CN113438189A

CN113438189A - 一种场景识别方法及装置

Info

Publication number: CN113438189A
Application number: CN202110697582.3A
Authority: CN
Inventors: 唐兵; 武传国; 是元吉; 谭定富
Original assignee: Shanghai Qingkun Information Technology Co Ltd
Current assignee: Shanghai Qingkun Information Technology Co Ltd
Priority date: 2021-06-23
Filing date: 2021-06-23
Publication date: 2021-09-24
Anticipated expiration: 2041-06-23
Also published as: CN113438189B

Abstract

本发明涉及智能识别技术领域，具体涉及一种场景识别方法及装置，其中一种场景识别方法，包括：获取一频域信道估算值，所述频域信道估算值包含至少一个具有参考信号的OFDM符号；对当前时隙的频域信道估算值做变换处理以获取每个OFDM符号的CIR信号；根据每个所述CIR信号获取每个OFDM符号的PDP；对每个OFDM符号的PDP做滤波处理并形成一与每个OFDM匹配的滤波信号；获取匹配第一预置信号阈值的所述滤波信号以形成第一阈值数据集，根据第一阈值数据集形成第一参数数据；根据所述第一参数数据以及当前的速度形成一判断结果。

Description

一种场景识别方法及装置

技术领域

本发明涉及智能识别技术领域，具体涉及一种场景识别方法、装置、计算机可读存储介质及终端。

背景技术

我国已建成世界上最现代化的铁路网和最发达的高铁网。至2020年底，我国高速铁路运营里程达3.79万公里，稳居世界第一。移动速度快是高铁无线传播环境的显著特点，中国高速铁路的设计时速在200千米/小时以上，第五代移动通信(5G)系统的性能指标里面，甚至明确指出可以支持终端最高移动速度为500千米/小时。在如此高速移动场景下，如何获得优质且稳定的无线通信质量，成为无线通信业的研究热点，因此，也产生一批针对高铁场景的移动终端优化的接收算法，但是这些算法能够发挥作用的提前是UE(UserEquipment用户设备)必需首先识别出高铁场景。

目前，高铁场景识别算法主要有通过估计终端运动速度或者多普勒频移来识别，或者通过一段时间内终端进行小区切换的频率来识别等，但是这两种方案均有明显误判的可能性，专利CN201910845423提出一种统计一段时间内，多普勒频移出现连续的“几”字形形状来判断高铁场景的方案，虽然判决准确性较高，但是判决时间长，并且多普勒频移估计的计算过程相对复杂。

发明内容

针对上述缺陷，本发明提供一种场景识别方法、装置、计算机可读存储介质及终端。具体地。

一方面，本发明提供一种场景识别方法，其中，包括：

获取一频域信道估算值，所述频域信道估算值包含至少一个具有参考信号的OFDM(Orthogonal Frequency Division Multiplexing正交频分复用)符号；

对当前时隙的频域信道估算值做变换处理以获取每个OFDM符号的CIR信号；

根据每个所述CIR(Channel Impulse Response信道脉冲响应)信号获取每个OFDM符号的PDP(Power-delay profile功率时延谱)；

对每个OFDM符号的PDP做滤波处理并形成一与每个OFDM匹配的滤波信号；

获取匹配第一预置信号阈值的所述滤波信号以形成第一阈值数据集，根据第一阈值数据集形成第一参数数据；

根据所述第一参数数据以及当前的速度形成一判断结果。

优选地，上述的一种场景识别方法，其中，获取一频域信道估算值，所述频域信道估算值包含至少一个具有参考信号的OFDM符号具体包括：

通过LS(Least—Square最小二乘)信道估算法和频域插值估算法获取频域信道估算值。

优选地，上述的一种场景识别方法，其中，对每个OFDM符号的PDP做滤波处理并形成一与每个OFDM符号匹配的滤波信号具体包括：

根据当前OFDM符号的PDP以及前一个OFDM符号滤波后的PDP、预置的滤波系数计算形成的当前OFDM符号的滤波信号；

其中：Pdp_m,alpha为所述当前OFDM符号滤波后的PDP；

Pdp_m-1，alpha为所述前一个OFDM符号滤波后的PDP；

Php_m为所述当前OFDM符号的PDP；

α为滤波系数，0≤α≤1；

N为当前时隙的频域信道估算值内OFDM符号的总量。

优选地，上述的一种场景识别方法，其中，获取匹配第一预置信号阈值的所述滤波信号以形成第一阈值数据集，根据第一阈值数据集形成第一参数数据；

获取与所述第一预置信号阈值匹配的所述滤波信号以形成第一阈值数据集；

读取所述第一阈值数据集中所述滤波信号的数量；

于所述滤波信号的数量大于零的状态下；计算所述第一阈值数据集中的所述滤波信号的总和数据，于所述第一阈值数据集中获取最大值滤波信号；根据所述总和数据和所述最大值滤波信号计算形成所述第一参数数据；

于所述滤波信号的数量等于零的状态下；所述第一参数数据为零。

优选地，上述的一种场景识别方法，其中，根据所述第一参数数据以及当前的速度形成一判断结果具体包括：

读取第二阈值参数和第三阈值参数；

于所述第一参数数据大于所述第二阈值参数，当前的所述速度大于所述第三阈值参数的状态下，判定当前处于特征场景状态。

另一方面，本申请再公开一种场景识别装置，其中，包括：

第一计算单元，用于根据采集信号计算形成一频域信道估算值，所述频域信道估算值包含至少一个具有参考信号的OFDM符号；

第一处理单元，对当前时隙的频域信道估算值做变换处理以获取每个OFDM符号的CIR信号；

第二计算单元，根据每个所述CIR信号获取每个OFDM符号的PDP；

第一滤波单元，对每个OFDM符号的PDP做滤波处理并形成一与每个OFDM匹配的滤波信号；

第一参数数据形成单元，获取匹配第一预置信号阈值的所述滤波信号以形成第一阈值数据集，根据第一阈值数据集形成第一参数数据；

判断单元，根据所述第一参数数据以及当前的速度形成一判断结果。

优选地，上述的一种场景识别装置，其中，所述第一参数数据形成单元包括：

第一阈值数据集形成装置，获取与所述第一预置信号阈值匹配的所述滤波信号以形成第一阈值数据集；

滤波信号数量形成装置，读取所述第一阈值数据集中所述滤波信号的数量；

第一参数形成装置，于所述滤波信号的数量大于零的状态下；计算所述第一阈值数据集中的所述滤波信号的总和数据，于所述第一阈值数据集中获取最大值滤波信号；根据所述总和数据和所述最大值滤波信号计算形成所述第一参数数据；于所述滤波信号的数量等于零的状态下；所述第一参数数据为零。

再一方面，本申请再公开一种计算机可读存储介质，其中，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或多个处理器执行，以实现权利要求上述任意一项所述的一种场景识别方法。

再一方面，一种终端，其中，包括：

一个存储器，被配置为存储数据及指令；

一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：

获取一频域信道估算值，所述频域信道估算值包含至少一个具有参考信号的OFDM符号；

根据每个所述CIR信号获取每个OFDM符号的PDP；

根据所述第一参数数据以及当前的速度形成一判断结果。

与现有技术相比，本发明的优点是：

由于特征场景中无线通信环境复杂多变，与普通的六边形蜂窝结构不同，特征场景宽带无线接入所覆盖的服务区域是沿铁路呈带状分布，一般这种信道场景下，信号的散射径和反射径很少，直射径占据了信号传播主要能量，根据这一布网特点，实时信道估计的时域多径信息，结合实时的速度估计信息来识别高铁场景。计算简单，识别准确率高。

附图说明

图1为本发明实施例提供的一种场景识别方法的流程示意图；

图2为本发明实施例提供的一种场景识别方法的计算结果示意图图；

图3为本发明实施例提供的一种场景识别方法的计算结果示意图。

具体实施方式

以下参考附图的描述为便于综合理解由权利要求及其等效内容所定义的本申请的各种实施例。这些实施例包括各种特定细节以便于理解，但这些仅被视为示例性的。因此，本领域技术人员可以理解对在此描述的各种实施例进行各种变化和修改而不会脱离本申请的范围和精神。另外，为简要并清楚地描述本申请，本申请将省略对公知功能和结构的描述。

在以下说明书和权利要求书中使用的术语和短语不限于字面含义，而是仅为能够清楚和一致地理解本申请。因此，对于本领域技术人员，可以理解，提供对本申请各种实施例的描述仅仅是为说明的目的，而不是限制所附权利要求及其等效定义的本申请。

下面将结合本申请一些实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

如图1所示，步骤S110、获取一频域信道估算值，所述频域信道估算值包含至少一个具有参考信号的OFDM符号；其中参考信号可以是SSB信号(Synchronization Signal andPBCH block同步信号和广播信道块)、DMRS信号(Demodulation Reference Signal解调参考信号)、CSI-RS信号(Channel State Information reference signal信道状态信息参考信号)等其中的一种信号。具体地，通过LS信道估算法和频域插值估算法获取频域信道估算值。

步骤S120、对当前时隙的频域信道估算值做变换处理以获取每个OFDM符号的CIR信号；假设当前时隙(slot)内包含参考信号的OFDM符号个数为N，记第i个OFDM符号的CIR为：

h_i＝{h_i[0],h_i[1],...h_i[FFTSize-1]},i∈{0,1,...N-1}

h_i为第i个OFDM符号的CIR信号；

N为当前时隙中具有参考信号的OFDM符号的数量。

步骤S130、根据每个所述CIR信号获取每个OFDM符号的PDP；示意性地，记第i个OFDM符号的PDP为：

Pdp_i＝{|h_i[0]|²,|h_i[1]|²,...|h_i[FFTSize-1]|²},i∈{0,1,...N-1}

步骤S140、对每个OFDM符号的PDP做滤波处理并形成一与每个OFDM匹配的滤波信号；具体包括：

步骤S1401、根据当前OFDM符号的PDP以及前一个OFDM符号滤波后的PDP、预置的滤波系数计算形成的当前OFDM符号的滤波信号；

其中：Pdp_m,alpha为所述当前OFDM符号滤波后的PDP；

Pdp_m-1，alpha为所述前一个OFDM符号滤波后的PDP；

Php_m为所述当前OFDM符号的PDP；

α为滤波系数，0≤α≤1；

N为当前时隙的频域信道估算值内OFDM符号的总量。

步骤S150、获取匹配第一预置信号阈值的所述滤波信号以形成第一阈值数据集，根据第一阈值数据集形成第一参数数据；具体包括：

步骤S1501、获取匹配第一预置信号阈值的所述滤波信号以形成第一阈值数据集；于所述滤波信号不小于所述第一预置信号阈值的状态下认定所述滤波信号匹配第一预置信号阈值。

步骤S1502、读取所述第一阈值数据集中所述滤波信号的数量；

步骤S1503、于所述滤波信号的数量大于零的状态下；计算所述第一阈值数据集中的所述滤波信号的总和数据，于所述第一阈值数据集中获取最大值滤波信号；根据所述总和数据和所述最大值滤波信号计算形成所述第一参数数据；

A＝max(Ω)

B＝sum(Ω)

其中，Ω为第一阈值数据集；

A为所述第一阈值数据集中的所述滤波信号的总和数据；

B为所述第一阈值数据集中获取最大值滤波信号；

Ratio为所述第一参数数据。

步骤S1504、于所述滤波信号的数量等于零的状态下；所述第一参数数据为零。

步骤S160、根据所述第一参数数据以及当前的速度形成一判断结果。其中当前的速度可由传感器获取，也可由其他方式获取，此处不做具体限制，具体包括：

步骤S1601、读取第二阈值参数和第三阈值参数；

步骤S1602、于所述第一参数数据大于所述第二阈值参数，当前的所述速度大于所述第三阈值参数的状态下，判定当前处于特征场景状态。

其中，TH_R为所述第二阈值参数；

TH_v为所述第三阈值参数。

列举一实施方式，例如TH_R＝0.5，TH_v＝150km/h，如图2所示的一种场景，其中v＝180km/h，第一阈值数据集为Ω＝[0.1588,0.0912,0.0089,0.0057,0.0038,0.0026,0.0012]，则：

经过判断，当前场景属于特征场景。

如图3所示的一种场景，其中v＝300km/h；第一阈值数据集为

Ω＝[0.0497,0.0462,0.0418,0.0373,0.0329,0.0192,0.0178,0.0151,0.0117,0.009,0.0081,0.0077,0.0065,0.0048,0.0028,0.0027,0.0021,0.002,0.002,0.0013]，则：

经过判断，当前场景不属于特征场景。

上述技术方案中，由于特征场景中无线通信环境复杂多变，与普通的六边形蜂窝结构不同，特征场景宽带无线接入所覆盖的服务区域是沿铁路呈带状分布的，一般这种信道场景下，信号的散射径和反射径很少，直射径占据了信号传播主要能量，根据这一布网特点，实时信道估计的时域多径信息，结合实时的速度估计信息来识别高铁场景。计算简单，识别准确率高。

实施例二

另一方面，本申请再公开一种场景识别装置，其中，包括：

第二计算单元，根据每个所述CIR信号获取每个OFDM符号的PDP；

作为进一步优选实施方案，上述的一种场景识别装置，其中，所述第一参数数据形成单元包括：

上述的的一种场景识别装置，与一种场景识别方法，其工作原理相同，取得的技术效果，此处不再赘述。

实施例三

再一方面，本申请再公开一种计算机可读存储介质，其中，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或多个处理器执行，以实现上述任意一项所述的一种场景识别方法。

实施例四

再一方面，一种终端，其中，包括：

一个存储器，被配置为存储数据及指令；

根据每个所述CIR信号获取每个OFDM符号的PDP；

根据所述第一参数数据以及当前的速度形成一判断结果。

终端可以是平台，装备和/或电子设备，该平台可以包括云控平台等，所述平台可以包括由一个或多个电子设备组成的系统平台；该装备可以包括智能网联车辆(Intelligent Connected Vehicle，ICV)；该电子设备可以包括个人电脑(PC，例如平板电脑、台式电脑、笔记本、上网本、掌上电脑PDA)、客户端设备、虚拟现实设备(VR)、增强现实设备(AR)、混合现实设备(MR)、XR设备、渲染机、智能手机、移动电话、电子书阅读器、便携式多媒体播放器(PMP)、音频/视频播放器(MP3/MP4)、摄像机和可穿戴设备等中的一种或几种的组合。根据本申请的一些实施例，所述可穿戴设备可以包括附件类型(例如手表、戒指、手环、眼镜、或头戴式装置(HMD))、集成类型(例如电子服装)、装饰类型(例如皮肤垫、纹身或内置电子装置)等，或几种的组合。在本申请的一些实施例中，所述电子设备可以是灵活的，不限于上述设备，或者可以是上述各种设备中的一种或几种的组合。在本申请中，术语“用户”可以指示使用电子设备的人或使用电子设备的设备(例如人工智能电子设备)。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims

1.一种场景识别方法，其特征在于，包括：

根据每个所述CIR信号获取每个OFDM符号的PDP；

根据所述第一参数数据以及当前的速度形成一判断结果。

2.根据权利要求1所述的一种场景识别方法，其特征在于，获取一频域信道估算值，所述频域信道估算值包含至少一个具有参考信号的OFDM符号具体包括：

通过LS信道估算法和频域插值估算法获取所述频域信道估算值；

按时间顺序对每个OFDM符号进行排序。

3.根据权利要求1所述的一种场景识别方法，其特征在于，对每个OFDM符号的PDP做滤波处理并形成一与每个OFDM符号匹配的滤波信号具体包括：

其中：Pdp_m,alpha为所述当前OFDM符号滤波后的PDP；

Pdp_m-l，alpha为所述前一个OFDM符号滤波后的PDP；

Php_m为所述当前OFDM符号的PDP；

α为滤波系数，0≤α≤1；

N为当前时隙的频域信道估算值内OFDM符号的总量。

4.根据权利要求1所述的一种场景识别方法，其特征在于，获取匹配第一预置信号阈值的所述滤波信号以形成第一阈值数据集，根据第一阈值数据集形成第一参数数据；

读取所述第一阈值数据集中所述滤波信号的数量；

5.根据权利要求1所述的一种场景识别方法，其特征在于，根据所述第一参数数据以及当前的速度形成一判断结果具体包括：

读取第二阈值参数和第三阈值参数；

6.一种场景识别装置，其特征在于，包括：

第二计算单元，根据每个所述CIR信号获取每个OFDM符号的PDP；

7.根据权利要求6所述的一种场景识别装置，其特征在于，所述第一参数数据形成单元包括：

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或多个处理器执行，以实现权利要求1至5中任意一项所述的一种场景识别方法。

9.一种终端，其特征在于，包括：

一个存储器，被配置为存储数据及指令；

根据每个所述CIR信号获取每个OFDM符号的PDP；

根据所述第一参数数据以及当前的速度形成一判断结果。