[发明专利]一种基于改进局部异常因子的无线节点故障诊断方法

权利要求书

1.一种基于改进局部异常因子的无线节点故障诊断方法，其特征在于，包括如下步骤：

(1)云端网络管理中心定期收集基站信息和用户设备状态信息并检查网络状况；其中，基站信息包括：业务数量、用户切入次数和功率；用户设备状态信息包括：信号接收功率、信号噪声比和信号接收质量；

(2)当基站发生中断时，基站主动发送故障信息至云端网络管理中心，执行步骤(6)；否则，执行步骤(3)；

(3)云端网络管理中心根据收集的基站信息，通过门限识别故障的基站，初步得到异常基站簇；具体包括以下步骤：

(301)云端网络管理中心根据基站的业务数量、用户切入次数和功率，基于过去的正常数据和当前获取的数据，分别计算每个基站所有指标的偏差，如果存在设定数量指标的偏差值超过指定门限，则初步判断基站存在异常，否则继续监测；

(302)将异常基站的偏差分类为正向和反向；

(303)基于地理位置信息，判断异常基站的空间分布一致性，如果一致，则将偏差为反向的异常基站设定为潜在的异常基站，初步得到异常基站簇，当在指定范围内存在指定数量及以上偏差为正向的异常基站时，遍历每一个偏差为正向的异常基站的邻区列表，分别形成站点簇，将所有站点簇做交集初步得到异常基站簇；其中，邻区列表指的是在每一个基站中存储的与其相邻的基站的列表；

(4)云端网络管理中心结合收集的用户设备状态信息，采用局部异常因子算法对初步得到的异常基站簇进行异常聚类，进一步得到多组异常的基站簇；

具体为：

对获取的用户设备状态信息，进行如下操作：

data＝(data_old-val)/std

其中，data为处理之后的数据，data_old为原始数据，val为原始数据的均值，std为原始数据的标准差；

将处理后的用户设备状态信息两两组成一组作为一个数据点，每一个数据点作为用户设备的坐标点，每一种组合都采用以下方式进行计算：

对于任意两个不同的用户设备V_i和O，设两者的属性值分别为(x_i,y_i)和(x_j,y_j)，则两者的距离为：

引入空间权重函数，计算近邻节点测量值的权重：

则任意两个不同的用户设备V_i和O的实际距离为：

其中，d(V_i,O)表示对象V_i和O之间的距离，δ为该函数事先给定的宽度参数，通过调节δ可调节d(V_i,O)随着实际距离变化的程度，对象V_i表示任一用户设备，对象O为除去对象V_i后的所有用户设备；

定义对象V_i和对象O之间的k可达距离rd_k(V_i,O)为d_k(V_i)以及对象V_i和对象O之间实际距离的最大值，其计算公式为：

rd_k(V_i,O)＝max{d_k(V_i),d(V_i,O)}

其中，对象V_i的k可达距离d_k(V_i)表示与对象V_i第k临近的邻居用户设备的距离，k为设定值；

计算对象V_i的局部可达密度lrd_k(V_i)：

其中，N_k(V_i)表示由所有和V_i距离小于d_k(V_i)的对象组成的集合，lrd_k(V_i)反映出对象V_i与周围的点之间的疏密关系；

计算对象V_i的局部离群因子LOF_k(V_i)：

lrd_k(P)表示对象P的局部可达密度，LOF_k(V_i)表示对象V_i的邻域点集合N_k(V_i)中的点局部可达密度和对象V_i的局部可达密度的比值的平均值；如果比值的平均值为1，则对象V_i和其邻域中的点属于同一簇，如果比值的平均值小于1，则对象V_i的密度高于其邻域中的点的密度，如果比值的平均值大于1，则V_i的密度小于其邻域中的点密度，对象V_i设定为异常用户设备；

查询异常用户设备连接的基站为存在异常的基站，遍历所有的异常用户设备得到存在异常的基站簇；

对于每一种用户设备状态信息的组合对应获取一个异常基站簇，得到多组异常基站簇；

(5)结合步骤(4)所获得的多组异常基站簇，对异常基站按照出现次数从高到低排列，选择被诊断次数最多的基站作为最终的故障站点集，结束本流程；其中，故障站点集的数量依据云端网络管理中心设定的故障基站处理数量阈值而定；

(6)云端网络管理中心为出现故障的基站制定解决方案并执行。