KR100966454B1 - 전화 라인의 장애 검출 방법 및 장치 - Google Patents

Abstract

전화 라인 상의 장애를 검출하는 방법 및 장치에 있어서, 상기 라인의 측정되는 특성과 상기 전화 라인의 기대되는 특성을 모델링한 모델을 비교하는 단계와, 상기 비교에 응답하여, 상기 측정되는 특성과 상기 모델링된 기대되는 특성 사이의 상기 비교가 소정의 문턱값 이상으로 차이가 나면 장애 경고 신호를 생성하는 단계를 포함하고, 상기 특성은 복수의 소정 주파수 대역 내에서 상기 라인 상의 데이터 전송에 관련되는 특성을 포함하는 것을 특징으로 하는 장애 검출 방법이 개시된다.

Description

전화 라인의 장애 검출 방법 및 장치{FAULT DETECTION METHOD AND APPARATUS FOR TELEPHONE LINES}

[기술분야]
본 발명은 전화 라인상의 장애를 자동으로 검출하는 것에 관한 것이다.

[배경기술]
DSL(Digital Subscriber Line) 서비스는 주파수의 범위를 사용하는 금속성의 꼬인 구리 쌍선(twisted copper pairs)을 통해 운반된다. 대부분의 DSL 시스템에서 DMT(Discrete Multi Tone)가 사용되고, 소정 범위의 주파수 포인트가 사용되며, 데이터 전송은 이것을 통해 분포된다. 통상, DMT에서, 이용가능한 주파수 스펙트럼은 각각 4.3 kHz 주파수 점유(간격)를 갖고 "저장소(bin)" 또는 톤(tone)으로 불리우는 서브 채널을 운반하는 256 서브-캐리어로 분할된다. 16 비트 까지 각각의 저장소에 대해 할당된다. DMT는 그 톤을 위한 버스트 신호를 만들기 위해 신호 증폭 및 위상 시프트를 사용하여 각각의 저장소에 대한 비트를 인코딩한다. 그다음 DMT는 시간 도메인으로 변환된다. DSL 서비스에 영향을 끼치는 특정 라인 상태/장애는 이러한 문제를 검출하기 위해 발전된 테스트 도구를 필요로 한다(예컨데, 광대역 테스트 헤드).

DSL 라인 상에 장애가 있는지의 여부를 판정하는 현재의 방법은 손수 작업(종종 동일한 문제를 수리하기 위해 많은 엔지니어의 파견을 필요로 하는 "포크 및 호프(poke and hope)") 및 고가의 광대역 테스터를 필요로한다. 다양한 테스트 도구는 결과(DMT 할당 정보를 포함하는)를 디스플레이하지만, 이러한 장치는 디스플레이되는 분포로부터 라인 상의 장애를 인식 또는 분류하는데 있어서 사용자에게 도움을 주는 어떤 설비도 제공하지 않는다.

[발명의 상세한 설명]
본 발명에 따르면, 전화 라인 상의 장애를 검출하는 방법에 있어서, 상기 라인의 측정되는 특성과 상기 전화 라인의 기대되는 특성을 모델링한 적어도 하나의 모델(들)을 비교하는 단계와, 상기 비교에 응답하여, 상기 측정되는 특성과 상기 모델링된 기대되는 특성 사이의 상기 비교가 소정의 문턱값 이상으로 차이가 나면 장애 경고 신호를 생성하는 단계를 포함하고, 상기 특성은 복수의 소정 주파수 대역 내에서 상기 라인 상의 데이터 전송에 관련되는 특성을 포함하는 것을 특징으로 하는 장애 검출 방법이 제공된다.

라인의 속도는 모델을 형성하는 경우 고려되는 매개변수일 수 있다. 따라서, 각 모델은 소정의 데이터 비율로 라인의 기대되는 특성을 모델링할 수 있다.

바람직하게 상기 비교는 상기 측정된 특성과 상기 모델 사이의 "적합도" 테스트를 수반한다. 예컨데, 상기 비교는 이하의: 카이-제곱 통계량을 계산하는 단계와, 상기 측정된 기대되는 특성에 대한 소정의 주파수 대역 내의 제로의 개수를 비교하는 단계와, 연속적인 소정 주파수 대역 사이의 절대차의 합계를 계산하는 단계와, 데이터가 기대되는 것보다 작은(예컨데, 기대되는 것의 50% 미만) 상기 소정의 주파수 대역의 개수를 계산하는 단계와, 또는 데이터가 기대되는 것(예컨데, 기대되는 것의 두배)보다 큰 상기 소정의 주파수 대역의 개수를 계산하는 단계, 중의 하나 이상을 수반할 수 있다.

본 발명의 추가적인 측면에 있어서, 전화 라인 상의 장애를 검출하는 방법에서 이용되는 모델을 생성하는 방법에 있어서, 상기 장애 검출 방법은 상기 라인의 측정되는 특성과 상기 전화 라인의 기대되는 특성을 모델링한 모델을 비교하는 단계와, 상기 비교에 응답하여, 상기 측정되는 특성과 상기 모델링된 기대되는 특성 사이의 상기 비교가 소정의 문턱값 이상으로 차이가 나면 장애 경고 신호를 생성하는 단계를 포함하고, 상기 모델을 생성하는 방법은, 전화 라인의 특성을 나타내는 데이터를 수신하는 단계와, 상기 라인의 상기 수신되는 특성을 일반적으로 나타내는 모델을 형성하는 단계를 포함하고, 상기 특성은 복수의 소정 주파수 대역 내에서 상기 라인 상의 상기 데이터 전송에 관련되는 특성을 포함하는 것을 특징으로 하는 모델 생성 방법이 제공된다.

본 방법은 다양한 비트율로 주어진 형태의 라인의 상기 특성 및/또는 상기 소정 주파수 대역의 서브셋에 대한 주어진 형태의 라인의 상기 특성을 생성하는 단계를 추가로 포함하는 것을 특징으로 하는 모델 생성 방법을 제공한다.

본 발명의 추가적인 측면에 있어서, 전화 라인 상의 장애를 검출하는 장치에 있어서, 장애가 테스트되는 라인으로부터 데이터를 수신하는 입력장치와, 상기 데이터의 특성을 측정하는 프로세서와, 상기 라인의 상기 측정되는 특성과 전화 라인의 기대되는 특성을 모델링한 모델을 비교하는 비교기와, 상기 측정되는 특성과 상기 모델링된 기대되는 특성 사이의 상기 비교가 소정의 문턱값 이상으로 차이가 나면, 상기 비교에 응답하여 장애 경고 신호를 생성하는 생성하는 장애 경고 장치를 포함하고, 상기 특성은 복수의 소정 주파수 대역 내에서 상기 라인 상의 상기 데이 터 전송에 관련되는 특성을 포함하는 것을 특징으로 하는 장애 검출 장치가 제공된다.

본 발명은 정보의 소스로서 전송 시스템의 피처인 광대역 정보를 사용한다. 본 발명은 DSL 데이터 전송이 다양한 DMT에 할당된 경로의 분석에 기초한다. 할당을 분석함으로써 기대되는 행동을 하지 않는 라인을 식별하는 것이 가능하고, 따라서 가능한 장애 상태를 표시한다. "개략" 정보(다운스트림 손실 등)가 "까다로운" 장애를 집어내지 않을 때, 이 기술은 유용하다.

본 발명은 장애가 있거나 또는 장애가 발생하기 쉬운 라인, 특히 장애가 모호하거나 또는 간헐적인 라인을 인식하는 방법에 관한 것이다. 본 발명은 ADSL(Asymmetric Digital Subscriber Line), 특히 장애가 없는 라인과 비교할때 다른 분포 "프로필"을 갖는 장애가 발생하기 쉬운 ADSL 라인 상의 DMT 주파수의 전역에서 비트 점유의 분포의 분석을 통해 인식된다. 표준 모델링 기술을 사용하면, 저장소 점유를 갖는 하나 이상의 모델 프로필은 장애가 없는 것으로 알려진 라인을 위해 수집된 분포의 샘플에 기초하여 생성된다. 모델 프로필은 다른 전체 다운스트림 비트율 및 다른 라인 길이의 선택시 동작하는 라인(ADSL 라인과 같은)을 나타내기 위해 생성될 수 있다.

하나 이상의 통계적인 "적합도(goodness of fit)" 테스트는 장애가 없거나 또는 장애가 발생하기 쉬운 것이 되는 것으로서 라인을 식별하고, 특별한 형태의 장애에 대한 민감도를 가능한 인식하기 위해 특별한 라인의 비트-점유 분포와 하나 이상의 선택된 모델 프로필을 비교하기 위해 적용될 수 있다. 카이 제곱(chi- squared)과 같은 통계적인 테스트는 프로필을 비교하는데 잘 동작하는 것으로 알려졌다.

기술은 DMT 전송을 사용하는 임의의 DSL 서비스에 적용될 수 있다.

비교의 결과는 엔지니어가 DSL 서비스에 진짜 문제가 있는 경우에만 신속히 처리되게 할 수 있다. 라인을 시간을 경과하여 모니터링 하는 것이 또한 가능할 수 있어서 엔지니어는 라인에 대한 문제가 서비스에 악영향을 주기 바로 전에 포인트에서 신속히 처리할 수 있다.

이 기술의 추가 적용은 라인이 설정되는 DSL 서비스의 긴-기간의 배치에 대해 적합한가를 마지막으로 체크하는 것일 수 있다.

본 발명은 통신 섹터, 예컨데:

ㆍ 그들이 운영하는 라인이 공급 시점에서 좋은 동작 상태에 있는가의 여부, 또는 장애가 보고되는 경우, 테스트가 라인이 시간을 경과하여 폐기되었는가를 검사하는데 또한 유용할 수 있는가를 확인하는 광대역 서비스를 제공하고 있는 현직 전화회사

ㆍ 그들이 공급하는 라인이 그들이 제공하고 있는 서비스를 지원할 수 있는가 및 고객이 문제를 보고하는 경우 라인이 장애 상태에 있는가의 여부를 또한 판정할 수 있는가를 체크하는 기사

ㆍ 그들의 제품에 가치를 부가하는 DSL 장비 제조자

ㆍ DMT 결과를 해석하는 방법을 제공하는 테스트 장비 제조자,

의 다양한 입장에서 관심을 가질 수 있다.

본 발명의 추가적인 측면에 있어서, 전화 라인 상의 장애를 검출하는 방법에 있어서, 상기 라인의 측정되는 특성과 상기 전화 라인의 기대되는 특성을 모델링한 모델을 비교하는 단계를 포함하고, 상기 비교 단계는 상기 측정되는 특성과 상기 모델링된 기대되는 특성 사이의 적합도 테스트를 수반하는 것을 특징으로 하는 장애 검출 방법이 제공된다. 상기 비교에 응답하여, 상기 측정되는 특성과 상기 모델링된 기대되는 특성 사이의 상기 비교가 통계적으로 중대하게 다르다면 장애 경고 신호가 생성될 수 있다.

상기 비교 단계는 한주기 시간에 걸쳐서 상기 전화 라인의 상기 특성 내의 변화를 모니터링 하기 위해 상기 한주기의 시간에 걸쳐서 주기적으로 실행될 수 있다. 이는 주기적인 테스트는 라인의 품질의 개선 또는 저하의 표시를 제공할 수 있다.

상기 비교 테스트의 결과는 지역적으로 이용가능하게 될 수 있거나 또는 중앙 유닛으로 송신될 수 있다.

[도면의 간단한 설명]
본 발명은 첨부된 도면을 참조하여 예를 통해 설명될 것이다.

도 1은 DSL에 대한 일반적인 저장소 점유 분포를 도시한다;

도 2는 업스트림 저장소 점유 모델의 일예이다;

도 3는 적절한 트렌드-라인 및 수학식을 갖는, 576K 비트율을 위한 "정상적인" 경우의 평균 저장소 점유의 일예이다;

도 4는 적절한 트렌드-라인을 갖는, 저장소 번호에 대한 정규화된 평균 저장소 점유를 나타내는 도표이다;

도 5는 본 발명에 따른 장애 검출 장치 및 장애 검출 장치가 사용되는 일반적인 시스템의 일 실시예를 도시한다;

도 6은 제로 다운스트림 저장소 통계량 사용함으로써 정상이 아닌 것으로 나타날 수 있는 예시적인 비트 점유 분포이다;

도 7은 절대차 통계량의 사용이 측정 및 기대되는 특성을 나타내는 예시적인 비트 점유 분포이다;

도 8은 "절반 이하" 통계량을 사용하는 예시적인 비트 점유 분포이다; 및

도 9는 "두배 이상" 통계량을 사용하여 정상이 아닌 것으로 나타날 수 있는 예시적인 비트 점유 분포이다.

[실시예]
본 발명은 ADSL 장애 진단에 있어서 DSL의 특성을 조사하는 것에 관한 것이다. 이러한 특성은 주파수 범위 전역의 전송 데이터 분포, 예컨데 데이터 전송이 DMT 저장소 또는 또는 신호 대 잡음 마진에 어떻게 할당되는가 일 수 있다. 이러한 특별한 예에서, 우리는 DMT 저장소 할당 분포를 고려할 것이다. 엔드 유저 모뎀 및 전화 교환기 내의 모뎀 내에 삽입된 알고리듬은 저장소로서 또한 알려진 다른 DMT 주파수 사이의 비트 할당을 실행한다. 사용된 주파수의 정확한 선택은, 주로 잡음 마진을 고려하면서, 수신된 이러한 신호의 분석에 기초할 것 같으나, 또한 신호대 잡음비 및 주파수 저장소에 대한 손실과 같은 인자에 가능한 기초한다. 특별한 저장소가 어떻게 사용되는가를 판정할 수 있는 많은 영향이 존재하고, 이러한 것은 손실, 회로 잡음, 임펄스 잡음, 왜곡 및 라인상의 간섭, 및 또한 얼마나 많은 전력이 특별한 주파수에서 전송되는가 및 저장소 사용을 판정하기 위해 사용된 알고리듬을 포함한다. 데이터는 ADSL 서비스가 광대역의 이용가능한 DMT 주파수 또는 저장소를 어떻게 이용하는가를 상세히 한다.

DMT 주파수 저장소 사용을 위한 일세트의 "기대" 분포는 라인의 특별한 형태 상에서 보여진 서비스의 각 비트율에 대해 전개된다. 그다음 있음직한 장애를 갖는 라인에 대한 데이터는 장애 상태가 예측된 할당으로부터 이탈한 주파수 사용에 연관되는가의 여부를 알기 위해 이러한 "기대" 분포와 비교된다.

특정 경우에 대해 장애가 보고되었던 경우에 얻어지는 DMT 저장소 사용 분포는 준비되었던 "기대" 분포와 달랐으나, 장애가 제거되었던 경우의 DMT 분포는 그대된 것과 매칭되었음이 발견되었다. 이는 기술이 해결되어야할 필요가 있는 서비스에 대한 이슈가 존재하는 강조하는 경우에서 유용할 수 있음을 나타낸다.

데이터는 이하:-

ㆍ 서비스 레벨 보증 및 QOS에 대해 유용할 수 있RH, 네트워크 소유자의 책임인 장애 식별

ㆍ 적절한 기술을 가진 엔지니어가 급파되게끔 하는 장애 위치

ㆍ 시간에 따른 분포를 모니터링함으로써 문제를 회피할 수 있는, 가능한 장애 예측

ㆍ 자체 설치 제품용으로 유용할 수 있는 사용된 엔드 유저 모뎀의 가능한 식별,

에 대해 유용할 수 있다:

엔드-유저가 제품(예컨데, 브리티쉬 텔리커뮤니케이션즈 피엘씨(British Telecommunications plc)에 의해 제공된 비디오스트림, IP 또는 데이터스트림과 같은 제품)으로 장애를 보고하는 경우 및 서비스 제공자가 그것을 고칠 수 없는 경우, 그것은 조사를 위해 네트워크 소유자에게 전달된다.

전송은 손실, 잡음(회로 및 임펄스 양자), 왜곡 및 간섭과 같은 이슈에 의해 영향을 받는다. 특정 주파수에서 전송될 수 있는 정보의 양은 얼마나 많은 전력이 그러한 특정 주파수에서 전송되고 저장소 사용을 판정하는데 사용된 알고리듬에 또한 의존할 것이다. 기본 아이디어는 일반적으로 DMT 주파수의 사용이 통신 네트워크 내에서 기대될 수 있는 것들을 넘는 간섭의 소스에 속하지 않는 좋은 수리 상태의 라인을 위한 서비스의 특정 비트율과 유사할 수 있는 가능성이다. "정상이 아닌" DMT 사용 패턴을 갖는 임의의 라인은, 모뎀이 일범위까지 라인상에서 특정 상태에 대처할 수 있지만, 그 차이를 설명하는 약간의 근본적인 물리적 이유를 가질 것이다. 이러한 차이는 해결되어야 하는 라인에 대한 이슈를 지적할 수 있다.

우리는 데이터가 운반될 수 있는 256 저장소(0 -> 255 로 번호가 매겨진)를 제공하는 ADSL 시스템을 고려할 것이다. 저장소 7 -> 29는 업스트림 데이터를 운반하고, 반면 저장소 38 -> 255는 다운스트림 데이터를 운반한다. 비록 조사되는 경우에 대한 특정 저장소내에 나타난 최대 숫자가 10이라 하더라도, 각 저장소는 최대 16 비트의 데이터를 수용할 수 있다. DMT 저장소와 관련된 숫자는 각 저장소 내에서 운반되는 비트의 숫자이고, 심볼 비율은 4kHz이다. 특정 저장소와 관련된 주파수는 저장소 숫자에 4.3kHz를 곱한 것이다.

최초 도표는 관찰되는 각 경우에 대한 모든 테스트에 대한 업스트림 및 다운 스트림 저장소 점유에 대해 그려졌다. 업스트림 및 다운스트림 저장소 양자를 나타내는 이러한 도표의 일예는 도 1에 도시된다. 이 도표는 업스트림 저장소 점유 분포가 모든 경우에 대해 거의 동일함을 도시한다. 그러나, 다운스트림 저장소 분포는 변경되었다. 저장소 0-6 및 저장소 30-37 로부터 저장소 점유 내의 뚜렷한 컷오프는 도 1에 선명하게 나타날 수 있다. 이러한 연구에서 나타난 경우의 어떤 것도 비율이 적용되지 않고 서비스의 적용이 발생하는 것은 업스트림 방향임을 유의해야 한다.

다음의 네개의 공통 다운스트림 비트율 576Kbits/s, 1152Kbits/s, 2272Kbits/s 및 2528Kbits/s는 고려될 것이다. 샘플에서 두개의 가장 공통된 비트율은 576K 및 2528K 비트율이었다.

업스트림 저장소 점유는 저장소 7과 31 사이에서 모델링되었고, 이는 바로 이 범위로부터의 저장소가 0 비트를 수용했기 때문이다. 모델링은 보여진 경우에 대한 업스트림 저장소 점유를 평균함으로써, 그다음 평균의 값의 이러한 세트에 곡선을 적용시킴으로써 실행되었다. 업스트림 저장소 점유의 평균으로부터 도출된 모델은 다음의 형식:-

y = -4E-06x⁵ + 0.004x⁴ - 0.0148x³ + 0.2362x² - 1.1408x + 1.2793

이다.

도 2에 도시된 그래프는 업스트림 데이터와 비교되는 업스트림 모델을 도시 한다. 데이터 내에 보여진 경우의 어떤 것도 비율이 적용되지 않고 적용이 발생하는 것은 스펙트럼의 업스트림 섹션 상이다. 그러므로 업스트림 모델은 비율 적용이 적용되는 경우 모순이 있을 수 없고 결과적으로 하나의 모델 이상이 업스트림 특성을 모델링하기 위해 필요할 수 있을 것 같다.

다운스트림 저장소 점유로부터, 576K의 경우에 대한 저장소 사용의 분포는 다른 경우의 분포와 중대하게 다르게 나타나는 것이 명백하다. 이러한 이유로, 그들은 다른 형태의 분포를 따르는 것으로 나타나기 때문에, 576K 경우는 576K가 아닌 경우와 분리되어 조사되고, 그러므로 분리된 "모델"이 필요했다. 576K 분포는 다른 것들에 비해 더욱 평평한 것처럼 보이고, 일반적으로 저장소에 대해 0 비트 또는 2 비트 중에 어느 하나 이다. 다른 분포는 점유되었던 저장소 및 저장소들 내에 존재하는 비트의 범위에 대해 더욱 많이 변하게 된다.

데이터 모델링

576K 다운스트림 경우들 사이의 DMT 저장소 할당은 다른 다운스트림 비트율에 대해 다른 분포를 따르는 것으로 나타나기 때문에, 두개의 "기대" 분포가 계산되었다.

도표는 얻어진 모든 다운스트림 저장소 점유 분포로 만들어졌다. 이러한 도표로부터, 단지 특정 저장소만이 사용되었음이 명백했다. 576K 비트율에 대해, 이는 저장소 46으로부터 저장소 255 까지였다. 576K 비트율이 아닌 것에 대해, 이는 저장소 38로부터 저장소 255까지였다(255는 저장소의 최대 숫자이기 때문에, 모든 가능한 다운스트림 저장소가 사용되었다). 이러한 범위 밖의 저장소는 제로 비트를 갖거나 또는 업스트림 트래픽과 관련되었다.

기대 DMT 저장소 할당을 계산하는 경우, 장애가 없는 것으로 간주되는 전화라인으로부터의 데이터가 사용된다. 수동, 주관적 선택의 방법은 모델을 생성하기 위해 사용되어야 하는 경우를 선택하는데 사용될 수 있다.

데이터 모델링 연습의 목적은 테스트 라인에서 실제로 관찰되는 분포와의 전체적인 비교를 위해 사용될 수 있는 특정 형태의 라인/비트율/라인 길이에 대한 "일반적으로 기대되는" DMT 저장소 할당을 만드는 것이다.

어떻게 기대 분포를 얻었는가의 상세한 내용은 576K 비트율 및 576K 비트율이 아닌것에 대해 설명될 것이다. 기대 다운스트림 분포를 설명하는 수학식은 이하에서 요약된다.

576K 경우에 대한 다운스트림 데이터 적합도

576K 경우에 대한 기대되는 DMT 저장소 할당을 계산하는데 사용된 데이터는 장애가 없었던 복수의 전화라인으로부터 측정되었다.

576K 비트율 경우를 모델링하기 위해, 각 저장소에 대한 평균 저장소 점유가 취해졌고, 도표가 만들어 졌고, 및 트렌드-라인이 적합하게 만들어졌다. 평균값에 적합한 결과적인 트렌드-라인은 576K 비트율에 대한 "기대되는" 다운스트림 저장소 점유 분포 모델로서 사용되었다.

트렌드 라인을 따르는 평균 저장소 점유는 저장소 숫자에 대해 도표로 만들 어져서 도 3을 만들었다.

저장소 점유 분포를 만들기 위해, 6차 다항식 트렌드-라인은 "아이볼링(eyeballing)" 이후에 다른 적합도를 사용하는 최적의 모델이 되는 것으로 간주되었다.

576K 비트율 저장소 점유로부터 계산된 기대되는 모델의 예는 6차 다항식:-

y = - 1.969E-11x⁶ + 1.558E-08x⁵ - 4.979E-06x⁴ + 8.231E-04x³ - 7.439E-02x² + 3.480E+00x - 6.334E÷01

의 형식이다.

적합한 모델은 각각의 저장소에 대해 기대되는 저장소 점유를 제공한다. 특정 경우에 대한 저장소 점유와 이 적합한 모델을 비교함으로써, 의문이 있는 서비스가 "정상적"인가 정상적이지 않은가의 여부를 판정하는 것이 가능할 수 있어야 한다.

576K가 아닌 경우에 대한 다운스트림 데이터 적합도

576K 비트율이 아닌 경우는 다운스트림 비트율의 범위, 여기에선 다양한 DMT 저장소 내의 기대값의 범위에서 다루어지기 때문에, 다른 진행은 상기의 576K 비트율로부터 이어졌다. 이러한 다른 비트율은 동일한 일반적인 "모양"을 갖기 때문에, 정규화된 분포가 먼저 계산되고, 그래서 다양한 DMT 저장소 내의 모든 값은 유 사한 범위였다. 그러면 이는 결과적인 "정규화된" 분포가 고려되고 있는 서비스의 다운스트림 비트율에 따라서 "스케일링"되어져야 함을 의미한다.

각각의 장애가 없는 라인 상에서 취해진 각 판독에 대한 저장소 점유는 그러한 테스트에 대한 저장소 점유의 전체 합계의 단편으로서 정규화되었다. 그다음 각 저장소에 대한 평균 정규화된 점유는 고려된 모든 경우에 걸쳐 계산되었다. 정규화된 DMT 저장소 사용값은 각 저장소 분포의 전체 비트 합계의 단편으로서 계산되었다. 모든 DMT 저장소 사용은 정확하게 동일한 포인트에서 다시 시작하지 않지만, 576K 경우에 관하여 설명된 것과 같이, 목적은 "일반적으로 기대되는 분포"를 얻는 것이었다. 이러한 정규화된 저장소 점유로부터, 모든 DMT 분포 전역의 평균값은 계산되었다.

트렌드-라인은 이러한 평균화된 데이터에 적합했다. 또한, 6차 다항식 모델은 사용하기에 가장 적절한 "눈으로" 관찰되었다. 576K 비트율 저장소 점유로부터 계산된 기대되는 정규화된 모델은 6차 다항식:-

y = - 8.264E-15x⁶ + 7.861E-12x⁵ - 3.016E-09x⁴ + 5.960E-07x³ - 6.392E-05x² + 3.477E-03x - 6.608E-02

의 형식이다.

적합하게 만들어진 트렌드-라인을 따라서, 저장소 숫자에 대한 정규화된 평균 저장소 점유의 도표는 도 4에 도시된다. 도 4는 특정 주파수에서 정규화된 저 장소 점유 분포 밖에 뚜렷한 "바이트" 가 존재하는 것을 유의해야 하는 것은 흥미롭긴 하지만, 트렌드-라인은 다운스트림-정규화된 저장소 점유 분포에 가깝게 적합한 것을 도시한다.

관련된 비트율(1172K, 2272K 또는 2528K)에 따라서 이러한 "정규화된" 다항식 적합도를 "스케일링"하기 위해서, 선형 모델은 비트율에 대한 각 분포에 대해 모든 다운스트림 비트의 합계를 모델링하는데 사용되었다.

엑셀 회귀 분석 도구는 선형 모델을 생성하기 위해 비트율 상에서 사용되었다. 선형 모델의 사용은 모델 분포에 대한 스케일링 인자가 효과적으로 계산되게 하였다. 회귀 출력으로부터 선형 모델의 그레디언트(gradient) 및 인터셉트(intercept)가 취해졌고 모델링되는 분포 상의 데이터로 도표가 만들어졌다. 576K가 아닌 경우에 대한 정규화된 모델을 스케일링하기 위해 사용된 선형 모델은:-

Y = 0.328575638x - 41.50589785

의 형식이다.

선형 모델 및 다항식 모델로부터 각 다운스트림 비율 각각에 대한 기대되는 저장소 점유는 계산될 수 있다. 테이블 1은 저장소 서브셋에 대한 계산의 일예를 제공한다.

테이블 1 : 기대되는 저장소 점유가 계산되는 방법

도 5는 통신 네트워크의 부분의 일예를 도시한다. 지역 교환기(2) 및 사용자 댁내에서의 네트워크 단말 장비(4)는 DSL(8)에 의해 연결된다. 데이터는 모뎀과 같은 지역 교환기(2)와 단말 장비(4) 사이의 DSL을 통해 전송된다. 본 발명에 따른 장애 검출 장치는 6으로 표시된다. 장애 검출 장치는 DSL 라인(8) 상에서 전송된 데이터를 측정하고 요청된 형식으로 데이터를 출력하는 라인 특성 측정기(60)를 포함한다. 예컨데, 본 발명의 바람직한 실시예에서, 라인 특성 측정기(60)는 라인(8)에 대한 DMT 저장소 점유를 측정한다.

이 데이터는 측정 구성요소(60)의 출력과 분석기(62) 내에 저장된 데이터 모 델 사이의 비교를 실행하는 데이터 분석기(62)로 입력된다. 상기한 바와 같이, 이 모델들은 특정 형태의 라인을 위한 기대되는 라인 특성을 모델링한다. 장애 검출 장치는 또한 디스플레이(64) 및 오디오 경고 생성기(66)를 포함한다. 분석기는 또한 데이터 분석기(62)에 의해 실행된 비교의 결과가 장애 라인이 존재하는 것을 표시하는 경우 장개 검출 장치(6)가 오디오 경고를 만들도록 오디오 경고(66)로 신호를 송신하기 위해 배열될 수 있다.

측정 데이터의 통계적 분석

모델이 어떻게 생성될 수 있는가는 상기에서 설명되었다. 우리는 현재 이러한 모델이 어떻게 사용될 수 있는가를 고려할 것이다. 사용에서, 모델에 의해 나타난 기대되는 저장소 점유는 테스트 하에 있는 라인에 대해 관찰되는 실제 저장소 점유 및 각 테스트 경우에 대한 데이터가 "기대" 분포를 따르는가의 여부를 판정하기 위해 실행된 통계적 분석과 비교된다.

각 테스트된 라인에 대해, 그래프는 실제 측정되는 데이터 및 다운스트림 저장소를 통해 데이터의 모델링되는 할당을 나타내면서 그려진다. 관찰되는 데이터 할당과 기대되는 데이터 할당 사이의 차이에 대한 데이터 및 할당 숫자값을 더욱 형식적으로 분석하기 위해, "적합도"가 또한 판정된다. 다음의 기술:

ㆍ "카이 제곱" 형식 테스트

ㆍ 모델 분포로부터 할당된 1보다 큰 값을 기대하는 경우, 제로 비트가 할당되면서 관찰되는 저장소 숫자의 카운트

ㆍ 전체적으로 관찰되는 다운스트림 범위 전체에 걸쳐 이웃하는 저장소에 할당된 숫자 사이의 절대차의 합계

ㆍ 일 저장소 내의 실제 할당이 그 저장소에 대한 이상적인 분포로부터 예측된 것의 절반보다 작은 장소의 카운트

ㆍ 일 저장소 내의 실제 할당이 그 저장소에 대한 이상적인 분포로부터 예측된 것의 두배보다 많은 장소의 카운트,

은 "적합도" 테스트를 위해 조사되었다.

이러한 테스트는 얻어진 다양한 저장소를 통한 다운스트림 데이터의 실제 분포를 관찰하고 나타난 기대되는 분포로부터 이탈을 설명하기 위한 계산 방법을 공식화하기 위한 시도를 한 이후에 선택되었다.

테스트는 눈에 의해 관찰된 이탈의 형태를 캡쳐하여 계산될 수 있는 값의 시퀀스를 밝혀내기 위한 시도를 나타낸다. 모뎀의 목적은 라인에 있는 문제를 극복하는 방식으로 훈련하는 것이고, 일범위 까지, 얼마나 많은 데이터가 특정 주파수에서 실행되는가를 선택하는 이러한 능력의 결과로서 "나쁜" 상태의 라인에 대처할 수 있다.

분포가 기대되는 것과 다른 경우를 강조하는 능력을 갖는 것은 근본적인 물리적인 문제를 갖는 그러한 라인이 식별되게 할 수 있다. 상기 기술은 기대되는 것과 다른 분포의 식별하는 다수의 방법을 제공한다.

테스트 1 : " 카이 제곱" 형태 테스트

표준 카이 제곱 통계 테스트는 전체적을 관찰되어 "모델링된" DMT 저장소 점유 할당 사이의 "중대한 차이"가 있는가의 여부를 테스트하기 위해 사용되도록 적용되었다. 카이 제곱 테스트를 위해 계산된 값은 수학식 5로 주어진다.

카이제곱 테스트에 대해 특정 카테고리에서 기대값의 숫자는 이상적으로 5보다 크거나 또는 동일해야 한다. 기대되는 숫자가 이보다 작다면, 이웃하는 카테고리는 결합되어야 한다. 이러한 시험에서 데이터를 프로세스하기 위해, 이웃하는 저장소는 합계된 "기대되는" DMT 저장소 점유 분포로부터 그들의 값을 가지고, 특정 비트율에 대한 저장소의 특정 범위에 걸친 합계는 항상 1 이상이었고 대부분 5 보다 컸다. 관찰되는 분포로부터 저장소의 동일한 범위에 걸친 합계는 그러한 값을 비교하기 위해 취해졌다. 엄격히 말해서 카이제곱 근사치(approximation)는 원래의 분포로부터 기대값의 20퍼센트 이하가 5 보다 작고 어떤 것도 1보다 작지 않다면 단지 유효함을 유의해야 한다. 그러나, 이러한 테스트의 실제 목적은 관찰되는 분포 및 기대되는 분포 사이의 차이의 "과학적인" 판정이 아니고, 관찰되는 분포가 "달랐는가"의 여부를 판정하기 위한 더욱 논리적인 테스트이다.

기대값이 다른 비트율 각각에 대한 카이제곱 테스트로 모여진 다수의 그룹은 테이블 3.1 내에 주어진다. 다른 그룹핑(grouping)이 필요한 이유는 낮은 비트율에 대한 특정 DMT 저장소를 위해 기대되는 할당이 높은 비트율에 대한 기대되는 할 당 보다 일반적으로 낮기 때문이다.

결과적으로, 많은 DMT 저장소는 필요한 범위 내에 있는 값을 얻기 위해 그룹핑되어야 했다.

테이블 3.1 : 서비스의 다른 비트율에 대한 카이-제곱 테스트를 위한 그룹의 개수.

비트율(Kbit)	카이-제곱 테스트를 위한 "그룹"의 개수
576	33
1152	52
2272	108
2528	108

데이터를 그룹핑하기 위해, DMT 저장소의 연속적인 범위에 걸친 기대값은 결합된 값이 4.9에서 11.1까지의 범위 내에 있을 때까지 합해졌다. 이에 대해 두개의 예외:-

ㆍDMT 저장소 187부터 200까지 연장되었고 1.15의 합계를 갖는 576Kbit의 최종 그룹

ㆍDMT 저장소 242부터 255까지 연장되었고 3.5의 합계를 갖는 1152Kbit의 최종 그룹,

가 존재했다.

576 및 1152Kbit 비율에 대한 최종 범위는 확실히 연장되었고 그들과 이웃하는 그룹의 결합은 분포 내에서 발생하는 약간의 변형을 차단할 수 있는 것을 알게 되었다.

동일한 그룹핑은 프로세싱을 늦추기 위해 2272 및 2528 비트율로 사용되었 다.

테스트는 1% 및 5% 중요 레벨 양자에서 실행되었다. 차이가 하나 이상의 이러한 레벨에서 중요했던 그 경우는 "이탈한" 분포로서 분류되었다.

수학식 5는 테스트 통계량에 대해 비교되고, 아래:

= CHIINV(0.05, df) 또는 = CHIINV(0.01, df)

-여기서, 0.05 및 0.01은 중요 레벨(각각 5% 및 1%)이고, df는 자유도의 숫자이다-

에 도시된 것과 같이 사용된 중요 레벨에 대한 엑셀 함수 CHIINV 로부터 도출될 수 있는 데이터로부터 계산된 통계량을 제공한다. 두개의 레벨은 기대되는 것과 다른 "눈으로" 관찰된 그러한 경우를 강조하기 위해 테스트가 어떤 레벨에서 실행되어야 하는가를 조사하기 위해 선택되었다. 그 레벨은 또한 분포가 종종 테스트되는 "표준" 레벨에 상응한다. 카이-제곱 테스트의 결과는 디스플레이(64) 상에 제공될 수 있다.

테스트 2: 제로 다운스트림 저장소

이러한 테스트의 목적은 다운스트림 저장소 점유 분포가 그들이 제로가 되지 않는 것으로 기대되는, 몇몇의 제로 비트 저장소를 갖는 경우를 검출하기 위한 것이다.

통계량은 기대되는 모델이 관심있는 저장소에 대해 1 보다 큰 값을 예측한 저장소의 범위 전체에 걸쳐 계산되었고, 엑셀 공식

=IF(관찰된 저장소=0,1,0)

을 사용했다.

이것은 저장소 점유가 기대되지 않는 경우 0으로 떨어지는 다수의 경우를 단순히 제공한다. 이는 0 점유를 갖는 많은 개수의 다운스트림 저장소가 존재한다면 라인에 대한 문제의 표시가 잠재적으로 될 수 있다. 이러한 테스트가 유용할 수 있는 분포 형태의 일예는 도 6에 주어진다. 이 제로 다운스트림 저장소 통계량은 저장소(150)의 전방으로부터 많은 개수의 0비트 저장소 점유 때문에 도 6에서와 같이 "정상이 아닌" 분포를 식별하기 것을 쉽게 만들 수 있다. 이 테스트는 카이제곱 테스트와 결합하여 사용되는 경우 특히 유용할 수 있다. 테스트의 결과는 디스플레이(64) 내에 디스플레이될 수 있다.

테스트 3: 절대차

이 테스트의 목적은 다운스트림 저장소 점유에 있어서 "지터리니스(jitteriness)"를 검출하는 것이다. 도 7의 분포는 대략 저장소 125로부터 저장소 200까지의 "지터리니스"를 나타낸다. 이 테스트는 관찰된 기대 분포로부터 일 형태의 탈피를 식별하는 다른 방법을 나타낸다.

이 테스트는 단순히 연속적인 저장소 사이의 절대차를 단순하게 합한다. 사용된 공식은

=ABS(bin39-bin38)

=ABS(bin40-bin39)

=ABS(bin41-bin40)

...

등이다.

그다음 이 차이는 각 PSID에 대해 합쳐진다. 다른 비트율 사이의 차이를 비교하기 위하여, 높은 비트율에서, 특정 DMT 저장소 내의 큰 숫자의 비트 때문에, 큰 차이가 기대될 수 있으므로, 표준화된 형식이 필요했다.

다음의 정규화된 차이 통계량:

이 사용됐다.

도 7에 도시된 데이터에 대해 계산된 차이 통계량은, 가장 "정상적으로" 보이는 분포로부터 대략 6의 값과 비교되어 19.84였다. 테스트의 결과는 디스플레이(64)에 제공될 수 있다.

테스트 4: 절반 이하

이 테스트는 특히 낮게 관찰되는 저장소 점유를 검출하기 위해 설계되었다. 공식은

=IF(관찰된 저장소<0.5*기대되는 저장소, 1, 0)

이다.

"절반 이하" 통계량은 분포에서 "떨어진 것(drop-off)"를 집어낸다. 도 8의 특정 테스트에 대한 통계량은 주로 저장소 145 이후 저장소 점유의 전체적인 부족때문에 119이다. 정상적으로, "절반 이하" 개수는 대략 20-25 정도이다. 테스트의 결과는 디스플레이(64)에 제공될 수 있다.

테스트 5: 두배 이상

이 테스트는 관찰되는 분포가 굽어진 경우에 발생될 수 있는, 특히 높은 저장소 점유를 검출한다. 공식은

=IF(관찰된 저장소>2*기대되는 저장소, 1, 0)

이 "절반 이상" 통계량은 할당이 DMT 저장소 사용의 분포에서 높은 주파수 저장소를 향하여 "굽어진" 경우를 강조할 수 있다. 위치의 일예는 도 9에 도시된다. 도 9의 특정 경우에 대한 두배 이상 통계량은 45이다. 장애가 없는 라인의 대다수에 대해 통계량은 0부터 5까지의 범위에 있다. 테스트의 결과는 디스플레이(64) 상에 제공될 수 있다.

결과

상기에서 설명한 측정 및 통계량은 테스트되는 각 라인에 대해 계산되고 이들은 그다음 통상의 엔지니어에 의해 검토될 수 있는 각 경우에 대한 명백한 정보를 제공하기 위해 도표와 비교된다. 선택적으로 장애 검출 장치(6)는 장애를 없애기 위해 중앙 유닛으로 자동 장애 경고를 송신하도록 배치될 수 있다.

비교 테스트 결과는 분리되어 또는 결합된 방식으로 제공될 수 있다. 예컨 데, 장애 검출 장치로부터 데이터 출력은 상기 테스트 모두에 대한 분리 판독을 포함할 수 있다. 부가적으로 또는 선택적으로, 장애 검출 장치는 개별 테스트의 결과를 신호 판독에 결합시키는 추가 데이터 프로세싱을 실행할 수 있다.

기대되는 것과 다른 분포는 다른 테스트가 강조할 수 없는 라인에 대한 이슈를 표시할 수 있다. 실제로, 검사되는 장애의 약간에 대해, 모든 다른 테스트가 기대 범위 내의 값이 되돌아왔기 때문에, 본 발명에 따른 시스템 만이 라인에 이슈가 존재했음을 표시했다.

라인 데이터는 라인 및 장비 상태를 반영하는 정보를 포함하는 것으로 증명되었다. 본 발명은 이러한 데이터를 취하고 라인의 비트율로 적절한 모델에 관한 테스트를 실행하는 진단 도구를 제공한다.

장애 진단에서 사용되는 라인 데이터에 대해 포텐셜이 존재하는 것으로 나타나기 때문에, 이 정보는 모든 라인에 대해 이용가능하게 될 수 있음을 상상할 수 있다.

상기한 설명은 고려되는 특정 비트율을 참조한다. 그러나 이러한 비트율은 단지 예시적이고 본 발명 상에서 어떤 제한하는 결과를 갖지 않는다는 것을 기술분야의 통상의 당업자에 의해 인식될 수 있을 것이다. 본 발명은 다른 비트율, 길이, 형태 및 (예컨데, 꼬인 구리 쌍선 또는 광섬유) 등등 을 갖는 라인에 적용가능하다. 데이터 분석기(62)는 라인을 테스트하기 위해 적합한 것으로 생각되는 임의의 모델을 포함할 수 있다. 라인에 대한 저장소 점유의 특정 특성은 상기에서 충분히 설명되었다. 그러나 다른 라인 특성이 라인에 대한 예시적인 신호 대 잡음 마진으로 고려될 수 있는 것은 기술분야의 통상의 당업자에게 명백할 것이다.

본 발명의 다른 변환 및 변경은 이 설명을 읽은 기술분야의 통상의 당업자에게 명백할 것이고 본 발명의 기술적 사상 내에서 이러한 것을 의도한다.

Claims (20)

1. DSL(Digital Subscriber Line) 상의 장애를 검출하는 방법에 있어서,

   상기 DSL의 측정되는 데이터 전송 특성과 상기 DSL의 기대되는 데이터 전송 특성을 모델링한 적어도 하나의 모델을 비교하는 단계, 및

   상기 비교에 응답하여, 상기 측정되는 데이터 전송 특성과 상기 모델링된 기대되는 데이터 전송 특성 사이의 상기 비교가 소정의 문턱값 이상으로 차이가 나면 장애 경고 신호를 생성하는 단계를 포함하고,

   상기 데이터 전송 특성은 DMT(Discrete Multi Tone)의 저장소 점유 분포를 나타내는 복수의 소정 주파수 대역 내에서 상기 DSL 상의 데이터 전송에 관련되는 특성을 포함하는 것을 특징으로 하는 장애 검출 방법.
2. 제 1 항에 있어서,

   상기 모델은 상기 DSL과 연관된 소정의 데이터율로 상기 기대되는 데이터 전송 특성을 모델링하는 것을 특징으로 하는 장애 검출 방법.
3. 제 1 항에 있어서,

   상기 비교는 적합도(goodness of fit) 테스트를 수반하는 것을 특징으로 하는 장애 검출 방법.
4. 제 3 항에 있어서,

   상기 비교는 카이 제곱(chi-squared) 통계량을 계산하는 단계를 수반하는 것을 특징으로 하는 장애 검출 방법.
5. 제 3 항에 있어서,

   상기 비교는 상기 측정되는 및 기대되는 데이터 전송 특성에 대한 상기 소정의 주파수 대역 내의 제로의 개수를 비교하는 단계를 필요로 하는 것을 특징으로 하는 장애 검출 방법.
6. 제 3 항에 있어서,

   상기 비교는 연속적인 상기 소정 주파수 대역들 사이의 절대차의 합계를 계산하는 단계를 수반하는 것을 특징으로 하는 장애 검출 방법.
7. 제 3 항에 있어서,

   상기 비교는 데이터가 기대되는 것보다 작은 상기 소정의 주파수 대역의 갯수를 계산하는 단계를 수반하는 것을 특징으로 하는 장애 검출 방법.
8. 제 7 항에 있어서,

   상기 비교는 데이터가 상기 기대되는 것의 50% 보다 작은 상기 소정의 주파수 대역의 개수를 계산하는 단계를 수반하는 것을 특징으로 하는 장애 검출 방법.
9. 제 3 항에 있어서,

   상기 비교는 데이터가 기대되는 것보다 큰 상기 소정의 주파수 대역의 개수를 계산하는 단계를 수반하는 것을 특징으로 하는 장애 검출 방법.
10. 제 9 항에 있어서,

    상기 비교는 데이터가 상기 기대되는 것의 200%인 상기 소정의 주파수 대역의 개수를 계산하는 단계를 필요로 하는 것을 특징으로 하는 장애 검출 방법.
11. 제 1 항 내지 제 10 항 중 어느 한 항에 있어서,

    상기 DSL의 상기 데이터 전송 특성은 상기 DSL을 통해 전송되는 데이터에 대한 상기 주파수 분포를 나타내는 것을 특징으로 하는 장애 검출 방법.
12. DSL상의 장애를 검출하는 장치에 있어서,

    장애가 테스트되는 DSL로부터 데이터를 수신하는 입력장치와,

    상기 데이터의 전송 특성을 측정하는 프로세서와,

    상기 DSL의 상기 측정되는 데이터 전송 특성과 DSL의 기대되는 데이터 전송 특성을 모델링한 모델을 비교하는 비교기와,

    상기 측정되는 데이터 전송 특성과 상기 모델링된 기대되는 데이터 전송 특성 사이의 상기 비교가 소정의 문턱값 이상으로 차이가 나면, 상기 비교에 응답하여 장애 경고 신호를 생성하는 장애 경고 장치를 포함하고,

    상기 데이터 전송 특성은 DMT의 저장소 점유 분포를 나타내는 복수의 소정 주파수 대역 내에서 상기 DSL 상의 데이터 전송에 관련되는 데이터 전송 특성을 포함하는 것을 특징으로 하는 장애 검출 장치.
13. 삭제
14. 삭제
15. 삭제
16. 삭제
17. 삭제
18. 삭제
19. 삭제
20. 삭제

Images