CN114286360B - 无线网络通信优化方法、装置、电子设备及存储介质 - Google Patents
无线网络通信优化方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114286360B CN114286360B CN202011034467.XA CN202011034467A CN114286360B CN 114286360 B CN114286360 B CN 114286360B CN 202011034467 A CN202011034467 A CN 202011034467A CN 114286360 B CN114286360 B CN 114286360B
- Authority
- CN
- China
- Prior art keywords
- dimension
- root
- wireless network
- factor
- index
- 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
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种无线网络通信优化方法、装置、电子设备及存储介质,其中方法包括:确定待优化的无线网络小区的若干问题指标;基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分;基于每一问题指标分别对应每一根因维度的关联得分,确定对所述无线网络小区的通信质量影响最大的根因维度;基于所述通信质量影响最大的根因维度对应的优化方案,对所述无线网络小区的通信质量进行优化。本发明实施例提供的方法、装置、电子设备及存储介质,能够针对无线网络中存在的复合型问题进行全面地分析,提高了网络优化精准度。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及一种无线网络通信优化方法、装置、电子设备及存储介质。
背景技术
随着网络需求的不断增加,无线网络规模也在不断扩大,用于分析无线网络通信质量的性能指标也在日益增多。无线网络中存在大量的复合型网络问题,即多项根因指标存在劣化,最终表现为某一上层指标出现问题。
现有的无线网络通信优化方法,大多是选择单一性能指标进行优化,很难针对无线网络中存在的复合型问题进行全面地分析,例如对于VoLTE(Voice over Long-TermEvolution,长期演进语音承载)网络中存在的掉话问题,只能基于工作人员的经验,简单地判断是覆盖问题还是干扰问题,人为判断主观性强且片面,导致网络优化精准度差。
发明内容
本发明实施例提供一种无线网络通信优化方法、装置、电子设备及存储介质,用以解决现有技术中无线网络通信优化方法很难针对无线网络中存在的复合型问题进行全面地分析,网络优化精准度差的问题。
第一方面,本发明实施例提供一种无线网络通信优化方法,包括:
确定待优化的无线网络小区的若干问题指标;
基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分;
基于每一问题指标分别对应每一根因维度的关联得分,确定对所述无线网络小区的通信质量影响最大的根因维度;
基于所述通信质量影响最大的根因维度对应的优化方案,对所述无线网络小区的通信质量进行优化。
可选地,所述任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性的确定方法,具体包括:
基于所述任一问题指标的样本标准差,任一根因维度下任一根因指标的样本标准差,以及所述任一问题指标与所述任一根因维度下任一根因指标之间的样本协方差,确定所述任一问题指标与所述任一根因维度下任一根因指标之间的皮尔森相关系数;
所述皮尔森相关系数用于表征所述任一问题指标与所述任一根因维度下任一根因指标之间的关联性。
可选地,所述基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分,具体包括:
基于任一根因维度下每一根因指标的权重,对任一问题指标与所述任一根因维度下每一根因指标之间的关联性进行加权求和,得到所述任一问题指标对应所述任一根因维度的关联得分。
可选地,所述基于每一问题指标分别对应每一根因维度的关联得分,确定对所述无线网络小区的通信质量影响最大的根因维度,具体包括:
基于每一问题指标分别对应每一根因维度的得分,确定所述无线网络小区的所有问题指标分别对应每一根因维度的得分;
基于所述无线网络小区的所有问题指标分别对应每一根因维度的得分,确定对所述无线网络小区的通信质量影响最大的根因维度。
可选地,所述基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分,之后还包括:
将所述任一问题指标分别对应每一根因维度的关联得分中的最大值所对应的根因维度,作为影响所述任一问题指标的根因维度。
可选地,所述根因维度包括覆盖维度、容量维度和干扰维度中的至少一种。
可选地,所述覆盖维度下的根因指标包括MR数据、覆盖差距和MR软采数据中的至少一种,所述容量维度下的根因指标包括有效RRC连接最大数、日均流量、RRC连接最大数和自忙时峰值利用率中的至少一种,所述干扰维度下的根因指标包括小区RB上行平均干扰电平平均值、小区PUSCH干扰电平平均值和小区PUCCH干扰电平平均值中的至少一种。
第二方面,本发明实施例提供一种无线网络通信优化装置,包括:
问题指标确定单元,用于确定待优化的无线网络小区的若干问题指标;
关联得分确定单元,用于基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分;
根因维度确定单元,用于基于每一问题指标分别对应每一根因维度的关联得分,确定对所述无线网络小区的通信质量影响最大的根因维度;
通信质量优化单元,用于基于所述通信质量影响最大的根因维度对应的优化方案,对所述无线网络小区的通信质量进行优化。
第三方面,本发明实施例提供一种电子设备,包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑命令,以执行如第一方面所提供的无线网络通信优化方法的步骤。
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,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的无线网络通信优化方法的步骤。
本发明实施例提供的无线网络通信优化方法、装置、电子设备及存储介质,通过对影响无线网络小区通信质量的若干问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性进行分析,得到每一问题指标分别对应每一根因维度的关联得分,进而确定对无线网络小区的通信质量影响最大的根因维度,根据通信质量影响最大的根因维度对应的优化方案,对无线网络小区的通信质量进行优化,能够针对无线网络中存在的复合型问题进行全面地分析,得到准确的优化方案,避免了工作人员人为判断的主观性和片面性,提高了网络优化精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为本发明实施例提供的无线网络通信优化方法的流程示意图;
图2为本发明实施例提供的问题指标与根因指标之间关联性强弱的散布图;
图3为本发明实施例提供的无线网络通信优化分析***的结构示意图;
图4为本发明实施例提供的无线网络通信优化装置的结构示意图;
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
图1为本发明实施例提供的无线网络通信优化方法的流程示意图,如图1所示,该方法包括:
步骤110,确定待优化的无线网络小区的若干问题指标。
具体地,无线网络小区,是指在无线通信***中的若干个基站所覆盖的区域,在这个区域内移动终端可以通过无线信道可靠地与基站进行通信。评估无线网络小区的通信质量的指标包括E-RAB(Evolved Radio Access Bearer,演进的无线接入承载)、无线接通率和SRVCC(Single Radio Voice Call Continuity,语音连续性)无线切换成功率等。
当移动终端在无线网络小区中出现通信质量不佳时,例如掉话问题等,通常表现为评估无线网络小区通信质量的一个或者多个指标存在劣化现象,即数值超出正常值范围,成为问题指标。可以通过对所有评估无线网络小区通信质量的指标进行筛选,获取若干个问题指标。
步骤120,基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定该问题指标分别对应每一根因维度的关联得分。
具体地,问题指标为无线网络小区的通信质量下降后的表象指标。影响问题指标的因素是来自多方面的。仅从单一的问题指标出发,不能分析得到造成无线网络小区通信质量下降的根本原因。例如,无线网络小区的无线接通率下降时,只能表征该无线网络小区内移动终端通过基站连接外部网络的成功率降低,而网络覆盖因素、网络容量大小和网络受干扰程度都有可能造成无线接通率下降,因而无法判断造成该现象的根本原因。
可以预先设定多个根因维度,每一根因维度表示一个影响无线网络小区通信质量的基本方面。在每一根因维度下设定若干个根因指标,对影响无线网络小区通信质量的程度进行细化。每一根因指标的量化值表征对无线网络小区通信质量的影响程度。例如,可以将影响通信质量的网络覆盖因素预设为一个根因维度,即覆盖维度。选取MR(MeasurementReport)数据和MR软采数据作为覆盖维度下的根因指标,对影响通信质量的网络覆盖因素进行量化表示。
对于任一问题指标,将其分别与每一根因维度下每一根因指标进行关联性分析,对关联性分析后得到的分析结果进行量化计算,可以得到该问题指标分别对应每一根因维度的关联得分。关联得分用于衡量根因维度对问题指标的影响程度。量化计算的方式可以采用求和、求平均值和加权求和等方式,本发明实施例对此不作具体限定。
步骤130,基于每一问题指标分别对应每一根因维度的关联得分,确定对无线网络小区的通信质量影响最大的根因维度。
具体地,通过对所有问题指标分别对应每一根因维度的关联得分进行汇总计算和结果比较,确定对无线网络小区的通信质量影响最大的根因维度。
步骤140,基于通信质量影响最大的根因维度对应的优化方案,对无线网络小区的通信质量进行优化。
具体地,可以预先制订每一根因维度对应的优化方案。确定对无线网络小区的通信质量影响最大的根因维度之后,选择其对应的优化方案对无线网络小区的通信质量进行优化。
例如,对于某无线网络小区,问题指标为无线接通率,具体表现为无线接通率低于正常值,进行关联分析后,确定对无线网络小区的通信质量影响最大的根因维度为覆盖维度,即造成无线接通率低的主要因素为网络覆盖因素,覆盖维度对应的优化方案为增加网络覆盖面积,则可以通过在该无线网络小区内增设基站和安装发射天线的方式,增加网络覆盖面积,从而提高无线接通率。在该过程中,无需网络优化工作人员依据经验进行主观判断,减少了出现判断失误的可能性。
本发明实施例提供的无线网络通信优化方法,通过对影响无线网络小区通信质量的若干问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性进行分析,得到每一问题指标分别对应每一根因维度的关联得分,进而确定对无线网络小区的通信质量影响最大的根因维度,根据通信质量影响最大的根因维度对应的优化方案,对无线网络小区的通信质量进行优化,能够针对无线网络中存在的复合型问题进行全面地分析,得到准确的优化方案,避免了工作人员人为判断的主观性和片面性,提高了网络优化精准度。
基于上述实施例,任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性的确定方法,具体包括:
基于任一问题指标的样本标准差,任一根因维度下任一根因指标的样本标准差,以及该问题指标与该根因维度下该根因指标之间的样本协方差,确定该问题指标与该根因维度下该根因指标之间的皮尔森相关系数;皮尔森相关系数用于表征该问题指标与该根因维度下该根因指标之间的关联性。
具体地,在统计学中,皮尔森相关系数(Pearson correlation coefficient),又称皮尔森积矩相关系数(Pearson product-moment correlation coefficient,简称PPMCC或PCCs),是用于度量两个变量X和Y之间的线性相关性。皮尔森相关系数的约束条件为:两个变量间有线性关系;变量是连续变量;变量均符合正态分布,且二元分布也符合正态分布;两个变量独立。无线网络通信中问题指标和根因指标的样本特点与皮尔森相关系数的约束条件高度吻合。因此,可以利用皮尔森算法,对无线网络小区的问题指标和根因指标进行关联性分析。
在进行关联性分析之前,可以以天数或者小时数为时间单位,分别获取同一时间单位内问题指标和根因指标的样本数据。对于获取到的样本数据,可以采用合并相似项的方式进行数据清洗,即对网络通信质量产生相同影响因素的指标进行合并,以提高关联性分析的准确性。
问题指标X与任一根因维度下根因指标Y之间的皮尔森相关系数ρ(X,Y)可以通过公式表示为:
式中,cov(X,Y)为问题指标X与根因指标Y之间的样本协方差,σX为问题指标X的样本标准差,σY为根因指标Y的样本标准差,μX为问题指标X的样本平均值,μY为根因指标Y的样本平均值。
上述公式还可以表示为:
式中,i为样本点的序号,n为样本数量,Xi为问题指标X的第i个样本点,Yi为根因指标Y的第i个样本点,为问题指标X的样本平均值,/>为根因指标Y的样本平均值。
上述公式还可以表示为:
式中,为问题指标X的样本点对应的标准分数,/>为根因指标Y的样本点对应的标准分数。
问题指标X与任一根因维度下根因指标Y之间的皮尔森相关系数ρ(X,Y)描述的是问题指标X与根因指标Y之间线性相关强弱的程度,皮尔森相关系数ρ(X,Y)是一个介于-1和1之间的数值。
图2为本发明实施例提供的问题指标与根因指标之间关联性强弱的散布图,图2中,每个坐标系下的横坐标表示问题指标X,纵坐标表示根因指标Y,每个坐标系上方标注的数字为该坐标系下问题指标X与根因指标Y之间的皮尔斯相关系数。如图2所示,当问题指标X与根因指标Y之间关联性增强时,皮尔森相关系数趋于1或-1;当一个指标增大,另一个指标也增大时,表明它们之间是正相关的,皮尔森相关系数大于0;如果一个指标增大,另一个指标却减小,表明它们之间是负相关的,皮尔森相关系数小于0;当它们之间不存在关联性时,皮尔森相关系数等于0。
本发明实施例提供的无线网络通信优化方法,采用皮尔森算法确定问题指标与根因指标之间的关联性,从影响网络的根本原因出发,能够对问题指标进行深入而全面的分析,提高了无线网络的复合型问题的解决效率。
基于上述任一实施例,步骤120具体包括:
基于任一根因维度下每一根因指标的权重,对任一问题指标与该根因维度下每一根因指标之间的关联性进行加权求和,得到该问题指标对应该根因维度的关联得分。
具体地,可以根据同一根因维度下若干个根因指标对通信质量的影响大小设置相应的权重,使得根因指标对问题指标的影响更符合实际情况。将任一问题指标与任一根因维度下每一根因指标之间的关联性,与每一根因指标的权重进行加权求和后,即可得到该问题指标对应该根因维度的关联得分。
采用同样的方式,可以得到每一问题指标分别对应每一根因维度的关联得分。
本发明实施例提供的无线网络通信优化方法,通过对问题指标与根因指标之间的关联性进行加权求和,避免了工作人员人为判断的主观性和片面性。
基于上述任一实施例,步骤130具体包括:
基于每一问题指标分别对应每一根因维度的得分,确定无线网络小区的所有问题指标分别对应每一根因维度的得分;
基于无线网络小区的所有问题指标分别对应每一根因维度的得分,确定对无线网络小区的通信质量影响最大的根因维度。
具体地,根据根因维度的类别,将无线网络小区的每一问题指标分别对应每一根因维度的关联得分进行分类求和后,可以得到所有问题指标分别对应每一根因维度的得分。
所得到的所有问题指标分别对应每一根因维度的得分,用于表征每一根因维度对于无线网络小区通信质量的影响程度。得分中的最大值对应的根因维度即是对无线网络小区的通信质量影响最大的根因维度。
基于上述任一实施例,步骤120之后还包括:
将任一问题指标分别对应每一根因维度的关联得分中的最大值所对应的根因维度,作为影响该问题指标的根因维度。
具体地,任一问题指标分别对应每一根因维度的关联得分,表征了每一根因维度对于该问题指标的影响。
通过比较任一问题指标分别对应每一根因维度的关联得分,将得分最大值所对应的根因维度,作为影响该问题指标的根因维度。
基于上述任一实施例,根因维度包括覆盖维度、容量维度和干扰维度中的至少一种。
具体地,影响无线网络小区通信质量的基本方面可以分为网络覆盖因素、网络容量大小和网络受干扰程度。可以将覆盖、容量、干扰作为无线网络质量劣化根因,确定根因维度为覆盖维度、容量维度和干扰维度。
基于上述任一实施例,覆盖维度下的根因指标包括MR数据、覆盖差距和MR软采数据中的至少一种,容量维度下的根因指标包括有效RRC连接最大数、日均流量、RRC连接最大数和自忙时峰值利用率中的至少一种,干扰维度下的根因指标包括小区RB上行平均干扰电平平均值、小区PUSCH干扰电平平均值和小区PUCCH干扰电平平均值中的至少一种。
具体地,对无线网络小区的性能分析指标进行筛选,可以将MR数据、覆盖差距和MR软采数据作为覆盖维度下的根因指标。其中,覆盖差距为需要优化的无线网络与其他网络运营商的无线网络在覆盖面积方面相比存在的差距。可以进一步细化为,覆盖差距包括第一覆盖差距和第二覆盖差距。第一覆盖差距为相对于第一网络运营商存在的覆盖差距,第二覆盖差距为相对于第二网络运营商存在的覆盖差距。
可以将有效RRC(Radio Resource Control,无线资源控制)连接最大数、日均流量、RRC连接最大数和自忙时峰值利用率作为容量维度下的根因指标。
可以将小区RB(Resource Block,资源块)上行平均干扰电平平均值、小区PUSCH(Physical Uplink Share Channel,物理上行链路共享信道)干扰电平平均值和小区PUCCH(Physical Uplink Control Channel,物理上行链路控制信道)干扰电平平均值作为干扰维度下的根因指标。
本发明实施例提供的无线网络通信优化方法,所确定的每一维度下的每一根因指标易于选取,操作简单,提高了无线网络通信优化方法的适用性和便捷性。
基于上述任一实施例,本发明实施例提供一种无线网络通信优化方法,该方法的步骤包括:
步骤一、确定问题指标
对实时监测无线网络小区A通信质量的所有性能指标进行筛选,确定多个问题指标。问题指标可以选择为E-RAB建立成功率、无线接通率、MR数据、MR软采数据和SRVCC无线切换成功率。可以将上述问题指标分别用a1、a2、a3、a4和a5表示,则问题指标集合表示为{a1、a2、a3、a4、a5}。
步骤二、指标关联分析
预先设定用于关联分析的根因维度为覆盖维度、容量维度和干扰维度。其中,覆盖维度下的根因指标设置为MR数据、第一覆盖差距、第二覆盖差距和MR软采数据。容量维度下的根因指标设置为有效RRC连接最大数、日均流量、RRC连接最大数和自忙时峰值利用率。干扰维度下的根因指标设置为小区RB上行平均干扰电平平均值、小区PUSCH干扰电平平均值和小区PUCCH干扰电平平均值。
确定根因维度和根因指标后,针对每一根因指标设置不同的权重。权重的大小可以根据指标在实际问题中的重要性进行设置,如表1所示。
表1根因指标权重表
采用皮尔森算法,将上述5个问题指标分别与覆盖维度、容量维度和干扰维度下的各个根因指标进行关联性分析,确定每一问题指标与每一根因指标之间的皮尔森相关系数,并根据根因指标权重表,对每一问题指标与每一根因维度下每一根因指标之间的皮尔森相关系数进行加权求和,得到每一问题指标对应每一根因维度的关联得分。
例如,对于问题指标a1,可以求解得到该问题指标相对于覆盖维度、容量维度和干扰维度的关联得分分别为FG1、RL1、GR1。
步骤三、指标关联分析
对于每一问题指标,比较该问题指标分别对应于每一根因维度的关联得分,确定影响该问题指标的根因维度。
例如,对于问题指标a1,关联得分中FG1最大,则影响该问题指标的根因维度为覆盖维度。
步骤四、通信质量分析
根据根因维度的类别,将每一问题指标分别对应每一根因维度的关联得分进行分类求和后,可以得到所有问题指标分别对应每一根因维度的得分。
所有问题指标对于覆盖维度的得分为:
FG=FG1+FG2+FG3+FG4+FG5
所有问题指标对于容量维度的得分为:
RL=RL1+RL2+RL3+RL4+RL5
所有问题指标对于干扰维度的得分为:
GR=GR1+GR2+GR3+GR4+GR5
其中,FG的分值最大,则对无线网络小区A通信质量影响最大的根因维度为覆盖维度。
步骤五、通信质量优化
选择覆盖维度对应的优化方案,对无线网络小区A的通信质量进行优化。
图3为本发明实施例提供的无线网络通信优化分析***的结构示意图,如图3所示,该***通过Python语言和VBA(Visual Basic for Applications)语言实现,该***包括:
关联分析单元310,用于计算每一问题指标与每一维度下每一根因指标之间的皮尔森相关系数,该单元通过Python语言编程实现。可以直接调用计算皮尔森相关系数的函数库。
关联分析单元310的操作流程为:
从问题小区的全量指标中选择问题指标,时间单位为连续的天数或者小时数,保存为数据文档;将数据文档在Python中点击运行,待运算结束后保存结果,计算结果为每一问题指标与每一维度下每一根因指标之间的皮尔森相关系数。
方案制订单元320,用于根据每一问题指标与每一维度下每一根因指标之间的皮尔森相关系数,确定对无线网络小区的通信质量影响最大的根因维度,并输出对应的优化方案。该单元通过VBA(Visual Basic for Applications)语言编程实现。
使用上述无线网络通信优化分析***,可以完成本实施例中的步骤,输出无线网络通信优化分析过程,如表2所示。
表2无线网络通信优化分析过程
基于上述任一实施例,图4为本发明实施例提供的无线网络通信优化装置的结构示意图,如图4所示,该装置包括:
问题指标确定单元410,用于确定待优化的无线网络小区的若干问题指标;
关联得分确定单元420,用于基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定任一问题指标分别对应每一根因维度的关联得分;
根因维度确定单元430,用于基于每一问题指标分别对应每一根因维度的关联得分,确定对无线网络小区的通信质量影响最大的根因维度;
通信质量优化单元440,用于基于通信质量影响最大的根因维度对应的优化方案,对无线网络小区的通信质量进行优化。
具体地,问题指标确定单元410通过对所有评估无线网络小区的通信质量的指标进行筛选,获取若干个问题指标。对于任一问题指标,关联得分确定单元420将其分别与每一根因维度下每一根因指标进行关联性分析,对关联性分析后得到的分析结果进行量化计算,可以得到该问题指标分别对应每一根因维度的关联得分。根因维度确定单元430用于通过对所有问题指标分别对应每一根因维度的关联得分进行汇总计算和结果比较,确定对无线网络小区的通信质量影响最大的根因维度。通信质量优化单元440选择通信质量影响最大的根因维度对应的优化方案对无线网络小区的通信质量进行优化。
本发明实施例提供的无线网络通信优化装置,通过对影响无线网络小区通信质量的若干问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性进行分析,得到每一问题指标分别对应每一根因维度的关联得分,进而确定对无线网络小区的通信质量影响最大的根因维度,根据通信质量影响最大的根因维度对应的优化方案,对无线网络小区的通信质量进行优化,能够针对无线网络中存在的复合型问题进行全面地分析,得到准确的优化方案,避免了工作人员人为判断的主观性和片面性,提高了网络优化精准度。
基于上述任一实施例,关联得分确定单元420具体包括:
皮尔森计算子单元,用于基于任一问题指标的样本标准差,任一根因维度下任一根因指标的样本标准差,以及任一问题指标与任一根因维度下任一根因指标之间的样本协方差,确定任一问题指标与任一根因维度下任一根因指标之间的皮尔森相关系数;皮尔森相关系数用于表征任一问题指标与任一根因维度下任一根因指标之间的关联性。
基于上述任一实施例,关联得分确定单元420具体用于:
基于任一根因维度下每一根因指标的权重,对任一问题指标与任一根因维度下每一根因指标之间的关联性进行加权求和,得到任一问题指标对应任一根因维度的关联得分。
基于上述任一实施例,根因维度确定单元430具体用于:
基于每一问题指标分别对应每一根因维度的得分,确定无线网络小区的所有问题指标分别对应每一根因维度的得分;
基于无线网络小区的所有问题指标分别对应每一根因维度的得分,确定对无线网络小区的通信质量影响最大的根因维度。
基于上述任一实施例,该装置还包括:
问题指标分析单元,用于将任一问题指标分别对应每一根因维度的关联得分中的最大值所对应的根因维度,作为影响任一问题指标的根因维度。
基于上述任一实施例,根因维度包括覆盖维度、容量维度和干扰维度中的至少一种。
基于上述任一实施例,覆盖维度下的根因指标包括MR数据、覆盖差距和MR软采数据中的至少一种,容量维度下的根因指标包括有效RRC连接最大数、日均流量、RRC连接最大数和自忙时峰值利用率中的至少一种,干扰维度下的根因指标包括小区RB上行平均干扰电平平均值、小区PUSCH干扰电平平均值和小区PUCCH干扰电平平均值中的至少一种。
图5为本发明实施例提供的电子设备的结构示意图,如图5所示,该电子设备可以包括:处理器(Processor)510、通信接口(Communications Interface)520、存储器(Memory)530和通信总线(Communications Bus)540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑命令,以执行如下方法:
确定待优化的无线网络小区的若干问题指标;基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定任一问题指标分别对应每一根因维度的关联得分;基于每一问题指标分别对应每一根因维度的关联得分,确定对无线网络小区的通信质量影响最大的根因维度;基于通信质量影响最大的根因维度对应的优化方案,对无线网络小区的通信质量进行优化。
此外,上述的存储器530中的逻辑命令可以通过软件功能单元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,包括若干命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。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:
确定待优化的无线网络小区的若干问题指标;基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定任一问题指标分别对应每一根因维度的关联得分;基于每一问题指标分别对应每一根因维度的关联得分,确定对无线网络小区的通信质量影响最大的根因维度;基于通信质量影响最大的根因维度对应的优化方案,对无线网络小区的通信质量进行优化。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干命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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种无线网络通信优化方法,其特征在于,包括:
确定待优化的无线网络小区的若干问题指标;
基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分;
基于每一问题指标分别对应每一根因维度的关联得分,确定对所述无线网络小区的通信质量影响最大的根因维度;
基于所述通信质量影响最大的根因维度对应的优化方案,对所述无线网络小区的通信质量进行优化;
所述任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性的确定方法,具体包括:
基于所述任一问题指标的样本标准差,任一根因维度下任一根因指标的样本标准差,以及所述任一问题指标与所述任一根因维度下任一根因指标之间的样本协方差,确定所述任一问题指标与所述任一根因维度下任一根因指标之间的皮尔森相关系数;
所述皮尔森相关系数用于表征所述任一问题指标与所述任一根因维度下任一根因指标之间的关联性。
2.根据权利要求1所述的无线网络通信优化方法,其特征在于,所述基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分,具体包括:
基于任一根因维度下每一根因指标的权重,对任一问题指标与所述任一根因维度下每一根因指标之间的关联性进行加权求和,得到所述任一问题指标对应所述任一根因维度的关联得分。
3.根据权利要求1所述的无线网络通信优化方法,其特征在于,所述基于每一问题指标分别对应每一根因维度的关联得分,确定对所述无线网络小区的通信质量影响最大的根因维度,具体包括:
基于每一问题指标分别对应每一根因维度的得分,确定所述无线网络小区的所有问题指标分别对应每一根因维度的得分;
基于所述无线网络小区的所有问题指标分别对应每一根因维度的得分,确定对所述无线网络小区的通信质量影响最大的根因维度。
4.根据权利要求1所述的无线网络通信优化方法,其特征在于,所述基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分,之后还包括:
将所述任一问题指标分别对应每一根因维度的关联得分中的最大值所对应的根因维度,作为影响所述任一问题指标的根因维度。
5.根据权利要求1至4任一项所述的无线网络通信优化方法,其特征在于,所述根因维度包括覆盖维度、容量维度和干扰维度中的至少一种。
6.根据权利要求5所述的无线网络通信优化方法,其特征在于,所述覆盖维度下的根因指标包括MR数据、覆盖差距和MR软采数据中的至少一种,所述容量维度下的根因指标包括有效RRC连接最大数、日均流量、RRC连接最大数和自忙时峰值利用率中的至少一种,所述干扰维度下的根因指标包括小区RB上行平均干扰电平平均值、小区PUSCH干扰电平平均值和小区PUCCH干扰电平平均值中的至少一种。
7.一种无线网络通信优化装置,其特征在于,包括:
问题指标确定单元,用于确定待优化的无线网络小区的若干问题指标;
关联得分确定单元,用于基于任一问题指标与预先设定的每一根因维度下若干个根因指标之间的关联性,确定所述任一问题指标分别对应每一根因维度的关联得分;
根因维度确定单元,用于基于每一问题指标分别对应每一根因维度的关联得分,确定对所述无线网络小区的通信质量影响最大的根因维度;
通信质量优化单元,用于基于所述通信质量影响最大的根因维度对应的优化方案,对所述无线网络小区的通信质量进行优化;
所述关联得分确定单元具体包括:
皮尔森计算子单元,用于基于所述任一问题指标的样本标准差,任一根因维度下任一根因指标的样本标准差,以及所述任一问题指标与所述任一根因维度下任一根因指标之间的样本协方差,确定所述任一问题指标与所述任一根因维度下任一根因指标之间的皮尔森相关系数;
所述皮尔森相关系数用于表征所述任一问题指标与所述任一根因维度下任一根因指标之间的关联性。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的无线网络通信优化方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的无线网络通信优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011034467.XA CN114286360B (zh) | 2020-09-27 | 2020-09-27 | 无线网络通信优化方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011034467.XA CN114286360B (zh) | 2020-09-27 | 2020-09-27 | 无线网络通信优化方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114286360A CN114286360A (zh) | 2022-04-05 |
CN114286360B true CN114286360B (zh) | 2023-09-05 |
Family
ID=80867870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011034467.XA Active CN114286360B (zh) | 2020-09-27 | 2020-09-27 | 无线网络通信优化方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114286360B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009157522A1 (ja) * | 2008-06-27 | 2009-12-30 | 京セラ株式会社 | 無線通信装置及び無線通信方法 |
CN106487570A (zh) * | 2015-09-02 | 2017-03-08 | ***通信集团公司 | 一种评估网络性能指标变化趋势的方法及设备 |
WO2017118380A1 (en) * | 2016-01-08 | 2017-07-13 | Huawei Technologies Co., Ltd. | Fingerprinting root cause analysis in cellular systems |
CN109362084A (zh) * | 2018-12-27 | 2019-02-19 | ***通信集团江苏有限公司 | 通信业务质量优化的方法、装置、设备和介质 |
CN109428759A (zh) * | 2017-09-01 | 2019-03-05 | ***通信集团广西有限公司 | 一种网络质量评估方法及装置 |
CN109660999A (zh) * | 2018-12-05 | 2019-04-19 | 广州数锐智能科技有限公司 | 一种基于cca模型的网络性能优化方法、装置及存储介质 |
CN109996269A (zh) * | 2017-12-30 | 2019-07-09 | ***通信集团湖北有限公司 | 一种无线通信网络异常原因确定方法、装置、设备及介质 |
CN110929990A (zh) * | 2019-10-30 | 2020-03-27 | 南京邮电大学 | 一种基于随机森林的指标关联强度排序方法 |
CN111181884A (zh) * | 2018-11-09 | 2020-05-19 | 华为技术有限公司 | 参考信号发送方法和设备 |
-
2020
- 2020-09-27 CN CN202011034467.XA patent/CN114286360B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009157522A1 (ja) * | 2008-06-27 | 2009-12-30 | 京セラ株式会社 | 無線通信装置及び無線通信方法 |
CN106487570A (zh) * | 2015-09-02 | 2017-03-08 | ***通信集团公司 | 一种评估网络性能指标变化趋势的方法及设备 |
WO2017118380A1 (en) * | 2016-01-08 | 2017-07-13 | Huawei Technologies Co., Ltd. | Fingerprinting root cause analysis in cellular systems |
CN109428759A (zh) * | 2017-09-01 | 2019-03-05 | ***通信集团广西有限公司 | 一种网络质量评估方法及装置 |
CN109996269A (zh) * | 2017-12-30 | 2019-07-09 | ***通信集团湖北有限公司 | 一种无线通信网络异常原因确定方法、装置、设备及介质 |
CN111181884A (zh) * | 2018-11-09 | 2020-05-19 | 华为技术有限公司 | 参考信号发送方法和设备 |
CN109660999A (zh) * | 2018-12-05 | 2019-04-19 | 广州数锐智能科技有限公司 | 一种基于cca模型的网络性能优化方法、装置及存储介质 |
CN109362084A (zh) * | 2018-12-27 | 2019-02-19 | ***通信集团江苏有限公司 | 通信业务质量优化的方法、装置、设备和介质 |
CN110929990A (zh) * | 2019-10-30 | 2020-03-27 | 南京邮电大学 | 一种基于随机森林的指标关联强度排序方法 |
Non-Patent Citations (1)
Title |
---|
基于无线用户感知的智能优化分析;杨家珠;《电信快报》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114286360A (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108990078B (zh) | Lte网络下行干扰的优化方法、***、设备及存储介质 | |
US20160174103A9 (en) | Method & system for cellular network load balance | |
CN103987056A (zh) | 基于大数据统计模型的无线网络话务量预测方法 | |
EP4072225A1 (en) | Method for determining initial mcs value, electronic device, and storage medium | |
EP2941039B1 (en) | Method for selecting a working remote radio unit for a user equipment by a base station | |
CN106792752A (zh) | 基站信号覆盖自优化方法和*** | |
CN110380881B (zh) | 一种网络扩容预测方法及装置 | |
CN112020098B (zh) | 负荷均衡方法、装置、计算设备及计算机存储介质 | |
EP3183905B1 (en) | Performance index determination for a communication service | |
CN115941831B (zh) | 一种智能手机通信射频测试***及测试方法 | |
CN109981196B (zh) | 一种网络结构评估方法及装置 | |
CN105636088A (zh) | 一种处理小区间干扰的方法、设备、控制装置及基站 | |
CN113015184A (zh) | 一种无线网络功率调整方法、装置及存储介质 | |
CN104935446B (zh) | 基于可信度挖掘的网络质量评估方法及装置 | |
CN114286360B (zh) | 无线网络通信优化方法、装置、电子设备及存储介质 | |
CN108271178B (zh) | 一种物理小区标识pci优化方法及装置 | |
CN104244301B (zh) | 基于无线指标定位lte网络问题的方法和*** | |
CN112969193B (zh) | 无线网络的干扰确定方法、装置及设备 | |
WO2021063922A1 (en) | A method for estimating the uplink data rate in mobile communications | |
CN110536338B (zh) | 天线参数调整方法及装置 | |
CN109963301B (zh) | 一种网络结构干扰的分析方法及装置 | |
CN108900268A (zh) | 利用小特征值估计噪声功率的最大特征值频谱感知方法 | |
CN115361272A (zh) | 一种基带芯片的通信故障检测方法、***和电子设备 | |
CN100499422C (zh) | 自适应的码分多址***负载预测方法 | |
CN109996239B (zh) | 一种lte网络结构优化分析的方法和装置 |
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 |