CN113766444B - 故障定位方法、装置及设备 - Google Patents

故障定位方法、装置及设备 Download PDF

Info

Publication number
CN113766444B
CN113766444B CN202111117642.6A CN202111117642A CN113766444B CN 113766444 B CN113766444 B CN 113766444B CN 202111117642 A CN202111117642 A CN 202111117642A CN 113766444 B CN113766444 B CN 113766444B
Authority
CN
China
Prior art keywords
kpi
fault
combination
actual
value
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
Application number
CN202111117642.6A
Other languages
English (en)
Other versions
CN113766444A (zh
Inventor
杨飞虎
刘贤松
欧大春
张硕伟
姜志恒
李万方
许国平
徐静静
石旭荣
佘士钊
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.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
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 China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202111117642.6A priority Critical patent/CN113766444B/zh
Publication of CN113766444A publication Critical patent/CN113766444A/zh
Application granted granted Critical
Publication of CN113766444B publication Critical patent/CN113766444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • 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)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请提供一种故障定位方法、装置及设备，涉及通信技术，该方法包括：当确定室内信号分布系统的室分健康度值低于预设标准值时，获取室内信号分布系统的实际关键绩效指标KPI组合，实际KPI组合包括多个实际KPI值；在预设的KPI库中，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标签；根据与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。本申请的方法，可以实现对室内信号分布系统的故障位置的精准定位，进而可以根据故障位置信号及时上报告警，极大的缩短了故障排查时间，提升了用户体验。

Description

故障定位方法、装置及设备
技术领域
本申请涉及通信技术，尤其涉及一种故障定位方法、装置及设备。
背景技术
目前，随着移动通信技术的发展，移动通信网络的规模越来越大，相应的无线网络结构也越来越复杂。例如，可以通过室内信号分布系统改善移动通信环境，具体的，室内信号分布系统也称为室分系统，室分系统覆盖的小区称为室分小区，室内信号分布系统是利用室内天线分布系统将基站信号均匀分布在室内每个角落，从而保证室内每个区域都能达到理想的信号覆盖，进而改善室分小区内的移动通信环境。所以，为了避免室分小区的移动通信环境出现故障，需要对室分小区的移动通信环境的室分性能进行监控。
现有技术中，对室分小区的移动通信环境的室分性能进行监控的方式包括：室分巡检、网管告警、用户投诉三种方式，其中，在网管告警方式中，只有当网管中心负责监控的责任人将网络故障通过工单上报网络故障时，才能确定部分室内信号分布系统的网络故障；室分巡检是依据代维人员每月固定时间对室分系统的排查工作来完成；用户投诉是通过用户的投诉，代维人员才会去现场测试逐个排查问题。
然而现有技术中，由于室分巡检、网管告警、用户投诉三种方式均需要依靠人力确定、上报故障原因，进而造成人工成本高、用户感知耦合性低、网络性能故障定位及时性差等问题，进而导致网络性能故障定位效率较低。
发明内容
本申请提供一种故障定位方法、装置及设备，用以解决网络性能故障定位效率较低的技术问题。
第一方面，本申请提供一种故障定位方法，包括：
当确定室内信号分布系统的室分健康度值低于预设标准值时，获取所述室内信号分布系统的实际关键绩效指标KPI组合，所述实际KPI组合包括多个实际KPI值；
在预设的KPI库中，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个所述故障KPI组合包括多个故障KPI值，每个所述故障KPI组合对应有故障位置标签；
根据与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。
进一步地，在预设的KPI库中，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合，包括：
将所述实际KPI组合中的每个所述实际KPI值，与预设的KPI库中每个故障KPI组合内的故障KPI值进行匹配；
当每个所述实际KPI值与其中一个故障KPI组合中对应的故障KPI值之间的差值均位于标准范围内时，确定所述实际KPI组合匹配到故障KPI组合。
进一步地，根据与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号，包括：
根据所述故障KPI组合与故障位置标签之间的对应关系，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，并根据所述故障位置标签生成故障信号。
进一步地，所述方法还包括：
获取所述室内信号分布系统的测量报告数据及多组KPI组合，每个所述KPI组合包括多个KPI值；
基于所述测量报告数据及多组所述KPI组合，利用时序算法对模型进行训练，得到时序模型；
利用所述时序模型预测每个所述KPI组合中每个KPI值在不同时间段的预测KPI值；
当所述KPI组合内的任一KPI值与对应时间段内的预测室分KPI值不相等时，确定所述KPI组合为故障KPI组合及所述故障KPI组合对应的故障位置标签，并根据所述故障KPI组合及所述故障位置标签建立预设的KPI库。
进一步地，所述方法还包括：
根据预警时长生成故障信号，所述预警时长用于表示所述室内信号分布系统的故障时长。
进一步地，生成预警时长包括：
利用时序模型预测所述实际KPI组合内每个实际KPI值在不同时间段内的预测KPI值；
当所述实际KPI组合内的任一实际KPI值与对应时间段内的预测KPI值不相等时，生成所述实际KPI组合的预警时长。
第二方面，本申请提供一种故障定位装置，包括：
第一获取单元，用于当确定室内信号分布系统的室分健康度值低于预设标准值时，获取所述室内信号分布系统的实际关键绩效指标KPI组合，所述实际KPI组合包括多个实际KPI值；
确定单元，用于在预设的KPI库中，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个所述故障KPI组合包括多个故障KPI值，每个所述故障KPI组合对应有故障位置标签；
第一生成单元，用于根据与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。
进一步地，所述确定单元，包括：
匹配模块，用于将所述实际KPI组合中的每个所述实际KPI值，与预设的KPI库中每组故障KPI组合内的故障KPI值进行匹配；
确定模块，用于当每个所述实际KPI值与其中一组故障KPI组合中对应的故障KPI值之间的差值均位于标准范围内时，确定所述实际KPI组合匹配到故障KPI组合。
进一步地，所述第一生成单元，包括：
生成模块，用于根据所述故障KPI组合与故障位置标签之间的对应关系，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，并根据所述故障位置标签生成故障信号。
进一步地，所述装置还包括：
第二获取单元，用于获取所述室内信号分布系统的测量报告数据及多组KPI组合，每组所述KPI组合包括多个KPI值；
训练单元，用于基于所述测量报告数据及多组所述KPI组合，利用时序算法对模型进行训练，得到时序模型；
第一预测单元，用于利用所述时序模型预测每个所述KPI组合中每个KPI值在不同时间段的预测KPI值；
建立单元，用于当所述KPI组合内的任一KPI值与对应时间段内的预测室分KPI值不相等时，确定所述KPI组合对应的故障位置标签，并根据所述KPI组合及所述故障位置标签建立预设的KPI库。
进一步地，所述装置还包括：
第二生成单元，用于根据预警时长生成故障信号，所述预警时长用于表示所述室内信号分布系统的故障时长。
进一步地，生成预警时长包括：
第二预测单元，用于利用时序模型预测所述实际KPI组合内每个实际KPI值在不同时间段内的预测KPI值；
第三生成单元，用于当所述实际KPI组合内的任一实际KPI值与对应时间段内的预测KPI值不相等时，生成所述实际KPI组合的预警时长。
第三方面，本申请提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器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第一方面所述的方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面所述的方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的方法。
本申请提供的故障定位方法、装置及设备，当确定室内信号分布系统的室分健康度值低于预设标准值时，获取室内信号分布系统的实际关键绩效指标KPI组合，实际KPI组合包括多个实际KPI值；在预设的KPI库中，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标签；根据与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。本方案中，由于预设的KPI库中包括多组故障KPI组合，每个故障KPI组合对应有故障位置标签，所以可以将实际KPI组合与预设的KPI库中的多组故障KPI组合进行比较，在预设的KPI库中确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合，进而根据与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号，实现对室内信号分布系统的故障位置的精准定位，进而可以根据故障位置信号及时上报告警，极大的缩短了故障排查时间，提升了用户体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本申请实施例提供的一种故障定位方法的流程示意图；
图2为本申请实施例提供的另一种故障定位方法的流程示意图；
图3为本申请实施例提供的一种故障定位装置的结构示意图；
图4为本申请实施例提供的另一种故障定位装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图；
图6为本申请实施例提供的一种电子设备的框图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。
一个示例中，随着移动通信技术的发展，移动通信网络的规模越来越大，相应的无线网络结构也越来越复杂。例如，可以通过室内信号分布系统改善移动通信环境，具体的，室内信号分布系统也称为室分系统，室分系统覆盖的小区称为室分小区，室内信号分布系统是利用室内天线分布系统将基站信号均匀分布在室内每个角落，从而保证室内每个区域都能达到理想的信号覆盖，进而改善室分小区内的移动通信环境。所以，为了避免室分小区的移动通信环境出现故障，需要对室分小区的移动通信环境的室分性能进行监控。现有技术中，对室分小区的移动通信环境的室分性能进行监控的方式包括：室分巡检、网管告警、用户投诉三种方式，其中，在网管告警方式中，只有当网管中心负责监控的责任人将网络故障通过工单上报网络故障时，才能确定部分室内信号分布系统的网络故障；室分巡检是依据代维人员每月固定时间对室分系统的排查工作来完成；用户投诉是通过用户的投诉，代维人员才会去现场测试逐个排查问题。然而现有技术中，由于室分巡检、网管告警、用户投诉三种方式均需要依靠人力确定、上报故障原因，进而造成人工成本高、用户感知耦合性低、网络性能故障定位及时性差等问题，进而导致网络性能故障定位效率较低。
本申请提供的故障定位方法、装置及设备，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1为本申请实施例提供的一种故障定位方法的流程示意图，如图1所示，该方法包括：
101、当确定室内信号分布系统的室分健康度值低于预设标准值时，获取室内信号分布系统的实际关键绩效指标KPI组合，实际KPI组合包括多个实际KPI值。
示例性地，本实施例的执行主体可以为电子设备、或者终端设备、或者故障定位装置或设备、或者其他可以执行本实施例的装置或设备，对此不做限制。本实施例中以执行主体为电子设备进行介绍。
首先，电子设备需要确定室内信号分布系统的室分健康度值，当确定室内信号分布系统的室分健康度值低于预设标准值时，获取室内信号分布系统的实际关键绩效指标KPI组合，实际KPI组合包括多个实际KPI值。
示例性地，室分健康度值表示室内信号分布系统的健康程度，预设标准值是预先设置的室分健康度值的临界值，可以根据实际情况设定室分健康度值低于预设标准值时，认定为室内信号分布系统的网络质量发生劣化。并且，计算室分健康度值的公式为：室分健康度值＝覆盖评估分数*X％+底噪分数*Y％+倒流比*Z％+上行感知速率分*P％+覆盖良好比例分数*Q％，其中，可以基于专家经验设定的权重值来设置L(X,Y,Z,P,Q)的参数；覆盖评估分数是指通过多个(例如6个)MR采样点区间的不同权重组合作为归一化的覆盖评估数值，然后将6个MR指标作为整体MR指标项，并通过线性回归算法赋予每个MR采样点区间的权重，其中：
1)大于等于-95dbm权重系数40％；
2)(-95dbm，-100dbm]权重系数10％；
3)(-100dbm，-105dbm]权重系数5％；
4)(-105dbm，-110dbm]权重系数5％；
5)(-110dbm，-115dbm]权重系数5％；
6)小于-115dbm权重系数35％。
底噪分数为：由于一个无线接收是否能完成正常接收,不仅与其接收信号的大小和质量相关,也与其接收机的内部噪声、外部噪声及干扰的大小有关。接收机的内部噪声也称为热噪声,它是由电子运动所产生的,为当温度为293°K(20℃),由接收机通带所截获的热噪声功率电平为当温度为293°K(20℃),这个热噪声功率电平也称为接收机的底噪，底噪与用户感知强相关，可加速问题定位，所以通过平均每PRB干扰噪声功率(decibelrelative to one milliwatt，dBm)指标作为室分小区上行干扰的评估数值，将室分小区每小时的100个PRB干扰噪声功率统计的平均值作为整体上行干扰隐性故障指标项，并通过线性回归算法赋予权重；倒流比分数为：通过基于覆盖原因的移动通信无线网络(UMTSTerrestrial Radio Access Network，LTE-UTRAN)系统间重定向请求次数(盲重定向+非盲重定向)/E-RAB建立成功次数的比例指标作为室分小区覆盖问题的评估数值，将4G回落3G倒流比作为整体覆盖隐性故障指标项，并通过线性回归算法赋予权重；覆盖良好比例分数为：通过小区级RSRP≥-112dBm采样点指标作为室分小区覆盖问题的评估数值，将RSRP≥-112dBm采样点/小区总采样点等于室分覆盖良好比例作为整体覆盖状况指标项，并通过线性回归算法赋予权重；上行感知速率分数为：通过小区级上行单用户平均感知速率指标作为用户感知问题的评估数值，将室分小区的上行感知速率作为整体用户感知状况指标项，并通过线性回归算法赋予权重。
室分健康度值还与每个实际KPI值的预警时长相关，当实际KPI值的预警时长超过一定时长后，那么对该实际KPI值对应的指标进行扣分，预警时长越大，扣分越大，最后得到该指标的分值，其中，预警时长为室内信号分布系统发生故障的时长。室分小区的每个实际KPI值按照一定的权重相加，得到该小区的健康度，健康度越大，小区的质量越好，健康度涉及指标项的扣分公式为：
Figure BDA0003275945310000081
示例性的，实际KPI组合包括的实际KPI值包括：关于MR指标项的实际KPI值及关于多个隐形故障强相关性指标的实际KPI值，MR指标项的实际KPI值分数的计算公式为：
ScoreMR＝30％×Score-95+20％×Score-95-100+5％×Score-100-105+5％×Score-105-110+20％×Score-110-115+20％×Score-115
102、在预设的KPI库中，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标签。
示例性地，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标，所以，电子设备可以在预设的KPI库中，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合。
103、根据与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。
示例性地，由于每个故障KPI组合均对应有故障位置标签，所以，电子设备可以根据与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。
本申请实施例中，当确定室内信号分布系统的室分健康度值低于预设标准值时，获取室内信号分布系统的实际关键绩效指标KPI组合，实际KPI组合包括多个实际KPI值。在预设的KPI库中，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标签。根据与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。本方案中，由于预设的KPI库中包括多组故障KPI组合，每个故障KPI组合对应有故障位置标签，所以可以将实际KPI组合与预设的KPI库中的多组故障KPI组合进行比较，在预设的KPI库中确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合，进而根据与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号，实现对室内信号分布系统的故障位置的精准定位，进而可以根据故障位置信号及时上报告警，极大的缩短了故障排查时间，提升了用户体验。
图2为本申请实施例提供的另一种故障定位方法的流程示意图，如图2所示，该方法包括：
201、获取室内信号分布系统的测量报告数据及多组KPI组合，每个KPI组合包括多个KPI值。
示例性地，电子设备可以预先获取室内信号分布系统的测量报告数据(MeasurementReport，MR)及多组KPI组合，每个KPI组合包括多个KPI值。其中，测量报告数据为室内信号分布系统覆盖下的室分小区下UE终端在物理层上报的MR测量结果，物理层上报时，室分小区下的UE终端在物理层测量小区信号强度得到MR测量结果后，通过空口发送到室分基站侧，再由基站传输到OMC-R后连接到后台数据库。
示例性地，在步骤201之后，电子设备还可以对测量报告数据进行解析，通过OMCR(基于UNIX的集中监控系统)上网管固定设置好的counter生成标准格式化的指标，通过规则计算室分小区服务小区的6个不同电平强度RSRP值的区间采样点数量，并通过专家经验筛选出隐性故障强相关性的多项指标，作为室分健康度评价体系的元素。在生成标准格式化指标的过程中，如果测量报告数据中存在空缺值，如室分小区低于-95dbm采样点数量在某一天的某个时刻没有数值，此时需要采用上下均值替代法，即用空缺值时刻的上个时刻数据和下个时刻数据计算并取均值来填补缺失的KPI值。经过一系列对测量报告数据的分析与处理，得到适合模型训练的标准、连续的数据集。
示例性地，生成的标准格式化的指标主要有：①室分小区低于-115dbm采样点数量；②室分小区低于-110dbm采样点数量；③室分小区低于-105dbm采样点数量；④室分小区低于-100dbm采样点数量；⑤室分小区低于-95dbm采样点数量；⑥室分小区总采样点数量。按照规则计算6个不同电平强度RSRP值的区间采样点数量，每个区间采样点数量的具体计算步骤如下：①室分小区高于等于-95dbm采样点数量＝室分小区总采样点数量-室分小区低于-95dbm采样点数量；②室分小区(-95dbm，-100dbm]采样点数量＝室分小区低于-95dbm采样点数量-室分小区低-100dbm采样点数量；③室分小区(-100dbm，-105dbm]采样点数量＝室分小区低-100dbm采样点数量-室分小区低于-105dbm采样点数量；④室分小(-105dbm，-110dbm]采样点数量＝室分小区低于-105dbm采样点数量-室分小区低于-110dbm采样点数量；⑤室分小区(-110dbm，-115dbm]采样点数量＝室分小区低于-110dbm采样点数量-室分小区低于-115dbm采样点数量。
202、基于测量报告数据及多组KPI组合，利用时序算法对模型进行训练，得到时序模型。
示例性地，电子设备可以利用时序算法Prophet的时序数据分解方法，将测量报告数据(MR)在不同信号强度区间采样点数量及占比分布比例指标分解为三项：趋势项、周期项和误差项，即按时序特征可将时序数据分解为非周期性变化的趋势项、天或周的季节周期项和节假日效应等。因此，时序模型可以灵活地对各时序特征的参数进行设置，这些参数值的大小分别表示各个特征对模型预测结果的贡献度。通过分析模型的训练结果，可以调节各特征的参数，以便进一步提升预测精确度。针对趋势、周期特征分量，可以建立时序模型并进行预测，建立时序模型包括以下三种步骤：
①先采用时序模型训练的时序数据分解方法，将测量报告数据及多组KPI组合内的KPI值St分解成趋势项trendt、周期项(dailyt,weeklyt)和误差项ε。
②将分解出的趋势trendt和周期项(dailyt,weeklyt)，采用时序模型预测获得第t+3天趋势预测值trendt+3和周期预测值(dailyt+3,weeklyt+3)。
③根据公式(1)，将上述趋势预测值trendt+3、周期预测值(dailyt+3,weeklyt+3)和误差项ε集成得到第t+3天小区KPI指标的预测值St+3，公式(1)如下：
St+3＝trendt+3+dailyt+3+weeklyt+3+ε。
203、利用时序模型预测每个KPI组合中每个KPI值在不同时间段的预测KPI值。
示例性地，电子设备可以将MR在不同信号强度区间采样点数量及占比分布比例指标值与各分量的预测值相减获得随机序列，随机序列的标准差和各分量的预测值合成得到MR不同信号强度区间采样点数量及占比分布比例指标的动态门限指标值，动态门限指标值为预测KPI值，确定预测KPI值包括以下步骤：
①根据公式(2)，将测量报告数据及多组KPI组合内的KPI值St与趋势预测值trendt、周期预测值(dailyt,weeklyt)相减得到随机序列Rt，呈现正态分布，公式(2)如下：
Rt＝St-trendt-dailyt-weeklyt
②随机序列Rt的标准差反映了KPI指标与KPI指标预测的离散程度，根据公式(3)，计算随机序列Rt的标准差σ，公式(3)如下：
Figure BDA0003275945310000111
③根据公式(4)，将第t+3天小区KPI值的预测值St+3与随机序列Rt的标准差σ进行集成得到第t+3天小区KPI值的动态门限指标值d_threst+3，公式(4)如下：
d_threst+3＝St+3+σ
所以，电子设备可以利用时序模型预测每个KPI组合中每个KPI值在t+3天的预测KPI值。
204、当KPI组合内的任一KPI值与对应时间段内的预测室分KPI值不相等时，确定KPI组合为故障KPI组合及故障KPI组合对应的故障位置标签，并根据故障KPI组合及故障位置标签建立预设的KPI库。
示例性地，当KPI组合内的任一KPI值与对应时间段内的预测室分KPI值不相等时，说明KPI值发生了变化，导致不能达到标准的预测室分KPI值，所以能确定KPI组合为故障KPI组合，然后根据代维人员确定的故障位置生成故障位置标签，因此，电子设备可以根据故障KPI组合及故障位置标签建立预设的KPI库，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标签。
205、当确定室内信号分布系统的室分健康度值低于预设标准值时，获取室内信号分布系统的实际关键绩效指标KPI组合，实际KPI组合包括多个实际KPI值。
示例性地，本步骤可以参见图1中的步骤101，不再赘述。
206、将实际KPI组合中的每个实际KPI值，与预设的KPI库中每个故障KPI组合内的故障KPI值进行匹配，其中，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标签。
示例性地，实际KPI组合包括多个实际KPI值，预设的KPI库中每个故障KPI组合也包括多个故障KPI值，实际KPI值与故障KPI值之间存在映射关系，电子设备可以将实际KPI组合中的每个实际KPI值，与预设的KPI库中每个故障KPI组合内的故障KPI值进行匹配。
207、当每个实际KPI值与其中一个故障KPI组合中对应的故障KPI值之间的差值均位于标准范围内时，确定实际KPI组合匹配到故障KPI组合。
示例性地，当每个实际KPI值与其中一个故障KPI组合中对应的故障KPI值之间的差值均位于标准范围内时，电子设备可以确定实际KPI组合匹配到了故障KPI组合。
208、根据故障KPI组合与故障位置标签之间的对应关系，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，并根据故障位置标签生成故障信号。
示例性地，根据故障KPI组合与故障位置标签之间的对应关系，电子设备可以确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，相当于确定了实际KPI组合的故障位置标签，并根据故障位置标签生成故障信号。
209、利用时序模型预测实际KPI组合内每个实际KPI值在不同时间段内的预测KPI值。
示例性地，时间段可以是以分钟、小时或天数等为时间单位，本实施例以天数为时间单位进行说明，电子设备可以利用时序模型预测实际KPI组合内每个实际KPI值在第一天、第二天及第三天的预测KPI值。
210、当实际KPI组合内的任一实际KPI值与对应时间段内的预测KPI值不相等时，生成实际KPI组合的预警时长。
示例性地，当在第一天的实际KPI组合内的任一实际KPI值与第一天内的预测KPI值不相等时，说明实际KPI组合出现了故障，生成实际KPI组合的预警时长，预警时长可以为1；当时间推进到第二天，在第二天的实际KPI组合内的任一实际KPI值与第二天内的预测KPI值不相等时，说明实际KPI组合也出现了故障，此时可以对预警时长累计加1，得到预警时长2，由于时间段的单位是天数，预警时长为2*24(小时)＝48(小时)，即故障时长为48小时。
211、根据预警时长生成故障信号，预警时长用于表示室内信号分布系统的故障时长。
示例性地，电子设备可以根据预警时长生成故障信号，预警时长用于表示室内信号分布系统的故障时长。本申请实施例中，获取室内信号分布系统的测量报告数据及多组KPI组合，每个KPI组合包括多个KPI值。基于测量报告数据及多组KPI组合，利用时序算法对模型进行训练，得到时序模型。利用时序模型预测每个KPI组合中每个KPI值在不同时间段的预测KPI值。当KPI组合内的任一KPI值与对应时间段内的预测室分KPI值不相等时，确定KPI组合为故障KPI组合及故障KPI组合对应的故障位置标签，并根据故障KPI组合及故障位置标签建立预设的KPI库。当确定室内信号分布系统的室分健康度值低于预设标准值时，获取室内信号分布系统的实际关键绩效指标KPI组合，实际KPI组合包括多个实际KPI值。将实际KPI组合中的每个实际KPI值，与预设的KPI库中每个故障KPI组合内的故障KPI值进行匹配，其中，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标签。当每个实际KPI值与其中一个故障KPI组合中对应的故障KPI值之间的差值均位于标准范围内时，确定实际KPI组合匹配到故障KPI组合。根据故障KPI组合与故障位置标签之间的对应关系，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，并根据故障位置标签生成故障信号。利用时序模型预测实际KPI组合内每个实际KPI值在不同时间段内的预测KPI值。当实际KPI组合内的任一实际KPI值与对应时间段内的预测KPI值不相等时，生成实际KPI组合的预警时长。根据预警时长生成故障信号，预警时长用于表示室内信号分布系统的故障时长。所以，电子设备可以根据预设的KPI库确定实际关键绩效指标KPI组合对应的故障位置标签，以及根据时序模型确定实际关键绩效指标KPI组合的预警时长，相当于确定了实际关键绩效指标KPI组合对应的室内信号分布系统覆盖的室分小区的故障位置标签及预警时长，进而可以根据故障位置信号及时上报告警，从而无需大量人力去现场测量定位，提高了室分小区的故障定位准确率以及故障排查的效率，极大的缩短了故障排查时间，进而提升了用户体验。
图3为本申请实施例提供的一种故障定位装置的结构示意图，如图3所示，该装置包括：
第一获取单元31，用于当确定室内信号分布系统的室分健康度值低于预设标准值时，获取室内信号分布系统的实际关键绩效指标KPI组合，实际KPI组合包括多个实际KPI值。
确定单元32，用于在预设的KPI库中，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个故障KPI组合包括多个故障KPI值，每个故障KPI组合对应有故障位置标签。
第一生成单元33，用于根据与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。
本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
图4为本申请实施例提供的另一种故障定位装置的结构示意图，在图3所示实施例的基础上，如图4所示，确定单元32，包括：
匹配模块321，用于将实际KPI组合中的每个实际KPI值，与预设的KPI库中每组故障KPI组合内的故障KPI值进行匹配。
确定模块322，用于当每个实际KPI值与其中一组故障KPI组合中对应的故障KPI值之间的差值均位于标准范围内时，确定实际KPI组合匹配到故障KPI组合。
一个示例中，第一生成单元33，包括：
生成模块331，用于根据故障KPI组合与故障位置标签之间的对应关系，确定与实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，并根据故障位置标签生成故障信号。
一个示例中，装置还包括：
第二获取单元41，用于获取室内信号分布系统的测量报告数据及多组KPI组合，每组KPI组合包括多个KPI值。
训练单元42，用于基于测量报告数据及多组KPI组合，利用时序算法对模型进行训练，得到时序模型。
第一预测单元43，用于利用时序模型预测每个KPI组合中每个KPI值在不同时间段的预测KPI值。
建立单元44，用于当KPI组合内的任一KPI值与对应时间段内的预测室分KPI值不相等时，确定KPI组合对应的故障位置标签，并根据KPI组合及故障位置标签建立预设的KPI库。
一个示例中，生成预警时长包括：
第二预测单元45，用于利用时序模型预测实际KPI组合内每个实际KPI值在不同时间段内的预测KPI值。
第三生成单元46，用于当实际KPI组合内的任一实际KPI值与对应时间段内的预测KPI值不相等时，生成实际KPI组合的预警时长。
一个示例中，装置还包括：
第二生成单元47，用于根据预警时长生成故障信号，预警时长用于表示室内信号分布系统的故障时长。
本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
图5为本申请实施例提供的一种电子设备的结构示意图，如图5所示，电子设备包括：存储器51，处理器52；
存储器51中存储有可在处理器52上运行的计算机程序。
处理器52被配置为执行如上述实施例提供的方法。
电子设备还包括接收器53和发送器54。接收器53用于接收外部设备发送的指令和数据，发送器54用于向外部设备发送指令和数据。
图6是本申请实施例提供的一种电子设备的框图，该电子设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
装置600可以包括以下一个或多个组件：处理组件602，存储器604，电源组件606，多媒体组件608，音频组件610，输入/输出(I/O)接口612，传感器组件614，以及通信组件616。
处理组件602通常控制装置600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在装置600的操作。这些数据的示例包括用于在装置600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604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。
电源组件606为装置600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为装置600生成、管理和分配电力相关联的组件。
多媒体组件608包括在装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中，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。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当装置600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括一个麦克风(MIC)，当装置600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604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。
I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器，用于为装置600提供各个方面的状态评估。例如，传感器组件614可以检测到装置600的打开/关闭状态，组件的相对定位，例如组件为装置600的显示器和小键盘，传感器组件614还可以检测装置600或装置600一个组件的位置改变，用户与装置600接触的存在或不存在，装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600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616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616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。
在示例性实施例中，装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由装置600的处理器620执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种非临时性计算机可读存储介质，当该存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述实施例提供的方法。
本申请实施例还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (14)

1.一种故障定位方法，其特征在于，包括：
当确定室内信号分布系统的室分健康度值低于预设标准值时，获取所述室内信号分布系统的实际关键绩效指标KPI组合，所述实际KPI组合包括多个实际KPI值；其中，计算所述室分健康度值的公式为：室分健康度值＝覆盖评估分数*X％+底噪分数*Y％+倒流比*Z％+上行感知速率分*P％+覆盖良好比例分数*Q％，基于专家经验设定的权重值设置L(X,Y,Z,P,Q)的参数；
在预设的KPI库中，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个所述故障KPI组合包括多个故障KPI值，每个所述故障KPI组合对应有故障位置标签；
根据与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。
2.根据权利要求1所述的方法，其特征在于，在预设的KPI库中，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合，包括：
将所述实际KPI组合中的每个所述实际KPI值，与预设的KPI库中每个故障KPI组合内的故障KPI值进行匹配；
当每个所述实际KPI值与其中一个故障KPI组合中对应的故障KPI值之间的差值均位于标准范围内时，确定所述实际KPI组合匹配到故障KPI组合。
3.根据权利要求1所述的方法，其特征在于，根据与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号，包括：
根据所述故障KPI组合与故障位置标签之间的对应关系，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，并根据所述故障位置标签生成故障信号。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述室内信号分布系统的测量报告数据及多组KPI组合，每个所述KPI组合包括多个KPI值；
基于所述测量报告数据及多组所述KPI组合，利用时序算法对模型进行训练，得到时序模型；
利用所述时序模型预测每个所述KPI组合中每个KPI值在不同时间段的预测KPI值；
当所述KPI组合内的任一KPI值与对应时间段内的预测室分KPI值不相等时，确定所述KPI组合为故障KPI组合及所述故障KPI组合对应的故障位置标签，并根据所述故障KPI组合及所述故障位置标签建立预设的KPI库。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
根据预警时长生成故障信号，所述预警时长用于表示所述室内信号分布系统的故障时长。
6.根据权利要求5所述的方法，其特征在于，生成预警时长包括：
利用时序模型预测所述实际KPI组合内每个实际KPI值在不同时间段内的预测KPI值；
当所述实际KPI组合内的任一实际KPI值与对应时间段内的预测KPI值不相等时，生成所述实际KPI组合的预警时长。
7.一种故障定位装置，其特征在于，包括：
第一获取单元，用于当确定室内信号分布系统的室分健康度值低于预设标准值时，获取所述室内信号分布系统的实际关键绩效指标KPI组合，所述实际KPI组合包括多个实际KPI值；其中，计算所述室分健康度值的公式为：室分健康度值＝覆盖评估分数*X％+底噪分数*Y％+倒流比*Z％+上行感知速率分*P％+覆盖良好比例分数*Q％，基于专家经验设定的权重值设置L(X,Y,Z,P,Q)的参数；
确定单元，用于在预设的KPI库中，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合，其中，预设的KPI库包括多组故障KPI组合，每个所述故障KPI组合包括多个故障KPI值，每个所述故障KPI组合对应有故障位置标签；
第一生成单元，用于根据与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，生成故障信号。
8.根据权利要求7所述的装置，其特征在于，所述确定单元，包括：
匹配模块，用于将所述实际KPI组合中的每个所述实际KPI值，与预设的KPI库中每组故障KPI组合内的故障KPI值进行匹配；
确定模块，用于当每个所述实际KPI值与其中一组故障KPI组合中对应的故障KPI值之间的差值均位于标准范围内时，确定所述实际KPI组合匹配到故障KPI组合。
9.根据权利要求7所述的装置，其特征在于，所述第一生成单元，包括：
生成模块，用于根据所述故障KPI组合与故障位置标签之间的对应关系，确定与所述实际KPI组合中每个实际KPI值均相等的故障KPI组合所对应的故障位置标签，并根据所述故障位置标签生成故障信号。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二获取单元，用于获取所述室内信号分布系统的测量报告数据及多组KPI组合，每组所述KPI组合包括多个KPI值；
训练单元，用于基于所述测量报告数据及多组所述KPI组合，利用时序算法对模型进行训练，得到时序模型；
第一预测单元，用于利用所述时序模型预测每个所述KPI组合中每个KPI值在不同时间段的预测KPI值；
建立单元，用于当所述KPI组合内的任一KPI值与对应时间段内的预测室分KPI值不相等时，确定所述KPI组合对应的故障位置标签，并根据所述KPI组合及所述故障位置标签建立预设的KPI库。
11.根据权利要求7-10任一项所述的装置，其特征在于，所述装置还包括：
第二生成单元，用于根据预警时长生成故障信号，所述预警时长用于表示所述室内信号分布系统的故障时长。
12.根据权利要求11所述的装置，其特征在于，生成预警时长包括：
第二预测单元，用于利用时序模型预测所述实际KPI组合内每个实际KPI值在不同时间段内的预测KPI值；
第三生成单元，用于当所述实际KPI组合内的任一实际KPI值与对应时间段内的预测KPI值不相等时，生成所述实际KPI组合的预警时长。
13.一种电子设备，其特征在于，包括存储器、处理器，所述存储器中存储有可在所述处理器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上述权利要求1-6中任一项所述的方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6任一项所述的方法。
CN202111117642.6A 2021-09-23 2021-09-23 故障定位方法、装置及设备 Active CN113766444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111117642.6A CN113766444B (zh) 2021-09-23 2021-09-23 故障定位方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111117642.6A CN113766444B (zh) 2021-09-23 2021-09-23 故障定位方法、装置及设备

Publications (2)

Publication Number Publication Date
CN113766444A CN113766444A (zh) 2021-12-07
CN113766444B true CN113766444B (zh) 2023-07-04

Family

ID=78797135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111117642.6A Active CN113766444B (zh) 2021-09-23 2021-09-23 故障定位方法、装置及设备

Country Status (1)

Country Link
CN (1) CN113766444B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114363946B (zh) * 2021-12-24 2023-06-02 中国联合网络通信集团有限公司 室分小区网络质量监测方法、装置、设备及存储介质
CN114338424A (zh) * 2021-12-29 2022-04-12 中国电信股份有限公司 用于物联网运营健康度的评估方法和评估装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2887578A1 (en) * 2013-12-19 2015-06-24 BAE Systems PLC Network fault detection and location
CN106358212A (zh) * 2016-08-31 2017-01-25 中国联合网络通信集团有限公司 室内分布系统的检测方法和装置
CN107342878A (zh) * 2016-04-29 2017-11-10 中兴通讯股份有限公司 一种故障处理方法及装置
CN108540330A (zh) * 2018-04-24 2018-09-14 南京邮电大学 一种异构网络环境下的基于深度学习的网络故障诊断方法
CN110955575A (zh) * 2019-11-14 2020-04-03 国网浙江省电力有限公司信息通信分公司 一种基于关联分析模型的业务系统故障定位方法
CN112702194A (zh) * 2020-12-16 2021-04-23 中国联合网络通信集团有限公司 室分小区故障定位方法、装置及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105187249B (zh) * 2015-09-22 2018-12-07 华为技术有限公司 一种故障恢复方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2887578A1 (en) * 2013-12-19 2015-06-24 BAE Systems PLC Network fault detection and location
CN107342878A (zh) * 2016-04-29 2017-11-10 中兴通讯股份有限公司 一种故障处理方法及装置
CN106358212A (zh) * 2016-08-31 2017-01-25 中国联合网络通信集团有限公司 室内分布系统的检测方法和装置
CN108540330A (zh) * 2018-04-24 2018-09-14 南京邮电大学 一种异构网络环境下的基于深度学习的网络故障诊断方法
CN110955575A (zh) * 2019-11-14 2020-04-03 国网浙江省电力有限公司信息通信分公司 一种基于关联分析模型的业务系统故障定位方法
CN112702194A (zh) * 2020-12-16 2021-04-23 中国联合网络通信集团有限公司 室分小区故障定位方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
智慧室分系统研究及应用;张欣旺;曹景阳;徐飞;王大鹏;闫渊;王东;许灵军;;移动通信(第09期);全文 *

Also Published As

Publication number Publication date
CN113766444A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN113766444B (zh) 故障定位方法、装置及设备
CN106528389B (zh) 系统流畅性的性能评测方法、装置及终端
CN112131079B (zh) 数据监控方法、装置、电子设备和存储介质
CN107820684B (zh) 信道检测、信息发送方法、装置及通信设备
CN111078446A (zh) 一种故障信息获取方法、装置、电子设备及存储介质
US20210243625A1 (en) Method and device for configuring and reporting measurement, base station, and user equipment
CN106253996B (zh) 灵敏度衰减测试方法及装置
CN113747482B (zh) 检测分析业务网络的方法、系统及终端设备
CN114760339A (zh) 故障预测方法、装置、设备、介质及产品
CN113796028A (zh) 一种干扰处理方法、干扰处理装置及控制设备
CN114282169A (zh) 一种异常数据的检测方法以及相关装置
CN105446854B (zh) 功耗检测方法、系统及终端
CN105785608B (zh) 一种屏幕水波纹测试系统和方法
CN107316207A (zh) 一种获取展示效果信息的方法和装置
CN113038501A (zh) 网络链路优化方法、装置及电子设备
CN108401502B (zh) 测量配置方法及装置
CN112019948B (zh) 一种对讲设备通信的方法、对讲设备和存储介质
CN111047049A (zh) 基于机器学习模型处理多媒体数据的方法、装置及介质
CN114268983B (zh) 共享信息分析方法、装置及电子设备
CN114189867A (zh) 基于基站的资源处理方法、装置及设备
US11368847B2 (en) Networking behavior detector and networking behavior detection method thereof for indoor space
CN113508610A (zh) 能力获取方法和装置、能力指示方法和装置
CN113377673A (zh) 软件测试的测试前移工作量占比的预测方法、装置和设备
CN106341291A (zh) 网络连接稳定性的测试方法及装置
US20220322373A1 (en) Measurement trigger method and apparatus, measurement method and apparatus, base station and user equipment

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