[发明专利]蜂窝系统中指纹识别根本原因分析

说明书

一种处理器实现的方法，用于识别无线网络中网络质量劣化的根本原因。该方法包括访问网络的历史性能数据，所述性能数据包括所述网络的性能指标的时序度量。根据所述方法，评估所述历史性能数据来确定指标之间定期出现的关联，以定义表征所述无线网络的关联的规则集合，并将所述规则集合存储在数据结构中。通过访问分析数据，监测所述无线网络，所述分析数据上报时序性能指标数据。接下来，探测所述分析数据的性能指标中的异常，并将所述异常与所述规则集合中的至少一条规则进行匹配。根据所述方法，输出由所述性能指标中的异常导致的所述无线网络劣化的原因的指示。

相关申请案交叉引用

本专利申请要求于2016年1月8日提交的、题为“蜂窝系统中指纹识别的根本原因分析”、申请号为14/991,598的美国非临时专利申请的优先权，其全部内容，如同再现，通过引用并入本文。

背景技术

蜂窝网络的性能受诸如数据与语音业务负载、RF覆盖、小区间干扰水平、用户位置和硬件故障等一系列因素的影响。在很多情况下，蜂窝网络中一些无线小区的性能可能会出现异常，而由这些小区服务的移动用户将经历糟糕的用户体验。糟糕的用户体验将引起客户的不满。作为一种补救措施，运营商往往需要对异常行为进行检测，然后采取措施以解决问题。传统上，运营商依靠网络专家分析特定小区的行为来识别根本原因。用于无线蜂窝网络的根本原因分析的传统方法通常是基于相关性研究或严重依赖于工程知识。这样的方法通常本质上是探索的，一般难以量化其准确性。这些方法也非常耗时。如果不耗费几天，也可能需要耗费几个小时来识别性能劣化的根本原因。

发明内容

一个方面包括一种由处理器实现的方法，用于识别无线网络中网络质量劣化的根本原因。该方法包括：访问网络的历史性能数据，所述性能数据包括所述网络的性能指标的时序度量。该方法进一步包括：评估所述历史性能数据来确定指标之间定期出现的关联，以定义表征所述无线网络的关联的规则集合，并将所述规则集合存储在数据结构中。在进行所述评估之后，所述方法包括：通过访问分析数据监测所述无线网络，所述分析数据上报时序性能指标数据。接下来，所述方法包括：检测所述分析数据的性能指标中的异常，并将所述异常与所述规则集合中的至少一条规则进行匹配。该方法提供输出由所述性能指标中的异常导致的所述无线网络劣化的原因的指示。

根据一种实施方式，所述评估包括：使用关联学习算法来确定所述指标之间定期出现的关联。

根据一种实施方式，所述评估包括：应用Apriori算法、FN算法或ECLAT算法中的一个，并根据提升度(lift)对所述评估的输出进行排序。

根据一种实施方式，在所述评估之后，所述方法还包括：确定其他性能指标中的一个或多个共现异常，并且，其中所述将所述异常与至少一条规则进行匹配的步骤，包括：访问所述数据结构，并使用k-最近邻算法(k-nearest neighbor algorithm)确定所述异常、任何共现异常以及所述数据结构中的规则之间的相似性。

根据一种实施方式，所述输出包括：针对性能指标列出异常的一个或多个阈值，并针对每个阈值，列出一个或多个根本原因分类以及所述一个或多个根本原因分类中的每一个对所述网络的影响量的指示。

根据一种实施方式，所述历史数据和所述分析数据均包括量化的关键质量指标与关键性能指标的集合。

根据一种实施方式，所述方法还包括：调整所述网络的元件，以解决由所述输出识别的根本原因。