模擬人體指紋的小區(qū)監(jiān)控技術(shù)研究

　　0 引言

　　MRR（測(cè)量報(bào)告記錄）通過(guò)收集來(lái)自客戶所使用的普通手機(jī)測(cè)量報(bào)告，對(duì)小區(qū)上下行的信號(hào)質(zhì)量、信號(hào)強(qiáng)度、TA、路徑損耗、功率控制等級(jí)等信息進(jìn)行分類(lèi)統(tǒng)計(jì)，實(shí)際反映了服務(wù)小區(qū)無(wú)線信號(hào)測(cè)量質(zhì)量。

　　在進(jìn)行網(wǎng)絡(luò)監(jiān)控和分析時(shí)具有統(tǒng)計(jì)全面、效率高等特點(diǎn)，同時(shí)也能反映客戶對(duì)網(wǎng)絡(luò)的真實(shí)感受。

　　傳統(tǒng)的MRR 主要應(yīng)用于兩種場(chǎng)景： 一是當(dāng)小區(qū)質(zhì)量出現(xiàn)故障時(shí)，用其輔助定位故障原因；另一就是在統(tǒng)計(jì)無(wú)線網(wǎng)絡(luò)質(zhì)量時(shí)，使用其中的統(tǒng)計(jì)數(shù)據(jù)（如上、下行信號(hào)強(qiáng)度，上、下行信號(hào)質(zhì)量）的均值來(lái)衡量全網(wǎng)或局部小區(qū)覆蓋以及質(zhì)量。這方面說(shuō)明了MRR 具有定位網(wǎng)絡(luò)故障和反映小區(qū)無(wú)線網(wǎng)絡(luò)質(zhì)量的作用。

　　筆者注意到，MRR 在網(wǎng)絡(luò)優(yōu)化上的作用還可以深入挖掘。本文擬通過(guò)研究挖掘MRR 本身的特性，提出一種基于這些特性建立類(lèi)似人體指紋的獨(dú)特性和穩(wěn)定性的小區(qū)“指紋”監(jiān)控模型，一旦小區(qū)“指紋”

　　發(fā)生變動(dòng)，即發(fā)出變動(dòng)或異常告警，幫助網(wǎng)絡(luò)優(yōu)化人員及時(shí)發(fā)現(xiàn)、分析和定位網(wǎng)絡(luò)異常。

　　1 MRR 功能和特性簡(jiǎn)介

　　MRR 是愛(ài)立信OSS（運(yùn)營(yíng)支撐系統(tǒng)）中的一個(gè)重要功能模塊，用于記錄特定時(shí)間和范圍內(nèi)的BSC（基站控制器） 所接收的所有無(wú)線通話測(cè)量報(bào)告，測(cè)量報(bào)告包括上行和下行，具體的數(shù)據(jù)有：

　　a）上行信號(hào)強(qiáng)度（RXLEVUL）：基站測(cè)量到的接收信號(hào)強(qiáng)度。

　　b）下行信號(hào)強(qiáng)度（RXLEVDL）：移動(dòng)臺(tái)測(cè)量到的接收信號(hào)強(qiáng)度。

　　c）上行信號(hào)質(zhì)量（RXQUALUL）：基站測(cè)量到的接收信號(hào)質(zhì)量。

　　d）下行信號(hào)質(zhì)量（RXQUALDL）：移動(dòng)臺(tái)測(cè)量到的接收信號(hào)質(zhì)量。

　　e）上行路徑損耗：反映從移動(dòng)臺(tái)到基站的路徑損耗。

　　f）下行路徑損耗：反映從基站到移動(dòng)臺(tái)的路徑損耗。

　　g）移動(dòng)臺(tái)的功率等級(jí)（MSPOWER）：反映移動(dòng)臺(tái)發(fā)射的功率。

　　h）基站收發(fā)信臺(tái)的功率等級(jí)（BSPOWER）：反映基站的發(fā)射功率。

　　i） 時(shí)間提前量（TA）： 反映移動(dòng)臺(tái)到基站的距離。

　　在無(wú)線環(huán)境和網(wǎng)絡(luò)硬件設(shè)備穩(wěn)定的情況下，小區(qū)MRR 各參數(shù)值雖在一定范圍內(nèi)變化， 但從統(tǒng)計(jì)上是相對(duì)穩(wěn)定的， 而且各個(gè)小區(qū)由于本身的性能差異和所處無(wú)線環(huán)境的不同， 這些參數(shù)值也是非常獨(dú)立各異的，這就類(lèi)似人體指紋的獨(dú)特性和穩(wěn)定性。

　　2 技術(shù)方案

　　為了能夠?qū)崿F(xiàn)利用MRR 達(dá)到對(duì)小區(qū)異常監(jiān)控的目的，本文將分三個(gè)部分進(jìn)行闡述：數(shù)據(jù)采集、建立小區(qū)“指紋”模型、異常告警呈現(xiàn)方式及處理。

　　2.1 建立小區(qū)“指紋”模型

　　建立基于MRR 的小區(qū)數(shù)據(jù)模型， 要先分析MRR 的數(shù)據(jù)結(jié)構(gòu)。MRR 數(shù)據(jù)結(jié)構(gòu)特征可以歸納為：

　　a）小區(qū)名：顧名思義，就是指定制了MRR 的小區(qū)識(shí)別名稱(chēng)。

　　b）參數(shù)名稱(chēng)：是指類(lèi)似上/ 下行信號(hào)強(qiáng)度、TA等參數(shù)名稱(chēng)。

　　c）時(shí)間段：MRR 采集的時(shí)間，可觀察到數(shù)據(jù)采集時(shí)長(zhǎng)。

　　d）采樣總報(bào)告數(shù)：指在規(guī)定的時(shí)間內(nèi)，采集到的用戶數(shù)據(jù)數(shù)目。

　　e）各個(gè)采樣點(diǎn)分布情況：針對(duì)不同的參數(shù)，系統(tǒng)依據(jù)對(duì)該參數(shù)事先設(shè)置的等級(jí)把MRR 上報(bào)的采樣點(diǎn)放入符合條件的等級(jí)中。

　　f）均值：取加權(quán)平均。

　　2.1.1 相關(guān)算法

　　MRR 數(shù)據(jù)本身已經(jīng)直接或間接地提供了各參數(shù)在某一時(shí)間段內(nèi)的均值，為了建立小區(qū)“指紋”的需要，本文提出了兩種算法。

　　1）均值算法：

　　該算法是直接取連續(xù)N 天內(nèi)（根據(jù)話務(wù)模型N通?？梢栽O(shè)置為7）MRR 參數(shù)平均值（ 這里用Ave_X （n） 代表每天MRR 參數(shù)平均值，n=1,2……N）。

　　然后再次進(jìn)行算術(shù)平均，得出平均值為：

　　2）區(qū)間分布算法

　　該算法是針對(duì)MRR 中小區(qū)參數(shù)采樣點(diǎn)分布的變化情況而設(shè)計(jì)， 可計(jì)算出某個(gè)小區(qū)MRR 參數(shù)某兩個(gè)值之間的采樣點(diǎn)分布情況，如圖1 所示。

　　圖1 陰影部分表示小于或等于某個(gè)參數(shù)值y 所占全部采樣點(diǎn)的比例p，所對(duì)應(yīng)具體算法是：

　　式（2） 中，T 表示總采樣點(diǎn)數(shù)，Ti表示某個(gè)采樣點(diǎn)。

　　進(jìn)一步，根據(jù)式（2），可以得到數(shù)天內(nèi)（假設(shè)為N天）p 的均值，所對(duì)應(yīng)的具體算法是：

　　式（3）中，pn代表第n 天某時(shí)段p 值。

　　2.1.2 建立小區(qū)“指紋”模型

　　有了前面的基礎(chǔ)理論，本節(jié)將探討小區(qū)“指紋”

　　模型的組成元素以及針對(duì)各元素可設(shè)置的閾值。