[发明专利]基于PCA与二维偏度特征的LTE上行干扰分类方法

权利要求书

1.一种基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，包括如下步骤：

步骤一、收集并整理LTE基站上行干扰分类数据，得到PRB干扰电平数据矩阵，PRB干扰电平数据矩阵包含PRB干扰电平特征与标签数据；

步骤二、对PRB干扰电平特征与标签数据进行数据预处理；

步骤三、利用主成分分析PCA对PRB干扰电平特征进行降维处理得到PCA降维特征，同时对PRB干扰电平特征提取二维偏度特征群；

所述二维偏度特征计算方式如下：

其中分别表示某一个干扰电平点x轴和y轴的值，，n为基站端配置的RB数，平移修正值，，表示所有RB对应干扰电平的最小值，为原始干扰电平值，为原始干扰电平值中第i个干扰电平值；

所述二维偏度特征群是对干扰电平数据x轴和y轴进行变换后得到的二维偏度特征组合，其计算方式如下：

其中表示对进行逆序处理，表示对x取对数；

步骤四，采用机器学习方法进行LTE上行干扰分类，设置不同机器学习模型各个参数范围及其搜索步长，根据各个干扰类型分类性能指标ROC曲线下面积估算值AUC值及模型综合性能指标Macro-Average AUC值选择最优参数和模型，并保存模型运用于应用模块；

步骤五，应用阶段调用基站后台接口获得小区PRB干扰数据，移除存在缺失数据的记录，统计小区PRB干扰电平平均值，对小于阈值的小区判断为无干扰小区；

所述的小区PRB干扰电平平均值计算方式如下：

；

步骤六，若步骤五中确定为有干扰小区，则重复步骤三提取干扰特征，并导入步骤四得到的模型进行分类预测，预测概率最大的干扰类型即为分类结果。

2.根据权利要求1所述的基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，所述的LTE基站上行干扰分类数据是指PRB上行干扰电平数据及排查后分类结果。

3.根据权利要求1所述的基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，步骤三中，对PRB干扰电平特征进行PCA降维后保留方差占比为99%。

4.根据权利要求1所述的基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，步骤三中，对PRB干扰电平特征提取二维偏度特征群和PCA降维特征，组成PCA-二维偏度组合特征。

5.根据权利要求1所述的基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，步骤四中，参数搜索采用线性固定步长搜索。

6.根据权利要求1所述的基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，步骤四中进行模型训练，能在线下进行，模型应用能应用于线上或线下场景。

7.根据权利要求1所述的基于PCA与二维偏度特征的LTE上行干扰分类方法，其特征是，所述的无干扰小区是指PRB干扰电平平均值小于阈值的小区。