CN117858142A - 通信网络中网络异常点的确定方法、装置、设备及介质 - Google Patents
通信网络中网络异常点的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117858142A CN117858142A CN202410050677.XA CN202410050677A CN117858142A CN 117858142 A CN117858142 A CN 117858142A CN 202410050677 A CN202410050677 A CN 202410050677A CN 117858142 A CN117858142 A CN 117858142A
- Authority
- CN
- China
- Prior art keywords
- signal
- network
- determining
- difference value
- position point
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 34
- 230000005856 abnormality Effects 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 9
- 238000010295 mobile communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- 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
- H04B17/318—Received signal strength
-
- 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
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
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
本申请提供的通信网络中网络异常点的确定方法、装置、设备及介质,具体涉及网络通信检测技术领域。通过获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度。将多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度。根据多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值。根据多个第一信号差值和预设差值,确定第二位置点,第二位置点为目标区域中网络信号异常的位置点。该方法通过无人机获取基站的网络信号强度,可以快速检测出目标区域内的网络信号强度是否存在异常,快速响应网络问题,帮助运营商及时调整和优化基站配置。
Description
技术领域
本申请涉及通信网络检测技术领域,尤其涉及一种通信网络中网络异常点的确定方法、装置、设备及介质。
背景技术
移动通信网络优化是确保无线通信系统高效、稳定、可靠运行的关键过程。随着移动设备的普及和人们对数据不断增长的需求,移动通信网络面临着巨大的流量压力。为了满足用户的需求,网络运营商需要优化提高网络吞吐量和效率。移动用户对通信服务的期望不仅限于基本的连接,还包括高质量、低时延、可靠的服务。网络优化技术致力于提高用户体验,减少通话掉线、数据传输失败等问题。所以移动通信网络优化技术的不断发展和创新是保障通信网络稳定性和性能的关键。
在网络问题诊断的过程中,常见的移动通信网络问题发现技术包括:使用专业的故障诊断工具,对基站设备进行诊断,查找硬件或软件故障。比如使用专业的信号测量设备或智能手机上的信号测量应用,对基站信号强度进行测量。低信号强度可能表明基站覆盖不足或信号干扰问题;部署网络监测系统,实时监测基站性能和信号质量,通过数据分析和报警机制及时发现问题;收集用户的反馈和投诉,了解用户在特定地区或时间遇到的信号问题,这有助于定位和解决问题。
虽然测试和监测方法对于发现基站信号问题非常有用,但它们也存在一些缺点和限制。一些专业的测试设备和监测工具的成本相对较高,这可能对运营商和维护人员的预算构成一定的负担;使用专业测试设备可能需要特殊的技能和培训,而且这些设备并不总是易于获取和操作。使得测试和监测的过程对于一些小型或资源有限的组织可能不够实际;一些测试方法可能需要较长的时间来执行,特别是在大范围区域或复杂环境中。这可能导致对网络性能问题的及时响应受到延迟。尽管使用多种测试和监测方法可以提高问题发现的几率,但并不能保证发现所有潜在问题。一些问题可能在特定条件下才会出现,而测试可能未必在这些条件下进行。
发明内容
本申请提供一种通信网络中网络异常点的确定方法、装置、设备及介质,用以解决网络问题诊断过程中,专业测试设备成本高昂、对于工作人员要求高、时效性差以及无法覆盖所有检测区域情况的问题。
第一方面,本申请提供一种通信网络中网络异常点的确定方法,包括:
获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度;
将所述多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度;
根据所述多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值;
根据多个第一信号差值和预设差值,确定第二位置点,所述第二位置点为所述目标区域中网络信号异常的位置点。
可选的,所述将所述多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度,包括:
获取所述目标区域对应的基站的参考位置点以及所述参考位置点对应的参考信号强度;
根据所述多个第一位置点和所述参考位置点,确定每个第一位置点的距离信息;
将多个距离信息和所述参考信号强度,输入至所述信号损耗模型中,得到每个第一位置点对应的理论信号强度。
可选的,所述根据多个第一信号差值和预设差值,确定第二位置点,包括:
分别判断所述第一信号差值是否大于所述预设差值;
若所述第一信号差值不大于所述预设差值,则确定所述第一信号差值对应的第一网络信号强度所处的第一位置点网络信号正常;
若所述第一信号差值大于所述预设差值,则确定所述第一信号差值对应的第一位置点为第二位置点,所述第二位置点为网络信号存在异常的位置点。
可选的,所述方法还包括:
获取第二时段内,无人机在目标区域中的多个第一位置点对应的第二网络信号强度,并将所述目标区域划分为多个第一区域;
根据所述多个第一位置点的理论信号强度与所述第二网络信号强度,确定每个第一位置点对应的第二信号差值;
根据所述第二信号差值与问题指标公式确定所述多个第一区域的指标参数,所述问题指标公式是根据每个第一位置点的检测时刻、第二信号差值、预设差值以及时空分析的权重系数确定得到的;
根据所述指标参数确定每个第一区域内的网络信号是否存在异常。
可选的,所述根据所述第二信号差值与问题指标公式确定所述多个第一区域的指标参数,包括:
根据多个第一位置点的位置参数和所述多个第一区域,对所述多个第一位置点进行分类处理,得到每个第一区域对应的至少一个第一位置点;
根据每个第一区域对应的至少一个第一位置点对应的第二信号差值和所述问题指标公式,确定每个第一区域的指标参数。
可选的,所述根据每个第一区域对应的至少一个第一位置点对应的第二信号差值和所述问题指标公式,确定每个第一区域的指标参数,包括:
采用如下公式确定所述对应的第一区域的指标参数:
Q=∑iδ(ti)Ⅱ(ΔRSRPi>τ)
其中,ti为所述第一区域对应的至少一个第一位置点的检测时刻,ΔRSRPi为第二信号差值,τ为预设差值,Ⅱ为指示函数,在所述第二信号差值大于所述预设差值时,所述指示函数为1,在所述第二信号差值不大于所述预设差值时,所述指示函数为0,δ为权重系数。
可选的,所述根据所述指标参数确定每个第一区域内的网络信号是否存在异常,包括:
分别判断每个第一区域的指标参数是否大于指标阈值;
在所述指标参数大于所述指标阈值时,确定所述第一区域内的网络信号异常;
在所述指标参数不大于所述指标阈值时,确定所述第一区域内的网络信号正常。
第二方面,本申请提供一种通信网络中网络异常点的确定装置,包括:
获取模块,用于获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度;
输入模块,用于将所述多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度;
确定模块,用于根据所述多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值;
所述确定模块,还用于根据多个第一信号差值和预设差值,确定第二位置点,所述第二位置点为所述目标区域中网络信号异常的位置点。
可选的,所述获取模块,还用于获取所述目标区域对应的基站的参考位置点以及所述参考位置点对应的参考信号强度;
所述确定模块,还用于根据所述多个第一位置点和所述参考位置点,确定每个第一位置点的距离信息;
所述输入模块,还用于将多个距离信息和所述参考信号强度,输入至所述信号损耗模型中,得到每个第一位置点对应的理论信号强度。
可选的,所述装置还包括:判断模块;
所述判断模块,用于分别判断所述第一信号差值是否大于所述预设差值;
所述确定模块,还用于若所述第一信号差值不大于所述预设差值,则确定所述第一信号差值对应的第一网络信号强度所处的第一位置点网络信号正常;
所述确定模块,还用于若所述第一信号差值大于所述预设差值,则确定所述第一信号差值对应的第一位置点为第二位置点,所述第二位置点为网络信号存在异常的位置点。
可选的,所述获取模块,还用于获取第二时段内,无人机在目标区域中的多个第一位置点对应的第二网络信号强度,并将所述目标区域划分为多个第一区域;
所述确定模块,还用于根据所述多个第一位置点的理论信号强度与所述第二网络信号强度,确定每个第一位置点对应的第二信号差值;
所述确定模块,用于根据所述第二信号差值与问题指标公式确定所述多个第一区域的指标参数,所述问题指标公式是根据每个第一位置点的检测时刻、第二信号差值、预设差值以及时空分析的权重系数确定得到的;
所述确定模块,还用于根据所述指标参数确定每个第一区域内的网络信号是否存在异常。
可选的,所述装置还包括:处理模块;
所述处理模块,用于根据多个第一位置点的位置参数和所述多个第一区域,对所述多个第一位置点进行分类处理,得到每个第一区域对应的至少一个第一位置点;
所述确定模块,还用于根据每个第一区域对应的至少一个第一位置点对应的第二信号差值和所述问题指标公式,确定每个第一区域的指标参数。
可选的,所述判断模块,还用于分别判断每个第一区域的指标参数是否大于指标阈值;
所述确定模块,还用于在所述指标参数大于所述指标阈值时,确定所述第一区域内的网络信号异常;
所述确定模块,还用于在所述指标参数不大于所述指标阈值时,确定所述第一区域内的网络信号正常。
第三方面,本申请提供一种通信网络中网络异常点的确定设备,该设备包括:
存储器;
处理器;
其中,所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如上述第一方面及第一方面各种可能的实现方式所述的通信网络中网络异常点的确定方法。
第四方面,本申请提供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以实现如上述第一方面及第一方面各种可能的实现方式所述的通信网络中网络异常点的确定方法。
本申请提供的通信网络中网络异常点的确定方法、装置、设备及介质,通过获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度。将多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度。根据多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值。根据多个第一信号差值和预设差值,确定第二位置点,第二位置点为目标区域中网络信号异常的位置点。该方法通过无人机获取基站的网络信号强度,可以快速检测出目标区域内的网络信号强度是否存在异常,快速响应网络问题,帮助运营商及时调整和优化基站配置。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请提供的通信网络中网络异常点的确定方法的场景示意图;
图2为本申请提供的通信网络中网络异常点的确定方法的流程示意图一;
图3为本申请提供的通信网络中网络异常点的确定方法的流程示意图二;
图4为本申请提供的通信网络中网络异常点的确定方法的流程示意图三;
图5为本申请提供的通信网络中网络异常点的确定装置的结构示意图;
图6为本申请提供的通信网络中网络异常点的确定设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,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申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
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申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子,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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、产品或设备固有的其它步骤或单元。
本申请实施例中,“示例性的”或者“例如”等词用于表示例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
移动通信网络优化是确保无线通信系统高效、稳定、可靠运行的关键过程。随着移动设备的普及和人们对数据不断增长的需求,移动通信网络面临着巨大的流量压力。为了满足用户的需求,网络运营商需要优化提高网络吞吐量和效率。移动用户对通信服务的期望不仅限于基本的连接,还包括高质量、低时延、可靠的服务。网络优化技术致力于提高用户体验,减少通话掉线、数据传输失败等问题。所以移动通信网络优化技术的不断发展和创新是保障通信网络稳定性和性能的关键。
在网络问题诊断的过程中,常见的移动通信网络问题发现技术包括:使用专业的故障诊断工具,对基站设备进行诊断,查找硬件或软件故障。比如使用专业的信号测量设备或智能手机上的信号测量应用,对基站信号强度进行测量。低信号强度可能表明基站覆盖不足或信号干扰问题;部署网络监测系统,实时监测基站性能和信号质量,通过数据分析和报警机制及时发现问题;收集用户的反馈和投诉,了解用户在特定地区或时间遇到的信号问题,这有助于定位和解决问题。
虽然测试和监测方法对于发现基站信号问题非常有用,但它们也存在一些缺点和限制。一些专业的测试设备和监测工具的成本相对较高,这可能对运营商和维护人员的预算构成一定的负担;使用专业测试设备可能需要特殊的技能和培训,而且这些设备并不总是易于获取和操作。使得测试和监测的过程对于一些小型或资源有限的组织可能不够实际;一些测试方法可能需要较长的时间来执行,特别是在大范围区域或复杂环境中。这可能导致对网络性能问题的及时响应受到延迟。尽管使用多种测试和监测方法可以提高问题发现的几率,但并不能保证发现所有潜在问题。一些问题可能在特定条件下才会出现,而测试可能未必在这些条件下进行。
针对上述问题,本申请提出一种通信网络中网络异常点的确定方法,该方法通过确定无人机的准确位置,在多个时间段采集无人机与基站的交互数据,将交互数据与理论数据进行对比,发现基站信号存在异常的位置点。
图1为本申请提供的通信网络中网络异常点的确定方法的场景示意图。如图1所示,1为待检测目标区域,2为目标区域中的基站,3为实施检测的无人机,无人机通过搭载实时传感器和摄像头(图中未示出)提供实时的信号质量和基站性能数据,无人机具有高度灵活性,覆盖范围广,可以快速发现基站的网络信号存在异常的位置点。
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2为本申请实施例提供的通信网络中网络异常点的确定方法的流程示意图一。如图2所示,该方法包括:
S101:获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度。
其中,无人机确定第一位置点的坐标数据是采用全球定位系统定位自身的坐标位置。网络信号强度(Reference Signal Receiving Power,简称RSRP)也叫参考信号接收功率,是LTE网络中可以代表无线信号强度的关键参数以及物理层测量需求之一,是在某个符号内承载参考信号的所有RE(资源粒子)上接收到的信号功率的平均值。
可以理解的,第一时段是指全天中的某一时段,在该时段内,无人机会在目标区域中飞行,实时采集各个位置点的位置坐标与该位置点的网络信号强度。第一位置点存在于目标区域中,目标区域中含有多个第一位置点,每个第一位置点对应的网络信号强度为第一网络信号强度。目标区域中第一位置点的存储格式例如可以是坐标(x,y,z),网络信号强度RSRP。
其中,无人机采集各个位置点的网络信号强度是指无人机作为通信终端,连接到基站上进行通信,获取网络信号强度,网络信号强度是评价网络通信质量的重要参考。无人机测试基站的信号区域,需要选择基站覆盖方向的一片空旷无阻挡的区域进行测试。这是因为,如果有建筑物阻挡,信号会大幅度衰减形成干扰,无法检测基站信号的问题。如果选择基站覆盖方向的一片空旷无阻挡的区域进行测试,在无阻挡的情况下,可以通过测试基站的信号,是否接近理论信号强度,从而判断基站信号是否存在问题。
S102:将所述多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度。
可以理解的,利用信号损耗模型可以估算无人机飞行区域上每个位置点的理论信号强度RSRPexpected。信号损耗模型描述了在理想的开阔空间中信号强度随距离增加而衰减的规律。由于本发明选择基站覆盖方向的一片空旷无阻挡的区域进行测试,符合模型设定的信号在自由空间中传播与没有任何障碍物干扰两个条件,故采用信号损耗模型确定每个第一位置点对应的理论信号强度,具体的确定方法请详见下文。
S103:根据所述多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值。
可以理解的,在确定每个第一位置点的第一网络信号强度与理论信号强度之后,按照公式确定每个第一位置点的第一信号差值,公式如下所示:
ΔRSRP=RSRPexpected-RSRP(实际)
其中,ΔRSRP指的是第一信号差值。RSRP(实际)指的是无人机在每个位置点上实际测量到的信号强度,也即第一网络信号强度。RSRPexpected是按照信号损耗模型估算得到的,也即理论信号强度。理论信号强度是理想状态下第一位置点的信号强度,在实际的情况中,信号强度会受到多方面的影响,所以根据信号强度的偏差值来判断通信网络是否存在异常。
S104:根据多个第一信号差值和预设差值,确定第二位置点,所述第二位置点为所述目标区域中网络信号异常的位置点。
其中,预设差值的选择应该根据具体的网络环境、应用需求和性能标准来进行。预设差值应该足够大,以过滤掉因自然变化或其他非问题因素引起的小幅度变化。根据实际场景,可以考虑使用网络信号强度的标准差或分位数来确定一个合适的预设差值。
可以理解的,预设差值决定了哪些信号强度变化量是存在问题的。多个第一信号差值是每个第一位置点的实际差值,将多个第一信号差值和预设差值进行比较,若某第一信号差值超过预设差值,则认为该第一信号差值对应的位置点为网络通信异常点,也即第二位置点是所有网络通信异常点的集合,第二位置点可能存在多个。
本实施例提供的通信网络中网络异常点的确定方法,通过获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度。将多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度。根据多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值。根据多个第一信号差值和预设差值,确定第二位置点,第二位置点为目标区域中网络信号异常的位置点。该方法通过无人机获取基站的网络信号强度,可以快速检测出目标区域内的网络信号强度是否存在异常,快速响应网络问题,帮助运营商及时调整和优化基站配置。
图3为本申请实施例提供的通信网络中网络异常点的确定方法的流程示意图二。本实施例是在图2实施例的基础上,对于第一时段时,通信网络中网络异常点的确定方法的详细描述。如图3所示,该方法包括:
S201:获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度。
其中,步骤S201与步骤S101类似,此处不再赘述。
S202:获取所述目标区域对应的基站的参考位置点以及所述参考位置点对应的参考信号强度。
可以理解的,参考位置点通常用于构建信号损耗模型的参考位置,这个位置的信号强度被用作信号损耗模型中的参考信号强度。具体而言,信号损耗模型通过比较实际测量到的信号强度与模型中的理论信号强度来估算信号损耗。参考点可以选择为网络中已知位置的设备,通常是基站天线位置作为参考点,基站天线的位置是确定的,在建设基站的时候就已经确定好了。基站天线处的信号强度也是已知的。
S203:根据所述多个第一位置点和所述参考位置点,确定每个第一位置点的距离信息。
可以理解的,参考位置点的坐标是固定且已知的,根据参考位置点的位置坐标与各个第一位置点的位置坐标,计算各个第一位置点距离基站的距离。基站可以覆盖目标区域的网络信号,无人机在目标区域飞行,测量到每个第一位置点的信号都是基站的信号,但是基站传播的信号会随着距离而衰减,所以目标区域里不同位置的信号强度是不一样的,需要根据不同的距离信息确定不同的理论信号强度。
S204:将多个距离信息和所述参考信号强度,输入至所述信号损耗模型中,得到每个第一位置点对应的理论信号强度。
其中,信号损耗模型的计算过程如下所示:
RSRPexpected=RSRPreference-信号损耗
信号损耗=32.4+20*log(D)+20*log(M)
RSRPexpected是理论信号强度,RSRPreference是参考信号强度,用作路径损耗模型的基准,因为我们在模型中考虑的是信号强度相对于参考点的变化。D是无线信号自由空间传播距离,单位为km。M是频率值,单位为MHz,示例的,2G GSM采用900MHz,3G WCDMA采用2000MHz。
示例的,基站为3G WCDMA,基站天线的参考信号强度为30dBm(1w),第一位置点距离基站天线的距离是100米,且该区域内无遮挡,该第一位置点的理论信号强度为RSRPexpected=30-32.4+20*log(100/1000)+20*log(2000)。
S205:根据所述多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值。
其中,步骤S205与步骤S103类似,此处不再赘述。
S206:分别判断所述第一信号差值是否大于所述预设差值。
可以理解的,通过信号损耗模型计算出的理论信号强度与第一网络信号强度,确定第一信号差值。预设差值为信号强度变化量的最大值,将第一信号差值与预先设定好的预设差值进行比较判断,获取判断结果,根据判断结果获取网络信号是否存在异常。
S207:若所述第一信号差值不大于所述预设差值,则确定所述第一信号差值对应的第一网络信号强度所处的第一位置点网络信号正常。
可以理解的,若第一信号差值没有超过预设差值,也即该第一位置点的网络信号强度的变化量处于一个合理的变化范围,该第一位置点的网络通信处于正常状态。
S208:若所述第一信号差值大于所述预设差值,则确定所述第一信号差值对应的第一位置点为第二位置点,所述第二位置点为网络信号存在异常的位置点。
可以理解的,若第一信号差值超过预设差值,也即该第一位置点的网络信号强度的变化量已超出正常范围,将该第一位置点标记为第二位置点,告知工作人员第二位置点的网络通信状态存在异常,工作人员可以根据第二位置点的坐标,快速确定存在异常的网络信号点并进行维护优化。
本实施例提供的通信网络中网络异常点的确定方法,通过获取目标区域对应的基站的参考位置点以及参考位置点对应的参考信号强度。根据多个第一位置点和参考位置点,确定每个第一位置点的距离信息。将多个距离信息和参考信号强度,输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度。根据多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值。分别判断第一信号差值是否大于预设差值。若第一信号差值大于预设差值,则确定第一信号差值对应的第一位置点为第二位置点,第二位置点为网络信号存在异常的位置点。该方法通过信号损耗模型得到目标区域各个位置点的理论信号强度,并计算出与实际信号强度的差值,判断差值是否处于预设范围,从而确定通信网络异常位置点,使得工作人员可及时优化具体位置点的通信网络,提升用户体验。
图4为本申请实施例提供的通信网络中网络异常点的确定方法的流程示意图三。本实施例是在图2实施例和图3实施例的基础上,对于第一时段后,其他时段的通信网络中网络异常点的确定方法的描述。如图4所示,该方法包括:
S301:获取第二时段内,无人机在目标区域中的多个第一位置点对应的第二网络信号强度,并将所述目标区域划分为多个第一区域。
其中,第二时段是指第一时段之后,与第一时段的间隔较长的任意一段时间。第一区域是指将目标区域根据需要划分成多个第一区域,可以按照目标区域的大小划分为固定大小的多个第一区域,也可以按照目标区域的地理位置划分。示例的,每个第一区域可以是10米的立方体。第二网络信号强度是指在第二时段内,各个第一位置点的网络信号强度。第二时段可以是多个时间段,同时第二网络信号强度为每一时段时,第一位置点对应的网络信号强度。
可以理解的,在第一时段内,系统已完成一次网络信号强度判断,并确定出至少一个网络通信存在异常的第二位置点,为了防止出现第一时刻网络通信正常,第二时刻网络通信异常的情况,所以需要对目标区域进行至少两次检测。示例的,若在目标区域中,有人晚上开启了干扰器影响了基站的信号,就会导致白天测试到的信号正常,晚上测试到的信号不正常。
S302:根据所述多个第一位置点的理论信号强度与所述第二网络信号强度,确定每个第一位置点对应的第二信号差值。
可以理解的,在第一时段内已经计算得到了各个第一位置点的理论信号强度,再根据不同时段的网络信号强度,计算出多个第一位置点的第二信号差值。示例的,第一时段可以为早上九点到九点半,第二时刻可以为下午三点至三点半、晚上九点到九点半等多个时间段,不同时间段的网络信号强度不同,根据不同的网络信号强度,计算出第一位置点不同时段的第二信号差值。
S303:根据多个第一位置点的位置参数和所述多个第一区域,对所述多个第一位置点进行分类处理,得到每个第一区域对应的至少一个第一位置点。
可以理解的,第一位置点分散在目标区域的多个地方,根据划分完成的多个第一区域,按照第一位置点的坐标,将多个第一位置点按照第一区域的范围进行分类,后续以第一区域为单位确定各个区域中是否存在网络通信异常的位置点。以第一区域为计算单位,可减少指标参数的判断次数,节省资源。
S304:根据每个第一区域对应的至少一个第一位置点对应的第二信号差值和所述问题指标公式,确定每个第一区域的指标参数。
可选的,采用如下公式确定所述对应的第一区域的指标参数:
Q=∑iδ(ti)Ⅱ(ΔRSRPi>τ)
其中,ti为所述第一区域对应的至少一个第一位置点的检测时刻,ΔRSRPi为第二信号差值,τ为预设差值,Ⅱ为指示函数,在所述第二信号差值大于所述预设差值时,所述指示函数为1,在所述第二信号差值不大于所述预设差值时,所述指示函数为0,δ为权重系数。
可以理解的,ti为第一位置点的多个检测时刻,检测时刻至少有两个。τ与第一时刻中的预设差值相同,都表示网络信号强度合理的变化量。δ为权重系数,表示在时刻ti进行的测量在整体评价中的重要性。Q为问题指标参数,Q通常是对同一区域的一系列时刻的指标参数进行求和,每个时刻的贡献取决于实际信号强度与理论信号强度的差异是否超过了预设差值。这个指标用于定量地描述在哪些时刻、哪些区域出现了信号强度变化可能导致网络问题的情况。在实际应用中,通过分析Q的变化趋势,可以定位可能的网络问题点,帮助进行进一步的网络优化或故障排除。
其中,时空分析的权重δ(ti)在问题指标Q中的作用是为了对时刻ti的信号强度变化赋予不同的重要性。这个权重系数可以用来突出一些特定时刻的数据,或者在整体评价中平衡不同时刻的贡献。时空分析的权重系数可以根据具体情况来灵活定义。它提供了在问题指标Q引入时间维度的一种手段,以便更精细地分析信号强度的时空变化,帮助定位和解决无人机通信网络中的问题。
示例的,可以根据时段进行加权:白天和夜晚的信号特性可能不同,可以对这两个时段设置不同的权重。也可以对特殊事件进行加权:无人机经过特定区域、基站发生故障等,可以给这些时刻分配较大的权重,以突出这些事件对问题的影响。
S305:分别判断每个第一区域的指标参数是否大于指标阈值。
可以理解的,指标阈值是根据实际情况设定的固定值,指标阈值表示问题指标Q的临界值,超过这个值的区域被认为有可能存在信号问题。按照指标公式计算出多个第一区域的指标参数,分别对指标参数进行判断,根据判断结果确定多个第一区域中是否存在通信异常。
S306:在所述指标参数不大于所述指标阈值时,确定所述第一区域内的网络信号正常。
可以理解的,若第一区域各个时刻的网络信号强度都没有超过预设差值,则指标参数的值为零,此时,指标参数不大于指标阈值,第一区域内的网络信号都处于正常状态。若第一区域中,第二时刻的第二网络信号强度超过阈值,但第二时刻的权重系数较小,经过计算后,指标参数不大于指标阈值,此时第一区域内的网络信号也会被判定为网络通信处于正常状态。
S307:在所述指标参数大于所述指标阈值时,确定所述第一区域内的网络信号异常。
可以理解的,若第一区域各个时刻的网络信号强度多次超过预设差值,则指标参数的值大于指标阈值,第一区域内的网络信号处于异常状态。工作人员会对该第一区域进行进一步的调查和优化工作,以解决信号问题并提高网络性能。
本实施例提供的通信网络中网络异常点的确定方法,通过获取第二时段内,无人机在目标区域中的多个第一位置点对应的第二网络信号强度,并将目标区域划分为多个第一区域。根据多个第一位置点的理论信号强度与第二网络信号强度,确定每个第一位置点对应的第二信号差值。根据多个第一位置点的位置参数和多个第一区域,对多个第一位置点进行分类处理,得到每个第一区域对应的至少一个第一位置点。根据每个第一区域对应的至少一个第一位置点对应的第二信号差值和问题指标公式,确定每个第一区域的指标参数。分别判断每个第一区域的指标参数是否大于指标阈值。在指标参数不大于指标阈值时,确定第一区域内的网络信号正常。在指标参数大于指标阈值时,确定第一区域内的网络信号异常。该方法对目标区域的通信网络进行再次检测,防止出现通信网络在第一时段正常,第二时段异常的情况,全面的进行网络信号检测,以确保网络通信全天处于正常状态。
图5为本申请提供的通信网络中网络异常点的确定装置的结构示意图。如图5所示,本申请提供的通信网络中网络异常点的确定装置400,包括:
获取模块401,用于获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度;
输入模块402,用于将所述多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度;
确定模块403,用于根据所述多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值;
所述确定模块403,还用于根据多个第一信号差值和预设差值,确定第二位置点,所述第二位置点为所述目标区域中网络信号异常的位置点。
可选的,所述获取模块401,还用于获取所述目标区域对应的基站的参考位置点以及所述参考位置点对应的参考信号强度;
所述确定模块403,还用于根据所述多个第一位置点和所述参考位置点,确定每个第一位置点的距离信息;
所述输入模块402,还用于将多个距离信息和所述参考信号强度,输入至所述信号损耗模型中,得到每个第一位置点对应的理论信号强度。
可选的,所述装置还包括:判断模块404;
所述判断模块404,用于分别判断所述第一信号差值是否大于所述预设差值;
所述确定模块403,还用于若所述第一信号差值不大于所述预设差值,则确定所述第一信号差值对应的第一网络信号强度所处的第一位置点网络信号正常;
所述确定模块403,还用于若所述第一信号差值大于所述预设差值,则确定所述第一信号差值对应的第一位置点为第二位置点,所述第二位置点为网络信号存在异常的位置点。
可选的,所述获取模块401,还用于获取第二时段内,无人机在目标区域中的多个第一位置点对应的第二网络信号强度,并将所述目标区域划分为多个第一区域;
所述确定模块403,还用于根据所述多个第一位置点的理论信号强度与所述第二网络信号强度,确定每个第一位置点对应的第二信号差值;
所述确定模块403,用于根据所述第二信号差值与问题指标公式确定所述多个第一区域的指标参数,所述问题指标公式是根据每个第一位置点的检测时刻、第二信号差值、预设差值以及时空分析的权重系数确定得到的;
所述确定模块403,还用于根据所述指标参数确定每个第一区域内的网络信号是否存在异常。
可选的,所述装置还包括:处理模块405;
所述处理模块405,用于根据多个第一位置点的位置参数和所述多个第一区域,对所述多个第一位置点进行分类处理,得到每个第一区域对应的至少一个第一位置点;
所述确定模块403,还用于根据每个第一区域对应的至少一个第一位置点对应的第二信号差值和所述问题指标公式,确定每个第一区域的指标参数。
可选的,所述判断模块404,还用于分别判断每个第一区域的指标参数是否大于指标阈值;
所述确定模块403,还用于在所述指标参数大于所述指标阈值时,确定所述第一区域内的网络信号异常;
所述确定模块403,还用于在所述指标参数不大于所述指标阈值时,确定所述第一区域内的网络信号正常。
图6为本申请提供的通信网络中网络异常点的确定设备的结构示意图。如图6所示,本申请提供一种通信网络中网络异常点的确定设备,该通信网络中网络异常点的确定设备500包括:接收器501、发送器502、处理器503以及存储器504。
接收器501,用于接收指令和数据;
发送器502,用于发送指令和数据;
存储器504,用于存储计算机执行指令;
处理器503,用于执行存储器504存储的计算机执行指令,以实现上述实施例中通信网络中网络异常点的确定方法所执行的各个步骤。具体可以参见前述通信网络中网络异常点的确定方法实施例中的相关描述。
可选地,上述存储器504既可以是独立的,也可以跟处理器503集成在一起。
当存储器504独立设置时,该电子设备还包括总线,用于连接存储器504和处理器503。
本申请还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如上述通信网络中网络异常点的确定设备所执行的通信网络中网络异常点的确定方法。
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。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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,本申请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,本申请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。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种通信网络中网络异常点的确定方法,其特征在于,所述方法包括:
获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度;
将所述多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度;
根据所述多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值;
根据多个第一信号差值和预设差值,确定第二位置点,所述第二位置点为所述目标区域中网络信号异常的位置点。
2.根据权利要求1所述的方法,其特征在于,所述将所述多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度,包括:
获取所述目标区域对应的基站的参考位置点以及所述参考位置点对应的参考信号强度;
根据所述多个第一位置点和所述参考位置点,确定每个第一位置点的距离信息;
将多个距离信息和所述参考信号强度,输入至所述信号损耗模型中,得到每个第一位置点对应的理论信号强度。
3.根据权利要求2所述的方法,其特征在于,所述根据多个第一信号差值和预设差值,确定第二位置点,包括:
分别判断所述第一信号差值是否大于所述预设差值;
若所述第一信号差值不大于所述预设差值,则确定所述第一信号差值对应的第一网络信号强度所处的第一位置点网络信号正常;
若所述第一信号差值大于所述预设差值,则确定所述第一信号差值对应的第一位置点为第二位置点,所述第二位置点为网络信号存在异常的位置点。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取第二时段内,无人机在目标区域中的多个第一位置点对应的第二网络信号强度,并将所述目标区域划分为多个第一区域;
根据所述多个第一位置点的理论信号强度与所述第二网络信号强度,确定每个第一位置点对应的第二信号差值;
根据所述第二信号差值与问题指标公式确定所述多个第一区域的指标参数,所述问题指标公式是根据每个第一位置点的检测时刻、第二信号差值、预设差值以及时空分析的权重系数确定得到的;
根据所述指标参数确定每个第一区域内的网络信号是否存在异常。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第二信号差值与问题指标公式确定所述多个第一区域的指标参数,包括:
根据多个第一位置点的位置参数和所述多个第一区域,对所述多个第一位置点进行分类处理,得到每个第一区域对应的至少一个第一位置点;
根据每个第一区域对应的至少一个第一位置点对应的第二信号差值和所述问题指标公式,确定每个第一区域的指标参数。
6.根据权利要求5所述的方法,其特征在于,所述根据每个第一区域对应的至少一个第一位置点对应的第二信号差值和所述问题指标公式,确定每个第一区域的指标参数,包括:
采用如下公式确定所述对应的第一区域的指标参数:
Q=∑iδ(ti)Ⅱ(ΔRSRPi>τ)
其中,ti为所述第一区域对应的至少一个第一位置点的检测时刻,ΔRSRPi为第二信号差值,τ为预设差值,Ⅱ为指示函数,在所述第二信号差值大于所述预设差值时,所述指示函数为1,在所述第二信号差值不大于所述预设差值时,所述指示函数为0,δ为权重系数。
7.根据权利要求4所述的方法,其特征在于,所述根据所述指标参数确定每个第一区域内的网络信号是否存在异常,包括:
分别判断每个第一区域的指标参数是否大于指标阈值;
在所述指标参数大于所述指标阈值时,确定所述第一区域内的网络信号异常;
在所述指标参数不大于所述指标阈值时,确定所述第一区域内的网络信号正常。
8.一种通信网络中网络异常点的确定装置,其特征在于,所述装置包括:
获取模块,用于获取第一时段内,无人机在目标区域中的多个第一位置点以及每个第一位置点对应的第一网络信号强度;
输入模块,用于将所述多个第一位置点输入至信号损耗模型中,得到每个第一位置点对应的理论信号强度;
确定模块,用于根据所述多个第一位置点对应的第一网络信号强度以及理论信号强度,确定每个第一位置点的第一信号差值;
所述确定模块,还用于根据多个第一信号差值和预设差值,确定第二位置点,所述第二位置点为所述目标区域中网络信号异常的位置点。
9.一种通信网络中网络异常点的确定设备,其特征在于,包括:
存储器;
处理器;
其中,所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-7中任一项所述的通信网络中网络异常点的确定方法。
10.一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1-7中任一项所述的通信网络中网络异常点的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050677.XA CN117858142A (zh) | 2024-01-12 | 2024-01-12 | 通信网络中网络异常点的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050677.XA CN117858142A (zh) | 2024-01-12 | 2024-01-12 | 通信网络中网络异常点的确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117858142A true CN117858142A (zh) | 2024-04-09 |
Family
ID=90541685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410050677.XA Pending CN117858142A (zh) | 2024-01-12 | 2024-01-12 | 通信网络中网络异常点的确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117858142A (zh) |
-
2024
- 2024-01-12 CN CN202410050677.XA patent/CN117858142A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104853379B (zh) | 一种无线网络质量评估方法及装置 | |
US10039021B2 (en) | Processing of passive intermodulation detection results | |
US10158389B2 (en) | Processing interference due to non-linear products in a wireless network | |
CN105744553B (zh) | 一种网络关联分析方法及装置 | |
US20170324488A1 (en) | Method and apparatus for evaluating node performance and system | |
KR20140036007A (ko) | 무선 네트워크의 커버리지 영역에서 동작 파라미터를 매핑시키기 위한 방법 및 장치 | |
CN111356147B (zh) | 一种室分小区故障定位方法及装置 | |
CN108307427B (zh) | 一种lte网络覆盖分析、预测方法及系统 | |
WO2021103577A1 (zh) | 一种基于mdt的室内信号外泄分析方法及系统 | |
US10390180B1 (en) | Geolocation determination with power fingerprinting | |
CN103581957A (zh) | 一种干扰检测方法、设备及系统 | |
Bejarano-Luque et al. | A data-driven algorithm for indoor/outdoor detection based on connection traces in a LTE network | |
CN109874148A (zh) | 天馈异常检测方法、装置、系统及计算机设备 | |
WO2016138550A1 (en) | Method and system for testing telecommunications infrastructure | |
US20150257156A1 (en) | Dynamic radio frequency mapping | |
CN113645625B (zh) | 伪基站定位方法、装置、电子设备和可读介质 | |
CN103458448A (zh) | 一种通信网络故障诊断方法及设备 | |
CN112469048B (zh) | 基于实测修正的电力无线专网系统覆盖状态获取方法、系统、电子设备及可读存储介质 | |
JP4784781B2 (ja) | 情報収集方法、情報収集システム、および移動無線端末 | |
CN108541011B (zh) | 无线网络信号覆盖区域的强度分析方法和装置 | |
CN117858142A (zh) | 通信网络中网络异常点的确定方法、装置、设备及介质 | |
CN108134703B (zh) | 网络小区隐患故障预测分析方法及装置 | |
CN116095822A (zh) | 干扰源定位方法、装置、电子设备及非易失性存储介质 | |
CN111263376A (zh) | 一种识别自激直放站的方法及装置 | |
CN111225408B (zh) | 基于SmallCell基站的无线环境监控方法、装置、设备和存储介质 |
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 |