CN114079938B - 干扰源定位方法、装置、设备及存储介质 - Google Patents
干扰源定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114079938B CN114079938B CN202010818217.9A CN202010818217A CN114079938B CN 114079938 B CN114079938 B CN 114079938B CN 202010818217 A CN202010818217 A CN 202010818217A CN 114079938 B CN114079938 B CN 114079938B
- Authority
- CN
- China
- Prior art keywords
- interference
- cells
- cell
- data
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005259 measurement Methods 0.000 claims abstract description 46
- 230000002452 interceptive effect Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 4
- 230000004807 localization Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
- H04B17/327—Received signal code power [RSCP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供一种干扰源定位方法、装置、设备及存储介质。该方法包括:获取目标区域中多个第一小区的第一上行干扰数据,以及多个子区域的第一下行测量数据;根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区;根据每个第二小区的第二上行干扰数据中的RB干扰强度值,确定每两个第二小区之间的上行路损差;从多个子区域中,确定至少一个第一目标子区域;根据每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,确定每个第一目标子区域中每两个第三小区之间的下行路损差;根据上行路损差和下行路损差,确定干扰源位置。根据本申请实施例,能够提高干扰源定位效率。
Description
技术领域
本申请涉及网络优化技术领域,尤其涉及一种干扰源定位方法、装置、设备及存储介质。
背景技术
目前,干扰是影响移动通信网络质量的关键因素之一,对接入、切换、拥塞以及网络的覆盖、容量均有负面作用,直接影响用户的使用体验。因此,需要对干扰源定位,确定干扰源的位置。
传统干扰源定位方式主要是基于网络优化人员长期实践积累的经验,实施地毯式排查,直到确定干扰源的位置。但是,地毯式排查需要消耗大量时间,效率较低。
发明内容
本申请实施例提供了一种干扰源定位方法、装置、设备及存储介质,能够提高干扰源定位效率。
第一方面,本申请实施例提供一种干扰源定位方法,该方法包括:
获取目标区域中多个第一小区的第一上行干扰数据,以及目标区域中多个子区域的第一下行测量数据,其中,多个第一小区覆盖多个子区域;第一上行干扰数据包括小区频点、小区位置以及资源块(Resource Block,RB)干扰强度值;第一下行测量数据包括参考信号接收功率(Reference Signal Receiving Power,RSRP)值和参考信号(ReferenceSignal,RS)功率值;
根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区;
根据至少两个第二小区中每个第二小区的第二上行干扰数据中的RB干扰强度值,计算至少两个第二小区中每两个第二小区之间的上行路损差;
从多个子区域中,确定至少一个第一目标子区域,其中,至少一个第一目标子区域中每个第一目标子区域包括至少两个第二小区中至少两个第三小区;
根据每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差;
根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,确定干扰源位置。
在第一方面的一些可实现方式中,获取目标区域中多个第一小区的第一上行干扰数据,包括:
获取多个第一小区中每个第一小区的RB干扰强度值;
根据每个第一小区的RB干扰强度值和每个第一小区的预设工参数据,生成第一上行干扰数据。
在第一方面的一些可实现方式中,获取目标区域中多个子区域的第一下行测量数据,包括:
获取多个第一小区中每个第一小区的下行最小化路测(Minimization DriveTest,MDT)数据;
根据下行MDT数据和每个第一小区的预设工参数据,以及多个子区域的预设子区域划分数据,生成第一下行测量数据。
在第一方面的一些可实现方式中,根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区,包括:
根据第一上行干扰数据中的RB干扰强度值,从多个第一小区中确定干扰小区;
根据第一上行干扰数据中的小区频点和小区位置,确定干扰小区预设范围内的至少一个同频小区;
根据干扰小区的第三上行干扰数据中的RB干扰强度值和至少一个同频小区的第四上行干扰数据中的RB干扰强度值,从干扰小区和至少一个同频小区中确定至少两个第二小区。
在第一方面的一些可实现方式中,根据干扰小区的第三上行干扰数据中的RB干扰强度值和至少一个同频小区的第四上行干扰数据中的RB干扰强度值,从干扰小区和至少一个同频小区中确定至少两个第二小区,包括:
根据第三上行干扰数据中的RB干扰强度值和第四上行干扰数据中的RB干扰强度值,计算干扰小区和至少一个同频小区中每两个小区的干扰相关系数;
确定干扰相关系数满足预设干扰相关系数条件的小区为至少两个第二小区。
在第一方面的一些可实现方式中,第二上行干扰数据中的RB干扰强度值包括多个;
根据至少两个第二小区中每个第二小区的第二上行干扰数据中的RB干扰强度值,计算至少两个第二小区中每两个第二小区之间的上行路损差,包括:
根据第二上行干扰数据中的多个RB干扰强度值,分别计算每个第二小区的RB干扰强度平均值;
根据每个第二小区的RB干扰强度平均值,计算每两个第二小区之间的RB干扰强度平均值的差值为上行路损差。
在第一方面的一些可实现方式中,根据每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差,包括:
根据第二下行测量数据中每个第三小区的RSRP值和RS功率值,计算每个第三小区的下行路损,其中,下行路损是每个第三小区对应的RS功率值和RSRP值之间的差值;
根据每个第三小区的下行路损,计算每两个第三小区之间的下行路损的差值为下行路损差。
在第一方面的一些可实现方式中,根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,确定干扰源位置,包括:
根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,计算每两个目标小区之间的上行路损差与下行路损差的第一差值,其中,每个目标小区同时是第二小区与第三小区;
确定第一差值中满足预设差值条件的至少一个第二差值;
根据至少一个第二差值中每个第二差值对应的第二目标子区域,确定干扰源位置。
在第一方面的一些可实现方式中,根据至少一个第二差值中每个第二差值对应的第二目标子区域,确定干扰源位置,包括:
根据每个第二差值对应的第二目标子区域和K-Means算法,确定干扰源位置。
第二方面,本申请实施例提供一种干扰源定位装置,该装置包括:
获取模块,用于获取目标区域中多个第一小区的第一上行干扰数据,以及目标区域中多个子区域的第一下行测量数据,其中,多个第一小区覆盖多个子区域;第一上行干扰数据包括小区频点、小区位置以及RB干扰强度值;第一下行测量数据包括RSRP值和RS功率值;
确定模块,用于根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区;
计算模块,用于根据至少两个第二小区中每个第二小区的第二上行干扰数据中的RB干扰强度值,计算至少两个第二小区中每两个第二小区之间的上行路损差;
确定模块,还用于从多个子区域中,确定至少一个第一目标子区域,其中,至少一个第一目标子区域中每个第一目标子区域包括至少两个第二小区中至少两个第三小区;
计算模块,还用于根据每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差;
确定模块,还用于根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,确定干扰源位置。
在第二方面的一些可实现方式中,获取模块包括:
第一获取单元,用于获取多个第一小区中每个第一小区的RB干扰强度值;
第一生成单元,用于根据每个第一小区的RB干扰强度值和每个第一小区的预设工参数据,生成第一上行干扰数据。
在第二方面的一些可实现方式中,获取模块包括:
第二获取单元,用于获取多个第一小区中每个第一小区的MDT数据;
第二生成单元,用于根据下行MDT数据和每个第一小区的预设工参数据,以及多个子区域的预设子区域划分数据,生成第一下行测量数据。
在第二方面的一些可实现方式中,确定模块包括:
第一确定单元,用于根据第一上行干扰数据中的RB干扰强度值,从多个第一小区中确定干扰小区;
第一确定单元,还用于根据第一上行干扰数据中的小区频点和小区位置,确定干扰小区预设范围内的至少一个同频小区;
第一确定单元,还用于根据干扰小区的第三上行干扰数据中的RB干扰强度值和至少一个同频小区的第四上行干扰数据中的RB干扰强度值,从干扰小区和至少一个同频小区中确定至少两个第二小区。
在第二方面的一些可实现方式中,第一确定单元具体用于:
根据第三上行干扰数据中的RB干扰强度值和第四上行干扰数据中的RB干扰强度值,计算干扰小区和至少一个同频小区中每两个小区的干扰相关系数;
确定干扰相关系数满足预设干扰相关系数条件的小区为至少两个第二小区。
在第二方面的一些可实现方式中,第二上行干扰数据中的RB干扰强度值包括多个;
计算模块包括:第一计算单元,用于根据第二上行干扰数据中的多个RB干扰强度值,分别计算每个第二小区的RB干扰强度平均值;
第一计算单元,还用于根据每个第二小区的RB干扰强度平均值,计算每两个第二小区之间的RB干扰强度平均值的差值为上行路损差。
在第二方面的一些可实现方式中,计算模块包括:
第二计算单元,用于根据第二下行测量数据中每个第三小区的RSRP值和RS功率值,计算每个第三小区的下行路损,其中,下行路损是每个第三小区对应的RS功率值和RSRP值之间的差值;
第二计算单元,还用于根据每个第三小区的下行路损,计算每两个第三小区之间的下行路损的差值为下行路损差。
在第二方面的一些可实现方式中,确定模块包括:
第三计算单元,用于根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,计算每两个目标小区之间的上行路损差与下行路损差的第一差值,其中,每个目标小区同时是第二小区与第三小区;
第二确定单元,用于确定第一差值中满足预设差值条件的至少一个第二差值;
第二确定单元,还用于根据至少一个第二差值中每个第二差值对应的第二目标子区域,确定干扰源位置。
在第二方面的一些可实现方式中,第二确定单元具体用于:
根据每个第二差值对应的第二目标子区域和K-Means算法,确定干扰源位置。
第三方面,本申请实施例提供一种干扰源定位设备,该设备包括:处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现第一方面或者第一方面任一些可实现方式中所述的干扰源定位方法。
第四方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现第一方面或者第一方面任一些可实现方式中所述的干扰源定位方法。
本申请实施例提供的一种干扰源定位方法、装置、设备及存储介质,通过获取目标区域中多个第一小区的第一上行干扰数据,以及多个子区域的第一下行测量数据,有针对地对目标区域开展定位。根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区,可以确定相同干扰源影响的第二小区,可以确定干扰源在附近,进而大大缩减定位范围。根据每个第二小区的第二上行干扰数据中的RB干扰强度值,确定每两个第二小区之间的上行路损差。从多个子区域中,确定至少两个第二小区中至少两个第二小区对应的至少一个第一目标子区域,可以确定干扰源附近的目标子区域,用于后续的精确定位。根据至少一个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,确定每个第一目标子区域对应的至少两个第三小区中每两个第三小区之间的下行路损差;根据上行路损差和下行路损差,确定干扰源位置。因此能够快速确定目标区域内的干扰源,提高定位效率,进一步优化网络质量。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,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的附图。
图1是本申请实施例提供的一种干扰源定位***的架构示意图;
图2是本申请实施例提供的一种干扰源定位方法的流程示意图;
图3是本申请实施例提供的一种频域波形对比示意图;
图4是本申请实施例提供的一种K-Means算法聚类示意图;
图5是本申请实施例提供的一种定位效果示意图;
图6是本申请实施例提供的一种干扰源定位装置的结构示意图;
图7是本申请实施例提供的一种干扰源定位设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
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……”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。
目前,传统的干扰源定位方式主要是通过提取底噪平均值较大,且底噪值长期存在的干扰小区,然后由前台人员在干扰小区区域使用频谱仪进行360度测试,寻找干扰最强方向,沿着干扰最强的方向进行地毯式排查,直到确定干扰源的位置,其中,干扰源是移动通信***之外的外部干扰源,例如直放站、信***、伪基站等等。但是,地毯式排查需要消耗大量时间,效率较低。
因此,为了解决现有技术问题,本申请实施例提供了一种干扰源定位方法、装置、设备及存储介质。通过获取目标区域中多个第一小区的第一上行干扰数据,以及多个子区域的第一下行测量数据,根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区,根据每个第二小区的第二上行干扰数据中的RB干扰强度值,确定每两个第二小区之间的上行路损差,从多个子区域中,确定至少两个第二小区中至少两个第二小区对应的至少一个第一目标子区域,根据至少一个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,确定每个第一目标子区域对应的至少两个第三小区中每两个第三小区之间的下行路损差;根据上行路损差和下行路损差,确定干扰源位置,能够快速确定目标区域内的干扰源,提高定位效率,进一步优化网络质量。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的潜在干扰源定位方法、装置、设备和存储介质进行详细地说明。
图1是本申请实施例提供的一种干扰源定位***的架构示意图,如图1所示,该干扰源定位***可以包括电子设备110、服务器120以及服务器130。其中,电子设备110可以为移动电子设备,也可以为非移动电子设备。例如,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、超级移动个人计算机(Ultra-Mobile Personal Computer,UMPC)等等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(Personal Computer,PC)等等。服务器120、130可以为高性能电子计算器,用于存储和处理数据。作为一个示例,服务器120可以为操作维护中心(Operation and MaintenanceCenter,OMC)服务器,服务器130可以为MDT服务器。服务器120、130与电子设备110通过网络进行通信,其中,网络可以是有线通信网络或无线通信网络。
该干扰源定位***可以应用于学校、车站、居民社区等信号受到干扰的目标区域的干扰源定位。具体地,电子设备110可以接收服务器120发送的目标区域中多个第一小区的第一上行干扰数据,接收服务器130发送的目标区域中多个子区域的第一下行测量数据。其中,多个第一小区覆盖多个子区域,第一上行干扰数据包括小区频点、小区位置以及RB干扰强度值,第一下行测量数据包括RSRP值和RS功率值。根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区,根据每个第二小区的第二上行干扰数据中的RB干扰强度值,计算每两个第二小区之间的上行路损差。从多个子区域中,确定至少一个第一目标子区域。其中,每个第一目标子区域包括至少两个第二小区中至少两个第三小区。根据每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差。根据上行路损差和下行路损差,确定干扰源位置。能够快速确定目标区域内的干扰源,提高定位效率,进一步优化网络质量。
下面将介绍本申请实施例提供的干扰源定位方法。其中,该干扰源定位方法的执行主体可以是图1所示的干扰源定位***中的电子设备110,或者电子设备110中的模块。
图2是本申请实施例提供的一种干扰源定位方法的流程示意图,如图2所示,该干扰源定位方法可以包括以下步骤:
S210,获取目标区域中多个第一小区的第一上行干扰数据,以及目标区域中多个子区域的第一下行测量数据。
其中,目标区域是存在外部干扰的区域,例如城市、乡镇、学校、车站、居民社区等区域。其可以被划分为多个子区域,被多个小区覆盖,多个第一小区覆盖多个子区域。作为一个示例,学校A被a、b、c三个小区覆盖,同时学校A被划分为6个子区域,分别为子区域1、2、3、4、5、6,可知,小区a、b、c覆盖子区域1、2、3、4、5、6,子区域可以同时被至少两个小区覆盖。示例性地,子区域可以为10米*10米的栅格。
第一上行干扰数据表示移动通信网络的上行无线环境的干扰数据,可以包括小区频点、小区位置以及RB干扰强度值等等。其中,小区位置可以用经纬度表示,RB干扰强度值用于衡量小区的RB受到的干扰强弱,RB可以包括多个,例如RB0、RB1、RB2……RB99,相应的RB干扰强度值为RB0、RB1、RB2……RB99干扰强度值。第一下行测量数据表示移动通信网络的下行无线环境的测量数据,可以包括RSRP值和RS功率值等等,即子区域中第一小区的RSRP值和RS功率值。
在一些实施例中,可以获取多个第一小区中每个第一小区的RB干扰强度值。具体地,可以获取每个第一小区一段时间内的RB干扰强度值,取一段时间内的RB干扰强度值的平均值作为RB干扰强度值,例如24小时。接着可以根据每个第一小区的RB干扰强度值和每个第一小区的预设工参数据,生成第一上行干扰数据。示例性地,可以先将每个第一小区的RB干扰强度值中的异常数据置空,例如将存在“NIL”“NULL”的数据置空。然后删除属于室分小区的第一小区的数据,将删除后的第一小区的RB干扰强度值与预设工参数据结合,生成第一上行干扰数据。其中,预设工参数据可以包括小区标识、小区频点、小区位置例如经纬度、RS值等数据。
在一些实施例中,可以获取多个第一小区中每个第一小区的下行MDT数据。其中,MDT数据是第一小区覆盖下的用户设备(User Equipment,UE)采集的数据,可以包括小区标识、UE位置例如经纬度、RSRP值等数据。具体地,可以获取每个第一小区一段时间内的下行MDT数据,取一段时间内的下行MDT数据的平均值作为下行MDT数据,例如24小时。接着可以根据每个第一小区的下行MDT数据和每个第一小区的预设工参数据,以及多个子区域的预设子区域划分数据,生成第一下行测量数据。其中,预设子区域划分数据可以包括子区域标识、子区域位置例如经纬度、子区域归属小区的小区标识等等。示例性地,可以针对每个第一小区的下行MDT数据,结合预设子区域划分数据进行汇聚处理,将每个第一小区的小区—经纬度级别的数据汇聚为小区—子区域级别的数据,并结合预设工参数据生成第一下行测量数据。
S220,根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区。
在一些实施例中,首先可以根据第一上行干扰数据中的RB干扰强度值,从多个第一小区中确定干扰小区。具体地,可以确定RB干扰强度值满足预设干扰条件的第一小区为干扰小区。
作为一个示例,可以在频率域即在频率维度上,确定每个第一小区的第一上行干扰数据中的RB干扰强度值中大于或等于预设干扰强度阈值的RB干扰强度值的数量,确定该数量大于或等于预设数量阈值的第一小区为干扰小区。例如50%以上RB干扰强度值≥-110dbm的第一小区为干扰小区。为了更加精确地确定干扰小区,可以在时间域即在时间维度上,确定干扰源对第一小区的干扰时长,确定50%以上RB干扰强度值≥-110dbm的第一小区中干扰时长大于等于预设干扰时长阈值的小区为干扰小区。例如1天数据中,预设干扰时长阈值为20小时。
其次可以根据第一上行干扰数据中的小区频点和小区位置,确定干扰小区预设范围内的至少一个同频小区。具体地,可以根据小区位置计算干扰小区与除干扰小区之外的每个第一小区之间的距离,进而确定距离小于或等于预设距离阈值,且频点与干扰小区相同的同频小区。
作为一个示例,可以将干扰小区的小区位置与除干扰小区之外的第一小区的小区位置输入距离计算公式,计算干扰小区与除干扰小区之外的每个第一小区之间的距离。其中,小区位置可以是经纬度,距离计算公式可以如下所示:
D=R*acos[cos(Y1)*cos(Y2)*cos(X1-X2)+sin(Y1)*sin(Y2)] (1)
其中,D表示距离,R表示地球半径,为6371km,cos,sin均为三角函数,acos为反余弦函数,X1、Y1分别表示干扰小区的经度、纬度,X2、Y2分别表示除干扰小区之外的第一小区的经度、纬度。
接着可以根据干扰小区的第三上行干扰数据中的RB干扰强度值和至少一个同频小区的第四上行干扰数据中的RB干扰强度值,从干扰小区和至少一个同频小区中确定至少两个第二小区。具体地,可以根据第三上行干扰数据中的RB干扰强度值和第四上行干扰数据中的RB干扰强度值,计算干扰小区和至少一个同频小区中每两个小区的干扰相关系数,确定干扰相关系数满足预设干扰相关系数条件的小区为至少两个第二小区。
作为一个示例,干扰相关系数可以是皮尔逊相关系数。如图3所示,干扰小区与同频小区1、2的频域波形相似的即为受到相同干扰源干扰的第二小区。其中,横轴表示RB、纵轴表示RB干扰强度值。可以通过皮尔逊相关系数衡量两个小区的频域波形之间的线性相关程度,其值介于-1与1之间。其中,皮尔逊相关系数的计算公式可以如下所示:
其中,ρMN表示皮尔逊相关系数,Mi表示一个小区的上行干扰数据中的RB干扰强度值,Ni表示另一个小区的上行干扰数据中的RB干扰强度值,表示M1、M2…Mn的平均值,/>表示N1、N2…Nn的平均值。n表示RB干扰强度值数量,即RB数量。
于是,可以根据第三上行干扰数据中的RB干扰强度值、第四上行干扰数据中的RB干扰强度值以及公式(2)-(5),计算干扰小区和至少一个同频小区中每两个小区的皮尔逊相关系数。确定皮尔逊相关系数大于或等于预设相关系数阈值的小区为至少两个第二小区。其中,预设相关系数阈值可以是0.6。
S230,根据至少两个第二小区中每个第二小区的第二上行干扰数据中的RB干扰强度值,计算至少两个第二小区中每两个第二小区之间的上行路损差。
其中,第二上行干扰数据中的RB干扰强度值可以包括多个,例如RB0、RB1、RB2……RB99干扰强度值。在一些实施例中,可以根据第二上行干扰数据中的多个RB干扰强度值,分别计算每个第二小区的RB干扰强度平均值。根据每个第二小区的RB干扰强度平均值,计算每两个第二小区之间的RB干扰强度平均值的差值为上行路损差。
作为一个示例,第二小区a、b的第二上行干扰数据中的RB干扰强度值包括RB0、RB1、RB2……RB99干扰强度值,分别计算第二小区a、b的RB干扰强度平均值,分别以表示,则第二小区a、b之间的上行路损差为ab_上行路损差=/>
S240,从多个子区域中,确定至少一个第一目标子区域。
其中,至少一个第一目标子区域中每个第一目标子区域可以包括至少两个第二小区中至少两个第三小区。
例如,至少两个第二小区为a、b、c,则第一目标子区域可以是包括第二小区a、b,第二小区a、c,第二小区b、c或者第二小区a、b、c的子区域,即被第二小区a、b,小区a、c,第二小区b、c或者第二小区a、b、c覆盖的子区域。
S250,根据每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差。
在一些实施例中,可以根据第二下行测量数据中每个第三小区的RSRP值和RS功率值,计算每个第三小区的下行路损。其中,下行路损是每个第三小区对应的RS功率值和RSRP值之间的差值。然后根据每个第三小区的下行路损,计算每两个第三小区之间的下行路损的差值为下行路损差。
例如,第一目标子区域中的第三小区为a、b、c,则根据第三小区a、b、c的RSRP值和RS功率值,计算第三小区a、b、c的下行路损。以第三小区a为例,a_下行路损=a_RS功率值-a_RSRP值,a_下行路损表示第三小区a的下行路损,a_RS功率值、a_RSRP值分别为第三小区a的RS功率值、RSRP值。基于相同原理,可以计算出第三小区b、c的b_下行路损、c_下行路损。则第三小区a、b之间的下行路损差为ab_下行路损差=a_下行路损-b_下行路损,第三小区a、c之间的下行路损差为ac_下行路损差=a_下行路损-c_下行路损,第三小区b、c之间的下行路损差为bc_下行路损差=b_下行路损-c_下行路损。
S260,根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,确定干扰源位置。
在一些实施例中,首先可以根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,计算每两个目标小区之间的上行路损差与下行路损差的第一差值。其中,每个目标小区同时是第二小区与第三小区。
其次可以确定第一差值中满足预设差值条件的至少一个第二差值,具体地,预设差值条件是第一差值的绝对值小于或等于预设差值阈值。其中,预设差值阈值可以为10。
接着可以根据至少一个第二差值中每个第二差值对应的第二目标子区域,确定干扰源位置。具体地,可以根据每个第二差值对应的第二目标子区域和K-Means算法,确定干扰源位置。示例性地,可以根据每个第二目标子区域的位置和K-Means算法,进行位置聚类,利用各聚类中对象的均值获得一个中心对象,该中心对象即为干扰源位置。
作为一个示例,第二小区为a、b,ab_上行路损差为-3,第一目标子区域E中第三小区为a、b,ab_下行路损差为10,第一目标子区域F中第三小区为a、b,ab_下行路损差为-1,第一目标子区域G中第三小区为a、b,ab_下行路损差为-2,预设差值阈值为10。目标小区a、b之间的第一差值为ab_第一差值=ab_上行路损差-ab_下行路损差。于是ab_第一差值分别为-13、-2、-1。可知-2、-1的绝对值小于10,则-2对应的第二目标子区域为区域F、-1对应的第二目标子区域为区域G。根据区域F、G的位置和K-Means算法,进行位置聚类,确定干扰源位置。
在本申请实施例中,通过获取目标区域中多个第一小区的第一上行干扰数据,以及多个子区域的第一下行测量数据,有针对地对目标区域开展定位。根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区,可以确定相同干扰源影响的第二小区,可以确定干扰源在附近,进而大大缩减定位范围。根据每个第二小区的第二上行干扰数据中的RB干扰强度值,确定每两个第二小区之间的上行路损差。从多个子区域中,确定至少两个第二小区中至少两个第二小区对应的至少一个第一目标子区域,可以确定干扰源附近的目标子区域,用于后续的精确定位。根据至少一个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,确定每个第一目标子区域对应的至少两个第三小区中每两个第三小区之间的下行路损差;根据上行路损差和下行路损差,确定干扰源位置。因此能够快速确定目标区域内的干扰源,提高定位效率,进一步优化网络质量。
下面结合一个具体的实施例,对本申请实施例提供的干扰源定位方法进行介绍,该干扰源定位方法可以包括以下步骤:
步骤1,获取目标区域中每个第一小区24小时内的RB干扰数据,RB干扰数据包括RB干扰强度值和小区标识。取24小时内的RB干扰强度值的平均值作为RB干扰强度值。可以先将每个第一小区的RB干扰数据中的异常数据置空,然后删除属于室分小区的第一小区的数据,将删除后的第一小区的RB干扰数据通过小区标识为索引与预设工参数据结合,生成第一上行干扰数据。其中,第一上行干扰数据包括小区标识、小区频点、小区位置即经纬度以及RB干扰强度值,如表1所示。
表1
步骤2,获取每个第一小区24小时内的下行MDT数据,取24小时内的下行MDT数据的平均值作为下行MDT数据。针对每个第一小区的下行MDT数据,结合预设子区域划分数据进行汇聚处理,将每个第一小区的小区—经纬度级别的数据汇聚为小区—子区域级别的数据,通过小区标识为索引与预设工参数据结合,生成第一下行测量数据。其中,第一下行测量数据可以包括小区标识、子区域标识、子区域位置即经纬度、RSRP值和RS功率值,如表2所示。
表2
小区标识 | 子区域标识 | 子区域经度 | 子区域纬度 | RSRP值 | RS值 |
a | 58631034 | 116.32703 | 40.05443 | -93.89 | 12.2 |
b | 58631034 | 116.32703 | 40.05443 | -93.94 | 15.2 |
c | 58631034 | 116.32703 | 40.05443 | -94.10 | 15.2 |
d | 58334028 | 116.32586 | 40.05189 | -103.12 | 12.2 |
e | 58334028 | 116.32586 | 40.05189 | -105.28 | 12.2 |
… | … | … | … | … | … |
步骤3,确定50%以上RB干扰强度值≥-110dbm,且受到干扰源干扰的干扰时长≥20小时的第一小区为干扰小区,例如确定小区a为干扰小区。
步骤4,将表2中干扰小区a的小区经纬度与除干扰小区a之外的第一小区的小区经纬度输入公式(1),计算干扰小区a与除干扰小区之外的每个第一小区之间的距离。确定干扰小区a 1.5千米内的同频小区为b、c等等,生成表3。进而生成双向小区对(a,b)、(b,a)、(a,c)、(c,a)等等,如表4所示。
表3
表4
步骤5,针对表4中的干扰小区的第三上行干扰数据中的RB干扰强度值、至少一个同频小区的第四上行干扰数据中的RB干扰强度值,先去除物理上行链路控制信道(Physical Uplink Control Channel,PUCCH)占用的前后端各4个RB,再根据去除后的数据与公式(2)-(5),计算干扰小区和至少一个同频小区中每两个小区的皮尔逊相关系数。确定皮尔逊相关系数大于或等于0.6的小区为至少两个第二小区。
步骤6,根据每个第二小区的第二上行干扰数据中的多个RB干扰强度值,分别计算每个第二小区的RB干扰强度平均值。根据每个第二小区的RB干扰强度平均值,计算每两个第二小区之间的RB干扰强度平均值的差值为上行路损差,生成表5。如表5所示,小区a、b、c等等为第二小区,小区a、b之间的上行路损差是(a,b)上行路损差=a_RB干扰强度平均值-b_RB干扰强度平均值。
表5
步骤7,根据表2、表5,从多个子区域中,确定至少一个第一目标子区域。生成子区域级的双向小区对,进而生成表6。如表6所示,第一目标子区域58631034中的第三小区为a,b,c三个小区,穷举为(a,b)、(b,a)、(a,c)、(c,a)、(b,c)、(c,b)形式的小区对,第一目标子区域58334028中的第三小区为d,e两个小区,穷举为(d,e)、(e,d)。
表6
步骤8,根据表6中每个第一目标子区域中的每个第三小区的RSRP值和RS功率值,计算每个第三小区的下行路损。然后计算每两个第三小区之间的下行路损的差值为下行路损差,生成表7。如表7所示,第一目标子区域58631034中(a,b)下行路损差=a_下行路损-b_下行路损,第一目标子区域58334028中(d,e)下行路损差=d_下行路损-e_下行路损。
表7
步骤9,确定下行路损差与上行路损差的差值越小的至少一个子区域,该至少一个子区域的“中心位置”即为干扰源位置。具体地,用表7中的小区标识作为索引结合表5,生成表8。
表8
步骤10,根据表8计算下行路损差与上行路损差的差值的绝对值Z,确定Z<10的第二目标子区域,进而在第二目标子区域中确定包括小区的数目≥3个小区的第三目标子区域,即满足三维定向条件,筛选出第三目标子区域,生成表9。
表9
步骤11,根据表9中第三目标子区域的经纬度和K-Means算法,进行位置聚类,确定干扰源位置。如图4所示,横纵坐标分别为经度、纬度,K-Means算法的目的是将数据集聚类成K个数据中心,进而进行聚类计算。
其中,最小化损失函数为:
其中,K表示聚类的数量,Ci表示第i个聚类集合,x表示每个聚类集合中的任意一个采样点(经度、纬度),μi为簇的中心点(经度、纬度),‖x-μi‖2为范数2,表示x点到数据中心点的距离。
通过聚类处理后可以生成表10,如表10所示,干扰源经度和干扰源纬度已确定,即干扰源定位完成。
表10
在一个具体的实施例中,以标识为504534-148且名称为东城仓夹道南口FDHLG-148的小区为例进行说明,具体如下:
获取小区504534-148的上行干扰数据。如表11所示,上行干扰数据包括时间(24小时)、基站标识、本地小区标识,频带,100个RB中每个RB的干扰强度。其中,基站标识、本地小区标识共同表征小区标识,频带可换算为频点。
表11
对表11所示的上行干扰数据进行统计,可以得到用于干扰小区确定的数据,如表12所示,干扰时长、RB干扰强度值大于-110dbm的RB的数量已经确定出来。因此,基于表12所示数据可以确定小区504534-148为干扰小区。
表12
接着可以精准识别到与小区504534-148受同一干扰源影响的相邻小区,相应的干扰小区东城仓夹道南口FDHLG-148与邻区的数据可以如表13所示。
表13
接着经过后续相应的处理,可以确定干扰源的经纬度为(116.428192,39.932373)。如图5所示,定位结果与现场验证结果偏差较小,因此可以高效地确定目标区域内的所有干扰源,节省人力。
基于本申请实施例的提供的干扰源定位方法,本申请实施例还提供了一种干扰源定位装置,如图6所示,干扰源定位装置600可以包括:获取模块610、确定模块620、计算模块630。
其中,获取模块610,用于获取目标区域中多个第一小区的第一上行干扰数据,以及目标区域中多个子区域的第一下行测量数据。其中,多个第一小区覆盖多个子区域。第一上行干扰数据包括小区频点、小区位置以及RB干扰强度值;第一下行测量数据包括RSRP值和RS功率值。
确定模块620,用于根据第一上行干扰数据,从多个第一小区中确定受相同干扰源干扰的至少两个第二小区。
计算模块630,用于根据至少两个第二小区中每个第二小区的第二上行干扰数据中的RB干扰强度值,计算至少两个第二小区中每两个第二小区之间的上行路损差。
确定模块620,还用于从多个子区域中,确定至少一个第一目标子区域,其中,至少一个第一目标子区域中每个第一目标子区域包括至少两个第二小区中至少两个第三小区。
计算模块630,还用于根据每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差。
确定模块620,还用于根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,确定干扰源位置。
在一些实施例中,获取模块610包括:第一获取单元,用于获取多个第一小区中每个第一小区的RB干扰强度值。
第一生成单元,用于根据每个第一小区的RB干扰强度值和每个第一小区的预设工参数据,生成第一上行干扰数据。
在一些实施例中,获取模块610包括:第二获取单元,用于获取多个第一小区中每个第一小区的MDT数据。
第二生成单元,用于根据下行MDT数据和每个第一小区的预设工参数据,以及多个子区域的预设子区域划分数据,生成第一下行测量数据。
在一些实施例中,确定模块620包括:第一确定单元,用于根据第一上行干扰数据中的RB干扰强度值,从多个第一小区中确定干扰小区。
第一确定单元,还用于根据第一上行干扰数据中的小区频点和小区位置,确定干扰小区预设范围内的至少一个同频小区。
第一确定单元,还用于根据干扰小区的第三上行干扰数据中的RB干扰强度值和至少一个同频小区的第四上行干扰数据中的RB干扰强度值,从干扰小区和至少一个同频小区中确定至少两个第二小区。
在一些实施例中,第一确定单元具体用于:根据第三上行干扰数据中的RB干扰强度值和第四上行干扰数据中的RB干扰强度值,计算干扰小区和至少一个同频小区中每两个小区的干扰相关系数。确定干扰相关系数满足预设干扰相关系数条件的小区为至少两个第二小区。
在一些实施例中,第二上行干扰数据中的RB干扰强度值包括多个。
计算模块630包括:第一计算单元,用于根据第二上行干扰数据中的多个RB干扰强度值,分别计算每个第二小区的RB干扰强度平均值。
第一计算单元,还用于根据每个第二小区的RB干扰强度平均值,计算每两个第二小区之间的RB干扰强度平均值的差值为上行路损差。
在一些实施例中,计算模块630包括:第二计算单元,用于根据第二下行测量数据中每个第三小区的RSRP值和RS功率值,计算每个第三小区的下行路损。其中,下行路损是每个第三小区对应的RS功率值和RSRP值之间的差值;
第二计算单元,还用于根据每个第三小区的下行路损,计算每两个第三小区之间的下行路损的差值为下行路损差。
在一些实施例中,确定模块620包括:第三计算单元,用于根据每两个第二小区之间的上行路损差和每两个第三小区之间的下行路损差,计算每两个目标小区之间的上行路损差与下行路损差的第一差值。其中,每个目标小区同时是第二小区与第三小区。
第二确定单元,用于确定第一差值中满足预设差值条件的至少一个第二差值。
第二确定单元,还用于根据至少一个第二差值中每个第二差值对应的第二目标子区域,确定干扰源位置。
在一些实施例中,第二确定单元具体用于:根据每个第二差值对应的第二目标子区域和K-Means算法,确定干扰源位置。
可以理解的是,图6所示干扰源定位装置600中的各个模块/单元具有实现本申请实施例提供的干扰源定位方法中的各个步骤的功能,并能达到其相应的技术效果,为了简洁,在此不再赘述。
图7是本申请实施例提供的一种干扰源定位设备的结构示意图。
如图7所示,本实施例中的干扰源定位设备700包括输入设备701、输入接口702、中央处理器703、存储器704、输出接口705、以及输出设备706。其中,输入接口702、中央处理器703、存储器704、以及输出接口705通过总线710相互连接,输入设备701和输出设备706分别通过输入接口702和输出接口705与总线710连接,进而与干扰源定位设备700的其他组件连接。
具体地,输入设备701接收来自外部的输入信息,并通过输入接口702将输入信息传送到中央处理器703;中央处理器703基于存储器704中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器704中,然后通过输出接口705将输出信息传送到输出设备706;输出设备706将输出信息输出到干扰源定位设备700的外部供用户使用。
在一些实施例中,图7所示的干扰源定位设备700包括:存储器704,用于存储程序;处理器703,用于运行存储器中存储的程序,以实现本申请实施例提供的干扰源定位方法。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现本申请实施例提供的干扰源定位方法。
需要明确的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,为了简洁,不再赘述。本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,做出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、只读存储器(Read-Only Memory,ROM)、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(Radio Frequency,RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,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,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种干扰源定位方法,其特征在于,所述方法包括:
获取目标区域中多个第一小区的第一上行干扰数据,以及所述目标区域中多个子区域的第一下行测量数据,其中,所述多个第一小区覆盖所述多个子区域;所述第一上行干扰数据包括小区频点、小区位置以及资源块RB干扰强度值;所述第一下行测量数据包括参考信号接收功率RSRP值和参考信号RS功率值;
根据所述第一上行干扰数据,从所述多个第一小区中确定受相同干扰源干扰的至少两个第二小区;
根据所述至少两个第二小区中每个第二小区的第二上行干扰数据中的RB干扰强度值,计算所述至少两个第二小区中每两个第二小区之间的上行路损差;
从所述多个子区域中,确定至少一个第一目标子区域,其中,所述至少一个第一目标子区域中每个第一目标子区域包括所述至少两个第二小区中至少两个第三小区;
根据所述每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算所述每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差;
根据所述每两个第二小区之间的上行路损差和所述每两个第三小区之间的下行路损差,确定干扰源位置;
其中,所述根据所述第一上行干扰数据,从所述多个第一小区中确定受相同干扰源干扰的至少两个第二小区,包括:
根据所述第一上行干扰数据中的RB干扰强度值,从所述多个第一小区中确定干扰小区;
根据所述第一上行干扰数据中的小区频点和小区位置,确定所述干扰小区预设范围内的至少一个同频小区;
根据所述干扰小区的第三上行干扰数据中的RB干扰强度值和所述至少一个同频小区的第四上行干扰数据中的RB干扰强度值,从所述干扰小区和所述至少一个同频小区中确定所述至少两个第二小区;
其中,所述根据所述干扰小区的第三上行干扰数据中的RB干扰强度值和所述至少一个同频小区的第四上行干扰数据中的RB干扰强度值,从所述干扰小区和所述至少一个同频小区中确定所述至少两个第二小区,包括:
根据所述第三上行干扰数据中的RB干扰强度值和所述第四上行干扰数据中的RB干扰强度值,计算所述干扰小区和所述至少一个同频小区中每两个小区的干扰相关系数;
确定所述干扰相关系数满足预设干扰相关系数条件的小区为所述至少两个第二小区。
2.根据权利要求1所述的方法,其特征在于,所述获取目标区域中多个第一小区的第一上行干扰数据,包括:
获取所述多个第一小区中每个第一小区的RB干扰强度值;
根据所述每个第一小区的RB干扰强度值和所述每个第一小区的预设工参数据,生成所述第一上行干扰数据。
3.根据权利要求1所述的方法,其特征在于,获取所述目标区域中多个子区域的第一下行测量数据,包括:
获取所述多个第一小区中每个第一小区的下行最小化路测MDT数据;
根据所述下行MDT数据和所述每个第一小区的预设工参数据,以及所述多个子区域的预设子区域划分数据,生成所述第一下行测量数据。
4.根据权利要求1-3任意一项所述的方法,其特征在于,所述第二上行干扰数据中的RB干扰强度值包括多个;
所述根据所述至少两个第二小区中每个第二小区的第二上行干扰数据中的RB干扰强度值,计算所述至少两个第二小区中每两个第二小区之间的上行路损差,包括:
根据所述第二上行干扰数据中的多个RB干扰强度值,分别计算所述每个第二小区的RB干扰强度平均值;
根据所述每个第二小区的RB干扰强度平均值,计算所述每两个第二小区之间的RB干扰强度平均值的差值为所述上行路损差。
5.根据权利要求1-3任意一项所述的方法,其特征在于,所述根据所述每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算所述每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差,包括:
根据所述第二下行测量数据中每个第三小区的RSRP值和RS功率值,计算所述每个第三小区的下行路损,其中,所述下行路损是所述每个第三小区对应的RS功率值和RSRP值之间的差值;
根据所述每个第三小区的下行路损,计算所述每两个第三小区之间的下行路损的差值为所述下行路损差。
6.根据权利要求1-3任意一项所述的方法,其特征在于,所述根据所述每两个第二小区之间的上行路损差和所述每两个第三小区之间的下行路损差,确定干扰源位置,包括:
根据所述每两个第二小区之间的上行路损差和所述每两个第三小区之间的下行路损差,计算每两个目标小区之间的上行路损差与下行路损差的第一差值,其中,每个目标小区同时是第二小区与第三小区;
确定所述第一差值中满足预设差值条件的至少一个第二差值;
根据所述至少一个第二差值中每个第二差值对应的第二目标子区域,确定干扰源位置。
7.根据权利要求6所述的方法,其特征在于,所述根据所述至少一个第二差值中每个第二差值对应的第二目标子区域,确定干扰源位置,包括:
根据所述每个第二差值对应的第二目标子区域和K-Means算法,确定所述干扰源位置。
8.一种干扰源定位装置,其特征在于,所述装置包括:
获取模块,用于获取目标区域中多个第一小区的第一上行干扰数据,以及所述目标区域中多个子区域的第一下行测量数据,其中,所述多个第一小区覆盖所述多个子区域;所述第一上行干扰数据包括小区频点、小区位置以及RB干扰强度值;所述第一下行测量数据包括RSRP值和RS功率值;
确定模块,用于根据所述第一上行干扰数据,从所述多个第一小区中确定受相同干扰源干扰的至少两个第二小区;
计算模块,用于根据所述至少两个第二小区中每个第二小区的第二上行干扰数据中的RB干扰强度值,计算所述至少两个第二小区中每两个第二小区之间的上行路损差;
所述确定模块,还用于从所述多个子区域中,确定至少一个第一目标子区域,其中,所述至少一个第一目标子区域中每个第一目标子区域包括所述至少两个第二小区中至少两个第三小区;
所述计算模块,还用于根据所述每个第一目标子区域的第二下行测量数据中的RSRP值和RS功率值,计算所述每个第一目标子区域中至少两个第三小区中每两个第三小区之间的下行路损差;
所述确定模块,还用于根据所述每两个第二小区之间的上行路损差和所述每两个第三小区之间的下行路损差,确定干扰源位置;
所述确定模块,还用于根据所述第一上行干扰数据中的RB干扰强度值,从所述多个第一小区中确定干扰小区;
所述确定模块,还用于根据所述第一上行干扰数据中的小区频点和小区位置,确定所述干扰小区预设范围内的至少一个同频小区;
所述确定模块,还用于根据所述干扰小区的第三上行干扰数据中的RB干扰强度值和所述至少一个同频小区的第四上行干扰数据中的RB干扰强度值,从所述干扰小区和所述至少一个同频小区中确定所述至少两个第二小区;
所述计算模块,还用于根据所述第三上行干扰数据中的RB干扰强度值和所述第四上行干扰数据中的RB干扰强度值,计算所述干扰小区和所述至少一个同频小区中每两个小区的干扰相关系数;
所述确定模块,还用于确定所述干扰相关系数满足预设干扰相关系数条件的小区为所述至少两个第二小区。
9.一种干扰源定位设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的干扰源定位方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的干扰源定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010818217.9A CN114079938B (zh) | 2020-08-14 | 2020-08-14 | 干扰源定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010818217.9A CN114079938B (zh) | 2020-08-14 | 2020-08-14 | 干扰源定位方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114079938A CN114079938A (zh) | 2022-02-22 |
CN114079938B true CN114079938B (zh) | 2024-01-19 |
Family
ID=80280940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010818217.9A Active CN114079938B (zh) | 2020-08-14 | 2020-08-14 | 干扰源定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114079938B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115412940B (zh) * | 2022-08-29 | 2024-04-09 | 中国联合网络通信集团有限公司 | 上行干扰定位方法、装置及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104811989A (zh) * | 2015-04-30 | 2015-07-29 | 上海大唐移动通信设备有限公司 | 一种干扰小区确定方法及装置 |
CN106332154A (zh) * | 2015-06-30 | 2017-01-11 | 中兴通讯股份有限公司 | 干扰源的定位方法及装置 |
WO2018019394A1 (en) * | 2016-07-29 | 2018-02-01 | Nokia Technologies Oy | Method and system for causing a mobile device to travel based on a network condition |
WO2018064909A1 (zh) * | 2016-10-08 | 2018-04-12 | 中兴通讯股份有限公司 | 干扰源小区定位方法和装置以及对应的基站 |
CN108990078A (zh) * | 2017-05-31 | 2018-12-11 | ***通信集团设计院有限公司 | Lte网络下行干扰的优化方法、***、设备及存储介质 |
CN110225536A (zh) * | 2019-06-10 | 2019-09-10 | 中国联合网络通信集团有限公司 | 外部干扰源的确定方法及设备 |
CN110401967A (zh) * | 2018-04-25 | 2019-11-01 | ***通信有限公司研究院 | 一种信息处理方法、装置、基站和计算机存储介质 |
CN111246564A (zh) * | 2018-11-28 | 2020-06-05 | ***通信集团浙江有限公司 | 基于mr数据的外部干扰定位方法及装置 |
CN111294920A (zh) * | 2018-12-10 | 2020-06-16 | ***通信集团四川有限公司 | 识别lte网内干扰的方法、装置、设备及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103369582B (zh) * | 2012-04-06 | 2016-08-03 | 中兴通讯股份有限公司 | 长期演进***的物理下行控制信道质量预测方法及装置 |
US10389616B2 (en) * | 2016-09-06 | 2019-08-20 | Spectrum Effect Inc. | Method and system for detecting interference to wireless networks |
US10917797B2 (en) * | 2018-08-17 | 2021-02-09 | Spectrum Effect Inc. | Method and system for detecting and resolving anomalies in a wireless network |
US11101903B2 (en) * | 2018-12-05 | 2021-08-24 | Spectrum Effect Inc. | Locating external interference in a wireless network |
-
2020
- 2020-08-14 CN CN202010818217.9A patent/CN114079938B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104811989A (zh) * | 2015-04-30 | 2015-07-29 | 上海大唐移动通信设备有限公司 | 一种干扰小区确定方法及装置 |
CN106332154A (zh) * | 2015-06-30 | 2017-01-11 | 中兴通讯股份有限公司 | 干扰源的定位方法及装置 |
WO2018019394A1 (en) * | 2016-07-29 | 2018-02-01 | Nokia Technologies Oy | Method and system for causing a mobile device to travel based on a network condition |
WO2018064909A1 (zh) * | 2016-10-08 | 2018-04-12 | 中兴通讯股份有限公司 | 干扰源小区定位方法和装置以及对应的基站 |
CN108990078A (zh) * | 2017-05-31 | 2018-12-11 | ***通信集团设计院有限公司 | Lte网络下行干扰的优化方法、***、设备及存储介质 |
CN110401967A (zh) * | 2018-04-25 | 2019-11-01 | ***通信有限公司研究院 | 一种信息处理方法、装置、基站和计算机存储介质 |
CN111246564A (zh) * | 2018-11-28 | 2020-06-05 | ***通信集团浙江有限公司 | 基于mr数据的外部干扰定位方法及装置 |
CN111294920A (zh) * | 2018-12-10 | 2020-06-16 | ***通信集团四川有限公司 | 识别lte网内干扰的方法、装置、设备及介质 |
CN110225536A (zh) * | 2019-06-10 | 2019-09-10 | 中国联合网络通信集团有限公司 | 外部干扰源的确定方法及设备 |
Non-Patent Citations (7)
Title |
---|
"R4-1904314 Dynamic TDD RF coexistence simulation results".3GPP tsg_ran\wg4_radio.2019,全文. * |
GNSS based location systems * |
Part 5: Performance Test Specification.ETSI TS 103 246-5.2017,(V1.2.1),全文. * |
RTS/SES-00410.TECHNICAL SPECIFICATION Satellite Earth Stations and Systems (SES) * |
基于MR数据TD-LTE上行干扰分析方法研究;王建;刘方森;赵昌盛;;电信技术(01);全文 * |
基于大数据精准定位干扰源的策略及应用;赵志民;覃德林;罗林宇;;广西通信技术(02);全文 * |
基于聚类分析优化的距离修正室内定位算法;杜佳星;陈亚伟;张静;;计算机工程与科学(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114079938A (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alimpertis et al. | City-wide signal strength maps: Prediction with random forests | |
CN107211249A (zh) | 用于位置确定中时间差异测量的频率间偏差补偿 | |
Sato et al. | Space-frequency-interpolated radio map | |
CN108289302B (zh) | 定位td-lte网络大气波导干扰的方法及*** | |
CN108064075B (zh) | 调整一个或多个小区的参考信号发射功率的方法和装置 | |
Chaudhari et al. | Spatial interpolation of cyclostationary test statistics in cognitive radio networks: Methods and field measurements | |
CN106941384B (zh) | 物联网扫频方法及扫频仪 | |
Dall’Anese et al. | Group sparse Lasso for cognitive network sensing robust to model uncertainties and outliers | |
Chaudhari et al. | Performance evaluation of cyclostationary-based cooperative sensing using field measurements | |
EP2232742B1 (en) | Carrier detection | |
CN114079938B (zh) | 干扰源定位方法、装置、设备及存储介质 | |
Braham et al. | Coverage mapping using spatial interpolation with field measurements | |
Wang et al. | Is centimeter accuracy achievable for LTE-CSI fingerprint-based indoor positioning? | |
Augusto et al. | On geostatistical methods for radio environment maps generation under location uncertainty | |
Sundberg et al. | Locating eNodeBs through sectorization inference—Sector fitting evaluated on a railway use case | |
Kanazawa et al. | Field experiment of localization based on machine learning in LTE network | |
Gambi et al. | A WKNN-based approach for NB-IoT sensors localization | |
WO2022193717A1 (zh) | 权值优化方法、装置、通信设备及计算机可读存储介质 | |
Tadik et al. | Digital spectrum twins for enhanced spectrum sharing and other radio applications | |
Ezzati et al. | Distributed spectrum sensing using radio environment maps in cognitive radio networks | |
CN104427612A (zh) | 基于概率与支持向量机计算的WiFi定位***及方法 | |
Führling et al. | Robust received signal strength indicator (RSSI)-based multitarget localization via gaussian process regression | |
Waheed et al. | Measurements of deterministic propagation models through field assessments for long-term evaluation | |
Galindo-Serrano et al. | Cellular coverage optimization: A radio environment map for minimization of drive tests | |
de Carvalho et al. | Empirical path loss model in city-forest environment for mobile communications |
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 |