增强用户终端移动性的方法及设备与流程
本技术涉及移动通信,尤其涉及一种增强用户终端移动性的方法及设备。
背景技术:
1、随着第五代移动通信技术(fifth generation,5g)及未来移动通信系统的发展,高铁、车联网等高速移动场景日益普及,对移动性管理的及时性与可靠性提出了更高要求。
2、现有技术中,用户终端基于网络配置的测量规则,监测服务小区(也即驻留小区)与邻区的参考信号接收功率(reference signal received power,rsrp)、参考信号接收质量(reference signal receiving quality,rsrq)、信号与干扰加噪声比(signal-to-interference-plus-noise ratio,sinr)等信号信息。当满足特定测量事件的触发条件时,向网络侧上报测量报告。网络侧根据该测量报告决策是否配置异频测量、异系统测量、小区切换或其它移动性操作。
3、然而,现有的移动性决策方法,通过实时测量的信号信息、固定的门限来触发测量事件,易引发切换失败、无线链路重建或通信中断,导致用户体验较差。
技术实现思路
1、本技术提供一种增强用户终端移动性的方法及设备,通过结合历史通信信号信息与实时通信信号信息,预测未来路径节点和/或未来信号信息,并据此提前触发和优化测量、上报、切换或小区搜索等移动性操作,提升通信连续性与稳定性、降低掉网率和时延,从而改善用户体验。
2、第一方面,本技术提供一种增强用户终端移动性的方法,该方法包括:
3、获取用户终端的历史通信信号信息及实时通信信号信息,历史通信信号信息包括历史路径节点序列以及历史路径节点序列中各历史路径节点对应的历史信号信息,实时通信信号信息包括当前路径节点及对应的当前信号信息;
4、根据历史通信信号信息和实时通信信号信息,确定至少一个未来路径节点和/或未来信号信息,未来信号信息包括当前路径节点的未来信号信息和/或各未来路径节点的未来信号信息;
5、根据至少一个未来路径节点和/或未来信号信息,确定用户终端的移动性操作,移动性操作包括测量邻区信号、向网络侧上报测量事件、切换小区、重选小区、执行小区搜索、小区选择、无线链路重建和无线链路建立中的至少一项。
6、在一种可能的实施方式中,实时通信信号信息还包括当前路径节点的至少一个前序路径节点;
7、根据历史通信信号信息和实时通信信号信息,确定至少一个未来路径节点和/或未来信号信息,包括:
8、根据当前路径节点及至少一个前序路径节点构建当前移动轨迹;
9、将历史路径节点序列与当前移动轨迹进行基于路径节点标识的轨迹匹配,以从历史路径节点序列中提取与当前移动轨迹相匹配的至少一个目标历史路径片段;
10、根据目标历史路径片段中最后一个路径节点之后连续出现的至少一个历史路径节点,确定至少一个未来路径节点;和/或,根据目标历史路径片段中最后一个路径节点之后连续出现的至少一个历史路径节点及对应的历史信号信息,确定至少一个未来路径节点和/或未来信号信息。
11、在一种可能的实施方式中,根据历史通信信号信息和实时通信信号信息,确定至少一个未来路径节点和/或未来信号信息,包括:
12、根据历史路径节点序列、各历史路径节点对应的历史信号信息,构造历史时空特征序列;
13、使用历史时空特征序列训练预测模型,预测模型为基于神经网络构建的机器学习模型;
14、根据当前路径节点和当前路径节点的当前信号信息,构造当前时空特征序列;
15、将当前时空特征序列输入至预测模型;
16、通过预测模型输出至少一个未来路径节点的标识和/或未来信号信息的预测值。
17、在一种可能的实施方式中,预测模型为多模型融合结构,包括至少一个路径预测子模型和至少一个信号信息预测子模型;
18、路径预测子模型用于根据当前时空特征序列预测至少一个未来路径节点的标识;
19、信号信息预测子模型用于根据当前时空特征序列及路径预测子模型输出的未来路径节点标识,预测各未来路径节点的未来信号信息的预测值,和/或根据当前时空特征序列,预测当前路径节点的未来信号信息的预测值。
20、在一种可能的实施方式中,该方法还包括:
21、在预测模型应用过程中,实时采集用户终端实际经过的路径节点及对应的实际信号信息;
22、将实际经过的路径节点与对应预测的未来路径节点进行误差分析,和/或,将实际信号信息与对应预测的未来信号信息的预测值进行误差分析,生成模型分析结果;
23、当模型分析结果满足预设的再训练触发条件时,基于实际经过的路径节点及对应的实际信号信息和/或历史通信信号信息,对预测模型进行增量训练或重新训练。
24、在一种可能的实施方式中,根据至少一个未来路径节点和/或未来信号信息,确定用户终端的移动性操作,包括:
25、获取当前路径节点的当前驻留小区的当前信号测量值;
26、在当前路径节点的当前驻留小区的未来信号信息指示将发生第一通信异常事件和/或未来信号信息中的信号质量参数低于第一预设信号质量阈值时,进行同频测量,获取同一频点的邻区的当前信号测量值;和/或,在当前路径节点的当前驻留小区的未来信号信息指示将发生第二通信异常事件和/或未来信号信息中的信号质量参数低于第二预设信号质量阈值时,向网络侧上报用于触发异频或异系统测量配置的测量事件,或者,直接进行异频/异系统测量;和/或,基于未来路径节点和/或未来路径节点的未来信号信息,对多个待测频点设置测量优先级,获取多个待测频点中至少一个频点的邻区的当前信号测量值;
27、在当前路径节点的当前驻留小区的未来信号信息指示将发生第三通信异常事件和/或未来信号信息中的信号质量参数低于第三预设信号质量阈值时,向网络侧上报用于触发切换的测量事件或进行小区重选;
28、其中,第一预设信号质量阈值大于或等于第二预设信号质量阈值,第二预设信号质量阈值大于第三预设信号质量阈值;上报用于触发异频或异系统测量配置的测量事件,以及上报用于切换的测量事件,分别包括:直接基于当前驻留小区的当前信号测量值和/或邻区的当前信号测量值触发上报,或对当前驻留小区的当前信号测量值和/或邻区的当前信号测量值进行修正后,基于修正后的数值触发上报;
29、在发生无线链路失败rlf事件或无覆盖ooc事件之后,基于未来路径节点和/或未来路径节点对应的未来信号信息,确定小区搜索优先级。
30、在一种可能的实施方式中,获取用户终端的历史通信信号信息及实时通信信号信息之前,该方法还包括:
31、对用户终端在预设时间窗口内的通信信号记录中的历史路径节点序列进行预处理及特征对齐;
32、计算各历史路径节点序列之间的路径相似度指标;
33、基于预设的路径相似度阈值,将路径相似度指标处于预设的路径相似度阈值范围内的历史路径节点序列归并为同一类别,以提取出常用移动路径;其中,预设的路径相似度阈值包括固定阈值或自适应阈值,自适应阈值是根据当前已记录的历史路径分布情况,通过计算或机器学习模型动态学习得出的;
34、将常用移动路径及其对应的信号信息存储为历史通信信号信息。
35、在一种可能的实施方式中,该方法还包括:
36、基于常用移动路径,从历史通信信号信息中提取各历史路径节点对应的历史信号信息,生成对应于历史路径节点的概要信息,并将概要信息与常用移动路径关联存储;
37、根据概要信息和/或未来信号信息,上报测量事件、触发测量流程、选择并执行小区切换或重选,以及确定测量顺序和/或小区搜索顺序的优先级;
38、其中,概要信息包括以下至少一项:各常用移动路径的各历史路径节点的信号质量统计信息、rlf事件发生的次数和/或概率、ooc事件发生的次数和/或概率、差小区事件发生的种类及对应发生的次数和/或概率、进入各节点的次数和/或概率以及平均驻留时长;同一物理小区在属于不同常用移动路径的历史路径节点中,其概要信息是相互独立存储的;
39、其中,信号质量统计信息包括:针对各常用移动路径的各历史路径节点,计算每次驻留在该节点的各类型测量值的前预设次数的平均值并记录,并对多次驻留对应的平均值进行滑动窗口平均或无限冲激响应iir滤波;以及,计算每次驻留在该节点的各测量值高于各预设阈值的次数和/或概率并记录,并对多次驻留对应的次数和/或概率进行滑动平均或iir滤波;
40、测量值包括参考信号接收功率rsrp及信号与干扰加噪声比sinr;差小区事件包括:单次驻留期间,小区的测量值高于预设阈值的次数低于预设次数阈值的事件,小区的测量值高于预设阈值的概率低于预设概率阈值的事件,小区的驻留时长低于预设时长阈值的事件,小区的信号质量参数高于预设质量阈值且资源分配量低于预设分配阈值的事件,以及网络注册被拒的事件。
41、在一种可能的实施方式中,该方法还包括:
42、当执行小区搜索、小区选择、无线链路重建或无线链路建立时,若在同一无线接入技术rat及频点上检测到一个或多个小区,则从一个或多个小区中筛选出:与常用移动路径相匹配的路径片段之后的连续节点对应的候选小区,和/或与预测的未来路径节点对应的候选小区;
43、根据各候选小区的物理小区标识pci及概要信息和/或未来信号信息,为检测到的多个小区分配尝试驻留优先级或接入优先级;
44、若任一候选小区对应的概要信息和/或未来信号信息指示该候选小区发生差小区事件的概率大于第一预设阈值,则确定与发生差小区事件的概率正相关的第二预设阈值;
45、生成0至1区间内的均匀分布随机数,并在随机数小于第二预设阈值时,禁止发起针对该候选小区的驻留或接入;其中,第二预设阈值与发生差小区事件的概率正相关,使得对应的候选小区被禁止驻留或接入的概率与发生差小区事件的概率正相关;
46、若当前驻留或接入的小区检测到当前发生拥塞差小区事件,或其对应的未来信号信息指示当前小区发生拥塞差小区事件的概率大于第三预设阈值,则对当前驻留或接入的小区和/或检测到的邻区的信号测量值进行修正;
47、基于修正后的信号测量值触发小区重选或小区切换,以主动逃离当前小区。
48、在一种可能的实施方式中,获取用户终端的历史通信信号信息及实时通信信号信息之前,该方法还包括:
49、设置长度为n的循环缓冲区,其中n为正整数,循环缓冲区用于临时存储在线采集的通信信号采样;
50、将所采集的通信信号采样按时间顺序依次写入循环缓冲区,并在写入数据量超过n时,以新数据覆盖最早写入的数据;
51、当检测到预设事件时,启动随机数生成器生成整数偏移量m,其中,m大于或等于n,且小于或等于n-1-m,n和m为预设的非负整数缓冲值;
52、在检测到预设事件之后,继续采集并写入m个通信信号采样至循环缓冲区,并从当前写入位置回溯,提取循环缓冲区中连续的n个历史采样,并将所提取的n个历史采样保存至持久化存储介质;
53、其中,预设事件包括:rlf事件、ooc事件或测量报告触发事件中的至少一项。
54、在一种可能的实施方式中,获取用户终端的历史通信信号信息及实时通信信号信息之前,该方法还包括:
55、获取用户终端的完整历史移动路径,完整历史移动路径包含按时间顺序排列的多个路径节点;
56、识别多个路径节点中发生通信质量异常的目标路径节点;
57、确定目标路径节点在完整历史移动路径中的位置,并提取包含目标路径节点、以及位于目标路径节点之前的第一预设数量个路径节点和位于目标路径节点之后的第二预设数量个路径节点的局部路径片段;
58、将局部路径片段及其对应的信号信息作为历史通信信号信息进行存储。
59、第二方面,本技术提供一种增强用户终端移动性的装置,该装置包括:
60、获取模块,用于获取用户终端的历史通信信号信息及实时通信信号信息,历史通信信号信息包括历史路径节点序列以及历史路径节点序列中各历史路径节点对应的历史信号信息,实时通信信号信息包括当前路径节点及对应的当前信号信息;
61、预测模块,用于根据历史通信信号信息和实时通信信号信息,确定至少一个未来路径节点和/或未来信号信息,未来信号信息包括当前路径节点的未来信号信息和/或各未来路径节点的未来信号信息;
62、确定模块,用于根据至少一个未来路径节点和/或未来信号信息,确定用户终端的移动性操作,移动性操作包括测量邻区信号、向网络侧上报测量事件、切换小区、重选小区、执行小区搜索、小区选择、无线链路重建和无线链路建立中的至少一项。
63、在一种可能的实施方式中,实时通信信号信息还包括当前路径节点的至少一个前序路径节点。预测模块包括:当前轨迹构建模块、匹配模块和节点确定模块。
64、当前轨迹构建模块,用于根据当前路径节点及至少一个前序路径节点构建当前移动轨迹;
65、匹配模块,用于将历史路径节点序列与当前移动轨迹进行基于路径节点标识的轨迹匹配,以从历史路径节点序列中提取与当前移动轨迹相匹配的至少一个目标历史路径片段;
66、节点确定模块,用于根据目标历史路径片段中最后一个路径节点之后连续出现的至少一个历史路径节点,确定至少一个未来路径节点;和/或,根据目标历史路径片段中最后一个路径节点之后连续出现的至少一个历史路径节点及对应的历史信号信息,确定至少一个未来路径节点和/或未来信号信息。
67、在一种可能的实施方式中,预测模块还包括:历史序列构造模块、训练模块、当前序列构造模块、输入模型模块和结果输出模块。
68、历史序列构造模块,用于根据历史路径节点序列、各历史路径节点对应的历史信号信息,构造历史时空特征序列;
69、训练模块,用于使用历史时空特征序列训练预测模型,预测模型为基于神经网络构建的机器学习模型;
70、当前序列构造模块,用于根据当前路径节点和当前路径节点的当前信号信息,构造当前时空特征序列;
71、输入模型模块,用于将当前时空特征序列输入至预测模型;
72、结果输出模块,用于通过预测模型输出至少一个未来路径节点的标识和/或未来信号信息的预测值。
73、在一种可能的实施方式中,预测模块中,预测模型为多模型融合结构,包括至少一个路径预测子模型和至少一个信号信息预测子模型。
74、路径预测子模型用于根据当前时空特征序列预测至少一个未来路径节点的标识;
75、信号信息预测子模型用于根据当前时空特征序列及路径预测子模型输出的未来路径节点标识,预测各未来路径节点的未来信号信息的预测值,和/或根据当前时空特征序列,预测当前路径节点的未来信号信息的预测值。
76、在一种可能的实施方式中,该装置还包括:采集模块、误差分析模块和训练模块。
77、采集模块,用于在预测模型应用过程中,实时采集用户终端实际经过的路径节点及对应的实际信号信息;
78、误差分析模块,用于将实际经过的路径节点与对应预测的未来路径节点进行误差分析,和/或,将实际信号信息与对应预测的未来信号信息的预测值进行误差分析,生成模型分析结果;
79、训练模块,用于当模型分析结果满足预设的再训练触发条件时,基于实际经过的路径节点及对应的实际信号信息和/或历史通信信号信息,对预测模型进行增量训练或重新训练。
80、在一种可能的实施方式中,确定模块包括:当前信号测量值获取模块、第一操作模块、第二操作模块和第三操作模块;
81、当前信号测量值获取模块,用于获取当前路径节点的当前驻留小区的当前信号测量值;
82、第一操作模块,用于在当前路径节点的当前驻留小区的未来信号信息指示将发生第一通信异常事件和/或未来信号信息中的信号质量参数低于第一预设信号质量阈值时,进行同频测量,获取同一频点的邻区的当前信号测量值;和/或,在当前路径节点的当前驻留小区的未来信号信息指示将发生第二通信异常事件和/或未来信号信息中的信号质量参数低于第二预设信号质量阈值时,向网络侧上报用于触发异频或异系统测量配置的测量事件,或者,直接进行异频/异系统测量;和/或,基于未来路径节点和/或未来路径节点的未来信号信息,对多个待测频点设置测量优先级,获取多个待测频点中至少一个频点的邻区的当前信号测量值;
83、第二操作模块,用于在当前路径节点的当前驻留小区的未来信号信息指示将发生第三通信异常事件和/或未来信号信息中的信号质量参数低于第三预设信号质量阈值时,向网络侧上报用于触发切换的测量事件或进行小区重选;
84、其中,第一预设信号质量阈值大于或等于第二预设信号质量阈值,第二预设信号质量阈值大于第三预设信号质量阈值;上报用于触发异频或异系统测量配置的测量事件,以及上报用于切换的测量事件,分别包括:直接基于当前驻留小区的当前信号测量值和/或邻区的当前信号测量值触发上报,或对当前驻留小区的当前信号测量值和/或邻区的当前信号测量值进行修正后,基于修正后的数值触发上报;
85、第三操作模块,用于在发生无线链路失败rlf事件或无覆盖ooc事件之后,基于未来路径节点和/或未来路径节点对应的未来信号信息,确定小区搜索优先级。
86、在一种可能的实施方式中,该装置还包括:对齐模块、相似度指标计算模块、路径提取模块和路径存储模块。
87、对齐模块,用于对用户终端在预设时间窗口内的通信信号记录中的历史路径节点序列进行预处理及特征对齐;
88、相似度指标计算模块,用于计算各历史路径节点序列之间的路径相似度指标;
89、路径提取模块,用于基于预设的路径相似度阈值,将路径相似度指标处于预设的路径相似度阈值范围内的历史路径节点序列归并为同一类别,以提取出常用移动路径;其中,预设的路径相似度阈值包括固定阈值或自适应阈值,自适应阈值是根据当前已记录的历史路径分布情况,通过计算或机器学习模型动态学习得出的;
90、路径存储模块,用于将常用移动路径及其对应的信号信息存储为历史通信信号信息。
91、在一种可能的实施方式中,该装置还包括:概要信息提取模块和顺序确定模块;
92、概要信息提取模块,用于基于常用移动路径,从历史通信信号信息中提取各历史路径节点对应的历史信号信息,生成对应于历史路径节点的概要信息,并将概要信息与常用移动路径关联存储;
93、顺序确定模块,用于根据概要信息和/或未来信号信息,上报测量事件、触发测量流程、选择并执行小区切换或重选,以及确定测量顺序和/或小区搜索顺序的优先级;
94、其中,概要信息包括以下至少一项:各常用移动路径的各历史路径节点的信号质量统计信息、rlf事件发生的次数和/或概率、ooc事件发生的次数和/或概率、差小区事件发生的种类及对应发生的次数和/或概率、进入各节点的次数和/或概率以及平均驻留时长;同一物理小区在属于不同常用移动路径的历史路径节点中,其概要信息是相互独立存储的;
95、其中,信号质量统计信息包括:针对各常用移动路径的各历史路径节点,计算每次驻留在该节点的各类型测量值的前预设次数的平均值并记录,并对多次驻留对应的平均值进行滑动窗口平均或无限冲激响应iir滤波;以及,计算每次驻留在该节点的各测量值高于各预设阈值的次数和/或概率并记录,并对多次驻留对应的次数和/或概率进行滑动平均或iir滤波;
96、测量值包括参考信号接收功率rsrp及信号与干扰加噪声比sinr;差小区事件包括:单次驻留期间,小区的测量值高于预设阈值的次数低于预设次数阈值的事件,小区的测量值高于预设阈值的概率低于预设概率阈值的事件,小区的驻留时长低于预设时长阈值的事件,小区的信号质量参数高于预设质量阈值且资源分配量低于预设分配阈值的事件,以及网络注册被拒的事件。
97、在一种可能的实施方式中,该装置还包括:筛选模块、优先级分配模块、阈值确定模块、禁止模块、修正模块、和规避模块。
98、筛选模块,用于当执行小区搜索、小区选择、无线链路重建或无线链路建立时,若在同一无线接入技术rat及频点上检测到一个或多个小区,则从一个或多个小区中筛选出:与常用移动路径相匹配的路径片段之后的连续节点对应的候选小区,和/或与预测的未来路径节点对应的候选小区;
99、优先级分配模块,用于根据各候选小区的物理小区标识pci及概要信息和/或未来信号信息,为检测到的多个小区分配尝试驻留优先级或接入优先级;
100、阈值确定模块,用于若任一候选小区对应的概要信息和/或未来信号信息指示该候选小区发生差小区事件的概率大于第一预设阈值,则确定与发生差小区事件的概率正相关的第二预设阈值;
101、禁止模块,用于生成0至1区间内的均匀分布随机数,并在随机数小于第二预设阈值时,禁止发起针对该候选小区的驻留或接入;其中,第二预设阈值与发生差小区事件的概率正相关,使得对应的候选小区被禁止驻留或接入的概率与发生差小区事件的概率正相关。
102、修正模块,用于若当前驻留或接入的小区检测到当前发生拥塞差小区事件,或其对应的未来信号信息指示当前小区发生拥塞差小区事件的概率大于第三预设阈值,则对当前驻留或接入的小区和/或检测到的邻区的信号测量值进行修正;
103、规避模块,用于基于修正后的信号测量值触发小区重选或小区切换,以主动逃离当前小区。
104、在一种可能的实施方式中,该装置还包括:存储设置模块、数据写入模块、偏移生成模块和持久化存储模块。
105、存储设置模块,用于设置长度为n的循环缓冲区,其中n为正整数,循环缓冲区用于临时存储在线采集的通信信号采样;
106、数据写入模块,用于将所采集的通信信号采样按时间顺序依次写入循环缓冲区,并在写入数据量超过n时,以新数据覆盖最早写入的数据;
107、偏移生成模块,用于当检测到预设事件时,启动随机数生成器生成整数偏移量m,其中,m大于或等于n,且小于或等于n-1-m,n和m为预设的非负整数缓冲值;
108、持久化存储模块,用于在检测到预设事件之后,继续采集并写入m个通信信号采样至循环缓冲区,并从当前写入位置回溯,提取循环缓冲区中连续的n个历史采样,并将所提取的n个历史采样保存至持久化存储介质;
109、其中,预设事件包括:rlf事件、ooc事件或测量报告触发事件中的至少一项。
110、在一种可能的实施方式中,该装置还包括:历史路径获取模块、异常识别模块、局部片段提取模块和局部片段存储模块。
111、历史路径获取模块,用于获取用户终端的完整历史移动路径,完整历史移动路径包含按时间顺序排列的多个路径节点;
112、异常识别模块,用于识别多个路径节点中发生通信质量异常的目标路径节点;
113、局部片段提取模块,用于确定目标路径节点在完整历史移动路径中的位置,并提取包含目标路径节点、以及位于目标路径节点之前的第一预设数量个路径节点和位于目标路径节点之后的第二预设数量个路径节点的局部路径片段;
114、局部片段存储模块,用于将局部路径片段及其对应的信号信息作为历史通信信号信息进行存储。
115、第三方面,本技术提供一种电子设备,包括:处理器,以及与处理器通信连接的存储器。
116、存储器存储计算机执行指令。
117、处理器执行存储器存储的计算机执行指令,用于实现第一方面 技术实现要素: 的一种增强用户终端移动性的方法。
118、第四方面,本技术提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时,用于实现第一方面发明内容的一种增强用户终端移动性的方法。
119、第五方面,本技术提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时,用于实现第一方面发明内容的一种增强用户终端移动性的方法。
120、第六方面,本技术提供一种芯片,芯片包括至少一个处理器,处理器用于执行程序指令以实现第一方面发明内容的一种增强用户终端移动性的方法。
121、本技术在上述各方面提供的实现方式的基础上,还可以进行进一步组合以提供更多实现方式。
122、本技术提供的一种增强用户终端移动性的方法及设备,通过获取用户终端的历史通信信号信息与实时通信信号信息,并基于二者联合预测至少一个未来路径节点和/或未来信号信息,从而提前预判用户终端经历的网络覆盖变化趋势。由于历史路径节点序列及序列中各历史路径节点对应的历史信号信息反映了用户终端的实际移动轨迹和信号环境演化规律,结合当前信息可有效提升对未来信号信息的预测准确性。在此基础上,用户终端能够前瞻性地触发和优化测量邻区信号、上报测量事件、切换小区、重选小区、执行小区搜索、小区选择、无线链路重建或无线链路建立等移动性操作。由此,可以避免因滞后决策或测量与搜网顺序不佳导致的切换失败、连接中断、重建延迟或建链延迟,显著提升了移动过程中的连接连续性、切换成功率与用户体验。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com