LTE网络MR和信令数据的联合分析方法_冯传跃.pdfVIP

LTE 网络MR 和信令数据的联合分析方法 The joint analysis of MR and signaling data in LTE 冯传跃 （单位：中国联通天津分公司 邮编：300052 电话 摘要:随着 4G 业务和用户的发展，网络数据日趋增加，如何对网络中的海量数据，特别是 MR 和信令数 据进行联合分析已经成为当前研究的热点。本文针对大数据关联分析的方法进行了详细的阐述，对 MR 定位 的各种方法进行了总结，并提出了一种简单高效的定位算法。 关键词:LTE MR 定位 信令关联 大数据分析 1.引言 随着 LTE 网络的快速建设、发展，基于移动网络的应用日趋多样，用户投诉原因也呈现 多样、复杂化。网络分析更深入、更贴合用户实际行为已成为网络维护、优化的工作重点。 网络性能数据的采集手段日趋丰富，海量网络性能数据被用于用户感知和网络性能的的 分析，MR 和信令是其中最为重要的两种数据，MR 数据每日达到几个 TB，信令的原始数据则 达到几十个 TB，如此巨大的数据，本文将重点介绍深入的用户级数据分析方法。 2.关键技术与创新点 MR 和信令关联分析中，有多个关键技术，MR 定位和大数据处理是尤为重要的两个环节。 2.1 当前使用的定位方法说明 由于MR 数据不含有经纬度信息，因此必须利用统计数据采用算法得到地理化信息。目 前主要采用四种定位方法：1.神经网络、2.TA+AOA、3.三角场强、4.小区定位。神经网络的 定位精度可以达到近 100 米，TA+AOA 定位精度 150 米左右，三角定位的精度在 100-150 米。 下面具体介绍四个定位技术： 2.1.1 神经网络算法定位 神经网络算法应用广泛，其计算是通过 F(x)函数对输入数值（XiWi，X 是输入向量，W 是权系数）进行计算得到输出结果 y。 n X n W X ， y F(x ) F ( W X ) ，F 特性函数。 i 1 i i i 1 i i 在实际应用中，利用已有数据（一般为路测数据）进行概率神经网络的权值训练，输入 数据包括:RSRP 场强，输出经纬度信息，这样可以得到一个神经网络的模型，当新的 MR 数 据输入时，使用该模型得到概率最大的计算结果，即是经纬度数值。 2.1.2 三角场强定位 三角场强定位方法的核心是数据遍历和覆盖仿真。具体算法为：三个基站可以组成一个 三角形，需要计算三个参照点的位置，取三角形中心及中心与三条边的交点共四个点，每个 点向上下左右分别扩展 50 米、100 米，共得 36 个点，这些点作为参照点，现在假设用 RefbrPoints 来表示 36 个参照点。以 ‘三角定位示意图’中所示的三角形为例， 三角定位示意图 假设三角形的中心和边 (A，N2)的交点是E，则参照点的计算公式是： 经度外延 50 米的参照点的经度=点 E 的经度+50； (公式 2．1) 纬度外延 50 米的参照点的纬度=点 E 的纬度+50； (公式 2．2) 经度外延 100 米参照点的经度=点 E 的经度+100； (公式 2．3) 纬度外延 100 米参照点的纬度=点 E 的纬度+100： (公式 2．4) 参照点的地理位置计算完成后，就可以根据信号传播模型来计算每个服务小区在每个参 照点处的手机电平值。下面对所用的信号传播模型进行说明。 信号传播模型说明 在 LTE 系统中，一般使用的传播模型是 Cost-231 模型，COST-231Hata 模型路径损耗计 算的经验公式为： （公式2.5） 式中 为大城市中心校正因子： 通过路损计算公式和距离，可以通过如下公式得到手机的接收电平计算值： 手机接收的电平值=基站发送电平值-信号衰减值 在计算出了所有参考点处的手机接收电平值后，将数据中的手机实际接收电平值和这些 参考点的电