技术领域本发明涉及无线网络日常优化过程的干扰排查技术，尤其涉及一种基于模式识别的无线网络干扰自动排查方法。
背景技术：
无线网络干扰是指在无线电通信过程中发生的，导致有用信号接收质量下降、损害或阻碍通信，也称为噪声。干扰使通话断断续续严重时甚至会中断通话，影响了通信网络的正常运行和用户的通话质量。通话质量、基站覆盖范围以及各项网络指标会随着干扰的上升而严重下降。究其原因，一方面由于频率复用不合理导致的系统内干扰，另一方面周围无线环境等都会造成干扰。如何降低或消除干扰是网络规划优化的重要任务。目前对于网络干扰的排查处理方式，主要是由人工从网管系统中提取数据，通过主观分析进行干扰原因的判断和处理方案的制定。这种方式存在诸如各维度数据手工提取效率低下，经验难以固化分享等弊端。此外，涉及大量人工数据提取及关联分析，是一件费时费力的工作。
技术实现要素：
本发明针对目前需求以及现有技术发展的不足之处，提供一种基于模式识别的无线网络干扰自动排查方法。本发明所述一种基于模式识别的无线网络干扰自动排查方法，解决上述技术问题采用的技术方案如下：所述基于模式识别的无线网络干扰自动排查方法，建立智能化流程，包括数据采集、清洗处理、采样分析、模式识别过程，能够自动化采集、解析、清洗或转换干扰分析所需的网管数据；针对采集到的测量统计数据，通过整合处理形成网元的干扰波形，然后应用模式识别技术对干扰波形进行特征向量提取，形成表征干扰特征的向量数据，依据特征向量的拟合程度，自动判定干扰类型、产生的原因及对应的排查处理方法。优选的，按优先级进行干扰类型的分析匹配，分析匹配的内容包括，是否存在干扰、优先级，以及具体的干扰类型。优选的，建立模型库，统一管理每个模型特征参数。优选的，在新的波形特征出现时，通过设定或调整模型参数对新的问题类型的自动监测和识别。优选的，系统进行特征向量模型匹配，根据相似度判断存在的干扰类型；与模型库中已有典型干扰类型分布趋势进行匹配，推送出具体的小区干扰原因，相应的排查方法和处理优先级，推送相应的解决措施。优选的，若不能匹配，则进行新模式识别及参数设置，通过模型库管理再次进行模型匹配，直至匹配成功。本发明所述一种基于模式识别的无线网络干扰自动排查方法，与现有技术相比具有的有益效果是：本发明可以实现自动化识别和经验积累，自动化实现数据采集、清洗处理、干扰波形构建、采样并生成干扰特征、模型匹配、结论输出等过程；对于无法匹配的干扰特征自动添加到模型库中，由专家结合经验进行模型特征抽取设定；全过程通过IT手段进行自动化处理，提升日常网络优化中对干扰的分析和排查工作效率，相较传统处理方式大大减少了人工参与的工作量，提升了工作效率，改善了工作质量。说明书附图附图1为所述基于模式识别的无线网络干扰自动排查方法的流程图。具体实施方式为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明所述一种基于模式识别的无线网络干扰自动排查方法进一步详细说明。针对无线网络运维工作，本发明提出的基于模式识别的无线网络干扰自动排查方法，建立一套智能化处理流程，应用模式识别方法，借助IT技术手段自动化实现日常无线网络优化中干扰问题的分析排查。该无线网络干扰自动排查方法，包括数据采集、清洗处理、采样分析、模式识别等过程，全过程通过IT手段进行自动化处理，通过模型库管理的形式实现干扰处理经验的固化共享，并提供了关联分析手段；相较传统处理方式大大减少了人工参与的工作量，提升了工作效率，改善了工作质量。实施例：本实施例所述基于模式识别的无线网络干扰自动排查方法，建立智能化流程，自动化实现干扰分析所需网管数据的采集、解析、清洗、转换；针对采集到的测量统计数据，通过整合处理形成网元的干扰波形，然后应用模式识别技术对干扰波形进行特征向量提取，形成表征干扰特征的向量数据，依据特征向量的拟合程度，自动判定干扰问题的类型、产生的原因及对应的排查处理方法。本实施例所述基于模式识别的无线网络干扰自动排查方法，其具体实施流程如下：步骤1、建立智能化流程，自动化实现干扰分析所需网管数据的采集、解析、清洗、转换；步骤2、根据处理后的干扰电平，通过数据拟合自动生成干扰波形；步骤3、应用模式识别技术，建立干扰波形的特征向量；步骤4、按优先级进行干扰类型的分析匹配，保证判定结论的准确性；步骤5、建立模型库，统一管理每个模型特征参数。所述步骤1中，所述网管数据包括性能统计、测量报告及资源配置；通过自动化手段实现干扰分析所需性能统计、测量报告及资源配置数据的采集、解析、清洗及转换。所述步骤2中，通过对处理后网管统计数据进行线性拟合，生成对应的干扰波形。所述步骤3中，建立表征干扰波形的特征向量数据，QUOTE，其中Xi为分向量，n为维度。所述步骤4中，按优先级进行干扰类型的分析匹配，保证判定结论的准确性；分析匹配的内容包括，是否存在干扰、优先级，以及具体的干扰类型。所述步骤5中，建立了模型库，模型库管理每个模型的名称，是否应用，特征参数，对应的干扰类型及处理方法；实现日常干扰问题处理经验的固化积累，即在新的波形特征出现时，该方法支持通过设定或调整模型参数来实现对新的问题类型的自动监测和识别。附图1为所述基于模式识别的无线网络干扰自动排查方法的流程图，如附图1所示该无线网络干扰自动排查方法的实施如下：首先是以自动调度的形式从设备厂家北向接口中采集网管数据，进行数据的解析、清洗、转换等处理，形成小区维度的聚合数据，从中进行特征采样，形成表征干扰波形的特征向量数据；QUOTE，其中Xi为分向量，n为维度，表征采样数据的精细程度，可以自定义。系统进行特征向量模型匹配，根据相似度判断存在的干扰类型。与模型库中已有典型干扰类型分布趋势进行匹配，推送出具体的小区干扰原因，相应的排查方法和处理优先级，推送相应的解决措施。若不能匹配，则进行新模式识别及参数设置，通过模型库管理再次进行模型匹配，直至匹配成功。由于现实中干扰的成因非常复杂，导致形成的波形可能会间距多种特征，为此需要对干扰的判定流程进行优先级顺序的判定。通过小区的干扰信号强度是否存在超门限（日常网络优化过程中一般设定为>-105dbm）的情况，并根据出现干扰信号强度的数量给定干扰处理的优先级（高/中/低）。然后对干扰类型的匹配按顺序执行，首先判断小区的干扰特征是否符合系统内干扰，如果符合则为系统内干扰。如果不符再判断是否为宽频干扰，如果符合则为宽频干扰。如果不符再判断是否为杂散干扰，如果符合杂散干扰，可以进一步判断是FDD干扰还是DCS1800干扰，如果不符再判断是否为谐波/互调干扰。上述均无法判断是，暂判定为其它干扰，并纳入新模型库中，由人工进行判定，抽取模型参数完善模型库，并设定该干扰的类型、产生原因及处理措施。本发明借助IT技术手段自动化实现无线网络干扰分析工作，为了增加扩展性和兼容性，具体实现本发明的技术时，可以使用java语言以及JDBC(JavaDataBaseConnection,Java数据库连接)，做到跨平台(windows/unix),跨数据库(sqlserver/mysql/oracle等)，提供WEB图形界面，简单操作，方便实用。上述具体实施方式仅是本发明的具体个案，本发明的专利保护范围包括但不限于上述具体实施方式，任何符合本发明的权利要求书的且任何所属技术领域的普通技术人员对其所做的适当变化或替换，皆应落入本发明的专利保护范围。