[发明专利]一种基于自我学习的无线网络故障检测方法

说明书

本发明公开了一种基于自我学习的无线网络故障检测方法，具体如下：采集网络关键性能指标KPI记录并将其保存为数据集合；对该数据集合采用SMOTEENN方法进行不平衡处理，获得平衡后的平衡数据集；通过稀疏自编码器从无标签辅助数据集中学习基向量；将平衡后的平衡数据集表示为各基向量线性组合的形式，并在此新表示下的平衡数据集上经支持向量机SVM方法训练得到正常与故障类别的分类模型；利用已建立好的分类模型对网络实时产生的KPI数据记录进行分类，进而达到故障检测的目的。本发明更为准确且有效地检测网络故障；且自我学习的形式方便迁移，在新的网络环境下能够很快得到故障检测的模型，提升了以往方法的故障检测效率。

技术领域

本发明涉及无线通信中的网络技术领域，特别是一种基于自我学习的无线网络故障检测方法。

背景技术

自治愈是无线自组织网络的重要功能之一，准确且有效地进行故障检测是实现自治愈功能的重要步骤。当前无线通信网络中采用图1所示的宏基站-家庭基站异构结构来改善宏基站的室内覆盖、提供容量增益。相较于传统同构网络，用户自主部署的家庭基站可能由于操作错误更易发生传输功率设置不当、信道冲突等配置问题；此外，家庭基站的数量远多于宏基站，分布式架构也使得家庭更易发生故障。因此急需一种针对异构网络的自组织网络故障检测方法。

当前针对同构网络的故障检测的方法往往不适用于异构网络，其原因主要在于同构网络故障检测大多基于分类方式，分类的准确率一定程度上依赖于网络历史数据数量的大小。而异构网络中家庭基站可利用的数据往往有限。导致这点的原因有两个，一方面是部署在室内的家庭基站通常服务用户数目较少，可获得的数据相较同构网络少；另一方面是家庭基站部署由用户决定，经常性地开关、重新部署等操作导致网络拓扑结构动态的变化，基站长期积累的历史数据将不能直接被用来分析该基站当前的状态，即网络历史数据存在时效性低的问题。综上所述现有技术中存在异构网络中家庭基站用户数据稀少、历史数据易过时的问题。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于自我学习的无线网络故障检测方法，本发明中采用的基于自我学习的故障检测方法能够在家庭基站用户数据少、产生数据易过时的情况下，更为准确且有效地检测网络故障；且自我学习的形式方便迁移，在新的网络环境下能够很快得到故障检测的模型，提升了以往方法的故障检测效率。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于自我学习的无线网络故障检测方法，包括以下步骤：

步骤一、采集网络关键性能指标KPI记录并将其保存为数据集合；

步骤二、对该数据集合采用结合合成少数类过采样技术SMOTE和筛选最近邻ENN的SMOTEENN方法进行不平衡处理，获得平衡后的平衡数据集；

步骤三、通过稀疏自编码器从无标签辅助数据集中学习基向量；

步骤四、将平衡后的平衡数据集表示为各基向量线性组合的形式，并在此新表示下的平衡数据集上经支持向量机SVM方法训练得到正常与故障类别的分类模型；

步骤五、利用已建立好的分类模型对网络实时产生的KPI数据记录进行分类，进而达到故障检测的目的。

作为本发明所述的一种基于自我学习的无线网络故障检测方法进一步优化方案，正常指非故障。

作为本发明所述的一种基于自我学习的无线网络故障检测方法进一步优化方案，步骤一具体如下：

异构网络中，用户以测量报告的形式周期性地上报各类KPI信息；