一種異構(gòu)網(wǎng)絡(luò)son智能運(yùn)維管理方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于無(wú)線網(wǎng)絡(luò)通信技術(shù)領(lǐng)域中的網(wǎng)絡(luò)智能運(yùn)維技術(shù)，尤其涉及一種異構(gòu)網(wǎng) 絡(luò)SON智能運(yùn)維管理方法。
【背景技術(shù)】
[0002] 未來(lái)網(wǎng)絡(luò)是一個(gè)多種接入技術(shù)和多層次部署的異構(gòu)融合網(wǎng)絡(luò)，網(wǎng)絡(luò)的拓?fù)浜图?構(gòu)都隨網(wǎng)絡(luò)中節(jié)點(diǎn)的變化而變化，使網(wǎng)絡(luò)具有重構(gòu)性，并且多種技術(shù)體制并存所引起的互 操作、家庭網(wǎng)元Home NodeB的大量應(yīng)用，易發(fā)生產(chǎn)生大量網(wǎng)絡(luò)告警信息及網(wǎng)絡(luò)故障，使得 未來(lái)網(wǎng)絡(luò)管理和運(yùn)維變得越來(lái)越復(fù)雜。越來(lái)越高的運(yùn)維支出使得運(yùn)營(yíng)商強(qiáng)烈希望用新技 術(shù)來(lái)降低運(yùn)營(yíng)成本、提高系統(tǒng)性能，確保網(wǎng)絡(luò)運(yùn)行高效、安全、穩(wěn)定。引入了自組織網(wǎng)絡(luò) (self-organized network, SON)進(jìn)行網(wǎng)絡(luò)的自主優(yōu)化管理。
[0003] 然而，自組織優(yōu)化研究中充滿了挑戰(zhàn)，由于SON機(jī)制對(duì)于無(wú)線網(wǎng)絡(luò)的影響往往難 以預(yù)測(cè)，不同SON用例之間的操作以及不同目標(biāo)值的優(yōu)化過(guò)程中，經(jīng)常會(huì)出現(xiàn)調(diào)整參數(shù)的 沖突、優(yōu)化結(jié)果沖突以及優(yōu)化操作沖突等問(wèn)題，此外，優(yōu)化不同的SON功能用例的執(zhí)行時(shí)間 不同，從而單個(gè)SON用例的獨(dú)立操作難以對(duì)無(wú)線網(wǎng)絡(luò)取得良好的優(yōu)化效果。因此，在網(wǎng)絡(luò)優(yōu) 化過(guò)程中，需要一種有效的SON用例協(xié)調(diào)管理機(jī)制，從全局優(yōu)化網(wǎng)絡(luò)。
[0004] 在此背景下，網(wǎng)絡(luò)需要對(duì)網(wǎng)絡(luò)運(yùn)維信息進(jìn)行挖掘分析，從不同的時(shí)間尺度進(jìn)行分 析，在網(wǎng)絡(luò)優(yōu)化過(guò)程中，需要一種有效的SON用例協(xié)調(diào)管理機(jī)制，從全局優(yōu)化網(wǎng)絡(luò)。

【發(fā)明內(nèi)容】

[0005] 為了解決現(xiàn)有技術(shù)中存在的上述問(wèn)題，本發(fā)明的目的是提供異構(gòu)網(wǎng)絡(luò)SON智能運(yùn) 維管理方法，其可以降低網(wǎng)絡(luò)運(yùn)營(yíng)成本、提高系統(tǒng)性能，確保網(wǎng)絡(luò)運(yùn)行高效、安全、穩(wěn)定。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：一種異構(gòu)網(wǎng)絡(luò)SON智能運(yùn)維管理 方法包括以下步驟：
[0007] 步驟S1，通過(guò)基站和網(wǎng)絡(luò)監(jiān)測(cè)節(jié)點(diǎn)收集異構(gòu)網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)；
[0008] 步驟S2,根據(jù)獲得的異構(gòu)網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)，構(gòu)建統(tǒng)一的運(yùn)維監(jiān)測(cè)模型，以對(duì)異構(gòu)網(wǎng)絡(luò) 進(jìn)行實(shí)時(shí)監(jiān)測(cè)；
[0009] 步驟S3,將整個(gè)異構(gòu)網(wǎng)絡(luò)的優(yōu)化目標(biāo)分解為多個(gè)SON功能的決策行為，每一個(gè)SON 功能的決策行為是一個(gè)單獨(dú)的控制環(huán)S0N u。；
[0010] 根據(jù)運(yùn)維監(jiān)測(cè)模型的實(shí)時(shí)監(jiān)測(cè)，調(diào)整和確定相應(yīng)的無(wú)線網(wǎng)絡(luò)參數(shù)，并觸發(fā)和運(yùn)行 相應(yīng)類(lèi)型的特定SON m功能；
[0011] 如果其SONm是同一時(shí)間尺度下的多個(gè)SONue管理，則采用同一時(shí)間尺度下的多SON 沖突避免優(yōu)化處理機(jī)制；
[0012] 如果其SONm是不同時(shí)間尺度下的SONue管理，則采用不同時(shí)間尺度下的SON用例 協(xié)同管理機(jī)制。
[0013] 優(yōu)選的技術(shù)方案，所述步驟Sl中的異構(gòu)網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)包括用戶測(cè)量報(bào)告（user measurement report)、網(wǎng)絡(luò)計(jì)數(shù)器數(shù)據(jù)（network counters)、路測(cè)數(shù)據(jù)（drive tests、） 用戶終端數(shù)據(jù)和異構(gòu)網(wǎng)絡(luò)的關(guān)鍵性技術(shù)指標(biāo)（key performance indicators,縮寫(xiě)為KPI指 標(biāo)；其包括掉話率和阻塞率等）。
[0014] 進(jìn)一步優(yōu)選的技術(shù)方案，所述步驟S2中的運(yùn)維監(jiān)控模型是通過(guò)根據(jù)異構(gòu)網(wǎng)絡(luò)運(yùn) 維數(shù)據(jù)與異構(gòu)網(wǎng)絡(luò)無(wú)線資源管理參數(shù)的映射分析、邏輯回歸分析方法和回歸函數(shù)構(gòu)建的。
[0015] 更進(jìn)一步優(yōu)選的技術(shù)方案，所述運(yùn)維監(jiān)控模型的具體構(gòu)建過(guò)程為：
[0016] 采用邏輯回歸分析方法，選取回歸函數(shù)：f1()g(z) = lAl+eXp，，z表示無(wú)線資源管 理參數(shù)；
[0017] 邏輯回歸映射模型為：
[0018] Vmj = ./i〇g(^ _) + ^
[0019] nm；i= β m,〇+^m,iXi
[0020] 其中，ynU為第m個(gè)運(yùn)維數(shù)據(jù)KPI指標(biāo)的第i次采樣值，Xi為相應(yīng)的無(wú)線網(wǎng)絡(luò)參 數(shù)，ε i表示誤差值，η β 為無(wú)線參數(shù)預(yù)測(cè)值，其中β _和β ^為方程變量 系數(shù)；
[0021] 采用最大似然估計(jì)后，得到優(yōu)化后的運(yùn)維監(jiān)控模型為：
[0022] i = arg min C(x)
[0023] s. t.
[0024] ym(x)< Ihiii VihgAc
[0025] 其中開(kāi)銷(xiāo)函數(shù)戈
【主權(quán)項(xiàng)】
1. 一種異構(gòu)網(wǎng)絡(luò)SON智能運(yùn)維管理方法，其特征在于，其包括以下步驟： 步驟S1，通過(guò)基站和網(wǎng)絡(luò)監(jiān)測(cè)節(jié)點(diǎn)收集異構(gòu)網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)； 步驟S2,根據(jù)獲得的異構(gòu)網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)，構(gòu)建統(tǒng)一的運(yùn)維監(jiān)測(cè)模型，以對(duì)異構(gòu)網(wǎng)絡(luò)進(jìn)行 實(shí)時(shí)監(jiān)測(cè)； 步驟S3，將整個(gè)異構(gòu)網(wǎng)絡(luò)的優(yōu)化目標(biāo)分解為多個(gè)SON功能的決策行為，每一個(gè)SON功能 的決策行為是一個(gè)單獨(dú)的控制環(huán)S0Nu。； 根據(jù)運(yùn)維監(jiān)測(cè)模型的實(shí)時(shí)監(jiān)測(cè)，調(diào)整和確定相應(yīng)的無(wú)線網(wǎng)絡(luò)參數(shù)，并觸發(fā)和運(yùn)行相應(yīng) 類(lèi)型的特定S0Nm功能； 如果其S0Nm是同一時(shí)間尺度下的多個(gè)SON u。管理，則采用同一時(shí)間尺度下的多SON沖 突避免優(yōu)化處理機(jī)制； 如果其S0Nm是不同時(shí)間尺度下的SONu。管理，則采用不同時(shí)間尺度下的SON用例協(xié)同 管理方法。
2. 根據(jù)權(quán)利要求1所述的一種異構(gòu)網(wǎng)絡(luò)SON智能運(yùn)維管理方法，其特征在于，所述步驟 S1中的異構(gòu)網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)包括用戶測(cè)量報(bào)告、網(wǎng)絡(luò)計(jì)數(shù)器數(shù)據(jù)、路測(cè)數(shù)據(jù)、用戶終端數(shù)據(jù)和 異構(gòu)網(wǎng)絡(luò)的關(guān)鍵性技術(shù)指標(biāo)。
3. 根據(jù)權(quán)利要求1所述的一種異構(gòu)網(wǎng)絡(luò)SON智能運(yùn)維管理方法，其特征在于，所述異構(gòu) 網(wǎng)絡(luò)的關(guān)鍵性技術(shù)指標(biāo)包括掉話率和阻塞率。
4. 根據(jù)權(quán)利要求1所述的一種異構(gòu)網(wǎng)絡(luò)SON智能運(yùn)維管理方法，其特征在于，所述步 驟S2中的運(yùn)維監(jiān)控模型是通過(guò)根據(jù)異構(gòu)網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)與異構(gòu)網(wǎng)絡(luò)無(wú)線資源管理參數(shù)的映 射分析、邏輯回歸分析方法和回歸函數(shù)構(gòu)建的。
5. 根據(jù)權(quán)利要求4所述的一種異構(gòu)網(wǎng)絡(luò)SON智能運(yùn)維管理方法，其特征在于，所述運(yùn)維 監(jiān)控模型的具體構(gòu)建過(guò)程為： 采用邏輯回歸分析方法，選取回歸函數(shù)：f1()g(Z) = lAl+exp乃，z表示無(wú)線網(wǎng)絡(luò)參數(shù)， f1()g(z)為關(guān)鍵性技術(shù)指標(biāo)的邏輯回歸分析值； 邏輯回歸映射模型為： ~ flog{?jml) +Sinm；i= ^ m,〇+^m,iXi 其