CN109982361B - 信号干扰分析方法、装置、设备及介质 - Google Patents
信号干扰分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109982361B CN109982361B CN201711448631.XA CN201711448631A CN109982361B CN 109982361 B CN109982361 B CN 109982361B CN 201711448631 A CN201711448631 A CN 201711448631A CN 109982361 B CN109982361 B CN 109982361B
- Authority
- CN
- China
- Prior art keywords
- data
- interference
- interfered
- interference source
- matching
- 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
- H04J—MULTIPLEX COMMUNICATION
- H04J11/00—Orthogonal multiplex systems, e.g. using WALSH codes
- H04J11/0023—Interference mitigation or co-ordination
- H04J11/005—Interference mitigation or co-ordination of intercell interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种信号干扰分析方法、装置、设备及介质。该方法包括:获取受干扰小区的受干扰数据;将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配,确定与所述受干扰数据相匹配的匹配干扰源特征数据;以及基于所述匹配干扰源特征数据确定匹配干扰源的相关信息。由此,通过将获得的受干扰数据与干扰源特征数据库中的特征数据进行匹配分析,以自动、快速、精准地确定干扰源,极大地提升了干扰信号分析以及干扰定位的效率。
Description
技术领域
本发明涉及无线技术领域,尤其涉及一种信号干扰分析方法、装置、设备及介质。
背景技术
随着4G LTE(Long Term Evolution,长期演进)基站的逐步建设,目前已形成2/3/4G基站共存的局面,频率资源的日益紧张加剧了干扰产生的概率,因此,解决干扰问题是无线网络优化的重点之一。
一般通过对干扰信号进行分析来定位干扰源以及干扰的相关信息。目前干扰源的定位方法是每日从OMC(Operation and Maintenance Center,操作维护中心)获取干扰数据,使用IDS软件(一种干扰分析工具)进行定界,再采用现场扫频方式匹配波形来确定干扰源,最后将已确定干扰小区的干扰源更新到干扰小区数据库中。现有的干扰源定位方案存在现场扫频定位困难、人工操作易出错、干扰定位缺乏实时性等技术问题。
因此,仍然需要一种精准、高效的信号干扰分析方案。
发明内容
本发明实施例提供了信号干扰分析方法、装置、设备及介质,通过将获得的受干扰数据与干扰源特征数据库中的特征数据进行匹配分析,以自动、快速、精准地确定干扰源,极大地提升了干扰信号分析以及干扰定位的效率。
第一方面,本发明实施例提供了一种信号干扰分析方法,方法包括:
获取受干扰小区的受干扰数据;将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配,确定与所述受干扰数据相匹配的匹配干扰源特征数据;以及基于所述匹配干扰源特征数据确定匹配干扰源的相关信息。
第二方面,本发明实施例提供了一种信号干扰分析装置,该装置包括:受干扰数据获取单元,用于获取受干扰小区的受干扰数据;匹配干扰源特征数据确定单元,用于将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配,确定与所述受干扰数据相匹配的匹配干扰源特征数据;以及匹配干扰源相关信息确定单元,用于基于所述匹配干扰源特征数据确定匹配干扰源的相关信息。
本发明实施例提供了一种计算设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
本发明实施例提供的信号干扰分析方法、装置、设备及介质,即通过结合OMC平台,实时完成PRB数据自动采集和同步,然后通过建立干扰源特征数据库,设置干扰源典型波形特征,完成受干扰小区与干扰源的波形特征自动比对,大大减少人工比对时间,降低出错率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明一个实施例的信号干扰分析系统的示意图。
图2示出了根据本发明一个实施例的信号干扰分析方法的流程示意图。
图3示出了根据本发明的一个应用示例的信号干扰分析系统的示意图。
图4示出了根据图3所示应用示例的信号干扰分析方法的流程示意图。
图5-图6示出了根据本发明一个实施例的波形匹配原理示意图。
图7示出了根据本发明一个实施例的波形匹配示意图。
图8示出了根据本发明一个实施例的干扰分析界面示意图。
图9示出了根据本发明一个实施例的信号干扰分析装置的示意性框图。
图10示出了本发明实施例提供的计算设备的硬件结构示意图。
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,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,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更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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……”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。
如前所述,目前,干扰定位方法主要是每日从OMC获取干扰数据,使用IDS软件进行定界,再采用现场扫频方式匹配波形确定干扰源,最后将已确定干扰小区的干扰源更新到干扰小区数据库中。
其具体步骤如下:
(1)干扰数据搜集:每日人工从OMC上将干扰相关数据进行手动提取,主要信息包括数据时间,小区名称,频段区域属性,经纬度,0-99PRB受干扰强度等。
(2)干扰原因定界:每日使用IDS干扰分析工具,分析干扰原因定界,并保存干扰分析结果、干扰小区信息全量表与100RB校验信息等数据,供定位使用。
(3)干扰原因定位:当月采用扫频定位干扰源,现场扫频干扰波形与后台IDS软件输出干扰波形人工对比的方法来进行定位干扰原因,确定干扰源。
现有的干扰定位方法存在以下不足之处:
其一、现场扫频定位困难。现场扫频环境复杂,有些干扰小区定位干扰源所需时间较长。需要花费大量时间与人力;
其二、大量数据下人工操作易出错。每日需要从按日粒度分析的全省20多万LTE小区中输出高干扰小区。包含的数据信息量巨大,消耗大量的人力与时间。同时在大量的数据信息情况下,采用人工进行统计难免会出现数据缺失,判断失误,造成分析干扰小区受扰原因不准。
其三、干扰定位缺乏实时性:现场扫频进展较慢,而干扰情况具有时段性,会随时间的推移发生变化,因此导致分析结果的不准确。
有鉴于此,本发明提出一种信号干扰分析方案,通过结合OMC和IDS平台,在线自动同步解析TD-LTE网络PRB数据,通过自动获取受干扰数据与集成IDS模块自动分析受干扰数据,通过构建干扰源特征数据库和波形匹配算法两大核心模块,设置干扰源典型波形,快速、精准匹配受干扰小区,以实现对干扰源的定位。
如下将结合附图及实施例详细说明本发明的信号干扰分析方案。
图1示出了根据本发明一个实施例的信号干扰分析系统的示意图。该信号干扰分析系统用于实现本发明的信号干扰分析方案。
如图1所示,该信号干扰分析系统主要包括数据采集模块、IDS自动模块、干扰源特征数据库、波形匹配核心模块、应用分析模块。
数据采集模块用于采集和解析北向数据。其优选地可以以每小时为粒度,采集100PRB数据。IDS自动模块用于对受干扰数据进行分析,初步筛选出受干扰小区,并初步判断受干扰原因。
干扰源特征数据库,搜集和整理干扰源信息,固化经验并构建该干扰源特征数据库,以代替现有方案中的现场扫频排查工作。
波形匹配核心模块主要用于将受干扰小区的受干扰数据与干扰源特征数据库中的干扰源特征数据进行波形匹配,根据设置的预定规则自动输出匹配结果,以代替人工比对。
应用分析模块用于整体干扰情况呈现、干扰小区分析及清除方案的制定。
工单流转模块用于实现工单的派发、流转和闭环。
如下将结合图2所示的方法流程图及实施例详细说明本发明的系统所实现的信号干扰分析方案。
图2示出了根据本发明一个实施例的信号干扰分析方法的流程示意图。
如图2所示,在步骤S210,例如可以由图1所示的波形匹配核心模块获取受干扰小区的受干扰数据。
这里的受干扰数据优选为已经经过筛选和初步分析而确定的受干扰数据。该受干扰数据可以是由波形核心匹配模块从IDS自动模块获取的,或者是IDS自动模块轮询输出的。
受干扰数据可以包括但不限于是受干扰小区的名称、受干扰小区的位置、受干扰数据的数据采集时间、受干扰数据频段区域属性、受干扰强度等。
在步骤S220,例如可以由图1所示的波形核心匹配模块将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配,确定与所述受干扰数据相匹配的匹配干扰源特征数据。
干扰源特征数据库中存储有基于干扰排查经验所记录的干扰源特征数据,干扰源特征数据可以包括频域特征数据、时域特征数据、经纬度数据、干扰范围特征数据以及干扰类型中的至少一项。
波形匹配核心模块可以从上述干扰源特征数据库获取干扰源特征数据,并将获取的干扰源特征数据与上述步骤S210中获取的受干扰数据进行分析以实现匹配。
波形匹配核心模块可以通过将所述干扰源特征数据库中的满足预定匹配条件的干扰源特征数据确定为与所述受干扰数据相匹配的匹配干扰源特征数据。所述预定匹配条件为:所述匹配干扰源与所述受干扰小区之间的距离不大于预定距离阈值,所述受干扰小区在所述匹配干扰源的干扰范围内,并且所述匹配干扰源特征数据与所述受干扰数据的波形相似系数大于预定相似阈值。
在一个优选实施例中,上述匹配步骤可以逐步地实现。
首先,波形匹配核心模块可以基于待分析的受干扰数据的位置信息(例如经纬度数据)、干扰源的影响距离、干扰范围等数据,从干扰源特征数据库中获取可能会干扰到上述受干扰小区的相关干扰源特征数据的信息。
之后,在满足预定距离阈值、干扰范围等条件的情况下,进一步地,将受干扰数据与满足距离条件的干扰源特征数据进行波形匹配,并将波形相似系数满足预定相似阈值的干扰源特征数据作为与受干扰数据相匹配的匹配干扰源特征数据。
这样,首先基于受干扰小区的位置、干扰源的干扰范围等信息,筛选排除掉不会对上述受干扰小区造成影响的干扰源特征数据,以提高信号干扰分析的精准度。
在波形匹配过程中,具体地,波形匹配核心模块可以首先基于受干扰数据进行数学建模:受干扰数据的波形经过图形化之后显示为一个基于二维坐标轴的连续曲线,但由于波形实质上是由100个PRB组成的点状连续折线,因此其实质可以确定为基于X-Y坐标轴基准上的二维数学模型,其数学模型表达式为:
波形坐标数学模型Sj(sj,j),j∈(1,100);
波形点位数学模型WT(s1,s2,s3…sn...s100),Sn∈(集∈合Sj);
波形所处地理坐标数学模型GT(X,Y),X,Y∈(实际地理经纬度);
干扰波形数学模型PT(WT,GT);
基因库波形数据模型Mx(WT,GT,Qsolution);x∈(基因库),Qsolution∈(解决方案库);
由上述坐标模型可以得出,波形换算成数学模型后,其实质为长度为100的二维数组。这就为后续的波形比对计算提供了方便,波形之间的比对可以直接由肉眼的图形判断进化为机器以数组通过判断策略进行比对,与人工比对相比,极大地提高了匹配精度。
核心波形匹配算法:将IDS自动模块筛选出受干扰小区的100prb频域和0-23小时时域特征波形与干扰源特征数据的波形进行匹配获得相似系数。
具体方法:将受干扰数据与干扰源特征数据的相应数据(例如,100PRB频值分布和/或24时整体走势)的分别设为变量X、Y,将两个变量数据输入如下皮尔逊计算公式,获得波形相似系数。
通过如下皮尔逊公式计算波形相似系数:
化简后得:
其中,X为所述受干扰数据的第一数据,Y为所述干扰源特征数据的第一特征数据,所述第一数据与所述第一特征相对应,ΡX,Y表示所述第一数据与所述第一特征数据的波形相似系数,cov表示X、Y的协方差,σx、σY分别表示X、Y的标准差。
cov表示协方差,其计算公式具体可以为:
Cov(X,Y)=E[(X-μx)(Y-μy)]
假设X,Y两个变量,每个时刻的“X值与其均值之差”乘以“Y值与其均值之差”得到一个乘积,再对这每时刻的乘积求和并求出均值就是协方差。用线性数学(几何学)的解释,可以看做是两组数据的向量夹角的余弦(参见图5所示的原理图)。
协方差是一个反映两个随机变量相关程度的指标,如果一个变量跟随着另一个变量同时变大或者变小,那么这两个变量的协方差就是正值,反之相反。虽然协方差能反映两个随机变量的相关程度,但是协方差值的大小并度量两个随机变量的关联程度误差较大。
σx和σY是标准差,为了更好的度量两个随机变量的相关程度,其在协方差的基础上除以了两个随机变量的标准差,容易得出,pearson是一个介于-1和1之间的值,当两个变量的线性关系增强时,相关系数趋于1或-1;当一个变量增大,另一个变量也增大时,表明它们之间是正相关的(参见图6所示的原理图)。
由此,通过干扰波形匹配定位方法,将受干扰小区的特征波形与干扰源特征数据库中的特征波形自动比对,获取相似度,并根据所设置的门限迅速精准的定位问题,实现对受干扰小区与干扰源的精确匹配,大大减少了人工比对时间。
之后,在步骤S230,基于所述匹配干扰源特征数据确定匹配干扰源的相关信息。该步骤例如可以由本发明图1所示的应用分析模块实现。
波形匹配核心模块将上述匹配的结果发送给应用分析模块,由其进行后续的结果显示、干扰解决等。
匹配干扰源的相关信息可以包括但不限于所述匹配干扰源的经纬度数据、干扰类型、干扰原因和/或干扰时间中的至少一项。相关信息也可以包括上述的匹配结果。该相关信息可以与上述的匹配结果共同发送给应用分析模块。
应用分析模块可以基于上述的匹配特征数据/或相关数据和/或其他数据信息,进行整体干扰结果呈现、干扰源分析和/或清除方案(解决方案)的指定。
在一个优选实施例中,本发明的系统还可以包括解决方案数据库。上述应用分析模块基于匹配干扰源的相关信息,例如可以从解决方案数据库中为所述受干扰小区匹配相应的解决方案。
由此,完成对受干扰数据的分析以及对干扰源的定位及解决。
此外,本发明的信号干扰分析方法还可以包括构建上述的干扰源特征数据库。具体地,可以通过前期干扰排查干扰数据规律,记录典型干扰源的特征,包括:PRB0-PRB99频域干扰波形特征及0-23小时的时域特征、地理位置、干扰范围等。由此,以代替现有的现场扫频排查工作,节省人力物力。
另外,本发明的信号干扰分析方法还可以包括:解析所采集的北向数据,以及对解析的北向数据进行分析和筛选,确定所述受干扰小区的受干扰数据。
上述解析步骤例如可以由本发明图1所示的数据采集模块实现。具体地,该数据采集模块通过与OMC北向接口对接,实现实时采集北向数据(例如15分钟原始粒度的100PRB数据),然后,解析所采集的北向数据,例如,将15分钟数据汇总成1个小时数据。
上述分析和筛选的步骤例如可以由本发明图1所示的IDS自动模块实现。在一个优选实施例中,上述IDS自动模块可以自动获取和分析上述解析后的北向数据,筛选出受干扰小区及其受干扰数据。在一个优选实施例中,IDS自动模块还可以对上述受干扰数据进行初步分析,初步判断受干扰原因。
具体的,IDS自动模块可以将每个地市的100RB数据存储到一个CSV(逗号分隔)文件中,然后将数据文件通过FTP上传到IDS服务器各地市对应的输入文件夹中。在应用界面上设置各地市IDS分析参数,IDS自动模块将这些参数生成配置文件,然后将配置文件通过FTP上传到IDS服务器各地市对应的输入文件夹中。
IDS自动模块远程启动IDS服务器上的核心模块进行干扰分析,分析完成后由IDS核心模块将初步分析结果输出到IDS服务器的指定位置,IDS自动模块将分析结果通过FTP下载到本地服务器入库。
图3示出了根据本发明的一个应用示例的信号干扰分析系统的示意图。图4示出了根据图3所示应用示例的信号干扰分析方法的流程示意图。
参见图3,数据采集模块通过与操作维护中心(OMC,Operation and MaintenanceCenter)的北向接口对接,实现实时采集解析15分钟原始粒度的100PR B数据,然后将15分钟数据汇总成1个小时数据。
IDS自动模块将每个地市的100RB数据存储到一个CSV(逗号分隔)文件中,然后将数据文件通过FTP上传到IDS服务器各地市对应的输入文件夹中。在应用界面上设置各地市IDS分析参数,IDS自动模块将这些参数生成配置文件,然后将配置文件通过FTP上传到IDS服务器各地市对应的输入文件夹中。IDS自动模块远程启动IDS服务器上的核心模块进行干扰分析,分析完成后由IDS核心模块将初步分析结果输出到IDS服务器的指定位置,IDS自动模块将分析结果通过FTP下载到本地服务器入库。
IDS自动模块以轮询输出波形的方式输出单个待比对波形。
参见图4,简述本发明的波形匹配的核心步骤,具体的匹配描述参见上文相关部分的描述,在此不再赘述。波形匹配核心模块开始波形判断策略:
(IDS自动模块)轮询输出的待比对波形数据(受干扰数据),波形匹配核心模块以轮询的方式对单个待比对波形进行波形匹配。
在步骤S401,通过数学建模,将基因库(本发明的干扰源特征数据库)输出的基因波形(干扰源特征数据)的影响距离(干扰范围)以及坐标(经纬度数据),与单个待比对波形进行欧式距离判断。
在步骤S402,当判断结果为是,即上述步骤S401中进行判断的干扰源特征数据符合距离条件时(受干扰小区与干扰源之间的距离不大于距离阈值,并且在干扰源的干扰范围内),则进入步骤S403。否则,则进入步骤S405。
在步骤S403,对待比对波形与基因波形进行波形匹配判断,即基于皮尔逊公式的波形相似性判断,判断波形相似系数是否满足相似系数门限阈值。
当判断结果为是,即待比对波形与基因波形的波形相似系数满足相似系数门限阈值,则将待比对波形归档为已匹配波形,之后,根据对应的基因库波形(从解决方案数据库)为其匹配相应的解决方案,并输出相应的解决方案。之后进入步骤S405。图7示出了根据本发明一个实施例的波形匹配示意图。
当判断结果为否,即待比对波形与基因波形的波形相似系数不满足相似系数门限阈值,则待比对波形不做归档处理,之后进入步骤S405。
在步骤S405,判断待比对波形是否已全部轮询完毕。若判断结果为是,即所有待比对波形全部轮询完毕,则波形判断策略结束。否则,返回,继续执行对其它(未轮询的)待比对波形的波形判断策略。
上述波形判断结果(包括匹配结果、匹配干扰源相关信息、相应的解决方案等)被输出给应用分析模块,以进行应用结果呈现、(受)干扰小区查询分析、清楚方案制定等。
图8示出了根据本发明一个实施例的干扰分析界面示意图。例如:显示受干扰小区所属地市、频段、IDS判断原因及匹配干扰源信息,并可编辑清除方案;波形显示:显示干扰小区PRB波形及干扰基因库特征波形,可查看波形匹配情况;GIS地图显示:显示干扰源及影响的小区(受干扰小区);干扰日历:在日历上直观的显示每日干扰情况,有底色标识该小区当天受到干扰,有字标识与干扰基因库匹配结果。
至此,已经结合附图及应用示例详细说明了本发明的信号干扰分析方案。与现有方案相比,本发明的信号分析方案通过自动获取受干扰数据与集成IDS模块自动分析受干扰数据,提升工作效率,避免统计错误;通过构建干扰源特征数据库和波形匹配算法两大核心模块,设置干扰源典型波形,快速精准匹配干扰小区,解决干扰定位时效性慢问题。
另外,本发明的信号干扰分析方法可以由一种信号干扰分析装置实现。图9示出了根据本发明一个实施例的信号干扰分析装置的示意性框图。其中,其中,信号干扰分析装置900的功能模块可以由实现本发明原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是,图9所描述的功能模块可以组合起来或者划分成子模块,从而实现上述发明的原理。因此,本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。
图9所示的信号干扰分析装置900可以用来实现图2所示的信号干扰分析方法,下面仅就信号干扰分析装置900可以具有的功能模块以及各功能模块可以执行的操作做简要说明,对于其中涉及的细节部分可以参见上文结合图2的描述,这里不再赘述。
如图9所示,本发明的信号干扰分析装置900包括受干扰数据获取单元910、匹配干扰源特征数据确定单元920和匹配干扰源相关信息确定单元930。
受干扰数据获取单元910用于获取受干扰小区的受干扰数据。
匹配干扰源特征数据确定单元920用于将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配,确定与所述受干扰数据相匹配的匹配干扰源特征数据。
在一个优选实施例中,匹配干扰源特征数据确定单元920可以将所述干扰源特征数据库中的满足预定匹配条件的干扰源特征数据确定为与所述受干扰数据相匹配的匹配干扰源特征数据。所述预定匹配条件为:所述匹配干扰源与所述受干扰小区之间的距离不大于预定距离阈值,所述受干扰小区在所述匹配干扰源的干扰范围内,并且所述匹配干扰源特征数据与所述受干扰数据的波形相似系数大于预定相似阈值。
匹配干扰源相关信息确定单元930用于基于所述匹配干扰源特征数据确定匹配干扰源的相关信息。匹配干扰源的相关信息包括如下的至少一项:所述匹配干扰源的经纬度数据;干扰类型;干扰原因;干扰时间。
该信号干扰分析装置900可选地还可以包括数据库构建单元,所述数据库构建单元可以用于构建所述干扰源特征数据库,所述干扰源特征数据库中存储有基于干扰排查经验所记录的干扰源特征数据。所述特征数据可以包括频域特征数据、时域特征数据、经纬度数据、干扰范围特征数据以及干扰类型中的至少一项。
在一个优选实施例中,也可以由上述数据库构建单元针对存储的干扰源特征数据相应地构建解决方案数据库,以在信号干扰分析之后针对匹配的干扰源提供相应的解决方案。
优选地,匹配干扰源特征数据确定单元920可以通过如下公式计算波形相似系数:
其中,X为所述受干扰数据的第一数据,Y为所述干扰源特征数据的第一特征数据,所述第一数据与所述第一特征相对应,ΡX,Y表示所述第一数据与所述第一特征数据的波形相似系数,cov(X,Y)表示X与Y的协方差,σx、σY分别表示X、Y的标准差。
该信号干扰分析装置900可选地还可以包括数据采集单元,数据采集单元可以解析所采集的北向数据。数据采集单元还可以对解析的北向数据进行分析和筛选,确定所述受干扰小区以及所述受干扰小区的受干扰数据。
受干扰数据可以包括如下的至少一项:受干扰小区的名称;受干扰小区的位置;受干扰数据的数据采集时间;受干扰数据频段区域属性;受干扰强度。
信号干扰分析装置还可以包括干扰分析单元,干扰分析单元可以自动分析所述受干扰数据,确定干扰原因。
信号干扰分析装置还可以基于所述匹配干扰源的相关信息,从解决方案数据库中为所述受干扰小区匹配相应的解决方案。
信号干扰分析装置还可以包括工单流转单元,工单流转单元用于实现工单的派发、流转和闭环。
另外,结合图2描述的本发明实施例的信号干扰分析方法可以由计算设备来实现。图10示出了本发明实施例提供的计算设备的硬件结构示意图。
计算设备可以包括处理器1001以及存储有计算机程序指令的存储器1002。
具体地,上述处理器1001可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器1002可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1002可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器1002可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器1002可在数据处理装置的内部或外部。在特定实施例中,存储器1002是非易失性固态存储器。在特定实施例中,存储器1002包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器1001通过读取并执行存储器1002中存储的计算机程序指令,以实现上述实施例中的任意一种信号干扰分析方法。
在一个示例中,计算设备还可包括通信接口1003和总线1010。其中,如图10所示,处理器1001、存储器1002、通信接口1003通过总线1010连接并完成相互间的通信。
通信接口1003,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线1010包括硬件、软件或两者,将计算设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1010可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
另外,结合上述实施例中的信号干扰分析方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种信号干扰分析方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
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。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种信号干扰分析方法,其特征在于,所述方法包括:
获取受干扰小区的受干扰数据;
将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配,确定与所述受干扰数据相匹配的匹配干扰源特征数据;以及
基于所述匹配干扰源特征数据确定匹配干扰源的相关信息;
其中,将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配的步骤包括:
将所述干扰源特征数据库中的满足预定匹配条件的干扰源特征数据确定为与所述受干扰数据相匹配的匹配干扰源特征数据,
所述预定匹配条件为:
所述匹配干扰源与所述受干扰小区之间的距离不大于预定距离阈值,所述受干扰小区在所述匹配干扰源的干扰范围内,并且所述匹配干扰源特征数据与所述受干扰数据的波形相似系数大于预定相似阈值。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
构建所述干扰源特征数据库,所述干扰源特征数据库中存储有基于干扰排查经验所记录的干扰源特征数据。
3.根据权利要求2所述的方法,其特征在于,所述特征数据包括频域特征数据、时域特征数据、经纬度数据、干扰范围特征数据以及干扰类型中的至少一项。
5.根据权利要求1所述的方法,其特征在于,所述获取受干扰小区的受干扰数据的步骤包括:
解析所采集的北向数据;以及
对解析的北向数据进行分析和筛选,确定所述受干扰小区的受干扰数据。
6.根据权利要求5所述的方法,其特征在于,所述受干扰数据包括如下的至少一项:
受干扰小区的名称、受干扰小区的位置、受干扰数据的数据采集时间、受干扰数据频段区域属性和受干扰强度。
7.根据权利要求5所述的方法,其特征在于,所述确定所述受干扰小区的受干扰数据的步骤还包括:
自动分析所述受干扰数据,确定干扰原因。
8.根据权利要求1所述的方法,其特征在于,所述匹配干扰源的相关信息包括如下的至少一项:
所述匹配干扰源的经纬度数据、干扰类型、干扰原因和干扰时间。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
基于所述匹配干扰源的相关信息,从解决方案数据库中为所述受干扰小区匹配相应的解决方案。
10.一种信号干扰分析装置,其特征在于,所述装置包括:
受干扰数据获取单元,用于获取受干扰小区的受干扰数据;
匹配干扰源特征数据确定单元,用于将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配,确定与所述受干扰数据相匹配的匹配干扰源特征数据;以及
匹配干扰源相关信息确定单元,用于基于所述匹配干扰源特征数据确定匹配干扰源的相关信息;
其中,将所述受干扰数据与干扰源特征数据库中的干扰源特征数据进行匹配的步骤包括:
将所述干扰源特征数据库中的满足预定匹配条件的干扰源特征数据确定为与所述受干扰数据相匹配的匹配干扰源特征数据,
所述预定匹配条件为:
所述匹配干扰源与所述受干扰小区之间的距离不大于预定距离阈值,所述受干扰小区在所述匹配干扰源的干扰范围内,并且所述匹配干扰源特征数据与所述受干扰数据的波形相似系数大于预定相似阈值。
11.一种计算设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711448631.XA CN109982361B (zh) | 2017-12-27 | 2017-12-27 | 信号干扰分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711448631.XA CN109982361B (zh) | 2017-12-27 | 2017-12-27 | 信号干扰分析方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109982361A CN109982361A (zh) | 2019-07-05 |
CN109982361B true CN109982361B (zh) | 2022-05-13 |
Family
ID=67071789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711448631.XA Active CN109982361B (zh) | 2017-12-27 | 2017-12-27 | 信号干扰分析方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109982361B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543538A (zh) * | 2019-08-28 | 2019-12-06 | 北京市天元网络技术股份有限公司 | 基于地理信息系统(gis)网格定位分析投诉原因的方法 |
CN110768736B (zh) * | 2019-10-08 | 2021-09-14 | 中国联合网络通信集团有限公司 | 一种信道仿真方法及装置 |
CN111934810B (zh) * | 2020-06-28 | 2022-08-16 | 广州市贝讯通信技术有限公司 | 小区干扰类型和干扰小区的确定方法及装置 |
CN111766612A (zh) * | 2020-07-09 | 2020-10-13 | 广东电网有限责任公司电力科学研究院 | 一种电磁干扰对定位结果影响程度的评估方法、装置和设备 |
CN113950094A (zh) * | 2020-07-15 | 2022-01-18 | 中国电信股份有限公司 | 上行干扰定位装置、方法及计算机可读存储介质 |
CN112653535A (zh) * | 2020-12-30 | 2021-04-13 | 成都点阵科技有限公司 | 一种无线电干扰监测系统及其监测方法 |
CN115001609B (zh) * | 2022-04-29 | 2024-06-21 | 国网上海市电力公司 | 计及干扰功率测量值的电力无线专网干扰类型识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103188704A (zh) * | 2011-12-29 | 2013-07-03 | 中国移动通信集团上海有限公司 | 一种移动通信系统干扰源的分析方法、装置和系统 |
CN104754631A (zh) * | 2013-12-31 | 2015-07-01 | 中兴通讯股份有限公司 | 一种排查小区干扰的方法及系统、网管 |
CN107005330A (zh) * | 2014-09-30 | 2017-08-01 | 英国电讯有限公司 | 干扰检测 |
CN107171742A (zh) * | 2017-05-09 | 2017-09-15 | 广东欧珀移动通信有限公司 | 终端信号处理方法、存储介质及终端 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9319916B2 (en) * | 2013-03-15 | 2016-04-19 | Isco International, Llc | Method and appartus for signal interference processing |
GB2539736A (en) * | 2015-06-25 | 2016-12-28 | Airspan Networks Inc | Wireless network configuration using path loss determination between nodes |
-
2017
- 2017-12-27 CN CN201711448631.XA patent/CN109982361B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103188704A (zh) * | 2011-12-29 | 2013-07-03 | 中国移动通信集团上海有限公司 | 一种移动通信系统干扰源的分析方法、装置和系统 |
CN104754631A (zh) * | 2013-12-31 | 2015-07-01 | 中兴通讯股份有限公司 | 一种排查小区干扰的方法及系统、网管 |
CN107005330A (zh) * | 2014-09-30 | 2017-08-01 | 英国电讯有限公司 | 干扰检测 |
CN107171742A (zh) * | 2017-05-09 | 2017-09-15 | 广东欧珀移动通信有限公司 | 终端信号处理方法、存储介质及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN109982361A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109982361B (zh) | 信号干扰分析方法、装置、设备及介质 | |
CN110069585B (zh) | 轨迹点数据的处理方法和装置、存储介质及电子装置 | |
CN109874104B (zh) | 用户位置定位方法、装置、设备及介质 | |
CN112543470B (zh) | 基于机器学习的终端定位方法及系统 | |
CN109379698B (zh) | 基于信道模型特征提取的小区测量报告定位方法及系统 | |
CN110430578B (zh) | 基于移动终端数据实现小区方位角预测的方法 | |
CN108009596B (zh) | 确定降雨特征的方法和装置 | |
CN109429264B (zh) | 一种数据处理方法、装置、设备及计算机可读存储介质 | |
CN105468922B (zh) | 一种现场电磁环境信号实时分析与威胁评估方法 | |
CN111027193A (zh) | 一种基于回归模型的短期水位预测方法 | |
CN109982349B (zh) | Lte异系统邻区的配置方法、配置装置、设备及介质 | |
CN117217460A (zh) | 一种巡检方案生成方法、装置、电子设备及存储介质 | |
CN107094306B (zh) | 终端性能评估方法及装置 | |
CN102421188B (zh) | 一种快速精确定位移动终端的方法 | |
CN109995549B (zh) | 一种评估流量价值的方法及装置 | |
CN108377508B (zh) | 基于测量报告数据的用户感知分类方法和装置 | |
CN108541011B (zh) | 无线网络信号覆盖区域的强度分析方法和装置 | |
CN113052308B (zh) | 训练目标小区识别模型的方法及目标小区识别方法 | |
CN109739866B (zh) | 一种包含指纹库的自动更新和优化装置及方法 | |
US11540234B2 (en) | Automated narrow peak interference severity estimation | |
CN115494871A (zh) | 一种输电线路异常的无人机巡检方法、装置以及系统 | |
CN109996253A (zh) | 一种小区信号覆盖范围合理性的评估方法及装置 | |
CN111027599B (zh) | 基于随机抽样的聚类可视化方法及装置 | |
CN105744485A (zh) | 基于传播模型的室内定位rss指纹库恢复方法 | |
CN113516333B (zh) | 一种基于精准化业务模型的性能测试方法和系统 |
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 |