[发明专利]一种基于大数据挖掘的网络重叠覆盖优化方法

权利要求书

1.一种基于大数据挖掘的网络重叠覆盖优化方法，其特征在于，包括如下步骤：

步骤S1、采用路测方法从LTE网络中采集数据集，将采样点数据集与基站侧工参特征数据集，通过小区编号参数，匹配成一个完整的数据集；对匹配后的数据集进行数据清洗，删除具有大量缺省值属性的数据；当某个基站或小区的采样点过少，则判定为采样不充分，删除这部分基站或者小区的采样点数据；

步骤S2、对步骤S1输出的数据集进行重叠覆盖判断，对发生重叠覆盖的采样点打上标签0，没有发生重叠覆盖的采样点打上标签1，形成带有标签的数据集；

步骤S3、采用人工合成少数类过采样技术对步骤S2中形成的带有标签的数据集中样本较少的一方进行样本扩充；

步骤S4、采用随机森林算法对步骤S3中输出的带有标签的数据集中的属性进行特征重要性排序，属性包括基站经纬度、基站站高、天线方位角、天线机械下倾角、天线电子下倾角、天线下倾角、天线功率、上下行吞吐量、采样点经纬度以及采样点和基站之间的距离；

步骤S5、计算每个小区的重叠覆盖率，根据步骤S4输出的排序结果，对数据集中的特征重要性最高的属性依据该小区的重叠覆盖率进行调整；

步骤S6、将步骤S3中扩充后的带有标签的数据集划分为训练集和测试集，输入支持向量机算法，得到预测模型；将步骤S5中调整属性后的数据集输入预测模型，预测每个采样点的标签值，判断采样点是否发生重叠覆盖；

步骤S7、计算步骤S6中对采样点进行重叠覆盖预测后的数据集的全局重叠覆盖率，当全局重叠覆盖率降低到阈值以下时，算法停止，并输出各个小区的功率值；当全局重叠覆盖率不低于阈值时，重复步骤S5-S7。

2.根据权利要求1所述的基于大数据挖掘的网络重叠覆盖优化方法，其特征在于，所述步骤S2中形成带有标签的数据集的具体方法如下：

当小区满足以下条件：

其中，RSRP_cell表示UE接受到的主服务小区的参考信号电平，表示邻小区的参考信号电平，i＝{1,2,...,h}；earfcn_cell表示主服务小区的频点，表示邻小区的频点，i＝{1,2,...,h}；

满足上述的小区数量大于等于3个时，则判断在该采样点处发生了重叠覆盖，对发生重叠覆盖的采样点打上标签0，没有发生重叠覆盖的采样点打上标签1。

3.根据权利要求1所述的基于大数据挖掘的网络重叠覆盖优化方法，其特征在于，所述步骤S3中样本扩充具体步骤如下：

步骤S3.1、对于D_min中的每一个样本x_i，以欧氏距离为标准计算它到D_min中的每一个样本的距离，得到其k近邻；其中D_min表示少数类样本的集合，(x_i,y_i)表示D_min中的某一个样本，其k近邻同类样本表示为X'＝{(x′₁,y′₁),(x'₂,y'₂),...,(x'_n,y'_n)}；

步骤S3.2、确定采样倍率N，根据采样倍率在x_i的k近邻中选择若干样本x'_j；在x_i和x'_j之间进行线性插值合成新样本，合成新样本的公式如下：

x_new＝x_i+rand(0,1)×(x'_j-x_i)。