CN108990089A - 移动通信网络多探测窗口联合检测分析方法 - Google Patents

Abstract

本发明公开了一种移动通信网络多探测窗口联合检测分析方法，使多探测窗口联合检测，通过探测窗口之间的相关性强弱关系建立自动适配关联，在异常事件发生前触发告警提醒或快速诊断异常事件的原因。适用于各种从量变到质变的综合过程评价、异常事件前期分析预警和异常事件的原因分析(如：无线信号、气温气压湿度、污染指标、噪音、路面平整度等)，尤其突出从浅层相关性到深层相关性量变直至异常事件质变的预先告警和异常事件后相关性回溯分析事件原因，用以解决测试数据的自动关联智能分析。本技术方案设计之初就考虑到编程的便利性，方便快速部署，大幅提高系统分析的精度和效率，适用范围广等特点。

Description

移动通信网络多探测窗口联合检测分析方法

技术领域

本发明涉及无线网络通信分析技术领域，尤其涉及一种移动通信网络多探测窗口联合检测分析方法。

背景技术

随着高速、高铁和动车的快速发展，里程数在快速增长。移动运营商努力为沿途旅客提供无线网络通信业务服务，将来随着自动驾驶的到来对网络提出更高的要求；对于高铁和动车的专网意义就更加非同一般，列车调度和控制信息已经采用无线通信系统，直接关系的铁路运行的安全。

目前国内外在分析评价高速公路和铁路等线状路线的无线网络覆盖，质量和事件等问题时多采用若干统计指标分别对整条测试线路来概括描述路段沿线的无线状况，其中的异常事件和质量缺陷问题则完全采用人工分析方式，但分析人员的能力和工作态度有不确定性，缺乏客观量化的衡量，导致分析精度不足、甚至误判。同时，现行的行业考核体系也都无法做到精细的要求，如：中国移动集团的《测试考核标准》；铁道行业标准的《铁路数字移动通信系统(GSM-R)工程检测规程》和《综合网管系统网络性能指标统计表》。

鉴于此，有必要对此进行深入分析，以研究一种具有较高精度与效率的方案。

发明内容

本发明的目的是提供一种移动通信网络多探测窗口联合检测分析方法，可以大幅提高各种制式无线通信系统分析的精度和效率。

本发明的目的是通过以下技术方案实现的：

一种移动通信网络多探测窗口联合检测分析方法，包括：

将现场测试Log文件中的数据完全解析，获得信令数据和测量数据两个部分；

对不同周期的数据与随机的采样进行逻辑分离，依据属性不同将信令数据和测量数据分成：异常事件、强相关因素和弱相关因素三个部分；所述弱相关因素持续一定时间后有一定概率将转换为强相关因素，强相关因素持续一定时间后有一定概率将转换为异常事件；

其中，异常事件触发及时窗口，实现异常事件的原因诊断；弱相关因素触发弱相关性探测窗口，对弱相关因素进行预测并分析与强相关因素的关系，同时，触发一级告警；强相关因素触发强相关性探测窗口，对强相关因素进行预测并分析与弱相关因素的关系，同时，触发二级告警。

由上述本发明提供的技术方案可以看出，通过对移动通信网络采用多探测窗口联合检测算法的分析方法，使多探测窗口联合检测，通过探测窗口之间的相关性强弱关系建立自动适配关联，最大限度在异常事件发生前触发告警提醒或快速诊断异常事件的原因。本技术方案设计之初就考虑到编程的便利性，方便快速部署，大幅提高系统分析的精度和效率，尤其日常全面分析。

附图说明

为了更清楚地说明本发明实施例的技术方案，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，对于本领域的普通技术人员来讲，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附图。

图1为本发明实施例提供的一种移动通信网络多探测窗口联合检测分析方法的示意图；

图2为本发明实施例提供的一种移动通信信号通过探测窗口之间的相关性强弱关系示意图；

图3为本发明实施例提供的各因素与异常事件的关系示意图。

具体实施方式

下面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实施例，而不是全部的实施例。基于本发明的实施例，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，都属于本发明的保护范围。

本发明实施例提供一种移动通信网络多探测窗口联合检测分析方法，使多探测窗口联合检测，通过探测窗口之间的相关性强弱关系建立自动适配关联，在异常事件发生前触发告警提醒或快速诊断异常事件的原因。本技术方案设计之初就考虑到编程的便利性，方便快速部署，大幅提高系统分析的精度和效率，适用范围广等特点。

如图2所示，为本发明实施例提供的一种移动通信网络多探测窗口联合检测分析方法的示意图，其主要包括：

步骤A、测试Log文件解析和结构梳理。

步骤A1、将现场测试Log文件中的数据完全解析，获得信令数据和测量数据两个部分。

本发明实施例中，所述信令数据经纬度对应同步，测量数据与时间对应同步。

步骤A2、对不同周期的数据与随机的采样进行逻辑分离，依据属性不同信令数据和测量数据分成：异常事件、强相关因素和弱相关因素三个部分。

本发明实施例中，测量数据中有强、弱相关因素，信令数据则用于判断是否存在异常事件。

如图2-3所示，无线信号中断的前奏往往伴随弱相关特征转为强相关特征直至异常事件发生；即，所述弱相关因素(又称“间接原因”)持续一定时间后有一定概率将转换为强相关因素，强相关因素(又称“直接原因”)持续一定时间后有一定概率将转换为异常事件；探测窗口就是强相关性、弱相关性、异常事件的范围区间。图3中的周期480ms是指GSMR无线系统的周期测量报告发送的事件间隔，通过不间断的测量，使系统确认无线通道可用。

示例性的，弱相关因素包括覆盖电平的大小等，强相关因素包括信噪比的大小等，异常事件的参考指标可以是误码率的大小，可能导致的异常事件主要包括：接入失败、信道分配时延过大、呼叫重建、救援性切换、切换失败、信道编码降级、异常释放以及释放延时中的任一种。

步骤A3、依据属性不同将测量数据进行划分后，还通过异常事件之间因果强弱关系(强、弱相关因素为因，异常事件为果)，和触发判决时长，划分各自的分析区域。此处的触发判决时长可以理解为相应的强、弱相关因素持续时间，分析区域也即探测范围。

本发明实施例中，异常事件触发及时窗口，实现异常事件的原因诊断(转入步骤B)；弱相关因素触发弱相关性探测窗口，对弱相关因素进行预测并分析与强相关因素的关系(转入步骤D)，同时，触发一级告警；强相关因素触发强相关性探测窗口，对强相关因素进行预测并分析与弱相关因素的关系(转入步骤C)，同时，触发二级告警。

步骤B、异常事件触发及时窗口，实现异常事件的原因诊断。

步骤B1、对于触发及时窗口的异常事进行标记，并进行回溯分析，来确定与强相关因素及弱相关因素的相关性。

步骤B2、触发强相关因素回溯分析，从而分析该异常事件与强相关因素之间的关系，并依据分析结果修正相应的相关性模型。

步骤B3、触发弱相关因素的回溯分析，从而分析该异常事件与弱相关因素之间的关系，并依据分析结果修正相应的相关性模型。

步骤C、强相关因素触发强相关性探测窗口，对强相关因素进行预测并分析与弱相关因素的关系。

步骤C1、基于判决模型来确定当前强相关因素是否触发强相关性探测窗口，若是，则将当前强相关因素与相关性模型的进行统计分析，并触发二级告警，同时，再执行步骤C2与步骤C3进行异常事件预警分析，以及弱相关因素回溯分析。

步骤C2、判断由当前强相关因素导致的异常事件发生的可能性，判断结果作为相关性模型学习的记录。

步骤C3、回溯弱相关因素和相应门限的偏差，推断结果作为相关性模型学习的记录。

本发明实施例中，结合记录结果对相关性模型进行修正。

步骤D、弱相关因素触发弱相关性探测窗口，对弱相关因素进行预测并分析与强相关因素的关系。

步骤D1、基于判决模型来确定当前弱相关因素是否触发弱相关性探测窗口，若是，则将当前弱相关因素与相关性模型的进行统计分析，并触发一级告警，同时，再执行步骤D2与步骤D3进行异常事件预警分析，以及强相关因素预警分析。

步骤D2、判断由当前弱相关因素导致的异常事件发生的可能性，判断结果作为相关性模型学习的记录。

步骤D3、推断强相关因素和相应门限的偏差，推断结果作为相关性模型学习的记录。

本发明实施例中，结合记录结果对相关性模型进行修正。此外上述步骤D3实际上是预测弱相关因素(间接原因)触发门限(即判决模型)，和预测异常事件的概率关系分析。

本领域技术人员可以理解，强、弱相关因素触发相应探测窗口时所涉及的判决模型，需要根据待检测分析的区段周围环境来调节的，周围环境的复杂程度、干扰程度影像判决模型中门限值的大小。

本发明实施例上述方案，适用于各种从量变到质变的综合过程评价、异常事件前期分析预警和异常事件的原因分析(如：无线信号、气温气压湿度、污染指标、噪音、路面平整度等)，用以解决测试数据的自动关联智能分析，大幅提升分析精度和工作效率；尤其突出从浅层相关性到深层相关性量变直至异常事件质变的预先告警和异常事件后相关性回溯分析事件原因。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.一种移动通信网络多探测窗口联合检测分析方法，其特征在于，包括：

将现场测试Log文件中的数据完全解析，获得信令数据和测量数据两个部分；

对不同周期的数据与随机的采样进行逻辑分离，依据属性不同将信令数据和测量数据分成：异常事件、强相关因素和弱相关因素三个部分；所述弱相关因素持续一定时间后有一定概率将转换为强相关因素，强相关因素持续一定时间后有一定概率将转换为异常事件；

其中，异常事件触发及时窗口，实现异常事件的原因诊断；弱相关因素触发弱相关性探测窗口，对弱相关因素进行预测并分析与强相关因素的关系，同时，触发一级告警；强相关因素触发强相关性探测窗口，对强相关因素进行预测并分析与弱相关因素的关系，同时，触发二级告警。

2.根据权利要求1所述的一种移动通信网络多探测窗口联合检测分析方法，其特征在于，所述异常事件包括：接入失败、信道分配时延过大、呼叫重建、救援性切换、切换失败、信道编码降级、异常释放以及释放延时中的任一种。

3.根据权利要求1所述的一种移动通信网络多探测窗口联合检测分析方法，其特征在于，依据属性不同将信令数据和测量数据进行划分后，还通过异常事件之间因果强弱关系，和触发判决时长，划分各自的分析区域。

4.根据权利要求1所述的一种移动通信网络多探测窗口联合检测分析方法，其特征在于，所述异常事件触发及时窗口，实现异常事件的原因诊断包括：

对于触发及时窗口的异常事进行标记，并进行回溯分析，来确定与强相关因素及弱相关因素的相关性；

其中，触发强相关因素与弱相关因素的回溯分析，从而分析该异常事件与强相关因素及弱相关因素之间的关系，并依据分析结果修正相应的相关性模型。

5.根据权利要求1所述的一种移动通信网络多探测窗口联合检测分析方法，其特征在于，弱相关因素触发弱相关性探测窗口，对弱相关因素进行预测并分析与强相关因素的关系包括：

弱相关因素包括覆盖电平的大小，基于判决模型来确定当前弱相关因素是否触发弱相关性探测窗口，若是，则将当前弱相关因素与相关性模型的进行统计分析，并触发一级告警，之后判断由当前弱相关因素导致的异常事件发生的可能性，判断结果作为相关性模型学习的记录；同时，推断强相关因素和相应门限的偏差，推断结果作为相关性模型学习的记录；结合记录结果对相关性模型进行修正。

6.根据权利要求1所述的一种移动通信网络多探测窗口联合检测分析方法，其特征在于，强相关因素触发强相关性探测窗口，对强相关因素进行预测并分析与弱相关因素的关系包括：

强相关因素包括信噪比的大小，基于判决模型来确定当前强相关因素是否触发强相关性探测窗口，若是，则将当前强相关因素与相关性模型的进行统计分析，并触发二级告警，之后判断由当前强相关因素导致的异常事件发生的可能性，判断结果作为相关性模型学习的记录；同时，回溯弱相关因素和相应门限的偏差，推断结果作为相关性模型学习的记录；结合记录结果对相关性模型进行修正。