[发明专利]一种无线网络覆盖盲区侦测方法及系统

权利要求书

1.一种无线网络覆盖盲区侦测方法，选择分析区域与分析周期，接收从移动终端上采集的无线网络信号数据样本集，其特征在于，包括如下步骤：

步骤1：将所述分析周期内采集的数据集进行数据清洗与规整，建立覆盖异常事件样本集；

所述数据清洗与规整包括如下步骤：

1a、根据终端所支持的运营商网络类型，将无覆盖事件样本集转换成多个单网无覆盖事件样本；

1b、根据回落类型，将制式回落事件样本转换为单网无覆盖事件样本；

1c、将多个单网无覆盖事件样本及弱覆盖事件样本集合并建立覆盖异常事件样本集；

步骤2：将所述分析周期上一周期的信号盲区数量作为所述分析周期计算的初始种子数量，并根据所述初始种子数量确定种子数量的取值范围，将种子数量的取值范围作为聚类分析外层循环的控制参数；

具体包括如下步骤：

将所述分析周期的上一个分析周期的信号盲区数量k′₀作为所述分析周期计算的初始种子k₀，则k₀＝k′₀；

按k＝k₀±n进行2n+1次的外层迭代，其中，n的大小作为控制聚类计算效率和聚类性能折中的参数，

外层循环从k＝k₀+n开始，按降序进行，直到k＝k₀-n，处理完毕；

步骤3：根据种子数量的取值范围在测试目标分析区域内选定k个初始聚类中心作为种子；

进一步包括如下步骤：

3a、在测试目标分析区域内选定k个初始聚类中心作为种子；

3b、如果当前种子数k小于或等于k₀，则从所述分析周期的上一周期最终确定的k₀个盲区的质心中随机选择k个质心作为本次迭代的初始聚类中心，跳转到步骤4；如果k>k₀，则先将上一周期的k₀个盲区的质心作为本次迭代的前k₀个初始聚类中心；

3c、假设有N个覆盖异常事件样本，计算各覆盖异常事件样本的经纬度与已选定种子的欧氏距离平方，所述欧氏距离平方作为所述覆盖异常事件样本的挑选概率，按所述挑选概率从N个样本中选择一个样本的经纬度作为第k₀+1个种子；

3d、将执行步骤3c后剩下的N-1个样本，分别计算各覆盖异常事件样本的经纬度与已选定种子的欧氏距离平方，作为所述样本的挑选概率，按各自的挑选概率从所述N-1个样本中选择一个样本的经纬度作为第k₀+2个种子；

3e、重复步骤3d直至所有的k个种子选择完毕；

步骤4：基于确定的种子数k和选定的k个种子，采用k-means方法进行内层迭代，直至每个聚类中心所分到覆盖异常事件样本数量保持不变，内层迭代停止；

聚类分析具体包括如下步骤：

4a、计算每个样本到各聚类中心的欧氏距离，根据最小距离准则判断该样本所属聚类中心，直到所有样本处理完毕；

4b、根据每个聚类包含的所有样本计算出该聚类的质心，所述质心作为该聚类新的聚类中心；

4c、设定各新的聚类中心的方差门限，用新的聚类中心按照步骤4a和4b重新计算各样本的所属聚类和聚类中心，直到前后两次迭代的计算结果不变，或各聚类中心的方差小于设定门限，迭代收敛，停止内层循环；

4d、设定聚类中样本数门限，如果收敛后的聚类中样本数低于设定门限，则剔除该聚类，相应减少聚类数量k的值，同时，在外层循环中不再对该数量的聚类进行内层迭代循环；

步骤5：根据步骤2中所确定的种子数量的取值范围，改变种子数量k的取值，重复步骤3和步骤4，直到全部种子数都迭代完成；

步骤6：计算各种可能的种子取值下所得到的聚类结果，根据预定准则选择最佳结果作为最终的盲区数量，并确定最终输出结果；聚类后数据处理具体包括如下步骤：

6a、在2n+1次外层迭代结果中，根据预定准则确定最终聚类结果，并在以下各步骤中确定该聚类结果的具体属性；

6b、根据聚类内样本所属网络制式确定盲区类型和盲区网络制式；

6c、根据聚类内各样本点的所属小区标识确定该盲区的关联邻区集合；

6d、根据该盲区内样本点数和样本类型计算出盲区等级；

6e、计算本周期所侦测到的盲区的质心与上一周期所确定的各历史盲区的质心的欧氏距离，将所有与该盲区的距离小于设定门限的历史盲区都计为本盲区的关联历史盲区；

6f、根据上述各步骤处理结果，整理得到本周期最终的盲区侦测结果表，并输出盲区侦测结果。