[发明专利]一种在无线通信网络中识别场景的方法和装置

说明书

本发明提供一种在无线通信网络中识别场景的方法和装置，选用多维度特征属性来表征小区，对特征值向量包含的每一维度的特征属性的取值进行预处理：建立特征属性的特征值向量，特征值向量包含每一维度的特征属性；将各个小区初始分配到不同的临时场景簇中；对于一个小区，基于该小区的特征值向量与各个临时场景簇的中心的差异度距离，调整该小区所属的场景簇，将完成调整的场景簇作为第一类场景簇；基于第一类场景簇中各个小区的特征值向量计算临近的第一类场景簇之间的距离，合并距离符合合并阈值的第一类场景簇形成第二类场景簇。通过实现这一技术，使得在同一个第二类场景簇中的小区之间具有高的特征相似度，而不同场景簇中的小区特征差别较大。

技术领域

本发明涉及无线通信网络技术，特别是指一种在无线通信网络中识别场景的方法和装置。

背景技术

无线通信的网络结构越来越复杂，对各层网络所处空间维度内的覆盖、业务、干扰、故障、资源配置等特征场景模型进行综合识别和定量的划分是一项极为重要的基础性分析工作，将直接影响到各级网络优化、规划建设方案和策略的制定，尤其是对于无线配置参数的个性化、精细化、智能化调整工作具有非常重要的作用。

现有的无线通信网络特征场景划分方法远未实现智能化和定量化，主要依赖于网络规划工程师个人经验的定性判断，这种人工划分方式无法精细化的指导优化工作，可以说，当前的场景划分方式，仍然处于较为粗放的阶段，更无无法建立起量化识别的模式。例如：当前已有的方法是按照地理覆盖特征的不同，将场景分为三大类：室内覆盖场景、室外覆盖场景、室外覆盖移动场景，每一类又可区分若干小类：

现有技术存在如下问题：无线网络特征场景识别工作都是根据网络规划经验来人为配置的，是一种粗粒度的定性的划分，并不能作为精细化调整优化的准确依据。在不同的无线网络特征场景下，即使面对相同的网络质量问题，网络优化过程中涉及的参数取值的选取或调整幅度也会不尽相同，也就是说，不同的网络特征环境下，往往会采用不同的优化模型，因此，对网络特征场景的判断准确与否，也将直接影响到网络优化调整的最终效果，而当前的这种粗粒度的定性的场景划分方式，并不能精确的识别网络特征，也就不能作为网络质量综合分析的输入依据。

发明内容

本发明要解决的技术问题是提供一种在无线通信网络中识别场景的方法和装置，解决现有的场景划分方式依赖人工，无法对无线网络场景进行定量、精细化的识别的缺陷。

为解决上述技术问题，本发明的实施例提供一种在无线通信网络中识别场景的方法，方法包括：选用多维度的特征属性来表征小区，对特征值向量包含的每一维度的特征属性的取值进行预处理：建立所述特征属性的特征值向量，特征值向量包含每一维度的特征属性；将各个小区初始分配到不同的临时场景簇中；对于一个小区，基于该小区的特征值向量与各个所述临时场景簇的中心的差异度距离，再次调整该小区所属的场景簇，并将完成调整的场景簇作为第一类场景簇；基于第一类场景簇中各个小区的特征值向量计算临近的第一类场景簇之间的距离，合并所述距离符合合并阈值的第一类场景簇形成第二类场景簇。

所述的方法中，选用多维度的特征属性来表征小区包括：所述多维度的特征属性中，根据相关指数来评估各个特征属性之间的关联程度，去除关联程度为高于线性相关阈值的特征属性；将剩余的所述特征属性作为选用的特征属性。

所述的方法中，对特征值向量包含的每一维度的特征属性的取值进行预处理包括：μ是一个特征属性所有样本取值的均值，σ为一特征属性所有样本取值的标准差，经过处理的特征属性的取值x'符合标准正态分布，均值μ为0，标准差σ为1。

所述的方法中，将各个小区初始分配到不同的临时场景簇中包括：预先设定第一数目个所述临时场景簇，当形成每一个临时场景簇时，在临时场景簇中包括有唯一一个定点小区；在剩余的小区中，计算各个小区与不同临时场景簇中所述定点小区之间的距离，将各个小区分到所述距离最近的临时场景簇中。