CN112543411A - 一种无线通信系统的干扰定位方法、装置和系统 - Google Patents

一种无线通信系统的干扰定位方法、装置和系统 Download PDF

Info

Publication number
CN112543411A
CN112543411A CN201910894379.8A CN201910894379A CN112543411A CN 112543411 A CN112543411 A CN 112543411A CN 201910894379 A CN201910894379 A CN 201910894379A CN 112543411 A CN112543411 A CN 112543411A
Authority
CN
China
Prior art keywords
interference
system side
type
side nodes
data
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
Application number
CN201910894379.8A
Other languages
English (en)
Other versions
CN112543411B (zh
Inventor
赵黎波
姬舒平
李孟平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZTE Corp
Original Assignee
ZTE Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZTE Corp filed Critical ZTE Corp
Priority to CN201910894379.8A priority Critical patent/CN112543411B/zh
Priority to EP20865147.1A priority patent/EP4033786A4/en
Priority to PCT/CN2020/115395 priority patent/WO2021052336A1/zh
Publication of CN112543411A publication Critical patent/CN112543411A/zh
Application granted granted Critical
Publication of CN112543411B publication Critical patent/CN112543411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种无线通信系统的干扰定位方法装置和系统，所述方法包括：采集多个系统侧节点的干扰数据，根据所述干扰数据识别出所述多个系统侧节点各自所受到的干扰的类型；对识别出的同一类型干扰，根据所述多个系统侧节点中受到该类型干扰的系统侧节点的位置进行聚类，基于聚类结果确定产生该类型干扰的干扰源的位置。本申请还提供了相应的定位装置和系统。本申请可以快速排查干扰，提升网络性能。

Description

一种无线通信系统的干扰定位方法、装置和系统
技术领域
本发明涉及无线通信系统，更具体地，涉及一种无线通信系统的干扰定位方法、装置和系统。
背景技术
在无线通信系统中，干扰是影响网络质量的关键因素，对通话质量、掉话、切换、拥塞以及网络的覆盖，容量等均有显著影响。如何降低或消除干扰是无线通信网络性能能否充分发挥的重要环节，也是网络规划、优化的重要任务之一。针对某种通信系统，干扰分类一般分为系统内干扰和系统外干扰。
通常，干扰排查方法一般来说是通过频谱仪现场采集干扰数据，识别不同干扰类型的时频波形，或者通过专用的测试终端采集物理层数据，并对其进行解调，识别出干扰小区的标识(ID)，然后核查工参表进行排查。这些方法耗时耗力，还需要专业人员。此外，由于一旦发生干扰，大面积的小区受到影响，因此逐个小区和干扰片区运用上述方法，效率低下。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种无线通信系统的干扰定位方法，包括：
采集多个系统侧节点的干扰数据，根据所述干扰数据识别出所述多个系统侧节点各自所受到的干扰的类型；
对识别出的同一类型干扰，根据所述多个系统侧节点中受到该类型干扰的系统侧节点的位置进行聚类，基于聚类结果确定产生该类型干扰的干扰源的位置。
本发明实施例还提供了一种无线通信系统的干扰定位系统，包括：
类型识别模块，设置为：采集多个系统侧节点的干扰数据，根据所述干扰数据确定所述多个系统侧节点各自所受到的干扰的类型；
干扰定位模块，设置为：对识别出的同一类型干扰，根据所述多个系统侧节点中受到该类型干扰的系统侧节点的位置进行聚类，基于聚类结果确定产生该类型干扰的干扰源的位置。
本发明实施例还提供了一种无线通信系统的干扰定位装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其所述处理器执行所述计算机程序时实现如本发明实施例所述的干扰定位方法的处理。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例所述的干扰定位方法的处理。
本发明上述实施例采集系统侧节点的干扰数据并识别出干扰的类型，利用受到相同类型干扰的系统侧节点的位置信息确定干扰源位置，从而能够快速排查干扰，提升网络性能。
在阅读并理解了附图和详细描述后，可以明白其他方面。
附图说明
图1是本发明一示例性实施例干扰定位方法的流程图；
图2是本发明一示例性实施例对干扰模型进行训练的流程图；
图3是本发明一示例性实施例对干扰源进行定位分析的流程图；
图4是本发明一示例性实施例干扰定位系统的模块图；
图5是本发明一示例性实施例干扰定位装置的结构示意图。
具体实施方式
本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
本发明实施例提供了一种无线通信系统的干扰定位方法，如图1所示，包括：
步骤110，采集多个系统侧节点的干扰数据，根据所述干扰数据识别出所述多个系统侧节点各自所受到的干扰的类型；
步骤120，对识别出的同一类型干扰，根据所述多个系统侧节点中受到该类型干扰的系统侧节点的位置进行聚类，基于聚类结果确定产生该类型干扰的干扰源的位置。
在本发明一示例性实施例中，所述系统侧节点包括无线通信系统的接入网节点；所述干扰数据包括所述接入网节点检测到的上行干扰(NI：Noise Interference)数据。
在本发明一示例性实施例中，所述系统侧节点包括无线通信系统中的小区。
在一示例中，将上行通信的频段按协议分成100个资源块(RB：resource blockl)，共20M带宽，NI为100个资源块上设定时段的均值，每个RB一个均值，一共可得到100个NI。除了NI数据，同时采集工参信息，包括系统侧节点(也可称为站点)的位置如地理信息系统(Geographic Information System或Geo－Information system，GIS)坐标。
在采集到上行干扰数据后，通过对上行干扰图形的识别，可以判断干扰类型，人工智能的发展使得通过机器学习进行干扰的识别成为了可能。
在本发明一示例性实施例中，根据所述干扰数据识别出所述多个系统侧节点各自所受到的干扰的类型，包括：将所述多个系统侧节点的干扰数据输入训练好的干扰模型，根据所述干扰模型的输出确定所述多个系统侧节点各自所受到的干扰的类型，所述干扰模型用于根据输入的干扰数据识别出干扰的类型并输出。
在本发明一示例性实施例中，如图2所示，所述干扰模型通过以下方式训练：
步骤210，获取作为样本的干扰数据，并标记导致所述干扰数据产生的干扰的类型；
作为样本的干扰数据也即收集的干扰样本，并由专家对这些干扰样本进行人工识别，标记出相应的干扰的类型，建立起干扰样本库。
步骤220，利用机器学习算法创建干扰模型并进行训练，训练时，将所述干扰数据作为所述干扰模型的输入，所述干扰的类型作为所述干扰模型的输出；
机器学习算法是一种人工智能(Artifical Inteligence)算法，所述机器学习算法例如可以采用深度神经网络但不局限于此。机器学习算法训练的干扰模型可以建立输入的干扰数据与干扰的类型之间的关联性。
步骤230，将测试用的干扰数据输入所述干扰模型，利用所述干扰模型对干扰的类型进行识别；
`一个系统侧节点可能受到多种干扰，在一示例中，根据一个站点采集的干扰数据识别出一个能量最强的主干扰就可以，可以不再考虑次干扰。
步骤240，判断识别的准确率是否达到设定的阈值，如是，执行步骤250，如否，确定所述干扰模型还未训练好，返回步骤220继续对所述干扰模型进行训练；
步骤250，确定所述干扰模型已训练好；
训练好的干扰模型可以用于对现网干扰进行分类识别。在进行干扰定位时，可以将现场采集到的多个系统侧节点的干扰数据输入干扰模型进行识别，干扰模型的输出即识别出的干扰的类型，多个系统侧节点各自所受干扰的类型可以在地图上进行显示。
对训练好的干扰模型还可以继续执行以下步骤的处理：
步骤260，增加或者修正干扰样本，进行干扰模型的递归训练。
对于测试时机器未能识别的干扰数据，可以通过专家标记出干扰的类型，作为增加的样本加入干扰样本库用于后续的递归训练。通过不断的递归训练，可以持续提高干扰模型的识别准确率。
对识别出的同一类型干扰，根据所述多个系统侧节点中受到该类型干扰的系统侧节点的位置(本申请中，没有其他限定时“位置”指地理位置)进行聚类时，是将受到该类型干扰的所有系统侧节点作为GIS上待聚类的数据点，通过聚类算法，可以确定一个或多个类中心，且每一个待聚类的数据点被聚类到其中的一个类中心。对于具体的聚类算法本申请不做局限。对受到相同类型干扰的系统侧节点的地理位置进行聚类后，聚类到同一个类中心的系统侧节点是地理位置比较集中的受到相同类型干扰的系统侧节点。
本发明实施例中，通过干扰类型判断干扰源来自内部还是外部，针对内部干扰源和外部干扰源，采用不同的定位算法进行干扰源的定位分析。如图3所示，在聚类之后的处理包括：
步骤310，判断干扰来源于内部还是外部？如果来源于内部，执行步骤320，如果来源于外部，执行步骤330；
干扰来源于内部即表示干扰源为内部干扰源，该干扰为系统内干扰。干扰来源于外部即表示干扰源为外部干扰源，该干扰为系统外干扰。
干扰来源于内部还是外部可以根据干扰的类型来判断，系统内干扰包括GPS失步、帧头偏移配置错误、大气波导等等。系统外干扰包括系统外窄带干扰、GSM900二次谐波或二阶互调干扰、DCS1800天线互调干扰、系统外阻塞干扰频率相近的系统的杂散和阻塞干扰、系统外干扰器(例如公安系统，监狱，广电等设置的干扰器)带来的干扰等等。判断时还可以结合聚类结果以提高准确度，例如，内部干扰往往没有固定中心，比较分散，而外部干扰一般有较清晰的指向特征。
步骤320，利用内部干扰识别算法定位内部干扰源的位置，转入步骤350；
步骤330，利用干扰方向识别算法确定外部干扰源的方向；
步骤340，利用干扰距离算法确定外部干扰源的距离；
步骤350，在GIS上标注干扰源的位置，结束。
本发明一示例性实施例中，基于所述聚类结果确定产生该类型干扰的干扰源的位置，包括：确定该类型干扰由内部干扰源产生时，对聚类到同一类中心的一组系统侧节点进行以下处理：
步骤一，对该组系统侧节点中的N个节点进行任意组合，N≥3；
在一示例中，将分组大小设定为3，即假定有3个类中心，也可以设置为4个或更多个。设置为3个可以避免过度组合。
步骤二，对每一组合，计算以该组合中的系统侧节点作为内部干扰源时的干扰相似度；
步骤三，根据干扰相似度最大的一种组合中N个节点的位置确定产生该类型干扰的内部干扰源的位置。
在本发明一示例性实施例中，所述计算以该组合中的系统侧节点为干扰源时的干扰相似度，包括：
步骤A，获取该组系统侧节点的物理位置和特征空间位置，其中，系统侧节点的特征空间位置用特征向量在时频空间中的位置表示，所述特征向量包括该系统侧节点受到的上行干扰；
小区采集的上行干扰数据可以表示为时域(如24小时)和频域(如100RB)空间中的NI向量。小区的特征空间位置可以用该小区的NI向量来表示。
步骤B，计算该组系统侧节点在地理上围成的第一面积，以及该组系统侧节点的特征向量在特征图谱上围成的第二面积；及
步骤C，根据所述第一面积和第二面积之和确定以该组合中的系统侧节点作为内部干扰源时的干扰相似度，所述和越小，所述干扰相似度越大。
以上处理也即内部干扰识别算法的处理，采用的是物理相似度和逻辑相似度相结合的匹配法。
在一示例中，内部干扰识别算法也可表示为以下步骤：
对受到相同类型干扰的小区进行任意组合，每一组合的小区数量为3；
对任意一种组合，记录其序号k组合中的小区为C1,C2,C3；
计算Sp＝S(C1,C2,C3),Sp为各个小区在物理位置上围成的面积，根据3个小区C1,C2,C3的GIS坐标可以计算出Sp，也可以通过点积运算代替；
计算Sf＝S(C1,C2,C3)，Sf为各个小区的特征向量在特征图谱上围成的曲面积，可以根据各个小区的NI向量计算Sf，也可以通过点积运算代替；
求argmin(∣Sp(k)+Sf(k)∣)，即使得∣Sp(k)+Sf(k)∣最小的k，也即确定使得两个面积之和最小的组合。
在该示例中，如果一组合的两个面积之和最小，说明以该组合中的系统侧节点作为内部干扰源时的干扰相似度最大。干扰相似度可以用两个面积之和的倒数衡量。
得到干扰相似度最大的组合之后，即可将该组合中的3个站点的位置作为干扰源的位置。该确定干扰源的位置可以辅助维护人员迅速地查找到干扰源，一般来说，同一干扰类型有一个干扰源，通常就是受到的干扰强度最强的站点，干扰强度可以用NI的值表示。
在本发明一示例性实施例中，基于所述聚类结果确定产生该类型干扰的干扰源的位置，包括：该类型干扰由外部干扰源产生时，对聚类到同一类中心的一组系统侧节点进行以下处理：
步骤一，根据采集的该组系统侧节点的干扰数据，确定该组系统侧节点所受干扰的第一能量分布特征；
在一示例中，第一能量分布特征用该组系统侧节点所受干扰的干扰能量的序列表示，所述序列中的干扰能量按从大到小或从小到大的顺序依次排列，例如，表示为n＝[n1,n2,n3,n4...]，干扰的能量可以用设定时段上的上行NI的能量表示。
步骤二，为所述外部干扰源设定多个方向，对每一方向，计算所述外部干扰源位于该方向上时该组系统侧节点所受干扰的第二能量分布特征；
在一示例中，可以在0～360度的范围内设定多个方向，例如每隔5度、10度、15度设置一个方向。在确定外部干扰源方向之后，通过理论计算可以确定外部干扰源在各个小区产生的干扰的能量递减(或递增)情况，得到第二能量分布序列T＝[p1,p2,p3,p4...]，干扰的能量可以根据系统侧节点的工参方向角跟来源角的cos夹角计算得到。序列T中的能量的排列方式与序列年中能量的排列方式相同。
步骤三，将与第一能量分布特征匹配度最高的第二能量分布特征所对应的方向作为所述外部干扰源的方向；
本步骤也即计算所有方向的第二能量分布序列[T1,T2,T3,T4...]与第一能量分布序列n的匹配情况，将与序列n匹配度最高(如相关值最大)的T对应的方向作为外部干扰源的方向。
以上处理也即利用干扰方向识别算法确定了外部干扰源的方向，确定了外部干扰源的方向之后，再在确定的所述方向上利用干扰距离地理算法即可确定所述外部干扰源所在的位置。在一示例中,可以将空间传播的路损公式作为干扰距离地理算法的公式，根据传播模型不同，路损公式可变。
本发明一示例性实施例提供了一种无线通信系统的干扰定位系统，如图4所示，包括：
类型识别模块10，设置为：采集多个系统侧节点的干扰数据，根据所述干扰数据确定所述多个系统侧节点各自所受到的干扰的类型；
干扰定位模块20，设置为：对识别出的同一类型干扰，根据所述多个系统侧节点中受到该类型干扰的系统侧节点的位置进行聚类，基于聚类结果确定产生该类型干扰的干扰源的位置。
本发明一示例性实施例提供了一种无线通信系统的干扰定位装置，如图5所示，包括存储器50、处理器60及存储在所述存储器50上并可在所述处理器60上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明任一实施例所述的干扰定位方法的处理。
本发明一示例性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，所述计算机程序被处理器执行时实现如本发明任一实施例所述的干扰定位方法的处理。
本发明实施例可以通过人工智能识别通信网络节点受到的干扰的类型，对受到相同类型干扰的节点进行位置(如无其他限定，“位置”是指地理位置)上的聚类，利用聚类结果并使用相应的定位算法进行干扰的定位分析，确定干扰源的位置如给出干扰源的方向和距离，以辅助人工进行干扰的排查和处理，克服了传统方法排查干扰困难的问题，使得干扰识别，分类和定位变得比较容易，
本发明实施例采集系统侧节点的干扰数据并识别出干扰的类型，对相同干扰类型的系统侧节点进行聚类，再利用聚类到同一类中心也即地理位置相近的一组系统侧节点的位置(如GIS坐标)，通过干扰定位算法确定干扰源位置，从而能够快速排查干扰，提升网络性能。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (12)

1.一种无线通信系统的干扰定位方法，包括：
采集多个系统侧节点的干扰数据，根据所述干扰数据识别出所述多个系统侧节点各自所受到的干扰的类型；
对识别出的同一类型干扰，根据所述多个系统侧节点中受到该类型干扰的系统侧节点的位置进行聚类，基于聚类结果确定产生该类型干扰的干扰源的位置。
2.如权利要求1所述的干扰定位方法，其特征在于：
所述系统侧节点包括无线通信系统的接入网节点；所述干扰数据包括所述接入网节点检测到的上行干扰数据。
3.如权利要求1所述的干扰定位方法，其特征在于：
根据所述干扰数据识别出所述多个系统侧节点各自所受到的干扰的类型，包括：将所述多个系统侧节点的干扰数据输入训练好的干扰模型，根据所述干扰模型的输出确定所述多个系统侧节点各自所受到的干扰的类型，所述干扰模型用于根据输入的干扰数据识别出干扰的类型并输出。
4.如权利要求3所述的干扰定位方法，其特征在于：
所述干扰模型通过以下方式训练：
获取作为样本的干扰数据，并标记导致所述干扰数据产生的干扰的类型；
利用机器学习算法创建干扰模型并进行训练，训练时，将所述干扰数据作为所述干扰模型的输入，所述干扰的类型作为所述干扰模型的输出；
将测试用的干扰数据输入所述干扰模型，利用所述干扰模型对干扰的类型进行识别；
判断识别的准确率是否达到设定的阈值，如是，确定所述干扰模型已训练好，如否，确定所述干扰模型还未训练好并继续进行训练。
5.如权利要求1所述的干扰定位方法，其特征在于：
基于所述聚类结果确定产生该类型干扰的干扰源的位置，包括：
确定该类型干扰由内部干扰源产生时，对聚类到同一类中心的一组系统侧节点进行以下处理：
对该组系统侧节点中的N个节点进行任意组合，3≦N；
对每一组合，计算以该组合中的系统侧节点作为内部干扰源时的干扰相似度；
根据干扰相似度最大的一种组合中N个节点的位置确定产生该类型干扰的内部干扰源的位置。
6.如权利要求5所述的干扰定位方法，其特征在于：
所述计算以该组合中的系统侧节点为干扰源时的干扰相似度，包括：
获取该组系统侧节点的物理位置和特征空间位置，其中，系统侧节点的特征空间位置用特征向量在时频空间中的位置表示，所述特征向量包括该系统侧节点受到的上行干扰；
计算该组系统侧节点在地理上围成的第一面积，以及该组系统侧节点的特征向量在特征图谱上围成的第二面积；
根据所述第一面积和第二面积之和确定以该组合中的系统侧节点作为内部干扰源时的干扰相似度，所述和越小，所述干扰相似度越大。
7.如权利要求1所述的干扰定位方法，其特征在于：
基于所述聚类结果确定产生该类型干扰的干扰源的位置，包括：
该类型干扰由外部干扰源产生时，对聚类到同一类中心的一组系统侧节点进行以下处理：
根据采集的该组系统侧节点的干扰数据，确定该组系统侧节点所受干扰的第一能量分布特征；
为所述外部干扰源设定多个方向，对每一方向，计算所述外部干扰源位于该方向上时该组系统侧节点所受干扰的第二能量分布特征；
将与第一能量分布特征匹配度最高的第二能量分布特征所对应的方向作为所述外部干扰源的方向，在确定的所述方向上利用干扰距离地理算法确定所述外部干扰源所在的位置。
8.如权利要求7所述的干扰定位方法，其特征在于：
所述第一能量分布特征和第二能量分布特征用该组系统侧节点所受干扰的干扰能量的序列表示，所述序列中的干扰能量按从大到小或从小到大的顺序依次排列。
9.如权利要求1至8中任一所述的干扰定位方法，其特征在于：
所述系统侧节点包括无线通信系统中的小区。
10.一种无线通信系统的干扰定位系统，包括：
类型识别模块，设置为：采集多个系统侧节点的干扰数据，根据所述干扰数据确定所述多个系统侧节点各自所受到的干扰的类型；
干扰定位模块，设置为：对识别出的同一类型干扰，根据所述多个系统侧节点中受到该类型干扰的系统侧节点的位置进行聚类，基于聚类结果确定产生该类型干扰的干扰源的位置。
11.一种无线通信系统的干扰定位装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的干扰定位方法的处理。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的干扰定位方法的处理。
CN201910894379.8A 2019-09-20 2019-09-20 一种无线通信系统的干扰定位方法、装置和系统 Active CN112543411B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910894379.8A CN112543411B (zh) 2019-09-20 2019-09-20 一种无线通信系统的干扰定位方法、装置和系统
EP20865147.1A EP4033786A4 (en) 2019-09-20 2020-09-15 INTERFERENCE POSITIONING METHOD, DEVICE AND SYSTEM FOR A WIRELESS COMMUNICATION SYSTEM
PCT/CN2020/115395 WO2021052336A1 (zh) 2019-09-20 2020-09-15 一种无线通信系统的干扰定位方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910894379.8A CN112543411B (zh) 2019-09-20 2019-09-20 一种无线通信系统的干扰定位方法、装置和系统

Publications (2)

Publication Number Publication Date
CN112543411A true CN112543411A (zh) 2021-03-23
CN112543411B CN112543411B (zh) 2023-07-11

Family

ID=74884517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910894379.8A Active CN112543411B (zh) 2019-09-20 2019-09-20 一种无线通信系统的干扰定位方法、装置和系统

Country Status (3)

Country Link
EP (1) EP4033786A4 (zh)
CN (1) CN112543411B (zh)
WO (1) WO2021052336A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115694690A (zh) * 2022-10-19 2023-02-03 中国移动通信集团四川有限公司 无线电干扰类型的确定方法、确定装置及电子设备
WO2023035750A1 (zh) * 2021-09-08 2023-03-16 中国电信股份有限公司 干扰优化方法及装置、存储介质及电子设备
CN115694690B (zh) * 2022-10-19 2024-06-04 中国移动通信集团四川有限公司 无线电干扰类型的确定方法、确定装置及电子设备

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114205858A (zh) * 2021-12-13 2022-03-18 浪潮通信信息系统有限公司 一种外部干扰源定位方法、装置及计算机可读介质
CN115278754B (zh) * 2022-07-08 2024-05-10 中国联合网络通信集团有限公司 受激干扰源的确定方法、装置及计算机可读存储介质
CN118032711A (zh) * 2024-04-12 2024-05-14 华夏天信传感科技(大连)有限公司 一种激光气体传感器的信号控制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140274094A1 (en) * 2013-03-15 2014-09-18 Isco International, Llc Method and apparatus for interference mitigation utilizing antenna pattern adjustments
CN107071804A (zh) * 2017-04-17 2017-08-18 广东经纬天地科技股份有限公司 一种移动通信基站外部干扰源的定位方法与装置
CN107729916A (zh) * 2017-09-11 2018-02-23 湖南中森通信科技有限公司 一种基于isodata的干扰源分类识别算法及装置
CN108289302A (zh) * 2017-01-10 2018-07-17 中国移动通信集团河北有限公司 定位td-lte网络大气波导干扰的方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103947242B (zh) * 2012-10-30 2018-01-16 华为技术有限公司 一种干扰收集和识别的方法、设备及系统
US9204319B2 (en) * 2014-04-08 2015-12-01 Cellco Partnership Estimating long term evolution network capacity and performance
CN109963304B (zh) * 2017-12-26 2022-04-29 中国移动通信集团山东有限公司 一种基于mr数据确定小区网络干扰分类的方法及装置
CN110031729B (zh) * 2018-12-08 2021-02-09 全球能源互联网欧洲研究院 局部放电信号源的检测方法、系统及数据融合分析单元

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140274094A1 (en) * 2013-03-15 2014-09-18 Isco International, Llc Method and apparatus for interference mitigation utilizing antenna pattern adjustments
CN108289302A (zh) * 2017-01-10 2018-07-17 中国移动通信集团河北有限公司 定位td-lte网络大气波导干扰的方法及系统
CN107071804A (zh) * 2017-04-17 2017-08-18 广东经纬天地科技股份有限公司 一种移动通信基站外部干扰源的定位方法与装置
CN107729916A (zh) * 2017-09-11 2018-02-23 湖南中森通信科技有限公司 一种基于isodata的干扰源分类识别算法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林强智等: "TD-LTE网络干扰智能化识别方法", 《电信技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023035750A1 (zh) * 2021-09-08 2023-03-16 中国电信股份有限公司 干扰优化方法及装置、存储介质及电子设备
CN115694690A (zh) * 2022-10-19 2023-02-03 中国移动通信集团四川有限公司 无线电干扰类型的确定方法、确定装置及电子设备
CN115694690B (zh) * 2022-10-19 2024-06-04 中国移动通信集团四川有限公司 无线电干扰类型的确定方法、确定装置及电子设备

Also Published As

Publication number Publication date
EP4033786A1 (en) 2022-07-27
CN112543411B (zh) 2023-07-11
EP4033786A4 (en) 2022-11-23
WO2021052336A1 (zh) 2021-03-25

Similar Documents

Publication Publication Date Title
CN112543411B (zh) 一种无线通信系统的干扰定位方法、装置和系统
CN108243451B (zh) 一种基于mr数据在td-lte栅格中定位的方法和系统
CN105611568B (zh) 一种基于mro测量报告对lte终端位置进行准确定位的方法
US11218986B2 (en) Positioning method and server, and terminal
EP2952047B1 (en) Method for localizing wireless devices
WO2017000498A1 (zh) 干扰源的定位方法及装置
CN108271157B (zh) 一种伪基站识别方法及装置
CN106792506B (zh) 一种WiFi定位方法及服务器
CN109874104A (zh) 用户位置定位方法、装置、设备及介质
Thrane et al. Drive test minimization using deep learning with Bayesian approximation
CN108243447A (zh) 一种外部干扰的定位方法及装置
CN108770057A (zh) 预定指纹库的确定方法及指纹定位方法、装置、存储介质
CN106921978B (zh) 一种位置分布确定方法及装置
Liu et al. A novel wireless interference identification and scheduling method based on convolutional neural network
EP4078861A1 (en) Swapped section detection and azimuth prediction
Zheng et al. RSS-based indoor passive localization using clustering and filtering in a LTE network
US10084673B1 (en) Network test system, a shakedown server, and a method of performing site acceptance testing for a communications network site
CN112839353B (zh) Lte系统内干扰的识别方法及装置
WO2016177123A1 (zh) 小区干扰检测方法及装置
CN111263382B (zh) 一种导致重叠覆盖的问题源小区的确定方法、装置和设备
CN113905325B (zh) 一种干扰排查方法、装置、设备及可读介质
CN114845249B (zh) 基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法
US20240120975A1 (en) Dynamic Co-Channel Interference Sensing and Autonomous Spectrum Management using Antenna Arrays in Wireless Operator Networks
CN115134841B (zh) 一种灵活帧结构系统上行仿真方法、装置及设备
US11876572B2 (en) Wireless telecommunications network

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