CN114095854B - 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备 - Google Patents

基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备 Download PDF

Info

Publication number
CN114095854B
CN114095854B CN202010750315.3A CN202010750315A CN114095854B CN 114095854 B CN114095854 B CN 114095854B CN 202010750315 A CN202010750315 A CN 202010750315A CN 114095854 B CN114095854 B CN 114095854B
Authority
CN
China
Prior art keywords
mdt data
network
user terminal
dimensional position
mdt
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
CN202010750315.3A
Other languages
English (en)
Other versions
CN114095854A (zh
Inventor
夏龙根
蔡伟文
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Guangdong Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Guangdong 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 China Mobile Communications Group Co Ltd, China Mobile Group Guangdong Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202010750315.3A priority Critical patent/CN114095854B/zh
Publication of CN114095854A publication Critical patent/CN114095854A/zh
Application granted granted Critical
Publication of CN114095854B publication Critical patent/CN114095854B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明公开了一种基于最小化路测MDT数据的室分网络干扰源定位方法，用以解决定位室分网络的干扰源效率低的问题。本申请提供的方案包括：获取室分网络的多个MDT数据；根据MDT数据中的三维位置信息对多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据；根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定室分网络在各三维位置分类对应的位置的网络质量；根据室分网络在各三维位置分类对应的位置的网络质量定位室分网络的干扰源。本发明实施例的方案，能利用MDT数据高效准确的对室分网络进行诊断，基于三维位置对MDT数据聚类，确定聚类后的三维位置分类对应的位置的网络质量，定位室分网络干扰源。

Description

基于最小化路测MDT数据的室分网络干扰源定位方法和电子 设备
技术领域
本发明涉及无线通信领域，尤其涉及一种基于最小化路测MDT数据的室分网络干扰源定位方法和电子设备。
背景技术
在移动通信***中，建筑物的衰减能够引起无线信号快速衰弱，一般为满足室内信号覆盖需求，需要搭建室内分布***(以下简称室分***)，用于室内场景的信号覆盖。具备室分***的场所，用户在室内优先占用室分***信号，离开室内则切换到室外宏站信号。
由于一个室分网络***中不同位置的网络质量往往不同，所以用户终端在室分网络的不同位置的网络感知质量也往往不同。如果采用人工测试的方式对室分网络的网络感知质量进行检测，则需要由技术人员到室分网络的不同位置采集网络参数，这需要耗费大量的人力物力，且容易引起业主不满导致基站逼迁。
如何高效准确的定位室分网络的干扰源，是本申请所要解决的技术问题。
发明内容
本申请实施例的目的是提供一种基于最小化路测MDT数据的室分网络干扰源定位方法和电子设备，用以解决定位室分网络的干扰源效率低的问题。
第一方面，提供了一种基于最小化路测MDT数据的室分网络干扰源定位方法，包括：
获取室分网络的多个MDT数据，所述MDT数据包括由所述室分网络覆盖的用户终端采集的用于表征所述用户终端网络感知质量的数据，所述MDT数据包括所述用户终端的三维位置信息；
根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，一组MDT数据对应于一个聚类后的三维位置分类；
根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量；
根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源。
第二方面，提供了一种电子设备，包括：
获取模块，获取室分网络的多个MDT数据，所述MDT数据包括由所述室分网络覆盖的用户终端采集的用于表征所述用户终端网络感知质量的数据，所述MDT数据包括所述用户终端的三维位置信息；
聚类模块，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，一组MDT数据对应于一个聚类后的三维位置分类；
确定模块，根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量；
定位模块，根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源。
第三方面，提供了一种电子设备，包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序，该计算机程序被该处理器执行时实现如第一方面该的方法的步骤。
第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现如第一方面该的方法的步骤。
在本申请实施例中，通过获取室分网络的多个MDT数据，MDT数据包括由室分网络覆盖的用户终端采集的用于表征用户终端网络感知质量的数据，MDT数据包括用户终端的三维位置信息；根据MDT数据中的三维位置信息对多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，一组MDT数据对应于一个聚类后的三维位置分类；根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定室分网络在各三维位置分类对应的位置的网络质量；根据室分网络在各三维位置分类对应的位置的网络质量定位室分网络的干扰源。本发明实施例的方案，能利用MDT数据高效准确的对室分网络进行诊断，基于三维位置对MDT数据聚类，确定聚类后的三维位置分类对应的位置的网络质量，定位室分网络干扰源。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1a是本发明的一个实施例基于最小化路测MDT数据的室分网络干扰源定位方法的流程示意图之一；
图1b是本发明的一个实施例室分网络结构示意图；
图1c是本发明的一个实施例表格形式的MDT数据示意图；
图1d是本发明的一个实施例三维坐标形式的MDT数据示意图；
图2是本发明的一个实施例基于最小化路测MDT数据的室分网络干扰源定位方法的流程示意图之二；
图3是本发明的一个实施例基于最小化路测MDT数据的室分网络干扰源定位方法的流程示意图之三；
图4是本发明的一个实施例基于最小化路测MDT数据的室分网络干扰源定位方法的流程示意图之四；
图5是本发明的一个实施例基于最小化路测MDT数据的室分网络干扰源定位方法的流程示意图之五；
图6是本申请的一个电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。本申请中附图编号仅用于区分方案中的各个步骤，不用于限定各个步骤的执行顺序，具体执行顺序以说明书中描述为准。
本申请实施例提供一种基于最小化路测MDT数据的室分网络干扰源定位方法，如图1a所示，包括以下步骤：
S11：获取室分网络的多个MDT数据，所述MDT数据包括由所述室分网络覆盖的用户终端采集的用于表征所述用户终端网络感知质量的数据，所述MDT数据包括所述用户终端的三维位置信息；
S12：根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，一组MDT数据对应于一个聚类后的三维位置分类；
S13：根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量；
S14：根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源。
本申请实施例中所述的室分网络是指室内分布网络，具体是一种针对室内用户群、用于改善建筑物内移动通信环境的一种网络。如图1b所示，该室分网络***利用室内分布天线将室外宏站的信号均匀分布在室内各个角落，从而保证室内区域拥有较优的信号覆盖。
部分室分网络感知较差是由于室分小区所在的高层建筑物内，会接收到许多来自周围的室外宏站信号，在建筑高层室外宏站干扰往往比较明显。室外宏站到高层室内多为视距传播，干扰源发出的信号到高层室内损耗较小，造成较强的网络干扰，使得室内高层信号杂乱，通常难以确定是干扰是由哪个基站造成的。
在本申请提供的方案的步骤S11中，(Minimization Drive Test，MDT)数据是商用终端通过测量无线网络，并结合位置、高度等信息上报至基站的。通过MDT数据的分析，可以获取终端的网络信号强度、质量、异常事件等信息，以及当时终端所处的位置信息。MDT功能可以是基站通过扩展用户或者小区的Trace功能来实现的。MDT数据用于取代传统的路测方式来收集终端的测量数据，并避免传统路测所带来的大量人力和物力消耗，同时可以做到全覆盖和实时监测。
MDT数据采集按照采集的数据类型，可以分为Immediate MDT(连接态MDT)、LoggedMDT(空闲态MDT)、RLF Report、RCEF Report等形式。每种MDT基本都有终端精度、维度、高度、所测量邻区PCI、频点(earfcn)及信号强度(RSRP)等信息。
基于本申请上述实施例提供的方案，可选的，所述MDT数据包括以下至少一项数据：
所述用户终端驻留小区的参考信号接收功率(Reference Signal ReceivingPower，RSRP)、所述用户终端驻留小区的参考信号接收质量(Reference Signal ReceivingQuality，RSRQ)、所述用户终端驻留小区的相邻物理小区标识(Physical Cell ID，PCI)、所述用户终端驻留小区的相邻物理小区频点、所述用户终端驻留小区的相邻物理小区的参考信号接收功率RSRP、所述用户终端驻留小区的相邻物理小区的参考信号接收质量RSRQ、所述用户终端驻留小区的小区标识(Identity document，ID)。
以Logged MDT为例，如图1c所示，获取的MDT数据可以以表格形式展现。
在获取到上述MDT数据之后，可以对MDT数据先执行解析。例如，解析入库字段可以包括以下至少一种：UE(User Equipment)经度、UE纬度、UE高度、驻留小区RSRP、邻区i[i＝1..8]PCI、邻区i[i＝1..8]频点、邻区i[i＝1..8]RSRP。其中，不同的MDT数据可以是由不同的UE采集得到的，该UE也可以称为采样点，获取的MDT数据中的UE经度、UE纬度、UE高度也可以称为采样点的三维位置信息，获取的MDT数据中表征网络感知质量的主流小区RSRP、邻区PCI、邻区频点等参数可以称为采样点的网络感知参数。
随后，根据解析后的MDT数据构建相对应的UE测量的三维数据结构，例如可以通过下式表示：
在上述公式中：
经度i表征第i个采样点的经度；
纬度i表征第i个采样点的纬度；
高度i表征第i个采样点的高度；
小区RSRPi表征第i个采样点的UE驻留小区信号强度；
邻区PCIi,邻区频点i,邻区RSRPi分别表征第i个采样点UE测量到的邻区PCI、频点及信号强度。
另外，还可以建立三维坐标来展现采集到的MDT数据的三维位置，如图1d所示。其中，三维坐标的坐标轴分别为经度、纬度和高度，采样点在三维坐标系的位置对应于该采样点的三维位置信息。三维坐标系中的采样点还可以关联有小区RSRP、邻区PCI、邻区频点、邻区RSRP等表征室分网络感知质量的参数。
随后，在S12中，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类。在实际应用中，可以结合地图、建筑物结构图和MDT数据中的三维位置信息对多个MDT数据进行聚类。
基于本申请上述实施例提供的方案，可选的，上述步骤S12，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，包括以下步骤：
根据所述MDT数据中的三维位置信息表征的海拔高度对所述多个MDT数据聚类，得到基于海拔高度聚类的多组MDT数据。
例如，根据MDT数据中的三维位置信息将多个MDT数据按建筑物所在区域聚类，得到与建筑物所在区域对应的MDT数据。然后，针对目标建筑物区域对应的MDT数据，再基于MDT数据中的三维位置信息中的高度进行聚类，得到与该目标建筑物不同楼层相对应的多组MDT数据。
在本实施例中，以目标建筑物为例，对与该目标建筑物所在区域内的多个MDT数据执行聚类得到的聚类结果如下表所示：
在聚类的过程中，还可以根据采样点之间的距离筛查无效数据，可选的，在上述步骤S12，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类之前，如图2所示，还包括以下步骤：
S21：通过密度聚类算法根据各个MDT数据中的三维位置信息筛选所述多个MDT数据中的异常数据；
S22：根据筛选得到的所述异常数据对所述多个MDT数据执行修正；
其中，上述步骤S12，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，包括以下步骤：
S23：根据修正后的MDT数据中的三维位置信息对所述修正后的MDT数据聚类。
数据筛选主要用于对一些无效数据、错误数据进行剔除，以免影响后续的分析结果。无效、错误的数据主要是由于部分UE未开启GPS等位置测量开关，在上报MDT数据时，经度或者纬度或者高度信息缺失，导致无法构建三维采样点的位置信息。在上述步骤S22中，修正的方式可以包括删除异常数据。对于这些无效数据、错误数据，可以通过删除来保证采集到的MDT数据整体准确。修正的方式还可以包括，基于其他正确的MDT数据对这些无效数据、错误数据进行修复。
另外，由于市面上的部分手机高度仪或者GPS模块测量精度不够，导致高度或者经纬度信息的误报。这些无法从直观上直接发现，本申请实施例采用密度聚类的算法加以剔除。密度聚类剔除的基本原理为：通过比较三维采样点之间的距离，当采样点之间距离小于一个基本距离DB_EPS(距离单位)，并且满足这样的采样点数量超过INT_MINPTS(数量)以上时，认为这些采样点是正常的采样点。其他不满足这种聚类特征的采样点，认为是偏离正常值的异常采样点，可以剔除处理。
基于本申请上述实施例提供的方案，可选的，如图3所示，上述步骤S21，通过密度聚类算法根据各个MDT数据中的三维位置信息筛选所述多个MDT数据中的异常数据，包括以下步骤：
S31：确定各个MDT数据对应的三维坐标点，所述MDT数据对应的三维坐标点包括MDT数据中的三维位置信息表征的坐标点；
S32：当所述多个MDT数据对应的三维坐标点中距离第一坐标点不大于预设距离的第二坐标点的数量小于预设数量时，将所述第一坐标点对应的MDT数据确定为异常数据，其中，所述多个MDT数据对应的坐标点包括所述第一坐标点和所述第二坐标点。
具体实现算法为：
①将所有三维采样点状态初始化标识为”未分组”，簇标识C初始化设置为1；
②随机选择一个采样点p，若状态为”未分组”，则跳③，否则跳⑦；
③搜索采样点p的所有邻近采样点，邻近采样点p0与特征采样点p距离小于DB_EPS，即满足：
Distance(p,p0)＝sqrt((p.x–p0.x)2+(p.y–p0.y)2+(p.z–p0.z)2)<DB_EPS
其中x,y,z分别对应采样点的经度、纬度和高度。
若特征采样点p的所有满足邻近采样点要求的采样点数量大于INT_MINPTS，则将特征采样点p设置簇标识为C，将p及其所有邻近采样点加入集合listSeed；否则将特征采样点p设置簇标识为”异常”，跳⑦；
④选择集合listSeed的采样点p’，搜索特征采样点p’的所有距离小于DB_EPS的邻近采样点，若搜索到采样点p’的邻近采样点数量大于INT_MINPTS，则将特征采样点p’设置簇标识为C，将其所有搜索到的邻近采样点加入集合listSeed；否则将采样点p’设置簇标识为”异常”；
⑤继续在集合listSeed选择采样点，跳④；直到listSeed所有采样点搜索完毕。
⑥簇标识C＝C+1；
⑦继续选择其它采样点，跳②；直到所有特征向量评估完毕。
⑧输出簇标识为”异常”的所有采样点，为需要剔除的异常采样点。输出所有采样点的簇标示号。
在本申请上述实施例中，集合listSeed的采样点p’为第一坐标点，与采样点p’的距离小于DB_EPS的邻近采样点为第二坐标点，多个MDT数据即集合listSeed中的各个采样点对应的MDT数据。
通过本申请实施例提供的方案即可对获取到的采样点MDT数据进行聚类，而且，还能通过剔除无效数据的方式提高聚类结果的准确性。通过对采集到的MDT数据聚类分析，并利用密度聚类方法，筛选因终端测量不准或测量错误导致的干扰数据，实现基于MDT数据的室分问题采样点的提取，实现对室分问题的诊断输出。
随后，在步骤S13中，根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量。
在基于三维位置信息中的高度对采样点的MDT数据进行聚类的过程中，可以将采样点按簇计算平均高度，得到每个簇的采样点平均高度。然后，按照平均高度排序，平均高度最小的簇为关联楼层所在室分最低层的采样点；平均高度最高的簇为关联楼层所在室分最高层的采样点，以此类推。由此建立各楼层的采样点关联关系。其中，各三维位置分类的MDT数据即各簇采样点的MDT数据。
基于本申请上述实施例提供的方案，可选的，上述步骤S13，根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量，如图4所示，包括以下步骤：
S41：将目标组MDT数据中各个MDT数据表征的用户终端的网络感知质量中低于预设网络感知质量标准的MDT数据的数量确定为第一数量；
S42：根据第一数量与第二数量的比值确定所述目标组MDT数据对应的聚类后的三维位置对应的海拔高度的网络质量，所述第二数量为所述目标组的MDT数据的总数量。
在关联楼层和采样点关系后，通过筛选每个楼层的对应簇的采样点RSRP，计算其覆盖情况，便可以基于下式得到相应楼层的网络信号覆盖水平。在本申请实施例中，一组MDT数据也可称为一簇MDT数据。
其中，弱覆盖采样点数量为满足小区RSRP小于预设网络感知质量标准RSRP_LIMIT的采样点数量。其中，RSRP_LIMIT取值例如可以为-110dBm。
当楼层覆盖率小于RSRP_RATIO_LIMIT时，认为该楼层存在弱覆盖的问题，需要对该楼层的室分走线及天线布置加以整改。其中，RSRP_RATIO_LIMIT取值例如可以为80％。
随后，在S14中，根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源。高层室分的干扰主要来自于室外较远的站点，由于高层楼宇高度较高，室内用户特别是靠近室分边缘窗户的用户，往往能够收到多个来自较远基站的信号，从而引起同频干扰，降低网络质量。
本申请实施例中，通过MDT采样点数据，可以根据目标楼层(目标簇)采样点的邻区PCI、邻区频点及邻区RSRP定位室外干扰信号源，以对室分网络的干扰源进行定位。
本申请实施例提供的方法，是在对MDT数据的分析基础之上，通过聚类关联算法对室分网络进行诊断，确定干扰源。本方案利用大数据分析的方法，通过聚类MDT数据中异常信号的位置信息及邻区测量信息，利用密度聚类算法通过筛查MDT的关键采样点数据，定位室分弱覆盖、高干扰的网络问题所在的楼层、关联干扰源位置等，能高效实现室分***的覆盖及干扰问题诊断，无需工作人员现场采集数据，有效降低人力成本。
基于本申请上述实施例提供的方案，可选的，所述MDT数据包括所述用户终端驻留小区的相邻物理小区标识PCI、所述用户终端驻留小区的相邻物理小区频点、所述用户终端驻留小区的相邻物理小区的参考信号接收功率RSRP、所述用户终端驻留小区的相邻物理小区的参考信号接收质量RSRQ，其中，上述步骤S14，根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源，如图5所示，包括以下步骤：
S51：当MDT数据中存在信号质量满足预设信号质量标准的相邻物理小区时，将满足预设信号质量标准的相邻物理小区确定为目标相邻小区，其中，预设信号质量标准包括参考信号接收功率RSRP大于预设参考信号接收功率，或者，参考信号接收质量RSRQ大于预设参考信号接收质量；
S52：根据所述MDT数据中目标相邻小区的物理小区标识PCI或物理小区频点确定所述目标相邻小区的位置；
S53：根据所述目标相邻小区的位置与所述室分网络的站点位置之间的距离，确定所述目标相邻小区的信号质量理论值；
S54：当所述目标相邻小区的信号质量理论值与所述MDT数据中的相邻物理小区的信号质量之间的差值满足预设干扰小区标准时，将所述目标相邻小区确定为所述室分网络的干扰源。
具体的，在步骤S51中，对于所在楼层的簇采样点，首先搜索邻区RSRP信号强度在RSRP_INF_LIMIT门限以上的采样点生成集合，得到干扰采样点集M。其中，RSRP_INF_LIMIT取值例如可以为-110dBm。分别搜索这些采样点所对应的邻区位置。
然后，在步骤S52中，根据全网配置数据，搜索PCI及频点匹配采样点邻区PCI及邻区频点的所有小区集N，记录其经纬度、配置功率参数。
接着，在步骤S53中，逐个计算小区集N中每个小区到室分站点的距离d，根据自由空间信号损耗公式：L＝20lg(F)+20lg(D)+32.4,单位为dB。通过下式计算每个小区的预期接收信号误差ΔRSRP：
ΔRSRP＝小区功率-L-邻区RSRP
其中，邻区RSRP为采样点的MDT测量数据，L为小区到室分站点的自由空间损耗，小区功率为采样点所在的小区的功率。根据计算得到的预期接收信号误差可以得到目标相邻小区的信号质量理论值。
最后，在步骤S54中，筛选小区集N中ΔRSRP最小的小区，最为该采样点的信号干扰源小区。在采样点集M中包含多个采样点的情况下，搜索采样点集M中所有采样点对应的干扰源小区，即可得到干扰源小区列表。
通过本申请实施例提供的方案，能高效准确地定位室分网络干扰源，降低人力成本，提高定位准确度。本方案通过构建基于经度、纬度和高度的三维MDT数据结构，实现对室分小区三维网络结构评估，识别室分基于楼层的覆盖问题诊断输出，提升对室分问题排查定位的精度和准确度。另外，本方案基于MDT测量及信号传播特征定位干扰源，能提升室分网络高层干扰定位的准确度。
本申请实施例提供的方案，利用MDT后台数据实现室分问题小区定位，与常规的现场问题摸查方式相比，能够大大降低网络问题发现所消耗的人力物力，提升网络问题发现的效率及准确度。基于MDT数据的聚类筛查诊断网络问题，相较于现有的基于MR的网络问题定位方式，有效减少了对室分场景的面积限制，有效的拓展了技术使用厂家，提升了问题定位的精度。另外，本方案结合三维网络结构评估方法诊断室分网络，可有效的定位基于楼层的室分问题，提升室分问题诊断指向性，减少现场二次排查的资金投入。而且，本方案能高效准确识别定位室外干扰源。
为了解决现有技术中存在的问题，如图6所示，本申请实施例还提供一种电子设备60，包括：
获取模块61，获取室分网络的多个MDT数据，所述MDT数据包括由所述室分网络覆盖的用户终端采集的用于表征所述用户终端网络感知质量的数据，所述MDT数据包括所述用户终端的三维位置信息；
聚类模块62，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，一组MDT数据对应于一个聚类后的三维位置分类；
确定模块63，根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量；
定位模块64，根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源。
可选的，所述MDT数据包括以下至少一项数据：
所述用户终端驻留小区的参考信号接收功率RSRP、所述用户终端驻留小区的参考信号接收质量RSRQ、所述用户终端驻留小区的相邻物理小区标识PCI、所述用户终端驻留小区的相邻物理小区频点、所述用户终端驻留小区的相邻物理小区的参考信号接收功率RSRP、所述用户终端驻留小区的相邻物理小区的参考信号接收质量RSRQ、所述用户终端驻留小区的小区标识ID。
可选的，本实施例提供的电子设备，还包括筛选模块，用于：
通过密度聚类算法根据各个MDT数据中的三维位置信息筛选所述多个MDT数据中的异常数据；
根据筛选得到的所述异常数据对所述多个MDT数据执行修正；
其中，聚类模块还用于：
根据修正后的MDT数据中的三维位置信息对所述修正后的MDT数据聚类。
可选的，上述筛选模块还用于：
确定各个MDT数据对应的三维坐标点，所述MDT数据对应的三维坐标点包括MDT数据中的三维位置信息表征的坐标点；
当所述多个MDT数据对应的三维坐标点中距离第一坐标点不大于预设距离的第二坐标点的数量小于预设数量时，将所述第一坐标点对应的MDT数据确定为异常数据，其中，所述多个MDT数据对应的坐标点包括所述第一坐标点和所述第二坐标点。
可选的，上述聚类模块用于：
根据所述MDT数据中的三维位置信息表征的海拔高度对所述多个MDT数据聚类，得到基于海拔高度聚类的多组MDT数据。
可选的，上述确定模块用于：
将目标组MDT数据中各个MDT数据表征的用户终端的网络感知质量中低于预设网络感知质量标准的MDT数据的数量确定为第一数量；
根据第一数量与第二数量的比值确定所述目标组MDT数据对应的聚类后的三维位置对应的海拔高度的网络质量，所述第二数量为所述目标组的MDT数据的总数量。
可选的，所述MDT数据包括所述用户终端驻留小区的相邻物理小区标识PCI、所述用户终端驻留小区的相邻物理小区频点、所述用户终端驻留小区的相邻物理小区的参考信号接收功率RSRP、所述用户终端驻留小区的相邻物理小区的参考信号接收质量RSRQ，其中，上述定位模块用于：
当MDT数据中存在信号质量满足预设信号质量标准的相邻物理小区时，将满足预设信号质量标准的相邻物理小区确定为目标相邻小区，其中，预设信号质量标准包括参考信号接收功率RSRP大于预设参考信号接收功率，或者，参考信号接收质量RSRQ大于预设参考信号接收质量；
根据所述MDT数据中目标相邻小区的物理小区标识PCI或物理小区频点确定所述目标相邻小区的位置；
根据所述目标相邻小区的位置与所述室分网络的站点位置之间的距离，确定所述目标相邻小区的信号质量理论值；
当所述目标相邻小区的信号质量理论值与所述MDT数据中的相邻物理小区的信号质量之间的差值满足预设干扰小区标准时，将所述目标相邻小区确定为所述室分网络的干扰源。
通过本申请实施例提供的电子设备，能高效准确地定位室分网络干扰源，降低人力成本，提高定位准确度。本方案通过构建基于经度、纬度和高度的三维MDT数据结构，实现对室分小区三维网络结构评估，识别室分基于楼层的覆盖问题诊断输出，提升对室分问题排查定位的精度和准确度。另外，本方案基于MDT测量及信号传播特征定位干扰源，能提升室分网络高层干扰定位的准确度。
本申请实施例提供的方案，利用MDT后台数据实现室分问题小区定位，与常规的现场问题摸查方式相比，能够大大降低网络问题发现所消耗的人力物力，提升网络问题发现的效率及准确度。基于MDT数据的聚类筛查诊断网络问题，相较于现有的基于MR的网络问题定位方式，有效减少了对室分场景的面积限制，有效的拓展了技术使用厂家，提升了问题定位的精度。另外，本方案结合三维网络结构评估方法诊断室分网络，可有效的定位基于楼层的室分问题，提升室分问题诊断指向性，减少现场二次排查的资金投入。而且，本方案能高效准确识别定位室外干扰源。
优选的，本发明实施例还提供一种电子设备，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述一种基于最小化路测MDT数据的室分网络干扰源定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还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，该计算机程序被处理器执行时实现上述一种基于最小化路测MDT数据的室分网络干扰源定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (8)

1.一种基于最小化路测MDT数据的室分网络干扰源定位方法，其特征在于，包括：
获取室分网络的多个MDT数据，所述MDT数据包括由所述室分网络覆盖的用户终端采集的用于表征所述用户终端网络感知质量的数据，所述MDT数据包括所述用户终端的三维位置信息；
根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，一组MDT数据对应于一个聚类后的三维位置分类；
根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量；
根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源；
所述根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，包括：
根据所述MDT数据中的三维位置信息表征的海拔高度对所述多个MDT数据聚类，得到基于海拔高度聚类的多组MDT数据；
所述根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量，包括：
将目标组MDT数据中各个MDT数据表征的用户终端的网络感知质量中低于预设网络感知质量标准的MDT数据的数量确定为第一数量；
根据第一数量与第二数量的比值确定所述目标组MDT数据对应的聚类后的三维位置对应的海拔高度的网络质量，所述第二数量为所述目标组的MDT数据的总数量。
2.如权利要求1所述的方法，其特征在于，所述MDT数据包括以下至少一项数据：
所述用户终端驻留小区的参考信号接收功率RSRP、所述用户终端驻留小区的参考信号接收质量RSRQ、所述用户终端驻留小区的相邻物理小区标识PCI、所述用户终端驻留小区的相邻物理小区频点、所述用户终端驻留小区的相邻物理小区的参考信号接收功率RSRP、所述用户终端驻留小区的相邻物理小区的参考信号接收质量RSRQ、所述用户终端驻留小区的小区标识ID。
3.如权利要求2所述的方法，其特征在于，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类之前，还包括：
通过密度聚类算法根据各个MDT数据中的三维位置信息筛选所述多个MDT数据中的异常数据；
根据筛选得到的所述异常数据对所述多个MDT数据执行修正；
其中，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，包括：
根据修正后的MDT数据中的三维位置信息对所述修正后的MDT数据聚类。
4.如权利要求3所述的方法，其特征在于，通过密度聚类算法根据各个MDT数据中的三维位置信息筛选所述多个MDT数据中的异常数据，包括：
确定各个MDT数据对应的三维坐标点，所述MDT数据对应的三维坐标点包括MDT数据中的三维位置信息表征的坐标点；
当所述多个MDT数据对应的三维坐标点中距离第一坐标点不大于预设距离的第二坐标点的数量小于预设数量时，将所述第一坐标点对应的MDT数据确定为异常数据，其中，所述多个MDT数据对应的坐标点包括所述第一坐标点和所述第二坐标点。
5.如权利要求4所述的方法，其特征在于，所述MDT数据包括所述用户终端驻留小区的相邻物理小区标识PCI、所述用户终端驻留小区的相邻物理小区频点、所述用户终端驻留小区的相邻物理小区的参考信号接收功率RSRP、所述用户终端驻留小区的相邻物理小区的参考信号接收质量RSRQ，其中，根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源，包括：
当MDT数据中存在信号质量满足预设信号质量标准的相邻物理小区时，将满足预设信号质量标准的相邻物理小区确定为目标相邻小区，其中，预设信号质量标准包括参考信号接收功率RSRP大于预设参考信号接收功率，或者，参考信号接收质量RSRQ大于预设参考信号接收质量；
根据所述MDT数据中目标相邻小区的物理小区标识PCI或物理小区频点确定所述目标相邻小区的位置；
根据所述目标相邻小区的位置与所述室分网络的站点位置之间的距离，确定所述目标相邻小区的信号质量理论值；
当所述目标相邻小区的信号质量理论值与所述MDT数据中的相邻物理小区的信号质量之间的差值满足预设干扰小区标准时，将所述目标相邻小区确定为所述室分网络的干扰源。
6.一种电子设备，其特征在于，包括：
获取模块，获取室分网络的多个MDT数据，所述MDT数据包括由所述室分网络覆盖的用户终端采集的用于表征所述用户终端网络感知质量的数据，所述MDT数据包括所述用户终端的三维位置信息；
聚类模块，根据所述MDT数据中的三维位置信息对所述多个MDT数据聚类，得到基于用户终端的三维位置聚类的多组MDT数据，一组MDT数据对应于一个聚类后的三维位置分类；
确定模块，根据聚类后的各组MDT数据表征的用户终端的网络感知质量确定所述室分网络在各三维位置分类对应的位置的网络质量；
定位模块，根据所述室分网络在各三维位置分类对应的位置的网络质量定位所述室分网络的干扰源；
所述聚类模块，还用于根据所述MDT数据中的三维位置信息表征的海拔高度对所述多个MDT数据聚类，得到基于海拔高度聚类的多组MDT数据；
所述确定模块，还用于将目标组MDT数据中各个MDT数据表征的用户终端的网络感知质量中低于预设网络感知质量标准的MDT数据的数量确定为第一数量；
根据第一数量与第二数量的比值确定所述目标组MDT数据对应的聚类后的三维位置对应的海拔高度的网络质量，所述第二数量为所述目标组的MDT数据的总数量。
7.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的方法的步骤。
8.一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，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的方法的步骤。
CN202010750315.3A 2020-07-30 2020-07-30 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备 Active CN114095854B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010750315.3A CN114095854B (zh) 2020-07-30 2020-07-30 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010750315.3A CN114095854B (zh) 2020-07-30 2020-07-30 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备

Publications (2)

Publication Number Publication Date
CN114095854A CN114095854A (zh) 2022-02-25
CN114095854B true CN114095854B (zh) 2023-08-04

Family

ID=80294917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010750315.3A Active CN114095854B (zh) 2020-07-30 2020-07-30 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备

Country Status (1)

Country Link
CN (1) CN114095854B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114881146B (zh) * 2022-05-09 2024-06-18 深圳市名通科技股份有限公司 基于通信网络的终端运动状态识别方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103079221A (zh) * 2012-12-20 2013-05-01 武汉虹翼信息有限公司 一种利用扫频仪和测试手机联合分析移动网络状况的方法
EP3079382A1 (en) * 2015-04-09 2016-10-12 IPCom GmbH & Co. KG Method for performing mdt measurements
CN106162652A (zh) * 2016-08-29 2016-11-23 杭州电子科技大学 一种基于路测数据的基站位置定位方法
CN109996186A (zh) * 2017-12-29 2019-07-09 ***通信集团陕西有限公司 一种网络覆盖问题识别方法及装置、可读取存储介质
CN110493720A (zh) * 2019-09-11 2019-11-22 深圳市名通科技股份有限公司 终端的定位方法、装置及存储介质
CN111382755A (zh) * 2018-12-27 2020-07-07 ***通信集团山西有限公司 一种基于adaboost加权和三阶聚类的共模天馈优化方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180324616A1 (en) * 2017-05-03 2018-11-08 Qualcomm Incorporated Generating location data while conserving resources

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103079221A (zh) * 2012-12-20 2013-05-01 武汉虹翼信息有限公司 一种利用扫频仪和测试手机联合分析移动网络状况的方法
EP3079382A1 (en) * 2015-04-09 2016-10-12 IPCom GmbH & Co. KG Method for performing mdt measurements
CN106162652A (zh) * 2016-08-29 2016-11-23 杭州电子科技大学 一种基于路测数据的基站位置定位方法
CN109996186A (zh) * 2017-12-29 2019-07-09 ***通信集团陕西有限公司 一种网络覆盖问题识别方法及装置、可读取存储介质
CN111382755A (zh) * 2018-12-27 2020-07-07 ***通信集团山西有限公司 一种基于adaboost加权和三阶聚类的共模天馈优化方法及***
CN110493720A (zh) * 2019-09-11 2019-11-22 深圳市名通科技股份有限公司 终端的定位方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
5G无线网络智能规划技术的探索与实践;陆南昌;《移动通信》;全文 *

Also Published As

Publication number Publication date
CN114095854A (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN104853379B (zh) 一种无线网络质量评估方法及装置
CN111356147B (zh) 一种室分小区故障定位方法及装置
US8583050B2 (en) Building influence estimation apparatus and building influence estimation method
CN110798804B (zh) 一种室内定位方法和装置
CN108307427B (zh) 一种lte网络覆盖分析、预测方法及***
CN111065054B (zh) 定位无人机的方法、装置、存储介质以及终端
CN109151845B (zh) 识别室分高层小区的方法、装置、电子设备和存储介质
CN108200584B (zh) 一种待建wlan站点的筛选方法及装置
CN114095854B (zh) 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备
CN109474887B (zh) 基于lte信号的高低楼层区分方法
CN106998563B (zh) 一种基于网络性能的室分***预警方法及装置
CN109982368B (zh) 小区方位角的核查方法、装置、设备及介质
CN112235720B (zh) 室内三维mr弱覆盖定位方法、***与计算机可读介质
KR102204038B1 (ko) 로그 데이터를 이용한 ａｐ 위치 추정 방법 및 장치
CN114786199B (zh) 一种网络问题点的确定方法、装置、设备及存储介质
CN115334568A (zh) 移动通信网络质量评估方法、装置及电子设备
CN113316246A (zh) 基于射频指纹定位的方法、装置、电子设备及存储介质
CN109996276B (zh) 网络话务定位评估方法、装置、设备及介质
CN109302716B (zh) 一种室内覆盖的测试方法和设备
CN106792826B (zh) 信号干扰分析方法及装置
CN112584313B (zh) 弱覆盖区域定位方法、装置、设备及计算机存储介质
CN107734525B (zh) 一种基于扫频的lte***rs平衡确定方法及装置
CN115250478B (zh) 楼宇5g覆盖建设方案确定方法、装置、设备及存储介质
CN113133049B (zh) 确定主覆盖小区的方法、装置、设备及介质
CN109429242B (zh) 一种mr数据室内外分离方法及设备

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