[发明专利]基于SVM的蜂窝网络故障诊断系统

说明书

技术领域

本发明公开了一种在蜂窝网络下，当网络出现故障时，如何根据已有的网络参数信息，快速地对出现的故障进行诊断，找到出错原因的方法。用于在蜂窝网络出现故障时快速找到故障原因，为故障恢复提供参考。属于蜂窝网络故障诊断领域。

背景技术

近年来，一些对带宽要求较高的应用的激增，例如视频流和多媒体文件共享，对未来的无线蜂窝系统中的用户行为将会产生巨大影响，特别是随着无数智能手持设备的出现，用户对带宽的需求正在发生空前的增长。用户行为体现的这一趋势，给蜂窝系统的容量需求、服务质量和能源效率带来巨大压力。此外，随着各种无线接入技术的应用，例如GSM、UMTS、LTE等，多种网络结构的并存，例如宏蜂窝、毫微蜂窝以及微微蜂窝，未来的网络将会变得越来越复杂，呈现出明显的异构性。一方面，由于各种技术、服务数量、蜂窝类型的增长，网络的部署和运营变得越来越复杂；另一方面，用户不愿意为改善的网络服务付以相应比例的费用。所以，网路运营商必须面临提供高质量服务的同时减少CAPEX(capital expenditure，资本费用)和OPEX(operational expenditure，运营费用)的挑战。

SON(self-organization network)通过自动化网络各阶段的功能最终达到网络自我管理的目的，减少了人工对网络的干预，降低了网咯的资本费用和运营费用。最终能够在提高网络覆盖，网络容量和服务质量的同时降低投入。总的来说，自组织是未来无线蜂窝网络中唯一能够以高性价比的方式达到最佳性能的方法，因此LTE标准化组织不再把自组织仅仅作为未来无线网络的可选特征，而是作为必然条件。自组织网络按功能可以分为三大块：自配置、自优化以及自治愈。自配置是指在新建网络或新增网络设备后，能够实现设备从预运行状态通过自动配置进入正常运行状态，包括对网络设备的即插即用。自配置之后网络进行运行状态，自优化和自治愈功能开始执行，这两个功能都是以网络的测量信息数据的监测分析为基础的。自优化功能根据测量的数据，对网络从覆盖、容量、干扰、资源分配等角度进行优化。自治愈技术首先是能够快速准确的检测网络中的故障，然后能够自动迅速的对网络中的故障进行恢复，确保受网络故障影响的用户能够进行连续高质量的通信。故障主要是指网络中出现影响系统所提供服务、功能、及性能的情况。例如：掉线、访问失败、拥塞等。故障可能是由多种原因造成的，例如收发失序、干扰(恶意、非恶意)、错误参数设置、以及入侵等。

故障诊断作为自治愈的核心功能，其研究难点主要有三个：一是在成千上万的KPI值和告警中找出和故障识别相关的部分；二是故障的原因和KPI值没有直接必然的联系，对于同一故障原因不同蜂窝或者同一蜂窝不同时间的KPI值不尽相同。虽然很多现有技术应用于故障诊断，但是效果并不尽如人意。

发明内容

本发明主要解决蜂窝网络中，通过网络参数对网络故障进行诊断的问题，主要包括以下内容：

1)信息预处理。信息预处理的主要功能是收集并预处理相关性能信息，以便用于后续的自治愈阶段，这些信息主要包括：配置参数、告警信息、性能指标，驱动检测信息等，所有的这些信息被整合可以得到KPI(key performance indicators，关键性能指标)，KPI被广泛的用于故障探测及其他阶段。Emil J.Khatib等人提出了利用KBS(Knowledge-Based System，知识工程)的算法来抽取所需的关键信息，将输入的大量基于时间的网络性能数据变为简单的一维向量。此外，为了应对网络中迅速增长的控制数据和测量信息，他们还提出了将大数据的方法用在信息收集的过程中，以便能够在有限的时间内达到自治愈的目的。

2)训练分类模型。故障诊断的实质故障分类，因此，为了取得较为精确的故障诊断结果，首先要训练一个较好的分类模型。在机器学习领域，支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。因为SVM最初用来解决二分类问题，而故障诊断的病因存在多种，所以，设计训练得到的分类模型一定是一个多分类模型。因此，本发明将SVM扩展到多分类后用于蜂窝网络的故障诊断

3)对未知故障进行诊断。系统设计的最终目的就是用来进行故障诊断，在分类模型训练完成后，就可以将未知病因的故障KPI向量作为分类模型的输入，而分类模型的输出便作为故障诊断的结果，以此达到故障诊断的目的。

附图说明

图1为本发明提出的系统结构流程图；

图2为SVM(支持向量机)模型训练流程图；