CN106993304B - 超级小区故障监控方法、可存储介质及处理器 - Google Patents

Abstract

本发明提供一种超级小区故障监控方法、可存储介质及处理器。其中，超级小区故障监控方法包括，在超级小区合并之前，采集系统中各小区的MR数据的下行信号信息，并根据该下行信号信息确定第一小区的关联小区第二小区；在将第一小区合并为超级小区后，采集系统内各小区的MR数据的下行信号信息，根据采集到的各小区MR数据的下行信号信息计算超级小区与第二小区的关联度，当超级小区与第二小区的关联度小于第二小区所设定的门限值时，判定第一小区出现故障。本发明提供的方法，可实现对超级小区中网元故障的监控。

Description

超级小区故障监控方法、可存储介质及处理器

技术领域

本发明涉及一种超级小区故障监控方法、可存储介质及处理器，属于通信技术领域。

背景技术

移动通信系统由近似蜂窝状部署的多个基站共同为用户提供连续的语音与数据业务服务。网络结构的复杂性往往造成了难以消除的干扰问题。超级小区是将原有的若干个小区合并成为一个小区的技术，降低了网络结构的复杂度，也就降低了网内干扰的程度，减少了小区间切换，改善了用户的语音和数据业务体验，例如，在高铁等高速运动的场景下，从而减少了由于频繁切换小区导致的掉线问题，提升了用户体验。

在现有技术中，对小区故障的监测，一般是通过话务量、流量变化来实现的。具体来说，当一个小区在一定时间段内出现明显零话务量和零流量时，可以高度怀疑该小区出现了故障。而超级小区是由多个小区合并而成，原有的多个小区对应了多套网元，其中原有的某个或者多个小区的网元出现故障时，由于其他的原有小区很可能还在正常工作，因此话务量和流量并不会出现断崖式的下降，网络的关键性能指标(KPI，Key PerformanceIndicator)也不会出现严重的劣化，因此，后台就不会认为超级小区有故障发生。

但是，超级小区下的部分网元可能会出现很多隐性故障，如耦合器件的老化造成的性能下降、连接件的性能下降、天线的性能老化，以及室分环境下监测设备功能的缺位等问题，这些在现有的小区故障监控方法中均不能及时被发现。

发明内容

本发明提供一种超级小区故障监控方法、可存储介质及处理器，以解决现有技术中存在的无法监控超级小区中网元故障的问题。

根据本发明的一些实施例，提供一种超级小区故障监控方法，在超级小区合并之前，采集第一预设时间段内系统中各小区的MR数据的下行信号信息；根据采集到的各小区的MR数据的下行信号信息，计算待合并为超级小区的第一小区与第二小区之间的关联度，当所述第二小区与所述超级小区的关联度大于第一阈值时，将所述第二小区设置为所述第一小区的关联小区；其中，所述第二小区为非合并小区；在超级小区合并之后，采集第二预设时间段内系统中超级小区和其他小区的MR数据下行信号信息；根据采集到的超级小区和其他小区的MR数据下行信号信息，计算所述超级小区与所述第二小区的关联度，当所述第二小区与所述超级小区的关联度小于所述第二小区所设定的门限值时，则判定所述第一小区出现故障。

上述超级小区故障监控方法的进一步改进，在超级小区合并之前，根据采集到的各小区的MR数据的下行信号信息，计算待合并小区与其他非合并小区的关联度，当某个非合并小区与第一小区的关联度大于所述第一阈值时，将该非合并小区也设置为所述第一小区的关联小区；在超级小区合并之后，根据采集到的超级小区和其他小区的MR数据下行信号信息，计算所述超级小区与所述第一小区的其他关联小区的关联度，当所述第一小区的每一个关联小区与所述超级小区的关联度均小于各自设定的门限值时，判定所述第一小区出现故障。

上述超级小区故障监控方法的进一步改进，计算所述第一小区与所述第二小区之间的关联度，包括：当第一小区作为主服务小区时，统计所述第一小区记录的MR数据下行信号信息中所述第二小区出现的个数或者出现的比例；根据所述第一小区记录的MR数据下行信号信息中所述第一小区出现的个数确定所述第一小区与该某个非合并小区之间的关联度；或者，当所述第二小区作为主服务小区时，统计所述第二小区记录的MR数据下行信号信息中所述第一小区出现的个数或者出现的比例；根据所述第二小区记录的MR数据下行信号信息中所述第一小区出现的个数确定所述第一小区与所述第二小区之间的关联度。

上述超级小区故障监控方法的进一步改进，统计所述第一小区记录的MR数据下行信号信息中所述第二小区出现的个数，包括：统计信号强度，和/或，信干比大于第二阈值的所述第二小区在所述第一小区记录的MR数据下行信号信息中出现的个数；或者，统计所述第一小区记录的MR数据下行信号信息中所述第二小区出现的比例，包括：统计信号强度，和/或，信干比大于第二阈值的所述第二小区在所述第一小区记录的MR数据下行信号信息中出现的比例。

上述超级小区故障监控方法的进一步改进，统计所述第二小区记录的MR数据下行信号信息中所述第一小区出现的个数，包括：统计信号强度，和/或，信干比大于第二阈值的所述第一小区在所述第二小区记录的MR数据下行信号信息中出现的个数；或者，统计所述第二小区记录的MR数据下行信号信息中所述第一小区出现的比例，包括：统计信号强度，和/或，信干比大于第二阈值的所述第一小区在所述第二小区记录的MR数据下行信号信息中出现的比例。

上述超级小区故障监控方法的进一步改进，计算所述超级小区与所述第二小区的关联度，包括：当所述超级小区作为主服务小区时，统计所述超级小区记录的MR数据下行信号信息中所述第二小区出现的个数；根据所述第一小区记录的MR数据下行信号信息中所述第二小区出现的个数确定所述第一小区与所述第二小区之间的关联度；或者，当所述第二小区作为主服务小区时，统计所述第二小区记录的MR数据下行信号信息中所述超级小区出现的个数或出现的比例；根据所述第二小区记录的MR数据下行信号信息中所述超级小区出现的个数确定所述超级小区与所述第二小区之间的关联度。

上述超级小区故障监控方法的进一步改进，统计所述超级小区记录的MR数据下行信号信息中所述第二小区出现的个数，包括：统计信号强度，和/或，信干比大于第二阈值的所述第二小区在所述超级小区记录的MR数据下行信号信息中出现的个数；或者，统计所述超级小区记录的MR数据下行信号信息中所述第二小区出现的比例，包括：统计信号强度，和/或，信干比大于第二阈值的所述第二小区在所述超级小区记录的MR数据下行信号信息中出现的比例。

上述超级小区故障监控方法的进一步改进，统计所述第二小区记录的MR数据下行信号信息中所述超级小区出现的个数，包括：统计信号强度，和/或，信干比大于第二阈值的所述超级小区在所述第二小区记录的MR数据下行信号信息中出现的个数；或者，统计所述第二小区记录的MR数据下行信号信息中所述超级小区出现的比例，包括：统计信号强度，和/或，信干比大于第二阈值的所述超级小区在所述第二小区记录的MR数据下行信号信息中出现的比例。

根据本发明的一些实施例，提供一种可存储介质，所述可存储介质存储有用于执行权上述超级小区故障监控方法的指令集。

根据本发明的一些实施例，提供一种处理器，包括：处理芯片以及上述可存储介质。

本发明提供的超级小区故障监控方法，可以实现对超级小区中网元(也即用于合并超级小区的小区)故障的监控。

附图说明

图1为本发明实施例提供的超级小区故障监控方法的流程示意图；

图2为本发明实施例提供的可存储介质的结构示意图；

图3为本发明实施例提供的处理器的结构示意图。

图中：

100、处理器；110、可存储介质；111、可存储介质。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，本发明不局限于下述的具体实施方式。

应当理解的是，下面的实施例并不限制本发明所保护的方法中各步骤的执行顺序。本发明的方法的各个步骤在不相互矛盾的情况下能够以任意可能的顺序并且能够以循环的方式来执行。

图1为本实施例提供的超级小区故障监控方法的流程示意图。如图1所示，本实施例提供的监控方法，包括：

S101、在超级小区合并之前，采集第一预设时间段内系统中各小区的MR数据的下行信号信息。

具体来说，MR(Measurement Report，测量报告)数据是网络侧获得终端无线信息的主要手段，主要包含两个部分：上行信号信息以及下行信号信息。上述MR数据可以是周期性的也可以是事件性的，但是，无论是周期性的MR数据、或者事件性的MR数据、或者二者的综合性数据在本实施例中均适用。下行信号信息由网络终端测量采集，通过Um接口的Measurement Report信令上报给网络；上行信号信息由网络侧的BTS(基站收发信台)测量采集。BTS汇总上下行信号信息后通过MR上报给BSC，由BSC处理并监控用户的无线情况，在必要时通过切换来维持较好的通话服务。下行信号信息中包括：服务小区的电平强度、质量，手机当前的发射功率，DTX使用状况，最强的六个邻区的信号强度和BSIC等；上行信号信息中包括：手机上行的电平强度、质量，BTS当前的发射功率，DTX使用状况，TA值。

以系统中包括a1、a2、a3、B1、B2、B3、C1、C2和D1小区为例，其中a1、a2和a3小区用来合并成超级小区A。那么，在合并之前，采集系统中a1、a2、a3、B1、B2、B3、C1、C2和D1小区的MR数据，当然，这些数据包括上行信号信息和下行信号信息，在本实施例中，只使用下行信号信息。并且，由于MR数据是按照一定周期上报的，因此，每个小区在一定时间段(也即第一预设时间段)内可以获得多个MR数据，这些MR数据将用于计算B1、B2、B3、C1、C2和D1小区与a1、a2和a3小区之间的关联度(以下将详述)，例如，B1、B2和B3小区与a1小区的关联度，或者C1、C2小区与a2小区的关联度，或者D1小区与a3小区的关联度，或者其中的任意两个，或者全部三个。应该理解，上述各个小区的组合方式只是用于举例，并不是对本实施例中技术方案的限制，例如，在一些实施例中，也可以是计算B2、C1和D1小区与a1小区的关联度。

S102、根据采集到的各小区的MR数据的下行信号信息，计算待合并为超级小区的第一小区与第二小区之间的关联度，当所述第二小区与所述超级小区的关联度大于第一阈值时，将所述第二小区设置为所述第一小区的关联小区；其中，所述第二小区为非合并小区。

具体来说，继续以上述系统为例，在一些实施例中，可以是使用上述步骤中采集到的各个小区的MR数据的下行信号信息来分别计算出a1小区和B1、B2、和B3小区的关联度Γa1B1，Γa1B2，Γa1B3。需要说明的是，在计算Γa1B1，Γa1B2，Γa1B3时，可以仅计算其中一个，也可以计算其中的至少一个，在此对其计算数量不进行限定。

例如，在某些实施例中，可以统计作为主服务区的a1小区记录的MR数据中下行信号信息中某个邻区，比如，B1小区，出现的个数来计算a1小区和B1小区的关联度Γa1B1，其公式如下所示：

Γa1B1＝一定时间段内a1小区作为主服务小区所记录的MR数据中下行信号信息包含B1小区的个数。

或者，也可以统计作为主服务区的a1小区记录的MR数据中下行信号信息中B1小区出现的比例来计算a1小区和B1小区的关联度Γa1B1，其公式如下所示：

Γa1B1＝一定时间段内a1小区作为主服务小区所记录的MR数据中下行信号信息包含B1小区下行测量值的个数÷该时间段内a1小区所记录的MR数据的总个数×100％。

在另一些实施例中，可以统计作为主服务区的B1小区记录的MR数据中下行信号信息中a1小区出现的个数，来计算a1小区和B1小区的关联度，其公式如下所示：

Γa1B1＝一定时间段内B1小区作为主服务小区所记录的MR数据中下行信号信息包含a1小区的个数。

或者，也可以统计作为主服务区的B1小区记录的MR数据中下行信号信息中a1小区出现的比例来计算a1小区和B1小区的关联度Γa1B1，其公式如下所示：

Γa1B1＝一定时间段内B1小区作为主服务小区所记录的MR数据中下行信号信息包含a1小区下行测量值的个数÷该时间段内b1小区所记录的MR数据的总个数×100％。

进一步，当a1小区和B1小区的关联度Γa1B1大于第一阈值，例如，τ1时，则将该B1小区设置成为a1小区的关联小区。同理的，可以计算a1小区和B2小区的关联度Γa1B2,以及a1小区和B3小区的关联度Γa1B3，并判断B2小区以及B3小区是否为a1小区的关联小区，如果是，则a1小区的关联小区构成一个关联小区集合，例如关联小区集合{B1、B2、B3}。可以理解的是，a1的关联小区集合可以包括一个、多个或者没有小区。此外，可以用同样的方法获得a2小区的关联小区{C1、C2}，或者获得a3小区的关联小区{D1}，或者这二者。

需要说明的是，在不同的基站系统中，由于覆盖方向和覆盖责任范围的不同，超级小区A中的组成部分a1,a2,a3能够接受到B1小区的信号也存在着一定的差异，例如，在某些系统中，只有a1小区能够接收到B1小区的信号；在另一些系统中，除了a1小区能够接收到B1小区的信号之外，a2和a3小区中也至少有一个也可以接收到B1小区的信号，只是a2和a3所接收到B1小区的信号会比较弱。

因此，可选地，在一些实施例中，为了进一步提高超级小区故障监控的精度，在确定B1小区与a1、a2、a3小区的关联度时，也可以只对a1小区、a2小区以及a3小区作为主服务小区所记录的MR数据中下行信号信息里面B1小区的信号强度,或者信干比，或者这二者大于第二阈值的个数进行计数。例如，在一些实施例中，第二阈值可以是信号强度，这个信号强度例如可以是-75～-90dBm；或者第二阈值也可以是信干比，这个信干比例如可以是0～10dB。同理的，也可以只对B1小区所记录的MR数据中下行信号信息里面a1小区、a2小区以及a3小区的信号强度,或者信干比，或者这二者大于第二阈值的个数进行计数。通过上述方法，可以排除B1小区与a1、a2这样的交互信号比较弱的小区成为关联小区，从而获得信号质量比较好，对反应小区质量更有意义的邻区作为关联小区，以提高报警准确度。

S103、在超级小区合并之后，采集第二预设时间段内系统中超级小区和其他小区的MR数据下行信号信息。

具体的，继续以上述系统为例，在将a1、a2和a3小区合并成超级小区A后，继续采集系统中包括超级小区A在内的各个小区的MR数据，也即是采集超级小区A、B1、B2、B3、C1、C2和D1小区的MR数据。可以理解，此时采集到的MR数据也包括上行信号信息和下行信号信息，并且在一定时间段内(也即第二预设时间段)可以采集到每个小区的多个MR数据。这些MR数据将用于计算超级小区A和合并为超级小区的各小区(a1、a2、a3)与其各自的关联小区的关联度(以下将详述)，例如，计算超级小区A和a1的关联小区{B1、B2、B3}的关联度，或者超级小区A和a2的关联小区{C1、C2}的关联度，或者超级小区A和a3的关联小区{D1}的关联度，或者其中两者，或者全部三者。

S104、根据采集到的超级小区和其他小区的MR数据下行信号信息，计算所述超级小区与所述第二小区的关联度，当所述第二小区与所述超级小区的关联度小于所述第二小区所设定的门限值时，则判定所述第一小区出现故障。

继续以上述系统为例，在一些实施例中，可以是使用上述步骤中采集到的包括超级小区A在内的各个小区的MR数据的下行信号信息来分别计算出超级小区A和a1小区的关联小区B1、B2和B3之间关联度ΠAB1、ΠAB2和ΠAB3。

例如，在某些实施例中，可以统计作为主服务小区的超级小区A记录的MR数据中下行信号信息中的某个关联小区(例如，B1小区)出现的个数，来计算超级小区A和B1小区的关联度ΠAB1，其公式如下所示：

ΠAB1＝一定时间段内超级小区A作为主服务小区所记录的MR数据中下行信号信息包含B1小区的个数。

或者，也可以统计作为主服务区的超级小区A记录的MR数据中下行信号信息中B1小区出现的比例来计算a1小区和B1小区的关联度ΠAB1，其公式如下所示：

ΠAB1＝一定时间段内超级小区A作为主服务小区所记录的MR数据中下行信号信息包含B1小区下行测量值的个数÷该时间段内超级小区A所记录的MR数据的总个数×100％。

在另一些实施例中，可以统计作为主服务区的B1小区记录的MR数据中下行信号信息中超级小区A出现的数量或者出现的比例，来计算超级小区A和B1小区的关联度，其公式如下所示：

ΠAB1＝一定时间段内B1小区作为主服务小区所记录的MR数据中下行信号信息包含超级小区A的个数。

或者，也可以统计作为主服务区的B1小区记录的MR数据中下行信号信息中超级小区A出现的比例来计算a1小区和B1小区的关联度ΠAB1，其公式如下所示：

ΠAB1＝一定时间段内B1小区作为主服务小区所记录的MR数据中下行信号信息包含超级小区A下行测量值的个数÷该时间段内b1小区所记录的MR数据的总个数×100％。

同理的，可以计算超级小区A和B2小区的关联度ΠAB2,以及超级小区A和B2小区的关联度ΠAB3，并分别与a1小区每个关联小区各自设定的门限值进行比较，以判定a1小区是否出现故障。具体来说，是比较超级小区A和a1小区的关联小区的关联度是否小于各自关联小区所设定的门限值。

一般来说，如果a1小区出现故障时，ΠAB1、ΠAB2和ΠAB3会出现相同的下降趋势，因此，可选地，在一些实施例中，当ΠAB1小于B1小区所设定的门限值；ΠAB2小于B2小区所设定的门限值；并且，ΠAB3小于B3小区所设定的门限值时，判定a1小区出现故障。

但以上判定策略并不是对本方案的具体限定，在实际使用中还可以选择其他一些控制策略。例如，在某些实施例中，可以当其中有一个关联小区与超级小区的关联度小于该关联小区所设定的门限值时，就判定a1小区出现故障。例如，当ΠAB1小于B1小区所设定的门限值时，则判定a1小区出现故障；或者，当ΠAB2小于B2小区所设定的门限值时，则判定a1小区出现故障；又或者，当ΠAB3小于B3小区所设定的门限值时，则判定a1小区出现故障。在另一些实施例中，也可以选择介于一个和全部之间的其他控制策略，例如，当ΠAB1小于B1小区所设定的门限值；并且，ΠAB3小于B3小区所设定的门限值时，才判定a1小区出现故障。

另外，基于以上描述的，在不同的基站系统中，由于覆盖方向和覆盖责任范围的不同，超级小区A中的组成部分a1,a2,a3能够接受到B1小区的信号也存在着一定的差异，因此，在设定门限值时，可以作如下的区分：

当系统中只有a1小区能够接收到B1小区的信号时：如果ΠAB1取为一定时间段内超级小区A作为主服务小区所记录的MR数据中下行信号信息包含B1小区的个数，而Γa1B1取为一定时间段内小区a1作为主服务小区所记录的MR数据中下行信号信息包含B1小区的个数,那么ΠAB1的取值小于Γa1B1。如果ΠAB1取为作为主服务区的超级小区A记录的MR数据中下行信号信息中B1小区出现的比例，而Γa1B1取为作为主服务区的小区a1记录的MR数据中下行信号信息中B1小区出现的比例,那么ΠAB1的取值小于Γa1B1。

当系统中除了a1小区能够接收到B1小区的信号之外，还有a2小区、或者a3小区、或者这两者可以接收到B1小区的信号时：如果ΠAB1取为一定时间段内超级小区A作为主服务小区所记录的MR数据中下行信号信息包含B1小区的个数，而Γa1B1取为一定时间段内小区a1作为主服务小区所记录的MR数据中下行信号信息包含B1小区的个数,那么ΠAB1的取值可以小于、等于、或者是大于Γa1B1。应当理解，在这种情况时，ΠAB1虽然大于Γa1B1，但其取值也应该是稍微大于Γa1B1(例如，ΠAB1可以为Γa1B1的1-1.3倍)，以避免取值过大时，系统始终报警的情况出现。如果ΠAB1取为作为主服务区的超级小区A记录的MR数据中下行信号信息中B1小区出现的比例，而Γa1B1取为作为主服务区的小区a1记录的MR数据中下行信号信息中B1小区出现的比例,那么ΠAB1的取值小于Γa1B1(例如，ΠAB1可以为Γa1B1的0.8-1倍)。

可选地，为了避免在设置门限值时需要进行上述区分，可以通过以下方法来排除a2小区、a3小区对于B1小区的影响：

在对一定时间段内超级小区A作为主服务小区所记录的MR数据中下行信号信息包含B1小区的个数进行计数时，可以只对MR数据中下行信号信息里面B1小区的信号强度,或者信干比，或者这二者大于第二阈值的个数进行计数，也即对小于该预设阈值的不进行计数。例如，在一些实施例中，第二阈值可以是信号强度，这个信号强度可以是-75～-90dBm；或者第二阈值也可以是信干比，这个信干比可以是0～10dB。通过信号强度、信干比的阈值设定来排除超级小区中信号质量较差的信息，可以使得门限值的设定更加精确。

相应的，ΠAB2与Γa1B2之间，或者ΠAB3与Γa1B3之间，或者这二者也可以做类似ΠAB1和Γa1B1的设置。

同理，如果ΠAB1取为一定时间段内B1小区作为主服务小区所记录的MR数据中下行信号信息包含超级小区A下行测量值的个数，Γa1B1取为一定时间段内B1小区作为主服务小区所记录的MR数据中下行信号信息包含小区a1下行测量值的个数,可以根据实际情况使ΠAB1的取值小于、等于或者大于Γa1B1。例如，当只有a1小区能够接收到B1小区的信号时，可以使ΠAB1的取值小于Γa1B1；当系统中a1小区、a2小区和a3小区都能够接收到B1小区的信号时，可以使ΠAB1的取值稍微大于Γa1B1。而如果ΠAB1作为主服务区的B1小区记录的MR数据中下行信号信息中超级小区A出现的比例，ΠAB1作为主服务区的B1小区记录的MR数据中下行信号信息中小区a1出现的比例，那么ΠAB1的取值小于Γa1B1。并且，为了提高报警精度，也可以使用上述方法中所使用的对信号强度、或者信干比、或者这二者设定阈值的方式来对计数的小区进行控制。

同理，按照上述方法可以通过计算超级小区A与a2的关联小区C1、C2的关联度来判定a2小区是否出现故障；或者，计算超级小区A与a3的关联小区D1的关联度来判定a2小区是否出现故障。

本实施例的超级小区故障监控方法，通过MR数据中的下行信号信息来确定合并前超级小区各小区的关联小区，并在合并后计算超级小区与关联小区的关联度以判断超级小区中的各网元是否出现故障，简单方便快捷。

图2为本实施例提供的可存储介质的结构示意图。如图2所示，本实施例还提供一种可存储介质，该可存储介质存储有用于执行上述实施例所描述的超级小区故障监控方法的指令集。具体的，这些指令集可以是一个或者多个可执行程序，可以被计算机读取并执行。在本实施例中，可存储介质可以是磁盘、光盘、U盘、或者网络服务器等能够存储指令集的载体。

图3为本实施例提供的处理器的结构示意图。如图3所示，本实施例还提供一种处理器，其包括处理芯片以及上述可存储介质，处理芯片可以读取并执行可存储介质中用于执行上述超级小区故障监控方法的指令集。本实施例的处理器可以是单独的处理器，也可以是基站、运营商机房或者运行网络云平台的系统中集成的处理器。

最后应说明的是：以上实施方式仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施方式对本发明已经进行了详细的说明，但本领域的普通技术人员应当理解：其依然可以对前述实施方式所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施方式技术方案的范围。

Claims (10)

1.一种超级小区故障监控方法，其特征在于，

在超级小区合并之前，采集第一预设时间段内系统中各小区的MR数据的下行信号信息；

根据采集到的各小区的MR数据的下行信号信息，计算待合并为超级小区的第一小区与第二小区之间的关联度，当所述第二小区与所述第一小区的关联度大于第一阈值时，将所述第二小区设置为所述第一小区的关联小区；其中，所述第二小区为非合并小区；

在超级小区合并之后，采集第二预设时间段内系统中超级小区和其他小区的MR数据下行信号信息；

根据采集到的超级小区和其他小区的MR数据下行信号信息，计算所述超级小区与所述第二小区的关联度，当所述第二小区与所述超级小区的关联度小于所述第二小区所设定的门限值时，则判定所述第一小区出现故障。

2.根据权利要求1所述的超级小区故障监控方法，其特征在于，

在超级小区合并之前，根据采集到的各小区的MR数据的下行信号信息，计算待合并小区与其他非合并小区的关联度，当某个非合并小区与第一小区的关联度大于所述第一阈值时，将该非合并小区也设置为所述第一小区的关联小区；

在超级小区合并之后，根据采集到的超级小区和其他小区的MR数据下行信号信息，计算所述超级小区与所述第一小区的其他关联小区的关联度，当所述第一小区的每一个关联小区与所述超级小区的关联度均小于各自设定的门限值时，判定所述第一小区出现故障。

3.根据权利要求2所述的超级小区故障监控方法，其特征在于，计算所述第一小区与所述第二小区之间的关联度，包括：

当第一小区作为主服务小区时，统计所述第一小区记录的MR数据下行信号信息中所述第二小区出现的个数或者出现的比例；

根据所述第一小区记录的MR数据下行信号信息中所述第一小区出现的个数确定所述第一小区与该某个非合并小区之间的关联度；或者，

当所述第二小区作为主服务小区时，统计所述第二小区记录的MR数据下行信号信息中所述第一小区出现的个数或者出现的比例；

根据所述第二小区记录的MR数据下行信号信息中所述第一小区出现的个数确定所述第一小区与所述第二小区之间的关联度。

4.根据权利要求3所述的超级小区故障监控方法，其特征在于，

统计所述第一小区记录的MR数据下行信号信息中所述第二小区出现的个数，包括：统计信号强度，和/或，信干比大于第二阈值的所述第二小区在所述第一小区记录的MR数据下行信号信息中出现的个数；或者，

统计所述第一小区记录的MR数据下行信号信息中所述第二小区出现的比例，包括：统计信号强度，和/或，信干比大于第二阈值的所述第二小区在所述第一小区记录的MR数据下行信号信息中出现的比例。

5.根据权利要求3所述的超级小区故障监控方法，其特征在于，

统计所述第二小区记录的MR数据下行信号信息中所述第一小区出现的个数，包括：统计信号强度，和/或，信干比大于第二阈值的所述第一小区在所述第二小区记录的MR数据下行信号信息中出现的个数；或者，

统计所述第二小区记录的MR数据下行信号信息中所述第一小区出现的比例，包括：统计信号强度，和/或，信干比大于第二阈值的所述第一小区在所述第二小区记录的MR数据下行信号信息中出现的比例。

6.根据权利要求3所述的超级小区故障监控方法，其特征在于，计算所述超级小区与所述第二小区的关联度，包括：

当所述超级小区作为主服务小区时，统计所述超级小区记录的MR数据下行信号信息中所述第二小区出现的个数；根据所述第一小区记录的MR数据下行信号信息中所述第二小区出现的个数确定所述第一小区与所述第二小区之间的关联度；或者，

当所述第二小区作为主服务小区时，统计所述第二小区记录的MR数据下行信号信息中所述超级小区出现的个数或出现的比例；根据所述第二小区记录的MR数据下行信号信息中所述超级小区出现的个数确定所述超级小区与所述第二小区之间的关联度。

7.根据权利要求6所述的超级小区故障监控方法，其特征在于，

统计所述超级小区记录的MR数据下行信号信息中所述第二小区出现的个数，包括：统计信号强度，和/或，信干比大于第二阈值的所述第二小区在所述超级小区记录的MR数据下行信号信息中出现的个数；或者，

统计所述超级小区记录的MR数据下行信号信息中所述第二小区出现的比例，包括：统计信号强度，和/或，信干比大于第二阈值的所述第二小区在所述超级小区记录的MR数据下行信号信息中出现的比例。

8.根据权利要求6所述的超级小区故障监控方法，其特征在于，

统计所述第二小区记录的MR数据下行信号信息中所述超级小区出现的个数，包括：统计信号强度，和/或，信干比大于第二阈值的所述超级小区在所述第二小区记录的MR数据下行信号信息中出现的个数；或者，

统计所述第二小区记录的MR数据下行信号信息中所述超级小区出现的比例，包括：统计信号强度，和/或，信干比大于第二阈值的所述超级小区在所述第二小区记录的MR数据下行信号信息中出现的比例。

9.一种可存储介质，其特征在于，所述可存储介质存储有用于执行权利要求1-8任一项所述的超级小区故障监控方法的指令集。

10.一种处理器，其特征在于，包括：处理芯片以及权利要求9所述的可存储介质。