰分析。

9.如权利要求1所述的基于无依托定位的移动通信室内无线网络优化系统，其特征在于，所述建立室内地图包括：

获取每个预设位置得到的三维点云连通域，以及这些三维点云连通域的质心位置和整体形状特征；

基于质心的相对位置关系和整体形状特征的相似性，以第一个预设位置对应的坐标系为基准坐标系，将所有预设位置得到的三维点云连通域合并至所述基准坐标系得到室内点云数据，并获取合并至所述基准坐标系对应的变换参数；

基于所述变换参数，计算所有预设位置在所述基准坐标系中的坐标。

10.如权利要求2所述的基于无依托定位的移动通信室内无线网络优化系统，其特征在于，所述将测得的无线信号强度数据匹配到室内地图相应位置包括：

将所有预设位置对应的无线信号强度映射到室内地图相应位置；

根据室内地图中所有预设位置的坐标信息，将预设的路径信息映射到室内地图中，并基于所述运动机器人的运动速度和无线信号强度信号采集的时间间隔，确定相邻两个预设位置之间无线信号强度对应的坐标信息。