一种波束指向确定方法、装置、设备和存储介质与流程

1.本发明涉及雷达检测技术领域，尤其涉及一种波束指向确定方法、装置、设备和存储介质。


背景技术：

2.毫米波雷达作为一种具有远程感知能力的传感器，具有全天候工作能力，在黑暗环境和恶劣天气中仍可正常工作，且具有一定的穿透障碍物的能力，在自适应巡航(adaptive cruise control，acc)和自动紧急制动(autonomous emergency braking，aeb)等高级驾驶辅助系统(advanced driving assistance system，adas)应用领域具有重要的地位。由于雷达自身在识别目标属性上不具备光学摄像头的直观能力，在未来自动驾驶的实现中，毫米波雷达与摄像头作为底层传感器网络的构成，其输出信息互相配合为车身控制提供依据是一种必然趋势。
3.受到体积和成本的限制，车载雷达的天线一般使用贴片天线的形式，单根天线的孔径无法做到很大，为了获得高精度测角和提高增益的能力，车载毫米波雷达天线一般采用阵列天线的形式，每个天线的方向图设计为全空域覆盖。车载嵌入式平台的运算能力有限，在波束形成个数较多时就无法实现对所有观测区域的波束形成。一般的方法是把车身周围的区域划分成若干个小区域，根据先验知识确定小区域的重要性，将波束指向重要性最高的区域，比如车辆正后方或正前方的车道区域。
4.现有的波束指向区域是固定的，无法根据场景灵活的、自适应的变换，在某些场景中，当重要目标出现在其他非波束指向区域时，由于没有波束带来的增益，在恒虚警检测中目标的能量累积不够甚至被削弱，从而导致目标丢失或测量精度下降等问题。


技术实现要素：

5.本发明提供了一种波束指向确定方法、装置、设备和存储介质，以解决当目标对象出现在固定波束以外或由于安装偏差等原因带来的波束指向偏差而导致的漏警等问题。
6.根据本发明的一方面，提供了一种波束指向确定方法，该方法包括：
7.通过车载摄像头获取目标图像；
8.确定所述目标图像中目标对象的位置信息；
9.根据所述目标对象的位置信息确定目标对象的轨迹信息；
10.根据所述目标对象的轨迹信息和所述目标对象的位置信息确定波束指向信息。
11.根据本发明的另一方面，提供了一种波束指向确定装置，该装置包括：
12.获取模块，用于通过车载摄像头获取目标图像；
13.第一确定模块，用于确定所述目标图像中目标对象的位置信息；
14.第二确定模块，用于根据所述目标对象的位置信息确定目标对象的轨迹信息；
15.第三确定模块，用于根据所述目标对象的轨迹信息和所述目标对象的位置信息确定波束指向信息。
16.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
17.至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的波束指向确定方法。
18.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的波束指向确定方法。
19.本发明实施例的技术方案，通过车载摄像头获取目标图像，确定目标图像中目标对象的位置信息，根据目标对象的位置信息确定目标对象的轨迹信息，根据目标对象的轨迹信息和目标对象的位置信息确定波束指向信息。本发明实施例实现了波束的自适应指向，避免了当目标对象出现在固定波束以外或由于安装偏差等原因带来的波束指向偏差而导致的漏警等问题，达到了提高驾驶车辆时的安全性能的有益效果。
20.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1是根据本发明实施例一提供的一种波束指向确定方法的流程图；
23.图2是根据本发明实施例二提供的一种波束指向确定装置的结构示意图；
24.图3是实现本发明实施例的波束指向确定方法的电子设备的结构示意图。
具体实施方式
25.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
26.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
27.实施例一
28.图1是根据本发明实施例一提供的一种波束指向确定方法的流程图，本实施例可适用于波束指向确定情况，该方法可以由波束指向确定装置来执行，该波束指向确定装置可以采用硬件和/或软件的形式实现，该波束指向确定装置可集成在任何提供波束指向确定功能的电子设备中。如图1所示，该方法包括：
29.s101、通过车载摄像头获取目标图像。
30.在本实施例中，车载摄像头可以是超广角鱼眼镜头。优选的，车载摄像头可以是多个，可以安装在车身的正前方、正后方以及车身左右两侧位置。在实际操作过程中，车载摄像头可以设置为每隔一段固定时间对车身周围一定范围内进行拍摄，以不断判断车身周围的情况。
31.需要说明的是，目标图像可以是由安装于车身上的车载摄像头所拍摄到的车身周围一定范围内的图像。可以知道的是，超广角鱼眼镜头的前视或环视系统可以提供车身前后方或环绕车身周围360度的视觉图像。
32.具体的，通过安装于车身上的若干个车载摄像头拍摄车身周围的目标图像。
33.s102、确定目标图像中目标对象的位置信息。
34.其中，目标对象可以是车载摄像头拍摄到的车身一定范围内的对象，具体的，目标对象可以是行人，可以是机动车，也可以是电动车或自行车等。
35.需要说明的是，目标对象的位置信息可以是目标对象当前所在的位置信息。
36.示例性的，可以通过机器学习或神经网络确定目标图像中目标对象的位置信息。具体的，将目标图像输入到训练好的机器学习模型或神经网络模型中，就可以输出目标图像中目标对象的位置信息。
37.s103、根据目标对象的位置信息确定目标对象的轨迹信息。
38.需要解释的是，目标对象的轨迹信息可以是目标对象进行运动的轨迹信息。具体的，目标对象的轨迹信息可以由安装于车身上的车载雷达进行跟踪检测确定。
39.具体的，确定目标图像中目标对象的位置信息后，安装于车身上的车载雷达根据目标对象的位置信息进行不断的扫描跟踪，例如可以是每隔50毫秒扫描一次目标对象的位置，将扫描到的每个时刻下的目标对象的位置点连接起来，确定为目标对象的轨迹信息。
40.s104、根据目标对象的轨迹信息和目标对象的位置信息确定波束指向信息。
41.可以知道的是，波束是指由卫星天线发射出来的电磁波在地球表面上形成的形状(比如说像手电筒向黑暗处射出的光束)，主要有全球波束、点形波束和赋形波束，它们的形状由发射天线来决定。在本实施例中，波束可以是指安装于车身上的车载雷达所发射出的波束，波束的主瓣形状可以是截面为椭圆的三维柱状体。
42.需要说明的是，波束指向信息可以是雷达发射出的波束的指向方向信息。由于车载雷达的射频前端不具备移相能力，因此在检测目标对象时使用波束指向实现天线方向图指向，以此获得指向目标增益的提高。
43.具体的，确定目标对象的位置信息后，波束指向该目标对象的位置，确定目标对象的轨迹信息后，根据目标对象的轨迹信息和目标对象的位置信息确定波束的下一指向信息，即可实现波束能够时刻指向目标对象的位置，以判断当目标对象与用户所驾驶的当前车辆有可能产生交集或发生碰撞时对用户进行预警提醒，从而避免危险情况的发生。
44.本发明实施例的技术方案，通过车载摄像头获取目标图像，确定目标图像中目标
对象的位置信息，根据目标对象的位置信息确定目标对象的轨迹信息，根据目标对象的轨迹信息和目标对象的位置信息确定波束指向信息。本发明实施例实现了波束的自适应指向，避免了当目标对象出现在固定波束以外或由于安装偏差等原因带来的波束指向偏差而导致的漏警等问题，达到了提高驾驶车辆时的安全性能的有益效果。
45.可选的，确定目标图像中目标对象的位置信息，包括：
46.将目标图像输入对象识别模型，得到目标图像对应的位置信息。
47.需要说明的是，对象识别模型可以是用于对目标图像进行识别，以获得目标图像中目标对象的位置信息的模型。其中，对象识别模型通过目标样本集迭代训练神经网络模型得到。
48.需要解释的是，目标样本集可以是用于训练神经网络模型的样本集合。目标样本集包括：图像样本和图像样本中的对象的位置信息样本。
49.其中，图像样本可以是若干个用于训练神经网络模型的由车载摄像头拍摄的图像，图像样本中的对象的位置信息样本可以是每个图像样本中人或车等对象的位置信息。
50.具体的，将目标图像输入训练好的对象识别模型，就可以得到目标图像对应的位置信息、目标对象的类型(例如类型为人、自行车、电动车或机动车)、目标对象的尺寸以及目标对象的形状等信息。
51.可选的，通过目标样本集迭代训练神经网络模型，包括：
52.建立神经网络模型。
53.具体的，建立具有输入层、隐含层和输出层的神经网络模型。
54.将目标样本集中的图像样本输入神经网络模型，得到图像样本中对象的预测位置信息。
55.其中，预测位置信息可以是由神经网络模型根据输入的目标样本集中的图像样本预测的目标样本集中的图像信息样本对应的图像样本中对象的位置信息。
56.具体的，将目标样本集中的图像样本作为输入参数输入到神经网络模型中，得到输入的目标样本集中的图像样本对应的图像样本中对象的预测位置信息。
57.根据图像样本中对象的预测位置信息和图像样本中的对象的位置信息样本形成的目标函数训练神经网络模型的参数。
58.需要说明的是，目标函数指的是由图像样本中对象的预测位置信息和图像样本对应的图像样本中的对象的位置信息所形成的函数。
59.具体的，根据图像样本中对象的预测位置信息和图像样本对应的图像样本中的对象的位置信息形成目标函数，通过目标函数训练神经网络模型的参数。
60.返回执行将目标样本集中的图像样本输入神经网络模型，得到图像样本中对象的预测位置信息的操作，直至得到对象识别模型。
61.具体的，返回执行将目标样本集中的图像样本输入神经网络模型中，得到图像样本中对象的预测位置信息的操作，不断地训练神经网络模型的参数，直至得到对象识别模型。
62.可选的，根据目标对象的位置信息确定目标对象的轨迹信息，包括：
63.根据目标对象的位置信息确定车载雷达的扫描范围信息。
64.在本实施例中，车载雷达可以是车载毫米波雷达。优选的，车载雷达可以是多个，
可以安装在车尾左右两端位置，也可以安装在车尾左右两端以及车头左右两端位置。在实际操作过程中，车载雷达可以扫描到车身周围一定范围内的障碍物。
65.需要说明的是，扫描范围信息可以是车载雷达重点扫描的区域范围的信息，例如可以是目标对象存在的范围信息。
66.具体的，车载摄像头获取目标图像后，将目标图像输入到对象识别模型得到目标图像中目标对象的位置信息，通过车身现有的总线可以将目标图像中目标对象的位置信息直接传输给车载雷达，车载雷达基于贝叶斯准则的数据融合处理，利用车载摄像头拍摄到的目标图像中车身周围环境存在的目标对象的位置信息，结合车载雷达对车身周围空间的区域划分确定车载雷达的扫描范围信息。
67.在实际操作过程中，车载雷达对车身周围空间的区域划分可以是根据波束的个数确定的，具体的波束的个数可以根据车载雷达的覆盖角度和阵列天线的通道数确定。例如可以是，车载雷达的覆盖角度为
±
60度，阵列天线的通道数一般为3～12个左右，高测角性能的车载雷达一般通道数在8个以上，所以波束的宽度约为15度～8度，此时需要的波束个数能达到8～16个。在本实施例中，车载雷达的覆盖角度为
±
45度，波束个数为6个，每个波束的宽度为15度。
68.控制车载雷达根据车载雷达的扫描范围信息对目标对象进行扫描，得到目标对象的轨迹信息。
69.具体的，确定车载雷达的扫描范围信息后，控制安装于车身上的车载雷达根据车载雷达的扫描范围信息对目标对象进行不断的扫描跟踪，例如可以是每隔50毫秒扫描一次目标对象的位置，将扫描到的每个时刻下的目标对象的位置点连接起来，确定为目标对象的轨迹信息。
70.可选的，目标图像中包括至少两个目标对象。
71.具体的，由车载摄像头获取到的目标图像中可能存在不止一个目标对象，例如车载摄像头拍摄到车身左侧存在一个行人，车身左后方存在一个机动车。
72.相应的，根据目标对象的轨迹信息和目标对象的位置信息确定波束指向信息，包括：
73.根据每个目标对象的位置信息确定每个目标对象的权重信息。
74.在本实施例中，权重信息可以是根据目标对象的位置信息和车载雷达法线的夹角确定的。具体的，权重信息的确定规则例如可以是，目标对象所在的位置和车载雷达法线的夹角越大，该目标对象的权重就越小。
75.具体的，根据每个目标对象的位置信息确定每个目标对象的权重信息，例如可以是，若目标对象所在的位置正好处于车载雷达法线上，则目标对象的权重最大；若目标对象所在的位置和车载雷达法线的夹角越大，该目标对象的权重就越小。
76.根据每个目标对象的位置信息和每个目标对象的轨迹信息确定每个目标对象对应的方向信息。
77.需要解释的是，方向信息可以是根据目标对象的位置信息和目标对象的轨迹信息确定的目标对象行进方向的信息。
78.具体的，确定每个目标对象的位置信息作为每个目标对象的初始位置信息，由车载雷达确定每个目标对象的轨迹信息，根据每个目标对象的初始位置信息和每个目标对象
的轨迹信息确定每个目标对象对应的方向信息。
79.根据每个目标对象对应的方向信息和每个目标对象的权重信息确定波束指向信息。
80.具体的，车载雷达的波束指向调度的基本结构分为扫描和跟踪两种模式，在没有目标图像和目标对象的轨迹信息输入时，车载雷达采用顺序或伪随机扫描的方式确定波束指向信息，当有目标对象的轨迹信息时插入跟踪调度模式，波束指向信息依据每个目标对象对应的方向信息和每个目标对象的权重信息确定。由于联合了车载雷达的扫描和轨迹跟踪以及车载摄像头的视觉检测结果，重要目标的检测和识别率比单传感器相比提升了很多，可以避免由于波束指向偏差带来的漏警等问题。
81.可选的，根据每个目标对象的位置信息和每个目标对象的轨迹信息确定每个目标对象对应的方向信息，包括：
82.将目标对象的位置信息进行坐标系转换，得到雷达坐标系下的目标对象的位置信息。
83.需要说明的是，坐标系转换可以是将车载摄像头坐标系转换为车载雷达坐标系。其中，车载摄像头坐标系可以是以车载摄像头为基准建立的坐标系，雷达坐标系可以是以车载雷达为基准建立的坐标系，两个坐标系不同，两者之间需要相互转换，本实施例对具体的转换规则不进行限定。
84.具体的，将目标图像中的目标对象的位置信息进行坐标系转换，通过基于贝叶斯准则的数据融合处理后映射到雷达坐标系中，得到雷达坐标系下的目标对象的位置信息。
85.根据雷达坐标系下的目标对象的位置信息和每个目标对象的轨迹信息确定每个目标对象对应的方向信息。
86.具体的，将目标对象的位置信息进行坐标系转换得到雷达坐标系下的目标对象的位置信息后，根据雷达坐标系下的目标对象的位置信息和每个目标对象的轨迹信息确定每个目标对象对应的方向信息。
87.可选的，在根据目标对象的轨迹信息和目标对象的位置信息确定波束指向信息之后，还包括：
88.将目标对象的位置信息进行坐标系转换，得到车身坐标系下的目标对象的位置信息。
89.其中，车身坐标系可以是以车身为基准建立的坐标系，与车载摄像头坐标系和雷达坐标系均不同，三者之间需要相互转换，本实施例对具体的转换规则不进行限定。
90.具体的，将目标对象的位置信息进行坐标系转换，得到车身坐标系下的目标对象的位置信息，即目标对象在实际空间对应的位置信息。
91.将目标对象的轨迹信息进行坐标系转换，得到车身坐标系下的目标对象的轨迹信息。
92.具体的，将目标对象的轨迹信息进行坐标系转换，得到车身坐标系下的目标对象的轨迹信息，即目标对象在实际空间中对应的轨迹信息。
93.根据车身坐标系下的目标对象的位置信息和车身坐标系下的目标对象的轨迹信息确定目标对象和当前车辆之间的目标距离。
94.其中，目标距离可以是目标对象和用户所驾驶的当前车辆之间的距离。
95.具体的，根据车身坐标系下的目标对象的位置信息和车身坐标系下的目标对象的轨迹信息确定目标对象和当前车辆之间的目标距离，以根据目标距离判断目标对象是否会影响用户所驾驶的当前车辆的正常行驶，或者目标对象是否会与用户所驾驶的当前车辆发生碰撞等。
96.根据目标距离生成提醒信息。
97.需要说明的是，提醒信息可以是发出预警信号等提醒用户安全驾驶当前车辆的信息。
98.具体的，若根据车身坐标系下的目标对象的位置信息和车身坐标系下的目标对象的轨迹信息确定目标对象和当前车辆之间的目标距离有可能会小于一定的安全距离，则生成提醒信息以提醒用户注意避让目标对象等，以保障用户的安全驾驶。
99.本发明实施例提出了联合车载摄像头识别目标图像的位置信息和车载雷达确定目标对象的轨迹信息来共同确定波束指向信息的方法，实现了波束的自适应指向，与现有固定波束指向方案相比，重要目标的检测和识别率大幅提升，避免了当目标对象出现在固定波束以外或由于安装偏差等原来带来的波束指向偏差而导致的漏警等问题。
100.实施例二
101.图2是根据本发明实施例二提供的一种波束指向确定装置的结构示意图。如图2所示，该装置包括：获取模块201、第一确定模块202、第二确定模块203和第三确定模块204。
102.其中，获取模块201，用于通过车载摄像头获取目标图像；
103.第一确定模块202，用于确定所述目标图像中目标对象的位置信息；
104.第二确定模块203，用于根据所述目标对象的位置信息确定目标对象的轨迹信息；
105.第三确定模块204，用于根据所述目标对象的轨迹信息和所述目标对象的位置信息确定波束指向信息。
106.可选的，所述第一确定模块202包括：
107.输入单元，用于将所述目标图像输入对象识别模型，得到所述目标图像对应的位置信息，其中，所述对象识别模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：图像样本和图像样本中的对象的位置信息样本。
108.可选的，所述输入单元具体用于：
109.建立神经网络模型；
110.将所述目标样本集中的图像样本输入所述神经网络模型，得到图像样本中对象的预测位置信息；
111.根据所述图像样本中对象的预测位置信息和所述图像样本中的对象的位置信息样本形成的目标函数训练所述神经网络模型的参数；
112.返回执行将所述目标样本集中的图像样本输入所述神经网络模型，得到图像样本中对象的预测位置信息的操作，直至得到对象识别模型。
113.可选的，所述第二确定模块203包括：
114.第一确定单元，用于根据所述目标对象的位置信息确定车载雷达的扫描范围信息；
115.扫描单元，用于控制车载雷达根据所述车载雷达的扫描范围信息对所述目标对象进行扫描，得到目标对象的轨迹信息。
116.可选的，所述目标图像中包括至少两个目标对象；
117.相应的，所述第三确定模块204包括：
118.第二确定单元，用于根据每个目标对象的位置信息确定每个目标对象的权重信息；
119.第三确定单元，用于根据每个目标对象的位置信息和每个目标对象的轨迹信息确定每个目标对象对应的方向信息；
120.第四确定单元，用于根据所述每个目标对象对应的方向信息和所述每个目标对象的权重信息确定波束指向信息。
121.可选的，所述第三确定单元具体用于：
122.将所述目标对象的位置信息进行坐标系转换，得到雷达坐标系下的目标对象的位置信息；
123.根据雷达坐标系下的目标对象的位置信息和每个目标对象的轨迹信息确定每个目标对象对应的方向信息。
124.可选的，所述装置还包括：
125.第一转换模块，用于在根据所述目标对象的轨迹信息和所述目标对象的位置信息确定波束指向信息之后，将所述目标对象的位置信息进行坐标系转换，得到车身坐标系下的目标对象的位置信息；
126.第二转换模块，用于在根据所述目标对象的轨迹信息和所述目标对象的位置信息确定波束指向信息之后，将所述目标对象的轨迹信息进行坐标系转换，得到车身坐标系下的目标对象的轨迹信息；
127.第四确定模块，用于在根据所述目标对象的轨迹信息和所述目标对象的位置信息确定波束指向信息之后，根据车身坐标系下的目标对象的位置信息和车身坐标系下的目标对象的轨迹信息确定目标对象和当前车辆之间的目标距离；
128.生成模块，用于在根据所述目标对象的轨迹信息和所述目标对象的位置信息确定波束指向信息之后，根据所述目标距离生成提醒信息。
129.本发明实施例所提供的波束指向确定装置可执行本发明任意实施例所提供的波束指向确定方法，具备执行方法相应的功能模块和有益效果。
130.实施例三
131.图3示出了可以用来实施本发明的实施例的电子设备30的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
132.如图3所示，电子设备30包括至少一个处理器31，以及与至少一个处理器31通信连接的存储器，如只读存储器(rom)32、随机访问存储器(ram)33等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器31可以根据存储在只读存储器(rom)32中的计算机程序或者从存储单元38加载到随机访问存储器(ram)33中的计算机程序，来执行各种适当的动作和处理。在ram 33中，还可存储电子设备30操作所需的各种程序和数据。处理器
31、rom 32以及ram 33通过总线34彼此相连。输入/输出(i/o)接口35也连接至总线34。
133.电子设备30中的多个部件连接至i/o接口35，包括：输入单元36，例如键盘、鼠标等；输出单元37，例如各种类型的显示器、扬声器等；存储单元38，例如磁盘、光盘等；以及通信单元39，例如网卡、调制解调器、无线通信收发机等。通信单元39允许电子设备30通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
134.处理器31可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器31的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器31执行上文所描述的各个方法和处理，例如波束指向确定方法：
135.通过车载摄像头获取目标图像；
136.确定所述目标图像中目标对象的位置信息；
137.根据所述目标对象的位置信息确定目标对象的轨迹信息；
138.根据所述目标对象的轨迹信息和所述目标对象的位置信息确定波束指向信息。
139.在一些实施例中，波束指向确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元38。在一些实施例中，计算机程序的部分或者全部可以经由rom 32和/或通信单元39而被载入和/或安装到电子设备30上。当计算机程序加载到ram 33并由处理器31执行时，可以执行上文描述的波束指向确定方法的一个或多个步骤。备选地，在其他实施例中，处理器31可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行波束指向确定方法。
140.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
141.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
142.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只
读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
143.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
144.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
145.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
146.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
147.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。