一种移动通信网络干扰优化处理方法、装置、设备及介质与流程

摘要: 本公开涉及通信,特别涉及一种移动通信网络干扰优化处理方法、装置、设备及介质。背景技术:1、移动通信网络可应用于各类通信场景,例如5g专网可面向工业互联网、智慧医...
一种移动通信网络干扰优化处理方法、装置、设备及介质与流程

本公开涉及通信,特别涉及一种移动通信网络干扰优化处理方法、装置、设备及介质。

背景技术:

1、移动通信网络可应用于各类通信场景,例如5g专网可面向工业互联网、智慧医疗、智能交通等行业搭建专用通信网络,这类行业移动通信网络对通信稳定性、实时性和可靠性要求极高。移动通信网络运行过程中容易受到各类无线信号扰动影响,容易造成终端速率下降、时延增加、卡顿丢包等现象,大幅降低各类通信业务的使用体验。

2、然而,现有的移动通信网络干扰优化处理方法存在以下技术缺陷:

3、(1)数据采集维度不全。现有技术仅采用少量单一类型数据开展分析,未做多维度数据融合采集,导致干扰特征刻画不全面,进而影响后续干扰类型识别和干扰源定位的精度。

4、(2)缺乏干扰预判能力。现有技术仅在干扰发生且满足触发条件后才启动优化流程,无法在干扰发生之前预先判定是否触发干扰优化处理流程,缺乏对干扰的主动预判和提前规避能力。

技术实现思路

1、本公开提供一种移动通信网络干扰优化处理方法、装置、设备及介质,用以解决现有的移动通信网络干扰优化处理方法存在数据采集维度不全、缺乏干扰预判能力的问题。

2、第一方面,本公开提供了一种移动通信网络干扰优化处理方法,该方法包括:

3、获取移动通信网络的多维度原始数据,多维度原始数据至少包括终端多维数据;

4、对多维度原始数据进行预处理,得到预处理后的多源数据;

5、将预处理后的多源数据输入预先训练好的干扰预判模型,得到干扰发生概率及干扰等级,并根据干扰发生概率和/或干扰等级预先判定是否触发干扰优化处理流程;

6、响应于触发干扰优化处理流程,提取预处理后的多源数据中的多源特征,将多源特征输入预先训练好的干扰类型识别模型,识别对应的干扰类型;

7、基于终端多维数据及干扰类型,从多个终端中筛选出受干扰影响的性能劣化终端;

8、基于预处理后的多源数据及性能劣化终端的位置信息,确定干扰源的位置;

9、根据干扰源的位置及干扰类型,从预设的优化方案库中匹配并输出对应的干扰优化处理方案,执行干扰优化处理方案。

10、进一步地,多维度原始数据还包括空口资源数据、环境感知数据和网络拓扑数据,获取移动通信网络的多维度原始数据包括:

11、采集移动通信网络的空口资源数据、环境感知数据、网络拓扑数据和终端多维数据。

12、进一步地,根据干扰发生概率和/或干扰等级预先判定是否触发干扰优化处理流程包括:

13、当干扰发生概率大于或等于第一预设阈值时,判定在第一预设时长内触发干扰优化处理流程,并同时启动主动防御机制;

14、当干扰发生概率大于或等于第二预设阈值且小于第一预设阈值时,判定在第二预设时长内触发干扰优化处理流程,其中,第一预设时长小于第二预设时长;

15、当干扰发生概率小于第二预设阈值时,判定不触发干扰优化处理流程。

16、进一步地,根据干扰发生概率和/或干扰等级预先判定是否触发干扰优化处理流程包括:

17、当干扰发生概率大于或等于第一预设阈值,或者干扰等级为重度干扰时,判定在第一预设时长内触发干扰优化处理流程,并同时启动主动防御机制;

18、当干扰发生概率大于或等于第二预设阈值且小于第一预设阈值,且干扰等级为中度干扰时,判定在第二预设时长内触发干扰优化处理流程,其中,第一预设时长小于第二预设时长;

19、当干扰发生概率小于第二预设阈值且干扰等级为轻度或无干扰时,判定不触发干扰优化处理流程。

20、进一步地,提取预处理后的多源数据中的多源特征,将多源特征输入预先训练好的干扰类型识别模型,识别对应的干扰类型包括:

21、提取预处理后的多源数据中的空口特征、环境特征、网络特征和终端特征;

22、将空口特征、环境特征、网络特征和终端特征输入干扰类型识别模型,得到对应的干扰类型,其中,干扰类型包括系统内干扰、系统间干扰、环境干扰、人为干扰中的至少一种。

23、进一步地,基于终端多维数据及干扰类型,从多个终端中筛选出受干扰影响的性能劣化终端包括:

24、获取多个终端中每个终端对应的业务类型和终端型号;

25、根据业务类型和终端型号,确定每个终端对应的性能基准值,性能基准值基于历史无干扰数据预先建立;

26、从终端多维数据中获取每个终端的当前核心性能指标,以及与干扰类型匹配的当前辅助指标;

27、将每个终端的当前核心性能指标与对应的性能基准值进行比对,判断是否满足核心判定条件;

28、将每个终端的当前辅助指标与干扰类型预设的辅助阈值进行比对,判断是否满足辅助判定条件;

29、针对每个终端,若终端满足至少一个核心判定条件且满足至少一个辅助判定条件,则判断终端为性能劣化终端。

30、进一步地,基于预处理后的多源数据及性能劣化终端的位置信息,确定干扰源的位置包括:

31、从预处理后的多源数据中获取网络拓扑数据;

32、根据网络拓扑数据与性能劣化终端的位置信息,确定干扰源搜索范围;

33、在搜索范围内采用混合定位方式,先执行第一定位过程以缩小候选区域完成粗定位,再在缩小后的候选区域内执行第二定位过程以完成精定位;其中,第二定位过程的搜索精度高于第一定位过程的搜索精度;

34、基于预设的动态权重多目标评价函数,衡量搜索范围内各候选位置与干扰特征的匹配程度,并根据评价函数结果确定干扰源坐标位置。

35、进一步地,预设的优化方案库为干扰优化知识图谱,根据干扰源的位置及干扰类型,从预设的优化方案库中匹配并输出对应的干扰优化处理方案包括:

36、获取移动通信网络对应的当前场景类型;

37、根据干扰源的位置、干扰类型和当前场景类型,从干扰优化知识图谱中匹配对应的干扰优化处理方案。

38、进一步地,执行干扰优化处理方案之后,还包括:

39、采集执行干扰优化处理方案后的终端性能数据;

40、根据终端性能数据,确定干扰优化处理方案的优化效果评价结果;

41、根据优化效果评价结果,更新干扰优化知识图谱中干扰优化处理方案的匹配优先级,或在干扰优化知识图谱中补充新的优化处理方案。

42、第二方面,本公开提供了一种移动通信网络干扰优化处理装置,所述装置包括:

43、多维数据获取模块,用于获取移动通信网络的多维度原始数据,多维度原始数据至少包括终端多维数据;

44、数据预处理模块,与多维数据获取模块连接,用于对多维度原始数据进行预处理,得到预处理后的多源数据;

45、优化处理预判模块,与数据预处理模块连接,用于将预处理后的多源数据输入预先训练好的干扰预判模型,得到干扰发生概率及干扰等级,并根据干扰发生概率和/或干扰等级预先判定是否触发干扰优化处理流程;

46、干扰类型识别模块,与优化处理预判模块连接,用于响应于触发干扰优化处理流程,提取预处理后的多源数据中的多源特征,将多源特征输入预先训练好的干扰类型识别模型,识别对应的干扰类型;

47、劣化终端筛选模块,与干扰类型识别模块连接,用于基于终端多维数据及干扰类型,从多个终端中筛选出受干扰影响的性能劣化终端;

48、干扰源位置确定模块,与劣化终端筛选模块连接,用于基于预处理后的多源数据及性能劣化终端的位置信息,确定干扰源的位置;

49、干扰优化处理模块,与干扰源位置确定模块连接,用于根据干扰源的位置及干扰类型,从预设的优化方案库中匹配并输出对应的干扰优化处理方案,执行干扰优化处理方案。

50、第三方面,本公开提供了一种电子设备,所述电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序,一个或多个所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面所述的移动通信网络干扰优化处理方法。

51、第四方面,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序在被处理器执行时实现上述第一方面所述的移动通信网络干扰优化处理方法。

52、本公开所提供的移动通信网络干扰优化处理方法、装置、设备及介质,通过获取至少包括终端多维数据的多维度原始数据并进行预处理,丰富了干扰特征刻画的数据基础,使得后续处理能够综合反映多方面的干扰影响因素;基于预处理后的多源数据通过干扰预判模型计算干扰发生概率及干扰等级,并根据所述干扰发生概率及干扰等级预先判定是否触发干扰优化处理流程,能够在干扰实际影响业务之前启动优化处理,实现了从被动响应到主动预判的转变,有效减少了干扰对业务的影响;在触发流程后识别干扰类型并筛选性能劣化终端,进而确定干扰源的位置并从预设的优化方案库中匹配执行优化处理方案,形成从数据采集、预判、定位到优化执行的完整处理链条,提升了移动通信网络干扰优化处理的全面性和时效性。解决了现有的移动通信网络干扰优化处理方法存在数据采集维度不全、缺乏干扰预判能力的问题。