移动通信系统中基于线性预测原理的系统异常检测方法
【专利摘要】本发明提出一种移动通信系统中基于线性预测原理的系统异常检测方法。该方法利用异常检测器对系统的各种关键性能指标(Key?Performance?Indicator，KPI)进行监测，若KPI值出现剧烈变化则判定系统出现异常。所述异常检测器由线性预测器和判决器组成，所述线性预测器由最小均方误差算法实现，利用系统前N时刻的KPI采样值预测当前时刻的KPI值，计算并输出采样值和预测值之间的预测误差；所述判决器对预测误差进行标准化处理，如果标准化结果的绝对值大于10，则判定系统出现异常，反之，判断系统运行正常。本发明提出的系统异常检测方法能够对系统运行环境变化或者用户行为变化等非系统故障引起的系统性能变化作出自适应的调整，并准确检测到由系统故障引起的异常现象。
【专利说明】移动通信系统中基于线性预测原理的系统异常检测方法
【技术领域】
[0001]本发明属于移动通信系统的网络【技术领域】，涉及移动通信系统的异常检测方法，更具体地说，本发明涉及一种移动通信系统中基于线性预测原理的系统异常检测的方法。
【背景技术】
[0002]在当今移动通信系统变得异常复杂的情况下，系统的运营与维护由于要耗费大量的时间与人力资源已渐渐成为各大移动通信网络运营商的主要成本支出。因此，实现移动通信系统的自治愈是运营商实现利益最大化的重要途径。系统自治愈要求移动通信系统能够自动检测到系统中出现的异常，并对引起异常的故障进行诊断，最后选择合理的操作对系统进行恢复。因为系统异常检测是实现自治愈技术的首要环节，已成为近些年移动通信领域中研究的热点。
[0003]系统异常检测可以通过计算系统当前时刻统计得到的各种关键性能指标(KeyPerformance Indicator, KPI)值与系统正常状态下各KPI值之间的偏差进行实现。当偏差大于判决门限的时候，则判定系统出现异常；反之，判定系统运行正常。因此，如何正确描述系统正常状态各KPI的值以及针对每个KPI选择合理的判决门限是决定异常检测准确性的关键因素。目前关于移动通信系统异常检测的方法需要先收集一定数量系统正常运行时KPI的值作为样本，通过样本估计出系统正常状态下KPI值的分布特征模型，利用该模型描述系统的正常状态。但是由于移动通信系统无线网络环境的复杂性和随机性，以及用户数量和用户行为都会引起KPI值的变化，很难利用单一模型描述系统所有运行环境下正常KPI值的分布，而针对系统不同的运行环境建立多个模型又提高了异常检测过程的复杂度，不便于实际实施。因此，本发明结合移动通信系统中KPI值连续平稳变化的特征给出了一种基于线性预测原理的系统异常检测方法，该方法能够自适应跟踪移动通信系统运行状态的正常变化并且准确检测系统出现的异常情况。
【发明内容】
[0004]本发明的目的在于提供一种检测移动通信系统异常的方法，尤其是一种移动通信系统中基于线性预测原理的系统异常检测方法，该方法能够自适应跟踪移动通信系统运行状态的正常变化，并且能够准确检测出系统出现的异常情况。
[0005]为实现上述目的，本发明采取的技术方案如下:
[0006]移动通信系统中基于线性预测原理的系统异常检测方法，该方法采用单变量检测法，即采用相同结构的异常检测器对移动通信系统中各种具有连续变化特征的KPI进行独立的检测，任何一个或者多个KPI值出现剧烈变化时都会触发异常并向系统相应模块发送异常报告。所述的异常检测器由线性预测器和判决器组成。
[0007]本发明所给出的移动通信系统异常检测方法，具体包括以下步骤:
[0008]步骤1:利用前N时刻的KPI采样值预测当前时刻KPI的采样值；
[0009]步骤2:计算当前时刻KPI的采样值与预测值之间的预测误差；[0010]步骤3:对预测误差进行标准化处理，并根据标准化结果做出判决；如果标准化结果的绝对值大于10，说明KPI值出现了剧烈的变化，则判定系统出现异常，反之，判断系统运行正常，则异常检测器继续进行下一时刻的检测。
[0011]所述的线性预测器为N阶线性预测器，采用最小均方误差(Least meansquare, LMS)算法实现。线性预测器通过计算得到每一时刻的预测误差以后，采用LMS算法更新各抽头系数，从而使其能够更准确的预测下一时刻的输入值。
[0012]所述预测误差的计算方法为:
[0013]根据下述公式(I)计算预测误差，具体为:
【权利要求】
1.移动通信系统中基于线性预测原理的系统异常检测方法，其特征在于，通过动态检测移动通信系统运行过程中收集到的各种KPI的采样值，并根据各KPI的变化情况判定系统是否出现异常，该方法具体包括以下步骤: 步骤1:利用前N时刻的KPI采样值预测当前时刻KPI的采样值； 步骤2:计算当前时刻KPI的采样值与预测值之间的预测误差； 步骤3:对预测误差进行标准化处理，并根据标准化结果做出判决，即如果标准化结果的绝对值大于10，说明KPI值出现了剧烈的变化，则判定系统出现异常，反之，判断系统运行正常，则继续进行下一时刻的检测。
2.根据权利要求1所述的移动通信系统中基于线性预测原理的系统异常检测方法，其特征在于，所述的系统异常检测方法利用异常检测器进行动态检测，所述异常检测器的模型由线性预测器和判决器组成；所述线性预测器采用最小均方误差算法实现，所述判决器对预测误差进行标准化处理，并根据标准化结果做出判决。
3.根据权利要求1所述的移动通信系统中基于线性预测原理的系统异常检测方法，其特征在于，所述的预测误差的计算方法为: 根据下述公式(I)计算预测误差，具体为:
4.根据权利要求1或2所述的移动通信系统中基于线性预测原理的系统异常检测方法，其特征在于，所述的标准化处理方式如下: 所述线性预测器任意时刻的预测误差E近似服从均值为0，方差为σ 2的高斯分布；首先，利用线性预测器抽头系数收敛后k个连续时刻预测误差值由下述公式(2)估计出高斯分布的方差σ2:
【文档编号】H04W24/04GK103945442SQ201410191589
【公开日】2014年7月23日 申请日期:2014年5月7日 优先权日:2014年5月7日
【发明者】刘楠, 张吟, 潘志文, 尤肖虎 申请人:东南大学