CN109472075B - 一种基站性能分析方法及*** - Google Patents

一种基站性能分析方法及*** Download PDF

Info

Publication number
CN109472075B
CN109472075B CN201811281699.8A CN201811281699A CN109472075B CN 109472075 B CN109472075 B CN 109472075B CN 201811281699 A CN201811281699 A CN 201811281699A CN 109472075 B CN109472075 B CN 109472075B
Authority
CN
China
Prior art keywords
base station
signal
network topology
area
parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811281699.8A
Other languages
English (en)
Other versions
CN109472075A (zh
Inventor
党正阳
王纯斌
赵神州
覃进学
赵红军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Sefon Software Co Ltd
Original Assignee
Chengdu Sefon Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Sefon Software Co Ltd filed Critical Chengdu Sefon Software Co Ltd
Priority to CN201811281699.8A priority Critical patent/CN109472075B/zh
Publication of CN109472075A publication Critical patent/CN109472075A/zh
Application granted granted Critical
Publication of CN109472075B publication Critical patent/CN109472075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种基站性能分析方法及***。方法包括获取基站的状态数据,状态数据包括基站节点参数、***环境参数和网络拓扑信息;根据基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得待测区域对应的信号覆盖图,并根据信号覆盖图识别出信号盲区;根据基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得待测区域中各基站对应的运行状态信息。***用于执行上述方法,本发明实施例通过利用基站节点参数、***环境参数和网络拓扑信息对待测区域中的基站进行模拟仿真及性能评估,获得对应的信号覆盖图、信号盲区和各基站的运行状态信息,从而能够更加精确的获知待测区域对应的通信***的运行状态。

Description

一种基站性能分析方法及***
技术领域
本发明涉及移动通信技术与大数据分析处理技术领域,具体而言,涉及一种用于基站性能分析方法及***。
背景技术
近年来,随着高速发展的互联网的到来,现代人的生活早已离不开移动通信。在现实生活中,通信网络的应急通信能力也呈现出其在应急救援工作中不可或缺的重要地位。为了在应急通信***稳定运行的同时也能得到应急网络反映的异常活动,需要对应急网络基站的信号覆盖范围进行模拟,以及对受影响基站的性能进行评估,从而使得有关部门进行快速又有效的紧急措施。因此,设计一个又能动态模拟应急通信网络基站的信号覆盖范围,又能及时评估遭受影响基站的指标性能的***对于有关部门制定应急预案具有重要现实意义。
应急通信为各种紧急情况提供及时有效的通信保障,是综合应用保障体系的重要组成部分,更是抢险救灾的生命线。在国际上,许多国家非常重视应急通信网络的研究与开发工作,美国从20世纪70年代开始建立应急通信网,目的是为了满足美国政府对于紧急事件的指挥调度要求。更是投入巨资建设与互联网物理隔离的政府专网,推行通信有限服务计划并利用自由空间光通讯、WIMAX、WI-FI等技术来提高应急通讯保障能力。虽然我国的应急通信保障体系建设有了很大的发展,但是依然存在技术体制落后,资金投入不足等问题,与应急通信的实际要求还有较大差距。
为了能够及时反映通信网络的异常和采取相应的补救措施,各地政府针对自身所属的地理位置、经济条件,各自建立了所属的应急通信网络***。目前大多数的应急通信网络***的应急预案都是基于***本身的网络拓扑结构而设计出来的。这些***主要是由熟知通信业务知识并有数据分析经验的专家建立的一系列规则库。这类应急通信***的规则一般较为简单,只需要根据网络拓扑结构中的链路是否中断,以此来判断基站是否存在异常,而且没有反映出应急网络基站覆盖范围内信号的强弱、或者有没有信号,以及无法体现整个***中所有基站对应的负载能力。
发明内容
有鉴于此,本发明实施例的目的在于提供一种基站性能分析方法及装置,以解决上述技术问题。
第一方面,本发明实施例提供了一种基站性能分析方法,包括:
获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息;
根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区;以及
根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息。
进一步地,所述根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,包括:
根据所述基站节点参数、***环境参数和网络拓扑信息,利用信号重叠方法获得所述待测区域中各个小区对应的覆盖信号强度;
根据各个小区的覆盖信号强度进行描点获得所述信号覆盖图。
进一步地,所述根据所述信号覆盖图识别出信号盲区,包括:
根据
Figure BDA0001846924230000031
对所述信号覆盖图进行二值化处理,获得二值化图像,Cmn为所述信号覆盖图中第m行第n列对应的像素点的像素值,C'mn为所述二值化图像中第m行第n列对应的像素点的灰度值;
根据
Figure BDA0001846924230000032
对所述二值化图像进行像素翻转处理,获得翻转后图像;其中,C″mn为所述翻转后图像中第m行第n列对应的像素点的灰度值;
将所述翻转后图像进行图像滤波、图像膨胀、图像腐蚀、轮廓方位检测及轮廓勾画处理,获得所述信号盲区。
进一步地,所述根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息,包括:
根据所述基站节点参数、***环境参数和网络拓扑信息,利用PageRank算法计算每个基站对应的PageRank得分,根据每个基站的PageRank得分确定对应基站的运行状态信息。
进一步地,所述根据所述基站节点参数、***环境参数和网络拓扑信息,利用信号重叠方法获得所述待测区域中各个小区对应的覆盖信号强度,包括:
根据
Figure BDA0001846924230000033
计算获得每个小区的信号覆盖强度;
其中,signalk为第k个小区对应的信号覆盖强度;Cik为第i个基站对所述第k个小区的信号覆盖强度,i和k为正整数。
进一步地,所述根据所述基站节点参数、***环境参数和网络拓扑信息,利用PageRank算法计算每个基站对应的PageRank得分,包括:
根据
Figure BDA0001846924230000034
计算每个基站对应的PageRank得分;
其中,PR(Pi)为Pi基站对应的PageRank得分,C(Pj)为Pj的出链数,且Pj为所述待测区域包括的所有的基站中除Pi基站之外的基站;q为阻尼系数;N为基站总数。
进一步地,在根据每个基站的PageRank得分确定对应基站的运行状态信息之后,所述方法,还包括:
若基站对应的PageRank得分大于预设阈值,则进行报警提示。
进一步地,所述方法,还包括:
将所述信号覆盖图、所述信号盲区以及各基站对应的运行状态信息进行显示并存储。
进一步地,在获取待测区域对应的通信***中所有基站的状态数据之后,所述方法,还包括:
对所述状态数据进行预处理操作,其中,所述预处理操作包括缺失处理、异常值处理、数据集成、数据离散化和数据标准化处理中的任意一种或其组合。
第二方面,本发明实施例提供了一种基站性能分析***,包括:
数据采集模块,用于获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息;
模拟仿真模块,用于根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区;
性能评估模块,用于根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息。
第三方面,本发明实施例提供一种电子设备,包括:处理器、存储器和总线,其中,
所述处理器和所述存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面的方法步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,包括:
所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行第一方面的方法步骤。
本发明实施例通过利用基站节点参数、***环境参数和网络拓扑信息对待测区域中的基站进行模拟仿真及性能评估,获得对应的信号覆盖图、信号盲区和各基站的运行状态信息,从而能够更加精确的获知待测区域对应的通信***的运行状态。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种基站性能分析方法;
图2为本发明实施例提供的动态模拟仿真流程示意图;
图3为本发明实施例提供的基站评估流程示意图;
图4为本发明实施例提供的一种基站性能分析***结构示意图;
图5为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
图1为本发明实施例提供的一种基站性能分析方法,如图1所示,该方法包括:
步骤101:获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息。
在具体的实施过程中,分析***可以通过一个数据收集接口与通信***连接,然后通过数据收集接口获取待测区域中所有基站的状态数据,应当说明的是,分析***实时获取状态数据,并将状态数据进行存储。因此,在分析***中存储既有历史状态数据,又有当前时刻的状态数据。其中,通信***可以是应急通信网络***,且状态数据可以包括基站节点参数、***环境参数和该通信***的网络拓扑信息,也可以包括***范围内的信号覆盖数据、基站通信数据和用户行为数据等。并且,网络拓扑信息包括基站的编号、经纬度、基站常驻人口数目、基站所在地区类型和基站业务信道容量等信息。
步骤102:根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区。
在具体的实施过程中,网络拓扑信息包括基站的编号、经纬度、基站常驻人口数目、基站所在地区类型、基站业务信道容量等信息,基站节点参数包括道路测量信号,***环境参数包括基站覆盖范围数据等。在分析***获取到状态数据后,根据基站的编号、经纬度、基站常驻人口数目、基站所在地区类型、基站业务信道容量等信息、道路测量信号和基站覆盖范围数据进行动态模拟仿真,所谓动态模拟仿真是由于分析***会实时获取状态数据,在获取了新的状态数据后就会进行对应的模拟仿真,因此称为动态模拟仿真。通过动态模拟仿真后可以获得待测区域中每个小区的覆盖信号强度,根据覆盖信号强度绘制生成信号覆盖图,并根据信号覆盖图识别出信号盲区。可以理解的是,待测区域中可以包括多个小区,在通信***正常运行时,每个小区都有至少一个基站对其进行覆盖。
步骤103:根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息。
在上述实施例的基础上,在分析***获取到状态数据后,根据基站节点参数、***环境参数和网络拓扑信息对待测区域中的每个基站的性能进行评估,获得各个基站的运行状态信息。可以理解的是,运行状态信息可以包括各个基站的负载能力。
应当说明的是,在对基站的性能进行评估时,所需要的参数具体可以有:网络拓扑信息中的基站网络拓扑结构,***环境参数中的基站实时的登陆人员数量,以及基站节点参数中的基站实时的业务信道容量和基站实时的业务信道占用比例。步骤102和步骤103可以并行进行,也可以先后进行,且先后顺序可以根据实际情况进行调整。
本发明实施例通过利用基站节点参数、***环境参数和网络拓扑信息对待测区域中的基站进行模拟仿真及性能评估,获得对应的信号覆盖图、信号盲区和各基站的运行状态信息,从而能够更加精确的获知待测区域对应的通信***的运行状态。
在上述实施例的基础上,所述根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,包括:
根据所述基站节点参数、***环境参数和网络拓扑信息,利用信号重叠方法获得所述待测区域中各个小区对应的覆盖信号强度;
根据各个小区的覆盖信号强度进行描点获得所述信号覆盖图。
在具体的实施过程中,图2为本发明实施例提供的动态模拟仿真流程示意图,如图2所示,该流程主要包括:
步骤201:数据转换;分析***获取到的状态数据的格式不统一,并且动态模拟仿真所需要的数据格式与分析***获取的状态数据的格式不同,因此在进行动态模拟仿真之前,可以对分析***获取到的状态数据进行数据转换,将状态数据的格式转换成满足需要的格式。
步骤202:信号动态模拟;在动态模拟仿真过程中,可以采用信号重叠方法分析每一个小区被基站覆盖的情况。
具体的模拟仿真过程如下:
假设{C1,C2,C3,C4……Cm}为m个基站的信号覆盖信息,应当说明的是,m的值有待测区域中的基站的数量决定,整个数据字段的结构应当是:
{C11,C12,C13,C14……C1n},
{C21,C22,C23,C24……C2n},
{C31,C32,C33,C34……C3n},
{Cm1,Cm2,Cm3,Cm4……Cmn}
其中C12的含义是当前时刻第1个基站对应于第二个小区的质点信号,整个数据集,有n个数据字段,简易的描述了此过程所需要的数据形式。
根据
Figure BDA0001846924230000091
计算获得每个小区的信号覆盖强度;
其中,signalk为第k个小区对应的信号覆盖强度;且第k个小区由至少一个基站对其进行信号覆盖,Cik为第i个基站对所述第k个小区的信号覆盖强度,且Cik的值可以通过分析***获取到的基站节点参数、***环境参数和网络拓扑信息综合获得,i和k为正整数,k的最大值由待测区域中包括的基站数量确定,n的最大值由待计算小区被覆盖的基站的总数确定。例如:在计算某个小区的信号覆盖强度时,假设有三个基站同时覆盖了该小区,那么n为3,每个基站都对该小区有对应的信号覆盖强度,将信号覆盖强度最大的作为该小区的信号覆盖强度。
步骤203:生成信号覆盖图;在获取到每个小区对应的信号覆盖强度后,采用散点图的形式进行描点,生成信号覆盖图,并针对信号覆盖图识别出当前的信号盲区。可以理解的是,在信号覆盖图中没有被信号覆盖的区域称为信号盲区。可以理解的是,每一个点表示一个小区,可以通过不同颜色或者不同色深来表示信号覆盖强度。可以是信号覆盖强度越强,描出来的点的颜色越深,还可以直接在对应的点上标注信号覆盖强度值。
本发明实施例通过根据各个小区对应的覆盖信号强度,根据覆盖信号强度获得待测区域对应的信号覆盖图,从而能够更加直观的获得待测区域中各个小区的信号覆盖情况。
在上述实施例的基础上,所述根据所述信号覆盖图识别出信号盲区,包括:
步骤204:图像二值化;在获得到待测区域对应的信号覆盖图之后,根据
Figure BDA0001846924230000092
对信号覆盖图进行二值化处理,获得二值化图像,Cmn为信号覆盖图中第m行第n列对应的像素点的像素值,C'mn为二值化图像中第m行第n列对应的像素点的灰度值;
步骤205:图像像素翻转;根据
Figure BDA0001846924230000101
对二值化图像进行像素翻转处理,获得翻转后图像;其中,C'm'n为翻转后图像中第m行第n列对应的像素点的灰度值;
步骤206:图像轮廓检测;将所述翻转后图像进行图像滤波、图像膨胀、图像腐蚀、轮廓方位检测及轮廓勾画处理,获得所述信号盲区。
图像滤波技术主要去除图像中的一些噪声(例如高斯白噪声)。膨胀就是对图像中的高亮部分进行膨胀,“邻域扩张”,效果图拥有比原图更大的高亮区域。腐蚀就是对原图中高亮部分被腐蚀,“邻域被蚕食”,效果图拥有比原图更小的高亮区域。在这一过程中,图像滤波处理与图像膨胀处理、图像腐蚀处理多次交替进行,具体需要进行多少次的处理,可以根据精度要求与实际生产方式来确定。
图像滤波处理技术包括但不限于以下技术:
1)均值滤波(normalized box filter):用其像素点周围像素的平均值代替元像素值,在滤除噪声的同时也会滤掉图像的边缘信息。
2)高斯滤波(Gaussian filter):高斯滤波为最常用的滤波器,具有可分离性质,可以把二维高斯运算转换为一维高斯运算,其本质上为一个低通滤波器。
3)中值滤波(median filter):中值滤波用测试像素周围邻域像素集中的中值代替原像素。中值滤波去除椒盐噪声和斑块噪声时,效果非常明显。
4)双边滤波(bilateral filter):双边滤波在平滑图像时能够很好的保留边缘特性,但是其运算速度比较慢。
在上述步骤形成具体轮廓后,紧接着需要进行轮廓方位检测以及轮廓勾画处理,通过一些边缘检测算子进行边缘检测,实现轮廓凸显。
边缘检测处理技术包括但不限于以下技术:
1)差分边缘检测
2)Reborts算子
3)Sobel算子
4)Prewitt算子
5)Kirsch算子
6)Laplace算子
7)LOG算子
8)Canny算子
通过上述几种边缘检测算子,进行轮廓方位检测以及轮廓勾画处理,梯度算子计算简单,但精度不高,只能检测出图像大致的轮廓,而对于比较细的边缘可能会忽略。Prewitt和Sobel算子比Roberts效果要好一些。LOG滤波器和Canny算子的检测效果优于梯度算子,能够检测出图像较细的边缘部分。不同的***,针对不同的环境条件和要求,选择合适的算子来对图像进行边缘检测。
通过上述各个步骤可以将待测区域对应的信号覆盖图中被信号覆盖的区域以及没有被信号覆盖的区域区分开来,从而得到信号盲区,能够直观的得出哪些区域没有被基站覆盖到,能够使得工作人员及时修复。
在上述实施例的基础上,所述根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息,包括:
根据所述基站节点参数、***环境参数和网络拓扑信息,利用PageRank算法计算每个基站对应的PageRank得分,根据每个基站的PageRank得分确定对应基站的运行状态信息。
在具体的实施过程中,图3为本发明实施例提供的基站评估流程示意图,如图3所示,具体的评估步骤包括:
步骤301:数据转换;在对各个基站的性能进行评估时,预先对分析***采集到的状态数据进行格式转换,转换成评估时所需的格式。
步骤302:计算基站负载能力;通过PageRank算法计算每个基站对应的PageRank得分,进一步得到基站的负载能力。
其中PageRank算法如下:
1)确定影响基站的各指标值;其中,指标值通过分析***获取到的基站节点参数、***环境参数和网络拓扑信息中获得,具体有哪些指标值可以根据实际情况获取;
2)确定应急通讯网络的网络拓扑结构;该网络拓扑结构由分析***获取得到;
3)将网络拓扑结构的链接能力加入到基本的PageRank算法当中,具体的是将基站历史信息加入到PageRank算法中,可以理解的是,历史信息为获取到的历史的基站节点参数。
PageRank算法基本原理如下:
1)在初始阶段:基站通过链接关系构建起Web图,每一个基站设置同样的PageRank值,通过若干轮的计算,会得到每一个基站所获得的终于PageRank值。随着每一轮的计算进行,基站当前的PageRank值会不断得到更新。
2)在一轮中更新基站PageRank得分的计算方法:在一轮更新基站PageRank得分的计算中,每一个基站将其当前的PageRank值平均分配到本基站包括的出链上,这样每一个链接即获得了对应的权值。而每一个基站将全部指向本基站的入链所传入的权值求和,就可以得到新的PageRank得分。当每一个基站都获得了更新后的PageRank值,就完毕了一轮PageRank计算。
PageRank算法基本计算公式如下:
Figure BDA0001846924230000121
其中PR(Pi)为基站Pi的PageRank得分,C(Pj)为Pj的出链数,且Pj为所述待测区域包括的所有的基站中除Pi基站之外的基站;q为阻尼系数;N为基站总数。
假设:如果一个由仅仅有4个基站组成的集合:A,B,C和D。如果全部基站都链向A,那么A的PR(PageRank)值将是B,C及D的总和。
PR(A)=PR(B)+PR(C)+PR(D)
继续如果B也有链接到C,而且D也有链接到包含A的3个基站。一个基站不能投票2次。所以B给每一个基站半票,以相同的逻辑,D投出的票仅仅有三分之中的一个算到了A的PageRank上。
Figure BDA0001846924230000131
换句话说,依据链出总数平分一个基站的PR值。
Figure BDA0001846924230000132
因为存在一些基站链接数为0,也就是那些没有链接不论什么其它基站的基站,也称为孤立基站,使得非常多基站能被仿问到。因此须要对PageRank公式进行修正,即在简单公式的基础上添加了阻尼系数(damping factor)q,q一般取值q=0.85。其意义是,在随意时刻,用户到达某基站后并继续向后传递的概率。
步骤303:评估基站负载能力;根据每个基站对应的PageRank得分可以评估出基站负载能力,PageRank得分越高证明基站当前的负载越大,其负载能力越低。
步骤304:推出超载基站;根据历史数据设定预设阈值,将每个基站的对应的PageRank得分与预设阈值进行比较,若某个基站的PageRank得分大于预设阈值,则说明该基站为超载基站。
步骤305:超载基站预警;对超载基站进行报警。
本发明实施例通过利用基站节点参数、***环境参数和网络拓扑信息对待测区域中的基站进行模拟仿真及性能评估,获得对应的信号覆盖图、信号盲区和各基站的运行状态信息,从而能够更加精确的获知待测区域对应的通信***的运行状态。
在上述实施例的基础上,所述方法,还包括:
将所述信号覆盖图、所述信号盲区以及各基站对应的运行状态信息进行显示并存储,使得工作人员能够清楚直观的获取到待测区域中的基站性能。
数据存储技术包括但不限于以下技术:1)关系型数据库;2)HDFS;3)Hive;4)HBase;5)ElasticSearch;6)PMML文件;7)其它规则和知识存储格式。
在上述各实施例的基础上,在获取待测区域对应的通信***中所有基站的状态数据之后,所述方法,还包括:
对所述状态数据进行预处理操作,其中,所述预处理操作包括缺失处理、异常值处理、数据集成、数据离散化和数据标准化处理中的任意一种或其组合。
在具体的实施过程中,在分析***获取到状态数据之后,需要对状态数据进行预处理操作,在进行状态数据采集时,可以通过抽取转换加载(Extract-Transform-Load,ETL)子***进行采集,ETL子***的主要作用是从***外部的数据库(包括各种存储业务数据的关系型数据库、文档型、键值型、图型等数据库)或文件(如用户访问IP地址等信息的***或业务日志文件)中抽取所需要的数据,并对数据进行必要的清洗和转换,再存储到于大数据存储***中。
一、ETL数据采集方法包括但不限于以下技术:
1)从同一数据库的多个表中合并数据;
2)从多个同类型的数据库的不同表、集合中合并数据;
3)从多个不同类型的数据库合并数据;
4)从非结构化或半结构化数据中抽取结构化数据;
5)从原记录或文档中抽取所用字段或属性的子集。
二、数据缺失处理方法包括但不限于以下技术:
1)去除重复的记录;
2)删除缺失具有重要意义的字段或属性的记录;
3)去除不同字段名或属性名不同但是含义相同的字段或属性;
4)转换字段或属性的类型,如将日期类型转换成UTC整型;
5)将连续的数值类型转换为离散型,如将百分制成绩转换为等级;
6)将缺失的属性用同一个常数替换(例如“null”或者均值等);
7)用最可能的值填充(例如用回归、贝叶斯等基于推理的工具或决策树归纳确定)。
三、异常值处理方法包括但不限于以下技术:
1)直接删除异常值;
2)暂且保留,待整合整体模型后综合分析;
3)利用均值或其他统计量取代;
4)将其视为缺失值,利用统计模型填补。
数据集成主要涉及冗余处理和冲突数据检测和处理。数据集成方法包括但不限于以下技术:
1)数据冗余:对于数值属性,通过计算属性A和B之间的相关系数来估计这两个属性的相关性,如果两个属性之间的相关性较大,则从这两个属性中剔除一个属性,利用剩下的属性替代相关性较大的两个原始属性,降低数据冗余
2)冲突数据检测和处理:数据集成时将一个数据库的属性与另一个匹配时,要考虑数据的结构,用来保证原***中的属性函数依赖和参照约束与目标***中的匹配。
(例如,重量属性可能在一个***中以公制单位存放,而在另一个***中以英制单位存放。)
数据标准化方法包括但不限于以下技术:
1)min-max标准化;
2)z-score标准化;
3)decimal scaling小数定标标准化;
4)向量归一化法;
5)线性比例变换法;
6)平均值法;
7)指数转化法。
数据离散化方法包括但不限于以下技术:
1)组距分组:组距分组是数据分箱最基本的方法,包括等距分组和非等距分组。等距分组:各个组别的上限和下限的差,是相等的。非等距分组:各个组别的上限和下限的差,不等。分组后的数据,如果在后续建模中作为输入变量,用于对输出变量的分类预测,则不恰当的组距分组可能会使某些样本量失衡,影响模型的效果。
2)分位数分组:分为数分组也做等频分组,是把观察点均匀分为n等份,每份内包含的观察点数相同。(例如:某个主套餐共有5万人订购,等频分段需要先把用户按订购时间按顺序排列,排列好后可以按5000人一组,把全部订购用户均匀分为十段。)
3)单变量分组:单变量分组也称为秩分组。方法为将所有变量按降序或者升序排序,排序名次即为分组结果,即是将变量值相同的归为同一组内。
4)基于信息熵的离散化。
本发明实施例通过利用基站节点参数、***环境参数和网络拓扑信息对待测区域中的基站进行模拟仿真及性能评估,获得对应的信号覆盖图、信号盲区和各基站的运行状态信息,从而能够更加精确的获知待测区域对应的通信***的运行状态。
图4为本发明实施例提供的一种基站性能分析***结构示意图,如图4所示,该***包括:数据采集模块401、模拟仿真模块402和性能评估模块403,其中,
数据采集模块401用于获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息;模拟仿真模块402用于根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区;性能评估模块403用于根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本发明实施例通过利用基站节点参数、***环境参数和网络拓扑信息对待测区域中的基站进行模拟仿真及性能评估,获得对应的信号覆盖图、信号盲区和各基站的运行状态信息,从而能够更加精确的获知待测区域对应的通信***的运行状态。
图5为本发明实施例提供的电子设备实体结构示意图,如图5所示,所述电子设备,包括:处理器(processor)501、存储器(memory)502和总线503;其中,
所述处理器501和存储器502通过所述总线503完成相互间的通信;
所述处理器501用于调用所述存储器502中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息;根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区;以及根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息;根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区;以及根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息;根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区;以及根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (7)

1.一种基站性能分析方法,其特征在于,包括:
获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息;
根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区;以及
根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息;
所述根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,包括:
根据所述基站节点参数、***环境参数和网络拓扑信息,利用信号重叠方法获得所述待测区域中各个小区对应的覆盖信号强度;
根据各个小区的覆盖信号强度进行描点获得所述信号覆盖图;
所述根据所述信号覆盖图识别出信号盲区,包括:
根据
Figure FDA0003846909100000011
对所述信号覆盖图进行二值化处理,获得二值化图像,Cmn为所述信号覆盖图中第m行第n列对应的像素点的像素值,C'mn为所述二值化图像中第m行第n列对应的像素点的灰度值;
根据
Figure FDA0003846909100000012
对所述二值化图像进行像素翻转处理,获得翻转后图像;其中,C″mn为所述翻转后图像中第m行第n列对应的像素点的灰度值;
将所述翻转后图像进行图像滤波、图像膨胀、图像腐蚀、轮廓方位检测及轮廓勾画处理,获得所述信号盲区;
所述根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息,包括:
根据所述基站节点参数、***环境参数和网络拓扑信息,利用PageRank算法计算每个基站对应的PageRank得分,根据每个基站的PageRank得分确定对应基站的运行状态信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述基站节点参数、***环境参数和网络拓扑信息,利用信号重叠方法获得所述待测区域中各个小区对应的覆盖信号强度,包括:
根据
Figure FDA0003846909100000021
计算获得每个小区的信号覆盖强度;
其中,signalk为第k个小区对应的信号覆盖强度;Cik为第i个基站对所述第k个小区的信号覆盖强度,i和k为正整数。
3.根据权利要求1所述的方法,其特征在于,所述根据所述基站节点参数、***环境参数和网络拓扑信息,利用PageRank算法计算每个基站对应的PageRank得分,包括:
根据
Figure FDA0003846909100000022
计算每个基站对应的PageRank得分;
其中,PR(Pi)为Pi基站对应的PageRank得分,C(Pj)为Pj的出链数,且Pj为所述待测区域包括的所有的基站中除Pi基站之外的基站;q为阻尼系数;N为基站总数。
4.根据权利要求1所述的方法,其特征在于,在根据每个基站的PageRank得分确定对应基站的运行状态信息之后,所述方法,还包括:
若基站对应的PageRank得分大于预设阈值,则进行报警提示。
5.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
将所述信号覆盖图、所述信号盲区以及各基站对应的运行状态信息进行显示并存储。
6.根据权利要求1-5任一项所述的方法,其特征在于,在获取待测区域对应的通信***中所有基站的状态数据之后,所述方法,还包括:
对所述状态数据进行预处理操作,其中,所述预处理操作包括缺失处理、异常值处理、数据集成、数据离散化和数据标准化处理中的任意一种或其组合。
7.一种基站性能分析***,其特征在于,包括:
数据采集模块,用于获取待测区域对应的通信***中所有基站的状态数据,所述状态数据包括基站节点参数、***环境参数和网络拓扑信息;
模拟仿真模块,用于根据所述基站节点参数、***环境参数和网络拓扑信息进行动态模拟仿真,获得所述待测区域对应的信号覆盖图,并根据所述信号覆盖图识别出信号盲区;
性能评估模块,用于根据所述基站节点参数、***环境参数和网络拓扑信息进行基站性能评估,获得所述待测区域中各基站对应的运行状态信息;
所述模拟仿真模块具体用于:
根据所述基站节点参数、***环境参数和网络拓扑信息,利用信号重叠方法获得所述待测区域中各个小区对应的覆盖信号强度;
根据各个小区的覆盖信号强度进行描点获得所述信号覆盖图;
所述根据所述信号覆盖图识别出信号盲区,包括:
根据
Figure FDA0003846909100000031
对所述信号覆盖图进行二值化处理,获得二值化图像,Cmn为所述信号覆盖图中第m行第n列对应的像素点的像素值,C'mn为所述二值化图像中第m行第n列对应的像素点的灰度值;
根据
Figure FDA0003846909100000032
对所述二值化图像进行像素翻转处理,获得翻转后图像;其中,C″mn为所述翻转后图像中第m行第n列对应的像素点的灰度值;
将所述翻转后图像进行图像滤波、图像膨胀、图像腐蚀、轮廓方位检测及轮廓勾画处理,获得所述信号盲区;
性能评估模块具体用于:
根据所述基站节点参数、***环境参数和网络拓扑信息,利用PageRank算法计算每个基站对应的PageRank得分,根据每个基站的PageRank得分确定对应基站的运行状态信息。
CN201811281699.8A 2018-10-30 2018-10-30 一种基站性能分析方法及*** Active CN109472075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811281699.8A CN109472075B (zh) 2018-10-30 2018-10-30 一种基站性能分析方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811281699.8A CN109472075B (zh) 2018-10-30 2018-10-30 一种基站性能分析方法及***

Publications (2)

Publication Number Publication Date
CN109472075A CN109472075A (zh) 2019-03-15
CN109472075B true CN109472075B (zh) 2022-11-08

Family

ID=65666549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811281699.8A Active CN109472075B (zh) 2018-10-30 2018-10-30 一种基站性能分析方法及***

Country Status (1)

Country Link
CN (1) CN109472075B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110008202A (zh) * 2019-04-15 2019-07-12 北京搜狐新媒体信息技术有限公司 一种减少内存占用的模型部署方法及***
CN111163486B (zh) * 2019-12-24 2022-04-15 重庆邮电大学 一种d2d通信仿真与性能测试***与方法
CN111274109B (zh) * 2020-01-20 2023-06-02 国网甘肃省电力公司信息通信公司 一种基于请求处理模拟的***软硬件拓扑的评估方法及***
CN114095961B (zh) * 2020-07-31 2023-04-28 ***通信集团四川有限公司 基于颜色聚类的覆盖分析方法、***及电子设备
CN113316161B (zh) * 2020-12-01 2023-01-17 广州天越电子科技有限公司 一种判断数字化室分设计方案小区覆盖不连续的方法
CN114363945A (zh) * 2021-12-22 2022-04-15 苏州迈科网络安全技术股份有限公司 基于网络拓扑的Wifi质量得分计算方法、装置、终端及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008014818A1 (en) * 2006-08-02 2008-02-07 Arieso Simulation tool and method for simulating a communication system
US9113353B1 (en) * 2015-02-27 2015-08-18 ReVerb Networks, Inc. Methods and apparatus for improving coverage and capacity in a wireless network
CN108235452A (zh) * 2017-12-22 2018-06-29 福州市协成智慧科技有限公司 一种lora物联网基站及组网***
CN108632832A (zh) * 2017-03-23 2018-10-09 北京神州泰岳软件股份有限公司 网络覆盖分析方法及***

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8498207B2 (en) * 2008-06-26 2013-07-30 Reverb Networks Dynamic load balancing
CN103052081B (zh) * 2012-12-20 2016-05-18 大唐移动通信设备有限公司 演进通信***的网络覆盖规划方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008014818A1 (en) * 2006-08-02 2008-02-07 Arieso Simulation tool and method for simulating a communication system
US9113353B1 (en) * 2015-02-27 2015-08-18 ReVerb Networks, Inc. Methods and apparatus for improving coverage and capacity in a wireless network
CN108632832A (zh) * 2017-03-23 2018-10-09 北京神州泰岳软件股份有限公司 网络覆盖分析方法及***
CN108235452A (zh) * 2017-12-22 2018-06-29 福州市协成智慧科技有限公司 一种lora物联网基站及组网***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A New Technique of Removing Blind Spots to Optimize Wireless Coverage in Indoor Area;A.W.Reza 等;《International Journal of Antennas and Propagation》;20131231;第1-10页 *
城市轨道交通CBTC***关键技术研究;刘晓娟;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20110515(第05期);第C033-3页 *
无线网络信号覆盖区域的强度分析方法和装置与流程;国知局;《http://www.xjishu.com/zhuanli/62/201710123400.html》;20180915;第1-4页 *

Also Published As

Publication number Publication date
CN109472075A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN109472075B (zh) 一种基站性能分析方法及***
WO2021184630A1 (zh) 基于知识图谱定位排污对象的方法及相关设备
WO2021017679A1 (zh) 地址信息解析方法、装置、***及数据获取方法
Alipour et al. Load-capacity rating of bridge populations through machine learning: Application of decision trees and random forests
CN106933956B (zh) 数据挖掘方法和装置
CN111738549A (zh) 食品安全风险评估方法、装置、设备及存储介质
CN112258093A (zh) 风险等级的数据处理方法及装置、存储介质、电子设备
CN108038627B (zh) 一种对象评估方法及装置
CN110942171A (zh) 一种基于机器学习的企业劳资纠纷风险预测方法
CN108470022A (zh) 一种基于运维管理的智能工单质检方法
CN114201374A (zh) 基于混合机器学习的运维时序数据异常检测方法及***
CN116485020B (zh) 一种基于大数据的供应链风险识别预警方法、***及介质
CN111178633A (zh) 基于随机森林算法预测景区客流量的方法和装置
CN116932523B (zh) 一种整合和监管第三方环境检测机构的平台
Deylami et al. Link prediction in social networks using hierarchical community detection
CN114529747A (zh) 保单检测方法、保单检测装置、电子设备及存储介质
CN113726558A (zh) 基于随机森林算法的网络设备流量预测***
CN109977131A (zh) 一种房型匹配***
CN113891342B (zh) 基站巡检方法、装置、电子设备及存储介质
CN113505980A (zh) 智能交通管理***可靠性评价方法、装置及***
CN113824580A (zh) 一种网络指标预警方法及***
CN105930430B (zh) 一种基于非累积属性的实时欺诈检测方法及装置
CN113807587B (zh) 一种基于多梯核深度神经网络模型积分预警方法以及***
El Wakil et al. Data management for construction processes using fuzzy approach
CN113987240B (zh) 一种基于知识图谱的海关检样溯源方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant