- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
室分监控研究.PDF
郭景赞,李德屹,孟照方 无线通信
基于MR特征分离技术的室分监控研究 Radio Communication
基于MR特征分离技术的
ResearchonIndoorDistribution 室分监控研究
SystemMonitorbyMRData
郭景赞,李德屹,孟照方(中讯邮电咨询设计院有限公司,北京 100048)
GuoJingzan,LiDeyi,MengZhaofang(ChinaInformationTechnologyDesigningConsultingInstituteCo.,Ltd.,Beijing100048,China)
摘 要: 关键词:
在简要分析传统直放站室分监控方法不足的基础上,首次提出了利用MR数据进行 测量;特征分离;神经网络;室内分布;监控
室分监控的思路,针对其技术难点提出了利用神经网络解决室内外MR数据分离的 中图分类号:TN929.5
方法,并详细阐述了利用MR数据进行室分监控的流程及监控系统的自我完善问题。 文献标识码:A
文章编号:1007-3043(2012)06-0047-04
Abstract:
Firstly,itanalyzesthedisadvantageofthetraditionalmethodsonmonitoringindoordistributionsystem,proposesanew
methodtomonitorindoordistributionsystembasedonMRdata.Itemploysneural-networktosolvetechnicaldifficultythat
distinguishesindoor/outdoorMRdata.Moreover,itillustratestheprocessofmonitoringindoordistributionsystemusingMR
dataindetailanddescribestheself-improvingofthesystem.
Keywords:
MR;Featureseparation;Neuralnetwork;Indoordistributionsystem;Monitor
题的详细情况,缺点是需耗费大量人力物力,且在未被
0 前言
巡检到前无法及时发现问题,实时性较差、影响用户体
统计数据显示,3G 网络的主要业务量来自于室 验、增加用户投诉。
内,而具有室分系统的楼宇又是室内用户的热点区 b )直放站监控系统。直放站监控系统通过安装
域。如果室分系统发生故障,将会严重地影响用户体 在直放站旁边的监控终端采集供电、输入/ 出功率、功
验,因此必须及时地发现室分问题、缩短直放站故障 放温度、巡检等直放站运行信息,并通过传输模块将数
历时,以提升网络质量及客户满意度。 据传回到直放站监控平台实现直放站各项高效运维功
能和相应统计报表。该系统的优点是,能帮助运营商
1 直放站室分监控方法分析
和维护单位实现直放站远程信息化管理,极大地缩短
1.1 传统室分监控方法 了发现和处理问题周期,提升了用户体验。其缺点是,
a )人工巡检。人工巡检,是指运维优化人员周期 所有要监控的直放站都需安装监控终端,不仅硬件成
性地对直放站室分系统进行的现场测试。人工巡检 本高还无法监控无源器件故障。
的优点是可准确地判断室分系统是否存在问题及问 1.2 MR室分监控方法
——————————
您可能关注的文档
- 国际经济法课程导考.doc
- 图形之魔方与反魔方形态标号问题研究.PDF
- 地震救援队物资、装备采购项目.PDF
- 基于2DPOA.IOA和SVM的车标识别新方法.PDF
- 基于IGBT并联技术的250kW光伏并网逆变器.PDF
- 基于K-L信息量法的安徽省工业用电量预测.PDF
- 基于SAM模块的CPU型IC卡燃气表的设计.doc
- 基于云计算的电子政务云技术研究.PDF
- 基于储能的微网并网离网无缝切换技术.PDF
- 基于图像特征选择识别田间籽棉品级.PDF
- 2024年04月山东滨州市部分市直学校引进优秀师范类毕业生15人笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年03月福建省龙岩市永定区2024年校园专项公开招聘应届师范类毕业生51笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年04月上海交通大学医学院附属第九人民医院管理岗位招考聘用笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年04月山西省古交市2024年公开招考48名事业单位人员笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年04月中国冶金地质总局所属在京单位2024年招考高校毕业生笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年04月山东临沂平邑县部分事业单位招考聘用教师162人笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年03月福建福州市仓山区属公办学校招考聘用教师17人笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年03月黑龙江哈尔滨音乐学院招考聘用教师笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年04月安徽马鞍山当涂经贸学校校园招考聘用教师笔试历年高频考点难、易错点合集附带答案详解.docx
- 2024年04月山西临汾职业技术学院第一附属医院招考聘用笔试历年高频考点难、易错点合集附带答案详解.docx
文档评论(0)