用于小区异常检测的方法和网络设备的制造方法
【技术领域】
[0001] 本发明设及通信网络。本发明的实施例总体设及移动通信，并且更具体地设及通 信网络中的网络设备和方法。具体地，本发明设及用于小区异常检测的方法、网络设备、计 算机程序产品和计算机可读介质。
【背景技术】
[0002] 当前的蜂窝网络管理系统依赖于人类或自动化警报能力W评定网络域的状态 (即，针对警报进行检查）。假定蜂窝基础设施的复杂性和连续增长，运个过程常常按比例 调整得不是很好。
[0003] 因此，可W存在对关于蜂窝网络的自动化过程的需要W便检测小区异常。
【发明内容】
[0004] 根据本发明的示例性实施例，可W提供一种用于网络中的小区异常检测的方法， 包括：接收第一源的第一训练数据；接收第二源的第二训练数据；基于所述第一训练数据 生成简档；基于所述第二训练数据生成简档；在简档池中收集所述第一训练数据和所述第 二训练数据的所生成的简档；将权重与所述简档池中的每个简档相关联；基于所述简档和 它们相关联的权重提供一组预测；和基于至少一个预测生成用于根本原因诊断的数据。 阳〇化]在下文中，关于该方法描述了示例性实施例。应当理解，与该方法有关的所有特征 可W被实现为关于一个或多个网络设备的硬件和/或软件。
[0006] 根据本发明的示例性实施例，可W提供一种用于高效地管理移动网络中多媒体流 送应用的增加的使用的机制。该方法可W从连续KPI数据（KPI=关键性能指标）流中挖 掘信息并可WW高准确度确定KPI/小区的偏离级别。
[0007] 而且，根据本发明的示例性实施例，该方法可W进一步包括管理简档池。运可W包 括添加简档和/或移除简档。还可W预见到的是，利用用于从简档池中移除表现最差的简 档的老化方式。因此，可W执行将简档老化移出（agingout)。还可W预见到的是，提供人 为输入W便移除简档。因此，自动机制W及人工机制可W被单独提供或者可W被组合。
[000引 自组织网络（SON)可W被视为下一代移动通信网络（诸如LTE或LTE-A)W及被 称为异构网络化et化t)的多无线电技术网络中的自动化网络管理的关键促成者。SON领域 包括：自配置，其可W覆盖新网络元件（诸如基站）的自动连接性和初始配置；和自优化， 其可WW网络的最优操作为目标，万一对服务、用户移动性或通常应用可使用性的需求显 著变化，要求调整网络参数W及诸如能量节约或移动性鲁棒性优化之类的使用情况，就触 发自动动作。运些功能通过自愈而补充，自愈旨在自动异常检测和故障诊断。相关领域可 W是流量定向灯巧和能量节约管理巧SM)。
[0009] 对于自愈，典型地，仅仅小区中断检测（COD)和小区中断补偿（COC)被提及为SON自愈使用情况。然而，对于本发明的示例性实施例，可W考虑小区异常检测和小区诊断：两 者都设及中断情况W及小区仍能够提供某一级别的服务但其性能也比期望级别低对订户 来说清楚可见的量的情况。换句话说，小区中断是降级的特殊情况，运意味着小区不能够提 供任何可接受的服务，通常意味着用户不能够连接到它并且在小区中根本不存在流量。此 夕F，运个方式清楚地分离了检测（检测潜在地指向网络中的降级的相关症状）和诊断功能 (识别事件的根本原因）。
[0010] 小区异常检测可W基于性能监测和/或警报报告。性能数据包括：失效计数器，诸 如掉话、不成功RACH接入等等；化及更复杂的关键性能指标（KPI)，诸如流量负载，其需要 被监测和简档处理W描述用户的"通常"行为并检测是否模式正在朝着指示网络中的问题 的方向而改变。存在用于小区异常检测的两种不同方式：单变量方式，其中每个个体KPI被 独立地考虑；和多变量方式，其中KPI之间的相关性被考虑。单变量和多变量检测方式二者 过去均已经被分析。它们共享下述特性：在相应训练阶段中对（一组）某个（某些）"正 常"状态进行学习（称作"简档处理"）。在实际检测阶段中，识别从运些状态的偏离。优点 是过程的高度自动性质（操作者仅仅需要验证训练阶段为无故障的并因此不需要增加每 KPI的阔值等等）。为了分析可疑故障的根本原因，通常必须使不同KPI与彼此相关W辨别 不同故障的特性印记。图1示出了运样的过程且将稍后加W描述。 W11] 由于需要被监测的KPI的类型中的宽范围和需要被检测的网络事件的宽范围，没 有单个传统单变量或多变量检测方法分类器"）将能够提供期望的检测性能。检测性能 设及正确地识别相关事件（真肯定）和不相关事件（真否定），同时避免遗漏相关事件（假 否定）和不正确地将事件识别为相关（假肯定）。示例性的整体方法，如图2中所示且稍后 描述，可W组合不同分类器并通过取得它们的预测的加权投票来分类新数据点，从而有效 地创建新的复合检测方法，该复合检测方法利用通过对所监测的数据进行简档处理而学习 的经优化的加权参数值，提供了与任何其他单个方法相比改进的方法。而且，该整体方法还 可W实现提高的自动化级别。
[0012] 存在常规的小区中断检测和恢复方法，尤其是对于LTE技术。然而，典型地可用的 商业特征可W不包含任何"简档处理"，而宁可包含简单的每KPI的阔值处理和规则组。用 于小区异常/降级检测的单变量和多变量方式二者早期均已经被提出，但没有根据本发明 的考虑到从网络自身可用的上下文信息的整体方法。
[0013] 用于当被应用到小区异常检测问题时实现经优化的检测性能的整体方法方式可 W被训练W确定和动态地调整作为整体方法一部分的每个个体检测方法的权重参数值。
[0014] 本发明可W提供确定和维持权重值W使得可W针对被监测W检测小区异常的数 据而连续优化复合整体方法的性能。而且，运个方式还可W提出用于训练新的各个检测简 档的触发机制和用于消除不太高效的检测简档的老化机制。
[0015] 所提出的框架可W将各个单变量和多变量方法应用于训练KPI数据，得到对不同 预测器的池的构造。使用预测器池，在"处于测试中的"（目P，经受检测的）KPI数据上获得 的预测连同被分配给每个预测器的权重一起得到"KPI级别"的计算（即，KPI从其"正常" 状态的偏离）。所提出的方法依赖于从人为生成的配置管理（CM)或经确认的故障管理（FM) 输入数据中提取的上下文信息（对蜂窝网络来说可用）W采取知情决定。
【附图说明】
[0016] W下参考附图描述了本发明的实施例，附图不必按比例绘制，其中：
[0017] 图I图示了示例性的小区异常/降级检测和诊断；
[0018] 图2图示了用于异常检测的示例性的一般整体方法方式；
[0019] 图3图示了被应用于蜂窝网络中的单个小区的所提出的整体方法的示例性总体 方式讯
[0020] 图4图示了使用上下文信息的用于简档池的示例性老化机制。
【具体实施方式】
[OOW图1图示了小区降级管理方法的框图，其可W包括四个不同框，表示任务：
[0022] 1)执行数据测量或测量收集； 阳〇2引。降级检测；
[0024]扣根本原因诊断讯 阳0巧]4)解决方案部署。
[00%] 降级检测可W具有发现具有低假肯定率的问题小区的任务。根本原因诊断可W具 有推断所检测的降级的根本原因的任务。解决方案部署可W由降级检测或根本原因诊断组 件来触发。
[0027] 图2图示了根据本发明的用于异常检测的一般整体方法方式的示例性实施例。整 体方法学习其权重参数值并将简档池中的不同简档的加权投票作为KPI级别的最终结果。
[0028] 图3图示了详细整体方法方式的示例性实施例。可W提供测量收集，其目的在于 如图1中所示的根本原因诊断。整体方法或图3中的方法可W基于经确认的FM数据、人类 知识和/或用于确定具有同构CM的小区异常值的CM数据来学习其权重参数值。整体方法 使用CM改变来触发对新简档的构造并基于它们的性能来老化简档。框D1-D6表示数据，而 框M1-M6表示方法的步骤。其余元素指示不同上下文信息。虚线指示在新的证据/数据存 在时触发事件。
[0029] 图3呈现了根据本发明的整体方法的示例的细节，其中在数据、方法、上下文信息 和人类专业知识之间进行区分。蜂窝网络的每个小区可W由作为数据流而生成的一组KPI 测量来表征。所提供的整体方法可W被应用于每个小区。
[0030] ?最初，对于给定的时间段，选择给定小区的KPI测量作为用于整体方法的简档池 的训练数据集值1)。
[0031] ?将多种多样组的单变量和多变量算法（Ml)应用于训练数据集值1)。单变量方 法在个体KPI级别处操作，而多变量方法跨所有KPI而操作。
[0032] ? (Ml)的结果是被用作整体方法的简档池值2)的一组简档。简档池中的每个简 档具有与其相关联的权重。对于初始的简档池，所有简档具有相关联的相同权重值。
[003引 ?给定简档池值2)，则W连续方式使用KPI的流作为针对预测器池的测试数据集 值5)。
[0034] O任何CM改变（Cl)触发测试数据集也变成训练KPI数据集，此后执行用于生成 新的简档组的方法（Ml)。基于CM数据的状态来自动确定CM改变。
[0035]O如果简档池达到简档的最大数量，则CM改变还触发老化机制（M4)，其基于它们 的年龄和性能二者从池中移除简档。
[0036] ?使用与单变量和多变量方法（M2)相对应的测试技术来针对简档池中的简档而 对测试数据集值5)进行测试。
[0037] ? (M2)的结果是由简档池中的每个个体简