论文部分内容阅读
随着现代社会进入大数据与移动互联网时代,移动端的业务数据量激增,导致移动通信网络负载大幅度增加,因此各大运营商为了提供更好的通信网络质量和用户体验,正大力建设LTE网络。现如今LTE网络已经基本在我国的各大城市普及,但是在LTE网络通信体系建设完毕的基础上,维护与优化工作将是重中之重。LTE网络十分复杂,仅靠人工操作无法及时地对通信网络故障进行及时排查与修复。而当今时代人工智能技术的飞速发展使得在通信网络维护与优化方面以人工智能替代人工操作提供了手段。本文基于此背景就LTE网络的自动化诊断与优化工作开展了研究。首先深入分析了 LTE网络架构,网络中连接网元节点之间的接口以及接口所使用的协议。在此基础上,重点分析了S1-U接口以及S1-U接口协议。同时对人工智能技术中的机器学习的发展和相关原理以及贝叶斯理论在各个领域中的应用做了简要介绍。分析表明,机器学习中的贝叶斯理论可以与LTE网络故障诊断相结合,实现LTE网络用户数据面的自动化故障诊断。重点分析了贝叶斯理论以及朴素贝叶斯理论的原理,通过UCI数据集验证朴素贝叶斯分类器性能。对LTE网络中常见的网络故障进行了分类,分析了 LTE网络用户数据面的关键性能指标。最终依据朴素贝叶斯理论、专家经验值和统计数据、网络故障类别和关键性能指标共同构建朴素贝叶斯分类器,并提出相应的离散化算法对具有连续变量属性的关键性能指标离散化,使得所有关键性能指标均为离散变量。最终完成LTE网络用户数据面的自动化故障诊断系统。利用自动化诊断系统发现LTE网络中的重叠覆盖区域。针对重叠覆盖问题,使用基于Case-BasedReasoning算法的思想计算现有数据与历史数据的数据相似度,实现天线电子下倾角的自动化优化。最后通过仿真验证表明,天线电子下倾角的自优化算法能有效减少重叠覆盖,提升网络吞吐量,优化用户感知。