蜂窝系统中指纹识别根本原因分析技术方案

一种处理器实现的方法，用于识别无线网络中网络质量劣化的根本原因。该方法包括访问网络的历史性能数据，所述性能数据包括所述网络的性能指标的时序度量。根据所述方法，评估所述历史性能数据来确定指标之间定期出现的关联，以定义表征所述无线网络的关联的规则集合，并将所述规则集合存储在数据结构中。通过访问分析数据，监测所述无线网络，所述分析数据上报时序性能指标数据。接下来，探测所述分析数据的性能指标中的异常，并将所述异常与所述规则集合中的至少一条规则进行匹配。根据所述方法，输出由所述性能指标中的异常导致的所述无线网络劣化的原因的指示。

Root cause analysis of fingerprint identification in cellular system

A processor implementation method is used to identify the root cause of network quality deterioration in wireless networks. The method includes historical performance data accessing the network, the performance data including timing measures of the network performance indicators. According to the method, the historical performance data is evaluated to determine periodic associations between indicators to define a set of rules representing the association of the wireless network and to store the set of rules in a data structure. By accessing the analysis data, the wireless network is monitored, and the analysis data reports the timing performance index data. Next, anomalies in the performance indicators of the analysis data are detected and matched with at least one rule in the rule set. According to the method, an indication of the cause of the deterioration of the wireless network caused by an exception in the performance index is output.

【技术实现步骤摘要】
【国外来华专利技术】蜂窝系统中指纹识别根本原因分析相关申请案交叉引用本专利申请要求于2016年1月8日提交的、题为“蜂窝系统中指纹识别的根本原因分析”、申请号为14/991,598的美国非临时专利申请的优先权，其全部内容，如同再现，通过引用并入本文。
技术介绍
蜂窝网络的性能受诸如数据与语音业务负载、RF覆盖、小区间干扰水平、用户位置和硬件故障等一系列因素的影响。在很多情况下，蜂窝网络中一些无线小区的性能可能会出现异常，而由这些小区服务的移动用户将经历糟糕的用户体验。糟糕的用户体验将引起客户的不满。作为一种补救措施，运营商往往需要对异常行为进行检测，然后采取措施以解决问题。传统上，运营商依靠网络专家分析特定小区的行为来识别根本原因。用于无线蜂窝网络的根本原因分析的传统方法通常是基于相关性研究或严重依赖于工程知识。这样的方法通常本质上是探索的，一般难以量化其准确性。这些方法也非常耗时。如果不耗费几天，也可能需要耗费几个小时来识别性能劣化的根本原因。
技术实现思路
一个方面包括一种由处理器实现的方法，用于识别无线网络中网络质量劣化的根本原因。该方法包括：访问网络的历史性能数据，所述性能数据包括所述网络的性能指标的时序度量。该方法进一步包括：评估所述历史性能数据来确定指标之间定期出现的关联，以定义表征所述无线网络的关联的规则集合，并将所述规则集合存储在数据结构中。在进行所述评估之后，所述方法包括：通过访问分析数据监测所述无线网络，所述分析数据上报时序性能指标数据。接下来，所述方法包括：检测所述分析数据的性能指标中的异常，并将所述异常与所述规则集合中的至少一条规则进行匹配。该方法提供输出由所述性能指标中的异常导致的所述无线网络劣化的原因的指示。根据一种实施方式，所述评估包括：使用关联学习算法来确定所述指标之间定期出现的关联。根据一种实施方式，所述评估包括：应用Apriori算法、FN算法或ECLAT算法中的一个，并根据提升度(lift)对所述评估的输出进行排序。根据一种实施方式，在所述评估之后，所述方法还包括：确定其他性能指标中的一个或多个共现异常，并且，其中所述将所述异常与至少一条规则进行匹配的步骤，包括：访问所述数据结构，并使用k-最近邻算法(k-nearestneighboralgorithm)确定所述异常、任何共现异常以及所述数据结构中的规则之间的相似性。根据一种实施方式，所述输出包括：针对性能指标列出异常的一个或多个阈值，并针对每个阈值，列出一个或多个根本原因分类以及所述一个或多个根本原因分类中的每一个对所述网络的影响量的指示。根据一种实施方式，所述历史数据和所述分析数据均包括量化的关键质量指标与关键性能指标的集合。根据一种实施方式，所述方法还包括：调整所述网络的元件，以解决由所述输出识别的根本原因。一个一般方面包括存储计算机指令的非瞬态性计算机可读介质，所述计算机指令在由一个或多个处理器执行时，使所述一个或多个处理器执行以下步骤：基于工程数据和网络的历史数据两者或两者之一，计算规则集合，所述规则集合表征所述无线网络中元件的性能指标之间的关联，所述关联反映了对所述无线网络中至少一个其他元件具有影响的元件的集合；通过访问分析数据，监测所述无线网络，所述分析数据上报时序性能指标数据；检测所述分析数据的至少一个性能指标中的异常；检测所述异常的共现异常；将检测到的所述异常和所述共现异常与所述规则集合中的至少一条规则进行匹配；以及输出由所述性能指标中的异常导致的所述无线网络劣化的原因的指示。根据一种实施方式，计算规则集合包括：用于使用处理器实现的关联学习确定定期出现的指标之间的关联的计算机指令。根据一种实施方式，计算规则集合包括：用于对所述历史数据执行Apriori算法、FN算法或ECLAT算法中的一个，并根据计算的提升度值对规则的输出进行排序的计算机指令。根据一种实施方式，计算规则集合包括用于将所述规则集合存储在数据结构中的指令，并且，其中用于将所述异常和所述共现异常进行匹配的计算机指令，包括：访问所述数据结构的指令，以及用于使用所述数据结构中的规则，检测包括所述异常的集合与所述共现异常之间的相似性的代码。根据一种实施方式，输出包括：用于针对性能指标列出异常的一个或多个阈值，并针对每个阈值，列出一个或多个根本原因分类以及所述一个或多个根本原因分类中的每一个根本原因对所述网络的影响量的指示的计算机指令。根据一种实施方式，计算所述规则集合，其中所述规则集合表征所述无线网络中元件的性能指标之间的关联，包括：用于比较所述历史数据和所述分析数据的计算机指令，其中所述历史数据和所述分析数据均包括量化的关键质量指标与关键性能指标的集合。在另一方面，提供了一种用于蜂窝网络的移动网络监测系统。该系统包括包括至少一个处理器的处理系统、耦合到所述处理器的存储器、以及网络接口。存储在所述存储器上的指令，所述指令可操作，用于指示所述至少一个处理器访问网络的历史性能数据，所述性能数据包括用于所述蜂窝网络的性能指标的时序度量。所述指令可操作，用于指示所述至少一个处理器计算规则集合，所述规则集合表征性能指标组之间定期出现的关联，每条规则基于工程知识数据和所述历史性能数据两者或两者之一，每条规则为该指标组定义指标集，所述指标集的性能影响该组中的一个指标，以及将所述规则集合存储在所述存储器中。所述指令可操作，用于指示所述至少一个处理器经由所述网络接口，通过访问网络性能指标的时序分析数据，监测所述蜂窝网络。所述指令可操作，用于指示所述至少一个处理器检测经由所述网络接口接收的所述分析数据中至少一个性能指标中的异常，并检测与该异常在时间上共现的其他异常。所述指示可操作，用于指示所述至少一个处理器将所述异常和在时间上共现的异常与所述规则集合中至少一条规则进行匹配，并输出由所述性能指标中的异常导致的所述无线网络劣化的原因的指示。根据一种实施方式，对所述分析数据的监测是实时的。根据一种实施方式，对所述分析数据的访问是周期性的。在另一方面，提供了一种用于蜂窝网络的移动网络监测系统。所述系统包括：访问元件，用于访问网络的历史性能数据，所述性能数据包括所述网络的性能指标的时序度量；计算元件，用于计算规则集合，所述规则集合表征性能指标组之间定期出现的关联，每条规则基于工程知识数据和所述历史性能数据两者或两者之一，每条规则为该指标组定义指标集，所述指标集中的指标的性能影响该组中的一个指标，以及将所述规则集合存储在所述存储器中；监测元件，经由所述网络接口，通过访问网络性能指标的时序分析数据监测所述蜂窝网络；检测元件，检测经由所述网络接口接收的所述分析数据中至少一个性能指标中的异常，并检测与该异常在时间上共现的其他异常；匹配元件，将所述异常和在时间上共现的异常与所述规则集合中至少一条规则进行匹配；以及，输出元件，输出由所述性能指标中的异常导致的所述蜂窝网络劣化的原因的指示。提供本
技术实现思路
的目的在于：以简化的形式介绍将在下面具体实施例中进一步描述的一些概念。本
技术实现思路
并不旨在确定要求保护的主题的关键特征或必要特征，也不旨在用作确定所要求保护的主题的范围的辅助手段。附图说明图1描绘了可实现本系统和方法的示例性系统的功能与结构组件。图2为示出了根据所述系统和方法创建指纹数据库的方法的流程图本文档来自技高网...

【技术保护点】
1.一种由处理器实现的方法，用于识别无线网络中网络质量劣化的根本原因，包括：访问网络的历史性能数据，所述性能数据包括用于所述网络的性能指标的时序度量；评估所述历史性能数据来确定指标之间定期出现的关联，以定义表征所述无线网络的关联的规则集合，并将所述规则集合存储在数据结构中；在进行所述评估后，通过访问分析数据监测所述无线网络，所述分析数据上报时序性能指标数据；检测所述分析数据的性能指标中的异常；将所述异常与所述规则集合中的至少一条规则进行匹配；以及输出由所述性能指标中的所述异常导致的所述无线网络劣化的原因的指示。

【技术特征摘要】
【国外来华专利技术】2016.01.08 US 14/991,5981.一种由处理器实现的方法，用于识别无线网络中网络质量劣化的根本原因，包括：访问网络的历史性能数据，所述性能数据包括用于所述网络的性能指标的时序度量；评估所述历史性能数据来确定指标之间定期出现的关联，以定义表征所述无线网络的关联的规则集合，并将所述规则集合存储在数据结构中；在进行所述评估后，通过访问分析数据监测所述无线网络，所述分析数据上报时序性能指标数据；检测所述分析数据的性能指标中的异常；将所述异常与所述规则集合中的至少一条规则进行匹配；以及输出由所述性能指标中的所述异常导致的所述无线网络劣化的原因的指示。2.根据权利要求1所述的方法，其中所述评估包括使用关联学习算法来确定所述指标之间定期出现的关联。3.根据权利要求2所述的方法，其中所述评估包括应用Apriori算法、FN算法或ECLAT算法中的一个，并根据提升度对所述评估的输出进行排序。4.根据权利要求1至3中的任一项所述的方法，其中，在所述评估之后，所述方法还包括：确定其他性能指标中的一个或多个共现异常；其中所述将所述异常与至少一条规则进行匹配的步骤，包括：访问所述数据结构，并使用k-最近邻算法确定所述异常、任何共现异常以及所述数据结构中的规则之间的相似性。5.根据权利要求1至4中的任一项所述的方法，其中所述输出包括：针对性能指标列出异常的一个或多个阈值，并针对每个阈值，列出一个或多个根本原因分类以及所述一个或多个根本原因分类中的每一个对所述网络的影响量的指示。6.根据权利要求1至5中的任一项所述的方法，其中，所述历史数据和所述分析数据均包括量化的关键质量指标与关键性能指标的集合。7.根据权利要求1至6中的任一项所述的方法，还包括：调整所述网络的元件，以解决由所述输出识别的根本原因。8.一种存储计算机指令的非瞬态性计算机可读介质，所述计算机指令在由一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：基于工程数据和网络的历史数据两者或两者之一，计算规则集合，所述规则集合表征所述无线网络中元件的性能指标之间的关联，所述关联反映了对所述无线网络中至少一个其他元件具有影响的元件的集合；通过访问分析数据，监测所述无线网络，所述分析数据上报时序性能指标数据；检测所述分析数据的至少一个性能指标中的异常；检测所述异常的共现异常；将检测到的所述异常和所述共现异常与所述规则集合中的至少一条规则进行匹配；以及输出由所述性能指标中的异常导致的所述无线网络劣化的原因的指示。9.根据权利要求8所述的非瞬态性计算机可读介质，其中用于执行计算规则集合的步骤的计算机指令，包括：用于使用处理器实现的关联学习确定指标之间定期出现的关联的计算机指令。10.根据权利要求9所述的非瞬态性计算机可读介质，其中用于执行计算规则集合的步骤的计算机指令，包括：用于对所述历史数据执行Apriori算法、FN算法或ECLAT算法中的一个，并根据计算的提升值对规则的输出进行排序的计算机指令。11.根据权利要求10所述的非瞬态性计算机可读介质，其中用于执行计算规则集合的步骤的计算机指令，包括：用于将所述规则集合存储在数据...

【专利技术属性】
技术研发人员：杨恺，孙艳佳，刘瑞林，杨劲，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44