一种蜂窝网络故障诊断方法技术

本发明专利技术公开了一种蜂窝网络故障诊断方法，包括以下步骤：步骤1、确定网络故障数据集；步骤2、得到降维后的网络故障数据集；步骤3、将步骤2中降维后的网络故障数据集用特征矩阵的形式来表示；将步骤2中降维后的网络故障数据集的标签信息用标签矩阵的形式表示；将引入的权重矩阵转换为矩阵元素只有0和1的邻接矩阵；步骤4、基于图卷积神经网络的故障诊断。该新型蜂窝网络故障诊断方法深入研究了异构无线网络的智能故障诊断，结合大数据处理方法分析样本间的相似特性，将已有的网络故障参数数据集转换成图结构数据，利用图卷积神经网络从图结构数据中提取特征，从而完成对于样本节点的分类任务，预测出小区的故障类型。预测出小区的故障类型。预测出小区的故障类型。

【技术实现步骤摘要】
一种蜂窝网络故障诊断方法


[0001]本专利技术涉及通信
，特别是一种蜂窝网络故障诊断方法。

技术介绍

[0002]近年来，面对移动数据流量的激增和各种服务的不同需求，异构蜂窝网络逐渐成为提升系统容量的重要方法之一。但随着蜂窝网络规模的扩大和复杂性的增加，对于蜂窝网络的操作和维护任务也变得复杂繁琐。虽然端到端用户在吞吐量和延迟方面的体验得到了显著改善，但是蜂窝网络也变得更容易出现故障。当故障发生或将要发生时，如何预测和定位它们已经成为了一个巨大的挑战。
[0003]以往传统的网络故障检测和诊断主要是通过人工手动操作完成的，难以准确获得网络症状与故障类别之间的映射关系，同时也会耗费大量的人力物力。
[0004]随着人工智能的快速发展，目前最常用的智能故障诊断方法大多都是基于机器学习的，智能故障诊断已经从传统的基于模型的故障诊断方法转变为数据驱动的故障诊断方法。基于机器学习的网络故障诊断技术通过挖掘大量训练数据中的信息来学习网络事件之间的映射关系，然后根据这些映射关系建立故障诊断模型，最后将训练好的模型应用于新观测到的网络症状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种蜂窝网络故障诊断方法，其特征在于，包括以下步骤：步骤1、确定网络故障数据集；具体如下：步骤101、网络故障数据集中的数据包括原始特征参数和标签类别，定义了非网络故障情况以及5种网络故障作为标签类别，其中，5种网络故障分别为上行干扰、下行干扰、覆盖空洞、空口故障和基站故障；步骤102、将识别故障小区时所用到的所有关键性能指标作为原始特征参数，原始特征参数包括16个特征参数，这16个特征参数包括参考信号接收功率、参考信号接收质量、上行链路分组丢失率、下行链路分组丢失率、上行链路信噪比、下行链路信噪比、无线资源控制连接建立成功率、演进无线接入承载建立成功率、掉话率、切换成功率、上行平均吞吐量、下行平均吞吐量、节点传出平均吞吐量、节点传入平均吞吐量和切换时延和链路误码率；步骤2、采用XGBoost算法，从原始特征参数中选取使XGBoost算法的诊断准确率最高的前n个特征参数作为网络故障数据集中数据的特征参数，从而得到降维后的网络故障数据集，0＜n＜16；步骤3、图数据转换，具体如下：步骤301、将步骤2降维后的网络故障数据集用特征矩阵的形式来表示，特征矩阵中的每个行向量分别对应于降维后的网络故障数据集中的一条除类别信息外的特征参数向量；步骤302、将步骤2降维后的网络故障数据集的标签信息用标签矩阵的形式表示；在标签矩阵中，标记数据的标签行向量是独热编码的形式，而未标记数据的标签行向量则为零向量；标记数据是指带标签的数据，未标记数据是不带标签的数据；步骤303、将降维后的网络故障数据集映射成一个无向图G＝(V,E)，无向图由两种类型的元素组成，即节点集V和边集E；引...

【专利技术属性】
技术研发人员：朱晓荣，吴铭骁，何明坤，肖芳，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：