CN114374449A - 一种干扰源确定方法、装置、设备及介质 - Google Patents
一种干扰源确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114374449A CN114374449A CN202111631890.2A CN202111631890A CN114374449A CN 114374449 A CN114374449 A CN 114374449A CN 202111631890 A CN202111631890 A CN 202111631890A CN 114374449 A CN114374449 A CN 114374449A
- Authority
- CN
- China
- Prior art keywords
- determining
- interference
- interfered cell
- cell
- interfered
- 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
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000005259 measurement Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 8
- 238000012856 packing Methods 0.000 claims description 4
- 230000036961 partial effect Effects 0.000 claims description 2
- 238000011835 investigation Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 28
- 239000011159 matrix material Substances 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000013024 troubleshooting Methods 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 101000712600 Homo sapiens Thyroid hormone receptor beta Proteins 0.000 description 2
- 101100517648 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) NUM1 gene Proteins 0.000 description 2
- 101100129590 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mcp5 gene Proteins 0.000 description 2
- 102100033451 Thyroid hormone receptor beta Human genes 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种干扰源确定方法、装置、设备及介质。由于可以针对每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，从而准确地确定出该被干扰小区内被干扰源影响较强的终端位置，有利于后续基于确定的终端位置，确定等高线，从而根据该等高线所圈定的区域，确定该被干扰小区内被干扰源影响较强的区域。根据该等高线对应的圆弧的中心，确定该干扰小区内被干扰最强的中心位置。然后根据各被干扰小区分别对应的中心位置，确定每个被干扰小区的干扰源位置，从而实现准确地确定干扰源位置，避免人工效率对干扰源确定的效率的影响，提升了干扰源排查定位的效率。
Description
技术领域
本发明涉及无线通信数据分析技术领域，尤其涉及一种干扰源确定方法、装置、设备及介质。
背景技术
移动通信网络历经多年高速建设和优化，目前规模和质量都已经达到较高的水平。而伴随着网络的迅速扩大，外部干扰问题也愈发严重，部分干扰区甚至出现了大面积的网络阻断和用户投诉。因此，亟需一种可以准确地确定干扰源的位置的方法，从而方便后续及时对干扰源进行处理。
目前，主要是通过人工排查的方法，确定干扰源的位置。具体的，专业干扰源排查人员通过扫频仪、定向天线等专业设备，在已知的被干扰小区周围进行多点反复扫频测试，并对扫频测试获取到的数据进行分析后，根据分析结果，确定干扰源的大概位置。采用该种方法进行干扰源的排查定位，需要耗费大量的人力和物理，且扫频测试获取到的数据易受环境因素的影响，不仅降低对干扰源进行排查定位的准确性，还影响了对干扰源进行排查定位的效率。
发明内容
本发明实施例提供了一种干扰源确定方法、装置、设备及介质，用以提高对干扰源进行排查定位的效率和准确性的问题。
本发明实施例提供了一种干扰源确定方法，所述方法包括：
确定每个被干扰小区；
针对所述每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，并基于所述终端位置，确定等高线；根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置；
根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置。
本发明实施例提供了一种干扰源确定装置，所述装置包括：
第一处理单元，用于确定每个被干扰小区；
第二处理单元，用于针对所述每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，并基于所述终端位置，确定等高线；根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置；
第三处理单元，用于根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置。
本发明实施例提供了一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述所述干扰源确定方法的步骤。
本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述干扰源确定方法的步骤。
由于在干扰源确定的过程中，可以针对每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，从而准确地确定出该被干扰小区内被干扰源影响较强的终端位置，有利于后续基于确定的终端位置，确定等高线，从而根据该等高线所圈定的区域，确定该被干扰小区内被干扰源影响较强的区域。根据该等高线对应的圆弧的中心，确定该干扰小区内被干扰最强的中心位置。然后根据各被干扰小区分别对应的中心位置，确定每个被干扰小区的干扰源位置，从而实现准确地确定干扰源位置，避免人工效率对干扰源确定的效率的影响，提升了干扰源排查定位的效率。此外，在确定干扰源的过程中，无需其它配套的探测设备，降低了干扰源的排查定位所耗费的成本，通用性更好。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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为本发明实施例提供了一种干扰源确定过程示意图；
图2为本发明实施例提供的具体的干扰源确定流程示意图；
图3为本发明实施例提供的具体的确定主被干扰小区的流程示意图；
图4为本发明实施例提供的具体的确定辅被干扰小区的流程示意图；
图5为本发明实施例提供的一种泰森多边形示意图；
图6为本发明实施例提供的具体的测量到最小上行SINR的终端的终端位置的流程示意图；
图7为本发明实施例提供的一种等高线差值示意图；
图8为本发明实施例提供的具体的确定每个被干扰小区的干扰源位置的流程示意图；
图9为本发明实施例提供的一种确定被干扰小区受到干扰的方向及范围的示意图；
图10为本发明实施例提供的一种聚类半径的示意图；
图11为本发明实施例提供的干扰源定位效果示意图；
图12为本发明实施例提供的干扰源定位效果示意图；
图13为本发明实施例提供的干扰源定位误差的统计图；
图14为本发明实施例提供的一种干扰源确定装置的结构示意图；
图15为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述，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，本领域普通技人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本发明可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
在本文中，需要理解的是，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
目前，如果希望确定干扰源，可以通过如下方式确定：
方式一、通过到达角(Angle of Arrival，AOA)混合定位算法，结合上行干扰功率，对受干扰用户的位置进行GIS(Geographic Information Systems，地理信息系统)栅格聚类地理化，在地图上实现在无GPS(Global Positioning System，全球定位系统)上报信息下的干扰源位置准确定位。对于该种方式，由于受AOA的精确性不足的特点，使得用户位置的栅格定位不精确。其次，其主要是测量受到高干扰用户区域的定位，而非对干扰源进行定位，干扰源位置与受高干扰的用户位置并非对等关系，使得采用该种方式也无法准确地进行干扰源的确定。
方式二、通过采用无人机进行辅助的干扰源定位方法和系统。对于该种方式，需要耗费大量的成本研发无人机、控制终端、测试设备等设备，以实现干扰源的确定，且在现场干扰源排查时需要多个无人机和测试设备进行排查，设备投入量大。其次，在确定干扰源的过程中，一般采用三线定位的方法来快速找到干扰源位置，使得确定的结果容易受到实际环境的影响，降低确定的干扰源的准确性，使得采用该种方式也无法准确地进行干扰源的确定。
方式三、通过干扰指纹库的方式来定位干扰源的位置。在该种方式中，需要干扰指纹库更新要及时，否则会出现历史的干扰指纹库无法用于当前的干扰源的定位。并且该干扰指纹库中的干扰源必须均对应有真实位置，否则，无法通过将当前干扰源与干扰指纹库中的干扰源进行匹配，从而确定当前干扰源的位置，使得采用该种方式也无法准确地进行干扰源的确定。
方式四、通过干扰源预测模型进行干扰源的定位，其通过已知的干扰源位置与被干扰小区的MR(Measurement Report，测量报告)上行信号与干扰加噪声比(Signal toInterference plus Noise Ratio，SINR)，利用机器学习算法，建立干扰源预测模型，将待定位干扰源的被干扰小区内每个终端的MR输入模型得到干扰源的预测位置。对于该种方式，由于该干扰源预测模型的精度受到干扰源与被干扰小区之间的位置分布关系影响较大，当待预测干扰源与被干扰小区之间的位置分布关系与样本数据的差异性较大时，通过该干扰源预测模型，获取该待预测干扰源的位置的准确性会比较差，使得采用该种方式也无法准确地进行干扰源的确定。
因此，为了准确地进行干扰源的确定，本发明实施例提供了一种干扰源确定方法、装置、设备及介质。由于在干扰源确定的过程中，可以针对每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，从而准确地确定出该被干扰小区内被干扰源影响较强的终端位置，有利于后续基于确定的终端位置，确定等高线，从而根据该等高线所圈定的区域，确定该被干扰小区内被干扰源影响较强的区域。根据该等高线对应的圆弧的中心，确定该干扰小区内被干扰最强的中心位置。然后根据各被干扰小区分别对应的中心位置，确定每个被干扰小区的干扰源位置，从而实现准确地确定干扰源位置，避免人工效率对干扰源确定的效率的影响，提升了干扰源排查定位的效率。此外，在确定干扰源的过程中，无需其它配套的探测设备，降低了干扰源的排查定位所耗费的成本，通用性更好。
实施例1：
图1为本发明实施例提供了一种干扰源确定过程示意图，该过程包括：
S101：确定每个被干扰小区。
本发明实施例提供的干扰源确定方法应用于电子设备，该电子设备可以是智能设备，比如，移动终端、笔记本电脑等，也可以是服务器等。
其中，被干扰小区为受到干扰源影响的小区。
在一种可能的实施方式中，确定被干扰小区的方法可以包括如下几种方式：
方式1、由于干扰源的存在，严重影响被干扰源小区内用户的生活。因此，可以根据各小区内的用户的行为信息，从各小区中确定被干扰小区。
其中，该行为信息可以包括用户的投诉量、网络好评率等。
在一种示例中，根据各小区分别对应的用户投诉量，将投诉量较多的小区确定为被干扰小区。例如，按照用户投诉量从多到少的顺序，将排序在前的预设数量的小区确定为被干扰小区；或，将对应的用户投诉量大于预设投诉阈值的小区确定为被干扰小区。
在另一种示例中，根据各小区分别对应的网络好评率，将网络好评率较低的小区确定为被干扰小区。例如，按照网络好评率从低到高的顺序，将排序在前的预设数量的小区确定为被干扰小区；或，将对应的网络好评率小于预设投诉阈值的小区确定为被干扰小区。
方式2、工作人员可以手动输入被干扰小区的小区标识，后续电子设备可以根据接收到的小区标识，确定被干扰小区。
其中，电子设备接收到的小区标识可以是自身采集的，也可以是其它设备发送的。
方式3、电子设备可以根据各小区在预设时间段内的干扰指标，从各小区中确定被干扰小区。
在本发明实施例中，电子设备可以获取到各小区在预设时间段内的干扰指标，例如，该干扰指标为该小区在预设时间段内小时级的干扰指标，该干扰指标中至少包括干扰强度(例如，上行干扰强度值)。可选的，该干扰指标包括如下日期、小时、基站标识、小区标识。
示例性的，电子设备获取到的干扰指标中包括的每个字段的字段名称，每个字段的类型以及每个字段的说明可通过如下表进行标识：
| 字段名称 | 类型 | 说明 |
| 日期 | TIMESTAMP(6) | 日期 |
| 小时 | TIMESTAMP(6) | 小时(0～23) |
| ENB | INT | 基站标识 |
| CELLID | INT | 小区标识 |
| 上行干扰 | FLOAT | 上行干扰强度值 |
由于受到干扰源影响的小区的干扰指标中包含的干扰强度一般比较大，且在较长时间内该小区都会被干扰源影响，因此，在本发明实施例中，预先配置有预设强度阈值(记为第一预设强度阈值)，以及数量阈值(记为第一预设数量阈值)，其中，该第一预设强度阈值用于指示受干扰源影响的干扰指标中干扰强度的最小值，该第一预设数量阈值用于指示被干扰小区受到干扰源影响的最少次数，也就是说，该第一预设数量阈值用于指示被干扰小区受到干扰源影响的最短时长。当获取到任一小区在预设时间段内的每个干扰指标后，可以根据该小区在预设时间段内的每个干扰指标中包含的干扰强度，确定包含有大于第一预设强度阈值的干扰强度的参考干扰指标(记为第一参考干扰指标)。然后判断该第一参考干扰指标的总数量是否大于第一预设数量阈值，若确定第一参考干扰指标的总数量大于第一预设数量阈值，则确定该小区为被干扰小区；若确定第一参考干扰指标的总数量不大于第一预设数量阈值，则确定该小区不为被干扰小区。
示例性的，预设时间段为D天，第一预设强度阈值为SINR_THR1，第一预设数量阈值为SINR_THR2，电子设备可以从关键性能指标(Key Performance Indicator，KPI)网管获取到任一小区在D天内小时级的至少一个干扰指标后，可以根据该至少一个干扰指标中包含的干扰强度，确定包含有大于SINR_THR1的干扰强度的第一参考干扰指标。然后判断该第一参考干扰指标的总数量是否大于SINR_THR2，若确定第一参考干扰指标的总数量大于SINR_THR2，则确定该小区为被干扰小区，并记录该小区的关键字段信息。该小区的关键字段信息可通过下表进行表示：
由于一个干扰源可能干扰到多个相邻的小区，因此，当基于上述的方式确定了被干扰小区后，可以获取与该被干扰小区相邻的其它小区。根据其它小区的干扰情况，从各其它小区中确定被干扰小区。为了区别两种不同方式确定的被干扰小区，可以将基于上述的方式确定的被干扰小区确定为主被干扰小区，将从与该主被干扰小区相邻的其它小区中确定的被干扰小区确定为辅被干扰小区。
在一种可能的实施方式中，为了获取与该主被干扰小区相邻的其它小区，电子设备可以获取各小区的工参信息，例如，从工参平台获取各小区的工参信息。其中，该工参信息中至少包括地市、基站标识、基站类型、基站经度、基站纬度等。可选的，该工参信息中还可以包括小区标识。例如，获取到的工参信息所包含的每个字段的字段名称、每个字段的类型以及每个字段的说明可通过如下表进行标识：
电子设备获取到各小区的工参信息后，可以从各小区的工参信息中提取站点信息，后续可以通过该提取到的站点信息，生成创建泰森多边形。
示例性的，该站点信息所包含的每个字段的字段名称及每个字段包含的具体内容可通过如下表进行标识：
| 地市 | ENB | 基站类型 | 经度 | 纬度 |
| 沧州 | 94294 | 宏站 | 116.869 | 38.32122 |
| 沧州 | 94283 | 宏站 | 116.8639 | 38.32152 |
| 沧州 | 94311 | 宏站 | 116.8667 | 38.32455 |
| 沧州 | 94293 | 宏站 | 116.8656 | 38.31991 |
| 沧州 | 572169 | 宏站 | 116.8693 | 38.31938 |
| … | … | … | … | … |
然后电子设备可以根据该泰森多边形中包含的各个小区之间的邻接关系，确定与主被干扰小区所属基站相邻的其它基站。
在一种可能的实施方式中，可以预先配置有层值，以通过该层值指示与该主被干扰小区所属基站相邻的其它基站，与该主被干扰小区所述基站之间所能间隔的基站的最大数量。
根据确定的其它基站所包含的小区，确定与该主被干扰小区相邻的其它小区。例如，下表为根据确定的其它基站所包含的小区，确定与该主被干扰小区相邻的其它小区的关键字段信息：
由于受到干扰源影响的小区的干扰指标中包含的干扰强度一般比较大，且在较长时间内该小区都会被干扰源影响，因此，在本发明实施例中，预先配置有预设强度阈值(记为第二预设强度阈值)，以及数量阈值(记为第二预设数量阈值)，其中，该第二预设强度阈值用于指示其它小区受干扰源影响的干扰指标中干扰强度的最小值，该第二预设数量阈值用于指示其它小区受到干扰源影响的最少次数，也就是说，该第二预设数量阈值用于指示其它小区受到干扰源影响的最短时长。
其中，考虑到其它小区受到的干扰强度一般比主被干扰小区受到的干扰强度小，因此，在设置该第二预设强度阈值时，该第二预设强度阈值小于该第一预设强度阈值。
需要说明的是，该第二预设数量阈值可以与第一预设数量阈值相同，也可以不相同。
当电子设备获取到任一其它小区在预设时间段内的每个干扰指标后，可以根据该其它小区在预设时间段内的每个干扰指标中包含的干扰强度，确定包含有大于第二预设强度阈值的干扰强度的参考干扰指标(记为第二参考干扰指标)。然后判断该第二参考干扰指标的总数量是否大于第二预设数量阈值，若确定第二参考干扰指标的总数量大于第二预设数量阈值，则确定该其它小区为被干扰其它小区；若确定第二参考干扰指标的总数量不大于第二预设数量阈值，则确定该其它小区不为被干扰其它小区。
示例性的，预设时间段为D天，第二预设强度阈值为SINR_THR3，第二预设数量阈值为SINR_THR2，电子设备获取到任一其它小区在D天内小时级的至少一个干扰指标后，可以根据该至少一个干扰指标中包含的干扰强度，确定包含有大于SINR_THR3的干扰强度的第二参考干扰指标。然后判断该第二参考干扰指标的总数量是否大于SINR_THR2，若确定第二参考干扰指标的总数量大于SINR_THR2，则确定该其它小区为辅被干扰小区，并记录该辅被干扰小区的关键字段信息。示例性的，该辅被干扰小区的关键字段信息可通过下表进行表示：
| 基站标识ENB | 小区标识CELLID | 基站类型 | 干扰次数 | 备注 |
| 94293 | 50 | 宏站 | 18 | 辅被干扰小区 |
| 94311 | 54 | 宏站 | 21 | 辅被干扰小区 |
| 94294 | 61 | 宏站 | 22 | 辅被干扰小区 |
| 94294 | 63 | 宏站 | 20 | 辅被干扰小区 |
| 94299 | 9 | 宏站 | 25 | 辅被干扰小区 |
| … | … | … | … | … |
需要说明的是，电子设备可以按照预设的周期确定被干扰小区，也可以在预设的时间点确定被干扰小区，当然还可以在接收到控制指令后，确定被干扰小区。例如，工作人员可以通过智能设备输入干扰源确定的控制指令，智能设备接收到该控制指令后，将该控制指令发送至进行干扰源确定的电子设备。电子设备接收到该控制指令后，即可确定被干扰小区。
S102：针对所述每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，并基于所述终端位置，确定等高线；根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置。
基于上述的实施例确定了每个被干扰小区后，可以根据获取到的被干扰小区的信息，比如，小区标识，或，小区标识以及基站标识，获取各被干扰小区内每个终端的测量报告(MR)。例如，电子设备根据主被干扰小区及辅被干扰小区的信息，基于FTP/SFTP协议，从服务器下载主被干扰小区及辅被干扰小区内终端测量的MR，并保存至本地路径。
其中，该MR至少包括终端位置(包括MR测量上报经度以及MR测量上报纬度)、以及为该终端服务的小区(记为服务小区)的信号与干扰加噪声比(Signal to Interferenceplus Noise Ratio，SINR)，如上行SINR。可选的，该MR还可以包括终端(UE)的样本测量时间、基站标识、小区标识、服务小区参考信号接收功率。
示例性的，下表为MR中包含的各字段的字段名称、各字段的类型以及各字段的说明：
当获取到各被干扰小区内每个终端的测量报告后，可以针对每个被干扰小区，根据该被干扰小区内的每个终端测量的测量报告中包含的上行SINR，确定测量到最小上行SINR的终端的终端位置，这样可以准确地确定出被干扰小区内受干扰源影响较大的终端所在的位置，进而方便后续根据确定的每个终端位置，准确地确定出被干扰小区内受干扰源影响最大的区域的位置。
为避免信号质量、以及终端与小区之间距离，对测量报告中的上行SINR的影响，在本发明实施例中，预先配置有功率阈值(记为预设功率阈值)以及距离阈值(记为预设距离阈值)，以通过该预设功率阈值，筛选出测量到参考信号接收功率较高的测量报告，避免信号质量对测量报告中的上行SINR的影响，通过该预设距离阈值，筛选出距离该被干扰小区的小区位置较近的测量报告，避免终端与小区之间的距离对测量报告中的上行SINR的影响。具体的，电子设备获取到任一被干扰小区内每个终端的测量报告后，获取该被干扰小区的小区位置。然后针对该被干扰小区内每个终端的测量报告，确定该测量报告包含的终端位置与该小区位置之间的距离(记为第一距离)；若确定该测量报告中包含的参考信号接收功率大于预设功率阈值，且所述第一距离小于预设距离阈值，则确定该测量报告为所述有效测量报告。也就是说，该有效测量报告为该被干扰小区内只受干扰源影响的终端的测量报告。根据该被干扰小区内每个终端的测量报告中包含的上行SINR，确定最小上行SINR。获取包含该最小上行SINR的目标有效测量报告，并从该目标有效测量报告中获取终端位置。
示例性的，假设预设功率阈值为RSRP_THR，预设距离阈值为DIS_THR，电子设备获取到任一被干扰小区内每个终端的测量报告后，获取该被干扰小区的小区位置。然后针对该被干扰小区内每个终端的测量报告，确定该测量报告包含的终端位置与该小区位置之间的第一距离。若确定该测量报告中包含的参考信号接收功率大于RSRP_THR，且第一距离小于DIS_THR，则确定该测量报告为所述有效测量报告。
需要说明的是，该第一距离可以是欧式距离，也可以是余弦距离、汉明距离等。具体实施过程中，可以根据实际需求进行灵活设置，在此不做具体限定。
当确定了任一被干扰小区内测量到最小上行SINR的终端的终端位置后，根据每个终端位置，可以生成等高线，从而根据该等高线，确定该被干扰小区内受干扰源影响较大的区域。
在一种可能的实施方式中，可以根据每个终端位置以及预设的插值算法，生成等高线。
在一种可能的实施方式中，为了方便根据每个终端位置确定等高线，在获取到该被干扰小区内每个终端的测量报告后，可以对该测量报告中包含的数据进行栅格化，后续根据每个栅格化的终端位置，确定等高线。
示例性的，电子设备获取到任一MR后，可以对该MR进行逐层解压，将该MR解析成xml格式的MR文件，然后对该MR文件中的关键字段进行栅格化，将栅格化的MR文件导入数据库，以方便后续根据栅格化的MR文件中获取栅格化的终端位置。
当基于上述的实施例确定了等高线后，即可根据该等高线所圈定的区域，确定该被干扰小区内被干扰最强的区域，进而根据该区域中确定该被干扰小区内被干扰最强的中心位置。
在一种可能的实施方式中，考虑到等高线一般为曲线，可以确定该等高线所对应的圆弧，将该圆弧的中心确定为该被干扰小区内被干扰最强的中心位置。
在一种可能的实施方式中，一个被干扰小区内可能存在多个被干扰最强的区域的情况，即基于获取到的终端位置所确定的等高线是多条，则针对每条等高线，均可采用上述的方法确定该等高线所对应的圆弧的中心，进而根据每条等高线分别对应的圆弧的中心，确定该被干扰小区内被干扰最强的多个中心位置。
例如，可以通过如下公式表示被干扰小区内被干扰最强的多个中心位置：
SINRmin＝{Pi,j}；
Pi,j＝[ContourLoni,j，ContourLati,j]
其中，Pi,j表示第i个被干扰小区内第j个中心位置，该中心位置Pi,j可以表示为[ContourLoni,j，ContourLati,j]，ContourLoni,j，ContourLati,j分别表示该第i个被干扰小区对应的第j个中心位置中包含的经度和纬度。
示例性的，在确定该等高线对应的圆弧时，可以提取该等高线的边界信息，即位于该等高线上的多个坐标。根据该多个坐标进行拟合，即可获取到该等高线所对应的圆弧。
例如，下表为各被干扰小区分别对应的等高线的边界信息、以及各被干扰小区分别对应的中心位置：
S103：根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置。
当基于上述的实施例获取到每个被干扰小区分别对应的中心位置后，即可确定每个被干扰小区内受同一干扰源影响较大的位置，而一般情况下，干扰源会位于该各个中心位置的附近。因此，在本发明实施例中，可以根据获取到的每个中心位置，确定影响每个被干扰小区的干扰源的位置(记为干扰源位置)。
在本发明实施例中，当确定了每个被干扰小区分别对应的中心位置后，可以针对每个被干扰小区，将该被干扰小区的小区位置分别与该被干扰小区对应的各所述中心位置的连线。根据确定的所有连线，可以确定各被干扰小区受到干扰的方向及范围。
示例性的，若第i个被干扰小区的小区位置为[CellLoni，CellLati]，该第i个被干扰小区对应的第j个中心位置为[ContourLoni,j，ContourLati,j]，则第i个被干扰小区的小区位置与该第i个被干扰小区对应的第j个中心位置的连线Li,j可以通过如下公式表示：
Li,j＝([CellLoni，CellLati]，[ContourLoni,j，ContourLati,j])
其中，CellLoni，CellLati分别表示第i个被干扰小区的小区位置中包含的经度和纬度，ContourLoni,j，ContourLati,j分别表示该第i个被干扰小区对应的第j个中心位置中包含的经度和纬度。
可以将包含有所有被干扰小区分别对应的连线的集合确定为RAY，该集合RAY可以通过如下公式表示：
RAY＝{Li,j}
其中，Li,j表示第i个被干扰小区与该第i个被干扰小区对应的第j个中心位置的连线，根据射线集合可以得到各小区受到干扰的方向及范围。
当基于上述的实施例确定了各被干扰小区有分别对应的连线之后，可以确定所有连线之间的交点。
示例性的，确定包含所有连线之间的交点的集合INTERSECTIONS可通过如下表达式表示：
INTERSECTIONS＝{PTn}
其中，PTn＝{CrLonn，CrLatn},CrLonn，CrLatn分别表示第n个交点的位置信息中包含的经度和纬度。
可以理解的是，所有连线之间的交点表示在所有被干扰小区中受到影响比较大的位置，这些位置对于确定被干扰小区的干扰源位置有着重要的参考意义。
在本发明实施例中，当确定了所有连线之间的交点之后，可以通过如下方式确定被干扰小区的干扰源位置：
方式A、由于可能存在所有连线之间的交点的数量比较少，基于这些交点所确定的干扰源位置可能不够准确，且容易受到错误的交点的位置信息的影响。因此，在本发明实施例中，预先设定有第二交点数量。若交点的总数量不大于设定的第二交点数量，则基于每个中心位置对应的均值位置信息，确定目标位置信息。
方式B、由于可能存在所有连线之间的交点的数量比较多，基于这些交点，即可确定比较准确地干扰源位置。因此，在本发明实施例中，可以根据交点的位置信息，确定每个被干扰小区的干扰源位置。
在一种示例中，预先设定有第一交点数量。若所述交点的总数量大于设定的第一交点数量，则在所述交点中选取部分交点作为有效交点。然后根据所述有效交点的位置信息及最小凹包算法，确定所述有效交点中是否存在边界点，若是，则基于每个所述边界点的位置信息，确定所述目标位置信息。
在所述交点中选取部分交点作为有效交点时，可以对每个交点进行聚类；根据获取到的聚类结果，确定所述有效交点。
在一种示例中，可以通过K-means聚类算法、基于密度的噪声应用空间聚类算法(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)、模糊均值聚类算法等确定。
其中，在采用DBSCAN聚类算法对每个角度进行聚类时，可以通过如下方式确定聚类半径：
获取每个所述交点之间的第二距离。按照所述第二距离从小到大的顺序，确定每个所述第二距离分别对应的序号。根据每个所述第二距离以及每个所述第二距离分别对应的序号，确定每个参考坐标。根据所述每个参考坐标之间的第三距离，确定第三距离最大值所对应的两个参考坐标。确定所述每个参考坐标到目标直线之间的第四距离；其中，所述目标直线为经过所述第三距离最大值所对应的两个参考坐标的直线。将第四距离最大值所对应的参考坐标中包含的第三距离，确定为所述聚类半径。
其中，该距离(包括第二距离、第三距离以及第四距离)可以是欧式距离，也可以是余弦距离等其它距离，具体实施过程中可以根据需求进行灵活设置。
当基于上述的实施例确定了聚类半径后，即可通过DSCAN聚类算法以及所述聚类半径，对每个所述交点进行聚类。
在一种示例中，获取聚类结果后，根据该聚类结果，随机确定预设数量的类中包含的交点为有效交点。
在另一种示例中，获取聚类结果后，确定聚类结果中确定的每个类中包含的交点的数量。按照该数量从大到小的顺序，将排序在前的预设数量的类中包含的交点确定为所述有效交点。
在一种可能的实施方式中，在根据该聚类结果，确定有效交点之前，可以根据该聚类结果，可以确定出所有交点中的噪声交点，并将该噪声交点删除以避免噪声交点对干扰源位置的确定的影响。
示例性的，假设第一预设交点数量为NUM1，若交点的总数量大于NUM1，则获取每个所述交点之间的第二距离。包含每个第二距离的距离矩阵D表达式如下所示：
其中dm,n表示第m个交点到第n个交点之间的第二距离。
由于距离矩阵D是对称矩阵，可以仅保留对角线以上或以下的元素，并对其按照第二距离大小重新排序，生成新的矩阵D′，该新的矩阵D′表达式如下所示：
可以通过矩阵D′中的每一行包含的第二距离以及该第二距离对应的序号，确定参考坐标。然后根据所述每个参考坐标分别包含的序号，确定包含的序号之间差值最大所对应的两个参考坐标，即矩阵D′中包含的序号为1和序号为n*(n-1)/2的两个参考坐标，并确定经过这两个参考坐标的目标直线L′，该目标直线L′表达式如下所示：
Ps＝(d1,n,1)
Pe＝(dm,n,n*(n-1)/2)
L′＝f1(Ps,Pe)
其中，Ps为包含的序号为1的参考坐标，Pe为包含的序号为n*(n-1)/2的参考坐标。
然后确定矩阵D′中的每个参考坐标到该目标直线L′之间的第四距离，该第四距离的表达式如下所示：
di ′＝f2(D′(i),L′)
其中di ′表示第i个参考坐标到目标直线L′的第四距离，D′(i)表示矩阵D′中的包含的序号为i的参考坐标，如(d1,n,1)，i的取值范围为1≤i≤n*(n-1)/2。
可以根据获取到的每个第四距离，生成距离矩阵d′，该距离矩阵d′的表达式如下所示：
其中，
表示序号为n*(n-1)/2的参考坐标到目标直线L′的第四距离。
可以从距离矩阵d′中，确定第四距离最大值所对应的参考坐标中包含的第三距离。
dmax,i＝Max(d′)
其中，dmax表示距离矩阵d′中的第四距离最大值，i表示dmax所对应的参考坐标中包含的序号，根据序号i以及矩阵D′，即可确定序号i所对应的第三距离。
可以将上述获取到的第三距离dm,n，确定为聚类半径r，即r＝dm,n。然后将聚类半径r、类中需要包含的最小交点个数阈值Pointsthr以及每个交点导入DBSCAN聚类算法中，即可得到每个类和噪点交点。
Label＝dbscan(eps＝r,min_samples＝Pointsthr).fit_predict(INTERSECTIONS)
其中，Label表示每个交点的分类标签，eps表示聚类半径。
在另一种示例中，预先设定有第一交点数量以及第二交点数量，其中，第二交点数量小于第一交点数量。若所述交点的总数量大于设定的第二交点数量且不大于所述第一交点数量，或所述有效交点中不存在边界点，则根据所述交点的位置信息及最小凹包算法，确定所述交点中的是否存在边界点，若是，则基于每个所述边界点的位置信息，确定所述目标位置信息；否则，基于所述交点的位置信息对应的均值位置信息，确定所述目标位置信息。
在一种可能的实施方式中，预先还设定有第三交点数量，该第三交点数量大于第二交点数量，且小于第一交点数量。若确定所述总数量大于设定的第三交点数量，且不大于所述第一交点数量，则根据所述交点的位置信息及最小凹包算法，确定有效交点；根据所述有效交点，对所述交点进行更新。
在一种示例中，基于每个所述边界点的位置信息，确定所述目标位置信息时，可以根据每个边界点的位置信息所确定的均值位置信息，确定该目标位置信息。
由于在干扰源确定的过程中，可以针对每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，从而准确地确定出该被干扰小区内被干扰源影响较强的终端位置，有利于后续基于确定的终端位置，确定等高线，从而根据该等高线所圈定的区域，确定该被干扰小区内被干扰源影响较强的区域。根据该等高线对应的圆弧的中心，确定该干扰小区内被干扰最强的中心位置。然后根据各被干扰小区分别对应的中心位置，确定每个被干扰小区的干扰源位置，从而实现准确地确定干扰源位置，避免人工效率对干扰源确定的效率的影响，提升了干扰源排查定位的效率。此外，在确定干扰源的过程中，无需其它配套的探测设备，降低了干扰源的排查定位所耗费的成本，通用性更好。
实施例2：
下面通过具体的实施方式对本发明实施例提供的干扰源确定方法进行详细的说明，图2为本发明实施例提供的具体的干扰源确定流程示意图，该流程包括：
S201：确定主被干扰小区。
其中，具体的确定主被干扰小区的过程可以如图3所示，图3为本发明实施例提供的具体的确定主被干扰小区的流程示意图，该流程包括：
S301：从KPI网管获取到任一小区在D天内小时级的至少一个干扰指标。
S302：根据该至少一个干扰指标中包含的干扰强度，确定包含有大于SINR_THR1的干扰强度的第一参考干扰指标。
S303：确定第一参考干扰指标的总数量大于SINR_THR2，则确定该小区为主被干扰小区。
S202：确定辅被干扰小区。
其中，具体的确定辅被干扰小区的过程可以如图4所示，图4为本发明实施例提供的具体的确定辅被干扰小区的流程示意图，该流程包括：
S401：从工参平台获取各小区的工参信息。
S402：从各小区的工参信息中提取站点信息，并通过该提取到的站点信息，生成创建泰森多边形。
S403：根据该泰森多边形中包含的各个小区之间的邻接关系，确定与主被干扰小区所属基站相邻的其它基站，并根据确定的其它基站所包含的小区，确定与该主被干扰小区相邻的其它小区。
图5为本发明实施例提供的一种泰森多边形示意图。如图5所示，主被干扰小区所属基站为S1，与主被干扰小区所属基站相邻S1的其它基站有Ni1～Ni9。
S404：针对每个其它小区，根据该其它小区在预设时间段内的每个干扰指标中包含的干扰强度，确定包含有大于第二预设强度阈值的干扰强度的第二参考干扰指标；若第二参考干扰指标的总数量大于第二预设数量阈值，则确定该其它小区为被干扰小区。
其中，第二预设强度阈值小于第一预设强度阈值。
对于任一被干扰小区，执行下述S203～S205：
S203：根据该被干扰小区内每个终端的测量报告中包含的上行SINR，确定测量到最小上行SINR的终端的终端位置。
其中，具体的确定测量到最小上行SINR的终端的终端位置的过程可以如图6所示，图6为本发明实施例提供的具体的测量到最小上行SINR的终端的终端位置的流程示意图，该流程包括：
S601：根据获取到的被干扰小区的信息，获取该被干扰小区内每个终端的MR。
S602：对接收到的MR进行逐层解压并栅格化，将栅格化的MR导入数据库。
S603：针对每个栅格化的MR，确定该栅格化的MR包含的终端位置与该被干扰小区的小区位置之间的第一距离；若确定该栅格化的MR中包含的参考信号接收功率大于预设功率阈值，且第一距离小于预设距离阈值，则确定该栅格化的MR为有效栅格化的MR。
S604：基于每个有效栅格化的MR中包含的上行SINR，确定包含最小上行SINR的目标有效测量报告，并获取目标有效测量报告中包含的终端位置。
S204：基于终端位置，确定等高线。
其中，根据每个终端位置以及预设的插值算法，生成至少一条等高线。
图7为本发明实施例提供的一种等高线差值示意图，如图7所示，在横轴为经度，纵轴为纬度的坐标系中，可以用圆形的标识点定位个终端位置，用三角形的标识点定位通过插值算法填充的数值。
S205：针对该至少一条等高线，根据等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置。
其中，针对该至少一条等高线，提取该等高线的边界信息，对边界信息进行拟合，获取圆弧，将该圆弧的中心确定为该被干扰小区内被干扰最强的中心位置。
S206：根据每个中心位置，确定每个被干扰小区的干扰源位置。
其中，具体的确定每个被干扰小区的干扰源位置的过程可以如图8所示，图8为本发明实施例提供的具体的确定每个被干扰小区的干扰源位置的流程示意图，该流程包括：
S801：确定各被干扰小区分别对应的连线。
其中，针对每个被干扰小区，将该被干扰小区的小区位置分别与该被干扰小区对应的各中心位置的连线，从而获取包含各被干扰小区分别对应的连线之间的交点的集合，以根据该集合，确定各被干扰小区受到干扰的方向及范围。
图9为本发明实施例提供的一种确定被干扰小区受到干扰的方向及范围的示意图。如图9所示，在横轴为经度，纵轴为纬度的坐标系中，该被干扰小区C1对应的各中心位置分别为P1,1～P1,9，该被干扰小区C1分别与P1,1～P1,9的连线为L1,1～L1,9。
S802：确定所有连线之间的交点。
S803：若交点的总数量不大于设定的第二交点数量，则基于每个中心位置对应的均值位置信息，确定目标位置信息。
S804：若交点的总数量大于设定的第一交点数量，则对每个交点进行聚类，根据获取到的聚类结果，确定有效交点。
其中，具体的对每个交点进行聚类的过程，包括：获取每个交点之间的第二距离；按照第二距离从小到大的顺序，确定每个第二距离分别对应的序号；根据每个第二距离以及每个第二距离分别对应的序号，确定每个参考坐标；根据每个参考坐标分别包含的序号，确定包含的序号之间差值最大所对应的两个参考坐标；确定每个参考坐标到目标直线之间的第四距离；其中，目标直线为经过第三距离最大值所对应的两个参考坐标的直线；将第四距离最大值所对应的参考坐标中包含的第三距离，确定为聚类半径；通过基于密度的噪声应用空间聚类算法以及聚类半径，对每个交点进行聚类。
图10为本发明实施例提供的一种聚类半径的示意图。在横轴为序号，纵轴为第三距离的坐标系中，采用上述确定聚类半径的方法，确定(31,0.00087)的参考坐标中包含的第三距离0.00087为聚类半径。
S805：根据有效交点的位置信息及最小凹包算法，确定有效交点中是否存在边界点，若是，执行S806，否则，执行S807。
S806：基于每个边界点的位置信息，确定目标位置信息。
S807：根据交点的位置信息及最小凹包算法，确定交点中的是否存在边界点，若是，执行S806，否则，执行S811。
S808：若交点的总数量大于设定的第二交点数量且不大于第一交点数量，则判断该总数量是否大于设定的第三交点数量，若是，执行S809，否则，执行S810。
S809：根据交点的位置信息及最小凹包算法，确定有效交点，并根据有效交点，对交点进行更新。
S810：根据交点的位置信息及最小凹包算法，确定交点中的是否存在边界点，若是，执行S806，否则，执行S811。
S811：基于交点的位置信息对应的均值位置信息，确定目标位置信息。
图11和图12均为本发明实施例提供的干扰源定位效果示意图。如图11和图12所示，采用本申请确定的干扰源的目标位置信息，与该干扰源的实际位置信息之间的误差距离偏差不大。
图13为本发明实施例提供的干扰源定位误差的统计图。采用本发明实施例提供的干扰源确定方法，对130个外部干扰源进行定位及效果验证，统计不同距离误差区间段的数量及占比情况，从图13可以看到600米以内的占比高达86.92％，确定干扰源位置的准确性非常的理想。
实施例3：
本发明实施例提供了一种干扰源确定装置，图14为本发明实施例提供的一种干扰源确定装置的结构示意图，该装置包括：
第一处理单元1401，用于确定每个被干扰小区；
第二处理单元1402，用于针对所述每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，并基于所述终端位置，确定等高线；根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置；
第三处理单元1403，用于根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置。
进一步地，所述第一处理单元1401，具体用于针对每个小区，根据该小区在预设时间段内的每个干扰指标中包含的干扰强度，确定包含有大于第一预设强度阈值的干扰强度的第一参考干扰指标；若所述第一参考干扰指标的总数量大于第一预设数量阈值，则确定该小区为被干扰小区。
进一步地，所述第一处理单元1401，具体用于确定该小区为被干扰小区之后，获取与所述被干扰小区相邻的其它小区；针对每个所述其它小区，根据该其它小区在所述预设时间段内的每个干扰指标中包含的干扰强度，确定包含有大于第二预设强度阈值的干扰强度的第二参考干扰指标；若所述第二参考干扰指标的总数量大于第二预设数量阈值，则确定该其它小区为被干扰小区，其中所述第二预设强度阈值小于所述第一预设强度阈值。
进一步地，所述第二处理单元1402，具体用于获取该被干扰小区的小区位置；针对每个所述测量报告，确定该测量报告包含的终端位置与所述小区位置之间的第一距离；若确定该测量报告中包含的参考信号接收功率大于预设功率阈值，且所述第一距离小于预设距离阈值，则确定该测量报告为所述有效测量报告；基于每个所述有效测量报告中包含的信号与干扰加噪声比，确定包含所述最小信号与干扰加噪声比的目标有效测量报告，并获取所述目标有效测量报告中包含的终端位置。
进一步地，所述第三处理单元1403，具体用于针对所述每个被干扰小区，将该被干扰小区的小区位置分别与该被干扰小区对应的各所述中心位置的连线；确定所有所述连线之间的交点；根据所述交点的位置信息，确定所述每个被干扰小区的干扰源位置。
进一步地，所述第三处理单元1403，具体用于若所述交点的总数量大于设定的第一交点数量，则在所述交点中选取部分交点作为有效交点；根据所述有效交点的位置信息及最小凹包算法，确定所述有效交点中是否存在边界点，若是，则基于每个所述边界点的位置信息，确定所述目标位置信息；
所述第三处理单元1403，具体用于若所述交点的总数量大于设定的第二交点数量且不大于所述第一交点数量，或所述有效交点中不存在边界点，则根据所述交点的位置信息及最小凹包算法，确定所述交点中的是否存在边界点，若是，则基于每个所述边界点的位置信息，确定所述目标位置信息；否则，基于所述交点的位置信息对应的均值位置信息，确定所述目标位置信息；其中，所述第二交点数量小于所述上限交点数量。
进一步地，所述第三处理单元1403，具体用于对每个所述交点进行聚类；根据获取到的聚类结果，确定所述有效交点。
进一步地，所述第三处理单元1403，具体用于获取每个所述交点之间的第二距离；按照所述第二距离从小到大的顺序，确定每个所述第二距离分别对应的序号；根据每个所述第二距离以及每个所述第二距离分别对应的序号，确定每个参考坐标；根据所述每个参考坐标分别包含的序号，确定包含的序号之间差值最大所对应的两个参考坐标；确定所述每个参考坐标到目标直线之间的第四距离；其中，所述目标直线为经过所述第三距离最大值所对应的两个参考坐标的直线；将第四距离最大值所对应的参考坐标中包含的第三距离，确定为所述聚类半径；通过基于密度的噪声应用空间聚类算法以及所述聚类半径，对每个所述交点进行聚类。
进一步地，所述第三处理单元1403，具体用于获取所述聚类结果中确定的每个类中包含的交点的数量；按照所述数量从大到小的顺序，将排序在前的预设数量的类中包含的交点确定为所述有效交点。
进一步地，所述第三处理单元1403，具体用于确定所述交点的总数量大于设定的第二交点数量且不大于所述第一交点数量之后，所述根据所述交点的位置信息及最小凹包算法，确定所述交点中的是否存在边界点之前，若确定所述总数量大于设定的第三交点数量，且不大于所述第一交点数量，则根据所述交点的位置信息及最小凹包算法，确定有效交点；其中，所述第三交点数量大于所述第二交点数量；根据所述有效交点，对所述交点进行更新。
进一步地，所述第三处理单元1403，具体用于针对所述每个被干扰小区，将该被干扰小区的小区位置分别与该被干扰小区对应的各所述中心位置的连线；确定所有所述连线之间的交点；若所述交点的总数量不大于设定的第二交点数量，则基于每个所述中心位置对应的均值位置信息，确定所述目标位置信息。
进一步地，所述第二处理单元1402，具体用于提取所述等高线的边界信息；对所述边界信息进行拟合，获取所述圆弧。
由于在干扰源确定的过程中，可以针对每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，从而准确地确定出该被干扰小区内被干扰源影响较强的终端位置，有利于后续基于确定的终端位置，确定等高线，从而根据该等高线所圈定的区域，确定该被干扰小区内被干扰源影响较强的区域。根据该等高线对应的圆弧的中心，确定该干扰小区内被干扰最强的中心位置。然后根据各被干扰小区分别对应的中心位置，确定每个被干扰小区的干扰源位置，从而实现准确地确定干扰源位置，避免人工效率对干扰源确定的效率的影响，提升了干扰源排查定位的效率。此外，在确定干扰源的过程中，无需其它配套的探测设备，降低了干扰源的排查定位所耗费的成本，通用性更好。
实施例4：
在上述实施例的基础上，本申请实施例还提供了一种电子设备，图15为本申请实施例提供的一种电子设备的结构示意图，如图15所示，包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信；
存储器1503中存储有计算机程序，当程序被处理器1501执行时，使得处理器1501执行如下步骤：
确定每个被干扰小区；
针对所述每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，并基于所述终端位置，确定等高线；根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置；
根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置。
由于上述电子设备解决问题的原理与干扰源确定方法相似，因此上述电子设备的实施可以参见方法的实施例，重复之处不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口1502用于上述电子设备与其他设备之间的通信。存储器可以包括随机存取存储器(RandomAccess Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字指令处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
由于在干扰源确定的过程中，可以针对每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，从而准确地确定出该被干扰小区内被干扰源影响较强的终端位置，有利于后续基于确定的终端位置，确定等高线，从而根据该等高线所圈定的区域，确定该被干扰小区内被干扰源影响较强的区域。根据该等高线对应的圆弧的中心，确定该干扰小区内被干扰最强的中心位置。然后根据各被干扰小区分别对应的中心位置，确定每个被干扰小区的干扰源位置，从而实现准确地确定干扰源位置，避免人工效率对干扰源确定的效率的影响，提升了干扰源排查定位的效率。此外，在确定干扰源的过程中，无需其它配套的探测设备，降低了干扰源的排查定位所耗费的成本，通用性更好。
实施例5：
在上述各实施例的基础上，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质内存储有可由处理器执行的计算机程序，当程序在处理器上运行时，使得处理器执行时实现如下步骤：
确定每个被干扰小区；
针对所述每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，并基于所述终端位置，确定等高线；根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置；
根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置。
由于上述计算机可读存储介质解决问题的原理与干扰源确定方法相似，因此上述计算机可读存储介质的实施可以参见方法的实施例，重复之处不再赘述。
由于在干扰源确定的过程中，可以针对每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，从而准确地确定出该被干扰小区内被干扰源影响较强的终端位置，有利于后续基于确定的终端位置，确定等高线，从而根据该等高线所圈定的区域，确定该被干扰小区内被干扰源影响较强的区域。根据该等高线对应的圆弧的中心，确定该干扰小区内被干扰最强的中心位置。然后根据各被干扰小区分别对应的中心位置，确定每个被干扰小区的干扰源位置，从而实现准确地确定干扰源位置，避免人工效率对干扰源确定的效率的影响，提升了干扰源排查定位的效率。此外，在确定干扰源的过程中，无需其它配套的探测设备，降低了干扰源的排查定位所耗费的成本，通用性更好。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (15)
1.一种干扰源确定方法，其特征在于，所述方法包括：
确定每个被干扰小区；
针对所述每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，并基于所述终端位置，确定等高线；根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置；
根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置。
2.根据权利要求1所述的方法，其特征在于，所述确定每个被干扰小区，包括：
针对每个小区，根据该小区在预设时间段内的每个干扰指标中包含的干扰强度，确定包含有大于第一预设强度阈值的干扰强度的第一参考干扰指标；若所述第一参考干扰指标的总数量大于第一预设数量阈值，则确定该小区为被干扰小区。
3.根据权利要求2所述的方法，其特征在于，所述确定该小区为被干扰小区之后，所述方法还包括：
获取与所述被干扰小区相邻的其它小区；
针对每个所述其它小区，根据该其它小区在所述预设时间段内的每个干扰指标中包含的干扰强度，确定包含有大于第二预设强度阈值的干扰强度的第二参考干扰指标；若所述第二参考干扰指标的总数量大于第二预设数量阈值，则确定该其它小区为被干扰小区，其中所述第二预设强度阈值小于所述第一预设强度阈值。
4.根据权利要求1所述的方法，其特征在于，所述根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，包括：
获取该被干扰小区的小区位置；
针对每个所述测量报告，确定该测量报告包含的终端位置与所述小区位置之间的第一距离；若确定该测量报告中包含的参考信号接收功率大于预设功率阈值，且所述第一距离小于预设距离阈值，则确定该测量报告为所述有效测量报告；
基于每个所述有效测量报告中包含的信号与干扰加噪声比，确定包含所述最小信号与干扰加噪声比的目标有效测量报告，并获取所述目标有效测量报告中包含的终端位置。
5.根据权利要求1所述的方法，其特征在于，所述根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置，包括：
针对所述每个被干扰小区，将该被干扰小区的小区位置分别与该被干扰小区对应的各所述中心位置的连线；
确定所有所述连线之间的交点；
根据所述交点的位置信息，确定所述每个被干扰小区的干扰源位置。
6.根据权利要求2所述的方法，其特征在于，所述根据所述交点的位置信息，确定所述每个被干扰小区的干扰源位置，包括：
若所述交点的总数量大于设定的第一交点数量，则在所述交点中选取部分交点作为有效交点；根据所述有效交点的位置信息及最小凹包算法，确定所述有效交点中是否存在边界点，若是，则基于每个所述边界点的位置信息，确定所述目标位置信息；
若所述交点的总数量大于设定的第二交点数量且不大于所述第一交点数量，或所述有效交点中不存在边界点，则根据所述交点的位置信息及最小凹包算法，确定所述交点中的是否存在边界点，若是，则基于每个所述边界点的位置信息，确定所述目标位置信息；否则，基于所述交点的位置信息对应的均值位置信息，确定所述目标位置信息；其中，所述第二交点数量小于所述上限交点数量。
7.根据权利要求6所述的方法，其特征在于，所述在所述交点中选取部分交点作为有效交点包括：
对每个所述交点进行聚类；
根据获取到的聚类结果，确定所述有效交点。
8.根据权利要求7所述的方法，其特征在于，所述对每个所述交点进行聚类，包括：
获取每个所述交点之间的第二距离；
按照所述第二距离从小到大的顺序，确定每个所述第二距离分别对应的序号；
根据每个所述第二距离以及每个所述第二距离分别对应的序号，确定每个参考坐标；
根据所述每个参考坐标分别包含的序号，确定包含的序号之间差值最大所对应的两个参考坐标；
确定所述每个参考坐标到目标直线之间的第四距离；其中，所述目标直线为经过所述第三距离最大值所对应的两个参考坐标的直线；
将第四距离最大值所对应的参考坐标中包含的第三距离，确定为所述聚类半径；
通过基于密度的噪声应用空间聚类算法以及所述聚类半径，对每个所述交点进行聚类。
9.根据权利要求7或8所述的方法，其特征在于，所述根据获取到的聚类结果，确定所述有效交点，包括：
获取所述聚类结果中确定的每个类中包含的交点的数量；
按照所述数量从大到小的顺序，将排序在前的预设数量的类中包含的交点确定为所述有效交点。
10.根据权利要求6所述的方法，其特征在于，确定所述交点的总数量大于设定的第二交点数量且不大于所述第一交点数量之后，所述根据所述交点的位置信息及最小凹包算法，确定所述交点中的是否存在边界点之前，所述方法还包括：
若确定所述总数量大于设定的第三交点数量，且不大于所述第一交点数量，则根据所述交点的位置信息及最小凹包算法，确定有效交点；其中，所述第三交点数量大于所述第二交点数量；
根据所述有效交点，对所述交点进行更新。
11.根据权利要求1所述的方法，其特征在于，所述根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置，包括：
针对所述每个被干扰小区，将该被干扰小区的小区位置分别与该被干扰小区对应的各所述中心位置的连线；
确定所有所述连线之间的交点；
若所述交点的总数量不大于设定的第二交点数量，则基于每个所述中心位置对应的均值位置信息，确定所述目标位置信息。
12.根据权利要求1所述的方法，其特征在于，所述根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置，包括：
提取所述等高线的边界信息；
对所述边界信息进行拟合，获取所述圆弧。
13.一种干扰源确定装置，其特征在于，所述装置包括：
第一处理单元，用于确定每个被干扰小区；
第二处理单元，用于针对所述每个被干扰小区，根据该被干扰小区内每个终端的测量报告中包含的信号与干扰加噪声比，确定测量到最小信号与干扰加噪声比的终端的终端位置，并基于所述终端位置，确定等高线；根据所述等高线所对应的圆弧的中心，确定该被干扰小区内被干扰最强的中心位置；
第三处理单元，用于根据每个所述中心位置，确定所述每个被干扰小区的干扰源位置。
14.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-12中任一所述干扰源确定方法的步骤。
15.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-12中任一所述干扰源确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111631890.2A CN114374449A (zh) | 2021-12-29 | 2021-12-29 | 一种干扰源确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111631890.2A CN114374449A (zh) | 2021-12-29 | 2021-12-29 | 一种干扰源确定方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114374449A true CN114374449A (zh) | 2022-04-19 |
Family
ID=81142834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111631890.2A Pending CN114374449A (zh) | 2021-12-29 | 2021-12-29 | 一种干扰源确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114374449A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114817862A (zh) * | 2022-05-26 | 2022-07-29 | 江苏省地震局 | 定位电磁干扰源的方法及装置 |
| CN115412940A (zh) * | 2022-08-29 | 2022-11-29 | 中国联合网络通信集团有限公司 | 上行干扰定位方法、装置及存储介质 |
| CN116482609A (zh) * | 2023-06-21 | 2023-07-25 | 中国电信股份有限公司 | 指纹数据处理方法、装置、计算机设备、存储介质和产品 |
| WO2024027516A1 (zh) * | 2022-08-04 | 2024-02-08 | 中国移动通信集团河南有限公司 | 一种用于确定干扰源位置的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108738064A (zh) * | 2017-04-18 | 2018-11-02 | 中国移动通信集团山西有限公司 | 上行干扰定位方法及装置 |
| CN110447270A (zh) * | 2017-03-23 | 2019-11-12 | 交互数字专利控股公司 | 针对飞行器的基于高度路径损耗的功率控制 |
| US20200186265A1 (en) * | 2018-12-05 | 2020-06-11 | Spectrum Effect Inc. | Locating external interference in a wireless network |
| CN111278040A (zh) * | 2018-12-05 | 2020-06-12 | 中国移动通信集团四川有限公司 | 干扰源定位方法、装置、设备及计算机存储介质 |
-
2021
- 2021-12-29 CN CN202111631890.2A patent/CN114374449A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110447270A (zh) * | 2017-03-23 | 2019-11-12 | 交互数字专利控股公司 | 针对飞行器的基于高度路径损耗的功率控制 |
| CN108738064A (zh) * | 2017-04-18 | 2018-11-02 | 中国移动通信集团山西有限公司 | 上行干扰定位方法及装置 |
| US20200186265A1 (en) * | 2018-12-05 | 2020-06-11 | Spectrum Effect Inc. | Locating external interference in a wireless network |
| CN111278040A (zh) * | 2018-12-05 | 2020-06-12 | 中国移动通信集团四川有限公司 | 干扰源定位方法、装置、设备及计算机存储介质 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114817862A (zh) * | 2022-05-26 | 2022-07-29 | 江苏省地震局 | 定位电磁干扰源的方法及装置 |
| CN114817862B (zh) * | 2022-05-26 | 2023-09-26 | 江苏省地震局 | 定位电磁干扰源的方法及装置 |
| WO2024027516A1 (zh) * | 2022-08-04 | 2024-02-08 | 中国移动通信集团河南有限公司 | 一种用于确定干扰源位置的方法 |
| CN115412940A (zh) * | 2022-08-29 | 2022-11-29 | 中国联合网络通信集团有限公司 | 上行干扰定位方法、装置及存储介质 |
| CN115412940B (zh) * | 2022-08-29 | 2024-04-09 | 中国联合网络通信集团有限公司 | 上行干扰定位方法、装置及存储介质 |
| CN116482609A (zh) * | 2023-06-21 | 2023-07-25 | 中国电信股份有限公司 | 指纹数据处理方法、装置、计算机设备、存储介质和产品 |
| CN116482609B (zh) * | 2023-06-21 | 2023-09-29 | 中国电信股份有限公司 | 指纹数据处理方法、装置、计算机设备、存储介质和产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114374449A (zh) | 一种干扰源确定方法、装置、设备及介质 | |
| JP6141393B2 (ja) | 目標位置を確定するための方法及び装置 | |
| CN104469676B (zh) | 一种移动终端的定位方法及系统 | |
| US11206555B2 (en) | Method for implementing antenna azimuth correction based on user data | |
| CN113038386B (zh) | 基于学习模型的设备定位 | |
| CN109996186A (zh) | 一种网络覆盖问题识别方法及装置、可读取存储介质 | |
| CN106055607B (zh) | 用户到访预测模型建立、用户到访预测方法和装置 | |
| CN109949063B (zh) | 一种地址确定方法、装置、电子设备及可读存储介质 | |
| EP3764705B1 (en) | Positioning method, positioning device, server, and computer-readable storage medium | |
| CN108271171B (zh) | 建筑物网络状况统计方法及装置 | |
| CN112469066B (zh) | 5g网络覆盖评估方法及装置 | |
| CN110753298B (zh) | 一种定位方法及其装置、设备和存储介质 | |
| CN111062525B (zh) | 扩容小区的基站选址方法、装置、设备及存储介质 | |
| WO2021259372A1 (zh) | 无线信号传播预测方法及装置 | |
| CN111294841B (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
| CN113284369B (zh) | 一种基于ads-b实测航路数据的预测方法 | |
| CN110831015A (zh) | 室分弱覆盖识别方法及装置 | |
| CN118171035B (zh) | 人流热力的预警方法及装置、电子设备和存储介质 | |
| CN114257957B (zh) | 网络规划方法及装置、计算设备和计算机可读存储介质 | |
| CN108540926B (zh) | 一种无线信号指纹的构建方法及装置 | |
| CN109982368B (zh) | 小区方位角的核查方法、装置、设备及介质 | |
| CN108574927B (zh) | 一种移动终端定位方法及装置 | |
| CN112995893A (zh) | 一种指纹定位方法、系统、服务器和存储介质 | |
| CN112566143B (zh) | 负载均衡方法、装置及计算设备 | |
| CN113689526B (zh) | 地图中无效区域的划分方法及装置、电子设备 |
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 |