基于PCA与二维偏度特征的LTE上行干扰分类方法技术

本发明专利技术公开了一种基于PCA与二维偏度特征的LTE上行干扰分类方法，该方法首先收集并整理现有LTE基站上行干扰分类数据；然后对数据进行预处理后才用PCA降维并提取二维偏度特征；之后设置模型参数搜索范围得到优化后的分类模型；最后对未知小区进行平均干扰电平统计判断是否存在干扰，存在的话提取本方法特征放入训练好的模型进行预测分类。本发明专利技术使用AUC分类性能指标进行评价，本方法能较准确快速地判断上行干扰类别，而且随着上行干扰数据量的增大，分类器性能也会不断提高。

LTE uplink jamming classification method based on PCA and two-dimensional skewness characteristics

The invention discloses a PCA and 2D skewness characteristics of LTE uplink interference classification method based on the method of collecting and collating the first existing LTE base station uplink interference classification data; then after preprocessing the data before using PCA dimensionality reduction and extract 2D skewness characteristics; classification model after setting the model parameters of the search range to be optimized; finally, whether there is interference to the unknown cell average interference level statistical judgment, then the method of feature extraction is put into the trained model to predict classification. The AUC classification performance index is used for evaluation. The method can identify the uplink interference more accurately and quickly, and the performance of the classifier will also improve with the increase of upstream interference data.

【技术实现步骤摘要】
基于PCA与二维偏度特征的LTE上行干扰分类方法
本专利技术涉及的是一种LTE上行干扰分类方法，具体是一种基于PCA与二维偏度特征的LTE上行干扰分类方法。
技术介绍
LTE上行干扰水平是评估网络质量的重要指标，当网络受到上行干扰时，上行吞吐量、尤其是小区边缘用户的上行吞吐量将受到影响，干扰严重时甚至会影响用户的接入性能。在现今网络测试方案中，人工上行干扰分类排查方法可以分析已经建设小区所受干扰的情况，但是随着基站网络规模越来越大，网络干扰程度也会愈发严重，未来面对上万基站部署规模，此方法将消耗大量资源且效率低下。造成上行干扰的原因有很多，主要的上行干扰类型包括：互调干扰、阻塞干扰、杂散干扰、外部干扰器干扰、其他干扰。因此如何快速准确地检测出上行干扰的类型，以便采取对应的干扰规避或者消除手段，以保障用户体验，提高服务质量成为LTE上行干扰的重要问题。在很多的通信网络问题中，传统的解法往往存在计算复杂度高或者检测性能不足等弱点，鉴于此，本专利技术将机器学习技术引入到LTE上行干扰分类检测中。机器学习是人工智能技术的核心，主要研究如何从观测到的数据分析得到一些规律，进而利用这些规律对未知本文档来自技高网...

【技术保护点】
一种基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，包括如下步骤：步骤一、收集并整理现有LTE基站上行干扰分类数据，得到PRB干扰电平数据矩阵，分别包含PRB干扰电平特征与标签数据；步骤二、对PRB数据矩阵与标签矩阵进行数据预处理；步骤三、利用主成分分析PCA对PRB干扰电平特征进行降维处理得到PCA降维特征，同时对PRB干扰电平特征提取二维偏度特征群；所述二维偏度特征计算方式如下：

【技术特征摘要】
1.一种基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，包括如下步骤：步骤一、收集并整理现有LTE基站上行干扰分类数据，得到PRB干扰电平数据矩阵，分别包含PRB干扰电平特征与标签数据；步骤二、对PRB数据矩阵与标签矩阵进行数据预处理；步骤三、利用主成分分析PCA对PRB干扰电平特征进行降维处理得到PCA降维特征，同时对PRB干扰电平特征提取二维偏度特征群；所述二维偏度特征计算方式如下：其中x,y分别表示某一个干扰电平点x轴和y轴的值，xi＝1～n，n为基站端配置的RB数，yi为第i个RB对应干扰电平平移修正值，yi＝-min(y′)+1+y′i，min(y′)表示所有RB对应干扰电平的最小值，y′为原始干扰电平值，y′i为原始干扰电平值中第i个干扰电平值；所述二维偏度特征群是对干扰电平数据x轴和y轴进行变换后得到的二维偏度特征组合{xs1,xs2,xs3,xs4}，其计算方式如下：xs1＝skewness2d(x,y)xs2＝skewness2d(x,yreverse)xs3＝skewness2d(log(x),y)xs4＝skewness2d(log(x),yreverse)其中yreverse表示对y进行逆序处理，log(x)表示对x取对数；步骤四，采用机器学习方法进行LTE上行干扰分类，设置不同机器学习模型各个参数范围及其搜索步长，根据各个干扰...

【专利技术属性】
技术研发人员：詹皓粤，胡斌杰，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44