(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111633700.0 (22)申请日 2021.12.2 9 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 刘婵娟　余文龙　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 代理人 孙翠贤　孟维娜 (51)Int.Cl. H04W 24/02(2009.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 一种场景识别方法、 装置、 设备以及存储介 质 (57)摘要 本发明实施例提供了一种场景识别方法、 装 置、 设备以及存储介质， 涉及通信技术领域。 具体 实现方案为： 确定目标小区； 其中， 所述目标小区 为基站的目标 天线所覆盖的、 待进行天线覆盖场 景识别的小区； 获取所述目标小区内多个终端用 户的用户分布信息； 分别对多个用户分布信息进 行特征提取， 得到多个特征数据集； 采用 指定数 量个目标分类器， 并行地对所述多个特征数据集 进行分类处理， 得到每一特征数据集对应的分类 结果； 对各个分类结果进行融合分析， 得到所述 目标小区所属的天线覆盖场景。 可见， 通过本方 案， 可以实现快速、 准确地识别天线覆盖场景。 权利要求书3页 说明书16页 附图4页 CN 114423025 A 2022.04.29 CN 114423025 A 1.一种场景识别方法， 其特 征在于， 所述方法包括： 确定目标小区； 其中， 所述目标小区为基站的目标天线所覆盖的、 待进行天线覆盖场景 识别的小区； 获取所述目标小区内多个终端用户的用户分布信息； 其中， 所述用户分布信息为用于 描述用户地理分布的信息； 分别对多个用户分布信息进行 特征提取， 得到多个特 征数据集； 采用指定数量个目标分类器， 并行地对所述多个特征数据集进行分类处理， 得到每一 特征数据集对应的分类结果； 其中， 所述目标分类器为基于样本特征数据集和标签信息， 对 参数进行训练所得到的分类器； 所述标签信息用于表征样本小区所属的天线覆盖场景的真 值； 所述样本小区为所述样本特 征数据集所属的终端用户处于的小区； 对各个分类结果进行融合分析， 得到所述目标小区所属的天线覆盖场景。 2.根据权利要求1所述的方法， 其特征在于， 所述指定数量个目标分类器的确定过程包 括： 确定多个备选分类器， 其中， 每一备选分类器为利用样本特征数据集和标签信 息， 预先 完成参数训练的分类器； 所述多个备选分类器的数量大于所述指定数量， 且每个备选分类 器具有初始的权 重值； 针对每一备选分类器， 获取待利用的多个样本特征数据集； 利用该备选分类器对各个 样本特征数据集进行分类， 得到各个分类结果； 基于各个分类结果与各个样本特征数据集 所对应的标签信息， 确定该备选 分类器的误判率； 基于所述误判率， 对该备选分类器的当前 的权重值进行修正处理， 并返回所述获取待利用的多个样本特征数据集的步骤； 直至该备 选分类器的当前的权 重值符合预定结束条件； 在各个备选分类器的权重值符合预定结束条件后， 按照权重值从大到小的顺序， 从多 个备选分类 器中， 选取指定数量个目标分类 器。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述误判率， 对该备选分类器的 当前的权 重值进行修 正处理， 包括： 若该备选分类器的误判率小于第 一预设阈值， 以预设步长增大该备选分类器的当前的 权重值； 若该备选分类器的误判率大于第 二预设阈值， 以预设步长减小该备选分类器的当前的 权重值； 所述第二预设阈值大于所述第一预设阈值； 否则， 该备选分类 器的当前的权 重值保持不变。 4.根据权利要求2所述的方法， 其特 征在于， 所述预定结束条件， 包括： 该备选分类器的权重值在多次修正处理后保持不变， 或者， 达到预设的权重上限值/权 重下限值。 5.根据权利要求2所述的方法， 其特 征在于， 每一目标分类 器具有权 重值； 所述对各个分类结果进行融合分析， 得到所述目标小区所属的天线覆盖场景， 包括： 针对各个分类结果所表征的每一天线覆盖场景， 将表征该天线覆盖场景的分类结果的 权重值进 行累加， 得到该天线覆盖场景对应的权重值； 其中， 任一分类结果的权重值为输出 该分类结果的目标分类 器所具有的权 重值； 确定所对应权 重值最高的天线覆盖场景， 作为所述目标小区所属的天线覆盖场景。权　利　要　求　书 1/3 页 2 CN 114423025 A 26.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述用户分布信息， 包括： 波达角 估计、 参考信号接收功率、 信噪比和路径损耗中的至少一种。 7.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 在对各个分类结果进行融合分 析， 得到所述目标小区所属的天线覆盖场景之后， 所述方法还 包括： 根据所述目标小区所属的天线覆盖场景， 为所述目标天线配置相关参数； 其中， 所述相 关参数的参数类型包括： 水平波宽、 垂直波宽、 方位角和下倾角。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述目标小区所属的天线覆盖场 景， 为所述目标天线配置相关参数， 包括： 根据预设的各个天线覆盖场景与天线配置的相关参数的参数值之间的映射关系， 查询 与所述目标小区所属的天线覆盖场景相对应的参数值， 作为目标参数值； 按照所述目标参数值， 对所述目标天线的相关参数进行设置 。 9.一种场景识别装置， 其特 征在于， 所述装置包括： 确定模块， 用于确定目标小区； 其中， 所述目标小区为基站的目标天线所覆盖的、 待进 行天线覆盖场景识别的小区； 获取模块， 用于获取所述目标小区内多个终端用户的用户分布信 息； 其中， 所述用户分 布信息为用于描述用户地理分布的信息； 特征提取模块， 用于分别对多个用户分布信息进行 特征提取， 得到多个特 征数据集； 分类模块， 用于采用指定数量个目标分类器， 并行地对所述多个特征数据集进行分类 处理， 得到每一特征数据集对应的分类结果； 其中， 所述目标分类器为基于样本特征数据集 和标签信息， 对参数进行训练所得到的分类器； 所述标签信息用于表征样本小区所属的天 线覆盖场景的真值； 所述样本小区为所述样本特 征数据集所属的终端用户处于的小区； 分析模块， 用于对各个分类结果进行融合分析， 得到所述目标小区所属的天线覆盖场 景。 10.根据权利要求9所述的装置， 其特征在于， 所述指定数量个目标分类器的确定过程 包括： 确定多个备选分类器， 其中， 每一备选分类器为利用样本特征数据集和标签信 息， 预先 完成参数训练的分类器； 所述多个备选分类器的数量大于所述指定数量， 且每个备选分类 器具有初始的权 重值； 针对每一备选分类器， 获取待利用的多个样本特征数据集； 利用该备选分类器对各个 样本特征数据集进行分类， 得到各个分类结果； 基于各个分类结果与各个样本特征数据集 所对应的标签信息， 确定该备选 分类器的误判率； 基于所述误判率， 对该备选分类器的当前 的权重值进行修正处理， 并返回所述获取待利用的多个样本特征数据集的步骤； 直至该备 选分类器的当前的权 重值符合预定结束条件； 在各个备选分类器的权重值符合预定结束条件后， 按照权重值从大到小的顺序， 从多 个备选分类 器中， 选取指定数量个目标分类 器。 11.根据权利要求10所述的装置， 其特征在于， 所述基于所述误判率， 对该备选分类器 的当前的权 重值进行修 正处理， 包括： 若该备选分类器的误判率小于第 一预设阈值， 以预设步长增大该备选分类器的当前的 权重值；权　利　要　求　书 2/3 页 3 CN 114423025 A 3