CN109996269A - 一种无线通信网络异常原因确定方法、装置、设备及介质 - Google Patents
一种无线通信网络异常原因确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109996269A CN109996269A CN201711491883.0A CN201711491883A CN109996269A CN 109996269 A CN109996269 A CN 109996269A CN 201711491883 A CN201711491883 A CN 201711491883A CN 109996269 A CN109996269 A CN 109996269A
- Authority
- CN
- China
- Prior art keywords
- network
- parameter
- abnormal
- operational parameter
- relevance
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004891 communication Methods 0.000 title claims abstract description 38
- 239000013598 vector Substances 0.000 claims abstract description 57
- 230000006866 deterioration Effects 0.000 claims abstract description 17
- 238000012512 characterization method Methods 0.000 claims abstract description 14
- 239000000284 extract Substances 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003012 network analysis Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- 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
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/064—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving time analysis
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种无线通信网络异常原因确定方法、装置、设备及介质，用以提高无线网络异常原因分析的效率和准确性。无线通信网络异常原因确定方法，包括：获取劣化小区在网络异常发生时间前后预设时长内各网络运行参数的历史统计数据；针对任一网络运行参数，从所述历史统计数据中提取不同时间点的参数值得到网络运行参数向量；以及从所述历史统计数据中，提取表征每一时间点是否故障的参数值组成网络异常表征向量；利用预设算法确定所述网络运行参数向量和所述网络异常表征向量之间的相关性参数；根据所述相关性参数，确定所述网络运行参数与网络异常之间的关联关系。
Description
技术领域
本发明涉及无线通信技术领域，尤其涉及一种无线通信网络异常原因确定方法、装置、设备及介质
背景技术
随着移动通信用户的迅猛增长，终端用户对网络通信质量的要求越来越高，移动运营商也都大规模开展了以提高用户感知度为目标的网络优化工作，并提出了对各项主要指标的考核标准。无线网络优化是通过对现有已运行的网络进行话务数据分析、现场测试数据采集、参数分析、硬件检查等手段，找出影响网络质量的原因，并且通过参数的修改、网络结构的调整、设备配置的调整和采取某些技术手段，确保无线通信系统高质量的运行。
现有技术中，在进行劣化小区分析时，通常采用人工采用八步分析法进行问题原因的挖掘，通过故障分析、干扰分析、覆盖分析、资源分析、参数分析、Counter分析、邻区分析、两两邻区对分析八个维度分别进行扫描，最终确定问题原因。现有的劣化小区分析方法中，需要人工一一判断每个原因是否是影响指标的关键问题原因，一方面，其分析效率较低；另一方面，其准确性依赖工程师本身的经验和水平。
综上所述，如何提高劣化小区原因分析的效率和准确性成为现有技术中亟待解决的技术问题之一。
发明内容
本发明实施例提供了无线通信网络异常原因确定方法、装置、设备及介质，用以提高无线网络异常原因分析的效率和准确性。
第一方面，本发明实施例提供了一种无线通信网络异常原因确定方法，方法包括：
获取劣化小区在网络异常发生时间前后预设时长内各网络运行参数的历史统计数据；
针对任一网络运行参数，从所述历史统计数据中提取不同时间点的参数值得到网络运行参数向量；以及
从所述历史统计数据中，提取表征每一时间点是否故障的参数值组成网络异常表征向量；
利用预设算法确定所述网络运行参数向量和所述网络异常表征向量之间的相关性参数；
根据所述相关性参数，确定所述网络运行参数与网络异常之间的关联关系。
第二方面，本发明实施例提供了一种无线通信网络异常原因确定装置，装置包括：
获取单元，用于获取劣化小区在网络异常发生时间前后预设时长内各网络运行参数的历史统计数据；
第一提取单元，用于针对任一网络运行参数，从所述历史统计数据中提取不同时间点的参数值得到网络运行参数向量；
第二提取单元，用于从所述历史统计数据中，提取表征每一时间点是否故障的参数值组成网络异常表征向量；
第一确定单元，用于利用预设算法确定所述网络运行参数向量和所述网络异常表征向量之间的相关性参数；
第二确定单元，用于根据所述相关性参数，确定所述网络运行参数与网络异常之间的关联关系。
本发明实施例提供了一种无线通信网络异常原因确定设备，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无线通信网络异常原因确定方法、装置、设备及介质，针对每一位网络运行参数，提取该网络运行参数在不同时间点的参数值组成网络运行参数向量，以及提取表征每一时间点对应的是否故障的参数值组成网络异常表征向量，计算该网络运行参数向量与网络异常表征向量之间的相关性参数，由此得到两者之间的关联关系，根据两者之间的关联关系自动判断网络异常的关键原因，从而提高了网络异常分析的效率，上述故障并不依赖于人工经验，使得分析结构更加客观准确。
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示出了根据本发明实施方式的无线通信网络异常原因确定方法的实施流程示意图；
图2示出了本发明实施例中网络运行参数统计数据示意图；
图3示出了本发明实施例中提取不同时间点的网络运行参数得到的示意图；
图4示出了本发明实施例中第一种随机变量相关线性的分布示意图；
图5示出了本发明实施例中第二种随机变量相关线性的分布示意图；
图6示出了本发明实施例中随机变量相关线性的变化示意图；
图7示出了根据本发明实施例方式的皮尔森系数计算过程示意图；
图8示出了根据本发明实施方式的某劣化小区网络异常表征与确定出的每一网络运行参数之间的皮尔森系数示意图；
图9示出了根据本发明实施方式的无线通信网络异常原因确定装置的结构示意图；
图10示出了根据本发明实施例方式的无线通信网络异常原因确定设备的结构示意图。
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。
如图1所示，其为本发明实施例提供的无线通信网络异常原因确定方法的实施流程示意图，可以包括以下步骤：
S11、获取劣化小区在网络异常发生时间前后预设时长内各网络运行参数的历史统计数据。
具体实施时，在对劣化小区网络异常原因进行分析时，可以对大量的相同网络异常的历史数据进行梳理，找出该网络异常发生和解决的具体时间，为了减少数据处理量，可以按照一定的时间粒度来获取历史数据，例如，可以精确到小时级，并提取出网络异常发生前后的所有网络运行参数数据。本实施例中，以网络运行参数为381项为例，最后一项参数值为是否存在网络异常的数值表征，如图2所示，其为截取的网络运行参数的一部分。
S12、针对任一网络运行参数，从所述历史统计数据中提取不同时间点的参数值得到网络运行参数向量。
本步骤中，从图1所示的表中提取不同时间点的网络运行参数，例如每隔一小时提取一个，这样可以得到图3所示的数据表。对于图3中包含的每一字段，提取该字段在不同时间点对应的参数值即可组成该网络运行参数对应的网络运行参数向量。
例如，针对图2中有效RRC连接最大数，提取该列字段在每一行中的参数值组成RRC连接最大数向量。
S13、从所述历史统计数据中，提取表征每一时间点是否故障的参数值组成网络异常表征向量。
以图2为例，其对应的网络异常为干扰，则提取是否为干扰一列在每一行中的参数值组成干扰表征向量，图2中，1表示存在干扰，-1表示不存在干扰。提取每一个时间点对应的表征是否存在干扰的参数值即可组成干扰表征向量。
S14、利用预设算法确定所述网络运行参数向量和所述网络异常表征向量之间的相关性参数。
S15、根据所述相关性参数，确定所述网络运行参数与网络异常之间的关联关系。
具体实施时，计算两个向量之间的相关性参数可以有多种计算方法，本发明实施例中以相关性参数为皮尔森系数(pearson)为例进行说明。
pearson是一个介于-1和1之间的值，用来描述两组线性的数据一同变化移动的趋势。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，相关系数大于0；如果一个变量增大，另一个变量却减小，表明它们之间是负相关的，相关系数小于0；如果相关系数等于0，表明它们之间不存在线性相关关系。
算法描述：
协方差(Covariance)：在概率论和统计学中用于衡量两个变量的总体误差。如果两个变量的变化趋于一致，也就是说如果其中一个大于自身的期望值，另一个也大于自身的期望值，那么两个变量之间的协方差就是正值；如果两个变量的变化趋势相反，则协方差为负值。
用数学公式表示，皮尔森相关系数等于两个变量的协方差与两个变量的标准差的比值。基于此，本发明实施例中，可以按照以下方法确定网络运行参数向量和所述网络异常表征向量之间的皮尔森系数：分别确定所述网络运行参数向量和网络异常表征向量的协方差和标准差；确定所述协方差和标准差的比值为所述网络运行参数向量和所述网络异常表征向量之间的皮尔森系数。具体地，以下公式中的ρx,y就是皮尔森系数：
分子cov(X,Y)是协方差，分母σxσy是两个变量标准差的乘积。显然要求X和Y的标准差都不能为0。
当有N个变量属性时，皮尔森系数公式为：
其中，E(X)为期望值，E(X)的定义如下：
E(X)＝∫ΩXdp，X是在机率空间(Ω,P)中的一个随机变量。N表示变量取值的个数。
皮尔森系数具有以下特点：
皮尔森系数是一个没有单位的纯数，它不受下列因素影响：
(1)互相两个变量；
(2)某一个变量的所有值都增加同一个数值；
(3)某一变量所有值都乘以同一正数。
由此可知，如果两个随机变量线性相关，不论其斜率节距等于多少其皮尔森系数都为1。分别如图4和图5所示，这两个散点图都有同样的相关系数0.7，图4中的SD较小，故看起来更密集地群集于SD线旁。
图4和图5说明了皮尔森系统的另一个明显特征，皮尔森系数并不能表示数据的离散程度，而是仅仅能表示两个随机变量在其各自均数附近有相同的变化；而这种变化的大小，即标准差是可大可小的，只要两者正负可以抵消，则就是线性相关。也可以说，相关系数是一个相对量，是被标准差无量纲化的量，于是，只能看出其(某些量)相对于标准差的相对大小。如图6所示，当r(皮尔森系数)接近于1时，代表点在SD线之上或之下的距离变成纵向SD的一小部分。
pearson描述的是两组数据变化移动的趋势，所有在定位原因影响指标的重要程度时，pearson系数越大，影响重要程度越高。
具体实施时，可以利用MATLAB软件计算网络异常与网络运行参数的皮尔森系数，其中，皮尔森系统有两个参数组成，一个是相关系数一个是显著性检验(t检验)，以网络运行参数为无线掉线率，网络异常为干扰为例，如图7所示，输入提取的无线掉线率向量a和干扰表征向量b，调用MATLAB中的公式corrcoef(a，b)，即可得到a和b的相关系数(r)和显著性检验值(p)。
采用同样的方式，可以计算其它网络运行参数与干扰皮尔森系数。
如表2所示，其为部分网络运行参数与干扰之间的皮尔森系数计算结果：
表2
其中，相关系数取值在-1到1之间，正数为正相关，负数为负相关。具体实施时，步骤S15中，根据所述相关性参数，可以按照以下方法确定所述网络运行参数与网络异常原因之间的关联关系：分别比较所述相关性参数绝对值与第一预设阈值和第二预设阈值；如果所述相关性参数绝对值大于所述第一预设阈值，则确定所述网络运行参数与网络异常强相关；如果所述相关性参数绝对值大于所述第二预设阈值且不大于所述第一预设阈值，则确定所述网络运行参数与网络异常一般相关；如果所述相关性参数绝对值不大于所述第二预设阈值，则确定所述网络运行参数与网络异常弱相关。
以第一预设阈值为0.8，第二预设阈值为0.3为例，即|相关系数|>＝0.8为强相关，|相关系数|<＝0.3为弱相关，0.3<|相关系数|<0.8为一般相关，|相关系数|＝0表示不相关，即两组数据正交。
显著性的含义是指两个群体之间的任何差异是由于系统因素而不是偶然因素的影响，本发明实施例中，可以定义如果显著性检验值小于第三预设阈值，则说明两个变量显著相关，以第三预设阈值为0.05为例，即此处当显著性检验值p<0.05时，表示两个变量显著相关。
基于此，根据表2所示的数据可知：
1、网络异常干扰与无线掉线率为正相关，关系量化度为0.593467，相关程度较高，并且显著相关。存在干扰时，无线掉线率指标值会增大。
2、干扰与切换成功率为负相关，关系量化度为-0.50869，相关程度较高，并且显著相关。存在干扰时，切换成功率指标值会降低。
具体实施时，在网络优化过程中，同一个劣化小区可能存在多个差指标问题，即劣化小区存在多个网络异常，也可能同时存在多个导致网络异常的原因，本发明实施例中，可以根据上述实施例中计算出的每一网络运行参数与每一网络异常之间的皮尔森系数，并基于此确定导致网络异常的关键原因。
如图8所示，其为某劣化小区网络异常表征与确定出的每一网络运行参数之间的皮尔森系数示意图。该劣化小区中存在E-RAB(演进的无线接入承载)建立成功率、无线掉线率和无线接通率指标恶化等网络异常问题表征；同时通过上述实施例确定出出该劣化小区存在两个导致网络异常问题的网络运行参数，分别为互调干扰、弱覆盖。通过导致网络异常问题的网络运行参数与网络异常问题表征之间的量化关系(即两者之间的皮尔森系数)，可以叠加计算互调干扰和弱覆盖对上述三个网络异常问题影响的重要程度。
具体实施时，针对每一网络运行参数，可以按照以下方法计算该网络运行参数对网络异常问题影响的重要程度：针对与每一网络异常强均相关的每一网络运行参数，分别统计该网络运行参数与每一网络异常之间的相关性参数绝对值之和；针对每一位网络运行参数，对该网络运行参数对应的相关性参数绝对值之和进行归一化处理；根据归一化后的值确定该网络运行参数影响网络异常的重要程度。通过归一化处理之后得到的关联系数值，表达了导致网络异常问题的网络运行参数影响网络异常问题的重要程度，工程师可以利用此系数快速定位问题的核心原因。归一化后的关联系数值越大，则说明相应的网络运行参数对网络异常原因的影响也越大。
具体地，针对网络运行参数互调干扰：分别计算互调干扰与E-RAB建立成功率、无线掉线率和无线接通率之间的皮尔森系数，假设分别为r11、r12和r13，则可以按照以下公式计算互调干扰与所有网络异常之间的相关性参数r1：r1＝|r11|+|r12|+|r13|。
针对网络运行参数弱覆盖：分别计算弱覆盖与E-RAB建立成功率、无线掉线率和无线接通率之间的皮尔森系数，假设分别为r21、r22和r23，则可以按照以下公式计算弱覆盖与所有网络异常之间的相关性参数r2：r2＝|r21|+|r22|+|r23|。
针对每一网络运行参数，对该网络运行参数对应的相关性参数进行归一化处理，例如，针对互调干扰，可以按照以下公式进行归一化处理：对于弱覆盖，可以按照以下公式进行归一化处理：假设互调干扰对应的归一化后的值为0.74，弱覆盖对应的归一化后的值为0.26，由此，可以确定导致上述3个网络异常问题的关键原因为互调干扰。
本发明实施例提供的无线通信网络异常原因确定方法，通过数学方法对历史数据进行挖掘，计算出网络运行参数与网络异常问题之间的一对一量化关系，在进行日常网络问题分析时，利用一对一量化关系快速定位网络异常问题的核心原因，快速提升无线通信网络各项指标，同时节省人力成本和时间成本。
如9所示，其为本发明实施例提供的无线通信网络异常原因确定装置的结构示意图，包括：
获取单元91，用于获取劣化小区在网络异常发生时间前后预设时长内各网络运行参数的历史统计数据；
第一提取单元92，用于针对任一网络运行参数，从所述历史统计数据中提取不同时间点的参数值得到网络运行参数向量；
第二提取单元93，用于从所述历史统计数据中，提取表征每一时间点是否故障的参数值组成网络异常表征向量；
第一确定单元94，用于利用预设算法确定所述网络运行参数向量和所述网络异常表征向量之间的相关性参数；
第二确定单元95，用于根据所述相关性参数，确定所述网络运行参数与网络异常之间的关联关系。
优选地，所述相关性参数为皮尔森系数；以及
所述第一确定单元94，具体用于分别确定所述网络运行参数向量和网络异常表征向量的协方差和标准差；确定所述协方差和标准差的比值为所述网络运行参数向量和所述网络异常表征向量之间的皮尔森系数。
优选地，所述第二确定单元95，具体用于分别比较所述相关性参数绝对值与第一预设阈值和第二预设阈值；如果所述相关性参数绝对值大于所述第一预设阈值，则确定所述网络运行参数与网络异常强相关；如果所述相关性参数绝对值大于所述第二预设阈值且不大于所述第一预设阈值，则确定所述网络运行参数与网络异常一般相关；如果所述相关性参数绝对值不大于所述第二预设阈值，则确定所述网络运行参数与网络异常弱相关。
可选地，如果网络异常存在多个，则所述装置，还包括：
统计单元，用于针对与每一网络异常强均相关的每一网络运行参数，分别统计该网络运行参数与每一网络异常之间的相关性参数绝对值之和；
处理单元，用于针对每一位网络运行参数，对该网络运行参数对应的相关性参数绝对值之和进行归一化处理；
第三确定单元，用于根据归一化后的值确定该网络运行参数影响网络异常的重要程度。
另外，结合图1描述的本发明实施例的无线通信网络异常原因确定方法可以由无线通信网络异常原因确定设备来实现。图10示出了本发明实施例提供的无线通信网络异常原因确定设备的硬件结构示意图。
无线通信网络异常原因确定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无线通信网络异常原因确定方法。
在一个示例中，无线通信网络异常原因确定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，将无线通信网络异常原因确定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无线通信网络异常原因确定方法，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无线通信网络异常原因确定方法。
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 (10)
1.一种无线通信网络异常原因确定方法，其特征在于，所述方法包括：
获取劣化小区在网络异常发生时间前后预设时长内各网络运行参数的历史统计数据；
针对任一网络运行参数，从所述历史统计数据中提取不同时间点的参数值得到网络运行参数向量；以及
从所述历史统计数据中，提取表征每一时间点是否故障的参数值组成网络异常表征向量；
利用预设算法确定所述网络运行参数向量和所述网络异常表征向量之间的相关性参数；
根据所述相关性参数，确定所述网络运行参数与网络异常之间的关联关系。
2.根据权利要求1所述的方法，其特征在于，所述相关性参数为皮尔森系数；以及
利用预设算法确定所述网络运行参数向量和所述网络异常表征向量之间的相关性参数，具体包括：
分别确定所述网络运行参数向量和网络异常表征向量的协方差和标准差；
确定所述协方差和标准差的比值为所述网络运行参数向量和所述网络异常表征向量之间的皮尔森系数。
3.根据权利要求1所述的方法，其特征在于，根据所述相关性参数，确定所述网络运行参数与网络异常原因之间的关联关系，具体包括：
分别比较所述相关性参数绝对值与第一预设阈值和第二预设阈值；
如果所述相关性参数绝对值大于所述第一预设阈值，则确定所述网络运行参数与网络异常强相关；
如果所述相关性参数绝对值大于所述第二预设阈值且不大于所述第一预设阈值，则确定所述网络运行参数与网络异常一般相关；
如果所述相关性参数绝对值不大于所述第二预设阈值，则确定所述网络运行参数与网络异常弱相关。
4.根据权利要求3所述的方法，其特征在于，如果网络异常存在多个，则所述方法，还包括：
针对与每一网络异常强均相关的每一网络运行参数，分别统计该网络运行参数与每一网络异常之间的相关性参数绝对值之和；
针对每一位网络运行参数，对该网络运行参数对应的相关性参数绝对值之和进行归一化处理；
根据归一化后的值确定该网络运行参数影响网络异常的重要程度。
5.一种无线通信网络异常原因确定装置，其特征在于，所述装置包括：
获取单元，用于获取劣化小区在网络异常发生时间前后预设时长内各网络运行参数的历史统计数据；
第一提取单元，用于针对任一网络运行参数，从所述历史统计数据中提取不同时间点的参数值得到网络运行参数向量；
第二提取单元，用于从所述历史统计数据中，提取表征每一时间点是否故障的参数值组成网络异常表征向量；
第一确定单元，用于利用预设算法确定所述网络运行参数向量和所述网络异常表征向量之间的相关性参数；
第二确定单元，用于根据所述相关性参数，确定所述网络运行参数与网络异常之间的关联关系。
6.根据权利要求5所述的装置，其特征在于，所述相关性参数为皮尔森系数；以及
所述第一确定单元，具体用于分别确定所述网络运行参数向量和网络异常表征向量的协方差和标准差；确定所述协方差和标准差的比值为所述网络运行参数向量和所述网络异常表征向量之间的皮尔森系数。
7.根据权利要求5所述的装置，其特征在于，
所述第二确定单元，具体用于分别比较所述相关性参数绝对值与第一预设阈值和第二预设阈值；如果所述相关性参数绝对值大于所述第一预设阈值，则确定所述网络运行参数与网络异常强相关；如果所述相关性参数绝对值大于所述第二预设阈值且不大于所述第一预设阈值，则确定所述网络运行参数与网络异常一般相关；如果所述相关性参数绝对值不大于所述第二预设阈值，则确定所述网络运行参数与网络异常弱相关。
8.根据权利要求7所述的装置，其特征在于，如果网络异常存在多个，则所述装置，还包括：
统计单元，用于针对与每一网络异常强均相关的每一网络运行参数，分别统计该网络运行参数与每一网络异常之间的相关性参数绝对值之和；
处理单元，用于针对每一位网络运行参数，对该网络运行参数对应的相关性参数绝对值之和进行归一化处理；
第三确定单元，用于根据归一化后的值确定该网络运行参数影响网络异常的重要程度。
9.一种无线通信网络异常原因确定设备，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1-4中任一项所述的方法。
10.一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1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711491883.0A CN109996269A (zh) | 2017-12-30 | 2017-12-30 | 一种无线通信网络异常原因确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711491883.0A CN109996269A (zh) | 2017-12-30 | 2017-12-30 | 一种无线通信网络异常原因确定方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109996269A true CN109996269A (zh) | 2019-07-09 |
Family
ID=67110718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711491883.0A Pending CN109996269A (zh) | 2017-12-30 | 2017-12-30 | 一种无线通信网络异常原因确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109996269A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110831018A (zh) * | 2019-11-14 | 2020-02-21 | 中国联合网络通信集团有限公司 | Lte小区天馈系统的检测方法、设备和存储介质 |
| CN111062421A (zh) * | 2019-11-28 | 2020-04-24 | 国网河南省电力公司 | 基于相关性分析的网络节点多维数据社团划分算法 |
| CN111125641A (zh) * | 2019-12-25 | 2020-05-08 | 广州博进信息技术有限公司 | 一种大气污染异常识别与成因分析方法、装置及存储介质 |
| CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
| CN111738765A (zh) * | 2020-06-23 | 2020-10-02 | 京东数字科技控股有限公司 | 数据处理方法、装置、设备和存储介质 |
| CN112583631A (zh) * | 2019-09-30 | 2021-03-30 | 瞻博网络公司 | 确定计算机系统事件的依赖原因 |
| CN113722403A (zh) * | 2020-05-25 | 2021-11-30 | 中国石油化工股份有限公司 | 异常运行数据的聚类方法、装置、存储介质及处理器 |
| CN114286360A (zh) * | 2020-09-27 | 2022-04-05 | 中国移动通信集团设计院有限公司 | 无线网络通信优化方法、装置、电子设备及存储介质 |
| CN114554534B (zh) * | 2020-11-24 | 2024-05-07 | 中国移动通信集团北京有限公司 | 影响语音感知的网络因素确定方法、装置及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103096356A (zh) * | 2013-01-21 | 2013-05-08 | 北京拓明科技有限公司 | 无线网络性能的分析方法 |
| CN103596208A (zh) * | 2013-11-15 | 2014-02-19 | 大唐移动通信设备有限公司 | 一种网元故障判断方法及系统 |
| CN107463486A (zh) * | 2017-07-05 | 2017-12-12 | 东软集团股份有限公司 | 系统性能分析方法、装置及服务器 |
-
2017
- 2017-12-30 CN CN201711491883.0A patent/CN109996269A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103096356A (zh) * | 2013-01-21 | 2013-05-08 | 北京拓明科技有限公司 | 无线网络性能的分析方法 |
| CN103596208A (zh) * | 2013-11-15 | 2014-02-19 | 大唐移动通信设备有限公司 | 一种网元故障判断方法及系统 |
| CN107463486A (zh) * | 2017-07-05 | 2017-12-12 | 东软集团股份有限公司 | 系统性能分析方法、装置及服务器 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112583631A (zh) * | 2019-09-30 | 2021-03-30 | 瞻博网络公司 | 确定计算机系统事件的依赖原因 |
| US11900273B2 (en) | 2019-09-30 | 2024-02-13 | Juniper Networks, Inc. | Determining dependent causes of a computer system event |
| CN110831018A (zh) * | 2019-11-14 | 2020-02-21 | 中国联合网络通信集团有限公司 | Lte小区天馈系统的检测方法、设备和存储介质 |
| CN111062421A (zh) * | 2019-11-28 | 2020-04-24 | 国网河南省电力公司 | 基于相关性分析的网络节点多维数据社团划分算法 |
| CN111126824B (zh) * | 2019-12-19 | 2023-11-21 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
| CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
| CN111125641A (zh) * | 2019-12-25 | 2020-05-08 | 广州博进信息技术有限公司 | 一种大气污染异常识别与成因分析方法、装置及存储介质 |
| CN111125641B (zh) * | 2019-12-25 | 2024-03-12 | 广州博进信息技术有限公司 | 一种大气污染异常识别与成因分析方法、装置及存储介质 |
| CN113722403A (zh) * | 2020-05-25 | 2021-11-30 | 中国石油化工股份有限公司 | 异常运行数据的聚类方法、装置、存储介质及处理器 |
| CN111738765A (zh) * | 2020-06-23 | 2020-10-02 | 京东数字科技控股有限公司 | 数据处理方法、装置、设备和存储介质 |
| CN114286360A (zh) * | 2020-09-27 | 2022-04-05 | 中国移动通信集团设计院有限公司 | 无线网络通信优化方法、装置、电子设备及存储介质 |
| CN114286360B (zh) * | 2020-09-27 | 2023-09-05 | 中国移动通信集团设计院有限公司 | 无线网络通信优化方法、装置、电子设备及存储介质 |
| CN114554534B (zh) * | 2020-11-24 | 2024-05-07 | 中国移动通信集团北京有限公司 | 影响语音感知的网络因素确定方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109996269A (zh) | 一种无线通信网络异常原因确定方法、装置、设备及介质 | |
| CN106294120B (zh) | 测试代码的方法、设备和计算机程序产品 | |
| CN108090567B (zh) | 电力通信系统故障诊断方法及装置 | |
| US7522884B2 (en) | Apparatus and method for analyzing drive test data for communications system | |
| US20020194511A1 (en) | Apparatus and method for central processing unit power measurement in a digital signal processor | |
| CN110634471B (zh) | 一种语音质检方法、装置、电子设备和存储介质 | |
| CN109996280A (zh) | 基站经纬度核查方法、装置、设备及介质 | |
| CN109982343A (zh) | 异频切换门限值确定方法、装置、设备及介质 | |
| CN110348717B (zh) | 基于栅格粒度的基站价值评分方法和装置 | |
| CN112364014A (zh) | 数据查询方法、装置、服务器及存储介质 | |
| CN109362092B (zh) | 网络参数调整方法、装置、设备及介质 | |
| CN112730654B (zh) | 六氟化硫电气设备故障检测方法、装置及终端设备 | |
| CN102709207B (zh) | 质量评估设备、方法和使计算机执行质量评估方法的程序 | |
| CN112637888B (zh) | 覆盖空洞区域识别方法、装置、设备及可读存储介质 | |
| CN110826583A (zh) | 故障的确定方法、装置、存储介质及电子装置 | |
| CN112598537A (zh) | 电力设备故障诊断方法、装置及终端设备 | |
| EP3833089B1 (en) | Automated narrow peak interference severity estimation | |
| CN107886113B (zh) | 一种基于卡方检验的电磁频谱噪声提取和滤波方法 | |
| CN113297583B (zh) | 漏洞风险分析方法、装置、设备及存储介质 | |
| CN109982392A (zh) | 基站小区的邻区配置方法、装置、设备及介质 | |
| CN107402883A (zh) | 一种数据测试处理方法和装置 | |
| CN114020971A (zh) | 一种异常数据检测方法及装置 | |
| JP3155954B2 (ja) | 電波伝搬損失特性推定方法 | |
| CN113627730A (zh) | 一种企业评估方法、装置、设备及计算机存储介质 | |
| CN109785108B (zh) | 贷款产品接入方法及相关装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190709 |
|
| RJ01 | Rejection of invention patent application after publication |