基于扫频与网络测试融合数据的5G-R异常网格干扰识别评估方法与流程

摘要: 本发明涉及5g-r网络数据分析,更具体的说,是涉及基于扫频与网络测试融合数据的5g-r异常网格干扰识别评估方法。背景技术:1、无线扫频是无线网络优化中不可或缺的...
基于扫频与网络测试融合数据的5G-R异常网格干扰识别评估方法与流程

本发明涉及5g-r网络数据分析,更具体的说,是涉及基于扫频与网络测试融合数据的5g-r异常网格干扰识别评估方法。

背景技术:

1、无线扫频是无线网络优化中不可或缺的环节,通过对接收频段进行连续扫描,采集各频点的接收信号强度(rssi)、信噪比等指标,用于评估网络覆盖情况。扫频仪通常还支持色码解析(解析bcch/bch信道中的色码信息),帮助识别信号来源小区。在铁路场景中,扫频测试用于验证沿线5g-r基站的覆盖范围和信号质量;5g-r网络测试需要采集和分析信令消息、无线参数(服务小区、邻区、调度类、速率类等);当前铁路无线通信领域正处于向5g-r演进的关键时期,现场网络优化与维护工作面临如下技术问题:

2、(1)、多设备携带不便、配置复杂导致数据割裂、无法关联分析;传统无线网络优化作业中,扫频测试和网络测试分别由独立的仪表设备承担;扫频仪负责频谱扫描和色码解析,网络测试仪负责信令监控和无线参数采集,测试人员需要同时携带两台或多台设备,扫频数据与网络测试数据分别存储在不同设备中,时间基准不统一、空间位置信息难以对齐。当网络出现覆盖盲区或干扰问题时,测试人员需要手动对比两套数据,无法实现实时关联分析,问题定位耗时长、准确率低;

3、(2)、现场实时分析能力欠缺;传统仪表仅完成数据采集,分析工作依赖现有的分析方法,在现场快速频谱监测和网络分析场景中,测试人员难以定位异常网格干扰源及评估干扰影响程度,导致不能及时对网络线路进行改造维修。

4、本发明旨在提供融合无线扫频与5g-r网络测试的多源数据分析方法,通过将无线扫频数据与5g-r网络测试数据进行多维度融合,实现对5g-r异常网格干扰识别评估一体化的网络质量诊断。

技术实现思路

1、具体,本发明提供基于扫频与网络测试融合数据的5g-r异常网格干扰识别评估方法,包括如下步骤:

2、s1、获取扫频数据及网络测试数据,对所述数据进行处理且时间对齐,从而获得融合数据帧;

3、s2、获取网络路线的扫频覆盖指标序列及网络质量指标序列,并计算得到加权pearson相关系数r,进行频谱覆盖与网络质量关联分析,确定区域网络受限类型;

4、s3、利用覆盖-质量偏差指数dqi对异常网格单元进行分析识别,在识别时,根据确定的区域网络受限类型确定覆盖-质量偏差指数dqi分析的关联强度和分析优先级;

5、s4、基于异常网格单元识别结果,当识别出高覆盖低质量异常网格单元时,利用扫频数据的频谱特征进行干扰频段及干扰类型判定,并定位干扰源;

6、s5、基于获得的干扰源位置,进行干扰影响评估,获得干扰对5g-r网络性能的影响严重程度排序;

7、s6、根据干扰对5g-r网络性能的影响严重程度,对异常网格单元进行整改,并对整改前后的异常网格单元的网络质量进行综合评估,通过综合评估判断整改效果。

8、进一步的,步骤s4包括:

9、s401、当识别出高覆盖低质量异常网格单元时,进行干扰频段识别;

10、以异常网格单元中心点为圆心,取‌半径200m~500m‌的圆形区域作为扫频分析范围,计算各频点的频谱占用度so:

11、;

12、其中,f代表待分析的特定频点;t代表统计时间窗口内的采样总次数;level(f,t)代表时刻t在频点f上接收到的电平指示;i{.}代表指示函数,当条件满足时值为1,否则为0;代表干扰判定门限;

13、若某个频点的频谱占用度低于10%,则代表频段空闲;若某个频点的频谱占用度大于70%时,判定该频点存在显著干扰源,将其列入干扰频点集合;若某个频点的频谱占用度在10%-70%之间,则判定为正常的频谱状态;

14、s402、对于干扰频点集合中的干扰频点,进行干扰类型分类:

15、当干扰频点落入5g-r下行频段且干扰频点上扫频仪解调出的pci与当前异常网格单元对应的服务小区pci不同时,视为同频干扰,发生的典型场景为相邻基站越区覆盖;

16、当干扰频点与5g-r频段的频率间隔<5mhz时,视为邻频干扰,发生的典型场景为公网运营商邻频泄漏;

17、当干扰频点在5g-r频段以外但频谱占用度值>70%时,视为带外干扰,发生的典型场景为工业设备电磁辐射;

18、s403、基于获取的干扰类型,针对带外干扰及来源不明的邻频干扰,利用到达时间差tdoa进行干扰源定位。

19、进一步的,网络路线的扫频覆盖指标序列及网络质量指标序列的获取方法为:

20、获取网格单元g的扫频覆盖指标及网络质量指标:

21、;

22、;

23、其中,代表网格单元g的扫频覆盖指标,mean代表对满足条件的全部采样点做算术平均;level(t)代表采样点测量得到的电平值,lon(t)、lat(t)分别代表采样点的经度、纬度,代表网格单元g的网络质量指标;α、β、γ为权重系数,normalize()为min-max归一化函数;ss-rsrp代表同步信号参考信号接收功率,ss-sinr代表信噪干噪比,mac_thpt_dl、mac_thpt_ul分别代表mac层下行、上行吞吐量;

24、将所有有效网格单元的扫频覆盖指标、网络质量指标按网格编号顺序排列,得到扫频覆盖指标序列{}及网络质量指标序列{}。

25、进一步的,加权pearson相关系数r的计算公式为:

26、;

27、其中,为第i个网格单元的权重,所述权重取该网格内数据点数量的对数;和分别为扫频覆盖指标、网络质量指标的加权均值;m为有效网格单元的总数;代表{}‌中第i个网格单元元素;代表{}‌中第i个网格单元元素;

28、基于加权pearson相关系数r进行频谱覆盖与网络质量关联分析,确定区域网络受限类型:

29、当0.8 < r ≤ 1.0‌,代表覆盖与网络质量是极强正相关,网络状态是覆盖受限型;

30、当0.5 < r ≤ 0.8‌,代表覆盖与网络质量是强正相关,网络状态是混合受限型;

31、当0.0 ≤ r ≤ 0.5‌‌,代表覆盖与网络质量是弱相关/无相关,网络状态是‌‌干扰或容量受限型;

32、当-1.0 ≤ r < 0.0‌‌‌,代表覆盖与网络质量是负相关,网络状态是‌‌‌异常场景。

33、进一步的,利用覆盖-质量偏差指数dqi对异常网格单元进行分析识别的方法为:

34、定义覆盖-质量偏差指数dqi为:

35、;

36、当dqi(g) > 时,标记为高覆盖低质量网格单元,提示可能存在干扰或硬件故障;当<dqi(g) <,标记为正常网格单元;当dqi(g) <时,标记为低覆盖高质量网格单元,提示可能存在信号泄漏或越区覆盖;

37、其中,、分别代表覆盖-质量偏差指数上限、下限;默认,。

38、进一步的,基于获得的干扰源位置,进行干扰影响评估,获得干扰对5g-r网络性能的影响严重程度排序的方法为:

39、计算干扰对5g-r网络性能的影响指数iii:

40、;

41、;

42、;

43、其中,δ(ss-sinr)为干扰区域内所有采样点的信噪干噪比ss-sinr均值相对正常区域的下降量,δ(bler)为干扰区域内所有采样点的误块率bler均值上升量,δ(mac_thpt_dl)、 δ(mac_thpt_ul)分别为干扰区域内所有采样点的mac 层下行吞吐量均值相对正常区域的下降比例、mac 层上行吞吐量均值相对正常区域的下降比例;代表ss-sinr归一化恶化指标,代表bler归一化恶化指标;为5g-r链路的ss-sinr归一化基准值,为bler的归一化基准值;、、、为权重;

44、通过计算影响指数iii,量化干扰源当前对网络的影响程度,对多个干扰源进行危害分级、确定整改优先级;iii值越大表示干扰影响越严重,优先整治iii值大的干扰源。

45、进一步的,根据确定的区域网络受限类型确定覆盖-质量偏差指数dqi分析的关联强度和分析优先级的方法为:

46、当网络受限类型是覆盖受限型‌,用覆盖-质量偏差指数dqi筛选极少数偶发干扰异常点;不做大规模全网格dqi深度解析;

47、当网络受限类型是混合受限类型‌,说明覆盖是主因素,但局部存在干扰、容量瓶颈,用覆盖-质量偏差指数dqi在整体强相关背景下精准定位偏离的局部网格;

48、当网络受限类型是‌‌干扰或容量受限类型或负相关类型时,覆盖-质量偏差指数dqi分析采用全网格dqi分析策略,将dqi分析作为核心判别指标,逐网格识别并解析异常类型。

49、进一步的,对整改前后的异常网格单元的网络质量进行综合评估的方法为:

50、构建指标体系,提取四类指标:覆盖类指标,包括同步信号参考信号接收功率ss-rsrp、参考接收质量ss-rsrq;质量类指标,包括信噪干噪比ss-sinr、误块率bler;调度类指标,包括聚合等级pdcch、prb占用率prb_rate;速率类指标,包括mac层吞吐量、rlc层重传率rlc_rate;

51、对每个指标建立评分映射函数,将原始测量值映射为0-100分;首先在各类指标内部加权求和得到类评分,再将类评分加权求和得到网络质量评分;

52、将网络质量评分映射到五个质量等级:优秀、良好、一般、较差、差,同时计算各等级的隶属度,反映评估结果的不确定性。

53、进一步的,隶属度的计算公式为:

54、;

55、其中,k为质量等级序号;为第 k 个质量等级隶属度函数的宽度参数;为评分s隶属于第k个质量等级的隶属度,取值范围为[0,1];为第k个等级的中心值;s代表网络质量评分;

56、隶属度取值范围为,隶属度数值越大,代表当前网络质量综合评分隶属于对应质量等级的程度越高;隶属度数值越小,则隶属于该等级的程度越低。

57、本发明的有益技术效果为:

58、1、本发明的方法引入加权 pearson 相关系数区分覆盖受限、混合受限、干扰/容量受限、负相关四大类区域网络受限类型,并根据受限类型动态调整 dqi(覆盖-质量偏差指数)的分析优先级与关联强度,不再采用统一固定阈值对全部网格做一刀切判断;能够针对性识别高覆盖低质量异常网格单元,精准筛选疑似干扰区域,减少单纯依靠电平、sinr指标带来的误判,区分弱覆盖问题和干扰引发的网络劣化;

59、2、本发明针对高覆盖低质量网格,通过频谱占用度so识别干扰频点集合;并依据频点位置、频率间隔、pci匹配关系,自动区分同频干扰、邻频干扰、带外干扰三类干扰,为后续干扰源定位提供干扰类型前置信息,解决传统路测只能感知网络质量变差、无法区分干扰类别的痛点;

60、3、本发明的方法在完成干扰类型分类后,基于扫频采集的多位置信号数据,利用tdoa 到达时间差算法求解干扰源坐标,获得干扰源空间位置;并构建干扰影响指数iii,综合多维度网络性能损失指标,量化不同干扰源对5g-r 网络的影响严重程度,自动排序整改优先级,避免人工经验主观判断,支撑运维资源的合理分配;

61、4、本发明搭建覆盖、质量、调度、速率四类完整指标体系,将原始指标映射为 0~100 分项评分,加权得到整体网络质量评分,并划分质量等级、计算隶属度,不仅能够量化整改前后网络性能变化,还可以表征评估结果的不确定性,客观评价干扰整治成效,形成异常识别-干扰分类-干扰源定位-影响评估-整改验收完整闭环的 5g-r 干扰评估流程,适合铁路5g专网5g-r场景下沿线移动测试、干扰排查场景。