[发明专利]基于波形分析和深度学习的基站干扰监测方法及系统

权利要求书

1.基于波形分析和深度学习的基站干扰监测方法，其特征在于，包括以下步骤：

S1.采集对LTE系统进行干扰监测所需的数据；

S2.根据采集得到的网管数据，筛选出高上行干扰小区；

S3.利用相似性对所述高上行干扰小区的干扰波类型进行初匹配，并标记基站故障；所述步骤S3具体包括以下步骤：

S31.计算所述高上行干扰小区中的给定波形与预设干扰经验库中的可匹配波形的最短算法距离；

S32.将计算得到的最短算法距离进行升序排序，选取前N个最短算法距离对应的可匹配波形类型作为所述高上行干扰小区的初匹配干扰波类型，并标记基站故障；

S4.根据所述基站的GPS位置，将初匹配得到的干扰波类型以热力的形式反馈到网格上，得到网格热力图；

S5.建立基于深度神经网络的干扰预测模型，所述干扰预测模型的输入为网格热力图，所述干扰预测模型的输出为所述高上行干扰小区的预测干扰类型；

S6.根据所述预测干扰类型及现场排查和处理的结果，更新所述网格热力图以及干扰经验库，并对所述干扰预测模型进行优化。

2.根据权利要求1所述的基于波形分析和深度学习的基站干扰监测方法，其特征在于，步骤S1所述的数据包括XDR信息、网管信息、4G LTE工参信息。

3.根据权利要求1所述的基于波形分析和深度学习的基站干扰监测方法，其特征在于，步骤S31中所述最短算法距离的计算方法为：

设a为任一实数，计算求解公式的最小值，即的最小值；

其中j＝1,2,3,...,100，即为PRB取值；x标识给定波形，x^j为给定波形中的第j个数据；y_i标识可匹配波形，为第i个可匹配波形中的第j个数据；其中a用于消除控制平移带来的差异；

将所述求解公式进行展开：

利用配方法求解公式的最小值为：

4.根据权利要求1所述的基于波形分析和深度学习的基站干扰监测方法，其特征在于，所述步骤S4具体为：将步骤S3得到的初匹配干扰波类型中，不同的干扰波类型以不同颜色表示在网格上，并根据干扰波影响范围设定颜色深度从而得到网格热力图；其中基站的经纬度值形成所述网格的顶点。

5.根据权利要求1所述的基于波形分析和深度学习的基站干扰监测方法，其特征在于，步骤S5所述的基于深度神经网络的干扰预测模型包括依次连接的conv卷积单元、M个残差单元、conv输出层；其中conv输入层用于提取所述网格热力图的图像特征，其卷积为X_c⁽¹⁾＝f(W_c⁽¹⁾*X_c⁽⁰⁾+b_c⁽¹⁾)；

其中W_c⁽¹⁾表示卷积核权重，b_c⁽¹⁾表示卷积偏置，*表示卷积操作，f为特殊卷积，用于保证输出和输入同大小；

所述残差单元的数学模型为X_c^(l+1)＝X_c^(l)+F(X_c^(l)；θ_c^(l)),l＝1,2,...,L

其中F为残差方程，θ_c^(l)包含所有第l层需要学习的参数；

得到预测干扰类型X_c^(L+1)由conv输出层输出。