上行干扰识别的方法、装置及系统制造方法及图纸

本发明专利技术提供一种上行干扰识别的方法、装置及系统，该方法包括：根据上行物理资源块的PRB的数据矩阵确定瀑布噪声图像，所述瀑布噪声图像用于表征干扰电平特征值与时间粒度之间的关系；根据预设分类模型以及所述瀑布噪声图像，确定初始压缩图像特征以及所述初始压缩图像特征对应的初始权重；根据所述初始压缩图像特征以及所述初始权重，确定目标重构误差，根据所述目标重构误差，其中所述预设分类模型包括所述目标重构误差；根据所述目标重构误差确定最小目标重构误差，并输出所述最小目标重构误差对应的分类结果，所述分类结果由于标识所述上行PRB的干扰识别结果。提高了上行干扰类别识别的准确性和有效性。

【技术实现步骤摘要】
上行干扰识别的方法、装置及系统
本专利技术涉及通信
，尤其涉及一种上行干扰识别的方法、装置及系统。
技术介绍
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。例如用户侧有干扰信号时可能导致无法拨打电话、吞字、通话断续，上网慢等网络问题，严重影响用户感知体验。在现今网络测试方案中，通过人工上行干扰分类排查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，网络干扰程度的愈发严重，面对上万基站的部署规模采用传统的方法进行排查，存在计算复杂度高、检测性能不足等弱点，同时存在排查效率低下，甚至将消耗大量资源等问题。
技术实现思路
本专利技术提供一种上行干扰识别的方法、装置及系统，以提高上行干扰类别识别的准确性和有效性。第一方面，本专利技术实施例提供的一种上行干扰识别的方法，包括：根据上行物理资源块PRB的数据矩阵确定瀑布噪声图像，所述瀑布噪声图像用于表征干扰电平特征值与时间粒度之间的关系；根据预设分类模型以及所述瀑布噪声图像，确定初始压缩图像特征以及所述初始压缩图像特征对应的初始权重；根据所述初始压缩图像特征以及所述初始权重，确定目标重构误差，其中所述预设分类模型包括所述目标重构误差；根据所述目标重构误差确定最小目标重构误差，并输出所述最小目标重构误差对应的分类结果，所述分类结果用于表示所述上行PRB的干扰识别结果。在一种可选的实施例中，所述分类结果包括第一分类结果以及第二分类结果；所述第一分类结果用于表示所述上行PRB未被干扰，所述第二分类结果用于表示所述上行PRB被干扰；其中，当所述分类结果为所述第二分类结果时，所述分类结果还包括所述上行PRB被干扰的干扰类型。在一种可选的实施例中，在所述根据上行物理资源块PRB的数据矩阵确定瀑布噪声图像之前，还包括：获取LTE上行干扰过程中的初始干扰电平特征值以及时间粒度标签；根据所述时间粒度标签，对所述初始干扰电平特征值进行填充，以得到连续干扰电平特征值；根据所述连续干扰电平特征值生成所述上行PRB的所述数据矩阵。在一种可选的实施例中，所述根据所述连续干扰电平特征值生成所述上行PRB的所述数据矩阵之后，还包括：根据所述数据矩阵确定初始瀑布噪声图像；对所述初始瀑布噪声图像进行波形平移或噪声添加，以得到所述瀑布噪声图像。在一种可选的实施例中，所述根据预设分类模型以及所述瀑布噪声图像，确定初始压缩图像特征以及所述初始压缩图像特征对应的初始权重，包括：对所述瀑布噪声图像进行图像特征编码以及图像特征解码，以得到所述初始压缩图像特征，以及，所述初始压缩图像特对应的初始编码层权重、初始编码层偏差、初始解码层权重和初始解码层偏差。在一种可选的实施例中，所述根据所述初始压缩图像特征以及所述初始权重，确定目标重构误差，包括：获取所述初始压缩图像特征对应的初始化分布；根据所述初始化分布构造辅助目标分布；根据所述初始化分布以及所述辅助目标分布，获得所述目标重构误差。在一种可选的实施例中，所述根据所述目标重构误差确定最小目标重构误差，并输出所述最小目标重构误差对应的分类结果，包括：根据所述初始压缩图像特征得到所述初始压缩图像特征对应的聚类中心特征；利用所述聚类中心特征以及所述目标重构误差，对所述初始权重进行迭代，以得到所述最小目标重构误差；输出所述最小目标重构误差对应的所述分类结果。在一种可选的实施例中，在所述根据所述初始压缩图像特征得到所述初始压缩图像特征对应的聚类中心特征之前，还包括：获取多个分类标签；根据所述分类标签以及所述瀑布噪声图像采用所述预设分类模型对所述瀑布噪声图像进行训练得到所述初始压缩图像特征。第二方面，本专利技术实施例提供的一种上行干扰识别的装置，包括：生成模块，用于根据上行物理资源块PRB的数据矩阵确定瀑布噪声图像，所述瀑布噪声图像用于表征干扰电平特征值与时间粒度之间的关系；得到模块，用于根据预设分类模型以及所述瀑布噪声图像，确定初始压缩图像特征以及所述初始压缩图像特征对应的初始权重；确定模块，用于根据所述初始压缩图像特征以及所述初始权重，确定目标重构误差，其中所述预设分类模型包括所述目标重构误差；输出模块，用于根据所述目标重构误差确定最小目标重构误差，并输出所述最小目标重构误差对应的分类结果，所述分类结果用于表示所述上行PRB的干扰识别结果。在一种可选的实施例中，所述分类结果包括第一分类结果以及第二分类结果；所述第一分类结果用于表示所述上行PRB未被干扰，所述第二分类结果用于表示所述上行PRB被干扰；其中，当所述分类结果为所述第二分类结果时，所述分类结果还包括所述上行PRB被干扰的干扰类型。在一种可选的实施例中，在所述根据上行物理资源块PRB的数据矩阵确定瀑布噪声图像之前，还包括：获取LTE上行干扰过程中的初始干扰电平特征值以及时间粒度标签；根据所述时间粒度标签，对所述初始干扰电平特征值进行填充，以得到连续干扰电平特征值；根据所述连续干扰电平特征值生成所述上行PRB的所述数据矩阵。在一种可选的实施例中，所述根据所述连续干扰电平特征值生成所述上行PRB的所述数据矩阵之后，还包括：根据所述数据矩阵确定初始瀑布噪声图像；对所述初始瀑布噪声图像进行波形平移或噪声添加，以得到所述瀑布噪声图像。在一种可选的实施例中，所述得到模块，具体用于：对所述瀑布噪声图像进行图像特征编码以及图像特征解码，以得到所述初始压缩图像特征，以及，所述初始压缩图像特对应的初始编码层权重、初始编码层偏差、初始解码层权重和初始解码层偏差。在一种可选的实施例中，所述确定模块，具体用于：获取所述初始压缩图像特征对应的初始化分布；根据所述初始化分布构造辅助目标分布；根据所述初始化分布以及所述辅助目标分布，获得所述目标重构误差。在一种可选的实施例中，所述根据所述目标重构误差确定最小目标重构误差，并输出所述最小目标重构误差对应的分类结果，包括：根据所述初始压缩图像特征得到所述初始压缩图像特征对应的聚类中心特征；利用所述聚类中心特征以及所述目标重构误差，对所述初始权重进行迭代，以得到所述最小目标重构误差；输出所述最小目标重构误差对应的所述分类结果。在一种可选的实施例中，在所述根据所述初始压缩图像特征得到所述初始压缩图像特征对应的聚类中心特征之前，还包括：获取多个分类标签；根据所述分类标签以及所述瀑布噪声图像采用所述预设分类模型对所述瀑布噪声图像进行训练得到所述初始压缩图像特征。第三方面，本专利技术实施例提供额度一种上行干扰识别的系统，包括：存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所本文档来自技高网...

【技术保护点】
1.一种上行干扰识别的方法，其特征在于，包括：/n根据上行物理资源块PRB的数据矩阵确定瀑布噪声图像，所述瀑布噪声图像用于表征干扰电平特征值与时间粒度之间的关系；/n根据预设分类模型以及所述瀑布噪声图像，确定初始压缩图像特征以及所述初始压缩图像特征对应的初始权重；/n根据所述初始压缩图像特征以及所述初始权重，确定目标重构误差，其中所述预设分类模型包括所述目标重构误差；/n根据所述目标重构误差确定最小目标重构误差，并输出所述最小目标重构误差对应的分类结果，所述分类结果用于表示所述上行PRB的干扰识别结果。/n

【技术特征摘要】
1.一种上行干扰识别的方法，其特征在于，包括：
根据上行物理资源块PRB的数据矩阵确定瀑布噪声图像，所述瀑布噪声图像用于表征干扰电平特征值与时间粒度之间的关系；
根据预设分类模型以及所述瀑布噪声图像，确定初始压缩图像特征以及所述初始压缩图像特征对应的初始权重；
根据所述初始压缩图像特征以及所述初始权重，确定目标重构误差，其中所述预设分类模型包括所述目标重构误差；
根据所述目标重构误差确定最小目标重构误差，并输出所述最小目标重构误差对应的分类结果，所述分类结果用于表示所述上行PRB的干扰识别结果。


2.根据权利要求1所述的上行干扰识别的方法，其特征在于，所述分类结果包括第一分类结果以及第二分类结果；
所述第一分类结果用于表示所述上行PRB未被干扰，所述第二分类结果用于表示所述上行PRB被干扰；
其中，当所述分类结果为所述第二分类结果时，所述分类结果还包括所述上行PRB被干扰的干扰类型。


3.根据权利要求1所述的方法，其特征在于，在所述根据上行物理资源块PRB的数据矩阵确定瀑布噪声图像之前，还包括：
获取LTE上行干扰过程中的初始干扰电平特征值以及时间粒度标签；
根据所述时间粒度标签，对所述初始干扰电平特征值进行填充，以得到连续干扰电平特征值；
根据所述连续干扰电平特征值生成所述上行PRB的所述数据矩阵。


4.根据权利要求3所述的方法，其特征在于，所述根据所述连续干扰电平特征值生成所述上行PRB的所述数据矩阵之后，还包括：
根据所述数据矩阵确定初始瀑布噪声图像；
对所述初始瀑布噪声图像进行波形平移或噪声添加，以得到所述瀑布噪声图像。


5.根据权利要求1所述的方法，其特征在于，所述根据预设分类模型以及所述瀑布噪声图像，确定初始压缩图像特征以及所述初始压缩图像特征对应的初始权重，包括：
对所述瀑布噪声图像进行图像特征编码以及图像特征解码，以得到所述初始压缩图像特征，以及，所述初始压缩图像特征对应的初始编码层权重、初始编码层偏差、初始解码层权重和初始解...

【专利技术属性】
技术研发人员：赵伟，何国华，陈乐，刘宏嘉，李巍，杨汉源，孟亚魁，胡煜华，张寅，林子妍，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11