CN111405605B - 一种基于自组织映射的无线网络中断检测方法 - Google Patents

Abstract

本发明公开了一种基于自组织映射的无线网络中断检测方法，所述方法首先通过采集网络关键性指标KPI构建数据集S，然后通过通过自组织映射对数据集S进行聚类，包括对SOM竞争层中每一个神经元的权重初始化并更新权重，选择SOM竞争层中最佳匹配单元以及遍历数据集S以获得经SOM聚类后得到的簇划分C_ini；接着基于K‑S检验合并簇划分C_ini中相似的数据簇，将簇划分C_ini更新为簇划分集合C_new；最后根据所获得的簇划分集合C_new，判断无线网络中是否发生中断。本发明所述的方法能够从无线网络所实时产生的大量未被标注的数据中准确地完成中断检测。

Description

一种基于自组织映射的无线网络中断检测方法

技术领域

本发明属于无线网络技术，具体涉及一种基于自组织映射的无线网络中断检测方法。

背景技术

在无线网络通信技术中，中断检测作为无线网络的关键技术之一，对于降低无线网络的运维成本、提升网络管理效率具有重要意义。无线网络中实时产生的大量数据反映了无线网络运行的真实情况，是中断检测的可靠保证。但是，这些数据难以被标注，可获得的信息有限，致使现有的方法检测效果不佳。因此，如何从无线网络所实时产生的大量未被标注的数据中准确地检测出中断，成为亟待解决的关键问题。

K-Means、凝聚聚类等现有的方法需要给出聚类的簇数，这在无线网络中难以事先确定。自组织映射模拟了人类大脑中神经细胞的竞争性行为，通过神经元的相互竞争捕获数据的内在规律，能够从大量未被标注的数据中自主地提取有价值的信息，不需要事先给定聚类的簇数即可完成聚类，是切实可行的解决方法。

发明内容

发明目的：为了解决上述问题，实现从无线网络所实时产生的大量未被标注的数据中准确地完成中断检测，本发明提供一种基于自组织映射的无线网络中断检测方法。

为实现上述目的，本发明所提供的技术方案如下。

一种基于自组织映射的无线网络中断检测方法包括如下步骤：

(1)采集网络关键性能指标KPI，包括考信号接收功率、无线网络中时间T内用户上报的KPI信息，并将关键性能指标KPI保存为数据集S；

(2)通过自组织映射对数据集S进行聚类，包括对SOM竞争层中每一个神经元的权重初始化并更新权重，选择SOM竞争层中最佳匹配单元以及遍历数据集S以获得经 SOM聚类后得到的簇划分C_ini；

(3)基于K-S检验合并簇划分C_ini中相似的数据簇，将簇划分C_ini更新为簇划分集合C_new；

(4)根据步骤(3)所获得的簇划分集合C_new，判断无线网络中是否发生中断。

进一步的，步骤(1)具体如下：

(11)获取无线网络中时间T内用户上报的KPI信息，其中所述的时间T由运营商根据用户数量和网络运行情况自行确定，随后转入步骤(12)；

(12)将KPI信息保存为数据集S＝{x₁,x₂,...,x_i,...,x_q}的形式；其中q为数据集S中元素的个数，数据集S中第i(i＝1,2,...,q)个元素x_i中，x_i∈Rⁿ，表示某时刻某用户上报的n维KPI信息。Rⁿ为n维向量空间；x_i＝(KPI₁,KPI₂,...,KPI_k,...,KPI_n)，表示x_i的具体表达形式；其中KPI_k表示需要搜集的第k类KPI信息；获得数据集S后，进行步骤(2)。

进一步的，步骤(2)利用自组织映射(Self-Organizing Map，SOM)对数据集S中的样本进行聚类，具体如下：

(21)随机初始化SOM竞争层中每一个神经元的权重m_j(j＝1,2,....,N)，m_j∈Rⁿ；其中，N为SOM竞争层中神经元的个数，由运营商自行确定；初始化完成后，令迭代次数t＝1，转入流程(22)；

(22)对于数据集S中的每一条KPI信息x_i，依据式(2-1)选出SOM竞争层中的最佳匹配单元(BMU)，记为c；

式(2-1)中，算子||·||₂表示向量的2-范数；运算

表示求取使函数f(x)取最小值的自变量x；获得最佳匹配单元c后，转入步骤(23)；

(23)对于SOM竞争层中的每一个神经元j，依据式(2-2)更新其权重m_j；

m_j(t+1)＝m_j(t)+α(t)·h_c(j,t)·[x_i-m_j(t)] (2-2)

其中，

式(2-2)-式(2-5)中，m_j(t)表示第t次迭代后SOM竞争层中第j个神经元的权重；α(t) 表示SOM的学习率函数，|S|表示数据集S中元素的个数。h_c(j,t)表示最佳匹配单元c的邻域函数，σ(t)为h_c(j,t)在第t次迭代中能取得的最大值，r_c和r_j分别表示BMU和SOM 竞争层中第j个神经元的坐标，其具体取值由运营商自行确定；SOM竞争层中所有神经元的权重m_j更新完毕后，令t＝t+1，转入流程(4)；

(24)不断重复步骤(22)、(23)，直至遍历完S中的元素为止；记此时SOM竞争层中第j个神经元的权重为

转入步骤(25)；

(25)对于S中的每一条KPI信息x_i，依据式(2-6)确定其归属的簇编号λ；

将x_i并入集合C_λ中，即C_λ＝C_λ∪{x_i}。转入流程(6)；

(26)不断重复步骤(25)，直至遍历完S中的元素为止。将经SOM聚类后得到的簇划分记为C_ini＝{C₁,C₂,...,C_M}，其中M为集合C_ini中元素的个数，表示数据集S中的样本经SOM聚类后得到的簇数。获得簇划分C_ini后，进行步骤(3)。

进一步的，步骤(3)利用K-S检验合并簇划分C_ini中相似的数据簇，具体如下：

(31)在簇划分C_ini中，任意选择两个簇C_i和C_j，其构成簇配对(C_i,C_j)；对于簇配对(C_i,C_j)，设C_i和C_j中的样本在维度v(v＝1,2,...,n)上构成的序列分别为

和/>

根据式(3-1)计算/>

和/>

的K-S统计量d_v；其表达式如下：

其中，运算

表示对于x∈R，求函数f(x)的上确界；/>

和/>

分别表示序列/>

和/>

的累积分布函数；运算|f(x)|表示求函数f(x)的绝对值。

依据式(3-2)，定义簇C_i和C_j的K-S统计量D_i,j：

D_i,j＝min{d₁,d₂,...,d_v,...,d_n} (3-2)

式(3-2)中，运算min表示求最小值；获得D_i,j后，转入步骤(32)；

(32)不断重复流程(1)，直至遍历完C_ini中的所有簇配对为止(不考虑簇配对(C_i,C_j) 中C_i和C_j的顺序)；转入步骤(3)；

(33)依据式(3-3)，计算簇划分C_ini中任意两簇K-S统计量的最小值，记为D_s,t；

判断D_s,t和阈值τ(此值由运营商根据网络的实际情况自行确定)的大小关系，若D_s,_t＜τ，则合并簇C_s和C_t，将簇划分更新为C_new＝{C₁,C₂,...,C_M-1}，返回步骤(31)；若D_s,t≥τ，该步骤终止，将最终得到的簇划分记为C_new＝{C₁,C₂,...,C_L}(L≤M)，其中L 为集合C_new中元素的个数，表示最终得到的簇数。获得C_new后，进行步骤(4)。

进一步的，步骤(4)根据步骤(3)所获得的簇划分C_new，判断无线网络中是否发生中断。具体如下：

(41)将集合C_new中元素的个数记为|C_new|。若|C_new|＝1，则判断此时无线网络中没有发生中断，返回步骤(1)。若|C_new|≥2，则判断此时无线网络中发生了中断，转入步骤(42)；

(42)根据式(4-1)确定簇划分C_new＝{C₁,C₂,...,C_L}中所含样本最少的簇的编号p，则包含无线网络中断信息的“问题簇”为C_p。

式(4-1)中，|C_i|表示集合C_i中元素的个数。

有益效果：与现有技术相比，本发明所述的基于自组织映射的无线网络中断检测方法显著的效果在于本发明所述方法不需要被标注的样本即可检测中断，节省了标注数据集的人力成本；其次，本发明中涉及的K-Means、凝聚聚类等与现有的方法相比，本发明对其应用不需要事先给定需聚类的簇数，非常适合用于处理无线网络所产生的大量未被标注的数据，且聚类性能显著改善。

附图说明

图1是本发明所述方法中自组织映射结构示意图；

图2是经本发明所述方法聚类后，RSRP的概率密度函数f(x)；

图3是经本发明所述方法聚类后SINR的概率密度函数f(x)。

具体实施方式

为了详细的说明本发明所公开的技术方案，下面结合具体实施例做进一步的阐述。

本发明所提供的是一种基于自组织映射的无线网络中断检测方法，以搜集两类KPI 信息：参考信号接收功率(Reference Signal Received Power，RSRP)，信干噪比(Signal to Interference plus Noise Ratio，SINR)为例进行说明，即x_i＝(RSRP,SINR)。

以下给出该方法的一种实施例，其步骤均在用于监测网络运行的监控中心中完成。

第一步：搜集网络KPI。本步骤包括如下流程：

(11)从需要进行中断检测的无线网络中获取0.1s内用户上报的RSRP和SINR，转入流程(12)；

(12)将KPI信息保存为数据集S＝{x₁,x₂,...,x_i,...,x_q}的形式。其中q为S中元素的个数。S中第i(i＝1,2,...,q)个元素x_i中，x_i＝(RSRP,SINR)。获得S后，进行第二步。

第二步：利用SOM对数据集S中的样本进行聚类，如图1 所示的是自组织映射结构示意图。本步骤包括如下过程：

(21)给定16个神经元，其坐标如矩阵A中的各元素所示。随机初始化神经元的权重m_j(j＝1,2,....,16)，m_j∈R²。各神经元权重的初始化完成后，令迭代次数t＝1，转入步骤(22)；

(22)S中的每一条KPI信息x_i，依据式(2-1)选出SOM竞争层中的最佳匹配单元，记为c。获得最佳匹配单元c后，转入步骤(23)；

(23)对于SOM竞争层中的每一个神经元j，依据式(2-2)更新其权重m_j。SOM 竞争层中所有神经元的权重m_j更新完毕后，令t＝t+1，转入步骤(24)；

(24)不断重复步骤(22)、(23)，直至遍历完S中的元素为止。记此时SOM竞争层中第j个神经元的权重为

转入步骤(25)；

(25)对于S中的每一条KPI信息x_i，依据式(2-6)确定其归属的簇编号λ。将x_i并入集合C_λ中，即C_λ＝C_λ∪{x_i}。转入步骤(26)；

(26)不断重复步骤(25)，直至遍历完S中的元素为止。将经SOM聚类后得到的簇划分记为C_ini＝{C₁,C₂,...,C_M}，其中M为集合C_ini中元素的个数，表示S中的样本经SOM 聚类后得到的簇数。获得簇划分C_ini后，进行第三步。

第三步：利用K-S检验合并簇划分C_ini中相似的数据簇。本步骤包括如下流程：

(31)在簇划分C_ini中，任意选择两个簇C_i和C_j，其构成簇配对(C_i,C_j)。对于簇配对(C_i,C_j)，设C_i和C_j中的样本在维度v(v＝1,2)上构成的序列分别为

和/>

根据式(3-1)计算/>

和/>

的K-S统计量d_v。再依据式(3-2)，计算簇C_i和C_j的K-S统计量D_i,j。求得D_i,j后，转入流程(32)；/>

(32)不断重复流程(31)，直至遍历完C_ini中的所有簇配对为止(不考虑簇配对(C_i,C_j)中C_i和C_j的顺序)。转入流程(33)；

(33)依据式(3-3)，计算簇划分C_ini中任意两簇K-S统计量的最小值，记为D_s,t。判断D_s,t和阈值0.82之间的大小关系，若D_s,t＜0.82，则合并簇C_s和C_t，将簇划分更新为C_new＝{C₁,C₂,...,C_M-1}，返回步骤(1)。若D_s,t≥0.82，则本步骤终止，将最终得到的簇划分记为C_new＝{C₁,C₂,...,C_L}(L≤M)，其中L为集合C_new中元素的个数，表示最终得到的簇数。获得C_new后，进行第四步。

第四步：根据最终获得的簇划分C_new，判断无线网络中是否发生中断。本步骤包括如下流程：

(41)将集合C_new中元素的个数记为|C_new|。若|C_new|＝1，则判断此时无线网络中没有发生中断，返回第一步。若|C_new|≥2，则判断此时无线网络中发生了中断，转入步骤(42)；

(42)根据式(4-1)确定簇划分C_new＝{C₁,C₂,...,C_L}中所含样本最少的簇的编号p，则包含无线网络中断信息的“问题簇”为C_p。

图2和图3分别展示了经本发明聚类后，RSRP和SINR的概率密度函数f(x)。可以看出，在“问题簇”中，用户的RSRP与SINR均远低于“正常簇”，说明无线网络中断导致用户所接收到的信号强度大幅下降，相关用户已不能正常通信。并且，两张图中概率密度函数曲线的主峰均相距较远，表明本发明很好地从无线网络所产生的大量未被标注的数据中分离出了“问题簇”。

Claims (1)

1.一种基于自组织映射的无线网络中断检测方法，其特征在于：包括如下步骤：

(1)采集无线网络中关键性能指标KPI，包括考信号接收功率、无线网络中时间T内用户上报的KPI信息，并将关键性能指标KPI保存为数据集S；

(11)获取无线网络中时间T内用户上报的KPI信息；

(12)将KPI信息表示为数据集S＝{x₁,x₂,...,x_i,...,x_q}的形式；其中q为数据集S中元素的个数，数据集S中第i个元素x_i中，x_i∈Rⁿ，表示某时刻某用户上报的n维KPI信息，Rⁿ为n维向量空间；

x_i＝(KPI₁,KPI₂,...,KPI_k,...,KPI_n)，其中KPI_k表示需要搜集的第k类KPI信息，获得数据集S后，进行步骤(2)；

(2)通过自组织映射对数据集S进行聚类，包括对SOM竞争层中每一个神经元的权重初始化并更新权重，选择SOM竞争层中最佳匹配单元以及遍历数据集S以获得经SOM聚类后得到的簇划分C_ini；

(21)随机初始化SOM竞争层中每一个神经元的权重m_j(j＝1,2,....,N)，m_j∈Rⁿ；其中，N为SOM竞争层中神经元的个数，由运营商确定；初始化完成后，令迭代次数t＝1后执行步骤(22)；

(22)对于S中的每一条KPI信息x_i，选择SOM竞争层中的最佳匹配单元，记为c；计算公式如下：

式中，算子‖·‖₂表示向量的2-范数；运算

表示求取使函数f(x)取最小值的自变量x，获得最佳匹配单元c后，转入步骤(23)；

(23)对于SOM竞争层中的每一个神经元j，更新其权重m_j，计算公式如下：

m_j(t+1)＝m_j(t)+α(t)·h_c(j,t)·[x_i-m_j(t)]

其中，

式中，m_j(t)表示第t次迭代后SOM竞争层中第j个神经元的权重；α(t)表示SOM的学习率函数，|S|表示数据集S中元素的个数；h_c(j,t)表示最佳匹配单元c的邻域函数，σ(t)为h_c(j,t)在第t次迭代中能取得的最大值，r_c和r_j分别表示最佳匹配单元BMU和SOM竞争层中第j个神经元的坐标，其具体取值由运营商自行确定；SOM竞争层中所有神经元的权重m_j更新完毕后，令t＝t+1后转入步骤(24)；

(24)重复步骤(22)和步骤(23)，直至遍历完S中的元素为止；记此时SOM竞争层中第j个神经元的权重为

转入步骤(25)；

(25)对于S中的每一条KPI信息x_i，确定其归属的簇编号λ，计算表达式如下：

将x_i并入集合C_λ中，C_λ＝C_λ∪{x_i}；

(26)不断重复步骤(25)，直至遍历完S中的元素为止；将经SOM聚类后得到的簇划分记为C_ini＝{C₁,C₂,...,C_M}，其中M为集合C_ini中元素的个数，表示S中的样本经SOM聚类后得到的簇数，并获得簇划分C_ini；

(3)基于K-S检验合并簇划分C_ini中相似的数据簇，将簇划分C_ini更新为簇划分集合C_new；

(31)在簇划分C_ini中，任意选择两个簇C_i和C_j，其构成簇配对(C_i,C_j)；对于簇配对(C_i,C_j)，设C_i和C_j中的样本在维度v(v＝1,2,...,n)上构成的序列分别为

和

根据下式计算

和

的K-S统计量d_v，表达形式如下：

其中，运算

表示对于x∈R，求函数f(x)的上确界；F_i ^v(x)和

分别表示序列

和

的累积分布函数；运算|f(x)|表示求函数f(x)的绝对值；

包括定义簇C_i和C_j的K-S统计量D_i,j：

D_i,j＝min{d₁,d₂,...,d_v,...,d_n}

上式中，运算min表示求最小值，获得D_i,j；

(32)不断重复流程(31)，直至遍历完C_ini中的所有簇配对为止；

(33)计算簇划分C_ini中任意两簇K-S统计量的最小值，记为D_s,t，表达式如下：

判断D_s,t和阈值τ的大小关系，若D_s,t＜τ，则合并簇C_s和C_t，将簇划分更新为C_new＝{C₁,C₂,...,C_M-1}；

若D_s,t≥τ，则终止步骤(33)，将最终得到的簇划分记为C_new＝{C₁,C₂,...,C_L}(L≤M)，其中L为集合C_new中元素的个数，表示最终得到的簇数，并获得C_new；

(4)根据步骤(3)所获得的簇划分集合C_new，判断无线网络中是否发生中断；

(41)将集合C_new中元素的个数记为|C_new|，判断如下：

若|C_new|＝1，则判断此时无线网络中没有发生中断，返回步骤(1)；

若|C_new|≥2，则判断此时无线网络中发生了中断，转入步骤 (42)；

(42)确定簇划分C_new＝{C₁,C₂,...,C_L}中所含样本最少的簇的编号p，则包含无线网络中断信息的“问题簇”为C_p，计算表达式如下：

式中，|C_i|表示集合C_i中元素的个数。

Images