专利名称：一种移动核心网故障数据二重联合线性判别方法
技术领域：
本发明涉及通讯网络领域，尤其涉及一种移动核心网故障识别二重联合线性判别 方法。
背景技术：
1987年，我国首个TACS模拟蜂窝移动电话系统在广东建成并投入商用并在广州 开通了我国第一个移动电话局，首批移动用户仅有700个。截至2009年12月底，中国移动 用户数量已达到5. 22亿个，居于世界移动用户数量之首。由此可见，中国移动通信业务发 展之快举世瞩目。所以在当今移动通信业务高速发展的情形下，研究移动通信网络异常检 测技术，防止网络瘫痪，及时发现网络故障，保障网络运行安全，提高网络运行质量是保障 人们正常生活和工作以及促进国民经济健康发展的关键所在。自 1990ipBoulout￡is [JBiKl^^^iModeling Fault Management in Communication Networks》后，有关解决通信网络故障的技术与建模研究很快成为国际研究的热点。1991 年，Frontini, Griffin和Towers基于知识系统采用规则推理的确定性模型研究了广域网 的故障定位问题。Bouloutas，Calo和Finkel (1994)基于依赖图的技术给出了通信网络 中故障识别和告警关联的建模和解决方法。Rouvellou and Hart (1995)基于概率有限状 态机器分别建立了故障和告警模型，其中故障模型是用来识别那些可能是不完全或不正确 的数据，告警模型是用来呈现大量的故障和噪声信息。Sehwartz，Adler, BIllmers (1995) 和Steimarm，Fr和Nejdl (1999)采用基于模型的推理技术研究了通讯网络的故障问题。 Lo, Chen和Lin(2000)利用因果图模型研究通信网络的故障识别问题，描述通信网络事件 之间的因果关系。Chao，Yang和Liu(2001)提出一种面向域的分级推理机制，它基于一个 实证研究结果的精致网络故障传播模型的因果关系图。他们根据该分级推理机制的原理， 在一个多域环境里设计了一个叫做告警关联视图的故障自动诊断系统。该系统不仅提供 自动告警关联的过程，还提供高效的故障定位与识别的功能。Tang，Luo和Yang(2002)根 据在同一个时间点故障发生时将导致网络流量明显偏离正常网络流量的特点，建立了基于 网络流量的多重分形模型，用来对故障进行检测。具体方法是通过建立一个基于函数的指 示器，在每一个时间点上测量网络流量的异常指数的偏离度，以此检测是否发生网络故障。 Steinder, Sethi (2004)通过增加假设条件研究通讯网络中的概率故障诊断问题。Yu，Li 和Chimg(2006)将一个多协议标签交换(MPLS)的网络故障管理扩展为一个骨干网，设计 了一个MPLS的连接监视器，监视MPLS操作并生成告警。他们还采用一种杂和技术有效地 将MPLS告警和其他设备及服务告警包括事件聚合、规则方法、电报密码方法等进行关联。 Chao, Natu和Sethi (2008)采用IP网络探测方法研究通信网络的故障隔离问题，并利用通 信网络中的呼叫转移专用功能来克服在应用探测技术进行故障隔离过程中遇到的不适合 情况和种种困难。Rathi和Thanuskodi (2009)将基于首页代理可靠性协议(VHAHA)作为一 个完整的系统结构，把虚拟专用网络(VPN)扩展到移动Ipv6以支持网络性能可靠性，提供 并解决移动IPv6注册地区的安全问题，便于故障检测和数据恢复。
在我们国家，杨放春(1993)通过将延时调整电路中的故障(包括功能故障)等 效成其数据线上多重桥接组合故障，提出一个可敏化此类故障的最小测试集，研究多级数 字交换网络中延时调整电路的故障诊断问题。李祥和(1995)介绍了专家系统与数据通信 网相结合产生的三种典型应用网络故障诊断专家系统、路由选择专家系统和开发交换软 件专家系统。孙颖楷和曹龙汉(2000)利用基于粗糙集理论的人工神经网络对故障进行诊 断。张小松，伦志新和窦炳琳(2005)基于依赖图的技术对网络故障进行识别。彭熙，李艳， 王倩；和肖德宝(2005利用基于网络拓扑结构的智能诊断技术对故障定位系统进行设计。 钟仕群，朱程荣和齐邦(2006)利用贝叶斯网络集成方法建立了故障定位模型。郑秋华等 (2007,2008)利用拉格朗日松弛和次梯度法研究网络故障智能诊断的关键技术。安若铭，安 伟光和谷吉海(2009)基于因果图的技术分析对网络诊断模型进行研究。这些模型和算法都是对移动网络硬件故障或软件故障进行研究，或是对网络其他 一些性能指标进行分析。到目前为止，还未见有利用移动核心网性能数据进行分析，从对故 障数据的识别达到对网络发生故障予以告警的文献报导。本发明首次公开一种通过对移动核心网性能数据(也即BSC的TRAU数据)的历 史分布规律进行分析，从中抽象出离群曲线的故障特征，然后建立数学模型来对移动核心 网性能数据中的故障数据进行识别，通过对移动核心网性能数据中的故障数据进行识别达 到发现移动网络发生故障并给予告警的目的。本发明给出的移动核心网故障识别二重联合 线性判别方法，对故障数据的识别准确率达到100%。
发明内容
本发明解决的技术问题是克服现有技术的不足，提供一种新的移动核心网异常判 别方法，即移动核心网故障识别二重联合线性判别方法。其针对移动核心网性能数据，即 BSC的TRAU数据进行分析，建立判别模型和判别准则。本发明简单易行且能够达到100% 的判别准确率。为解决上述技术问题，本发明采用的技术方案如下本发明研究这样一种故障现象由于移动网络用户数量突然增加，导致网络容量 不足而引起信道堵塞或网络交换系统软件发生瘫痪而引起重大网络故障的现象，称之为数 据突增事件。通过研究移动核心网BSC的TRAU话务量数据曲线规律，来达到对移动核心网 数据突增事件的监控和告警。所述TRAU话务量曲线的绘制方法如下，首先进行数据采集记录某d天内的η个 BSC的TRAU话务量数据，记为X=，其中X。表示第i个BSC在第j天第k个时间点的TRAU话 务量，每天记录的时间点为t个，其中i = 1,2,3. . . .n, j = 1,2,3.....d，k= 1，2，3.....t。然后绘制TRAU话务量曲线以时间(或者时间点序号)为横坐标，TRAU话务量 O1为纵坐标，绘制出d天的所有η个BSC的TRAU话务量曲线。由于TRAU话务量数据的离散度很大，画出来的图形效果很不直观，所以为了更加 直观的观察数据变化趋势，还可以采用TRAU话务量数据点在一天内的点平均话务率来刻 划。定义TRAU数据的点平均话务率Ι=为该时间点话务量 ·
权利要求
1.一种移动核心网故障数据二重联合线性判别方法，所述的移动核心网数据是TRAU 话务量数据，其特征在于，通过研究移动核心网BSC的TRAU话务量曲线分布规律，对移动核 心网故障数据进行判别分析，具体包括以下步骤①确定离群曲线；②设定风险警界线和数据突增临界线；③建立三个类别数据点；④建立二重联合线性判别模型；⑤确定二重联合判别阀值；⑥建立二重联合线性判别准则；⑦判别分析TRAU话务量故障数据。
2.根据权利要求1所述的移动核心网故障数据二重联合线性判别方法，其特征在于， 所述步骤①确定离群曲线具体为找出偏离大部分TRAU话务量曲线的离群曲线。
3.根据权利要求2所述的移动核心网故障数据二重联合线性判别方法，其特征在于， 所述步骤②设定风险警界线和数据突增临界线具体为找出某条异常曲线在所观测的时间 范围内第一次达到的峰值，称之为最大承载量临界值，记为M，数据突增临界值C = M- α，其中取α为不大于该BSC最大承载量临界值M的丄的最大整数，即
4.根据权利要求3所述的移动核心网故障识别二重联合线性判别方法，其特征在于， 所述步骤③建立三个类别数据点具体为利用数据突增临界线和风险警界线将TRAU话务 量数据分为三个类别正常点类别，异常点类别和故障点类别，对任一 TRAU话务量数据X，
5.根据权利要求4所述的移动核心网故障识别二重联合线性判别方法，其特征在于， 所述步骤④建立二重联合线性判别模型具体为针对异常曲线，建立第一线性判别模型
6.根据权利要求5所述的移动核心网故障识别二重联合线性判别方法，其特征在于， 所述步骤⑤确定二重联合判别阀值具体为所述二重联合线性判别阀值包括第一判别阈值 和第二判别阈值，分别记为W1和W2, 二重联合线性判别阈值为
7.根据权利要求6所述的移动核心网故障识别二重联合线性判别方法，其特征在于， 所述步骤⑥建立二重联合线性判别准则具体为令Cl1 = A(X)-W1, d2 = f2(y)-W2，对异常曲 线上任一 TRAU话务量数据XeG带入上述两式，则
8.根据权利要求7所述的移动核心网异常数据线性判别方法，其特征在于，所述步骤 ⑦判别分析TRAU话务量故障数据具体为利用所述二重联合线性判别准则对新的TRAU话 务量数据进行判别分析。
全文摘要
本发明涉及通讯网络领域，所要解决的技术问题是提供一种移动核心网故障识别二重联合线性判别方法，本发明通过研究移动核心网BSC的TRAU话务量数据分布规律，建立二重联合线性判别模型和三种模式判别准则，用来对移动核心网性能数据进行判别分析。本发明简单易行，且判别准确率达到100％。
文档编号H04W24/04GK102006613SQ20101055437
公开日2011年4月6日 申请日期2010年11月19日 优先权日2010年11月19日
发明者庞素琳, 汪寿阳 申请人:暨南大学