CN1301624C

CN1301624C - 蜂窝移动通讯网络性能数据处理方法

Info

Publication number: CN1301624C
Application number: CNB2004100006447A
Authority: CN
Inventors: 王辉; 徐�明; 苏兴明; 张旭东; 潘韶龙; 王峰; 曾洪波; 潘国栋; 叶仁召
Original assignee: ZTE Corp
Current assignee: ZTE Corp
Priority date: 2004-01-15
Filing date: 2004-01-15
Publication date: 2007-02-21
Anticipated expiration: 2024-01-15
Also published as: CN1558686A

Abstract

本发明公开了一种通讯领域中蜂窝移动通讯网络性能数据处理方法，包括1.进行定长时段合并，剔除没有数据的时段；2.计算性能指标；3.计算该蜂窝节点在每个合并时段的平均性能数据，作为时段性能数据，所有时段数据计算完毕后，获得平均负偏差数据；4.将大于平均负偏差的时段数据滤掉；5.重新计算剩余时段数据的平均负偏差数据；设定门限，如果能够使平均偏差落在此门限内，则认为已排除异常数据，否则回到步骤2；6.用所有蜂窝节点剩余数据计算得到最终的整网性能数据。本发明所述方法可以排除设备故障导致的异常数据对系统性能数据的影响，从而能有效指导优化工作的方向，避免盲目调整带来系统性能波动。

Description

蜂窝移动通讯网络性能数据处理方法

技术领域

本发明涉及蜂窝移动通信领域，尤其涉及无线网络优化技术中的无线网络性能数据处理方法。

背景技术

随着移动通讯技术的迅猛发展，用户对网络质量的要求越来越高，如何有效提高无线网络的通讯质量已经日益成为移动网络建设过程中的一个重要课题。在无线网络运行过程中，随着用户的发展和无线环境的变化，必须不断地对现有网络进行无线网络优化。无线网络优化是指根据无线网络在运行中的实际表现和实际性能，对无线网络系统进行分析，在此基础上通过对无线网络系统参数进行调整，使无线网络系统性能得到逐步改善，在现有系统配置条件下提供尽可能好的服务质量，满足客户需求的过程。

无线网络性能数据是衡量无线网络运行质量的重要指标，一般可以直接从蜂窝移动通讯网络核心设备中提取。对无线网络性能数据进行分析是无线网络优化基础，并贯穿于整个无线网络优化过程的始终。准确的无线网络性能数据能判断运行中的网络需要无线网络优化征兆，反映优化过程中对系统参数调整的效果，指导系统参数优化调整的方向，并且是最终评判无线网络优化工作成果的唯一标准。

一般情况下，进行无线网络优化的前提条件是：蜂窝移动通信系统设备和相关的地面骨干电路网络基础设备均处于无故障的稳定运行状态，系统性能指标达到一个稳定值。只有这样，无线网络优化所采取的每一个措施才能客观有效地反映到无线网络性能数据变化上。但是由于无线网络结构十分复杂，涉及相关的设备众多，网络中任何一个单元的损坏都会导致局部网络性能指标的恶化，从而使整个(或优化目标区域)网络性能指标的波动。实际上，在一般规模的无线网络中，所有设备单元均处于正常状态，没有任何故障的概率是很小的，不同的设备、不同的位置、不同的时间段的故障导致整个(或优化目标区域)网络性能指标的波动的影响是不同的，也是不可控和不可预测的。因此必须要找到一种方法来排除网络局部故障引起的数据波动，获得系统所有设备单元均处于正常状态无故障的无线网络性能数据。

目前比较通用的无线网络性能数据的获取方法如附图1所示，由各个设备厂家提供的数据收集系统单独实现，其工作方式主要是对系统中来自各个蜂窝节点也就是基站小区的性能数据累加得到，并可按照时间段或局部网络区域进行平均。但是，现有的无线网络性能数据提取方法存在很大的缺点：简单的数据累加统计无法避免设备异常导致得到的性能数据波动。由于局部设备异常只能导致无线网络性能数据变差，且就整个网络来看局部异常情况基本是不间断地发生，因此采用简单的统计平均法是不可能得到准确的整个(或优化目标区域)无线网络性能数据，从而无法对无线网络优化工作形成有效的指导。

发明内容本发明所要解决的技术问题是现有技术存在的无法避免局部设备异常导致得到的整网(或优化目标区域)性能数据波动的缺点，以期提出一种能够有效提高无线网络性能数据准确性的蜂窝移动通讯网络性能数据处理方法。

本发明所提出的蜂窝移动通讯网络性能数据处理方法包括以下步骤：

1、对每个蜂窝节点运行的历史数据进行定长时段合并，剔除没有数据的时段。蜂窝节点运行的历史数据记录时间步长是由设备制造厂商设定的，一般小于等于0.5小时。考虑的蜂窝节点故障处理周期，合并时段步长取值范围：最大值为平均故障处理周期的一半，最小值是历史数据记录时间步长；

2、根据该蜂窝节点所有的历史数据计算其性能指标(比例关系)，这个指标是该节点在统计的整个时段上的平均性能数据，作为节点性能数据，考虑到故障的负面影响，该数据应该差于该节点相关的所有设备处于正常状态的性能数据；

3、计算该蜂窝节点在每个合并时段的平均性能数据，作为时段性能数据，将时段性能数据和节点性能数据相比较，若好于或等于节点性能数据，则取偏差为0，否则取差值的绝对值为时段性能负偏差数据，保存到相应的位置，所有时段数据计算完毕后，可以得到平均负偏差数据；

4、对于每个蜂窝节点来说，其处于故障状态的时间相对整个统计时段来看是比较少的，因此大多数时段的性能数据优于节点性能数据，平均负偏差的大小直接反映异常时段数据对性能指标影响大小，将大于平均负偏差的时段数据滤掉就能有效地屏蔽故障时段的数据；

5、重新计算剩余时段数据的平均负偏差数据。考虑到用户使用习惯，每个蜂窝节点性能数据在一定的范围内波动是正常现象，不同的蜂窝节点波动幅度可能不同，如分布在住宅区和分布在办公区的蜂窝节点波动规律和幅度就可能完全不一样。因此要设定一个合适的门限，使平均负偏差落在此门限内就可认为已排除异常数据，否则回到步骤2，门限取值范围：平均性能数据+(平均性能数据-平均负偏差)/4～平均性能数据+(平均性能数据-平均负偏差)/2；

6、如果本蜂窝节点的时段性能数据差异很大，导致超过一定比例(比例范围：25％～50％)的数据都被删除，则认为该节点在所研究的时段内基本处于异常状态，该节点的数据就被全部舍去不用；

7、用所有蜂窝节点剩余的数据计算得到最终的整网性能数据。

本发明还提出了另外一种蜂窝移动通讯网络性能数据处理方法，其特征在于，包括以下步骤：

2、将所有蜂窝节点的有效数据放在一起，形成统一的节点时段数据集，根据这些数据计算其性能指标(比例关系)，这个指标是整网在统计的整个时段上的平均性能数据，作为整网性能数据，考虑到故障的负面影响，该数据应该差于网络所有相关设备处于正常状态的性能数据；

3、计算节点时段数据集中在每个节点合并时段的平均性能数据，作为节点时段性能数据，将节点时段性能数据和整网性能数据相比较，若好于或等于整网性能数据，则取偏差为0，否则取差值的绝对值为节点时段性能负偏差数据，保存到相应的位置，所有时段数据计算完毕后，可以得到平均负偏差数据；

4、从大量的节点时段数据上看，其处于故障状态的节点时段相对整个统计时段来看是比较少的，因此大多数节点时段的性能数据优于前面计算得到的整网性能数据，平均负偏差的大小直接反映异常时段数据对性能指标影响大小，将大于平均负偏差的时段数据滤掉就能有效地屏蔽故障时段的数据；

5、重新计算剩余节点时段数据的平均负偏差数据。考虑到用户使用习惯，节点时段性能数据在一定的范围内波动是正常现象，因此设定一个合适的门限，使平均负偏差落在此门限内就可认为已排除异常数据，否则回到步骤2，门限取值范围：平均性能数据+(平均性能数据-平均负偏差)/4～平均性能数据+(平均性能数据-平均负偏差)/2；

6、如果节点时段性能数据差异很大，导致超过一定比例(比例范围：25％～50％)的数据都被删除，则认为该网络在所研究的时段内基本处于异常状态，不具备开展网优工作的条件；

采用本发明所述方法，通过一定的方法自动分析定位局部异常数据，滤除局部异常数据，从而得到真实可信的性能数据。与现有技术相比，可以排除设备故障导致的异常数据对系统性能数据的影响，从而能有效指导优化工作的方向，避免盲目调整带来系统性能波动。

附图说明

图1是现有的性能数据计算流程图；

图2是本发明所述方法实现方式一的流程图；

图3是本发明所述方法实现方式二的流程图；

图4是本发明中蜂窝节点处理实例-BTS01各次递归平均负偏差图；

图5是本发明中蜂窝节点处理实例-BTS23各次递归平均负偏差图；

图6是本发明中蜂窝节点处理实例-BTS05各次递归平均负偏差图；

图7是本发明中蜂窝节点处理实例-BTS34各次递归平均负偏差图；

图8是本发明中蜂窝节点处理实例-BTS11各次递归平均负偏差图；

图9是本发明中蜂窝节点处理实例-BTS33各次递归平均负偏差图；

图10是本发明中蜂窝节点处理实例-BTS04各次递归平均负偏差图。

具体实施方式

下面结合附图对本发明所述方法作进一步描述：

本发明提出了一种递归平均负偏差门限滤波方法。该方法在对统计时间步长和统计节点区域范围进行合理设定的前提下，通过设定局部节点数据与整体数据平均负偏差门限，反复递归，对所得到的性能数据进行分析与过滤，消除局部异常数据对整网(或优化目标区域)性能数据的影响，得到准确的整网(或优化目标区域)性能数据。

本发明可用于GSM、CDMA、PHS、GPRS、cdma2000、WCDMA等各种无线网络优化过程中，也可用于网元故障率造成网元指标数据单纯偏高或单纯偏低、单个网元故障率低、故障点分散、网络整体故障率较高的分布式网络结构系统的性能数据分析中。

本发明所述方法有两种实现方式，方法流程图分别如图2、3所示。

本发明所述的方法实现方式一适用于普通的蜂窝移动通讯网络，网络覆盖区内的地形地物相差较大、用户分布不均衡、蜂窝节点密度相差较大，不同区域的蜂窝节点所处无线和用户环境相差很大导致节点间的性能差异较大。

下面描述方法一实现的关键过程：

本发明所述的方法实现方式二适用于蜂窝节点所处无线和用户环境差异不大的局部网络，如中小型城市城区的无线市话网络、集群通讯网络等等，特点是网络覆盖区内的地形地物相差不大、用户分布相对均衡，绝大多数蜂窝节点所处无线和用户环境基本一致。方法二比方法一少一个大循环，执行速度相对较快。

下面描述方法二实现的关键过程：

5、重新计算剩余节点时段数据的平均负偏差数据。考虑到用户使用习惯，节点时段性能数据在一定的范围内波动是正常现象，因此设定一个合适的门限，使平均偏差落在此门限内就可认为已排除异常数据，否则回到步骤2，门限取值范围：平均性能数据+(平均性能数据-平均负偏差)/4～平均性能数据+(平均性能数据-平均负偏差)/2；

下面以某地CDMA网络登记成功率性能指标为例，介绍本发明实现过程。

整个业务区基站数目较多，考虑到大多数基站都分布在郊区，取城区及附近连片构成网络的35个基站为研究目标进行分析，这些基站有位于市中心区的基站，有位于城郊的话务量较低的基站，有郊外近似孤岛的基站，有用于室内深度覆盖的微基站。蜂窝节点的无线、用户环境差别很大，因此应该使用本发明提供的递归平均负偏差门限滤波方法实现方式一，案例使用方法流程如图2所示：

登记数据的历史记录在数据库中是以小区为单位，时间粒度为30分钟，该地基站故障平均处理时间为8小时，考虑到某个基站地面电路故障对本基站的各小区的影响是一致的，因此以基站为单位数据，整个研究时段共计715个小时。

方法处理主要阶段如下：

1、单站数据合并：对每个蜂窝节点运行的历史数据进行定长时段合并，剔除没有数据的时段；蜂窝节点故障平均处理周期的一半为4小时，考虑到只有不到1个月的数据，数据量较小，合并时段步长取1小时；

2、计算蜂窝节点性能数据：根据该蜂窝节点所有的历史数据计算其性能指标(比例关系)，这个指标是该节点在统计的整个时段上的平均性能数据，作为节点性能数据，处理结果如下所示(数据顺序依次为基站编号、有效点数、登记次数、成功次数、登记成功率)：

BTS01：715、897301、878686、97.93％

BTS02：715、453056、443905、97.98％

BTS03：713、515262、506733、98.34％

BTS04：715、398152、392048、98.47％

BTS05：715、110710、108878、98.34％

BTS06：715、437863、429052、97.99％

BTS07：681、252858、246716、97.57％

BTS08：715、497648、488391、98.14％

BTS09：713、510996、498430、97.54％

BTS10：715、558923、547692、97.99％

BTS11：702、534707、519804、97.21％

BTS12：715、509264、498902、97.96％

BTS13：699、260744、257673、98.82％

BTS14：710、345545、335650、97.14％

BTS15：715、358802、350151、97.59％

BTS16：715、532791、525464、98.62％

BTS17：715、487153、478409、98.20％

BTS18：715、608535、599360、98.49％

BTS19：715、493994、485034、98.19％

BTS20：715、343209、338637、98.67％

BTS21：715、579562、570217、98.39％

BTS22：715、273441、266380、97.42％

BTS23：710、583941、576097、98.66％

BTS24：715、217209、213101、98.11％

BTS25：715、275163、267285、97.14％

BTS26：715、241614、237930、98.48％

BTS27：712、230797、225551、97.73％

BTS28：715、179987、176258、97.93％

BTS29：703、346424、341351、98.54％

BTS30：713、148240、144731、97.63％

BTS31：715、489401、481191、98.32％

BTS32：715、291785、282258、96.73％

BTS33：715、370084、360898、97.52％

BTS34：710、23382、23050、98.58％

BTS35：715、673798、659492、97.88％

合计：24926、14032341、13755405、98.03％

3、计算节点时段数据集中在每个节点合并时段的平均性能数据，作为节点时段性能数据，将节点时段性能数据和整网性能数据相比较，将比较差的数据累计计算就可以得到平均负偏差数据，取收敛门限为：平均性能数据+(平均性能数据-平均负偏差)/3；

4、将节点时段性能数据大于平均负偏差的时段数据滤掉除；

5、重新计算剩余节点时段数据的平均负偏差数据，与收敛门限相比较，在门限之内则认为已经收敛，反之重复步骤2；

6、计算被删除的点数，若删除点数占总点数的比例大于50％，则删除整个节点数据；

7、用所有蜂窝节点剩余的数据计算得到最终的整网性能数据，结果如下：(数据顺序分别为：基站编号、递归次数、等级次数、成功次数和处理后的成功率)

BTS01：1、857931、842529、98.20％

BTS02：1、422495、415587、98.36％

BTS03：1、440213、434062、98.60％

BTS04：1、327982、323789、98.72％

BTS05：2、84446、83910、99.37％

BTS06：1、375539、369406、98.37％

BTS07：2、173943、171563、98.63％

BTS08：1、404222、397725、98.39％

BTS09：1、469239、459410、97.91％

BTS10：1、532075、523654、98.42％

BTS11：2、394056、387407、98.31％

BTS12：1、482940、474364、98.22％

BTS13：1、221601、219544、99.07％

BTS14：2、259894、254827、98.05％

BTS15：1、309342、302832、97.90％

BTS16：1、434155、429094、98.83％

BTS17：1、428735、422144、98.46％

BTS18：1、562111、554863、98.71％

BTS19：1、413340、406925、98.45％

BTS20：1、304860、301607、98.93％

BTS21：1、506622、499781、98.65％

BTS22：1、225947、220862、97.75％

BTS23：1、527065、521406、98.93％

BTS24：1、172249、169617、98.47％

BTS25：2、218768、214625、98.11％

BTS26：1、201184、198794、98.81％

BTS27：1、203345、199414、98.07％

BTS28：1、157349、154731、98.34％

BTS29：1、317255、313434、98.80％

BTS30：1、126044、123647、98.10％

BTS31：1、415730、410280、98.69％

BTS32：2、201203、196692、97.76％

BTS33：1、322782、316222、97.97％

BTS34：3、17436、17415、99.88％

BTS35：1、572754、562811、98.26％

合计：12084852、11894973、98.43％]

注：(1)图4、图5所显示的BTS01、BTS23为市中心区基站，属重点保障基站，在大多数情况下工作比较稳定，周边为写字楼环境，用户分布也比较固定，因此除偶尔出现故障导致指标跳动以外，数据集中在一个比较稳定范围内小幅波动，方法只需递归一次即可排除异常数据；

(2)图6所显示的BTS05为城郊基站与城区基站有一定的切换，但用户分布固定但较少，数据波动大，该基站硬件及地面传输电路不稳定，造成指标大幅波动，需要多次递归以排除异常数据；

(3)图7所显示的BTS34为运营商中心大楼的室内深度覆盖微基站，该基站覆盖区覆盖良好，用户少而固定，因此指标一般情况很好，但该微基站频繁发生功率闪断问题，导致指标大幅波动，需要多次递归以排除异常数据；

(4)图8所显示的BTS11为市中心区基站，周边分布密集写字楼和高层住宅，一天内用户流动规律明显，用户所处的无线环境变化大，性能指标波动明显具有以天为单位的周期性，但偶尔出现故障导致指标跳动很大，方法也只需递归一次即可排除异常数据，但其平均负偏差门限要手工干预取大些；

(5)图9所显示的BTS33为郊区覆盖公路及附近办公、居民区近似孤岛的基站，也具有波动大的特点，方法处理与BTS11类似；

(6)图10所显示的BTS04为市区基站，周边用户分布固定，基站工作相对稳定，但周边距离两个不定期使用的强干扰源较近，偶尔的干扰会导致指标有波动，方法只需递归一次即可排除异常数据。

Claims

1、一种蜂窝移动通讯网络性能数据处理方法，其特征在于，包括以下步骤：

步骤1、对每个蜂窝节点运行的历史数据进行定长时段合并，剔除没有数据的时段；合并时段步长取值范围为：最大值为平均故障处理周期的一半，最小值是历史数据记录时间步长；

步骤2、根据该蜂窝节点所有历史数据计算某网络性能数据的比例关系，该指标作为节点性能数据，是该节点在统计的整个时段上的平均性能数据；

步骤3、计算该蜂窝节点在每个合并时段的平均性能数据，作为时段性能数据，将时段性能数据和节点性能数据相比较，若好于或等于节点性能数据，则取偏差为0，否则取差值的绝对值为时段性能负偏差数据，保存到相应的位置，所有时段数据计算完毕后，获得平均负偏差数据；

步骤4、将大于平均负偏差的时段数据滤掉，屏蔽故障时段数据；

步骤5、重新计算剩余时段数据的平均负偏差数据；设定收敛门限，如果能够使平均负偏差落在此门限内，则认为已排除异常数据，否则回到步骤2；

步骤6、用所有蜂窝节点剩余数据计算得到最终的整网性能数据。

2、根据权利要求1所述的蜂窝移动通讯网络性能数据处理方法，其特征在于，所述步骤2中的节点性能数据差于该节点相关的所有设备处于正常状态的性能数据。

3、根据权利要求1所述的蜂窝移动通讯网络性能数据处理方法，其特征在于，如果本蜂窝节点的时段性能数据差异很大，导致超过异常判定门限的数据都被删除，则认为该节点在所研究的时段内基本处于异常状态，该节点的数据就被全部舍去不用。

4、一种蜂窝移动通讯网络性能数据处理方法，其特征在于，包括以下步骤：

步骤2、将所有蜂窝节点的有效数据放在一起，形成统一的节点时段数据集，根据这些数据计算某网络性能数据的比例关系，该指标作为整网性能数据，是整网在统计的整个时段上的平均性能数据；

步骤3、计算节点时段数据集中在每个节点合并时段的平均性能数据，作为节点时段性能数据，将节点时段性能数据和整网性能数据相比较，若好于或等于整网性能数据，则取偏差为0，否则取差值的绝对值为节点时段性能负偏差数据，保存到相应的位置，所有时段数据计算完毕后，获得平均负偏差数据；

步骤5、重新计算剩余节点时段数据的平均负偏差数据；设定一个收敛门限，如果能使平均负偏差落在此门限内，则认为已排除异常数据，否则回到步骤2；

步骤6、用所有蜂窝节点剩余的数据计算得到最终整网性能数据。

5、根据权利要求1或4所述的蜂窝移动通讯网络性能数据处理方法，其特征在于，所述步骤1中，由设备制造厂商设定蜂窝节点运行的历史数据记录时间步长。

6、根据权利要求4所述的蜂窝移动通讯网络性能数据处理方法，其特征在于，如果节点时段性能数据差异很大，导致超过异常判定门限的数据都被删除，则认为该网络在所研究的时段内基本处于异常状态，不具备开展网优工作的条件。

7、根据权利要求1或4所述的蜂窝移动通讯网络性能数据处理方法，其特征在于，所述设定收敛门限，依照下述原则所述计算取值范围进行设定：最小值为平均性能数据+(平均性能数据-平均负偏差)/4，最大值为平均性能数据+(平均性能数据-平均负偏差)/2。

8、根据权利要求6所述的蜂窝移动通讯网络性能数据处理方法，其特征在于，所述异常判定门限，依照下述原则设定：最小值为25％，最大值为50％。

9、根据权利要求4所述的蜂窝移动通讯网络性能数据处理方法，其特征在于，所述步骤2中的整网性能数据差于该网络相关的所有设备处于正常状态的性能数据。