一种使用神经网络实现无线网络故障检测的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108366386A(43)申请公布日2018.08.03(21)申请号201810449148.1(22)申请日2018.05.11(71)申请人东南大学地址211100江苏省南京市江宁区东南大学路2号(72)发明人刘楠王玉婷潘志文尤肖虎(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人向文(51)Int.Cl.H04W24/04(2009.01)G06N3/04(2006.01)权利要求书4页说明书5页附图1页(54)发明名称一种使用神经网络实现无线网络故障检测的方法(57)摘要本发明公开了一种使用改进的径向基函数神经网络实现无线网络故障检测的方法，以实现对非线性可分的用户数据更好的分类。本发明应用了决策树基学习器和bagging方法从空间和时间维度的用户数据中进行特征选择，并应用结合了突变操作的人工蜂群算法实现神经网络参数的全局最优化，从而提升神经网络分类器的性能，分布式协作的检测方法引入了相邻基站的监测功能，提高了检测准确率也减少了数据传输消耗，在密集分布、用户稀疏的小型基站故障检测问题中取得了理想的性能。CN108366386ACN108366386A权利要求书1/4页1.一种使用改进的径向基函数神经网络实现无线网络故障检测的方法，其特征在于：包括如下步骤：1)首先考虑检测过程的触发，神经网络中各个神经元并行运算，通过网络A2、A3事件触发基站功率衰减故障的检测过程；2)对于毫微微基站而言，被触发的待检测基站通过基站间接口通知邻区执行协作检测，邻区基站通过神经网络分类器分布式地处理相关用户数据，将分类结果告知被检测基站，由被检测基站统计分类报告，最后得到异常基站检测结果；3)在测试检测前，我们在毫微微基站中存储参考场景下基站自身的采样数据集，对训练数据集的空间和时间用户数据执行特征子集选择，并训练径向基函数神经网络分类器，使用带有突变操作的人工蜂群算法对神经网络的参数学习过程进行优化。2.根据权利要求1所述的一种使用改进的径向基函数神经网络实现无线网络故障检测的方法，其特征在于：所述步骤2)具体包括如下流程：在故障检测阶段，被触发检测的基站通知其相邻基站运行检测算法，并将检测结果反馈回待测基站进行最终决策。每个基站利用其服务用户的报告数据可以对多个邻区执行协作检测，即神经网络输出层各个神经元的计算结果。对于某个特定的目标基站，仅需要计算其对应的神经元的输出结果，并报告给目标基站。由于参考数据标记类别为{0,1}，目标基站收集协作基站的检测报告，将结果低于0.5的标记为正常，反之标记为异常，则目标基站的运行状态由标记数目较多的类别决定。3.根据权利要求1所述的一种使用改进的径向基函数神经网络实现无线网络故障检测的方法，其特征在于：所述步骤3)中具体的步骤依次包括特征降维、神经网络建模和参数优化过程。4.根据权利要求3所述的一种使用改进的径向基函数神经网络实现无线网络故障检测的方法，其特征在于：所述特征降维包括如下步骤：1.1)对于特定的目标待测基站f，样本集Df中样本数据x可以表示为其中，CT1为待测基站当前时刻的RSRP记录，为相邻小区当前时刻的RSRP记录，为用户对待测基站历史时刻的RSRP记录，n1和n2分别为基站特征和历史时刻特征数目；1.2)对于取值连续的RSRP特征数据，采用二分法进行离散化处理，同时，由于用户设备测量值范围有限导致缺失属性值的数据将以不同的概率划分到不同子节点。C4.5算法采用了启发式的节点选择法，即先找出信息增益高于平均水平的属性，再从中选择具有最大信息增益率的属性。含有缺失值的属性的数据信息增益可以表示为：其中，样本集Df中无缺失值样本子集的信息熵无缺失值样本率ρ、中取2CN108366386A权利要求书2/4页值为av的样本率中类别为k的样本率可以表示为：当样本x在属性a上的取值未知时，将样本x划入所有子节点，并将样本x初始化为1的决策树权值wx更新为1.3)使用决策树作为基学习器，并通过Bagging生成特征子集，将生成的采样集用于训练特征选择决策树基学习器，将初始数据集中剩下的数据用作验证集，评估基学习器的泛化性能。计算决策树节点对应的属性a在分类问题中的权重Wa表示为：其中，l是决策树节点所在的层数，取根节点对应的l＝1，t为决策树集合T中的一个决策树解，Vtc为t的验证集Vt中正确分类的样本集，alt在属性a存在于树t的l层时取1，否则取0。1.4)将用户对各个相邻基站的RSRP测量值及对服务基站各个时刻的RSRP测量值上报。5.根据权利要求3所述的一种使用改进的径向基函数神经网络实现无线网络故障检测的方法，其特征在于：所述神经网络建模的具体流程如下：2.1)径向基函数神经网络是