CN108289302A - 定位td-lte网络大气波导干扰的方法及系统 - Google Patents
定位td-lte网络大气波导干扰的方法及系统 Download PDFInfo
- Publication number
- CN108289302A CN108289302A CN201710014168.1A CN201710014168A CN108289302A CN 108289302 A CN108289302 A CN 108289302A CN 201710014168 A CN201710014168 A CN 201710014168A CN 108289302 A CN108289302 A CN 108289302A
- Authority
- CN
- China
- Prior art keywords
- cell
- group
- prb
- community
- community group
- 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.)
- Granted
Links
Classifications
-
- 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
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例中公开了一种定位TD‑LTE网络大气波导干扰的方法及系统，属于无线网络优化技术领域。所述方法以小区性能干扰数据为基础数据，从大气波导小区性能、地理位置和时间特征出发，深度展开大数据挖掘分析，实现了对受大气波导干扰的LTE小区的准确定位。本发明所述的方法及系统，与现有技术相比，判定条件更为充分，能够有效避免如干扰器干扰等抬升型干扰的误判，判断效率和准确性更高，同时该方法及系统是基于后台网管性能、工参数据进行大气波导干扰判定，具有成本低、实时性强、效率高等优势，非常适用于大气波导干扰的日常判定。
Description
技术领域
本发明涉及移动通信的无线网络优化领域，具体涉及一种定位TD-LTE网络大气波导干扰的方法及系统。
背景技术
在一定的气象条件下，大气波导现象能使TD-LTE下行无线信号传播很远，由于传播距离超过TD-LTE系统上下行保护时隙的保护距离，导致这种远端TD-LT E下行无线信号干扰到本地TD-LTE上行无线信号。目前针对大气波导干扰现有的判定技术方案主要有两种：
(1)本地网管分析PRB干扰波形：
利用TD-LTE本地网管从频域分析小区受干扰情况，在频域上平均上行干扰电平大于-110dBm，并且中间6个RB干扰电平明显凸起，PRB干扰的波形如图1所示，判断流程如图2所示，如果同时满足小区PRB平均干扰电平大于-110dBm且中间6个PRB的干扰电平明显凸起，即认为该小区受到大气波导干扰。
(2)扫频仪现场扫频法
携带TD-LTE扫频仪到小区现场进行扫频测试，判断小区受到大气波导干扰的判断逻辑示意图如3图所示，如果现场信号扫频显示小区范围信号频域平均上行干扰电平大于-110dBm，并且中间6个RB干扰电平明显凸起，并且施扰信号定位到网内TD-LTE小区即为该小区受到大气波导干扰。
对于本地网管分析PRB干扰波形法，其判断小区受到大气波导干扰的判定条件属于必要不充分条件，对于干扰器等抬升型干扰会导致误判。而扫频仪现场扫频法，需要人员到现场扫频，耗费大量的人力物力，耗时费力，成本较高，不能够作为网络优化专业的大气波导干扰日常判定方法。
发明内容
针对现有技术中存在的缺陷和实际应用的需要，本发明实施例提供能够克服上述问题或者至少能够部分地解决上述问题的定位TD-LTE网络大气波导干扰的方法和系统。
本发明的一个实施例中提供了一种定位TD-LTE网络大气波导干扰的方法，包括：
获取目标区域范围中LTE小区的目标时段的每个物理资源块PRB的上行干扰电平值；
根据所述的每个物理资源块PRB的上行干扰电平值筛选出LTE小区中满足第一群体性特征的第一小区群，所述第一群体性特征为大气波导干扰小区性能变化群体性特征，一个小区满足第一群体性特征是指该小区的PRB上行干扰电平值满足预设的PRB规则；
筛选出所述第一小区群中满足第二群体性特征的第二小区群，将第二小区群中的小区确定为所述大气波导干扰小区，所述第二群体性特征为大气波导干扰地理位置群体性特征，一个小区满足所述第二群体性特征是指该小区为预设的地理位置聚类规则下的一个类中的小区。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的方法，所述目标时段包括将一天时间按照设定时间粒度划分出的t个目标时段，t≥12；
所述筛选出LTE小区中满足第一群体性特征的第一小区群，包括：
根据每个目标时段的小区的每个物理资源块PRB的上行干扰电平值，筛选出每个目标时段内满足第一群体性特征的第一小区群；
所述筛选出第一小区群中满足第二群体性特征的第二小区群，包括：
对于存在第一小区群的目标时段，筛选每个目标时段的所述第一小区群中满足第二群体性特征的第二小区群。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的方法，所述筛选出第一小区群中满足第二群体性特征的第二小区群，将第二小区群中的小区确定为大气波导干扰小区，包括：
查找出存在所述第二小区群的目标时段中连续的目标时段；
对于任意两个连续的目标时段a和b，若目标时段a的一个第二小区群a1中的小区与目标时段b的一个第二小区群b1中的小区的相似度大于设定阈值，则位于第二小区群a1和第二小区群b1中的小区确定为大气波导干扰小区。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的方法，所述方法还包括：获取目标区域范围中LTE小区的网络配置频段；
在筛选出LTE小区中满足第一群体性特征的第一小区群之前，还包括：
根据小区的网络配置频段，删除网络配置频段为D频段和E频段的小区数据。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的方法，所述的预设的PRB规则包括：
min(PRBi)＞-110dBm，i∈[1，n]
min(PRBi)＞A
PRBm＞average(PRBi)，m∈[n1，n2]
s2≤c
其中，n为一个LTE小区可使用的物理资源块PRB的个数，min(PRBi)表示n个物理资源块PRB的上行干扰电平值中的最小值，A为预设的小区底噪阈值，PRBm表示n个物理资源块PRB中第m个PRB的上行干扰电平值，average(PRBi)表示n个物理资源块PRB的上行干扰电平值的平均值，s2表示n个物理资源块PRB的上行干扰电平值的方差，c为常数。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的方法，所述LTE小区为F频段20MHZ带宽组网模式，所述n＝100，n1＝55，n2＝61，c＝4。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的方法，所述预设的地理位置聚类规则为基于密度的DBSCAN算法，筛选出第一小区群中满足第二群体性特征的第二小区群，包括：
对于目标时段的第一小区群，根据第一小区群中的小区的经纬度采用DBSCAN算法进行小区聚类，得到聚类后的簇，一个簇即为一个第二小区群。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的方法，所述DBSCAN算法的邻域半径Eps为10Km，最少点个数Epsmin为11个。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的方法，第二小区群a1中的小区与第二小区群b1中的小区的相似度大于设定阈值是指两个第二小区群中相同小区的个数满足：
本发明实施例中还提供了一种定位TD-LTE网络大气波导干扰的系统，包括：
源数据获取装置，用于获取目标区域范围中LTE小区的目标时段的每个物理资源块PRB的上行干扰电平值；
第一小区筛选装置，用于根据所述的每个物理资源块PRB的上行干扰电平值筛选出LTE小区中满足第一群体性特征的第一小区群；所述第一群体性特征为大气波导干扰小区性能变化群体性特征，一个小区满足第一群体性特征是指该小区的PRB上行干扰电平值满足预设的PRB规则；
第二小区筛选装置，用于筛选出第一小区群中满足第二群体性特征的第二小区群，将第二小区群中的小区确定为大气波导干扰小区；所述第二群体性特征为大气波导干扰地理位置群体性特征，一个小区满足第二群体性特征是指该小区为预设的地理位置聚类规则下的一个类中的小区。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的系统，所述目标时段包括将一天时间按照设定时间粒度划分出的t个目标时段，t≥12；
所述第一小区筛选装置，用于根据每个目标时段的小区的每个物理资源块PRB的上行干扰电平值，筛选出每个目标时段内满足第一群体性特征的第一小区群；
所述第二小区筛选装置，用于对于存在第一小区群的目标时段，筛选每个目标时段的所述第一小区群中满足第二群体性特征的第二小区群。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的系统，所述第二小区筛选装置包括：
连续目标时段查找单元，用于查找出存在所述第二小区群的目标时段中连续的目标时段；
目标小区定位单元，用于定位出任意两个连续的目标时段a和b中的大气波导干扰小区，包括：
相似度确定子单元，用于确定目标时段a的一个第二小区群a1中的小区与目标时段b的一个第二小区群b1中的小区的相似度；
定位子单元，用于根据所述相似度确定大气波导干扰小区，若所述相似度大于设定阈值，则位于第二小区群a1和第二小区群b1中的小区确定为大气波导干扰小区。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的系统，所述源数据获取装置，还用于获取目标区域范围中LTE小区的网络配置频段；
所述系统还包括：
数据过滤装置，用于在第一小区筛选装置筛选出LTE小区中满足第一群体性特征的第一小区群之前，根据小区的网络配置频段，删除网络配置频段为D频段和E频段的小区数据。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的系统，所述的预设的PRB规则包括：
min(PRBi)＞-110dBm，i∈[1，n]
min(PRBi)＞A
PRBm＞average(PRBi)，m∈[n1，n2]
s2≤c
其中，n为一个LTE小区可使用的物理资源块PRB的个数，min(PRBi)表示n个物理资源块PRB的上行干扰电平值中的最小值，A为预设的小区底噪阈值，PRBm表示n个物理资源块PRB中第m个PRB的上行干扰电平值，average(PRBi)表示n个物理资源块PRB的上行干扰电平值的平均值，s2表示n个物理资源块PRB的上行干扰电平值的方差，c为整数。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的系统，所述预设的地理位置聚类规则为基于密度的DBSCAN算法；
所述第二小区筛选装置，用于根据目标时段的第一小区群中的小区的经纬度采用DBSCAN算法进行小区聚类，得到聚类后的簇，一个簇即为一个第二小区群。
可选的，如上所述的一种定位TD-LTE网络大气波导干扰的系统，第二小区群a1中的小区与第二小区群b1中的小区的相似度大于设定阈值是指两个第二小区群中相同小区的个数满足：
综上所述，在本发明一个实施例中，基于受大气波导干扰的小区的性能变化群体性特征和地理位置群体性特征，实现了对目标区域范围内在目标时段的受干扰LTE小区的定位，该方法与现有通过分析PRB干扰波形法来判定干扰小区的方式相比，判断准确度更高，与扫描仪现场扫频法相比，更符合实际应用需求，且能够大大减少人力物力的消耗。
在本发明另一个实施例中，除了基于上述性能变化群体性特征、地理位置群体性特征外，还进一步以时域群体性特征对大气波导干扰进行判定，判定条件更为充分，能够有效避免如干扰器干扰等抬升型干扰的误判，判断效率和准确性更高。
本发明所提供的方法及系统，是基于后台网管性能、工参数据进行大气波导干扰判定，具有成本低、实时性强、效率高等优势。
附图说明
通过阅读以下参照附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显，其中，相同或相似的附图标记表示相同或相似的特征。
图1为现有技术中TD-LTE小区受到大气波导干扰时的小区PRB干扰波形示意图；
图2为现有技术中本地网管分析PRB干扰波形判断小区受到大气波导干扰的流程示意图；
图3为现有技术中采用扫描仪现场扫频法判断小区受到大气波导干扰的流程示意图；
图4为本发明的一个实施例中一种定位TD-LTE网络大气波导干扰的方法的流程示意图；
图5为本发明的一个实施例中一种定位TD-LTE网络大气波导干扰的方法的流程示意图；
图6为受大气波导干扰的小区一天中干扰出现时刻及时长特征示意图；
图7为受大气波导干扰的统一受扰区域受干扰时段的特征示意图；
图8为本发明的一个实施例中一种定位TD-LTE网络大气波导干扰的系统的结构示意图；
图9为本发明的一个实施例中第二小区筛选装置的结构示意图；
图10为本发明的一个实施例中一种定位TD-LTE网络大气波导干扰的系统的结构示意图；
图11为一个具体实施例中定位TD-LTE网络大气波导干扰的方法的流程示意图；
图12为一个具体实施例中对小区经纬度进行聚类分析的聚类结果示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。
图4示出了本发明的一个实施例中的一种定位TD-LTE网络大气波导干扰的方法的流程示意图，由图中可以看出，该方法可以包括以下步骤：
步骤S410：获取目标区域范围中LTE小区的目标时段的上行干扰性能数据。
对于需要定位大气波导干扰的目标区域范围，首先获取目标区域范围中LTE小区(TD-LTE小区)在目标时段的上行干扰性能数据。在实际操作中，可以从TD-LTE网络网管导出到所述目标时段的全网LTE小区的上行干扰性能数据。其中，所述上行干扰性能数据包括数据的采集时间、小区名称、小区经纬度和小区的每个物理资源块PRB的上行干扰电平值，还可以包括小区的归属地市、网络配置频段和网络覆盖类型等。
对于不同的LTE小区，如果小区内带宽的配置不同，小区可以使用的物理资源块PRB的个数也会不同。例如，对于现网中常用的20MHZ带宽，小区可使用的物理资源块PRB的个数为100个。
根据实际应用需要，所述目标区域范围可以是全网，也可以是某一城市或者某些指定城市。所述目标时段可以根据需要进行设定，一般不易过程，例如可以为一个小时。
步骤S420：根据小区的网络配置频段，删除所获取的上行干扰性能数据中网络配置频段为D频段和E频段的数据。
TD-LTE网络在组网配置选择上，网络配置频段主要有D频段(2570M-2620M)、F频段(1880M-1920M)和E频段(2300M-2400M)，而受大气波导影响的主要是F频段，因此，在进行受干扰小区的定位之间，可以首先剔除D频段和E频段的数据，以提高后续数据处理效率。
步骤S430：根据所述上行干扰性能数据筛选出LTE小区中满足大气波导干扰小区性能变化群体性特征的第一小区群；
步骤S440：筛选出第一小区群中满足大气波导干扰地理位置群体性特征的第二小区群，第二小区群中的小区为所述目标区域范围在目标时段内的大气波导干扰小区。
本实施例中，为了描述方便，将所述大气波导干扰小区性能变化群体性特征记为第一群体性特征，将所述大气波导干扰地理位置群体性特征记为第二群体性特征。一个小区满足第一群体性特征是指该小区的PRB上行干扰电平值满足预设的PRB规则，一个小区满足第二群体性特征是指该小区为预设的地理位置聚类规则下的一个类中的小区，一个类即为一个第二小区群。
经研究发现，对于大气波导干扰，从频域看受扰小区上行PRB干扰水平上升(一般高于-110dBm)，且呈现全频段整体抬升，且中心频点附近抬升略明显。另外，受TD-LTE天线发射波束特征以及大气波导传播机制影响，受大气波导干扰的受扰区域呈现明显的带状特征，干扰小区呈现明显成片出现特征。因此，可以根据预设的PRB规则首先筛选出可能为受大气波导干扰的第一小区群，再基于小区的地理位置(经纬度)通过预设的聚类规则对第一小区群进行再筛选，进一步提高了定位受大气波导干扰的小区的准确度。
在本发明的一个实施例中，对于第一群体性特征，所述的预设的PRB规则包括：
min(PRBi)＞-110dBm，i∈[1，n]
min(PRBi)＞A
PRBm＞average(PRBi)，m∈[n1，n2]
s2≤c
其中，n为一个LTE小区可使用的物理资源块PRB的个数，min(PRBi)表示n个物理资源块PRB的上行干扰电平值中的最小值，A为预设的小区底噪阈值，PRBm表示n个物理资源块PRB中第m个PRB的上行干扰电平值，average(PRBi)表示n个物理资源块PRB的上行干扰电平值的平均值，s2表示n个物理资源块PRB的上行干扰电平值的方差，c为常数。
在本发明的一个实施例中，现网常规F频段采用的20MHZ带宽组网模式，即LTE小区的组网模式为F频段20MHZ带宽，此时，优选的，所述n＝100，n1＝55，n2＝61。
在本发明的一个实施例中，所述c＝4。
在实际应用中，地理位置聚类规则可以根据需要选择。在本发明的一个实施例中，所述预设的地理位置聚类规则为基于密度的DBSCAN算法。
DBSCAN(Density-BasedSpatial Clustering of Applications with Noise)是一基于密度的聚类算法，能够把具有足够高密度的区域划分为簇，并在具有噪声的数据中发现任意形状的簇。因此，对于目标时段的第一小区群，可以基于群中小区的经纬度得到该群的簇及每个簇中包含的小区，一个簇即是一个类别，也就是所述的一个第二小区群，如果一个小区位于一个簇中，则这个小区即满足所述第二群体性特征。
采用所述DBSCAN算法筛选出第一小区群中满足第二群体性特征的第二小区群，包括：
对于目标时段的第一小区群，根据第一小区群中的小区的经纬度采用DBSCAN算法进行小区聚类，得到聚类后的簇，一个簇即为一类，也就是一个所述第二小区群。
对于DBSCAN算法，需要两个输入参数，一个参数是邻域半径，表示以给定点为中心的圆形邻域的范围，另一个参数是以定点为中心的邻域内最少点的数量。在本发明的一个实施例中，所述DBSCAN算法的邻域半径Eps为10Km，邻域内最少点个数Epsmin为11个。
采用该上述聚类方式，即可筛选出目标时段的所述第一小区群中满足第二群体性特征的第二小区群，一个目标时段的第一小区群中的第二小区群的个数可能是没有、一个或者多个。
本实施例中所述的定位方法，基于受大气波导干扰的小区的性能变化群体性特征和地理位置群体性特征，实现了对目标区域范围内在目标时段的受干扰LTE小区的定位，该方法与现有通过分析PRB干扰波形法来判定干扰小区的方式相比，判断准确度更高，与扫描仪现场扫频法相比，更符合实际应用需求，且能够大大减少人力物力的消耗。
图5示出了本发明的一个实施例中的一种定位TD-LTE网络大气波导干扰的方法的流程示意图，由图中可以看出，该方法可以包括以下步骤：
步骤S510：获取目标区域范围中LTE小区一天内的上行干扰性能数据，并将一天时间按照设定时间粒度划分为t个目标时段；
即本实施例中的所述目标时段包括将一天时间按照设定时间粒度划分出的t个目标时段，t≥12。
在实际应用中，所述设定时间粒度越小，定位结果会越准确，但需要处理的数据也会相应的越多。在本发明的一个优选实施例中，所述设定时间粒度为1个小时，即t＝24，将目标区域范围中LTE小区一天内的上行干扰性能数据按照时间划分在了24个目标时段。当然，在实际操作中，可以直接是按照所述设定时间粒度从网管导出依次导出每个目标时段的LTE小区的上行干扰性能数据。
其中，所述上行干扰性能数据包括数据的采集时间、小区名称、小区经纬度和小区的每个物理资源块PRB的上行干扰电平值，还可以包括小区的归属地市、网络配置频段和网络覆盖类型等。
步骤S520：根据小区的网络配置频段，删除所获取的上行干扰性能数据中网络配置频段为D频段和E频段的数据。
针对小区每一目标时段的干扰性能数据，逐一判断小区配置频段，将配置为D及E频段的小区进行数据剔除，最终保留F频段小区小时粒度干扰性能数据。
步骤S530：根据每个目标时段的上行干扰性能数据，筛选出每个目标时段内满足第一群体性特征的第一小区群。
步骤S540：对于存在第一小区群的目标时段，筛选每个目标时段的所述第一小区群中满足第二群体性特征的第二小区群。
本实施例中，同样是为了描述方便，将所述大气波导干扰小区性能变化群体性特征记为第一群体性特征，将所述大气波导干扰地理位置群体性特征记为第二群体性特征。一个小区满足第一群体性特征是指该小区的PRB上行干扰电平值满足预设的PRB规则，一个小区满足第二群体性特征是指该小区为预设的地理位置聚类规则下的一个类中的小区，一个类即为一个第二小区群。
本实施例中，用于筛选一个目标时段中的第一小区群的所述的预设的PRB规则包括：
min(PRBi)＞-110dBm，i∈[1，n]
min(PRBi)＞A
PRBm＞average(PRBi)，m∈[n1，n2]
s2≤c
其中，n为一个LTE小区可使用的物理资源块PRB的个数，min(PRBi)表示n个物理资源块PRB的上行干扰电平值中的最小值，A为预设的小区底噪阈值，PRBm表示n个物理资源块PRB中第m个PRB的上行干扰电平值，average(PRBi)表示n个物理资源块PRB的上行干扰电平值的平均值，s2表示n个物理资源块PRB的上行干扰电平值的方差，c为常数。
用于筛选第二小区群的所述预设的地理位置聚类规则为基于密度的DBSCAN算法，筛选出第一小区群中满足第二群体性特征的第二小区群，包括：
对于目标时段的第一小区群，根据第一小区群中的小区的经纬度采用DBSCAN算法进行小区聚类，得到聚类后的簇，一个簇即为一个类，即为一个第二小区群。
本实施例中，所述DBSCAN算法的邻域半径Eps为10Km，最少点个数Epsmin为11个。
步骤S550：根据筛选出的存在所述第二小区群的目标时段，定位出大气波导干扰小区所在的第二小区群。
本实施例中，从筛选出的存在所述第二小区群的目标时段，定位出存在大气波导干扰小区所在的第二小区群的方式为：
存查找出存在所述第二小区群的目标时段中连续的目标时段；
对于任意两个连续的目标时段a和b，若目标时段a的一个第二小区群a1中的小区与目标时段b的一个第二小区群b1中的小区的相似度大于设定阈值，则第二小区群a1和第二小区群b1即为大气波导干扰小区所在的第二小区群，位于第二小区群a1和第二小区群b1中的小区确定为大气波导干扰小区。
其中，第二小区群a1中的小区与第二小区群b1中的小区的相似度大于设定阈值是指两个群中相同小区的个数满足：
本发明的一个实施例中，所述设定阈值可以为70％。
例如，一个目标时段为1小时，17:00点-18:00点为目标时段1，18:00点-19:00点为目标时段2，若根据这两个目标时段对应的小区干扰性能数据判断出均满足第一群体性特征和第二群体性特征，且目标时段1对应有两个第二小区群11和12，目标时段2对应有一个第二小区群21，如果小区群21和小区群11中小区的相似度大于设定阈值，则位于小区群11和小区群21中的小区均判定为大气波导干扰小区。
经研究发现，受大气波导层形成条件影响，大气波导干扰一般出现在下午17:00至次日中午12:00之间，主要受扰区域干扰时长一般持续2小时以上，如图6中所示，为某受大气波导干扰小区连续多天出现干扰的时段分析示意图。另外，对于同一受扰区域中，主要受扰小区受干扰时段也呈一致性特点，如图7中所示。因此，可以基于大气波导干扰时域群体性特征进一步精确定位出受大气波导干扰小区。
本实施例中所述的定位方法，正是在图4中所示的方法的基础上，分别针对连续的t个目标时段进行的第二小区群的筛选，在筛选出目标时段的第二小区群后，再基于所述大气波导干扰时域群体性特征，选出存在第二小区群的两个连续目标时段，进一步判断这两个连续时段中的第二小区群是否符合同一少绕区域中主要受扰小区呈一致性的特点(即第二小区群a1中的小区与第二小区群b1中的小区的相似度大于设定阈值)。通过该方法，能够有效避免如干扰器干扰等抬升型干扰所造成的偶发干扰造成的误判，判断效率和准确性更高。
本发明的一个实施例中，还提供一种定位TD-LTE网络大气波导干扰的系统，如图8所示，该系统主要包括源数据获取装置100和干扰小区定位装置300。其中，干扰小区定位装置300包括第一小区筛选装置310和第二小区筛选装置320。
所述源数据获取装置100，用于获取目标区域范围中LTE小区的目标时段的上行干扰性能数据；所述上行干扰性能数据包括数据的采集时间、小区名称、小区经纬度和小区的每个物理资源块PRB的上行干扰电平值；
干扰小区定位装置300，用于根据所述上行干扰性能数据定位出所述目标时段内受大气波导干扰的大气波导干扰小区；
第一小区筛选装置310，用于筛选出LTE小区中满足第一群体性特征的第一小区群；所述第一群体性特征为大气波导干扰小区性能变化群体性特征，一个小区满足第一群体性特征是指该小区的PRB上行干扰电平值满足预设的PRB规则；
第二小区筛选装置320，用于筛选出第一小区群中满足第二群体性特征的第二小区群，将第二小区群中的小区确定为大气波导干扰小区；所述第二群体性特征为大气波导干扰地理位置群体性特征，一个小区满足第二群体性特征是指该小区为预设的地理位置聚类规则下的一个类中的小区。
在本发明的一个实施例中，所述的预设的PRB规则包括：
min(PRBi)＞-110dBm，i∈[1，n]
min(PRBi)＞A
PRBm＞average(PRBi)，m∈[n1，n2]
s2≤c
其中，n为一个LTE小区可使用的物理资源块PRB的个数，min(PRBi)表示n个物理资源块PRB的上行干扰电平值中的最小值，A为预设的小区底噪阈值，PRBm表示n个物理资源块PRB中第m个PRB的上行干扰电平值，average(PRBi)表示n个物理资源块PRB的上行干扰电平值的平均值，s2表示n个物理资源块PRB的上行干扰电平值的方差，c为常数。
在本发明的一个实施例中，所述预设的地理位置聚类规则为基于密度的DBSCAN算法；所述第二小区筛选装置320，用于根据目标时段的第一小区群中的小区的经纬度采用DBSCAN算法进行小区聚类，得到聚类后的簇，一个簇即为一个类，即为一个第二小区群。
在一个优选实施例中，所述DBSCAN算法的邻域半径Eps为10Km，最少点个数Epsmin为11个。
在本发明的一个实施例中，所述目标时段包括将一天时间按照设定时间粒度划分出的t个目标时段，t≥12；此时，所述第一小区筛选装置310，用于根据每个目标时段的上行干扰性能数据，筛选出每个目标时段内满足第一群体性特征的第一小区群；
所述第二小区筛选装置320，用于对于存在第一小区群的目标时段，筛选每个目标时段的所述第一小区群中满足第二群体性特征的第二小区群。
在本发明的一个实施例中，如图9所示，所述第二小区筛选装置320还包括连续目标时段查找单元321和目标小区定位单元322。
连续目标时段查找单元321，用于查找出存在所述第二小区群的目标时段中连续的目标时段；
目标小区定位单元322，用于定位出任意两个连续的目标时段a和b中的大气波导干扰小区，该单元还包括相似度确定子单元3221和定位子单元3222。
相似度确定子单元3221，用于确定目标时段a的一个第二小区群a1中的小区与目标时段b的一个第二小区群b1中的小区的相似度；
定位子单元3222，用于根据所述相似度确定大气波导干扰小区，若所述相似度大于设定阈值，则位于第二小区群a1和第二小区群b1中的小区确定为大气波导干扰小区。
其中，第二小区群a1中的小区与第二小区群b1中的小区的相似度大于设定阈值是指两个群中相同小区的个数满足：
在本发明的一个实施例中，所述上行干扰性能数据还包括小区的归属地市、网络配置频段和网络覆盖类型。所述系统还包括数据过滤装置200，如图10所示。
所述数据过滤装置200，用于在干扰小区定位装置定位大气波导干扰小区之前，根据小区的网络配置频段，删除所获取的上行干扰性能数据中网络配置频段为D频段和E频段的数据。
为了更好的理解本发明，下面结合具体的示例实施例对本发明所提供的定位方法进行进一步详细说明。
示例实施例
本实施例中，基于TD-LTE大气波导干扰所呈现的三个呈现三个典型性特征，即大气波导干扰性能变化群体性特征、大气波导干扰地理位置群体性特征和大气波导干扰时域群体性特征，实现对TD-LTE网络中受到大气波导干扰的LTE小区的准确定位。
本实施例中，所述目标区域范围为全网中的LTE小区，获取的LTE小区一天的干扰性能数据，设定时间粒度为1小时，即一个目标时段为一个小时，图11示出了实施例中定位TD-LTE网络大气波导干扰的方法的流程示意图。
第一步：从网管导出全网LTE小区小区全天小时粒度干扰性能数据，以t表示时段，t取值1-24，分别对应为24个小时时段，t时刻粒度干扰性能数据包括时间、小区名称、归属地市、频段、覆盖类型、小区经纬度和PRB上行干扰电平。本实施例中，以20MHZ带宽组网为例，即LTE小区可用物理资源块个数为100个，100个物理资源块的上行干扰电平按顺序记为PRB0-PRB99。
下表为从网管获取到的邯郸市的一些LTE小区零点(对应时段零点到一点)的部分干扰性能数据。
表1
第二步：针对全网小区小时粒度干扰性能数据，逐一判断小区配置频段，将配置为D及E频段的小区进行数据剔除，最终保留F频段小区小时粒度干扰性能数据，对于上表中的数据，删除频段为D频段的小区的干扰性能数据。
第三步：针对F频段小区t时刻干扰性能数据中小区逐一进行大气波导干扰小区性能变化群体性特征判断，如果该列表存在被判定为YES小区即符合性能变化群体性特征，则进行第四步，否则进行F频段小区t+1时刻干扰性能数据判定。
具体判定方法如下：
逐一针对F频段小区t时刻干扰性能数据表格中小区进行大气波导干扰小区性能变化群体性特征识别算法判定，如果该小区满足该算法，即该小区被判定为符合大气波导干扰小区性能变化群体性特征。大气波导干扰小区性能变化群体性特征判定算法如下：
本实施例中，小区t时刻干扰性能数据满足以下条件，即认为该受扰小区满足大气波导干扰小区性能变化群体性特征；否则认为不满足该特征。小区上行干扰电平值PRBn，n∈[0～99]，A为小区正常情况底噪值，同时满足下述公式(1)：
第四步：汇聚t时刻小区数据，针对F频段小区t时刻干扰性能数据表格剔除不符合大气波导干扰小区性能变化群体性特征，进行第五步数据处理，即删除t时刻的干扰性能数据中不满足第三步判断条件的小区数据。
第五步：针对F频段小区t时刻干扰性能数据中小区逐一进行大气波导干扰地理位置群体性特征识别判定，如果该列表存在被判定为YES小区即符合地理位置群体性特征的小区，对判定出的聚类小区的信息进行整理记录，并判断是否满足t+1＜25，如果不满足则进行第六步，否则直接返回第三步，进行t+1时刻数据处理。
本实施例中，大气波导干扰地理位置群体性特征识别具体判定算法：
针对F频段小区t时刻干扰性能数据进行基于密度的DBSCAN算法小区聚类(小区按经纬度进行聚类，DBSCAN算法设定聚类参数Eps为10公里，Epsmin为11个点)，输出聚类以及对应小区，然后逐一判定F频段小区t时刻干扰性能数据列表中小区是否属于某一聚类，如果该列表存在被判定为YES小区，则进行第六步，否则返回第三步进行F频段小区t+1时刻干扰性能数据处理。
如图12所示，为对基于某些小区的经纬度进行聚类后，得到的地理位置群体性特征分布示意图，为了显示的说明聚类结果，图中以黑色封闭的线条对其中的一些聚类出的第二小区群进行了标识示意(并没有对全部聚类区域进行标识)，与图中对应的聚类后的输出列表如下表所示：
| 序号 | 小区名称 | 经度 | 纬度 | 出现时间 | 归属片区编号 |
| 1 | CZHUH0199新华小学-ZLHF_2 | 117.3626 | 38.37059 | 0 | 1 |
| 2 | CZHUH0220方庄2-ZLHF_3 | 117.369808 | 38.376719 | 0 | 1 |
| 3 | CZHUH0220方庄2-ZLHF 1 | 117.369808 | 38.376719 | 0 | 1 |
| 4 | CZWUQ0131新兴路西-ZLHF 3 | 116.38728 | 37.62053 | 0 | 2 |
| 5 | CZHUH0195东昊会馆-ZLHF 1 | 117.32558 | 38.38056 | 0 | 1 |
| 6 | CZWUQ0059第四屯-ZLHF_3 | 116.38233 | 37.67514 | 0 | 2 |
| 7 | CZWUQ0059第四屯-ZLHF_2 | 116.38233 | 37.67514 | 0 | 2 |
| 8 | CZHUH0259三虎庄东南-ZLHF_1 | 117.37656 | 38.44841 | 0 | 3 |
| 9 | CZHUH0259三虎庄东南-ZLHF_3 | 117.37656 | 38.44841 | 0 | 3 |
| 10 | CZHUH0259三虎庄东南-ZLHF 2 | 117.37656 | 38.44841 | 0 | 3 |
| 11 | CZHUH0107南大港北-ZLHF_1 | 117.38574 | 38.48831 | 0 | 3 |
| 12 | CZXIH0090开发区3-ZLHF 2 | 116.94772 | 38.29736 | 0 | 4 |
| 13 | CZWUQ0082大张庄-ZLHF 3 | 116.412424 | 37.609213 | 0 | 2 |
| 14 | CZWUQ0082大张庄-ZLHF 2 | 116.412424 | 37.609213 | 0 | 2 |
| 15 | CZWUQ0091庞庄-ZLHF_2 | 116.57837 | 37.66851 | 0 | 7 |
| 16 | CZCAX0280沧县黄官屯村南-ZLHF_2 | 116.97844 | 38.25042 | 0 | 4 |
| 17 | CZCAX0280沧县黄官屯村南-ZLHF_3 | 116.97844 | 38.25042 | 0 | 4 |
| 18 | CZB0H0212新伦特-ZLHF_1 | 117.714809 | 38.293373 | 0 | 6 |
| 19 | CZBOH0209东北一大队-ZLHF1-1 | 117.38067 | 38.47949 | 0 | 3 |
| 20 | CZHUH0127刘皮庄-ZLHF_1 | 117.30768 | 38.41151 | 0 | 1 |
| 21 | CZCAX0524祝庄子东-ZLHF_2 | 116.94977 | 38.27596 | 0 | 4 |
| 22 | CZCAX0524祝庄子东-ZLHF_3 | 116.94977 | 38.27596 | 0 | 4 |
| 23 | CZBOH0297渤海港务-ZLHF_1 | 117.861335 | 38.292277 | 0 | 5 |
表2
由表中可以看出，对于t时刻图10中所示出的小区，进行聚类算法后，共得到7个簇，即7个第二小区群，对7个第二小区群的信息进行整理记录。
第六步：将第五步整理记录的24个小时粒度的数据进行汇总，集成一张数据表，供第七步用于小区的大气报道干扰时域群体性特征判定；
第七步：针对第六步输出数据受扰小区进行大气波导干扰时域群体性特征判定，如果该列表存在被判定为YES小区，该小区为大气波导干扰小区，否则不是。
本实施例中，大气波导干扰时域群体性特征判定算法：
针对聚类区域时域连续性判定，如果存在t时刻与t+1时刻，同一聚类区域小区一致性即相似度大于70％，则认为该聚类区域时域具有连续性，即该干扰区域受干扰时间相对较长，对网络影响较大，认为受到大气波导干扰，否则则认为该区域是偶发干扰，如果小区属于此类时域连续性聚类区域，则判定为YES，否则判定NO。
第八步：输出当日大气波导干扰小区详单。
将LTE小区的判断判断结果以列表形式输出，从列表中即为看出的受大气波导干扰的LTE小区。下表为本实施例的部分判断结果列表。
表3
本发明实施例中所提供的方，以小区工参、性能数据为基础数据，从大气波导小区性能、地理、时间特征出发，深度开展大数据挖掘分析，实现大气波导干扰小区定位。该方法与现有技术相比，基于性能变化群体性特征、地理位置群体性特征、时域群体性特征的TD-LTE网络大气波导干扰三特征逐步判定，判定条件更为充分，能够有效避免如干扰器干扰等抬升型干扰的误判，判断效率和准确性更高。同时该方法是基于后台网管性能、工参数据进行大气波导干扰判定，具有成本低、实时性强、效率高等优势。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而系统体系结构并不脱离本发明的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。
Claims (16)
1.一种定位TD-LTE网络大气波导干扰的方法，其特征在于，包括：
获取目标区域范围中LTE小区的目标时段的每个物理资源块PRB的上行干扰电平值；
根据所述的每个物理资源块PRB的上行干扰电平值筛选出LTE小区中满足第一群体性特征的第一小区群，所述第一群体性特征为大气波导干扰小区性能变化群体性特征，一个小区满足第一群体性特征是指该小区的PRB上行干扰电平值满足预设的PRB规则；
筛选出所述第一小区群中满足第二群体性特征的第二小区群，将第二小区群中的小区确定为所述大气波导干扰小区，所述第二群体性特征为大气波导干扰地理位置群体性特征，一个小区满足所述第二群体性特征是指该小区为预设的地理位置聚类规则下的一个类中的小区。
2.根据权利要求1所述的方法，其特征在于，所述目标时段包括将一天时间按照设定时间粒度划分出的t个目标时段，t≥12；
所述筛选出LTE小区中满足第一群体性特征的第一小区群，包括：
根据每个目标时段的小区的每个物理资源块PRB的上行干扰电平值，筛选出每个目标时段内满足第一群体性特征的第一小区群；
所述筛选出第一小区群中满足第二群体性特征的第二小区群，包括：
对于存在第一小区群的目标时段，筛选每个目标时段的所述第一小区群中满足第二群体性特征的第二小区群。
3.根据权利要求2所述的方法，其特征在于，所述筛选出第一小区群中满足第二群体性特征的第二小区群，将第二小区群中的小区确定为大气波导干扰小区，包括：
查找出存在所述第二小区群的目标时段中连续的目标时段；
对于任意两个连续的目标时段a和b，若目标时段a的一个第二小区群a1中的小区与目标时段b的一个第二小区群b1中的小区的相似度大于设定阈值，则位于第二小区群a1和第二小区群b1中的小区确定为大气波导干扰小区。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：获取目标区域范围中LTE小区的网络配置频段；
在筛选出LTE小区中满足第一群体性特征的第一小区群之前，还包括：
根据小区的网络配置频段，删除网络配置频段为D频段和E频段的小区数据。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述的预设的PRB规则包括：
min(PRBi)＞-110dBm，i∈[1，n]
min(PRBi)＞A
PRBm＞average(PRBi)，m∈[n1，n2]
s2≤c
其中，n为一个LTE小区可使用的物理资源块PRB的个数，min(PRBi)表示n个物理资源块PRB的上行干扰电平值中的最小值，A为预设的小区底噪阈值，PRBm表示n个物理资源块PRB中第m个PRB的上行干扰电平值，average(PRBi)表示n个物理资源块PRB的上行干扰电平值的平均值，s2表示n个物理资源块PRB的上行干扰电平值的方差，c为常数。
6.根据权利要求5所述的方法，其特征在于，所述LTE小区为F频段20MHZ带宽组网模式，所述n＝100，n1＝55，n2＝61，c＝4。
7.根据权利要求1至3任一项所述的方法，其特征在于，所述预设的地理位置聚类规则为基于密度的DBSCAN算法，筛选出第一小区群中满足第二群体性特征的第二小区群，包括：
对于目标时段的第一小区群，根据第一小区群中的小区的经纬度采用DBSCAN算法进行小区聚类，得到聚类后的簇，一个簇即为一个第二小区群。
8.根据权利要求7所述的方法，其特征在于，所述DBSCAN算法的邻域半径Eps为10Km，最少点个数Epsmin为11个。
9.根据权利要求3所述的方法，其特征在于，第二小区群a1中的小区与第二小区群b1中的小区的相似度大于设定阈值是指两个第二小区群中相同小区的个数满足：
10.一种定位TD-LTE网络大气波导干扰的系统，其特征在于，包括：
源数据获取装置，用于获取目标区域范围中LTE小区的目标时段的每个物理资源块PRB的上行干扰电平值；
第一小区筛选装置，用于根据所述的每个物理资源块PRB的上行干扰电平值筛选出LTE小区中满足第一群体性特征的第一小区群；所述第一群体性特征为大气波导干扰小区性能变化群体性特征，一个小区满足第一群体性特征是指该小区的PRB上行干扰电平值满足预设的PRB规则；
第二小区筛选装置，用于筛选出第一小区群中满足第二群体性特征的第二小区群，将第二小区群中的小区确定为大气波导干扰小区；所述第二群体性特征为大气波导干扰地理位置群体性特征，一个小区满足第二群体性特征是指该小区为预设的地理位置聚类规则下的一个类中的小区。
11.根据权利要求10所述的系统，其特征在于，所述目标时段包括将一天时间按照设定时间粒度划分出的t个目标时段，t≥12；
所述第一小区筛选装置，用于根据每个目标时段的小区的每个物理资源块PRB的上行干扰电平值，筛选出每个目标时段内满足第一群体性特征的第一小区群；
所述第二小区筛选装置，用于对于存在第一小区群的目标时段，筛选每个目标时段的所述第一小区群中满足第二群体性特征的第二小区群。
12.根据权利要求11所述的系统，其特征在于，所述第二小区筛选装置包括：
连续目标时段查找单元，用于查找出存在所述第二小区群的目标时段中连续的目标时段；
目标小区定位单元，用于定位出任意两个连续的目标时段a和b中的大气波导干扰小区，包括：
相似度确定子单元，用于确定目标时段a的一个第二小区群a1中的小区与目标时段b的一个第二小区群b1中的小区的相似度；
定位子单元，用于根据所述相似度确定大气波导干扰小区，若所述相似度大于设定阈值，则位于第二小区群a1和第二小区群b1中的小区确定为大气波导干扰小区。
13.根据权利要求10至12中任一项所述的系统，其特征在于，所述源数据获取装置，还用于获取目标区域范围中LTE小区的网络配置频段；
所述系统还包括：
数据过滤装置，用于在第一小区筛选装置筛选出LTE小区中满足第一群体性特征的第一小区群之前，根据小区的网络配置频段，删除网络配置频段为D频段和E频段的小区数据。
14.根据权利要求10至12中任一项所述的系统，其特征在于，所述的预设的PRB规则包括：
min(PRBi)＞-110dBm，i∈[1，n]
min(PRBi)＞A
PRBm＞average(PRBi)，m∈[n1，n2]
s2≤c
其中，n为一个LTE小区可使用的物理资源块PRB的个数，min(PRBi)表示n个物理资源块PRB的上行干扰电平值中的最小值，A为预设的小区底噪阈值，PRBm表示n个物理资源块PRB中第m个PRB的上行干扰电平值，average(PRBi)表示n个物理资源块PRB的上行干扰电平值的平均值，s2表示n个物理资源块PRB的上行干扰电平值的方差，c为整数。
15.根据权利要求10至12中任一项所述的系统，其特征在于，所述预设的地理位置聚类规则为基于密度的DBSCAN算法；
所述第二小区筛选装置，用于根据目标时段的第一小区群中的小区的经纬度采用DBSCAN算法进行小区聚类，得到聚类后的簇，一个簇即为一个第二小区群。
16.根据权利要求12所述的系统，其特征在于，第二小区群a1中的小区与第二小区群b1中的小区的相似度大于设定阈值是指两个第二小区群中相同小区的个数满足：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710014168.1A CN108289302B (zh) | 2017-01-10 | 2017-01-10 | 定位td-lte网络大气波导干扰的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710014168.1A CN108289302B (zh) | 2017-01-10 | 2017-01-10 | 定位td-lte网络大气波导干扰的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108289302A true CN108289302A (zh) | 2018-07-17 |
| CN108289302B CN108289302B (zh) | 2021-05-11 |
Family
ID=62819456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710014168.1A Active CN108289302B (zh) | 2017-01-10 | 2017-01-10 | 定位td-lte网络大气波导干扰的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108289302B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109699044A (zh) * | 2018-12-26 | 2019-04-30 | 中国移动通信集团江苏有限公司 | 大气波导干扰的确定方法、装置、设备及介质 |
| CN110557772A (zh) * | 2019-08-22 | 2019-12-10 | 西安电子科技大学 | 一种针对大气波导的无线通信干扰预测方法 |
| CN110958613A (zh) * | 2018-09-26 | 2020-04-03 | 中国电信股份有限公司 | 大气波导干扰处理方法、装置、基站以及通信系统 |
| CN112534865A (zh) * | 2018-08-03 | 2021-03-19 | 上海诺基亚贝尔股份有限公司 | 用于检测波导干扰源的方法、设备和计算机可读介质 |
| CN112543411A (zh) * | 2019-09-20 | 2021-03-23 | 中兴通讯股份有限公司 | 一种无线通信系统的干扰定位方法、装置和系统 |
| CN112969193A (zh) * | 2019-12-13 | 2021-06-15 | 中国移动通信集团天津有限公司 | 无线网络的干扰确定方法、装置及设备 |
| CN115134909A (zh) * | 2021-03-24 | 2022-09-30 | 中国移动通信集团湖北有限公司 | 通信干扰源的定位方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103686793A (zh) * | 2013-12-23 | 2014-03-26 | 大唐移动通信设备有限公司 | 一种干扰源确定方法及装置 |
| CN104754597A (zh) * | 2013-12-25 | 2015-07-01 | 中国移动通信集团江苏有限公司 | 一种干扰自动检测的设备、系统及方法 |
| CN105657727A (zh) * | 2014-12-03 | 2016-06-08 | 中国移动通信集团江苏有限公司 | 干扰信号干扰类型的确定方法及其装置 |
| WO2016192590A1 (en) * | 2015-05-29 | 2016-12-08 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and device for identifying source of interference propagated via atmospheric duct |
-
2017
- 2017-01-10 CN CN201710014168.1A patent/CN108289302B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103686793A (zh) * | 2013-12-23 | 2014-03-26 | 大唐移动通信设备有限公司 | 一种干扰源确定方法及装置 |
| CN104754597A (zh) * | 2013-12-25 | 2015-07-01 | 中国移动通信集团江苏有限公司 | 一种干扰自动检测的设备、系统及方法 |
| CN105657727A (zh) * | 2014-12-03 | 2016-06-08 | 中国移动通信集团江苏有限公司 | 干扰信号干扰类型的确定方法及其装置 |
| WO2016192590A1 (en) * | 2015-05-29 | 2016-12-08 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and device for identifying source of interference propagated via atmospheric duct |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112534865A (zh) * | 2018-08-03 | 2021-03-19 | 上海诺基亚贝尔股份有限公司 | 用于检测波导干扰源的方法、设备和计算机可读介质 |
| CN110958613A (zh) * | 2018-09-26 | 2020-04-03 | 中国电信股份有限公司 | 大气波导干扰处理方法、装置、基站以及通信系统 |
| CN110958613B (zh) * | 2018-09-26 | 2022-09-20 | 中国电信股份有限公司 | 大气波导干扰处理方法、装置、基站以及通信系统 |
| CN109699044A (zh) * | 2018-12-26 | 2019-04-30 | 中国移动通信集团江苏有限公司 | 大气波导干扰的确定方法、装置、设备及介质 |
| CN109699044B (zh) * | 2018-12-26 | 2022-05-13 | 中国移动通信集团江苏有限公司 | 大气波导干扰的确定方法、装置、设备及介质 |
| CN110557772A (zh) * | 2019-08-22 | 2019-12-10 | 西安电子科技大学 | 一种针对大气波导的无线通信干扰预测方法 |
| CN112543411A (zh) * | 2019-09-20 | 2021-03-23 | 中兴通讯股份有限公司 | 一种无线通信系统的干扰定位方法、装置和系统 |
| CN112543411B (zh) * | 2019-09-20 | 2023-07-11 | 中兴通讯股份有限公司 | 一种无线通信系统的干扰定位方法、装置和系统 |
| CN112969193A (zh) * | 2019-12-13 | 2021-06-15 | 中国移动通信集团天津有限公司 | 无线网络的干扰确定方法、装置及设备 |
| CN112969193B (zh) * | 2019-12-13 | 2022-08-12 | 中国移动通信集团天津有限公司 | 无线网络的干扰确定方法、装置及设备 |
| CN115134909A (zh) * | 2021-03-24 | 2022-09-30 | 中国移动通信集团湖北有限公司 | 通信干扰源的定位方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108289302B (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108289302A (zh) | 定位td-lte网络大气波导干扰的方法及系统 | |
| CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
| CN106792514B (zh) | 基于信令数据的用户职住地分析方法 | |
| CN108810911B (zh) | 一种基于数据挖掘的低功耗广域网网络规划方法 | |
| CN104105106B (zh) | 无线通信网智能天线覆盖场景自动分类识别方法 | |
| CN108520023A (zh) | 一种基于混合聚类算法的雷暴核识别及追踪方法 | |
| Zhou et al. | On the spatial distribution of base stations and its relation to the traffic density in cellular networks | |
| CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
| CN105656826A (zh) | 基于顺序统计量和机器学习的调制识别方法及系统 | |
| CN103634829B (zh) | 一种基于路测信息的路段筛选方法和设备 | |
| CN104486772A (zh) | 一种端到端多维度归一化的lte网络评估优化系统 | |
| CN101895898B (zh) | 核查小区同邻频干扰的方法及其系统 | |
| CN108243435A (zh) | 一种lte小区场景划分中的参数优化方法及装置 | |
| CN112328728A (zh) | 挖掘出行者轨迹的聚类方法、装置、电子装置和存储介质 | |
| Flammini et al. | Improved approximation results for the minimum energy broadcasting problem | |
| Fiadino et al. | Call Detail Records for Human Mobility Studies: Taking Stock of the Situation in the" Always Connected Era" | |
| Torkamandi et al. | An online method for estimating the wireless device count via privacy-preserving wi-fi fingerprinting | |
| CN105049286A (zh) | 基于层次聚类的云平台测速数据判定方法 | |
| CN109560972A (zh) | 一种Ad Hoc网络物理拓扑非协作式推断方法 | |
| CN106792760A (zh) | 一种基于方位角的站间距统计实现方法 | |
| CN114091100B (zh) | 一种满足本地差分隐私的轨迹数据收集方法及系统 | |
| CN114363824B (zh) | 一种基于mr位置和道路gis信息的通勤轨迹刻画方法及系统 | |
| CN104519511A (zh) | 一种检测通信网络小区场景突变的方法和装置 | |
| Skapa et al. | K-mean clustering and correlation analysis in recognition of weather impact on radio signal | |
| Song et al. | A clustering algorithm incorporating density and direction |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |