[发明专利]用于确定小区的性能是否降级的第一网络节点、其中的方法、计算机程序以及包括计算机程序的计算机可读介质在审
申请号: | 201580081847.X | 申请日: | 2015-05-20 |
公开(公告)号: | CN107852621A | 公开(公告)日: | 2018-03-27 |
发明(设计)人: | I.塞拉诺加西亚;R.巴尔科莫雷诺;A.戈梅斯安德拉德斯;P.穆诺斯卢恩戈 | 申请(专利权)人: | 瑞典爱立信有限公司 |
主分类号: | H04W24/04 | 分类号: | H04W24/04;H04W24/02;H04W24/08;H04W88/14;H04W88/12 |
代理公司: | 中国专利代理(香港)有限公司72001 | 代理人: | 姜冰,杨美灵 |
地址: | 瑞典斯*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 确定 小区 性能 是否 降级 第一 网络 节点 中的 方法 计算机 程序 以及 包括 可读 | ||
技术领域
本公开一般涉及用于确定与第二网络节点关联的小区的性能是否降级的第一网络节点以及其中的方法。本公开也涉及计算机程序和其上存储有实行上面所提到的方法的计算机程序的计算机可读存储介质。
背景技术
通信装置(诸如无线装置)还被称为例如用户设备(UE)、移动终端、无线终端和/或移动台。无线装置被使得能够实现在蜂窝通信网络或无线通信系统(有时还称为蜂窝无线电系统、无线通信网络或蜂窝网络)中无线地通信。通信例如可在两个无线装置之间、在无线装置与常规电话之间和/或在无线装置与服务器之间经由无线电接入网(RAN)以及可能地一个或更多核心网络(包括在蜂窝通信网络内)被执行。
仅为了提到一些另外的示例,无线装置可进一步被称为移动电话、蜂窝电话、膝上型计算机、平板计算机或具有无线能力的冲浪板(surf plate)。本上下文中的无线装置可以例如是便携的、口袋可存储的、手持的、计算机包括的或车载的移动装置,其被使得能够实现经由RAN与另一实体(诸如另一无线装置或服务器)传递语音和/或数据。
无线通信网络覆盖了被划分成小区区域的地理区域,其中每个小区区域由诸如基站(例如无线电基站(RBS))的接入节点来服务,所述基站有时可被称为例如“演进的节点B(eNB)”、“eNodeB”、“NodeB”、“B节点”或基站收发信台(BTS),这取决于所使用的技术和术语。基站可基于传送功率和由此还有小区大小而属于不同类别,诸如例如宏eNodeB、家庭eNodeB或微微基站。小区是其中由在基站站点的基站来提供无线电覆盖的地理区域。位于基站站点上的一个基站可服务一个或若干小区。进一步地,每个基站可支持一个或若干通信技术。基站通过在射频上操作的空中接口与基站的范围内的终端进行通信。在此公开的上下文中,表达下行链路(DL)被用于从基站到无线装置的传送路径。表达上行链路(UL)被用于在相反方向(即从无线装置到基站)中的传送路径。
在蜂窝网络的当前部署中日益增加的网络元件量正导致操作和维护的极大复杂性。移动专家不得不应付数千的性能指标、计数器、警报和配置参数,以便检测和诊断它们网络中的问题。自愈的概念精确地是要使故障排除(troubleshooting)的那些任务(诸如检测、诊断、补偿和恢复)自动化,目的是降低资本和运营支出,并使网络更可靠。
在自愈的上下文中关键挑战之一是降级小区的自动搜索。目标是支持非侵入式故障检测机制以改进网络的可用性和可靠性。这个问题的重要性不仅在于发展用于故障检测的有效反应方法,而且在于创建允许预料并避免故障发生的前瞻性机制。此外,用于检测降级的有效方法的设计对减少检测算法的假肯定(通常称为“假警报”)的数量是至关重要的。最后,值得提到的是,小区降级检测的问题在异质移动网络的上下文中具有特别的重要性。例如,通用移动电信系统(UMTS)小区的停歇期能引起LTE小区的一些性能指标上的降级。在此情形下,可能重要的是发现LTE小区的降级,以便辅助UMTS网络中的小区停歇期检测。
小区降级检测的第一机制基于监视度量并建立特定阈值以检测某一度量的当前值在特定时间期间是超过还是变得低于阈值。这种途径当前被用在大多数现有自愈工具中,并提供可接受的性能。然而,要求人为干预来设置关联阈值的限制是严重缺陷。此外,当分析度量的时间演进时,有时降级由峰值(其值如果考虑整个周期的话在度量正常范围内)给出,即度量可局部降级而不是全局。因此,度量可以未违反阈值,并且降级可以未被检测到。此外,由于性能指标的值很大程度地取决于不同因素,诸如业务负载、网络类型等,因此阈值对于不同网络可以不同,从而使阈值定义的规程复杂化。对于所有这些原因,在文献中已经提出了更复杂的途径。在[1]中,提出了要求最小人为干预的一对自适应算法。不像使用固定阈值那样,这两个解决方案的基础是通过识别业务数据的时间演进中的反常趋势来检测小区降级。对于由运营商确定的某一期望级别的可信度,算法找到满足此级别的可信度的故障证据。查看它们的差异,第一算法包含先前的学习阶段,其中通过计算度量随时间的预期值来构建基线分布图。在第二备选中,代替实行学习,提出的算法通过查看邻近小区、假定在它们之间存在适当级别的相关性来估计数据。在这两种情况下,算法可适应于网络操作中的随时间的变化。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于瑞典爱立信有限公司,未经瑞典爱立信有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201580081847.X/2.html,转载请声明来源钻瓜专利网。