论文部分内容阅读
随着中国国民经济的迅猛发展,从1999年中国开始修建秦沈客运专线以来,中国高速铁路的发展突飞猛进。随着多条高速客运专线的相继开通,中国的高速铁路运营里程已经跃居世界第一位,真正意义上迈入了高速铁路的时代。由于高速铁路的迅速普及和客运人数的迅速增加,人们对于高速铁路通信质量有了更高的要求,也受到了世界各个通信组织的极大关注,世界各大运营商在高速铁路通信服务市场上相继展开角逐,中国电信凭借其策略和技术占据了优势,在多项指标上都取得了领先地位,完成了高速铁路CDMA网络的覆盖。由于公网CDMA实现高铁覆盖时具有复杂的网络结构,所以通过研究网络路测数据实现对CDMA网络的优化有重要的意义。本文在路测数据的分析中引入机器学习技术,并且结合历史数据对路测数据进行挖掘分析和建模,得到了一个本地化的路径传播损耗模型,同时,本文将机器学习技术用于高速铁路CDMA路测数据的分析,并提出了一种先“粗”后“细”的高速铁路CDMA网络路测数据的分析方法。首先,利用改进的K-means聚类方法将路测数据在粗粒度上实现了聚类,从而在粗粒度上确定了故障范围；然后利用支持向量机的方法在细粒度上实现了故障定位分析,从而实现了从路测数据预处理到故障定位的完整的过程。本文在该方法的基础上开发了一套完整的高速铁路CDMA网络路测数据分析系统,该CDMA路测分析系统在实际的高速铁路CDMA网络路测数据的分析中体现了较好的分析效果,对于高速铁路CDMA网络的优化覆盖有很重大的实际意义。