CN107360048A - 节点性能评估方法、装置和系统 - Google Patents
节点性能评估方法、装置和系统 Download PDFInfo
- Publication number
- CN107360048A CN107360048A CN201610301196.7A CN201610301196A CN107360048A CN 107360048 A CN107360048 A CN 107360048A CN 201610301196 A CN201610301196 A CN 201610301196A CN 107360048 A CN107360048 A CN 107360048A
- Authority
- CN
- China
- Prior art keywords
- vector
- data
- network node
- mrow
- worst
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 218
- 238000012360 testing method Methods 0.000 claims abstract description 116
- 238000004891 communication Methods 0.000 claims abstract description 53
- 238000010606 normalization Methods 0.000 claims abstract description 46
- 238000012549 training Methods 0.000 claims abstract description 45
- 230000003247 decreasing effect Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 33
- 241001269238 Data Species 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000000052 comparative effect Effects 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 7
- 238000007619 statistical method Methods 0.000 abstract description 7
- 230000006399 behavior Effects 0.000 description 29
- 230000006870 function Effects 0.000 description 21
- 238000012544 monitoring process Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
- H04L43/065—Generation of reports related to network devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/26—Monitoring; Testing of receivers using historical data, averaging values or statistics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
- H04L43/062—Generation of reports related to network traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
- H04L43/067—Generation of reports using time frame reporting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
- H04L43/0829—Packet loss
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/80—Responding to QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
- H04L43/0829—Packet loss
- H04L43/0835—One way packet loss
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Environmental & Geological Engineering (AREA)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种节点性能评估方法、装置和系统,该方法包括:收集网络节点的实时通信相关信息,得到该网络节点的测试数据:利用预先得到的最佳数据向量和最差数据向量对预定时间段内的该测试数据进行归一化处理,得到该测试数据在该时间段内的归一化多维向量;对该测试数据在该时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。本发明实施例,通过收集无线网络中网络节点的实时通信相关信息,对收集到的信息进行统计分析,进而通过对比训练数据和测试数据的方法进行节点性能评估,为网络服务提供商进行网络优化提供了参考依据。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种节点性能评估方法、装置和系统。
背景技术
物联网已经成为业务变革的强大力量,其颠覆性的影响在各行业和社会的各个领域都能感受到。物联网中的实体通常包括传感器设备、网关、网络、云、和应用等。
随着技术的不断增长以及对无线局域网(WIFI)、无线个域网(Zigbee),蓝牙(Bluetooth)等其他短距离无线网络的依赖性的增加,用户开始需要从无线网络中得到可靠性、性能、可扩展性和无处不在的覆盖。然而,现有的传感器网络部署提供了不充分的覆盖和不可预测的性能。导致性能恶化的原因包括:密集部署、噪声和干扰,射频效应例如隐藏终端,以及介质访问控制(MAC)层局限性。与有线网络不同,无线链路很容易受到环境改变或者周围无线活动的影响。链路级和网络级的状态检测和故障诊断是运营一个物联网的重要组成部分。状态监测的一个手段是对网络中的每个节点进行性能评估。网络节点的性能涉及到许多因素,包括一些非量化的因素,从而导致网络性能评价的主观性和不确定性。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
发明人发现,无线网络的性能受到很多因素的影像,特别是那些可以被视为故障(trouble、fault)或错误(error)的因素。在所有的故障或错误中,最普遍和频繁的是与无线传输相关的那些。这些错误一般由随机衰落、低接收信号强度和干扰造成。这些根本原因在所有短距离无线网络中非常普遍。此外,IEEE 802.11,802.15.4,802.15.1等标准,都工作在非授权频段,由于多个系统会相互干扰,并且非授权频段的用户数增长迅速,一些问题,例如干扰会更加突出。并且,干扰是不可预知的,因为其经常由移动用户、其它非授权频段模块和变化的业务量产生。因此,对高效运行和管理服务而言,实时状态监测和节点性能评估是需要的。
为了解决上述问题,本发明实施例提供了一种节点性能评估方法、装置和系统,通过给无线网络中的每个设备给出一个性能评分,物联网服务提供商可以关注一些已经影响性能的问题或避免潜在问题。
根据本发明实施例的第一方面,提供了一种节点性能评估装置,其中,该装置包括:
收集单元,其收集网络节点的实时通信相关信息,得到所述网络节点在预定时间段内的测试数据,所述测试数据包括以下指标的一个或多个或任意组合:
丢包率(PDR,Packet Drop Ratio);
重传率(retry_ratio);
信道状态忙的比率(Chan_busy_ratio);
所述预定时间段内所有确认帧(ACK)的相关值的平均值(Corr_avg);
所述预定时间段内所有ACK的接收信号强度指示(RSSI,Received SignalStrength Indicator)值的平均值(Rssi_avg);
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值(Rssi_grad);
处理单元,其利用预先得到的最佳数据向量和最差数据向量对预定时间段内所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量;
确定单元,其对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。
根据本发明实施例的第二方面,提供了一种无线网络中的控制实体,其中,所述控制实体包括前述第一方面所述的故障诊断装置。
根据本发明实施例的第三方面,提供了一种通信系统,包括协调器以及与该协调器进行通信的终端设备,其中,所述通信系统还包括前述第二方面所述的控制实体。
根据本发明实施例的第四方面,提供了一种节点性能评估方法,其中,所述方法包括:
收集网络节点的实时通信相关信息,得到所述网络节点在预定时间段内的测试数据,所述测试数据包括以下指标的一个或多个或任意组合:
丢包率PDR;
重传率retry_ratio;
信道状态忙的比率Chan_busy_ratio;
所述预定时间段内所有ACK的相关值的平均值Corr_avg;
所述预定时间段内所有ACK的RSSI值的平均值Rssi_avg;以及
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值Rssi_grad;
利用预先得到的最佳数据向量和最差数据向量对所述预定时间段内的所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量;以及
对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。
本发明的有益效果在于:通过本发明实施例的方法、装置和系统,通过收集无线网络中网络节点的实时通信相关信息,对收集到的信息进行统计分析,进而通过对比训练数据和测试数据的方法进行节点性能评估,为网络服务提供商进行网络优化提供了参考依据。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。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性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是物联网前端管理系统的通用架构示意图;
图2是实施例1的节点性能评估装置的示意图;
图3是实施例1的装置的评估流程示意图;
图4是实施例1的装置所构建的数据模型的示意图;
图5是以分数作为D的模的函数的曲线图;
图6是数据点和距离的一个简单示例的示意图;
图7是实施例2的控制实体的示意图;
图8是实施例3的通信系统的示意图;
图9是实施例4的节点性能评估方法的示意图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
本发明实施例的方法能够应用于物联网、传感器网络、无线局域网(WLAN)、以及其他无线网络。在本发明实施例中,为了方便说明,使用了物联网场景中的术语,一些与规范相关的语境基于IEEE 802.15.4标准。该思想可以很容易延伸到其他无线通信系统中和其他无线标准中。
图1是物联网前端管理系统的通用架构示意图,如图1所示,网关(GW)支持从前端连接装置到后端应用分析的连接。具体的,用于各种应用和各种网络系统的前端设备具有不同的管理需求,网关为不同的设备、网络云、和客户支持提供了通用的应用程序界面(API),以满足客户的应用需求。在前端设备(包括接入点(AP)、集线器(HUB)、路由器(ROUTER)等)收集了收发机日志后,这些日志会被发送到网关。根据应用需求和分析复杂度,AP、GW、中央控制器、云、或者服务层会对每个网络设备的性能进行评分。
以下结合附图和具体实施方式对本发明实施例进行说明。
实施例1
本发明实施例提供了一种节点性能评估装置,该装置应用于无线网络中。可以应用于协调器(coordinator)、接入点(AP)、集线器(HUB)、网关、中央控制器、或者云端等,具体的实施环境取决于无线网络,为了方便说明,本实施例以协调器为例进行说明。
图2是该装置的示意图,如图2所示,该装置200包括:收集单元201、处理单元202和确定单元203。该收集单元201用于收集网络节点的实时通信相关信息,得到所述网络节点的测试数据。该处理单元202用于利用预先得到的最佳数据向量和最差数据向量对预定时间段内的所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量。该确定单元203用于对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。在具体实现时,该处理单元202和该确定单元203可以合并为一个计算模块。
在本实施例中,网络节点是指无线网络中的终端设备,每个网络节点的性能评估可以基于该网络节点本身的内部状态,也可以基于该网络节点和协调器之间的无线链路的状态,最终得到的分数指示了该网络节点的位置、功率水平、信道条件等。
在本实施例中,协调器是指该无线网络中起协调作用的网络实体,例如,协调器(coordinator)、接入点(AP)、集线器(HUB)等,根据无线网络的类型不同,其叫法也不一样,本实施例仅以协调器为例进行说明,但并不以此作为限制。在本实施例中,终端设备是指该无线网络中的节点,例如站点(Station)、节点(Node)等,类似的,根据无线网络的类型不同,其叫法也不一样,为了方便说明,本实施例将其统称为终端设备。
图3是该装置200的评分流程示意图,如图3所示,该流程包括:
步骤301:周期性地收集收发机日志;
在本实施例中,在检测或监测开始(时),收集单元201开始周期性地收集收发机日志,该收发机日志中即包含了网络节点的实时通信相关信息。
在本实施例中,为了评估网络节点的性能,可以选择几个收发机日志进行分析。根据在数据包通信过程中,该协调器是发射机还是接收机来决定是选择TX日志(发射机日志)还是选择RX日志(接收机日志)。例如,对于物联网服务,通常有一些固定的业务模式,例如,一些类似数据收集应用的服务需要传感器设备周期性地发送数据给协调器,在这种情况下,可以基于现有的应用数据收集RX日志。如果业务模式是其它方式,相反的,可以收集TX日志。如果业务不是周期性的,协调器可以周期性地发送一些探测包,然后基于这些探测包收集TX日志。也可以通过某种方式将TX日志和RX日志合并在一起形成综合统计数据。
步骤302:判断是否经过了预定时间段T,如果判断为是,则继续步骤303,否则回到步骤301;
步骤303:计算上一时间段T中该日志的统计数据;
在本实施例中,对于每个时间段T,处理单元202计算之前的时间段T中该日志的统计数据,得到测试数据(多维的特征向量),并通过归一化处理,得到该测试数据的归一化值。
步骤304:节点性能评分;
在本实施例中,确定单元203使用评分算法为每个设备进行评估并上报评分结果。
在本实施例中,一些训练数据被预先定义用于进行数据统计和评分分析,具体将在下面进行说明。在本实施例中,该流程周期性发生,直到评分或监测停止(禁能)。因此,每个网络节点在每个时间段T会报告一个分数作为该网络节点的性能评估结果。
本实施例通过收集无线网络中网络节点的实时通信相关信息,对收集到的信息进行统计分析,进而通过对比训练数据和测试数据的方法进行节点性能评估,为网络服务提供商进行网络优化提供了参考依据。
在本实施例中,该网络节点的实时通信相关信息可以从该协调器中收集,也即仅基于协调器日志对该网络节点进行评分;也可以从该协调器和与该协调器进行通信的该网络节点中收集,也即基于协调器日志和网络节点日志对该网络节点进行评分。
对于从协调器中收集该网络节点的实时通信相关信息的实施方式,该收集单元201可以通过自监测、通信监测和信道监测的方式收集上述实时通信相关信息。自监测主要包括监测该协调器的状态、配置等,这些信息来自IEEE或其他标准所定义的内部参数。通信监测是指监测来自IEEE或其他标准所定义的分组通信的网络信息,其也可以指一些通信特征提取,例如包错误率等。信道监测是指监测来自IEEE或其他标准所定义的与物理过程相关的信道信息,包括一些信道特征提取,例如RSSI、SINR等。通过自监测、通信监测和信道监测,该收集单元201可以得到该网络节点的实时通信相关信息。本实施例以自监测、通信监测和信道监测为例,对收集单元201获取该网络节点的实时通信相关信息的方式进行了说明,但实施例并不以此作为限制,在具体实施过程中,该收集单元201也可以实施上述三种监测的任意一种或任意组合,或者进一步实施其他监测过程来获得该网络节点的实时通信相关信息。
对于从网络节点中收集该网络节点的实时通信相关信息的实施方式,该收集单元201可以在协调器和网络节点之间进行一些控制消息的交换,例如,通过该收集单元201向网络节点发送测量请求包,当网络节点得到了测量请求包,其测量该请求包的相关物理参数,然后在测量报告中反馈测量结果,由此,该收集单元201从该网络节点得到了该网络节点的实时通信相关信息。
本实施例对该收集单元201收集网络节点的实时通信相关信息的方式不做限制,通过收集该网络节点的该通信相关信息,可以得到该网络节点在预定时间段内的测试数据。在本实施例中,该测试数据可以是上述通信相关信息的统计值,通过计算得到,该统计值可以是一个多维的特征向量。由此,该测试数据可以包括以下指标的一个或多个或任意组合:丢包率(PDR,Packet Drop Ratio);重传率(retry_ratio);信道状态忙的比率(Chan_busy_ratio);所述预定时间段内所有确认帧(ACK)的相关值的平均值(Corr_avg);所述预定时间段内所有ACK的接收信号强度指示(RSSI,Received Signal Strength Indicator)值的平均值(Rssi_avg);以及,所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值(Rssi_grad)。
在本实施例中,由于不同的错误情况有不同的日志统计模式,找到反应这些模式的相关指标非常重要。在本实施例中,以使用TX日志为例,但本实施例并不以此作为限制,该方法可以被很容易扩展到基于RX日志的方法和指标的任意其它组合。例如,每个数据包的TX日志可以包括数据包的发送状态(成功,失败状态)、包的重传次数、包的ACK的相关值、ACK的RSSI值等。在本实施例中,可以添加更多的日志信息或改变上述日志信息以适应不同的系统规范。对于每个时间段T,这些日志信息的一些统计值被计算出来作为该网络节点的测试数据。例如,一个数据模型被构建为如图4所示,使用时间段T内的TX日志的统计值生成一个六维特征向量作为该网络节点在该时间段T的测试数据,该六维特征向量作为评分方法的一个数据点被使用。另外,权重可以用于该六维特征向量的每个维度,以反映该指标的不同层次的重要性。
如图4所示,假设在时间段T内有N个日志样本,例如N=100。如果有多个网络节点与该协调器通信,该日志可以通过网络节点的ID进行过滤,所有统计数据将按每个网络节点标识。基于在TX日志中收集的N个样本的统计数据,该测试数据被定义为如前所述的六维特征向量。
在该六维特征向量中,PDR是指N个传输包的丢包率,其可以从上述TX状态字段(非零状态意味着丢包)推导出来。retry_ratio是指重传的数据包的总和与N的比值。chan_busy_ratio是指返回信道状态忙的次数与N个包的比率。Corr_avg是时间段T内所有ACK的相关值的平均值。Rssi_avg是时间段T内所有ACK的RSSI值的平均值。Rssi_grad是时间段T内ACK的RSSI数据值序列的各点梯度的绝对值的平均值,也就是说,时间段T内各ACK帧的RSSI值按时间顺序形成了一组RSSI数据值,对这组数据的各点的数值梯度的绝对值进行平均,得到的平均值就是Rssi_grad。
在本实施例中,通过上述六维特征向量,能够反应性能恶化的等级。然而,以上述六维特征向量作为上述测试数据只是举例说明,在具体实施过程中,许多统计值的组合可以用来构建上述数据模型D。
在本实施例中,通过收集单元201得到了网络节点的测试数据之后,处理单元202即可利用预先得到的最佳数据向量和最差数据向量对预定时间段内的该测试数据进行归一化处理。
在本实施例的一个实施方式中,该最佳数据向量和该最差数据向量可以通过训练的方式得到,如图2所示,在该实施方式中,该装置200还可以包括:训练单元204,其收集无线网络中所有节点在预定时间段内不同训练环境下的通信相关信息,得到训练数据,根据所有节点的所有训练数据,找到所述最佳数据向量和所述最差数据向量。
在本实施方式中,该训练数据可以在不同条件下被预先收集,这可以通过创建几个感兴趣的错误来手动完成,或通过在线训练方法自动完成。在本实施例中,如果这种评分方法与故障诊断一起使用,这些训练数据还可以被标记为不同的无线传输错误,例如被标记为:通常状态、短时衰落、低接收信号强度、和干扰。这四种状态在无线系统中非常常用,它们的行为在日志统计模式方面有不同的表现。如果该评分方法独立使用,不需要进行故障诊断,那么就不需要标记训练数据。
在本实施方式中,与测试数据类似,该训练数据也可以是对上述通信相关信息进行统计计算得到的统计值,是一个包含多个指标的多维的特征向量,其所包含的指标与前述测试数据所包含的指标相同,都包括以下指标的一个或多个或任意组合:丢包率(PDR);重传率(retry_ratio);信道状态忙的比率(Chan_busy_ratio);所述预定时间段内所有确认帧(ACK)的相关值的平均值(Corr_avg);所述预定时间段内所有ACK的接收信号强度指示(RSSI)值的平均值(Rssi_avg);以及,所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值(Rssi_grad)。该训练单元204可以将该预定时间段内所有训练数据中每个指标的最佳值作为该最佳数据向量,并将该预定时间段内所有训练数据中每个指标的最差值作为该最差数据向量。由此,通过训练单元204得到了一个多维的最佳数据向量(用做归一化的最佳点)和一个多维的最差数据向量(用做归一化的最差点)。
在本实施例的另一个实施方式中,该最佳数据向量和该最差数据向量可以从各个协调器得到,如图2所示,在该实施方式中,该装置200还可以包括:第一接收单元205,其接收各协调器上报的最佳数据向量和最差数据向量;由此,该处理单元202利用各协调器上报的最佳数据向量和最差数据向量,对上述网络节点在上述时间段内的测试数据进行归一化处理。也即,在本实施方式中,对于与不同的协调器进行通信的不同的终端设备,采用不同的评分标准,例如,对于某个终端设备,采用与其进行通信的协调器上报的最佳数据向量和最差数据向量对该终端设备进行评分分析。在本实施方式中,各协调器可以采用前述训练的方式得到各自的最佳数据向量和最差数据向量,并上报。
在本实施例的又一个实施方式中,该最佳数据向量和该最差数据向量可以从各个协调器得到,如图2所示,在该实施方式中,该装置200还可以包括:第二接收单元206,其接收各协调器上报的最佳数据向量和最差数据向量,从所有最佳数据向量和最差数据向量中选择最终的最佳数据向量和最差数据向量;由此,该处理单元202利用所述最终的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。也即,在本实施方式中,对于所有终端设备,采用同一套评分标准,而该评分标准是基于各个协调器上报的信息决定的。在本实施方式中,各协调器可以采用前述训练的方式得到各自的最佳数据向量和最差数据向量,并上报。
在本实施例的一个实施方式中,如图2所示,该装置200还可以包括:更新单元207,其在收集单元201收集到的所述测试数据的某个指标超出了所述最佳数据向量或所述最差数据向量中相应指标的范围时,将该测试数据的该指标保存为新的最佳数据向量或者最差数据向量的对应指标。由此,处理单元202可以利用新的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
在本实施例中,该装置200还可以包括存储单元(图未示),其用于存储上述训练数据(最佳数据向量、最差数据向量)等。
在本实施例中,通过收集单元201得到了网络节点的测试数据,利用预先得到的最佳数据向量和最差数据向量,处理单元202可以对预定时间内的上述测试数据进行归一化处理,得到该测试数据在该时间段内的归一化多维向量,以便确定单元203利用该归一化向量对该网络节点在该时间段的性能进行评分。
在一个实施方式中,该处理单元202可以利用下面的公式对该网络节点在该时间段内的测试数据进行归一化处理:
其中,di为该归一化多维向量的第i维,di test为该网络节点在上述时间段内的测试数据的第i维,di best为上述最佳数据向量的第i维,di worst为上述最差数据向量的第i维。
通过上述处理,得到了该测试数据的归一化多维向量的每一维向量。
该实施方式只是举例说明,本实施例并不以此作为限制,在具体实施过程中,也可以采用其他的归一化方法得到该测试数据的归一化多维向量的每一维向量。
在本实施例中,得到了在上述时间段内该网络节点的测试数据的归一化多维向量,确定单元203即可对该网络节点的性能进行评分。
在一个实施方式中,该确定单元203可以先对该测试数据在上述时间段内的归一化多维向量进行加权,计算从加权后的归一化向量到上述最佳数据向量的距离,然后,根据该距离和预先定义的一个单调递减函数确定该网络节点在该时间段的分数。
例如,该确定单元203可以使用下面的公式确定该网络节点在该时间段内的分数(grade):
其中,D为该网络节点在上述时间段的归一化多维向量(称为数据点),w为权重向量,并且w的各元素wi≥0(i表示第i维),根据该归一化多维向量中每一维指标的重要性,该权重向量中对应指标的权重不同,重要性越高,权重越大。
在本实施例中,以上公式只是举例说明,在具体实施过程中,可以采用其他的单调递减函数,或者其他的标准来基于该网络节点在该时间段的该归一化多维向量对该网络节点在该时间段的性能进行打分。
图5是在假设没有加权(也就是w是个全1的向量)的情况下,以分数作为D的模(|D|)的函数的曲线图,如图5所示,该分数是(0,100]的范围内的一个数,该评分函数是一个加权向量的模的单调递减函数,从测试数据到最佳数据(归一化后的原点)的加权距离越短,分数越高。由于考虑了所有的加权指标,因此是比较直接的。另外,如果更接近最佳数据样本(通常状态),其分数趋近于100,反之亦然。
在本实施例的一个实施方式中,如图2所示,该装置200还可以包括:故障检测单元208,其可以根据该网络节点的分数以及阈值确定该网络节点是否存在故障。由此,可以定位网络节点的故障。
图6是数据点和距离的一个简单示例的示意图,如图6所示,在这个示例中,使用了二维抽象概念来表示如何得到不同测试数据的距离。D1和D2分别代表从设备1到设备2的归一化的测试数据。可见,D1具有到归一化最佳点的更短的距离,因此,设备1具有更高的分数。这表明了设备1比设备2具有更好的通信性能。此外,如果加入故障检测功能,可以将一个阈值加入评分过程,如果分数低于该阈值,给出一个警告来指示设备故障或者设备和协调器之间的通信链路故障,在这种情况下,管理人员可以进行一些动作来解决这一问题。如图6所示,打分和故障诊断可以在同一个流程中完成。在每个诊断期间,分数可以随着故障诊断结果被更新。
本发明实施例的装置通过收集无线网络中网络节点的实时通信相关信息,对收集到的信息进行统计分析,进而通过对比训练数据和测试数据的方法进行节点性能评估,为网络服务提供商进行网络优化提供了参考依据。
实施例2
本发明实施例还提供了一种无线网络中的控制实体,例如协调器、接入点、网关、中央控制器或云端等,其中,该控制实体包括实施例1所述的节点性能评估装置。
图7是本发明实施例的控制实体的一个实施方式的构成示意图。如图7所示,控制实体700可以包括:中央处理器(CPU)701和存储器702;存储器702耦合到中央处理器701。其中该存储器702可存储各种数据;此外还存储信息处理的程序,并且在中央处理器701的控制下执行该程序,以接收终端设备发送的各种信息、并且向终端设备发送各种信息。
在一个实施方式中,实施例1所述的节点性能评估装置的功能可以被集成到中央处理器701中,由中央处理器701实现实施例1所述的节点性能评估装置的功能,例如该中央处理器701可以被配置为:
收集网络节点的实时通信相关信息,得到所述网络节点在预定时间段内的测试数据,所述测试数据包括以下指标的一个或多个或任意组合:
丢包率PDR;
重传率retry_ratio;
信道状态忙的比率Chan_busy_ratio;
所述预定时间段内所有ACK的相关值的平均值Corr_avg;
所述预定时间段内所有ACK的RSSI值的平均值Rssi_avg;
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值Rssi_grad;
利用预先得到的最佳数据向量和最差数据向量对该预定时间段内的所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量;
对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。
其中,关于实施例1所述的节点性能评估装置的功能被合并于此,在此不再赘述。
在另一个实施方式中,实施例1所述的节点性能评估装置可以与中央处理器701分开配置,例如可以将实施例1所述的节点性能评估装置配置为与中央处理器701连接的芯片,通过中央处理器701的控制来实现实施例1所述的节点性能评估装置的功能。
此外,如图7所示,该控制实体700还可以包括:收发机703和天线704等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,控制实体700也并不是必须要包括图7中所示的所有部件;此外,控制实体700还可以包括图7中没有示出的部件,可以参考现有技术。
通过本实施例的控制实体,可以收集无线网络中网络节点的实时通信相关信息,对收集到的信息进行统计分析,进而通过对比训练数据和测试数据的方法进行节点性能评估,为网络服务提供商进行网络优化提供了参考依据。
实施例3
本发明实施例还提供一种通信系统,图8是该系统的拓扑结构示意图,如图8所示,该系统800包括:协调器801和终端设备802。
在本实施例中,该系统800还可以包括控制实体803,该控制实体803可以通过实施例2的控制实体来实现,此外,该控制实体的节点性能评估装置的功能可以集成到协调器801中。由于在实施例1和实施例2中,已经对该节点性能评估装置和该控制实体做了详细说明,其内容被合并于此,此处不再赘述。
在本实施例中,该控制实体可以是协调器、网关、中央控制器、云端等。
通过本实施例的系统,可以收集无线网络中网络节点的实时通信相关信息,对收集到的信息进行统计分析,进而通过对比训练数据和测试数据的方法进行节点性能评估,为网络服务提供商进行网络优化提供了参考依据。
实施例4
本发明实施例提供了一种节点性能评估方法,应用于无线网络的控制实体,例如,协调器、接入点、中央处理器、云端等,由于该方法解决问题的原理与实施例1的装置相同,其具体的实施可以参照实施例1的装置的实施,内容相同之处不再重复说明。
图9是该方法的示意图,如图9所示,该方法包括:
步骤901:收集网络节点的实时通信相关信息,得到所述网络节点在预定时间段内的测试数据;
其中,该测试数据包括以下指标的一个或多个或任意组合:
丢包率PDR;
重传率retry_ratio;
信道状态忙的比率Chan_busy_ratio;
所述预定时间段内所有ACK的相关值的平均值Corr_avg;
所述预定时间段内所有ACK的RSSI值的平均值Rssi_avg;
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值Rssi_grad。
步骤902:利用预先得到的最佳数据向量和最差数据向量对该预定时间段内的所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量;
步骤903:对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。
在本实施例的一个实施方式中,所述最佳数据向量和所述最差数据向量是通过训练的方式获得,例如,收集无线网络中所有节点在预定时间段内不同训练环境下的通信相关信息,得到训练数据,根据所有节点的所有训练数据,找到所述最佳数据向量和所述最差数据向量。
在该实施方式中,该训练数据包括以下指标的一个或多个或任意组合:
丢包率PDR;
重传率retry_ratio;
状态忙的比率Chan_busy_ratio;
所述预定时间段内所有ACK的相关值的平均值Corr_avg;
所述预定时间段内所有ACK的RSSI值的平均值Rssi_avg;
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值Rssi_grad。
在该实施方式中,该最佳数据向量包括所有训练数据中每一个指标的最佳值,该最差数据向量包括所有训练数据中每一个指标的最差值。
在本实施例的另一个实施方式中,该最佳数据向量和该最差数据向量是从各个协调器接收到的,在本实施方式中,利用某协调器上报的最佳数据向量和最差数据向量,对于该协调器进行通信的网络节点进行评分,也即采用不同的标准对连接不同协调器的网络节点进行评分。例如,接收各协调器上报的最佳数据向量和最差数据向量;利用各协调器上报的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
在本实施例的另一个实施方式中,该最佳数据向量和该最差数据向量也是从各个协调器接收到的,在本实施方式中,利用所有协调器上报的最佳数据向量和最差数据向量,找到一个最佳数据向量和一个最差数据向量对网络节点进行评分,也即采用同一标准对所有网络节点进行评分。例如,接收各协调器上报的最佳数据向量和最差数据向量,从所有最佳数据向量和最差数据向量中选择最终的最佳数据向量和最差数据向量;利用所述最终的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
在本实施例的另一个实施方式中,如果所述测试数据的某个指标超出了所述最佳数据向量或所述最差数据向量中相应指标的范围时,则可以将该测试数据的该指标保存为新的最佳数据向量或者最差数据向量的对应指标;并利用新的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
在步骤902的一个实施方式中,可以利用以下公式对所述网络节点在所述时间段内的测试数据进行归一化处理,得到所述测试数据的归一化多维向量的每一维向量:
其中,di为归一化多维向量的第i维,di test为所述网络节点在所述时间段内的测试数据的第i维,di best为最佳数据向量的第i维,di worst为最差数据向量的第i维。
在步骤903的一个实施方式中,可以利用以下公式对所述测试数据的归一化多维向量进行评分:
其中,D为所述网络节点的归一化多维向量,w为权重向量,并且w的各元素wi≥0(i表示第i维)。
在本实施例中,根据本实施例的方法,还可以根据所述网络节点的分数以及阈值确定所述网络节点是否存在故障。
通过本实施例的方法,可以收集无线网络中网络节点的实时通信相关信息,对收集到的信息进行统计分析,进而通过对比训练数据和测试数据的方法进行节点性能评估,为网络服务提供商进行网络优化提供了参考依据。
本发明实施例还提供一种计算机可读程序,其中当在无线网络的控制实体中执行所述程序时,所述程序使得计算机在所述无线网络的控制实体中执行实施例4所述的方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在无线网络的控制实体中执行实施例4所述的方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1、一种节点性能评估装置,其中,该装置包括:
收集单元,其收集网络节点的实时通信相关信息,得到所述网络节点在预定时间段内的测试数据,所述测试数据包括以下指标的一个或多个或任意组合:
丢包率(PDR);
重传率(retry_ratio);
信道状态忙的比率(Chan_busy_ratio);
所述预定时间段内所有确认帧(ACK)的相关值的平均值(Corr_avg);
所述预定时间段内所有ACK的接收信号强度指示(RSSI)值的平均值(Rssi_avg);
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值(Rssi_grad);
处理单元,其利用预先得到的最佳数据向量和最差数据向量对该预定时间段内的所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量;
确定单元,其对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。
附记2、根据附记1所述的装置,其中,所述装置还包括:
训练单元,其收集无线网络中所有节点在预定时间段内不同训练环境下的通信相关信息,得到训练数据,根据所有节点的所有训练数据,找到所述最佳数据向量和所述最差数据向量。
附记3、根据附记2所述的装置,其中,所述训练数据包括以下指标的一个或多个或任意组合:
丢包率;
重传率;
状态忙的比率;
所述预定时间段内所有ACK的相关值的平均值;
所述预定时间段内所有ACK的RSSI值的平均值;
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值。
附记4、根据附记3所述的装置,其中,
所述最佳数据向量包括所有训练数据中每一个指标的最佳值;
所述最差数据向量包括所有训练数据中每一个指标的最差值。
附记5、根据附记1所述的装置,其中,所述装置还包括:
第一接收单元,其接收各协调器上报的最佳数据向量和最差数据向量;
所述处理单元利用各协调器上报的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
附记6、根据附记1所述的装置,其中,所述装置还包括:
第二接收单元,其接收各协调器上报的最佳数据向量和最差数据向量,从所有最佳数据向量和最差数据向量中选择最终的最佳数据向量和最差数据向量;
所述处理单元利用所述最终的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
附记7、根据附记1所述的装置,其中,所述装置还包括:
更新单元,其在所述测试数据的某个指标超出了所述最佳数据向量或所述最差数据向量中相应指标的范围时,将该测试数据的该指标保存为新的最佳数据向量或者最差数据向量的对应指标;
所述处理单元利用新的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
附记8、根据附记1所述的装置,其中,所述处理单元利用以下公式对所述网络节点在所述时间段内的测试数据进行归一化处理,得到所述测试数据的归一化多维向量的每一维向量:
其中,di为归一化多维向量的第i维,di test为所述网络节点在所述时间段内的测试数据的第i维,di best为最佳数据向量的第i维,di worst为最差数据向量的第i维。
附记9、根据附记1所述的装置,其中,所述确定单元利用以下公式对所述测试数据的归一化多维向量进行评分:
其中,D为所述网络节点的归一化多维向量,w为权重向量,并且w的各元素wi≥0,i表示第i维。
附记10、根据附记9所述的装置,其中,该装置还包括:
故障检测单元,其根据所述网络节点的分数以及阈值确定所述网络节点是否存在故障。
附记11、一种无线网络中的控制实体,其中,所述控制实体包括节点性能评估装置,所述装置被配置为:
收集网络节点的实时通信相关信息,得到所述网络节点在预定时间段内的测试数据,所述测试数据包括以下指标的一个或多个或任意组合:
丢包率;
重传率;
信道状态忙的比率;
所述预定时间段内所有ACK的相关值的平均值;
所述预定时间段内所有ACK的RSSI值的平均值;
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值;
利用预先得到的最佳数据向量和最差数据向量对预定时间段内的所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量;
对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。
附记12、一种通信系统,所述通信系统包括协调器以及与该协调器进行通信的终端设备,其中,该通信系统还包括控制实体,所述控制实体被配置为:
收集网络节点的实时通信相关信息,得到所述网络节点在预定时间段内的测试数据,所述测试数据包括以下指标的一个或多个或任意组合:
丢包率;
重传率;
信道状态忙的比率;
所述预定时间段内所有ACK的相关值的平均值;
所述预定时间段内所有ACK的RSSI值的平均值;
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值;
利用预先得到的最佳数据向量和最差数据向量对预定时间段内的所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量;
对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。
Claims (10)
1.一种节点性能评估装置,其中,该装置包括:
收集单元,其收集网络节点的实时通信相关信息,得到所述网络节点在预定时间段内的测试数据,所述测试数据包括以下指标的一个或多个或任意组合:
丢包率(PDR);
重传率(retry_ratio);
信道状态忙的比率(Chan_busy_ratio);
所述预定时间段内所有确认帧(ACK)的相关值的平均值(Corr_avg);
所述预定时间段内所有ACK的接收信号强度指示(RSSI)值的平均值(Rssi_avg);
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值(Rssi_grad);
处理单元,其利用预先得到的最佳数据向量和最差数据向量对所述预定时间段内的所述测试数据进行归一化处理,得到所述测试数据在所述时间段内的归一化多维向量;
确定单元,其对所述测试数据在所述时间段内的归一化多维向量进行加权,计算从加权后的归一化多维向量到所述最佳数据向量的距离,根据所述距离和预先定义的单调递减函数确定所述网络节点的分数。
2.根据权利要求1所述的装置,其中,所述装置还包括:
训练单元,其收集无线网络中所有节点在预定时间段内不同训练环境下的通信相关信息,得到训练数据,根据所有节点的所有训练数据,找到所述最佳数据向量和所述最差数据向量。
3.根据权利要求2所述的装置,其中,所述训练数据包括以下指标的一个或多个或任意组合:
丢包率;
重传率;
状态忙的比率;
所述预定时间段内所有ACK的相关值的平均值;
所述预定时间段内所有ACK的RSSI值的平均值;
所述预定时间段内所有ACK的RSSI的梯度的所有绝对值的平均值。
4.根据权利要求2所述的装置,其中,
所述最佳数据向量包括所有训练数据中每一个指标的最佳值;
所述最差数据向量包括所有训练数据中每一个指标的最差值。
5.根据权利要求1所述的装置,其中,所述装置还包括:
第一接收单元,其接收各协调器上报的最佳数据向量和最差数据向量;
所述处理单元利用各协调器上报的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
6.根据权利要求1所述的装置,其中,所述装置还包括:
第二接收单元,其接收各协调器上报的最佳数据向量和最差数据向量,从所有最佳数据向量和最差数据向量中选择最终的最佳数据向量和最差数据向量;
所述处理单元利用所述最终的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
7.根据权利要求1所述的装置,其中,所述装置还包括:
更新单元,其在所述测试数据的某个指标超出了所述最佳数据向量或所述最差数据向量中相应指标的范围时,将该测试数据的该指标保存为新的最佳数据向量或者最差数据向量的对应指标;
所述处理单元利用新的最佳数据向量和最差数据向量,对所述网络节点在所述时间段内的测试数据进行归一化处理。
8.根据权利要求1所述的装置,其中,所述处理单元利用以下公式对所述网络节点在所述时间段内的测试数据进行归一化处理,得到所述测试数据的归一化多维向量的每一维向量:
<mrow>
<msup>
<mi>d</mi>
<mi>i</mi>
</msup>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>d</mi>
<mrow>
<mi>t</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>b</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
</mrow>
<mi>i</mi>
</msubsup>
</mrow>
<mrow>
<msubsup>
<mi>d</mi>
<mrow>
<mi>w</mi>
<mi>o</mi>
<mi>r</mi>
<mi>s</mi>
<mi>t</mi>
</mrow>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>b</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
</mrow>
<mi>i</mi>
</msubsup>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中,di为归一化多维向量的第i维,di test为所述网络节点在所述时间段内的测试数据的第i维,di best为最佳数据向量的第i维,di worst为最差数据向量的第i维。
9.根据权利要求1所述的装置,其中,所述确定单元利用以下公式对所述测试数据的归一化多维向量进行评分:
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>a</mi>
<mi>d</mi>
<mi>e</mi>
<mo>=</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mi>w</mi>
<mo>&CenterDot;</mo>
<mi>D</mi>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<mi>w</mi>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
</msup>
<mo>*</mo>
<mn>100</mn>
<mo>;</mo>
</mrow>
其中,D为所述网络节点的归一化多维向量,w为权重向量,并且w的各元素wi≥0,i表示第i维。
10.根据权利要求9所述的装置,其中,该装置还包括:
故障检测单元,其根据所述网络节点的分数以及阈值确定所述网络节点是否存在故障。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610301196.7A CN107360048A (zh) | 2016-05-09 | 2016-05-09 | 节点性能评估方法、装置和系统 |
JP2017091224A JP6805957B2 (ja) | 2016-05-09 | 2017-05-01 | ノード性能評価方法、装置及びシステム |
US15/587,101 US20170324488A1 (en) | 2016-05-09 | 2017-05-04 | Method and apparatus for evaluating node performance and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610301196.7A CN107360048A (zh) | 2016-05-09 | 2016-05-09 | 节点性能评估方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107360048A true CN107360048A (zh) | 2017-11-17 |
Family
ID=60244171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610301196.7A Pending CN107360048A (zh) | 2016-05-09 | 2016-05-09 | 节点性能评估方法、装置和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170324488A1 (zh) |
JP (1) | JP6805957B2 (zh) |
CN (1) | CN107360048A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109981797A (zh) * | 2019-04-12 | 2019-07-05 | 武汉金盛方圆网络科技发展有限公司 | 一种新型内容分发网络系统及分发方法 |
CN114422379A (zh) * | 2022-01-20 | 2022-04-29 | 昕锐至成(江苏)光电科技有限公司 | 一种多平台设备无线组网的分析方法 |
CN116208991A (zh) * | 2023-03-29 | 2023-06-02 | 武汉慧联无限科技有限公司 | 一种故障定位方法、装置、设备和存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110300008B (zh) | 2018-03-22 | 2021-03-23 | 北京华为数字技术有限公司 | 一种确定网络设备的状态的方法及装置 |
US10904095B2 (en) | 2018-07-11 | 2021-01-26 | International Business Machines Corporation | Network performance assessment without topological information |
JP7165004B2 (ja) * | 2018-09-20 | 2022-11-02 | キヤノン株式会社 | 通信装置、通信装置の制御方法、およびプログラム |
CN109600378B (zh) * | 2018-12-14 | 2021-04-20 | 中国人民解放军战略支援部队信息工程大学 | 无中心节点的异构传感器网络异常事件检测方法 |
CN110621026B (zh) * | 2019-02-18 | 2023-09-05 | 北京航空航天大学 | 一种基站流量多时刻预测方法 |
US11153193B2 (en) * | 2019-03-18 | 2021-10-19 | Senai Networks Ltd | Method of and system for testing a computer network |
CN111181800B (zh) * | 2019-11-27 | 2023-09-19 | 腾讯科技(深圳)有限公司 | 测试数据处理方法、装置、电子设备及存储介质 |
CN111950912A (zh) * | 2020-08-14 | 2020-11-17 | 中国民航信息网络股份有限公司 | 设备的健康度的评价方法、装置、设备及计算机存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5142669B2 (ja) * | 2007-11-02 | 2013-02-13 | 株式会社東芝 | 通信装置、ならびに障害原因を特定するための方法及びプログラム |
JP5723301B2 (ja) * | 2012-01-10 | 2015-05-27 | 日本電信電話株式会社 | 被写体認識装置及び被写体認識プログラム |
GB2505888B (en) * | 2012-09-12 | 2014-11-05 | Toshiba Res Europ Ltd | Method for interference & congestion detection with multiple radio technologies |
US9992690B2 (en) * | 2013-10-11 | 2018-06-05 | Textron Innovations, Inc. | Placed wireless instruments for predicting quality of service |
-
2016
- 2016-05-09 CN CN201610301196.7A patent/CN107360048A/zh active Pending
-
2017
- 2017-05-01 JP JP2017091224A patent/JP6805957B2/ja active Active
- 2017-05-04 US US15/587,101 patent/US20170324488A1/en not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109981797A (zh) * | 2019-04-12 | 2019-07-05 | 武汉金盛方圆网络科技发展有限公司 | 一种新型内容分发网络系统及分发方法 |
CN114422379A (zh) * | 2022-01-20 | 2022-04-29 | 昕锐至成(江苏)光电科技有限公司 | 一种多平台设备无线组网的分析方法 |
CN114422379B (zh) * | 2022-01-20 | 2023-02-28 | 昕锐至成(江苏)光电科技有限公司 | 一种多平台设备无线组网的分析方法 |
CN116208991A (zh) * | 2023-03-29 | 2023-06-02 | 武汉慧联无限科技有限公司 | 一种故障定位方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2017204858A (ja) | 2017-11-16 |
US20170324488A1 (en) | 2017-11-09 |
JP6805957B2 (ja) | 2020-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107360048A (zh) | 节点性能评估方法、装置和系统 | |
US11496353B2 (en) | Root cause analysis and automation using machine learning | |
CN107306414A (zh) | 故障诊断方法、装置和系统 | |
Baccour et al. | Reliable link quality estimation in low-power wireless networks and its impact on tree-routing | |
Baccour et al. | F-lqe: A fuzzy link quality estimator for wireless sensor networks | |
CN104756474A (zh) | 用于通信链路性能估计的方法和系统 | |
CN102469493B (zh) | 无线局域网的空口状况评估方法及装置 | |
CN101626585A (zh) | 无线网络的网络干扰评估方法、动态信道分配方法和设备 | |
CN104662841A (zh) | 用于通信链路性能测量的方法和系统 | |
CN102077530B (zh) | 检查无线业务及减缓分组删除以避免无线饱和的方法和设备 | |
JP2019009775A (ja) | 無線ネットワークの状態監視装置及び方法、並びにネットワークシステム | |
CN106470128A (zh) | 故障检测装置和系统 | |
CN109769305A (zh) | 调度处理的方法、基站、电子设备和存储介质 | |
CN110177331A (zh) | 一种终端设备的定位、建立无线热点知识库的方法及装置 | |
EP3337220B1 (en) | A system for evaluating performance of a wireless access point | |
Zhang et al. | A data-driven approach to client-transparent access selection of Dual-Band WiFi | |
CN103648111B (zh) | 干扰告警的方法和系统 | |
Bindel et al. | F-ETX: a predictive link state estimator for mobile networks | |
Ciezobka et al. | FTMRate: Collision-Immune Distance-based Data Rate Selection for IEEE 802.11 Networks | |
CN105517007B (zh) | 一种数据核查的方法及装置 | |
JP2017028340A (ja) | Csma/ca通信品質管理システムおよび方法 | |
CN109884587A (zh) | 一种用于雾计算环境的无线传感器网络定位方法 | |
Brtka et al. | LP-WAN Performance Analysis by Semi-Linguistic Summaries. | |
JP7272189B2 (ja) | 情報処理装置、無線通信システム、情報処理方法及びプログラム | |
Qu et al. | Fitness evaluation for channel assignment algorithms in ieee 802.11 wmns |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171117 |
|
WD01 | Invention patent application deemed withdrawn after publication |