CN108322917B - 无线网络接入故障定位方法、设备、系统及存储介质 - Google Patents
无线网络接入故障定位方法、设备、系统及存储介质 Download PDFInfo
- Publication number
- CN108322917B CN108322917B CN201810457946.9A CN201810457946A CN108322917B CN 108322917 B CN108322917 B CN 108322917B CN 201810457946 A CN201810457946 A CN 201810457946A CN 108322917 B CN108322917 B CN 108322917B
- Authority
- CN
- China
- Prior art keywords
- factor
- wireless network
- network access
- processed
- fault root
- 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.)
- Active
Links
Images
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
- 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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供一种无线网络接入故障定位方法、设备、系统及存储介质。其中,方法包括:对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列;根据报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值;基于各种潜在故障根因与多个特征变量之间的关系系数和多个特征变量在对应待处理无线网络接入过程时的取值,确定各种潜在故障根因对待处理无线网络接入过程的影响得分;根据各种潜在故障根因对待处理无线网络接入过程的影响得分,定位引起待处理无线网络接入过程故障的故障根因。本申请实施例可有效提高无线网络接入故障定位的效率。
Description
技术领域
本申请涉及通信技术与人工智能领域,尤其涉及一种无线网络接入故障定位方法、设备、系统及存储介质。
背景技术
随着无线网络的普及,越来越多的终端设备接入无线网络中以享受无线网络带来的便利。在某些情况下,终端设备请求接入无线网络的过程中会发生故障,我们称这种故障为无线网络接入故障。为了保证无线网络服务质量,作为网络服务提供商,快速诊断出故障发生的原因是很有必要的。
由于无线网络环境异常复杂,导致对无线网络接入故障的诊断困难重重,目前,常见的诊断方式是直接对无线网络接入过程中报文携带的原因码进行规制匹配,但是,大部分情况下无法根据原因码判断出故障原因,依然需要大量的专业工程师进行人工诊断,甚至是实地勘察,诊断效率低。
发明内容
本申请的多个方面提供一种无线网络接入故障定位方法、设备、系统及存储介质,以解决现有技术中诊断无线网络接入故障时存在的诊断效率低的问题。
本申请实施例提供一种无线网络接入故障定位方法,包括:
对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列;
根据所述报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应所述待处理无线网络接入过程时的取值;
基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分;
根据所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,定位引起所述待处理无线网络接入过程故障的故障根因。
本申请实施例还提供一种管理设备,包括:存储器和处理器;
所述存储器,用于存储一条或多条计算机指令;
所述处理器,耦合至所述存储器,用于执行所述一条或多条计算机指令,以用于:
对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列;
根据所述报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应所述待处理无线网络接入过程时的取值;
基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分;
根据所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,定位引起所述待处理无线网络接入过程故障的故障根因。
本申请实施例还提供一种无线网络系统,包括:管理设备和至少一个AP;
所述至少一个AP,用于在待处理无线网络接入过程中采集多个报文,并将所述多个报文发送至所述管理设备;
所述管理设备,用于接收所述AP发送的所述多个报文,并对所述多个报文进行参数提取,以形成报文参数序列;
根据所述报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应所述待处理无线网络接入过程时的取值;
基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分;
根据所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,定位引起所述待处理无线网络接入过程故障的故障根因。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被执行用于实现上述方法中的步骤。
在本申请实施例中,从无线网络接入过程中采集到的多个报文的报文参数中,确定可体现故障根因的一组特征变量,进而,针对需要确定故障根因的无线网络接入过程,可基于该组特征变量与多种潜在故障根因之间的关联关系和该组特征变量在对应待处理无线网络接入过程时的取值,定位该无线网络接入过程发生无线网络接入故障是由那种潜在故障根因主导的,据此实现无线网络接入故障的定位。在本申请实施例中,只需采集报文数据,即可快速获得无线网络故障定位结果,有效提高了无线网络故障诊断效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请一实施例提供的一种无线网络系统的结构示意图;
图2为本申请另一示例性实施例提供的一种无线网络接入故障定位方法的流程示意图;
图3为本申请另一示例性实施例提供的另一种无线网络接入故障定位方法的流程示意图;
图4为本申请另一示例性实施例提供的又一种无线网络接入故障定位方法的流程示意图;
图5为本申请又一实施例提供的管理设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在现有技术中,常见的无线网络接入故障诊断方式是直接对无线网络接入过程中报文携带的原因码进行规制匹配,但是,大部分情况下无法根据原因码判断出故障原因,依然需要大量的专业工程师进行人工诊断,甚至是实地勘察,诊断效率低。针对该技术问题,本申请实施例提供一种解决方案,主要原理是:基于无线网络接入过程中采集到的多个报文,确定用于解释多个报文的一组特征变量,并分析该组特征变量与多种潜在故障根因之间的关联关系,以定位无线网络接入故障是由那种潜在故障根因主导的,据此实现无线网络接入故障的定位。在本申请实施例中,只需采集少量的报文数据,即可快速获得无线网络故障定位结果,有效提高了无线网络故障诊断效率。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本申请一实施例提供的一种无线网络系统的结构示意图。如图1所示,该系统包括:管理设备10和至少一个AP11(Access Point,无线接入点)。
在本实施例的无线网络系统中,包括至少一个AP11,这些AP11根据无线网络覆盖要求分布在不同位置。终端设备通过至少一个AP11接入无线网络。终端设备可以是手机、平板电脑、笔记本电脑等。终端设备请求接入无线网络的过程包括:在终端设备上搜索到了无线网络信号,例如可以是WiFi信号;无线网络信号由AP发出;终端设备搜索到无线网络信号之后,向发出该无线网络信号的AP发送“认证请求报文”;AP接收到认证请求报文,并对终端设备进行认证,当终端设备通过认证后向终端设备发送一个“认证应答报文”;终端设备在收到“认证应答报文”后向AP发送“关联请求报文”;若AP接收到了这个“关联请求报文”,会向发送给关联请求报文的终端设备返回一个“关联应答报文”,此后,AP与终端设备之间还可能存在其它报文交互,在此不再列举;如果这个接入过程正常,终端设备可以接入到无线网络当中。
但是,在实际认证与请求的过程中,至少存在三个影响接入过程成败的因素,分别为“终端设备端因素”、“AP端因素”以及报文传输过程中的“无线环境因素”。例如,终端设备本身的软硬件发生故障会导致认证请求报文出现错误,导致无线网络接入过程失败。又例如,AP发生某种软硬件故障会导致认证应答报文错误或发送失败,导致无线网络接入过程失败。又例如,报文传输过程中会受到无线环境中各种干扰因素的影响,哪怕终端设备发送的报文和AP发送的报文均正常,也可能因为传输失败而导致无线网络接入过程失败。在本申请实施例中,将无线网络接入过程失败的情况称为无线网络接入故障。
一旦发生无线网络接入故障,需要及时分析并定位无线网络接入故障的原因,以便进行故障排查。在本实施例中,在终端设备接入无线网络的过程中,无线网络中的AP11可采集无线网络接入过程中的多个报文,并将采集到的多个报文发送至管理设备10,以供管理设备10在无线网络接入过程发生故障时进行无线网络接入故障定位。
在本实施例的无线网络系统中,还包括管理设备10。其中,多个AP11分别与管理设备10进行通信,管理设备10可以与多个AP11进行通信,以便于能够获取多个AP11在终端设备接入无线网络过程中采集到的多个报文。在物理实现上,管理设备10可以是独立的设备,也可以是集成在无线网络系统中的某台设备上。值得说明的是,本实施例的无线网络系统可以采用“胖AP”架构,也可以采用“瘦AP”架构。可选地,若本实施例的无线网络系统采用“瘦AP”架构的情况下,该无线网络系统还可以包括无线控制器(AC),则管理设备10可以集成到AC上实现。若本实施例的无线网络系统采用“胖AP”架构,则管理设备10可以集成到无线网络系统中的某个AP11上实现。管理设备10主要用于接收多个AP11发送的多个报文,并基于多个AP11发送的多个报文对确定发生无线网络接入故障的相应无线网络接入过程进行无线网络接入故障定位。一般来说,终端设备会通过一个AP11进行无线网络接入,相应地,一个无线网络接入过程对应的报文来自于该无线网络接入过程中涉及的AP11和终端设备。
由于无线网络环境异常复杂,这导致无线网络接入过程发生故障的故障原因很多,例如,终端设备本身的软硬件发生故障会导致认证请求报文出现错误,AP发生某种软硬件故障就会导致认证应答报文错误或发送失败,或者,无线环境中各种干扰因素的影响,会导致终端设备发送的报文和AP发送的报文正常,但报文传输和接收失败,也就是,终端设备、AP和无线环境都有可能导致无线网络接入故障。因此,每个无线网络接入过程将对应多个可能的故障原因,管理设备10将基于待处理无线网络接入过程中产生的报文确定待处理无线网络接入过程故障是由这些可能的故障原因中哪一种主导的,进而实现无线网络接入故障的定位。
在本实施例中,将可能导致无线网络接入故障的故障原因称为潜在故障根因,将对待处理无线网络接入过程故障起主导作用的潜在故障根因称为故障根因,其中,潜在故障根因可以是一个或多个。承接上例,可将终端设备、AP和无线环境分别确定为三种潜在故障根因。
另外,无线网络系统中存在多个终端设备发起的至少一次无线网络接入过程。这些无线网络接入过程都有可能发生无线网络接入故障。在本实施例中,管理设备10可以针对每个发生无线网络接入故障的无线网络接入过程为其定位故障根因,其中,故障根因是潜在故障根因中的一个。其中,管理设备10为每个发生无线网络接入故障的无线网络接入过程定位故障根因的过程相同或类似,故在本申请实施例中,以针对其中一个发生无线网络接入故障的无线网络接入过程定位故障根因的过程为例进行说明,并将该无线网络接入过程称为待处理无线网络接入过程。待处理无线网络接入过程是发生无线网络接入故障的无线网络接入过程。
对AP11来说,会采集待处理无线网络接入过程中产生的多个报文。AP11采集到的报文包含来自终端设备的报文,也包含AP11发送的报文。这里的终端设备是指在待处理无线网络接入过程中向AP11发起无线网络接入请求的终端设备。另外,AP11采集到的每个报文具有若干报文参数,这些报文参数可以是任何与报文相关的参数。下面对这些报文参数进行举例说明:
报文中可包含报文类型。为便于对多个报文的分析,可定义多种报文类型,例如,报文类型可以包括上文中提及的“认证请求报文”、“认证应答报文”等等。值得说明的是,不同AP厂家可根据需求适应性划分报文类型,并不不限于此处列举的类型。
另外,报文中还可包含报文长度(大小)、网卡编号、信号强度、发送重传次数、发送功率、速率、底噪、信道利用率、原因码等等其它报文参数,对此不一一进行说明。
管理设备10可根据AP或者终端设备上报的无线网络接入故障通知等信息获知无线网络接入过程是否发生故障,当然,还可通过人工标记发生故障的无线网络接入过程等其它途径获知无线网络接入过程是否发生故障,本发明对此不作限定。
对管理设备10来说,在接收到AP11上报的待处理无线网络接入过程中产生的多个报文后,可对这些报文进行参数提取,并基于提取的参数形成报文参数序列。报文参数序列包含多个报文中每个报文对应的至少一个报文参数值。
在获得报文参数序列之后,管理设备10可根据报文参数序列中的报文参数值,计算可用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值。其中,这些特征变量是一些可反映出报文参数序列中各类报文参数的状态属性的变量,而各类报文参数的状态属性一定程度上可体现出无线网络接入过程中的异常状态,因此,这些特征变量可以用来确定故障根因。另外,本实施例中的特征变量是一种泛指,并非数学概念,针对特定无线网络接入过程,这些特征变量的取值是确定的,但针对不同无线网络接入过程,这些特征变量的取值一般会不同。值得说明的是,这些特征变量与选用的报文参数的类型相关。可选地,在本实施例中,可以预先确定用于定位故障根因所需的报文参数的类型,进而确定相关的特征变量。
在获得的多个特征变量针对待处理无线网络接入过程时的取值之后,管理设备10可基于各种潜在故障根因与多个特征变量之间的关系系数以及多个特征变量针对待处理无线网络接入过程时的取值,确定各种潜在故障根因对待处理无线网络接入过程的影响得分,进而可根据各种潜在故障根因对待处理无线网络接入过程的影响得分,确定哪个潜在故障原因对待处理无线网络接入过程其主导作用,并将其确定为待处理无线网络接入过程的故障根因。
其中,各种潜在故障根因与多个特征变量之间的关系系数体现了各种潜在故障根因与多个特征变量之间的关联关系,也可以理解为:多个特征变量对各种潜在故障根因的解释程度,或者说是,各种潜在故障根因在多个特征变量上的表现程度。例如,终端设备发生故障时会对终端设备发送的各报文的信号强度、速率和/或长度造成比较显著的影响,而对AP发送的各个报文的信号强度等特征变量并不会产生太多影响,那么,当潜在故障根因为终端设备时,该潜在故障根因与终端设备发送的各报文的信号强度、速率和/或长度等特征变量之间的关系系数将较大,而与AP发送的各个报文的信号强度等特征变量之间的关系系数则将较小。也可以理解为:终端设备发送的各报文的信号强度、速率和/或长度等特征变量对该潜在故障根因的解释程度更大,或者说是,该潜在故障根因在终端设备发送的各报文的信号强度、速率和/或长度等特征变量上的表现比较明显。在本申请实施例中,从无线网络接入过程中采集到的多个报文的报文参数中,确定可体现故障根因的一组特征变量,进而,针对需要确定故障根因的无线网络接入过程,可基于该组特征变量与多种潜在故障根因之间的关联关系和该组特征变量在对应待处理无线网络接入过程时的取值,定位该无线网络接入过程发生无线网络接入故障是由那种潜在故障根因主导的,据此实现无线网络接入故障的定位。在本实施例中,只需采集少量的报文数据,即可快速获得无线网络故障定位结果,有效提高了无线网络故障诊断效率。
在本申请实施例中,报文参数序列的确定规则可以多种多样。在一可选实施方式中,管理设备10可按照设定的报文参数类型,提取多个报文的报文参数;联合报文参数类型和多个报文的发送方信息,将多个报文的报文参数划分为多个分组,以形成报文参数序列。
待处理无线网络接入过程中将产生多个报文,包括终端设备发出的报文和AP发出的报文。例如,在终端设备搜索到无线网络信号后,终端设备向AP发送“认证请求报文”,AP接收到了认证请求报文,认证正常后会向终端设备发送“认证应答报文”,终端设备在收到“认证应答报文”后会向AP发送“关联请求报文”,若AP接收到关联请求报文,则会向终端设备发送一个“关联应答报文”,等等。其中,终端设备作为发送方的报文包括:认证请求报文和关联请求报文,而AP作为发送方的报文包括:认证应答报文和关联应答报文。为了区分报文是谁发送的,在一种实施方式中,可在报文中携带发送方的信息,例如,可根据报文的发送方在报文中携带终端设备或者AP的标识;在另一种实施方式中,也可以根据报文类型确定报文的发送方信息,例如,上文中提及的认证请求报文的发送方为终端设备,认证应答报文的发送方为AP。
经过联合分组后的报文参数序列包含划分出的各个分组,每个分组内的报文参数属于同一报文参数类型,并且这些报文参数所对应的报文来自于同一发送方。其中,设定的报文参数类型可以是报文长度(大小)、信号强度、发送重传次数、发送功率、速率、底噪、信道利用率等等。例如,可将待处理无线网络接入过程产生的多个报文的报文参数划分为“AP对应的报文长度分组”、“终端设备对应的报文长度分组”、“AP对应的报文信号强度分组”、“终端设备对应的报文信号强度分组”、“AP对应的报文速率分组”、“终端设备对应的报文速率分组”等等。其中,在AP对应的报文长度分组中包括AP发送的各报文的报文长度值;在终端设备对应的报文长度分组中包括来自终端设备的各报文的报文长度值;在AP对应的报文信号强度分组中包括AP发送的各报文的信号强度值;在终端设备对应的信号强度分组中包括来自终端设备的各报文的信号强度值;在AP对应的报文速率分组中包括AP发送的各报文的速率值;在终端设备对应的速率分组中包括来自终端设备的各报文的速率值,等等。经过联合分组后的报文参数序列,报文参数序列中的报文参数依然是管理设备10按照设定的报文参数类型,从AP11在待处理无线网络接入过程中采集到的多个报文中提取多个报文的报文参数,但是这些报文参数通过分组被附于了参数关联关系。
在一些可选实施方式中,为了使多个特征变量更好地体现报文参数序列中各个报文参数的状态属性,可以将报文参数序列中多个分组对应的发送方信息和报文参数类型(两者的组合)分别作为多个特征变量的变量名,进而可计算报文参数序列中多个分组中报文参数值的均值和方差,分别作为多个特征变量在对应待处理无线网络接入过程时的取值。
本实施例中,根据报文参数序列中多个分组的报文参数的均值,可判断某一报文的报文参数状态;根据报文参数序列中多个分组的报文参数的方差,可判断某一报文参数类型的稳定性。以“终端设备对应的报文信号强度分组”为例,该分组中包括来自终端设备的各报文的信号强度值,当该分组中存在一个或多个信号强度值明显低于该分组对应的信号强度均值时,说明待处理无线网络接入过程中,该一个或多个信号强度值对应的报文存在异常,终端设备可能存在故障;另外,来自终端设备的各报文的信号强度值应该比较稳定,如果该分组对应的信号强度方差较大,则说明来自终端设备的各报文的信号强度的稳定性不佳,终端设备可能存在故障。再以“AP对应的报文速率分组”为例,当该分组对应的速率均值明显低于其它无线网络接入过程中该分组对应的速率均值时,说明待处理无线网络接入过程中AP发送的各个报文的速率较低,无线环境可能存在故障。因此,报文参数序列中多个分组中报文参数值的均值和方差,可作为多个特征变量的取值,用于确定故障根因。
在一些可选实施方式中,报文参数类型除了包括前述提到的信号强度、发送功率、速率等类型报文参数之外,还可以包括报文个数这一报文参数类型。基于此,在按照报文发送方信息和报文参数类型对多个报文的报文参数进行分组时,可以获得各发送方对应的报文个数分组。在各发送方对应的报文个数分组中,报文参数值实际上是报文总数;相应地,报文参数值的均值和方差为报文总数的均值和方差。考虑到报文总数较之报文总数的均值能够更加直观、更加准确地反映报文个数的状态属性,管理设备10可在计算各发送方对应的报文个数分组中报文总数的均值和方差之后,根据各发送方对应的每种报文类型下的报文数,计算各发送方对应的报文总个数;以各发送方对应的报文总个数分别替换各发送方对应报文个数分组中报文总数的均值。据此,管理设备10可将各发送方对应的报文总个数分组的报文总数和方差用来确定故障根因。以“AP对应的报文个数分组”为例,当该分组对应的报文总个数远远大于“终端设备对应的报文个数分组”的报文总个数时,说明AP发送的报文总个数远大于来自终端设备的报文总个数,终端设备或者无线环境可能存在故障,比如,终端设备未对AP发送的某一报文做出响应,导致AP多次重发该报文;另外,当该分组对应的报文总数的方差较大时,说明AP发送的某一类报文的报文个数较大,终端设备或者无线环境可能存在故障,比如,无线环境干扰严重导致终端设备无法接收到AP发送的某一报文,终端设备也就无法对该报文做出响应,AP将多次重发该报文。
在上述或下述实施例中,由于多个特征变量能够反映出报文参数序列中各个报文参数的状态属性,而这些状态属性一定程度上可反映出潜在故障根因的可能性,因此,多个特征变量与多种潜在故障根因之间存在一种或多种关系系数能够符合特征变量与潜在故障根因之间的关联关系。管理设备10可基于因子分析原理,预先分析多个特征变量与各种潜在故障根因之间的关联关系,从而构建出因子分析模型,以便基于该因子分析模型进行故障根因定位。
基于上述,可选地,管理设备10可采用因子分析模型,基于各种潜在故障根因与多个特征变量之间的关系系数和多个特征变量在对应待处理无线网络接入过程时的取值,确定各种潜在故障根因对待处理无线网络接入过程的影响得分。该可选实施方式的过程包括以下操作:
首先,管理设备10可基于多个特征变量构建因子序列,因子序列中各个因子按照预设顺序排布,且各个因子的取值分别对应多个特征变量在对应待处理无线网络接入过程时的取值。例如,因子序列的形式可以是(R_AVG_X1,R_SD_X1,R_AVG_X2,R_SD_X2,.....,S_AVG_X1,S_SD_X1,S_AVG_X2,S_SD_X2,......),其中,“S”表示发送方为AP,“R”表示发送方为终端设备,“AVG”表示均值,“SD”表示方差,X1、X2...表示特征变量对应的报文参数类型,在一种因子预设顺序中,X1可表示报文长度、X2可表示信号强度。需要说明的是,本申请实施例对上述预设顺序并不做具体限定,因子序列中的因子顺序固定即可,也即是对于不同待处理无线网络接入过程来说,其各自对应的因子序列中的因子顺序是一致的,同时,后文中因子分析模型训练过程中提及的训练因子矩阵也对应满足该预设顺序的要求。
因子序列中可能包含多个无效因子,管理设备10可将这类无效因子从因子序列中剔除。需要说明的是,因子序列的无效因子的剔除方式与后文的因子模型训练过程中进行训练因子矩阵构建时执行的无效元素剔除方式一致,因此,管理设备10可基于后文的因子模型训练过程中确定出的训练因子矩阵的无效元素对因子序列进行无效因子的剔除。其中,无效因子是指对因子分析无贡献的因子。不同的待处理网络接入过程的故障可能是由不同的故障根因导致的,但是这些待处理网络接入过程各自对应的因子序列中的某个因子的值却始终保持不变,未受到不同故障根因的影响,那么可将该因子确定为无效因子,例如,后文中提及的“AP对应的报文发送功率分组”的方差。当然,无效因子可以是一个或多个。
由于因子序列中多个特征变量的取值对应的单位不同,这导致多个特征变量的取值之间的数值差距较大,因此将对分析结果造成影响,为避免这种影响,管理设备10可对因子序列进行标准化处理,以获得标准化的因子序列。标准化处理可采用现有的任何标准化处理手段,本发明对此不作限定,例如,最大最小标准化方法,管理设备10可根据因子分析模型中保存的训练因子矩阵标准化过程中的最大值和最小值对因子序列进行标准化处理,关于训练因子矩阵标准化过程中的最大值和最小值将在后文中进行说明。
然后,管理设备10可根据标准化后的因子序列中因子的取值以及因子分析模型输出的因子得分系数矩阵计算并输出多个公因子的得分;其中,因子得分系数矩阵包含各种潜在故障根因与多个特征变量之间的关系系数。提取公因子的方法很多,如最大似然法、主轴迭代法、加权最小二乘法、最小残差法等等。本实施例中,可采用主成分分析原理确定因子序列对应的多个公因子。每个公因子内的因子元素关联结构公式为:公因子=β1*变量1+β2*变量2+...+βn*变量n,其中,变量1、变量2....变量n的取值为标准化的因子序列中的因子的取值,每个公因子对应的(β1、β2....βn)的取值可从根据因子分析模型针对无线网络接入故障定位问题输出的因子得分系数矩阵中获取。基于该因子元素关联结构公式,可计算出每个公因子的得分。需要说明的是,本申请实施例对于因子序列对应的公因子个数并不做限定,因子序列对应的公因子个数与因子分析模型中确定出的公因子个数一致即可,关于公因子个数的确定方式将在后文的因子分析模型训练过程中进行详细说明。
之后,管理设备10可基于每个公因子与潜在故障根因的对应关系,将多个公因子中对应相同潜在故障根因的公因子的得分进行加权求和,以获得各种潜在故障根因对待处理无线网络接入过程的影响得分。针对某一潜在故障根因,与该潜在故障根因具有对应关系的公因子可能是一个或多个,当对应于该潜在故障根因的多个公因子的得分进行加权求和,以获得该潜在故障根因的影响得分,根据加权求和确定出的潜在故障根因的影响得分更加合理。每个公因子与潜在故障根因的对应关系可由本领域技术人员根据每个公因子所解释的原始报文的信息确定,例如,某一公因子可解释终端设备发送的报文速率、长度和信号强度,而终端设备发送的报文速率、长度和信号强度均会受终端设备的影响,则与该公因子对应的潜在故障根因可确定为终端设备。每个公因子与潜在故障根因的对应关系可保存在因子分析模型中,管理设备10在对待处理无线网络接入过程进行故障定位时,可根据因子分析模型中保存的每个公因子与潜在故障根因的对应关系计算每个潜在根因在各个公因子上的得分。
在本实施例中,考虑到每个公因子解释潜在故障根因的力度不同,管理设备10可根据因子分析模型输出的每个公因子的权重;对第一潜在故障根因对应的多个公因子各自的得分进行加权求和,获得第一潜在故障根因的得分;其中,第一潜在故障根因为各潜在故障根因中的任意一种。关于因子分析模型输出的每个公因子的权重,将在后文的因子分析模型训练过程中进行详细说明。
进一步,在使用因子分析模型之前,需要对因子分析模型进行模型训练,以获得符合使用要求的因子分析模型,从而保证处理结果的准确性。以下将对因子分析模型训练过程的详细说明。
管理设备10可将多个发生无线网络接入故障的无线网络接入过程对应的报文参数序列作为训练序列集合;计算用于确定故障根因的多个特征变量在训练过程中对应训练序列集合中每个训练序列的取值,以获取训练因子矩阵;基于训练因子矩阵进行因子模型训练,以训练出因子分析模型,因子分析模型包括因子得分系数矩阵和每个公因子的权重。
对于计算用于确定故障根因的多个特征变量在训练过程中对应训练序列集合中每个训练序列的取值的方案,可参考上文中针对根据报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值过程的相关描述,在此不再赘述。
管理设备10在基于训练因子矩阵进行因子模型训练时,可采用多种方法提取训练因子矩阵对应的多个公因子,例如,最大似然法、主轴迭代法、加权最小二乘法、最小残差法等等。在一可选实施例中,管理设备10可采用主成分分析原理在训练过程中提取训练因子矩阵对应的多个公因子,并进行后续的因子分析训练,以下进行详细说明。
管理设备10可对训练因子矩阵执行标准化处理,以获得标准化的训练因子矩阵;
基于主成分分析原理,确定标准化的训练因子矩阵对应的公因子个数,并计算每个公因子的得分及因子荷载系数矩阵;
基于因子荷载系数矩阵,计算每个公因子所解释的训练因子矩阵所包含信息量的方差比例,并作为每个公因子的权重;
根据训练因子矩阵以及训练因子矩阵的每个公因子的得分,计算因子得分系数矩阵;
根据每个公因子的权重以及因子得分系数矩阵,形成因子分析模型。
由于训练因子矩阵是基于多个发生无线网络接入故障的无线网络接入过程而确定出的,因此,训练因子矩阵可理解为由这些无线网络接入过程对应的因子序列组合而成。例如,因子序列的形式可以是(R_AVG_X1,R_SD_X1,R_AVG_X2,R_SD_X2,.....,S_AVG_X1,S_SD_X1,S_AVG_X2,S_SD_X2,......),其中,“S”表示发送方为AP,“R”表示发送方为终端设备,“AVG”表示均值,“SD”表示方差,X1、X2...表示特征变量对应的报文参数类型,那么,训练因子矩阵可以是将这些因子序列作为行而构成的矩阵,据此训练因子矩阵的行数等于参与训练的发生无线网络接入故障的无线网络接入过程的个数,训练因子矩阵的列数等于每个因子序列对应的因子个数,而训练因子矩阵的每一列的元素都解释同一种信息,如训练因子矩阵的第一列对应R_AVG_报文长度,则说明第一列的元素分别是不同无线网络接入过程各自对应的终端设备发送的报文长度的均值。
训练因子矩阵中可能包含多个无效元素,管理设备10可对无效元素执行剔除操作。在一可选实现方式中,管理设备10可采用低方差滤波剔除无效元素。例如,在一个无线网络接入过程中,AP发送功率是不变的,对于“AP对应的报文发送功率分组”来说,该分组对应方差为0。对于不同的无线网络接入过程来说,AP的发送功率可能不一样,但是“AP对应的报文发送功率分组”的方差均为0,这使得训练因子矩阵中“AP对应的报文发送功率分组”的方差这一列的方差也是0,而由于不同的无线网络接入过程中“AP对应的报文发送功率分组”的均值并不相同,这使得训练因子矩阵中“AP对应的报文发送功率分组”的均值这一列的方差不为0,基于此,可将训练因子矩阵中“AP对应的报文发送功率分组”的方差作为无效元素进行剔除,而将“AP对应的报文发送功率分组”的均值作为有效元素进行保留。
由于训练因子矩阵中多个特征变量的取值对应的单位不同,这导致多个特征变量的取值之间的数值差距较大,因此将对分析结果造成影响。为避免这种影响,可对训练因子矩阵进行标准化处理,标准化处理可采用现有的任何标准化处理手段,本发明对此不作限定。本实施例中,可采用最大最小标准化方法对训练因子矩阵中每一列元素进行标准化处理。最大最小标准化方法可基于以下公式进行:其中,表示待标准化的列中元素的标准化值,X表示待标准化的列中元素的原始值,Xmax表示待标准化的列中元素的最大值,Xmin表示待标准化的列中元素的最小值。需要说明的是,标准化处理是对原始数据进行线性变换,但保持原始数据之间的内部联系。
基于标准化的训练因子矩阵,管理设备10可采用主成分分析原理,计算标准化的训练因子矩阵对应的多个公因子的得分及因子荷载系数矩阵。根据主成分分析原理,可首先确定标准化后的因子序列对应的因子相关系数矩阵,并根据因子相关系数矩阵确定出主成分,之后可根据主成分,确定公因子的得分及因子荷载系数其中,λ表示特征值,γ表示对应的特征向量,Yi表示第i个主成分,Fi表示第i个公因子,j表示公因子中的第j个因子元素。据此,可确定出标准化的训练因子矩阵对应的因子荷载系数矩阵以及每个公因子的得分。
需要说明的是,本申请实施例对标准化的训练因子矩阵对应的公因子个数并不做限定。公因子个数的确定方式可以有多种,在一种实施方式中,可按照预设值确定公因子个数,例如,可根据公因子累计解释训练因子矩阵所包含信息量比例确定公因子的个数,各个公因子解释的训练因子矩阵所包含信息量依次递减,当前6个公因子累积解释了训练因子矩阵所包含的80%以上信息时,可将公因子个数确定为6;在另一种实施方式中,还可根据因子相关系数矩阵确定公因子个数,判断因子相关系数矩阵对应的大于1的特征值的个数,并将其作为公因子的个数。另外,确定出的公因子个数可保存在因子分析模型中,管理设备10可据此确定上述标准化后的因子序列对应的公因子个数。
基于计算获得的每个公因子的得分,管理设备10可计算出因子得分系数矩阵。对于一个公因子来说,根据公因子内部的因子元素关联结构公式:公因子=β1*变量1+β2*变量2+...+βn*变量n,其中,变量1、变量2....变量n的取值为训练因子矩阵中对应的元素的取值;β1、β2....Bn表示每个公因子与无线网络接入过程中多个特征变量之间的关系系数。该结构公式中,公因子的得分以及变量1、变量2....变量n的取值为已知,因此,基于多个公因子,可采用回归算法计算出因子得分系数矩阵。
为了便于解释所提取的公因子的含义,也即为了确定公因子与潜在故障根因之间的对应关系,管理设备10可对因子荷载矩阵进行旋转,可选地,对因子荷载矩阵进行旋转的旋转方法可采用最大方差法。对于一个训练序列来说,针对每个公因子,基于公因子内部各个因子元素对应的荷载系数,可根据荷载系数大的因子元素与潜在故障根因的关系,将该公因子解释为某一潜在故障根因。例如,来自终端设备的报文的信号强度、速率、长度这几个特征变量会受到终端设备的影响,若这几个特征变量在一公因子中对应的荷载系数较大,那么这一个公因子对应的潜在故障根因即可解释为终端因素。公因子与潜在故障根因之间的对应关系可保存在因子分析模型中,以便管理设备10在对待处理无线网络接入过程进行故障定位时,可根据计算出的公因子得分,确定潜在故障根因的得分。
本实施例中,同一潜在故障根因可能对应多个公因子,也即多个公因子可用于解释同一潜在故障根因,因此,公因子的数量将大于潜在故障根因的数量,为了确定出各个潜在故障根因的得分,管理设备10可将多个公因子中对应相同潜在故障根因的公因子的得分进行加权求和,以获得各种潜在故障根因对待处理无线网络接入过程的影响得分。基于计算获得的因子荷载系数矩阵,管理设备10可计算出每个公因子的权重。根据因子荷载系数矩阵,可计算出每个公因子的共同度,也即是每个公因子所解释的训练因子矩阵所包含信息量的方差比例,基于每个公因子对应的方差比例可确定每个公因子的权重。例如,假设公因子A所解释的信息占到了训练因子矩阵所包含信息量的30%,公因子B所解释的信息占到了训练因子矩阵所包含信息量的20%,公因子C所解释的信息占到了训练因子矩阵所包含信息量的15%等等,则可根据每个公因子各自能够解释训练因子矩阵所包含信息量的方差比例,确定每个公因子的权重,能够解释训练因子矩阵所包含信息量的方差比例越大,权重就越大,显然,公因子A、B、C的权重依次减小。每个公因子的权重将保存在因子分析模型中。
据此,管理设备10可根据上述确定出的因子得分系数矩阵及每个公因子的权重,保存训练好的因子分析模型,另外,因子分析模型还可包含公因子个数、公因子与潜在故障根因的对应关系以及训练因子矩阵标准化过程中的最大值和最小值等模型参数。
基于训练好的因子分析模型,管理设备10可根据标准化后的因子序列中因子的取值以及因子分析模型输出的因子得分系数矩阵计算并输出多个公因子的得分,并且,可根据因子分析模型提供的每个公因子对应的潜在故障根因,确定潜在故障根因在各个公因子上的得分,进而计算各种潜在故障根因对待处理无线网络接入过程的影响得分。
除上述无线网络系统外,本申请实施例还提供一些无线网络接入故障定位方法。这些方法可由图1所示系统中的管理设备执行,但不限于此。图2为本申请另一示例性实施例提供的一种无线网络接入故障定位方法的流程示意图。如图2所示,该方法包括:
200、对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列;
201、根据报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值;
202、基于各种潜在故障根因与多个特征变量之间的关系系数和多个特征变量在对应待处理无线网络接入过程时的取值,确定各种潜在故障根因对待处理无线网络接入过程的影响得分;
203、根据各种潜在故障根因对待处理无线网络接入过程的影响得分,定位引起待处理无线网络接入过程故障的故障根因。
本实施例中,在接收到AP上报的待处理无线网络接入过程中产生的多个报文时,可对这些报文进行参数提取,并基于提取的参数形成报文参数序列。报文参数序列包含多个报文中每个报文对应的至少一个报文参数值。在获得报文参数序列之后,可根据报文参数序列中的报文参数值,计算可用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值。其中,这些特征变量是一些可反映出报文参数序列中各类报文参数的状态属性的变量,而各类报文参数的状态属性一定程度上可体现出无线网络接入过程中的异常状态,因此,这些特征变量可以用来确定故障根因。
在获得的多个特征变量针对待处理无线网络接入过程时的取值之后,可基于各种潜在故障根因与多个特征变量之间的关系系数以及多个特征变量针对待处理无线网络接入过程时的取值,确定各种潜在故障根因对待处理无线网络接入过程的影响得分,进而可根据各种潜在故障根因对待处理无线网络接入过程的影响得分,确定那个潜在故障原因对待处理无线网络接入过程其主导作用,并将其确定为待处理无线网络接入过程的故障根因。
在本申请实施例中,从无线网络接入过程中采集到的多个报文的报文参数中,确定可体现故障根因的一组特征变量,进而,针对需要确定故障根因的无线网络接入过程,可基于该组特征变量与多种潜在故障根因之间的关联关系和该组特征变量在对应待处理无线网络接入过程时的取值,定位该无线网络接入过程发生无线网络接入故障是由那种潜在故障根因主导的,据此实现无线网络接入故障的定位。在本申请实施例中,只需采集少量的报文数据,即可快速获得无线网络故障定位结果,有效提高了无线网络故障诊断效率。
图3为本申请另一示例性实施例提供的另一种无线网络接入故障定位方法的流程示意图。如图3所示,该方法包括:
300、获取AP在待处理无线网络接入过程中采集到的多个报文;
301、按照设定的报文参数类型,提取多个报文的报文参数;
302、联合报文参数类型和多个报文的发送方信息,将多个报文的报文参数划分为多个分组,以形成报文参数序列;
303、根据报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值;
304、基于各种潜在故障根因与多个特征变量之间的关系系数和多个特征变量在对应待处理无线网络接入过程时的取值,确定各种潜在故障根因对待处理无线网络接入过程的影响得分;
305、根据各种潜在故障根因对待处理无线网络接入过程的影响得分,定位引起待处理无线网络接入过程故障的故障根因。
关于步骤303-305可参见前述实施例的描述,在此不再赘述。
在本实施例中,在获得多个报文对应的报文参数之后,经过联合分组后的报文参数序列包含划分出的各个分组,每个分组内的报文参数属于同一报文参数类型,并且这些报文参数所对应的报文来自于同一发送方。其中,设定的报文参数类型可以是报文长度(大小)、信号强度、发送重传次数、发送功率、速率、底噪、信道利用率等等。
在一可选实施方式中,上述步骤303可以包括:
计算报文参数序列中多个分组中报文参数值的均值和方差,分别作为多个特征变量在对应待处理无线网络接入过程时的取值,其中,报文参数序列中多个分组对应的发送方信息和报文参数类型为多个特征变量的变量名。
可选地,报文参数类型可包括报文个数这一参数类型,各发送方对应的报文个数分组中报文参数值的均值和方差为报文总数的均值和方差;在计算各发送方对应的报文个数分组中报文总数的均值和方差之后,该方法还包括:
根据各发送方对应的每种报文类型下的报文数,计算各发送方对应的报文总个数;
以各发送方对应的报文总个数分别替换各发送方对应报文个数分组中报文总数的均值。
图4为本申请另一示例性实施例提供的又一种无线网络接入故障定位方法的流程示意图。如图4所示,该方法包括:
400、对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列;
401、根据报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值;
402、对因子序列进行标准化处理,以获得标准化后的因子序列,其中,因子序列中各个因子按照预设顺序排布,且各个因子的取值分别对应多个特征变量在对应待处理无线网络接入过程时的取值;
403、根据标准化后的因子序列中因子的取值以及因子分析模型输出的因子得分系数矩阵计算并输出多个公因子的得分;其中,因子得分系数矩阵包含各种潜在故障根因与多个特征变量之间的关系系数;
404、根据因子分析模型输出的对应潜在故障根因的公因子的权重,将多个公因子中对应相同潜在故障根因的公因子的得分进行加权求和,以获得各种潜在故障根因对待处理无线网络接入过程的影响得分;
405、根据各种潜在故障根因对待处理无线网络接入过程的影响得分,定位引起待处理无线网络接入过程故障的故障根因。
关于步骤400-401以及步骤405可参见前述实施例的描述,在此不再赘述。
本实施例中,由于数值单位不同,多个特征变量之间的数值差距大,为避免因此产生对分析结果的影响,可对因子序列进行标准化处理,以获得标准化的因子序列,标准化处理可采用现有的任何标准化处理手段,本发明对此不作限定,例如,最大最小标准化方法。
提取公因子的方法很多,如最大似然法、主轴迭代法、加权最小二乘法、最小残差法等等。本实施例中,可采用主成分分析原理确定因子序列对应的多个公因子。每个公因子内的因子元素关联结构公式为:公因子=β1*变量1+β2*变量2+...+βn*变量n,其中,变量1、变量2....变量n的取值为标准化的因子序列中的因子的取值,每个公因子对应的(β1、β2....βn)的取值可从根据因子分析模型针对无线网络接入故障定位问题输出的因子得分系数矩阵中获取。基于该因子元素关联结构公式,可计算出每个公因子的得分。
在一可选实施方式中,在步骤403之前,该方法还包括:
获取多个发生无线网络接入故障的无线网络接入过程对应的报文参数序列作为训练序列集合;
计算用于确定故障根因的多个特征变量在训练过程中对应训练序列集合中每个训练序列的取值,以获取训练因子矩阵;
基于训练因子矩阵进行因子模型训练,以训练出因子分析模型,因子分析模型包括因子得分系数矩阵和每个公因子的权重。
本实施例中,上述步骤基于训练因子矩阵进行因子模型训练,以训练出因子分析模型,包括:
对训练因子矩阵执行标准化处理,以获得标准化的训练因子矩阵;
基于主成分分析原理,计算标准化的训练因子矩阵对应的多个公因子的得分及因子荷载系数矩阵;
基于因子荷载系数矩阵,计算每个公因子所解释的训练因子矩阵所包含信息量的方差比例,作为每个公因子的权重;
根据训练因子矩阵以及训练因子矩阵的每个公因子的得分,计算因子得分系数矩阵;
根据每个公因子的权重以及因子得分系数矩阵,形成因子分析模型。
图5为本申请又一实施例提供的管理设备的结构示意图。如图5所示,该管理设备,包括:存储器51和处理器52。
存储器51,用于存储计算机程序,并可被配置为存储其它各种数据以支持在控制设备上的操作。这些数据的示例包括用于在控制设备上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。
存储器51可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
处理器52,与存储器51耦合,用于执行存储器51中的计算机程序,以用于:
对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列;
根据报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值;
基于各种潜在故障根因与多个特征变量之间的关系系数和多个特征变量在对应待处理无线网络接入过程时的取值,确定各种潜在故障根因对待处理无线网络接入过程的影响得分;
根据各种潜在故障根因对待处理无线网络接入过程的影响得分,定位引起待处理无线网络接入过程故障的故障根因。
在一可选实施例中,处理器52在对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列时,具体用于:
获取AP在待处理无线网络接入过程中采集到的多个报文;
按照设定的报文参数类型,提取多个报文的报文参数;
联合报文参数类型和多个报文的发送方信息,将多个报文的报文参数划分为多个分组,以形成报文参数序列。
在一可选实施例中,处理器52在根据报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应待处理无线网络接入过程时的取值时,具体用于:
计算报文参数序列中多个分组中报文参数值的均值和方差,分别作为多个特征变量在对应待处理无线网络接入过程时的取值,其中,报文参数序列中多个分组对应的发送方信息和报文参数类型为多个特征变量的变量名。
在一可选实施例中,报文参数类型包括报文个数,各发送方对应的报文个数分组中报文参数值的均值和方差为报文总数的均值和方差;处理器52在计算各发送方对应的报文个数分组中报文总数的均值和方差之后,还用于:
根据各发送方对应的每种报文类型下的报文数,计算各发送方对应的报文总个数;
以各发送方对应的报文总个数分别替换各发送方对应报文个数分组中报文总数的均值。
在一可选实施例中,处理器52在基于各种潜在故障根因与多个特征变量之间的关系系数和多个特征变量在对应待处理无线网络接入过程时的取值,确定各种潜在故障根因对待处理无线网络接入过程的影响得分时,具体用于:
对因子序列进行标准化处理,以获得标准化后的因子序列,其中,因子序列中各个因子按照预设顺序排布,且各个因子的取值分别对应多个特征变量在对应待处理无线网络接入过程时的取值;
根据标准化后的因子序列中各因子的取值以及因子分析模型输出的因子得分系数矩阵计算并输出多个公因子的得分;其中,因子得分系数矩阵包含各种潜在故障根因与多个特征变量之间的关系系数;
根据因子分析模型输出的对应潜在故障根因的公因子的权重,将多个公因子中对应相同潜在故障根因的公因子的得分进行加权求和,以获得各种潜在故障根因对待处理无线网络接入过程的影响得分。
在一可选实施例中,处理器52在将因子序列作为输入参数运行因子分析模型之前,还用于:
获取多个发生无线网络接入故障的无线网络接入过程对应的报文参数序列作为训练序列集合;
计算用于确定故障根因的多个特征变量在训练过程中对应训练序列集合中每个训练序列的取值,以获取训练因子矩阵;
基于训练因子矩阵进行因子模型训练,以训练出因子分析模型,因子分析模型包括因子得分系数矩阵。
在一可选实施例中,处理器52在基于训练因子矩阵进行因子模型训练,以训练出因子分析模型时,具体用于:
对训练因子矩阵执行标准化处理,以获得标准化的训练因子矩阵;
基于主成分分析原理,计算标准化的训练因子矩阵对应的多个公因子的得分及因子荷载系数矩阵;
基于因子荷载系数矩阵,计算每个公因子所解释的训练因子矩阵所包含信息量的方差比例,作为每个公因子的权重;
根据训练因子矩阵以及训练因子矩阵的每个公因子的得分,计算因子得分系数矩阵;
根据每个公因子的权重以及因子得分系数矩阵,形成因子分析模型。
进一步,如图5所示,该控制设备还包括:通信组件53、显示器54、电源组件55、音频组件56等其它组件。图5中仅示意性给出部分组件,并不意味着控制设备只包括图5所示组件。
其中,通信组件53被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
其中,显示器54包括屏幕,其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。
其中,电源组件55,为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统,一个或多个电源,及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
其中,音频组件56,可被配置为输出和/或输入音频信号。例如,音频组件包括一个麦克风(MIC),当音频组件所在设备处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中,音频组件还包括一个扬声器,用于输出音频信号。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中的各步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、无线网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种无线网络接入故障定位方法,其特征在于,包括:
对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列;
根据所述报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应所述待处理无线网络接入过程时的取值;
基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分;
根据所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,定位引起所述待处理无线网络接入过程故障的故障根因;
其中,所述基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,包括:
对因子序列进行标准化处理,以获得标准化后的因子序列,其中,所述因子序列中各个因子按照预设顺序排布,且所述各个因子的取值分别对应所述多个特征变量在对应所述待处理无线网络接入过程时的取值;
根据所述标准化后的因子序列中各因子的取值以及因子分析模型输出的因子得分系数矩阵计算并输出多个公因子的得分;其中,所述因子得分系数矩阵包含各种潜在故障根因与所述多个特征变量之间的关系系数;
根据所述因子分析模型输出的对应潜在故障根因的公因子的权重,将所述多个公因子中对应相同潜在故障根因的公因子的得分进行加权求和,以获得所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分。
2.根据权利要求1所述的方法,其特征在于,所述对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列,包括:
获取AP在所述待处理无线网络接入过程中采集到的多个报文;
按照设定的报文参数类型,提取所述多个报文的报文参数;
联合所述报文参数类型和所述多个报文的发送方信息,将所述多个报文的报文参数划分为多个分组,以形成所述报文参数序列。
3.根据权利要求2所述的方法,其特征在于,所述根据所述报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应所述待处理无线网络接入过程时的取值,包括:
计算所述报文参数序列中多个分组中报文参数值的均值和方差,分别作为所述多个特征变量在对应所述待处理无线网络接入过程时的取值,其中,所述报文参数序列中多个分组对应的发送方信息和报文参数类型为所述多个特征变量的变量名。
4.根据权利要求3所述的方法,其特征在于,所述报文参数类型包括报文个数,各发送方对应的报文个数分组中报文参数值的均值和方差为报文总数的均值和方差;
在计算所述各发送方对应的报文个数分组中报文总数的均值和方差之后,还包括:
根据各发送方对应的每种报文类型下的报文数,计算各发送方对应的报文总个数;
以所述各发送方对应的报文总个数分别替换各发送方对应报文个数分组中报文总数的均值。
5.根据权利要求1所述的方法,其特征在于,在所述根据所述因子序列中因子的取值以及因子分析模型输出的因子得分系数矩阵计算并输出多个公因子的得分之前,还包括:
获取多个发生无线网络接入故障的无线网络接入过程对应的报文参数序列作为训练序列集合;
计算用于确定故障根因的多个特征变量在训练过程中对应所述训练序列集合中每个训练序列的取值,以获取训练因子矩阵;
基于所述训练因子矩阵进行因子模型训练,以训练出所述因子分析模型,所述因子分析模型包括因子得分系数矩阵和每个公因子的权重。
6.根据权利要求5所述的方法,其特征在于,所述基于所述训练因子矩阵进行因子模型训练,以训练出所述因子分析模型,包括:
对所述训练因子矩阵执行标准化处理,以获得标准化的训练因子矩阵;
基于主成分分析原理,计算所述标准化的训练因子矩阵对应的多个公因子的得分及因子荷载系数矩阵;
基于所述因子荷载系数矩阵,计算每个公因子所解释的所述训练因子矩阵所包含信息量的方差比例,作为每个公因子的权重;
根据所述训练因子矩阵以及所述训练因子矩阵的每个公因子的得分,计算所述因子得分系数矩阵;
根据所述每个公因子的权重以及所述因子得分系数矩阵,形成所述因子分析模型。
7.一种管理设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储一条或多条计算机指令;
所述处理器,耦合至所述存储器,用于执行所述一条或多条计算机指令,以用于:
对待处理无线网络接入过程中采集到的多个报文进行参数提取,以形成报文参数序列;
根据所述报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应所述待处理无线网络接入过程时的取值;
基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分;
根据所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,定位引起所述待处理无线网络接入过程故障的故障根因;
其中,所述基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,包括:
对因子序列进行标准化处理,以获得标准化后的因子序列,其中,所述因子序列中各个因子按照预设顺序排布,且所述各个因子的取值分别对应所述多个特征变量在对应所述待处理无线网络接入过程时的取值;
根据所述标准化后的因子序列中各因子的取值以及因子分析模型输出的因子得分系数矩阵计算并输出多个公因子的得分;其中,所述因子得分系数矩阵包含各种潜在故障根因与所述多个特征变量之间的关系系数;
根据所述因子分析模型输出的对应潜在故障根因的公因子的权重,将所述多个公因子中对应相同潜在故障根因的公因子的得分进行加权求和,以获得所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分。
8.一种无线网络系统,其特征在于,包括:管理设备和至少一个AP;
所述至少一个AP,用于在待处理无线网络接入过程中采集多个报文,并将所述多个报文发送至所述管理设备;
所述管理设备,用于接收所述至少一个AP发送的所述多个报文,并对所述多个报文进行参数提取,以形成报文参数序列;
根据所述报文参数序列中的报文参数值,计算用于确定故障根因的多个特征变量在对应所述待处理无线网络接入过程时的取值;
基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分;
根据所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,定位引起所述待处理无线网络接入过程故障的故障根因;
其中,所述基于各种潜在故障根因与所述多个特征变量之间的关系系数和所述多个特征变量在对应所述待处理无线网络接入过程时的取值,确定所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分,包括:
对因子序列进行标准化处理,以获得标准化后的因子序列,其中,所述因子序列中各个因子按照预设顺序排布,且所述各个因子的取值分别对应所述多个特征变量在对应所述待处理无线网络接入过程时的取值;
根据所述标准化后的因子序列中各因子的取值以及因子分析模型输出的因子得分系数矩阵计算并输出多个公因子的得分;其中,所述因子得分系数矩阵包含各种潜在故障根因与所述多个特征变量之间的关系系数;
根据所述因子分析模型输出的对应潜在故障根因的公因子的权重,将所述多个公因子中对应相同潜在故障根因的公因子的得分进行加权求和,以获得所述各种潜在故障根因对所述待处理无线网络接入过程的影响得分。
9.一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序被执行用于实现权利要求1-6任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810457946.9A CN108322917B (zh) | 2018-05-14 | 2018-05-14 | 无线网络接入故障定位方法、设备、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810457946.9A CN108322917B (zh) | 2018-05-14 | 2018-05-14 | 无线网络接入故障定位方法、设备、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108322917A CN108322917A (zh) | 2018-07-24 |
CN108322917B true CN108322917B (zh) | 2022-02-15 |
Family
ID=62895910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810457946.9A Active CN108322917B (zh) | 2018-05-14 | 2018-05-14 | 无线网络接入故障定位方法、设备、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108322917B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111327435B (zh) * | 2018-12-13 | 2022-07-05 | 中兴通讯股份有限公司 | 一种根因定位方法、服务器和存储介质 |
US10708122B1 (en) * | 2019-10-30 | 2020-07-07 | T-Mobile Usa, Inc. | Network fault detection and quality of service improvement systems and methods |
CN113282884B (zh) * | 2021-04-28 | 2023-09-26 | 沈阳航空航天大学 | 通用根因分析方法 |
CN112910720B (zh) * | 2021-05-06 | 2021-08-03 | 成都云智天下科技股份有限公司 | 一种基于用户体验量化指标的智能网络调度方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104378246A (zh) * | 2014-12-09 | 2015-02-25 | 福建星网锐捷网络有限公司 | 一种网络设备故障定位系统、方法及装置 |
CN104735708A (zh) * | 2013-12-24 | 2015-06-24 | 华为技术有限公司 | Wlan网络故障检测方法和装置 |
CN104853378A (zh) * | 2014-02-17 | 2015-08-19 | 中国移动通信集团内蒙古有限公司 | 一种检测wifi网络接入能力的方法、装置及终端 |
CN105554796A (zh) * | 2016-01-12 | 2016-05-04 | 杭州全维通信服务股份有限公司 | 一种基于智能定位无线ap故障原因的方法 |
CN106162710A (zh) * | 2015-04-10 | 2016-11-23 | 富士通株式会社 | 故障检测装置、方法和系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011157186A2 (zh) * | 2011-06-03 | 2011-12-22 | 华为技术有限公司 | 建立分组数据网连接的方法、接入网关、用户设备和系统 |
US9094839B2 (en) * | 2012-03-13 | 2015-07-28 | Verizon Patent And Licensing Inc. | Evolved packet core (EPC) network error mapping |
US10164858B2 (en) * | 2016-06-15 | 2018-12-25 | Time Warner Cable Enterprises Llc | Apparatus and methods for monitoring and diagnosing a wireless network |
-
2018
- 2018-05-14 CN CN201810457946.9A patent/CN108322917B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104735708A (zh) * | 2013-12-24 | 2015-06-24 | 华为技术有限公司 | Wlan网络故障检测方法和装置 |
CN104853378A (zh) * | 2014-02-17 | 2015-08-19 | 中国移动通信集团内蒙古有限公司 | 一种检测wifi网络接入能力的方法、装置及终端 |
CN104378246A (zh) * | 2014-12-09 | 2015-02-25 | 福建星网锐捷网络有限公司 | 一种网络设备故障定位系统、方法及装置 |
CN106162710A (zh) * | 2015-04-10 | 2016-11-23 | 富士通株式会社 | 故障检测装置、方法和系统 |
CN105554796A (zh) * | 2016-01-12 | 2016-05-04 | 杭州全维通信服务股份有限公司 | 一种基于智能定位无线ap故障原因的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108322917A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322917B (zh) | 无线网络接入故障定位方法、设备、系统及存储介质 | |
US11704221B2 (en) | Systems and methods for collecting, tracking, and storing system performance and event data for computing devices | |
US8964995B2 (en) | Acoustic diagnosis and correction system | |
US8655321B2 (en) | Adaptive notifications | |
CN105376335B (zh) | 一种采集数据上传方法和装置 | |
CN107678933A (zh) | 日志生成管理方法、装置、设备及计算机可读存储介质 | |
CN109905292B (zh) | 一种终端设备识别方法、系统及存储介质 | |
CN114077525A (zh) | 异常日志处理方法、装置、终端设备、云服务器及系统 | |
CN105553770B (zh) | 一种数据采集控制方法和装置 | |
US9769434B1 (en) | Remote control of a user's wearable computing device in help desk applications | |
CN108738059B (zh) | Wifi模块测试方法及装置 | |
CN111194027A (zh) | 一种网络连接方法、装置及系统 | |
JP6480042B1 (ja) | 情報処理装置及びプログラム | |
CN109828920A (zh) | 一种日志分析方法、装置及计算机可读存储介质 | |
CN106650281B (zh) | 一种数据处理方法、系统、服务器和客户端 | |
CN111181957B (zh) | 物联网设备安全验证方法、系统及中央控制设备 | |
CN115904883B (zh) | 一种rpa流程执行可视化异常监控方法、装置及介质 | |
CN107948149A (zh) | 基于随机森林的策略自学习和优化方法及装置 | |
CN103634158B (zh) | 一种snmp管理进程的压力测试方法和装置 | |
CN114282940A (zh) | 用于意图识别的方法及装置、存储介质及电子设备 | |
CN111143644B (zh) | 物联网设备的识别方法及装置 | |
EP4016209B1 (en) | Systems and methods for field device interaction monitoring | |
CN110996374B (zh) | 一种无线网络控制方法、装置、设备及介质 | |
CN112633955B (zh) | 广告转化异常检测方法、系统及计算机可读存储介质 | |
CN115495358A (zh) | 一种日志自动化测试方法、装置、系统及介质 |
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 |