一种使用协作预测的自组织网络故障检测方法技术

本发明专利技术公开了一种使用协作预测的自组织网络故障检测方法，首先给出了基于K近邻的协同过滤预测算法，该算法利用用户数据的空间相关性预测参考信号接收功率，触发异常检测过程；然后提出一种邻区协作的灰度时间序列预测算法，该算法考虑了基站高密度分布、稀少用户连接的特性，利用用户报告的时间相关性分布式地处理相关用户数据，最后得到异常基站检测结果。本发明专利技术能够解决不同程度的基站发射功率衰减故障的检测，同时在高密度基站、少用户连接的网络环境中表现出良好的性能，得到较高的检测率。

【技术实现步骤摘要】
一种使用协作预测的自组织网络故障检测方法
本专利技术涉及移动通信
，尤其是一种使用协作预测的自组织网络故障检测方法。
技术介绍
网络故障检测主要包括统计分析和数据挖掘两种类型，在异构网络中，由于小站分布密集、服务用户稀少的特性，使传统同构网络中的故障检测方法不再适用。一方面，超密集分布的小基站使集中式的故障检测方法有很大的通信开销；另一方面，单个小站中稀少的活动用户使统计分析和数据挖掘缺少足够的样本数据。一种方法是基于数据与控制分层，简化故障检测触发过程，但需要依赖特定的网络架构。本专利技术通过利用用户数据的空间相关性与时间相关性，提出一种使用协作预测的自组织网络故障检测方法。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种使用协作预测的自组织网络故障检测方法，能够在超密集网络中有更高的准确率和较低的计算开销、虚警率，在不同程度的网络故障情况下都能够得到较高的检测率，显示了良好的性能。为解决上述技术问题，本专利技术提供一种使用协作预测的自组织网络故障检测方法，包括如下步骤：(1)首先考虑检测过程的触发；对于每个用户数据记录，由其服务小区执行基于K近邻的协同过滤预测算法，并本文档来自技高网...

【技术保护点】
一种使用协作预测的自组织网络故障检测方法，其特征在于，包括如下步骤：(1)首先考虑检测过程的触发；对于每个用户数据记录，由其服务小区执行基于K近邻的协同过滤预测算法，并将预测结果发送给目标邻区，由目标小区判断继续执行触发或执行后续检测过程；(2)由触发过程产生的待检测小区执行邻区协作的时间序列灰度预测算法；该算法考虑了基站高密度分布、稀少用户连接的特性，利用用户报告的时间相关性分布式地处理相关用户数据，最后得到异常基站检测结果；(3)在测试检测前，需要在训练数据集上选取参考数据集、根据正常数据计算上述两个步骤中算法的正常预测误差阈值。

【技术特征摘要】
1.一种使用协作预测的自组织网络故障检测方法，其特征在于，包括如下步骤：(1)首先考虑检测过程的触发；对于每个用户数据记录，由其服务小区执行基于K近邻的协同过滤预测算法，并将预测结果发送给目标邻区，由目标小区判断继续执行触发或执行后续检测过程；(2)由触发过程产生的待检测小区执行邻区协作的时间序列灰度预测算法；该算法考虑了基站高密度分布、稀少用户连接的特性，利用用户报告的时间相关性分布式地处理相关用户数据，最后得到异常基站检测结果；(3)在测试检测前，需要在训练数据集上选取参考数据集、根据正常数据计算上述两个步骤中算法的正常预测误差阈值。2.如权利要求1所述的使用协作预测的自组织网络故障检测方法，其特征在于，步骤(1)中具体的预测及检测算法包括如下步骤：(11)检测基站接收来自连接用户u的一条RSRP统计记录ru，从基准数据集内选择能接收该基站信号的记录作为协作集C(u)，对ru接收到信号的所有目标基站f，按照共同检测基站数及用户数据皮尔逊相关系数选择K个最近邻记录，其中v为u的协作集C(u)中的用户，μu、μv、σu、σv分别为用户u和v的均值和方差；(12)用最小二乘优化协同过滤，计算RSRP预测值并判断是否发送异常报告：若预测误差大于训练阈值t1，则发送异常报告，反之则发送正常报告；(13)待测目标站接收邻监测基站的监测报告，并更新报告异常率，若异常率高于触发阈值μ1，则触发进一步检测，反之继续接收邻区报告并更新异常率。3.如权利要求1所述的使用协作预测的自组织网络故障检测方法，其特征在于，步骤(2)中邻区协作的灰度时间序列预测算法，具体包括如下步骤：(21)假设待检测...

【专利技术属性】
技术研发人员：刘楠，王玉婷，潘志文，尤肖虎，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32