CN114205858A - 一种外部干扰源定位方法、装置及计算机可读介质 - Google Patents

一种外部干扰源定位方法、装置及计算机可读介质 Download PDF

Info

Publication number
CN114205858A
CN114205858A CN202111514145.XA CN202111514145A CN114205858A CN 114205858 A CN114205858 A CN 114205858A CN 202111514145 A CN202111514145 A CN 202111514145A CN 114205858 A CN114205858 A CN 114205858A
Authority
CN
China
Prior art keywords
cell
interference
data
uplink
prb
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
Application number
CN202111514145.XA
Other languages
English (en)
Inventor
公衍臣
张文龙
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.)
Inspur Communication Information System Co Ltd
Original Assignee
Inspur Communication Information System 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 Inspur Communication Information System Co Ltd filed Critical Inspur Communication Information System Co Ltd
Priority to CN202111514145.XA priority Critical patent/CN114205858A/zh
Publication of CN114205858A publication Critical patent/CN114205858A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/345—Interference values

Landscapes

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

Abstract

本发明涉及机器学习领域，具体提供了一种外部干扰源定位方法，基于权重Kmeans算法，通过小时粒度的干扰小区上行prb数据和干扰小区所在的mdt栅格数据进行上下行数据建模，并通过上下行路损差的负指数值的权重定位算法对栅格经纬度聚类，定位干扰源位置。与现有技术相比，本发明根据定位的干扰源位置，可以使用较少的人力，快速的进行干扰源排查，显著提升干扰排查效率并且能够有效的减少人力成本。

Description

一种外部干扰源定位方法、装置及计算机可读介质
技术领域
本发明涉及机器学习技术领域，具体提供一种外部干扰源定位方法、装置及计算机可读介质。
背景技术
大流量背景下移动用户对网络感知的要求不断增高且与网络覆盖不平衡的矛盾日益突出，进而因私装干扰器导致LTE外部干扰现象明显增多。干扰信号经由扩频后将引入上行干扰。人工排查和定位外部干扰源位置困难。
发明内容
本发明是针对上述现有技术的不足，提供一种实用性强的外部干扰源定位方法。
本发明进一步的技术任务是提供一种设计合理，安全适用的外部干扰源定位装置。
本发明的第三方面的技术任务是提供一种计算机可读介质。
本发明解决其技术问题所采用的技术方案是：
一种外部干扰源定位方法，基于权重Kmeans算法，通过小时粒度的干扰小区上行prb数据和干扰小区所在的mdt栅格数据进行上下行数据建模，并通过上下行路损差的负指数值的权重定位算法对栅格经纬度聚类，定位干扰源位置。
进一步的，prb数据采用小时粒度，24小时数据作为上行建模数据,取同一天的含有干扰小区以及邻区的mdt栅格数据作为下行建模数据，通过对栅格的经纬度进行上下行路损差为权重的聚类，聚类中心为干扰源的位置。
进一步的，对于上行prb数据建模,包含如下步骤：
S1、原始数据是小时粒度的，提取24小时的数据，即每个小区是24行数据。
S2、prb大于指定阈值时，保留原值，小于等于指定阈值时，置为空；
S3、计算每一行保留的prb个数，大于指定阈值个数进行筛选，大于等于prb数的一半保留。
S4、计算保留的prb行数，大于等于指定阈值的保留，剩下剔除，即保留下的小区是外部干扰小区；
S5、平均干扰小区24小时指标，即1个小区24行数值，平均成1行数值，然后用小区名称匹配工参数据里的经纬度。
S6、以干扰小区为中心，找出各个小区半径一定范围内的所有干扰邻区；
S7、根据干扰小区的频点，保留相同频点一定范围内干扰小区和干扰邻区；
S8、干扰小区和领区都剔除前后端各4个prb数据，进行相关性计算，相关系数大于等于指定阈值的进行保留。
S9、计算干扰小区均值和邻小区均值，同样也是剔除前后端各4个prb数据，进行上行干扰差值计算，上行干扰差值＝干扰小区干扰均值-邻区干扰均值。
进一步的，对于下行mdt栅格数据建模：
(1)根据小区名称匹配出工参数据中的参考信号功率，并用此参考信号功率和栅格中小区的信号功率值相减得到路损，
路损＝参考信号功率–小区信号功率
(2)栅格中的各个小区进行两两匹配，形成邻区对，并计算邻区对的路损差，
路损差＝路损1-路损2
进一步的，根据下行表中的邻区对和上行表中的邻区对进行匹配，得到匹配数据，根据匹配出来的小区对，计算下行路损差与上行干扰均值差值的差值的绝对值，
上下行路损差值＝ABS，ABS指路损差-干扰均值差值，
上下行路损差值小于指定阈值的小区对保留，大于或等于指定阈值的小区对剔除，对剩余的格栅进行聚合。
进一步的，根据上行prb数据建模得到每个频点小区的邻区对和下行mdt数据匹配出的邻区对的栅格经纬度进行基于上下行路损差权重聚类，得到的各个聚类簇的中心为外部干扰源的位置；
其中，权重聚类算法公式如下：
Figure BDA0003406197770000031
Wi＝e-d
Figure BDA0003406197770000032
mc为权重聚合中心，πc为聚合簇代表受相同干扰源干扰的栅格，gi代表候选栅格样本，d代表上下行路损差。
一种外部干扰源定位装置，包括：至少一个存储器和至少一个处理器；
所述至少一个存储器，用于存储机器可读程序；
所述至少一个处理器，用于调用所述机器可读程序，执行一种外部干扰源定位方法。
一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行一种外部干扰源定位方法。
本发明的一种外部干扰源定位方法、装置及计算机可读介质和现有技术相比，具有以下突出的有益效果：
本发明经研究统计在测试数据中的定位误差，无线环境相对较为简单的场景精度误差在100m以内，随着无线环境的复杂，干扰源定位误差也随之提升，平均误差不超过300m,显著提升干扰排查效率，使之有一个较好的网络环境。
根据定位的干扰源位置，可以使用较少的人力，快速的进行干扰源排查，显著提升干扰排查效率并且能够有效的减少人力成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
附图1是一种外部干扰源定位方法中小区的部分prb值的展示图；
附图2是一种外部干扰源定位方法中实施例中的干扰源位置展示图。
具体实施方式
为了使本技术领域的人员更好的理解本发明的方案，下面结合具体的实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例都属于本发明保护的范围。
下面给出一个最佳实施例：
如图1所示，本实施中的一种外部干扰源定位方法，基于权重Kmeans算法，通过小时粒度的干扰小区上行prb数据和干扰小区所在的mdt栅格数据进行上下行数据建模，并通过上下行路损差的负指数值的权重定位算法对栅格经纬度聚类，定位干扰源位置。
具体步骤为：
prb数据采用小时粒度，24小时数据作为上行建模数据,取同一天的含有干扰小区以及邻区的mdt栅格数据作为下行建模数据，通过对栅格的经纬度进行上下行路损差为权重的聚类，聚类中心为干扰源的位置。
对于上行prb数据建模,包含如下步骤：
S1、原始数据是小时粒度的，提取24小时的数据，即每个小区是24行数据。
S2、prb大于指定阈值-110时，保留原值，小于等于指定阈值时，置为空；
S3、计算每一行保留的prb个数，大于指定阈值个数进行筛选，大于等于prb数的一半保留。
S4、计算保留的prb行数，大于等于指定阈值20的保留，剩下剔除，即保留下的小区是外部干扰小区；
S5、平均干扰小区24小时指标，即1个小区24行数值，平均成1行数值，然后用小区名称匹配工参数据里的经纬度。
S6、以干扰小区为中心，找出各个小区半径1.5km范围内的所有干扰邻区；
S7、根据干扰小区的频点，保留相同频点1.5km范围内干扰小区和干扰邻区；
S8、干扰小区和领区都剔除前后端各4个prb数据，进行相关性计算，相关系数大于等于指定阈值0.6的进行保留。
S9、计算干扰小区均值和邻小区均值，同样也是剔除前后端各4个prb数据，进行上行干扰差值计算，上行干扰差值＝干扰小区干扰均值-邻区干扰均值。
对于下行mdt栅格数据建模：
(1)根据小区名称匹配出工参数据中的参考信号功率，并用此参考信号功率和栅格中小区的信号功率值相减得到路损，
路损＝参考信号功率–小区信号功率
(2)栅格中的各个小区进行两两匹配，形成邻区对，并计算邻区对的路损差，
路损差＝路损1-路损2
根据下行表中的邻区对和上行表中的邻区对进行匹配，得到匹配数据，根据匹配出来的小区对，计算下行路损差与上行干扰均值差值的差值的绝对值，
上下行路损差值＝ABS，ABS指路损差-干扰均值差值，
上下行路损差值小于指定阈值的小区对保留，大于或等于指定阈值的小区对剔除，对剩余的格栅进行聚合。
根据上行prb数据建模得到每个频点小区的邻区对和下行mdt数据匹配出的邻区对的栅格经纬度进行基于上下行路损差权重聚类，得到的各个聚类簇的中心为外部干扰源的位置。
权重聚类算法公式如下：
Figure BDA0003406197770000061
Wi＝e-d
Figure BDA0003406197770000062
其中，mc为权重聚合中心，πc为聚合簇代表受相同干扰源干扰的栅格，gi代表候选栅格样本，d代表上下行路损差。
上下行路损差越小的栅格，越具有相似性，强化了相似栅格具有的重要性。通过上述部分，最终得到干扰小区对应的外部干扰源位置。
基于上述方法的装置为：
一种外部干扰源定位装置，包括：至少一个存储器和至少一个处理器；
所述至少一个存储器，用于存储机器可读程序；
所述至少一个处理器，用于调用所述机器可读程序，执行一种外部干扰源定位方法。
一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行一种外部干扰源定位方法。
上述具体的实施方式仅是本发明具体的个案，本发明的专利保护范围包括但不限于上述具体的实施方式，任何符合本发明的一种外部干扰源定位方法、装置及计算机可读介质权利要求书的且任何所述技术领域普通技术人员对其做出的适当变化或者替换，皆应落入本发明的专利保护范围。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种外部干扰源定位方法，其特征在于，基于权重Kmeans算法，通过小时粒度的干扰小区上行prb数据和干扰小区所在的mdt栅格数据进行上下行数据建模，并通过上下行路损差的负指数值的权重定位算法对栅格经纬度聚类，定位干扰源位置。
2.根据权利要求1所述的一种外部干扰源定位方法，其特征在于，prb数据采用小时粒度，24小时数据作为上行建模数据,取同一天的含有干扰小区以及邻区的mdt栅格数据作为下行建模数据，通过对栅格的经纬度进行上下行路损差为权重的聚类，聚类中心为干扰源的位置。
3.根据权利要求2所述的一种外部干扰源定位方法，其特征在于,对于上行prb数据建模,包含如下步骤：
S1、原始数据是小时粒度的，提取24小时的数据，即每个小区是24行数据。
S2、prb大于指定阈值时，保留原值，小于等于指定阈值时，置为空；
S3、计算每一行保留的prb个数，大于指定阈值个数进行筛选，大于等于prb数的一半保留。
S4、计算保留的prb行数，大于等于指定阈值的保留，剩下剔除，即保留下的小区是外部干扰小区；
S5、平均干扰小区24小时指标，即1个小区24行数值，平均成1行数值，然后用小区名称匹配工参数据里的经纬度。
S6、以干扰小区为中心，找出各个小区半径一定范围内的所有干扰邻区；
S7、根据干扰小区的频点，保留相同频点一定范围内干扰小区和干扰邻区；
S8、干扰小区和领区都剔除前后端各4个prb数据，进行相关性计算，相关系数大于等于指定阈值的进行保留。
S9、计算干扰小区均值和邻小区均值，同样也是剔除前后端各4个prb数据，进行上行干扰差值计算，上行干扰差值＝干扰小区干扰均值-邻区干扰均值。
4.根据权利要求3所述的一种外部干扰源定位方法，其特征在于，对于下行mdt栅格数据建模：
(1)根据小区名称匹配出工参数据中的参考信号功率，并用此参考信号功率和栅格中小区的信号功率值相减得到路损，
路损＝参考信号功率–小区信号功率
(2)栅格中的各个小区进行两两匹配，形成邻区对，并计算邻区对的路损差，
路损差＝路损1-路损2
5.根据权利要求4所述的一种外部干扰源定位方法，其特征在于，根据下行表中的邻区对和上行表中的邻区对进行匹配，得到匹配数据，根据匹配出来的小区对，计算下行路损差与上行干扰均值差值的差值的绝对值，
上下行路损差值＝ABS，ABS指路损差-干扰均值差值，
上下行路损差值小于指定阈值的小区对保留，大于或等于指定阈值的小区对剔除，对剩余的格栅进行聚合。
6.根据权利要求5所述的一种外部干扰源定位方法，其特征在于，根据上行prb数据建模得到每个频点小区的邻区对和下行mdt数据匹配出的邻区对的栅格经纬度进行基于上下行路损差权重聚类，得到的各个聚类簇的中心为外部干扰源的位置；
其中，权重聚类算法公式如下：
Figure FDA0003406197760000031
Figure FDA0003406197760000032
mc为权重聚合中心，πc为聚合簇代表受相同干扰源干扰的栅格，gi代表候选栅格样本，d代表上下行路损差。
7.一种外部干扰源定位装置，其特征在于，包括：至少一个存储器和至少一个处理器；
所述至少一个存储器，用于存储机器可读程序；
所述至少一个处理器，用于调用所述机器可读程序，执行权利要求1至6中任一所述的方法。
8.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行权利要求1至6任一所述的方法。
CN202111514145.XA 2021-12-13 2021-12-13 一种外部干扰源定位方法、装置及计算机可读介质 Pending CN114205858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111514145.XA CN114205858A (zh) 2021-12-13 2021-12-13 一种外部干扰源定位方法、装置及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111514145.XA CN114205858A (zh) 2021-12-13 2021-12-13 一种外部干扰源定位方法、装置及计算机可读介质

Publications (1)

Publication Number Publication Date
CN114205858A true CN114205858A (zh) 2022-03-18

Family

ID=80652701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111514145.XA Pending CN114205858A (zh) 2021-12-13 2021-12-13 一种外部干扰源定位方法、装置及计算机可读介质

Country Status (1)

Country Link
CN (1) CN114205858A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140169194A1 (en) * 2012-09-07 2014-06-19 Suman Banerjee Method, System and Program Product for Detecting Wireless Interferers
CN109548074A (zh) * 2018-11-28 2019-03-29 中通服建设有限公司 基于mr的上行干扰源波形定位方法、装置、设备及介质
CN111246564A (zh) * 2018-11-28 2020-06-05 中国移动通信集团浙江有限公司 基于mr数据的外部干扰定位方法及装置
WO2021052336A1 (zh) * 2019-09-20 2021-03-25 中兴通讯股份有限公司 一种无线通信系统的干扰定位方法、装置和系统
CN112566162A (zh) * 2020-12-04 2021-03-26 重庆玖舆博泓科技有限公司 基于数据挖掘的lte干扰源定位方法、装置及存储介质
CN113015200A (zh) * 2019-12-18 2021-06-22 中国移动通信集团四川有限公司 一种干扰源的定位方法、系统及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140169194A1 (en) * 2012-09-07 2014-06-19 Suman Banerjee Method, System and Program Product for Detecting Wireless Interferers
CN109548074A (zh) * 2018-11-28 2019-03-29 中通服建设有限公司 基于mr的上行干扰源波形定位方法、装置、设备及介质
CN111246564A (zh) * 2018-11-28 2020-06-05 中国移动通信集团浙江有限公司 基于mr数据的外部干扰定位方法及装置
WO2021052336A1 (zh) * 2019-09-20 2021-03-25 中兴通讯股份有限公司 一种无线通信系统的干扰定位方法、装置和系统
CN113015200A (zh) * 2019-12-18 2021-06-22 中国移动通信集团四川有限公司 一种干扰源的定位方法、系统及装置
CN112566162A (zh) * 2020-12-04 2021-03-26 重庆玖舆博泓科技有限公司 基于数据挖掘的lte干扰源定位方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵伟等: "一种基于Wkmeans 聚类的LTE 外部干扰智能定位方法", 《邮电设计技术》, pages 72 - 77 *

Similar Documents

Publication Publication Date Title
CN111246564B (zh) 基于mr数据的外部干扰定位方法及装置
CN108307339B (zh) 用户终端定位方法、系统、电子设备及存储介质
CN112243249B (zh) 5g nsa组网下lte新入网锚点小区参数配置方法和装置
CN107484240B (zh) 一种基于指纹进行定位的方法及装置
CN108243435B (zh) 一种lte小区场景划分中的参数优化方法及装置
WO2021052336A1 (zh) 一种无线通信系统的干扰定位方法、装置和系统
Ying et al. Characterizing spatial patterns of base stations in cellular networks
EP2952047A1 (en) System and method for localizing wireless devices
CN113422695B (zh) 一种提高物联网拓扑结构鲁棒性能的优化方法
WO2022022486A1 (zh) 用于基站节能的处理方法和处理装置
CN107801198B (zh) 一种lte网络重叠覆盖主小区的查找方法及服务器
CN106922017B (zh) 定位方法以及终端
CN113973336B (zh) 一种网络中干扰小区的确定方法、装置、设备和存储介质
CN111276967B (zh) 一种电力系统的弹性能力评估方法和装置
CN108271181B (zh) 一种无线网络的pci优化方法及装置
CN114205858A (zh) 一种外部干扰源定位方法、装置及计算机可读介质
CN106817691B (zh) 一种pci分配方法和装置
CN103533556B (zh) 一种小区频率优化方法及装置
CN108271183B (zh) 一种基于原始测量报告的邻区优化方法及装置
CN109391946A (zh) 一种基站簇规划的方法及装置
WO2022193717A1 (zh) 权值优化方法、装置、通信设备及计算机可读存储介质
CN114554535B (zh) 共覆盖小区对智能识别方法、装置、设备及存储介质
CN103167528B (zh) 一种频率配置评估方法、装置及系统
CN111263397B (zh) 一种物理小区标识规划方法及装置
Ma et al. A dynamic affinity propagation clustering algorithm based on MDT in self-healing heterogeneous networks

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