一种异构网络环境中告警信息的聚类融合方法
【技术领域】
[0001] 本发明涉及无线通信领域，特别是指一种异构网络环境中告警信息的聚类融合方 法。
【背景技术】
[0002] 随着通信网络的不断发展，无线网络不论在容量上还是在复杂度上都变得越来越 大，与此同时，在通信网络中，对于各类型信息的管理也就变得越来越困难。其中之一就是 网络中的告警故障信息，随着通信网络整体规模的日益增大，通信网存在告警故障的可能 性也就随之增高，识别并及时纠正通信网络中的故障是保障通信网络正常运行的重要基 础，同时由于告警故障会和网络中提供的服务之间产生交互影响，会对服务供应商造成非 常大的维护开销。因此，如何更加有效且高效地处理这些告警信息将直接决定着服务提供 商的服务质量以及未来发展。
[0003] 通信网中告警故障管理的重要性在异构网络中则显得更为突出。随着无线通信领 域的不断进步，在过去的20年里，无线通信从以模拟调制为基础的第一代无线通信系统 (1G)，到以GSM(Global System for Mobile Communications)和IS95为代表的第二代无线 通信系统（2G)，再到以WCDMA(Wide band CDMA)和TD-SCDMA(Time Division-Synchronous CDMA)为代表的第三代无线通信系统（3G)，最后到目前的3GPP提出的LTE-advanced支持的 第四代无线通信系统(4G)。从以上的发展轨迹不难看出，现代通信网中存在的接入技术的 种类越来越繁多，这也就代表着不同的网络制式越来越多，不同的标准体系越来越多，因此 在这样的条件下，告警信息的处理对于服务供应商来说则更为困难，因为他们需要面对的 不仅是庞大的告警数据量，还有门类、格式繁多的不同制式的告警信息，这些来自于不同网 络的告警信息不仅数据量大，而且种类繁多，对于服务运营商来讲则是一次更大的挑战和 课题。
[0004] 目前，对于通信网络中告警信息的处理，大体上可以分成如下几个层面：
[0005] 第一个层面是告警故障的收集层面，在这个层面上，主要考虑的问题是如何有效 且高效地搜集网络中存在的告警信息，并通过这些方法为后续的告警信息的处理提供良好 的基础，从而实现高效的网络告警信息处理方案。
[0006] 第二个层面是告警故障的分析层面。在这个层面上，主要考虑的问题是如何对已 经搜集到的告警信息进行有效的分析，从而产生出相应的告警规则，便于进一步对由这些 告警产生的故障进行排查和处理。
[0007] 第三个层面是告警故障的诊断层面，在这个层面上，主要考虑的问题是如何根据 网络中产生的告警信息高效地确定网络中产生的具体故障，并根据最终的诊断决策来修复 网络故障，从而提高通信网络服务的稳定性和鲁棒性。
[0008] 通过以上三个层次对通信网络中告警信息处理的分析，大致可以看出通信网络中 告警信息处理的整体背景。首先就是告警的收集，它作为后续处理的基础，很大程度上决定 着告警信息处理的效率;其次就是告警的分析，它是告警信息处理的核心部分，该部分的有 效性直接影响了告警信息处理方案的优劣性;进而是最后告警的诊断部分，这一部分实质 上是作为告警分析处理方案的落地步骤，在这一层面上很难直接通过优化算法来实现信息 处理效率的提高，因为这一层面主要是根据告警关联分析产生的规则来定位故障，可优化 的空间非常有限。因此，在这样的背景下，为了提高通信网络，尤其是异构网络中，告警信息 的处理效率，研究的重点在告警信息的收集层面上。
【发明内容】
[0009] 有鉴于此，本发明的目的在于提出一种优化异构网络中现有告警处理方案的效 率，提升告警信息的处理速度，有效减少告警信息的处理时间，同时降低网络的运行负载， 为其今后保证更为稳定，更为便捷的通信增添了保障的方法。
[0010] 基于上述目的，本发明提供一种异构网络环境中告警信息的聚类融合方法，包括： [0011]通过对告警信息字段的取舍，将异构网络中的所有告警信息进行帧格式的统一并 建立告警信息之间的相似度矩阵；
[0012] 基于模糊逻辑，通过告警信息属性的相似度对所述帧格式统一的告警信息进行聚 类分析，根据告警距离故障根源的远近程度，将异构网中的告警分成多个模糊告警簇；
[0013] 将所述聚类后的告警信息进行融合并将告警信息的置信度融合，生成综合告警信 息。
[0014] 进一步的，所述对告警信息字段的取舍，将异构网络中的所有告警信息进行帧格 式的统一的步骤具体为：
[0015] 根据告警信息的字段信息能否为定位故障根源提供有用的依据来选取字段，进而 选取告警设备的编号字段、告警设备的网络地址字段、告警的类型字段、告警的紧急程度字 段和告警的频次字段。
[0016] 进一步的，所述告警信息属性的相似度是通过距离的概念来衡量的，所述距离的 可通过下式来描述：
[0018] 其中，P表示告警项i和告警项j中包含的属性数，f指的是P个属性中特定的某一个 属性，w(f)表示的是属性f在"距离"计算中所占的权重，*^是一个指示变量，它只有0和1两 种取值，此外，^/^表示的是告警项i和告警项j在属性f层面上的"距离"。
[0019] 所述告警信息属性包括数值型、布尔型和枚举型，其中
[0020] 进一步的，所述告警信息的属性包括数值型属性、布尔型属性和枚举型属性。
[0021] 数值型属性包括整数型变量、实数型变量、字节型变量和时间型变量，其间的"距 离"定义为相应的欧几里德距离，其计算的公式可以表示为：
[0023]其中，告警项1 = ^1#2，"74)和告警项」=^1山2，"7加)是两个分别包含口个 属性的告警信息，此外，公式中的wf(f=l~p)表示的是告警项中相应属性f的权重大小； [0024]布尔型属性对应的变量就是布尔型变量，其间"距离"的计算采用著名的匹配系 数法，它的定义式表示如下：
[0026]其中，q表示的含义是告警项i和告警项j中都等于1的属性数，t表示的是告警项i 和告警项j中都等于〇的属性数，r则表示告警项i中等于1而告警项j中等于0的属性数，s则 代表告警项i中等于〇而告警项j中等于1的属性数；
[0027]枚举型属性是一种状态变量，，其间"距离"的计算同样可以采用匹配的思想来进 行，具体的"距离"计算公式如下所示：
[0029] 其中，m表示告警项i和告警项j中取值相同的属性数，即为两个告警之间的匹配 数，而P则表示告警信息中全部的属性数目。
[0030] 进一步的，对所述帧格式统一的告警信息进行聚类具体为：
[0031] (1):初始化聚类中心和所有告警项的隶属度向量，同时对这些向量进行归一化处 理，生成符合方案标准的隶属度矩阵U;
[0032] (2):根据隶属度矩阵U求出C个模糊告警簇的中心，即聚类中心Ci，其中i = l， V"，C;
[0033] (3):计算相应目标函数的数值。如果所得的目标函数值低于预期的门限值，或与 上一次迭代相比的差值小于某个门限值，则说明聚类结果符合网络中的要求，进而停止迭 代，聚类结束，否则，继续进行第(4)步；
[0034] (4):更新隶属度矩阵U，然后返回第二步。
[0035] 进一步的，所述将所述聚类后的告警信息进行融合并将告警信息的置信度融合， 具体为:利用Dempster-Shaf er理论来将模糊告警簇中的告警进行融合，融合后形成的综合 告警，并利用Dempster-Shafer理论实现告警置信度的融合。
[0036] 从上面所述可以看出，本发明提供的一种异构网络环境中告警信息的聚类融合方 法，通过告警预处理方法，实现异构网络中告警帧格式的统一和告警之间相似度矩阵的建 立;之后，利用模糊聚类算法，实现相似告警的聚类分析，根据告警距离故障根源的远近程 度，将异构网中的告警分成多个模糊告警簇;进而，利用Dempster-Shaf er理论将一个模糊 告警簇中的告警信息进行融合，同时考虑告警置信度的融合，最终形成一个综合告警信息，