[发明专利]移动通信网络中基于直推式置信机和假设检验的小区中断检测方法

摘要

本发明公开了一种移动通信网络中基于直推式置信机和假设检验的小区中断检测方法。本发明首先通过直推式置信机给出待检测数据点与正常小区或者异常小区的匹配度，然后根据匹配度信息进行假设检验。假设检验中根据匹配度定义了一种数据点判决为正常小区和异常小区的判决信息量，然后根据判决信息量定义判决准则，利用序贯检测进行最终判决。该方法判决准确度高，误警率低。采用本发明中的方法，能够通过调节阈值在判决的准确度和复杂度之间得到协调。

主权项

1.一种移动通信网络中基于直推式置信机和假设检验的小区中断检测方法，首先通过直推式置信机给出待检测数据点与正常小区或者异常小区的匹配度，然后根据匹配度信息进行假设检验，根据匹配度定义了一种数据点判决为正常小区和异常小区的判决信息量，然后根据判决信息量进行序贯检测，进行最终判决；其中直推式置信机是使用Kolmogorov的算法随机性理论建立的一种使用范围较广泛的机器学习置信度机制；它被用来衡量一个样本分别属于已存在几个类别的可信程度，采用一种满足Kolmogorov随机性理论的随机检测函数来对置信度进行估算，这种随机检测函数的值被称为P值，被定义为待分类样本属于已存在的样本空间的概率，其相对于某类样本空间的值越大，则表明它属于该样本空间的可能性越大；为了计算P值，先定义奇异值：D_i^y表示从小到大排序的某数据点x_i与已分类数据集中某一类y的所有数据点的距离；类似的，D_i^‑y表示从小到大排序的数据点x_i与已分类的数据集中‑y类的所有数据点的距离，‑y表示已分类的数据集中除y类的所有类，k表示采取的近邻数据点的个数，k的取值可由运营商根据网络情况自行确定，α_i^y即为某数据点x_i与已分类数据集中y类的奇异值；给定奇异值后，一种P值的定义方法如下：#表示集合的势，也就是集合中满足条件的数据点个数；α_test^y表示待测试数据点与已分类的数据集中y类的奇异值，α_j^y(j＝1,2,...,n)表示y类的所有数据点的奇异值，n是y类数据点的个数，P_y(α_test^y)是y类中数据点的奇异值大于待测试数据点相对于本类奇异值的比例，直推式置信机将待分类样本划分为最大P_y(α_test^y)值所对应的类；在计算过程当中，当待测试数据与训练数据集中某一类的样本的奇异值小于用于计算本样本奇异值的k个最小距离时，需要为该类所有样本重新计算奇异值，从而为待分类样本重新计算P值；对于训练数据中的每一类，待测试数据都有一个相应的P值要计算；小区中断检测方法具体包括：小区中断检测过程分为两部分，即中断检测模型建立和中断监控和测试；所述中断检测模型建立包括以下步骤：101)通过人工设置小区处于不同的状态，即正常状态或者中断状态，来采集不同类型的训练数据向量用于模型建立，训练数据向量选用包括信号接收功率RSRP、信号与干扰加噪声比SINR，以及掉话率，具体向量由运营商根据网络运行情况自行确定；102)对采集的不同建模类型的训练数据向量用直推式置信机的方法计算出训练数据相对于各个建模类的奇异值并保存；所述中断监控和检测过程：通过监控网络状态，采集待测试数据向量，进行中断检测，检测过程如下：201)首先根据直推式置信机计算出待测试数据点相对于每一个建模类的P值，保存；202)根据P值进行假设检验，具有包括以下3个步骤：(1)假设建立：假设待检测数据向量为Xⁿ＝{x₁,x₂,...,x_i,...,x_n}，建模类个数为M，中断检测过程遵循以下几个假设：P₀～P_M为不同建模类的P值状态空间，H₀～H_M分别为假设待测试数据点归属于相应的建模类；(2)确定一个判定准则判别待测试数据点归属于哪一个建模类；直推式置信机给出了每个测试数据点相对于训练类的P值，也就是一种测试数据点与训练类的匹配程度的度量；单个测试数据点给出的y类的判决信息量定义为：d为‑y中类的个数，P_y值越大，表示待测试数据归属于y类的可能性越大，所以y类的判决信息量I_y(x_i)越大，P_‑y越大，表示数据归属以其他类的可能性越大，所以y类的判决信息量I_y(x_i)相应减小；判决准则为：Λ^*_y＝{Xⁿ:I_y(Xⁿ)＞T_n(λ)}，即如果某一类的累积判决信息量超出某一门限，判决测试数据向量属于该建模类，门限T_n(λ)的取值可由运营商根据网络情况自行确定；(3)判决：采取序贯检测的方法进行最终判决；首先初始化每个类的判决信息量为零，对于每个测试数据，根据公式(4)计算数据点给出的所有类的判决信息量，然后对每个类的盘踞信息量进行累加，直到某个类的判决信息量达到一个判决门限T_n(λ)，判决测试数据属于该类，停止检测，门限T_n(λ)越大，检测准确定要求越高，相应的检测复杂度越高。