【技术实现步骤摘要】
本专利技术涉及通信，尤其涉及一种基于机器学习的时间同步故障定界方法、基于机器学习的时间同步故障定界设备及存储介质。
技术介绍
1、随着移动通信网络技术的迅速发展，网络规模越来越大、且越来越复杂。在时间同步网络中，有主从时钟节点，主从节点之间发送同步数据帧，记录并添加时间戳到数据帧中。节点根据获取的数据帧及时间戳信息计算主从时钟之间的偏差和传输延时，从而进行时间同步。在同步链路中一旦某个节点出现时间误差，比如频率层故障或时间传递时设备产生的故障时间误差，就会导致同步链路上该故障节点之后的其他节点的同步时间误差越来越大，最终影响系统中的业务的正常运行。
2、在通信系统中，时间同步有着至关重要的作用。时钟同步失败，可能导致通信系统之间的通信连接失败，系统的运行和业务都会受到影响，因此需要高精度的时间同步技术满足通信网络的需求。
3、现有技术中，一般采用人工对故障进行检测，需要打印出网元设备的同步时间戳以及相关配置信息，然后观察分析数百个时间戳的波动和变化情况，据此判断故障位置。通常，对同步链路进行故障检测为人工逐点检测...
【技术保护点】
1.一种基于机器学习的时间同步故障定界方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的时间同步故障定界方法，其特征在于，所述通过预设机器学习算法对所述监测时间同步链路进行故障分析，确定对应的故障网元和/或故障模块以实现故障定界，包括：
3.根据权利要求2所述的基于机器学习的时间同步故障定界方法，其特征在于，所述在接收到网元级定界指令和/或模块级定界指令的情况下，获取所述监测时间同步链路的时间戳信息，包括：
4.根据权利要求2所述的基于机器学习的时间同步故障定界方法，其特征在于，所述对所述时间戳信息进行数据处理，生成网...
【技术特征摘要】
1.一种基于机器学习的时间同步故障定界方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的时间同步故障定界方法，其特征在于，所述通过预设机器学习算法对所述监测时间同步链路进行故障分析，确定对应的故障网元和/或故障模块以实现故障定界，包括：
3.根据权利要求2所述的基于机器学习的时间同步故障定界方法，其特征在于，所述在接收到网元级定界指令和/或模块级定界指令的情况下，获取所述监测时间同步链路的时间戳信息，包括：
4.根据权利要求2所述的基于机器学习的时间同步故障定界方法，其特征在于，所述对所述时间戳信息进行数据处理，生成网元时间戳特征和/或模块时间戳特征，并基于所述预设机器学习算法、所述网元时间戳特征和/或所述模块时间戳特征，确定所述故障网元和/或所述故障模块之前，还包括：
5.根据权利要求4所述的基于机器学习的时间同步故障定界方法，其特征在于，所述对所述时间戳信息进行数据处理，生成网元时间戳特征和/或模块时间戳特征，并基于所述预设机器学习算法、所述网元时间戳特征和/或所述模块时间戳特征，确定所述故障网元和/或所述故障模块，包括：
6.根据权利要求1所述的基于机器学习的时间同步故障定界方法，其特征在于，所述通过...
【专利技术属性】
技术研发人员：杨建波，谢培权，罗彬，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。