论文部分内容阅读
TD-LTE（Time Division Long TermEvaluation）网络是TD模式的3G长期演进型网络，是由中国主导的新一代移动通信网络。与3G网络相比，它有着更高的上下行峰值速率，更高效的频谱资源利用率，更低的系统延时，在网络性能上有了质的提升，给用户带来了更好的体验感。但同时，一旦网络出现故障将会给用户带来更为明显的影响，这就要求网络运营商在网络出现故障时，能够快速有效的解决网络故障，迅速优化网络性能。而传统的故障诊断方法，其工作量大，诊断周期较长，很难实现故障的快速诊断。因此，研究快速、智能化的TD-LTE网络故障诊断技术就显得很有必要了。作为人工智能技术之一的神经网络，它有着很强的非线性处理能力，是目前实现复杂系统故障诊断智能化的一种常用技术。本文将神经网络技术引入到TD-LTE网络的故障诊断当中，研究了基于神经网络的TD-LTE网络故障诊断技术。研究工作和主要内容分为以下几个方面：1.对TD-LTE网络及常见的一些智能故障诊断方法进行了介绍。2.对BP神经网络基本理论和方法进行了介绍和分析，在此基础上结合网络KPI数据的特点，提出了基于KPI统计分布偏离度的BP神经网络故障诊断方法。该方法首先采集诊断所需KPI的正常历史数据，统计得到KPI的经验分布，通过KPI属性学习算法，生成KPI的属性集。然后对网络当前的KPI数据进行监测，通过异常检测方法，检测KPI的异常情况。在KPI出现异常的状况下，调用训练好的BP神经网络进行故障诊断，给出诊断结果。最后通过仿真实验证明了该方法的可行性和有效性。3.分析和设计了基于上述诊断方法的TD-LTE网络故障诊断系统，并通过C#技术和SQLServer2008数据库实现了该系统。测试结果表明该系统可以实现网络故障的快速化、智能化诊断，验证了方案的可行性和可实现性，同时也进一步验证了本文提出的故障诊断方法的可行性和有效性。