受干扰小区分簇的方法、装置、设备及存储介质与流程

1.本发明涉及通信技术领域，更具体地，涉及一种受干扰小区分簇的方法、装置、设备及存储介质。


背景技术：

2.无线通信系统外部干扰问题对网络性能产生恶劣影响，造成小区吞吐量下降、覆盖收缩、语音质量恶化等一系列问题，是4/5g无线网络优化的重要内容。
3.干扰波形匹配是干扰分簇的基础，目前4/5g网络干扰波形匹配主要基于prb(physical resource block，物理资源块)级别的频域信息。如20m带宽的lte系统，共有100个prb(prb
0-prb
99
)，可以以一定的时间粒度分别提取prb
0-prb
99
的底噪数据，而后通过皮尔逊公式或图像识别技术将受干扰小区prb
0-prb
99
的波形与特定小区的波形匹配，如果相关系数超过一定的门限值，则认为两小区疑似受同样的干扰源影响。
4.在干扰优化小区选择方面，目前主要按照受干扰小区功率强度选择优化小区及确定优先级。例如，按照受干扰功率大于-110dbm/180khz的门限筛选网络中的受干扰小区，而后按照受干扰功率强弱确定小区排查优先级。
5.目前在干扰波形匹配、干扰优化小区选择方面存在较大的局限性：干扰匹配仅基于频域prb级别的波形特征，匹配准确性较低；波形匹配算法主要采用皮尔逊公式，即计算两个波形的相关系数，但是皮尔逊公式在波形波动性较小时匹配效果并不理想；目前按照干扰功率的强弱确定优化小区及处理优先级，受干扰功率越强的小区优先级越高，但在，该方法未考虑干扰源影响范围等因素，实际应用过程中发现该方法优先定位与排查的干扰源并不一定是影响范围大、影响小区数多的干扰源，导致干扰优化工作效率与效益低下。


技术实现要素：

6.本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的受干扰小区分簇的方法、装置、设备及存储介质。
7.第一方面，本发明实施例提供一种受干扰小区分簇的方法，包括：
8.获取网络中各小区的信息，并根据所述信息筛选出多个受干扰小区，所述信息包括小区全球标识cgi、频段、频点、带宽、子载波间隔、平均受干扰功率、频域各prb受干扰功率和时域各小时受干扰功率；
9.按照所述频段、频点、带宽和子载波间隔四个字段，对所述多个受干扰小区进行分类，获得至少一个类型的受干扰小区集合；
10.针对每一类型的受干扰小区集合，按照平均受干扰功率由强到弱对所述受干扰小区集合中的所有受干扰小区进行排序，并将所述受干扰小区集合中各受干扰小区对应的干扰簇典型小区cgi设置为各自的小区cgi；
11.根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率和时域各小时受干扰功率，提取所述受干扰小区集合中的每个受干扰小区的时频特征；
12.依次对所述受干扰小区集合中的各受干扰小区进行基于所述时频特征的地理汇聚，获得干扰簇分析结果。
13.可选地，根据本发明一个实施例提供的受干扰小区分簇的方法，所述根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率和时域各小时受干扰功率，提取所述受干扰小区集合中的每个受干扰小区的时频特征，包括：
14.根据受干扰小区的频域各prb受干扰功率，计算频域波动性和频域突变点信息；
15.根据受干扰小区的时域各小时受干扰功率，计算时域波动性和时域突变点信息；
16.其中，所述频域波动性由所述频域各prb受干扰功率的方差衡量，所述频域突变点信息包括频域突变点位置、频域回溯步长和频域突变特征值；
17.所述时域波动性由所述时域各小时受干扰功率的方差衡量，所述时域突变点信息包括时域突变点位置、时域回溯步长和时域突变特征值。
18.可选地，根据本发明一个实施例提供的受干扰小区分簇的方法，所述依次对所述受干扰小区集合中的各受干扰小区进行基于所述时频特征的地理汇聚，获得干扰簇分析结果，包括：
19.从所述受干扰小区集合的平均受干扰功率最强的小区开始，按照平均受干扰功率由强到弱的顺序，依次对所述受干扰小区集合中的各受干扰小区执行以下步骤：
20.根据小区经纬度信息，在所述受干扰小区集合中筛选出平均受干扰功率小于当前受干扰小区且到当前受干扰小区的距离小于预设阈值的小区集；
21.判断所述小区集是否为空，若所述小区集不为空，则依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析，并判断所选小区与所述当前受干扰小区是否满足时频特征一致条件；
22.若所选小区与所述当前受干扰小区满足时频特征一致条件，则将所选小区和所述当前受干扰小区划分至同一干扰簇，并将所选小区的干扰簇典型小区cgi和时频突变点信息设置为所述当前受干扰小区的干扰簇典型小区cgi和时频突变点信息；或者，
23.若所选小区与所述当前受干扰小区不满足时频特征一致条件，则选择所述小区集的下一小区与所述当前受干扰小区开始进行时频特征一致性分析。
24.可选地，根据本发明一个实施例提供的受干扰小区分簇的方法，所述依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析，包括：
25.在时域或频域干扰波形波动性较大的场景下，采用波形相关系数、突变点信息及波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析；
26.在时域或频域干扰波形波动性较小的场景下，采用突变点信息和波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析。
27.第二方面，本发明实施例提供一种受干扰小区分簇的装置，包括：
28.受干扰小区筛选模块，用于获取网络中各小区的信息，并根据所述信息筛选出多个受干扰小区，所述信息包括小区全球标识cgi、频段、频点、带宽、子载波间隔、平均受干扰功率、频域各prb受干扰功率和时域各小时受干扰功率；
29.受干扰小区分类模块，用于按照所述频段、频点、带宽和子载波间隔四个字段，对
所述多个受干扰小区进行分类，获得至少一个类型的受干扰小区集合；
30.受干扰小区排序模块，用于针对每一类型的受干扰小区集合，按照平均受干扰功率由强到弱对所述受干扰小区集合中的所有受干扰小区进行排序，并将所述受干扰小区集合中各受干扰小区对应的干扰簇典型小区cgi设置为各自的小区cgi；
31.时频特征提取模块，用于根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率和时域各小时受干扰功率，提取所述受干扰小区集合中的每个受干扰小区的时频特征；
32.分簇模块，用于依次对所述受干扰小区集合中的各受干扰小区进行基于所述时频特征的地理汇聚，获得干扰簇分析结果。
33.可选地，根据本发明一个实施例提供的受干扰小区分簇的装置，所述时频特征提取模块用于：
34.根据受干扰小区的频域各prb受干扰功率，计算频域波动性和频域突变点信息；
35.根据受干扰小区的时域各小时受干扰功率，计算时域波动性和时域突变点信息；
36.其中，所述频域波动性由所述频域各prb受干扰功率的方差衡量，所述频域突变点信息包括频域突变点位置、频域回溯步长和频域突变特征值；
37.所述时域波动性由所述时域各小时受干扰功率的方差衡量，所述时域突变点信息包括时域突变点位置、时域回溯步长和时域突变特征值。
38.可选地，根据本发明一个实施例提供的受干扰小区分簇的装置，所述分簇模块用于：
39.从所述受干扰小区集合的平均受干扰功率最强的小区开始，按照平均受干扰功率由强到弱的顺序，依次对所述受干扰小区集合中的各受干扰小区执行以下步骤：
40.根据小区经纬度信息，在所述受干扰小区集合中筛选出平均受干扰功率小于当前受干扰小区且到当前受干扰小区的距离小于预设阈值的小区集；
41.判断所述小区集是否为空，若所述小区集不为空，则依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析，并判断所选小区与所述当前受干扰小区是否满足时频特征一致条件；
42.若所选小区与所述当前受干扰小区满足时频特征一致条件，则将所选小区和所述当前受干扰小区划分至同一干扰簇，并将所选小区的干扰簇典型小区cgi和时频突变点信息设置为所述当前受干扰小区的干扰簇典型小区cgi和时频突变点信息；或者，
43.若所选小区与所述当前受干扰小区不满足时频特征一致条件，则选择所述小区集的下一小区与所述当前受干扰小区开始进行时频特征一致性分析。
44.可选地，根据本发明一个实施例提供的受干扰小区分簇的装置，所述依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析，包括：
45.在时域或频域干扰波形波动性较大的场景下，采用波形相关系数、突变点信息及波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析；
46.在时域或频域干扰波形波动性较小的场景下，采用突变点信息和波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析。
47.第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的受干扰小区分簇的方法的步骤。
48.第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的受干扰小区分簇的方法的步骤。
49.本发明实施例提供的受干扰小区分簇的方法、装置、设备及存储介质，通过受干扰小区筛选、受干扰小区分类、受干扰小区排序、受干扰小区时/频波形特征提取、受干扰小区时/频特征地理汇聚、干扰簇信息确认、优先级确认等步骤，进行区域干扰簇分析，确定干扰功率强、影响小区数多的干扰源，并在原有频域干扰波形匹配的基础上，增加了时域干扰波形特征的匹配分析，提升了干扰定位与优化工作的效率与效益。
附图说明
50.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
51.图1为本发明实施例提供的一种受干扰小区分簇的方法的流程示意图；
52.图2为本发明一实施例提供的基于时频特征的地理汇聚的流程示意图；
53.图3为本发明一实施例提供的受干扰小区分簇的装置的结构示意图；
54.图4为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
55.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.图1为本发明实施例提供的一种受干扰小区分簇的方法的流程示意图，包括：
57.步骤100、获取网络中各小区的信息，并根据所述信息筛选出多个受干扰小区，所述信息包括小区全球标识cgi、频段、频点、带宽、子载波间隔、平均受干扰功率、频域各prb受干扰功率和时域各小时受干扰功率；
58.具体地，从工程参数中获取小区的频段、频点、带宽、子载波间隔、经度、纬度等信息，从omc(operation management center，操作维护中心)中获取小区平均受干扰功率、频域各prb受干扰功率、时域各小时受干扰功率等信息，获取的小区信息如表1所示。
59.表1小区信息
[0060][0061]
在表1中，对于20m的td-lte系统，获得prb
0-prb
99
的底噪值；对于100m的5g小区，若子载波配置为30khz，获取prb
0-prb
272
的底噪值。其中底噪值越高代表相应prb受到的干扰功率越强。对于4/5g受干扰小区，时域均可获取0～23点的干扰功率t0、t1、t2……
t23。
[0062]
在具体实现时，可以按照既定的标准筛选网络中的受干扰小区，比如按照平均干扰功率大于-110dbm/180khz的标准筛选网络中的受干扰小区。
[0063]
步骤101、按照所述频段、频点、带宽和子载波间隔四个字段，对所述多个受干扰小区进行分类，获得至少一个类型的受干扰小区集合；
[0064]
具体地，对筛选的受干扰小区，按照工程参数中小区频段、小区频点、小区带宽、子载波间隔四个字段进行分类，例如，将f频段、38400频点、20m带宽、15khz子载波间隔的td-lte受干扰小区分为一类，将f频段、38544频点、10m带宽、15khz子载波间隔的td-lte受干扰小区分为一类。最终，获得至少一个类型的受干扰小区集合。一个受干扰小区集合对应一个类型。
[0065]
步骤102、针对每一类型的受干扰小区集合，按照平均受干扰功率由强到弱对所述受干扰小区集合中的所有受干扰小区进行排序，并将所述受干扰小区集合中各受干扰小区对应的干扰簇典型小区cgi设置为各自的小区cgi；
[0066]
具体地，针对每一类型的受干扰小区集合，按照平均受干扰功率由强到弱对所述受干扰小区集合中的所有受干扰小区进行排序，可以理解的是，受干扰功率越高的小区排名越靠前。
[0067]
对于每一类型的受干扰小区集合，在进行干扰簇分析前，首先将受干扰小区的信息中“干扰簇典型小区cgi(community global identity,小区全球标识)”的默认值设置成该小区的cgi，如表2所示。
[0068]
表2干扰簇典型小区cgi设置
[0069][0070]
步骤103、根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率和时域各小时受干扰功率，提取所述受干扰小区集合中的每个受干扰小区的时频特征；
[0071]
具体地，本技术实施例中，小区干扰的时域或频域特征主要包括波动性和突变点
信息，其中突变点信息包括突变点位置、回溯步长及突变特征值。根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率提取频域特征，根据所述受干扰小区集合中的每个受干扰小区的时域各小时受干扰功率提取时域特征。
[0072]
步骤104、依次对所述受干扰小区集合中的各受干扰小区进行基于所述时频特征的地理汇聚，获得干扰簇分析结果。
[0073]
具体地，在同类受干扰小区中，按照小区受干扰功率由强至弱的顺序，依次对受干扰小区进行分簇，即基于时频特征的地理汇聚。
[0074]
对同类型中所有小区完成干扰时/频特征地理维度汇聚后，该类型中干扰簇典型小区cgi相同的受干扰小区属于同一干扰簇。在干扰簇内，小区cgi与干扰簇典型小区cgi相同的受干扰小区为干扰簇内典型小区。
[0075]
在干扰优化小区选择及优先级确定时，优先选择干扰簇内受干扰小区数量多、干扰簇典型小区受扰功率强的干扰簇，并派单重点对干扰簇典型小区所覆盖的范围进行干扰源排查，从而提升干扰优化的效率与效益。
[0076]
本发明实施例提供的受干扰小区分簇的方法，通过受干扰小区筛选、受干扰小区分类、受干扰小区排序、受干扰小区时/频波形特征提取、受干扰小区时/频特征地理汇聚、干扰簇信息确认、优先级确认等步骤，进行区域干扰簇分析，确定干扰功率强、影响小区数多的干扰源，并在原有频域干扰波形匹配的基础上，增加了时域干扰波形特征的匹配分析，提升了干扰定位与优化工作的效率与效益。
[0077]
进一步地，基于上述实施例的内容，所述根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率和时域各小时受干扰功率，提取所述受干扰小区集合中的每个受干扰小区的时频特征，包括：
[0078]
根据受干扰小区的频域各prb受干扰功率，计算频域波动性和频域突变点信息；
[0079]
根据受干扰小区的时域各小时受干扰功率，计算时域波动性和时域突变点信息；
[0080]
其中，所述频域波动性由所述频域各prb受干扰功率的方差衡量，所述频域突变点信息包括频域突变点位置、频域回溯步长和频域突变特征值；
[0081]
所述时域波动性由所述时域各小时受干扰功率的方差衡量，所述时域突变点信息包括时域突变点位置、时域回溯步长和时域突变特征值。
[0082]
具体地，小区干扰的时域或频域特征主要包括波动性和突变点信息，其中突变点信息包括突变点位置、回溯步长及突变特征值。
[0083]
频域特征提取，根据受干扰小区的频域各prb受干扰功率，计算频域波动性和频域突变点信息。
[0084]
其中，所述频域波动性由频域方差衡量，根据以下公式计算获得：
[0085][0086]
其中，prbi表示各prb受干扰功率，e
频域
代表prb
0-prbn的均值，n的取值取决于制式与子载波间隔。
[0087]
例如，对于带宽为20mhz的lte小区，n的值为99；对于5g小区，若带宽为100mhz且子载波间隔为30khz，对应的n的值为272。
[0088]
所述频域突变点信息包括频域突变点位置、频域回溯步长和频域突变特征值，根据以下公式计算获得：
[0089]
对于prbi，在回溯步长为τ时，若满足
[0090]
prbi–
prb
i-τ
＞δ
[0091]
则i为正向突变点(i≥τ)，回溯步长为τ，突变特征值为δ；
[0092]
反之，若满足：
[0093]
prbi–
prb
i-τ
＜-δ
[0094]
则i为反向突变点，回溯步长为τ，突变特征值为-δ。
[0095]
在实际应用中，一般τ取值为2，δ取值为10或更大的值。每个受干扰小区的频域特征可以利用如下表3进行表示。
[0096]
表3频域特征表示
[0097][0098]
接下来介绍时域特征提取，根据受干扰小区的时域各小时受干扰功率，计算时域波动性和时域突变点信息。
[0099]
其中，所述时域波动性由时域方差衡量，根据以下公式计算获得：
[0100][0101]
其中，tj表示各小时受干扰功率，e
时域
代表t
0-t
23
的均值。
[0102]
所述时域突变点信息包括时域突变点位置、时域回溯步长和时域突变特征值，根据以下公式计算获得：
[0103]
对于tj，在回溯步骤长为α时，若满足
[0104]
tj–
t
j-α
＞λ
[0105]
则认为j为正向突变时刻(j≥α)，回溯步长为α，突变特征值为λ；
[0106]
反之若满足：
[0107]
tj–
t
j-α
＜-λ
[0108]
则认为j为反向突变时刻，回溯步长为α，突变特征值为-λ。
[0109]
在实际应用中，一般取α值为2，λ取值为6或更大的值。每个受干扰小区的时域特征可以利用如下表4进行表示。
[0110]
表4时域特征表示
[0111][0112]
本发明实施例提供的受干扰小区分簇的方法，提供了一种受干扰小区时频干扰波形突变点信息的自动提取方法，包括突变点的位置、回溯步长、特征值等信息，可用于开展
波形相关系数、突变点信息及波动性的联合分析。
[0113]
进一步地，基于上述各实施例的内容，所述依次对所述受干扰小区集合中的各受干扰小区进行基于所述时频特征的地理汇聚，获得干扰簇分析结果，包括：
[0114]
从所述受干扰小区集合的平均受干扰功率最强的小区开始，按照平均受干扰功率由强到弱的顺序，依次对所述受干扰小区集合中的各受干扰小区执行以下步骤：
[0115]
根据小区经纬度信息，在所述受干扰小区集合中筛选出平均受干扰功率小于当前受干扰小区且到当前受干扰小区的距离小于预设阈值的小区集；
[0116]
判断所述小区集是否为空，若所述小区集不为空，则依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析，并判断所选小区与所述当前受干扰小区是否满足时频特征一致条件；
[0117]
若所选小区与所述当前受干扰小区满足时频特征一致条件，则将所选小区和所述当前受干扰小区划分至同一干扰簇，并将所选小区的干扰簇典型小区cgi和时频突变点信息设置为所述当前受干扰小区的干扰簇典型小区cgi和时频突变点信息；或者，
[0118]
若所选小区与所述当前受干扰小区不满足时频特征一致条件，则选择所述小区集的下一小区与所述当前受干扰小区开始进行时频特征一致性分析。
[0119]
具体地，为了方便说明，记所述受干扰小区集合的平均受干扰功率最强的小区为a小区。接下来以小区a为例，详细介绍基于时频特征的地理汇聚的具体分析流程，图2为本发明一实施例提供的基于时频特征的地理汇聚的流程示意图，包括：
[0120]
步骤200、根据小区经纬度信息，在所述受干扰小区集合n中筛选出平均受干扰功率小于当前受干扰小区a且到当前受干扰小区a的距离小于预设阈值的小区集φ；
[0121]
步骤201、判断所述小区集φ是否为空，若为空，则执行步骤206，否则，执行步骤202；
[0122]
步骤202、依次选择所述小区集中的各小区与所述当前受干扰小区a进行时频特征一致性分析；
[0123]
步骤203、判断所选小区与所述当前受干扰小区a是否满足时域特征一致条件，若满足，则执行步骤204，若不满足，则返回步骤202，选择所述小区集的下一小区与所述当前受干扰小区开始进行时频特征一致性分析；
[0124]
步骤204、判断所选小区与所述当前受干扰小区a是否满足频域特征一致条件，若满足，则执行步骤205，若不满足，则返回步骤202，选择所述小区集的下一小区与所述当前受干扰小区开始进行时频特征一致性分析；
[0125]
步骤205、将所选小区和所述当前受干扰小区a划分至同一干扰簇，并将所选小区的干扰簇典型小区cgi和时频突变点信息设置为所述当前受干扰小区a的干扰簇典型小区cgi和时频突变点信息，即所选小区继承当前受干扰小区a的干扰簇典型小区及时频突变点信息；
[0126]
步骤206、选择所述受干扰小区集合n中的下一个小区进行干扰簇分析。
[0127]
本发明实施例提供的受干扰小区分簇的方法，通过同类受干扰小区功率强弱排序、小区干扰簇默认值设置、小区一定距离范围内同类受干扰小区筛选、小区时/频波形特征匹配、干扰簇典型小区与时频突变点信息等步骤，完成区域内干扰簇的汇聚，实现了扰时/频特征在地理维度的迭代汇聚，通过区域干扰簇分析，确定干扰功率强、影响小区数多
的干扰源，通过对干扰簇典型小区的排查与优化带动簇内其它小区干扰问题的解决，提升了干扰定位与优化工作的效率与效益。
[0128]
进一步地，基于上述各实施例的内容，所述依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析，包括：
[0129]
在时域或频域干扰波形波动性较大的场景下，采用波形相关系数、突变点信息及波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析；
[0130]
在时域或频域干扰波形波动性较小的场景下，采用突变点信息和波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析。
[0131]
具体地，本技术实施例中所述依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析包括以下步骤：
[0132]
步骤1：根据小区经纬度信息，在同类型比小区a受干扰功率低的小区中，筛选与小区a直线物理距离在一定范围内的小区集φ，如果小区集φ为空则进行该类型中下一个小区的分簇；
[0133]
步骤2：如果小区集φ不为空，依次判断小区a与步骤1中筛选出的小区集中的各小区是否属于同一干扰簇：
[0134]
在时域或频域干扰波形波动性较大的场景下，采用波形相关系数、突变点信息及波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析；
[0135]
在时域或频域干扰波形波动性较小的场景下，采用突变点信息和波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析。
[0136]
以小区b为例，计算方法如下：
[0137]
当满足以下公式时，认为小区a和小区b频域波动较大，小区a和小区b频域特征一致：
[0138]
如果d
频域,a
＞thr
频域，1
且d
频域,b
＞thr
频域
，1
[0139]
prb
b,i-prb
b,i-τ
＞0且π
频域,a,i
＞0
[0140]
prb
b,i-prb
b,i-τ
＜0且π
频域,a,i
＜0
[0141]
当满足以下公式时，认为小区a和小区b频域波动小，但小区a和小区b频域特征一致：
[0142]d频域,a
≤thr
频域，1
[0143]d频域,b
≤thr
频域，1
[0144]
prb
b,i-prb
b,i-τ
＞0且π
频域,a,i
＞0
[0145]
prb
b,i-prb
b,i-τ
＜0且π
频域,a,i
＜0
[0146]
其中，cov(prba,prbb)为小区a与小区b的频域波形相关系数，thr
频域，1
为频域第一
门限值，thr
频域，2
为频域第二门限值；
[0147]
当满足以下公式时，认为小区a和小区b时域波动较大，小区a和小区b时域特征一致：
[0148]
如果d
时域,a
＞thr
时域，1
且d
时域,b
＞thr
时域
，1
[0149]
t
b,j-t
b,j-α
＞0且π
时域,a,j
＞0
[0150]
t
b,j-t
b,j-α
＜0且π
时域,a,j
＜0
[0151]
当满足以下公式时，认为小区a和小区b时域波动小，但小区a和小区b时域特征一致：
[0152]d时域,a
≤thr
时域，1
[0153]d时域,b
≤thr
时域，1
[0154]
t
b,j-t
b,j-α
＞0且π
时域,a,j
＞0
[0155]
t
b,j-t
b,j-α
＜0且π
时域,a,j
＜0
[0156]
其中，cov(ta,tb)为小区a与小区b的时域波形相关系数，thr
时域，1
为时域第一门限值，thr
时域，2
为时域第二门限值。
[0157]
当小区a和小区b的时域特征与频域特征均一致时，认为两小区受到同样的干扰源影响，将小区a和小区b划分至同一干扰簇。
[0158]
步骤3：在将小区b与小区a划分为同一干扰簇时，将小区b的“干扰簇典型小区”设置为和小区a的“干扰簇典型小区”一致，同时将小区b的频域突变点位置集合、频域突变点步长、频域突变点特征值集合、时域突变点位置集合、时域突变点步长、时域突变点特征值集合设置成与小区a一致，即小区b继承小区a的干扰簇典型小区与时频突变点信息。
[0159]
步骤4：选择小区集φ中的其它小区，重复步骤2-3，直至小区集中所有小区均完成与小区a的时/频特征相似性分析。
[0160]
按照上述步骤依次对同类型中所有小区完成基于时频特征的地理汇聚后，该类型中干扰簇典型小区cgi相同的受干扰小区属于同一干扰簇。在干扰簇内，小区cgi与干扰簇典型小区cgi相同的受干扰小区为干扰簇内典型小区。
[0161]
本发明实施例的受干扰小区分簇的方法，在时域或频域干扰波形波动性较大的场景下采用突变点信息、相关系数和波动性相结合的匹配算法，在时域或频域干扰波形波动性较小的场景下采用突变点信息和波动性结合的匹配算法，提升了干扰时/频波形匹配的准确度，弥补了相关系数分析在波动性较小时效果不佳的问题，进一步扩大了匹配算法的适用范围。
[0162]
图3为本发明一实施例提供的受干扰小区分簇的装置的结构示意图，包括：受干扰小区筛选模块310、受干扰小区分类模块320、受干扰小区排序模块330、时频特征提取模块340和分簇模块350，其中，
[0163]
受干扰小区筛选模块310，用于获取网络中各小区的信息，并根据所述信息筛选出多个受干扰小区，所述信息包括小区全球标识cgi、频段、频点、带宽、子载波间隔、平均受干扰功率、频域各prb受干扰功率和时域各小时受干扰功率；
[0164]
受干扰小区分类模块320，用于按照所述频段、频点、带宽和子载波间隔四个字段，对所述多个受干扰小区进行分类，获得至少一个类型的受干扰小区集合；
[0165]
受干扰小区排序模块330，用于针对每一类型的受干扰小区集合，按照平均受干扰功率由强到弱对所述受干扰小区集合中的所有受干扰小区进行排序，并将所述受干扰小区集合中各受干扰小区对应的干扰簇典型小区cgi设置为各自的小区cgi；
[0166]
时频特征提取模块340，用于根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率和时域各小时受干扰功率，提取所述受干扰小区集合中的每个受干扰小区的时频特征；
[0167]
分簇模块350，用于依次对所述受干扰小区集合中的各受干扰小区进行基于所述时频特征的地理汇聚，获得干扰簇分析结果。
[0168]
在此需要说明的是，本发明实施例提供的上述受干扰小区分簇的装置，能够实现上述受干扰小区分簇的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0169]
可选地，根据本发明一个实施例提供的受干扰小区分簇的装置，所述时频特征提取模块用于：
[0170]
根据受干扰小区的频域各prb受干扰功率，计算频域波动性和频域突变点信息；
[0171]
根据受干扰小区的时域各小时受干扰功率，计算时域波动性和时域突变点信息；
[0172]
其中，所述频域波动性由所述频域各prb受干扰功率的方差衡量，所述频域突变点信息包括频域突变点位置、频域回溯步长和频域突变特征值；
[0173]
所述时域波动性由所述时域各小时受干扰功率的方差衡量，所述时域突变点信息包括时域突变点位置、时域回溯步长和时域突变特征值。
[0174]
在此需要说明的是，本发明实施例提供的上述受干扰小区分簇的装置，能够实现上述受干扰小区分簇的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0175]
可选地，根据本发明一个实施例提供的受干扰小区分簇的装置，所述分簇模块用于：
[0176]
从所述受干扰小区集合的平均受干扰功率最强的小区开始，按照平均受干扰功率由强到弱的顺序，依次对所述受干扰小区集合中的各受干扰小区执行以下步骤：
[0177]
根据小区经纬度信息，在所述受干扰小区集合中筛选出平均受干扰功率小于当前受干扰小区且到当前受干扰小区的距离小于预设阈值的小区集；
[0178]
判断所述小区集是否为空，若所述小区集不为空，则依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析，并判断所选小区与所述当前受干扰小区是否满足时频特征一致条件；
[0179]
若所选小区与所述当前受干扰小区满足时频特征一致条件，则将所选小区和所述当前受干扰小区划分至同一干扰簇，并将所选小区的干扰簇典型小区cgi和时频突变点信息设置为所述当前受干扰小区的干扰簇典型小区cgi和时频突变点信息；或者，
[0180]
若所选小区与所述当前受干扰小区不满足时频特征一致条件，则选择所述小区集的下一小区与所述当前受干扰小区开始进行时频特征一致性分析。
[0181]
在此需要说明的是，本发明实施例提供的上述受干扰小区分簇的装置，能够实现
上述受干扰小区分簇的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0182]
可选地，根据本发明一个实施例提供的受干扰小区分簇的装置，所述依次选择所述小区集中的各小区与所述当前受干扰小区进行时频特征一致性分析，包括：
[0183]
在时域或频域干扰波形波动性较大的场景下，采用波形相关系数、突变点信息及波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析；
[0184]
在时域或频域干扰波形波动性较小的场景下，采用突变点信息和波动性结合的匹配算法，对所述小区集中的各小区的时频特征与所述当前受干扰小区的时频特征进行一致性分析。
[0185]
在此需要说明的是，本发明实施例提供的上述受干扰小区分簇的装置，能够实现上述受干扰小区分簇的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0186]
图4为本发明实施例提供的电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储在存储器430上并可在处理器410上运行的计算机程序，以执行上述各方法实施例所提供的受干扰小区分簇的方法，例如包括：获取网络中各小区的信息，并根据所述信息筛选出多个受干扰小区，所述信息包括小区全球标识cgi、频段、频点、带宽、子载波间隔、平均受干扰功率、频域各prb受干扰功率和时域各小时受干扰功率；按照所述频段、频点、带宽和子载波间隔四个字段，对所述多个受干扰小区进行分类，获得至少一个类型的受干扰小区集合；针对每一类型的受干扰小区集合，按照平均受干扰功率由强到弱对所述受干扰小区集合中的所有受干扰小区进行排序，并将所述受干扰小区集合中各受干扰小区对应的干扰簇典型小区cgi设置为各自的小区cgi；根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率和时域各小时受干扰功率，提取所述受干扰小区集合中的每个受干扰小区的时频特征；依次对所述受干扰小区集合中的各受干扰小区进行基于所述时频特征的地理汇聚，获得干扰簇分析结果。
[0187]
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0188]
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例提供的受干扰小区分簇的方法，例如包括：获取网络中各小区的信息，并根据所述信息筛选出多个受干扰小区，所述信息包括小区全球标识cgi、频段、频点、带宽、子载波间隔、平均受干扰功率、频域各prb受干扰功率和
时域各小时受干扰功率；按照所述频段、频点、带宽和子载波间隔四个字段，对所述多个受干扰小区进行分类，获得至少一个类型的受干扰小区集合；针对每一类型的受干扰小区集合，按照平均受干扰功率由强到弱对所述受干扰小区集合中的所有受干扰小区进行排序，并将所述受干扰小区集合中各受干扰小区对应的干扰簇典型小区cgi设置为各自的小区cgi；根据所述受干扰小区集合中的每个受干扰小区的频域各prb受干扰功率和时域各小时受干扰功率，提取所述受干扰小区集合中的每个受干扰小区的时频特征；依次对所述受干扰小区集合中的各受干扰小区进行基于所述时频特征的地理汇聚，获得干扰簇分析结果。
[0189]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0190]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0191]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。