模擬人體指紋的小區監控技術(shù)研究

　　0 引言

　　MRR（測量報告記錄）通過(guò)收集來(lái)自客戶(hù)所使用的普通手機測量報告，對小區上下行的信號質(zhì)量、信號強度、TA、路徑損耗、功率控制等級等信息進(jìn)行分類(lèi)統計，實(shí)際反映了服務(wù)小區無(wú)線(xiàn)信號測量質(zhì)量。

　　在進(jìn)行網(wǎng)絡(luò )監控和分析時(shí)具有統計全面、效率高等特點(diǎn)，同時(shí)也能反映客戶(hù)對網(wǎng)絡(luò )的真實(shí)感受。

　　傳統的MRR 主要應用于兩種場(chǎng)景： 一是當小區質(zhì)量出現故障時(shí)，用其輔助定位故障原因；另一就是在統計無(wú)線(xiàn)網(wǎng)絡(luò )質(zhì)量時(shí)，使用其中的統計數據（如上、下行信號強度，上、下行信號質(zhì)量）的均值來(lái)衡量全網(wǎng)或局部小區覆蓋以及質(zhì)量。這方面說(shuō)明了MRR 具有定位網(wǎng)絡(luò )故障和反映小區無(wú)線(xiàn)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)似人體指紋的獨特性和穩定性的小區“指紋”監控模型，一旦小區“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、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（運營(yíng)支撐系統）中的一個(gè)重要功能模塊，用于記錄特定時(shí)間和范圍內的BSC（基站控制器） 所接收的所有無(wú)線(xiàn)通話(huà)測量報告，測量報告包括上行和下行，具體的數據有：

　　a）上行信號強度（RXLEVUL）：基站測量到的接收信號強度。

　　b）下行信號強度（RXLEVDL）：移動(dòng)臺測量到的接收信號強度。

　　c）上行信號質(zhì)量（RXQUALUL）：基站測量到的接收信號質(zhì)量。

　　d）下行信號質(zhì)量（RXQUALDL）：移動(dòng)臺測量到的接收信號質(zhì)量。

　　e）上行路徑損耗：反映從移動(dòng)臺到基站的路徑損耗。

　　f）下行路徑損耗：反映從基站到移動(dòng)臺的路徑損耗。

　　g）移動(dòng)臺的功率等級（MSPOWER）：反映移動(dòng)臺發(fā)射的功率。

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

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

　　在無(wú)線(xiàn)環(huán)境和網(wǎng)絡(luò )硬件設備穩定的情況下，小區MRR 各參數值雖在一定范圍內變化， 但從統計上是相對穩定的， 而且各個(gè)小區由于本身的性能差異和所處無(wú)線(xiàn)環(huán)境的不同， 這些參數值也是非常獨立各異的，這就類(lèi)似人體指紋的獨特性和穩定性。

　　2 技術(shù)方案

　　為了能夠實(shí)現利用MRR 達到對小區異常監控的目的，本文將分三個(gè)部分進(jìn)行闡述：數據采集、建立小區“指紋”模型、異常告警呈現方式及處理。

　　2.1 建立小區“指紋”模型

　　建立基于MRR 的小區數據模型， 要先分析MRR 的數據結構。MRR 數據結構特征可以歸納為：

　　a）小區名：顧名思義，就是指定制了MRR 的小區識別名稱(chēng)。

　　b）參數名稱(chēng)：是指類(lèi)似上/ 下行信號強度、TA等參數名稱(chēng)。

　　c）時(shí)間段：MRR 采集的時(shí)間，可觀(guān)察到數據采集時(shí)長(cháng)。

　　d）采樣總報告數：指在規定的時(shí)間內，采集到的用戶(hù)數據數目。

　　e）各個(gè)采樣點(diǎn)分布情況：針對不同的參數，系統依據對該參數事先設置的等級把MRR 上報的采樣點(diǎn)放入符合條件的等級中。

　　f）均值：取加權平均。

　　2.1.1 相關(guān)算法

　　MRR 數據本身已經(jīng)直接或間接地提供了各參數在某一時(shí)間段內的均值，為了建立小區“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N 天內（根據話(huà)務(wù)模型N通?？梢栽O置為7）MRR 參數平均值（ 這里用Ave_X （n） 代表每天MRR 參數平均值，n=1,2……N）。

　　然后再次進(jìn)行算術(shù)平均，得出平均值為：

　　2）區間分布算法

　　該算法是針對MRR 中小區參數采樣點(diǎn)分布的變化情況而設計， 可計算出某個(gè)小區MRR 參數某兩個(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)參數值y 所占全部采樣點(diǎn)的比例p，所對應具體算法是：

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

　　進(jìn)一步，根據式（2），可以得到數天內（假設為N天）p 的均值，所對應的具體算法是：

　　式（3）中，pn代表第n 天某時(shí)段p 值。

　　2.1.2 建立小區“指紋”模型

　　有了前面的基礎理論，本節將探討小區“指紋”

　　模型的組成元素以及針對各元素可設置的閾值。