一种移动通信网无线网络语音优化方法
【专利摘要】本发明公开了一种移动通信网无线网络语音优化方法，该移动通信网无线网络语音优化方法包括首先检测当前网络状态，并判断是否为移动通信网无线网络，否则自动退出运行；是则自动检测移动通信网无线网络的信令数据和语音数据；其次采集移动通信网无线网络的信令数据和语音数据，并进行信令和语音的关联；然后分析采集到的数据，并根据语音质量的分析结果判断出无线网络的状况及问题，优化无线网络的语音质量；最后对基于语音业务的最佳优化率进行分析计算，获得移动通信网无线网络语音业务最佳优化率。本发明最大限度的发挥移动通信网无线网络的服务能力，同时可以根据移动通信网无线网络现状及时更新语音优化方法，动态调整资源。
【专利说明】
一种移动通信网无线网络语音优化方法
技术领域
[0001] 本发明属于移动通信技术领域，尤其涉及一种移动通信网无线网络语音优化方 法。
【背景技术】
[0002] 随着通信网络的发展，目前移动通信网络是2G、3G、4G并存的时代，网络结构复杂， 无线接入方式也非常复杂，对于承载的语音业务，由于要求的实时性非常高，所有经常出现 单通、断续、噪音、刺耳音、金属音、双不通、啸叫，由于移动通信网的无线网络环境非常复 杂，存在覆盖、干扰、切换、设备间配合、设备参数配置等众多问题，还有终端和核心网络问 题干扰问题的分析判断，如何有效发现、分析、定位这些问题，是进行无线网络优化的关键； 通过语音质量对无线网络进行优化，能够有效发现无线网络的问题，并且直接提高用户的 语音质量，快速提升客户感知。
[0003] 目前公知的无线网络优化有以下几种方式：
[0004] 1、通过(^、83(：、1^(^〇(168、6呢等设备的日志，对无线网络进行分析和优化，这种 方式，得到指标差的基站、小区来进行无线网络优化。由于这些指标无法反应用户的语音质 量，所以不能够反应用户的客户感知，即使建立的指标和语音质量的对应算法，也是不准确 的，所以无法直接对语音质量问题进行发现和优化。
[0005] 2、通过路测对无线网络进行优化，路测能够实地发现路测终端经过路线的无线网 络情况，但在空间和时间的局限性太大，不能发现整个区域全时段的情况，另外也只针对路 测这个手机的情况的精确分析，无法得到其他用户的语音情况。
[0006] 3、通过手机终端互相进行MoS测试，评估无线网络情况，手机MoS测试和路测原理 一样，也是在空间、时间和用户个体等方面具有很大的局限性。
[0007] 4、通过采集用户无线数据的消息进行分析，在Abis接口、Iub、Sl、X2等接口获得用 户的无线质量、功率等信息，由于无线指标信息只能间接反应语音的质量，而产生语音质量 问题时，用户的无线数据不一定产生劣化。
[0008] 5、通过用户投诉方式来发现语音质量问题，这种方式很被动，只有少部分用户会 把质量问题反馈回来，而且只能提供位置信息，其他的数据很难得到。
[0009] 综上所述，目前技术方案不能在语音质量方面对无线网络进行优化，不能准确分 析出每个移动用户的实际语音质量情况，本方法能够有效的通过语音质量对无线网优进行 补充，增加无线网优的手段，提升无线网优对用户语音质量、用户感知的支撑。
【发明内容】
[0010] 本发明的目的在于提供一种移动通信网无线网络语音优化方法，旨在解决目前的 移动通信网无线网络语音优化方法存在的监测不全面、优化不彻底、数据分析不精确的问 题。
[0011] 本发明是这样实现的，一种移动通信网无线网络语音优化方法，该移动通信网无 线网络语音优化方法包括：
[0012] 步骤一、检测当前网络状态，并判断是否为移动通信网无线网络，否则自动退出运 行;是则进入步骤二；
[0013] 步骤二、采集移动通信网无线网络的信令数据和语音数据，并进行信令和语音的 关联；
[0014] 步骤三、分析采集到的数据，并根据语音质量的分析结果判断出无线网络的状况 及问题，优化无线网络的语音质量；
[0015] 步骤四、对基于语音业务的最佳优化率进行分析计算，获得移动通信网无线网络 语音业务最佳优化率。
[0016] 进一步，所述步骤二具体为采集2G网络的Aover IP信令和BSC的语音数据，并且通 过A接口的Transport AoIP IP地址、Transport AoIP Port和BSC的RTP语音数据进行数据 关联；
[0017] 所述步骤二具体为采集3G网络的Iucs over IP信令和RNC的语音数据，IuPS的 transportLayerAddress、bindingID 和 RNC 的语音数据进行关联；
[0018] 所述步骤二具体为采集LTE网络的Sl接口的VoLTE的SIP信令和语音数据，并且通 过SDP信息和语音数据关联；
[0019] 所述步骤二具体为采集非IP承载的A、Abis接口和Iub接口的信令和语音数据。
[0020] 进一步，所述无线网络的资源优化分配方法包括：
[0021] 基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类 处理；
[0022] 根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的 水平方位角和垂直仰角；
[0023] 基站天线波束实现对用户群的精确对准；
[0024] 采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户 群设置一个特定的电子下倾角和垂直半功率带宽的波束，确定基站到用户的信道增益模 型；
[0025] 基于最大化吞吐量的目标，提出多播系统的载波资源分配模型;具体包括：
[0026] 以小区中的总的吞吐量作为系统的效益U:
[0027]
[0028] 其中D和F分别表示多播组和载波集合，^表示用户群k中用户在载波η上获得的 总数据传输速率，由：
[0029]
[0030]计算，其中Bo为载波的带宽，pk为分配给用户群k的波束的传输功率，σ2为高斯白噪 声的功率，an, k为载波使用指示因子，满足条件：
[0031]
[0032]
[0033] 条件（1)表示载波η分配给用户群k，则an,k=l，否则an, k = 0,条件(2)说明载波被全 部使用，且一个载波被多个用户群复用；
[0034] 提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理；
[0035] 基于最大化吞吐量的载波分配算法。
[0036] 进一步，所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对 用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：
[0037] Ii= (xi,yi)；
[0038] 其中Xl，yi分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量： IH - (Hi,i，Hi,2，···，Hi,c); 其中m,。表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了 用户的内容请求偏好； 基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且 位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如 下公式计算：
其中β是一个0-1之间的权重系数；
[0039] 使用K-Means聚类方法，对小区内所有的用户D进行聚类，Ui= {li，m}表示用户i的 聚类信息，聚类的目的是将原始用户分成C类D= (D1，…，Dd，数学模型上是对下式求最小 值：
[0040]
[0041] 其中Yk为用户群的中心；
[0042] 所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行 聚类处理具体步骤如下：
[0043] 步骤一，从D中随机取C个用户，作为C个用户群的中心；
[0044]步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将 用户划分到相似度最高的用户群；
[0045] 步骤三，根据聚类结果，更新C个用户群的中心丫15={115，111{}，用如下公式 ：
[0048]其中Hi1是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生 变化；
[0046]
[0047]
[0049] 所述根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位 置的水平方位角和垂直仰角具体包括：
[0050] 采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户 群设置一个特定的电子下倾角和垂直半功率带宽的波束，基站坐标为原点〇(〇,〇，H BS)，用户 群k的质心为以，位置坐标为(^，&)，垂直仰角和水平方位角为(％名）：
[0051] 基于聚类后的用户群位置信息，用户群质心的水平方向角和垂直仰角通过下面的 公式求出：
[0052]
[0053]
[0054] 显然，垂直仰角和水平方位角的取值范围为Q1G (〇，jt)，釣€[0,2τγ];
[0055] 所述基站天线波束实现对用户群的精确对准具体包括：
[0056] 步骤一，将调整波束的电子下倾角、电子水平角和半功率带宽，使波束的辐射方向 对准用户群的中心位置，使半功率带宽范围覆盖用户群中的所有用户，基站到用户的下倾 角和水平角将调整为：
[0057]
[0058] 其中，为基站基于用户聚类结果，利用用户群的中心位置计算出来的用户群 中心的水平方位角和垂直仰角；
[0059] 步骤二，确定波束宽度，用户群的覆盖区域为一个圆点在用户群中心的圆形，则该 圆形区域的半径为该用户群中离中心位置最远的用户与中心的距离，即：
[0060]
[0061] 其中（Xk，yk)为用户群k的中心yk的坐标，则第k个波束的垂直半功率带宽为：
[0062]
[0063] 所述采用有源天线阵列的天线模型，并确定基站到用户的信道增益模型具体包 括：
[0064] 步骤一，根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置 的实际水平方位角和垂直仰角，计算出用户i相对于基站的水平方位角&和垂直仰角M 1，若 用户i属于多播组k，则用户i的实际水平方位角和垂直仰角等于：
[0065]
[0066] 步骤二，有源天线阵列的天线模型：
[0067] 3D天线增益模型采用3GPP标准中提出的有源天线阵列辐射模型，天线增益模型表 示如下
[0068]
[0069] 其中，为下倾角为〇时的有源天线单阵元的天线增益模型，和θ为用户实 际位置上的方位角和垂直仰角，P为阵列天线的相关系数，η分别为权值因子和用户 偏移相位，分别表示如下：
[0070]
其中，Qe3tllt表示天线波束的下倾角，队_表示天线的水平转向角，针对不同的用户群， 天线的QetiIt和％的配置不同； 步骤三，基站到用户的信道增益模型，采用多播信道增益模型，在一个多播组中的用户 以相同的速率接受数据，基站的传输速率超过了该群中的某个用户的最大承受速率，则这 个用户将不能正常解码该数据，基站以用户群中最小的速率传输数据，因此用户群k中基站 到用户的等效信道增益等于该用户群中用户的最差信道增益，即：
其中表示用户i(ieDk)在载波η上的信道增益，由3部分组成:快衰落、 基站到用户的路径损耗和用户的3D天线增益，如下表达式：
[0071]
[0072] 其中，F和PL分别表示快衰落和路径损耗，表示第k个波束到用户i的 3D天线增益；
[0073] 所述提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理具体 包括：
[0074] 基于图论的知识对用户群进行分簇，定义波束间的干扰图G=(V，E)，其中V表示波 束的集合，作为干扰图的顶点，E表示波束间的干扰系数，作为干扰图的边，定义指示函数e (Vk，vm) (k辛m)指示波束k和波束m间的干扰：
[0075]
[0076] 具中Ok和Om分别表不用尸群k和用尸群m的半径，rth表示两个波束间干扰忽悠不计 的门限距离，另外，定义e(Vk，vk)=0,表示波束自身不存在干扰，根据指示函数，构建一个二 值干扰矩阵：
[0077]
[0078]
[0079]
[0080] 当dG(vk)=0时，称Vk为零度节点；
[0081] 分簇的具体步骤如下：
[0082] 步骤一，用顶点集合V构建干扰矩阵Ag，初始化迭代因子h=l，孤立节点集合 S二0 ,分簇集合Φ = 0 ,节点集合5 = 0 ;
[0083] 步骤二，找到所有的零度节点Vk，更新S = S U Vk;剩余节点集合记为ΦI = V-S;
[0084] 步骤三，分簇:a)4j，找节点k = arg max(dG(vk))，令干扰矩阵的第k行、第k列 为〇，更新节点集合Bh = Bh门Vk; b)循环执行a)直到Ag = 0; c)更新Φ h = φ h-Bh，则φ h为第h个 簇；
[0085]步骤四，用节点集合Bh重新构建Ag辛0，更新节点集合Φ h+i = Bh，更新迭代因子h = h +1，执行步骤⑶；如果Ag=O或者|Bh| =1，如果I Bh| =1 JjiVi = Bh;
[0086]步骤五，将孤立节点集合S分配到最少节点的一簇中；
[0087] 经过用户群的分簇处理后，用户群D= (D1，…，Dk，…，DC}经过分簇算法被划分为Φ =K1，…，Φη，…}，Φh表示第h个用户群簇，每个簇中的总的用户传输速率为：
[0088]
[0089]系统总的吞吐量为所有用户群簇的传输速率之和：
[0090]
[0091] 其中0U,,为用户群簇使用载波η的指示因子，相应的，〇^"满足的条件为：
(1) (2) 条件(2)表示一个载波只能分配给一个用户群簇，同一簇中的用户群共享一个载波资 源，不同簇中的用户群不可以复用； 所述基于最大化吞吐量的载波分配算法具体步骤如下： 步骤一，根据公式：
计算每个簇中的用户在载波η上的总传输速率； 步骤二，为了最大化系统的吞吐量，找到获得最大速率的载波和用户群簇，首先分配该 载波给该用户群簇，根据公式：
将载波η分配给用户群簇获得最大的传输速率，载波η分配给簇Φη的频谱利用率最 高，所以将载波η分配给用户群簇?h;
[0092]步骤三，将载波η从载波集合F中移除，同时，将用户群簇Φ h从集合Φ中移除；
[0093]步骤四，重复执行步骤二和步骤三，直到载波集合或者用户群簇集合成为空集。
[0094]进一步，所述无线网络的快速唤醒关联的方法包括:在单播唤醒关联下首先构造 Wakeup帧头，帧体和帧尾;其次发起者Hub发送T-Poll帧，再次节点根据T-Poll帧分配的时 隙接收Wakeup帧并与Hub开始进行关联过程;在多播唤醒关联下首先构造 Wakeup帧头，帧体 和帧尾以及地址索引号对照表，其次发起者Hub向所有节点发送T-Po 11帧;再次节点根据T-Po 11帧分配的时隙接收Wakeup帧并与Hub依次开始进行关联过程；
[0095] 唤醒帧的帧头包括FC、HID/NID、BAN ID，其中FC为帧头控制，包括协议版本、Ack策 略、安全级别、帧类型帧控制信息，在帧控制中设置帧的类型为控制类型，子类型为Wakeup 帧;HID/NID为Hub和BN的地址缩短码，用于帧数据的接收;BAN ID为当前工作的体域网的缩 短地址，用于标记该帧数据所处的体域网；
[0096] 唤醒帧体包括六(1(1_&、4(1(1_13、333、48 8〇_(31：1'1、340;其中4(1(1_&为!11113要求与之进行 认证的BN节点地址或者BN的地址检索码，在单播时M=6字节，多播时M的大小可变;Add_b为 当前发送唤醒关联信号的Hub地址;SSS为安全套接字选择域，用于确定当前安全关联协议、 安全级别、帧认证控制、密码函数一系列用于安全关联所需的信息;A SS〇_Ctrl为安全关联 控制，包括关联序列号和关联状态；SAD为安全关联数据，包含Hub的公钥以及当前Hub产生 的随机数Nonce_b，在0~(2 128-1)中随机选取，用于唤醒之后的认证工作；
[0097] 唤醒帧尾由FCS组成，采用循环冗余序列CRC校验。
[0098]进一步，单播关联过程具体包括：
[00"] 步骤一，Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值，构造 Wakeup 帧;在发送Wakeup帧后，向节点发送T-Poll帧；
[0100]步骤二，节点收到唤醒帧后，获得本次关联的配置信息以及Hub的公钥PKb，然后选 择自己的私钥SKa长为256比特，计算公钥PKa = SKa X G，计算出公钥后，节点再计算基于口令 的公钥，PKJ = PKa-Q(PW)，Q(PW) = (Qx，Qy)，Qx = 232 X PW+Mx;节点根据收到的Wakeup帧中的 Nonce_b&及自身选择的Nonce_a计算：
[0101 ] KMAC_lA = CMAC(Temp_l，Add_aPAdd_bPNonce_aPNonce_bPSSS，64)
[0102] KMAC_2A = CMAC(Temp_l,Add_b □ Add_a □ Nonce_b □ Nonce_a □ SSS,64)
[0103] 利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧，并向Hiib发送；
[0104] 步骤三，Hub收到第一关联请求帧后，首先复原当前节点的公钥PKa = PKa^Q(PW), Q (PW) = (Qx，Qy)，Qx = 232 X PW+Mx;Mx为使Qx满足椭圆曲线上的点的最小非负整数;计算DHKey =X (SKb X PKa) = X (SKa X SKb X G)，这里X()函数是取椭圆曲线密钥的X坐标值，Temp_l = RMB_128 (DHKey )，根据收到的信息以及计算得到的信息计算：
[0105] KMAC_1B = CMAC(Temp_l,Add_a □ Add_b □ Nonce_a □ Nonce_b □ SSS,64)
[0106] KMAC_2B = CMAC(Temp_l,Add_b □ Add_a □ Nonce_b □ Nonce_a □ SSS,64)
[0107] 收到的KMAC_2A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求帧并进 入本次关联请求的步骤五，如果不同则取消本次关联请求；
[0108] 步骤四，节点收到第二关联请求帧，对比在步骤二中计算的KMAC_1A与收到的 KMAC_1B，如果不同则取消本次关联请求，如果相同则进入本次关联的步骤五；
[0109] 步骤五，节点与 Hub 计算 MK = CMAC(Temp_2，Nonce_alZINonce_b，128)
[0110] Temp_2 = LMB(DHKey)，为DHKey的最左128位;双方完成唤醒关联； 多播关联过程具体包括：
[0111] 步骤一，Hub根据当前通信的需要设置SSS、Ass〇_Ctrl域为相应的值，构造广播的 Wakeup帧，并广播T-Poll帧，直到收到所有需要通信的节点发送的第一关联请求帧；
[0112] 步骤二，某个节点i收到Wakeup帧后，根据地址选择私钥SKm，计算公钥PKm = SKm X G，计算基于 口令的公钥，PKm' = PKm-Q (PWi)，Q (PWi) = (Qx，Qy ); Qx = 232 X PWi+Mx;选择随 机数Nonce_ai，计算DHKey = X(SKai X PKb) = X(SKai X SKb X G)，Temp_l = RMB_128 (DHKey)，节 点根据收到的Wakeup帧信息以及自身选择的Nonce_ai计算：
[0113] KMAC_1 A = CMAC(Temp_l,Add_ai□ Add_b□ Nonce_ai□ Nonce_b□ SSS,64)
[0114] KMAC_2A = CMAC(Temp_l,Add_b□ Add_ai□ Nonce_b□ Nonce_ai□ SSS,64) 节点构造第一关联请求帧并发送；
[0115] 步骤三，Hub收到第i节点的第一关联请求帧后，首先复原第i节点的公钥：PKai = PKa/ +Q(PW)，Q(PWi) = (Qx，Qy)，Qx = 232 X PWi+Mx，Qy为正偶数；计算DHKey = X(SKb X PKai) = X (SKai X SKb XG)，Temp_l = RMB_128(DHKey)，根据收到的信息以及计算得到的信息计算：
[0116] KMAC_1 B = CMAC(Temp_l,Add_ai□ Add_b□ Nonce_ai□ Nonce_b□ SSS,64)
[0117] KMAC_2B = CMAC(Temp_l,Add_b□ Add_ai□ Nonce_b□ Nonce_ai□ SSS,64)
[0118] 对比收到的KMAC_2A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求 帧，如果不同则取消本次关联请求，发送第二关联请求帧后Hub计算MK i = CMAC (Temp_2， Nonce_ailZINonce_b，128)
[0119] 为Hub与第i节点的主密钥；
[0120] 步骤四，第i节点收到第二关联请求帧，对比在步骤二中计算的KMAC_1A与收到的 KMAC_IB，如果不同则取消本次关联请求，如果相同计算MKi = CMAC (Temp_2，Nonce_ai 口 Nonce_b，128)
[0121] 为第i节点与Hub的主密钥。
[0122] 技术效果
[0123]本发明提供的移动通信网无线网络语音优化方法不仅能够监测当前网络是否为 移动通信网无线网络，并且采集该移动通信网无线网络语音通话的信令数据，而且采集语 音通话的语音数据，根据语音通话的信令和语音进行关联，自动判断用户在通话过程中的 语音包的特征特性和语音内容的特征特性，来分析语音质量，并且根据信令定位语音质量 问题的小区、用户号码、终端类型、位置等信息，发现无线网络的问题，优化无线网络，提高 语音质量。本发明提供的无线网络资源优化分配方法，与现有技术相比具有以下优点：1、采 用基于用户偏好的多播技术，提高了频谱资源利用率。本发明中，考虑用户可能请求相同视 频内容的情形，根据用户的位置信息和视频请求偏好信息进行用户聚类，处于相近位置的 请求偏好也相近的用户可以划分为一个多播组，在一个多播组中采用多播技术分发相同的 内容，多播组内所有用户共享一个载波资源，从而提高了系统的频率资源利用率。2、实现有 源天线阵列波束对用户群的精确对准，提高了功率、频率资源利用率。通过有源阵列天线波 束赋形技术，为每个多播组分配一个服务的有源天线波束。每个波束指向所服务的多播组， 方向性很强，波束带宽较全向天线变窄，使得能量比较集中，信号强度增大，提高了功率的 利用率。另外，由于波束主瓣较窄，副瓣迅速衰减，不同方向的波束间相互干扰很小，可以实 现不同波束间的用户群的频率复用，提高了频率资源利用率。3、通过对用户群分簇，实现用 户群间的频率复用，提高了频谱效率。在本发明中，根据用户群波束间的干扰对用户群进行 分簇，将干扰较小的用户群分为一簇。同一簇中的用户群，由于相互间干扰较小，可以共享 一个频率资源，从而实现用户群间的频率复用。4、提出了针对有源天线多播系统的载波分 配算法，提高了用户性能和系统容量。采用有源天线的多播系统，有源阵列波束的方向性 强，带宽较窄，能量较集中，使得用户的接受信号强度增大，同时提出了基于最大化吞吐量 的载波分配算法，提高了用户的性能和系统容量。本发明采用单播唤醒关联包括全新的单 播Wakeup帧以及单播唤醒关联机制；多播唤醒关联包括多播Wakeup帧，地址索引号对照表 以及多播唤醒关联机制。本发明减少了在关联过程中帧的传输，节省了数据传输过程中的 能量损耗。本发明实现了无线体域网传感节点在被安全唤醒的同时开始关联，减少了从唤 醒到MK建立所需传输的帧数，减小节点等待的时间；以IEEE802.15.6标准中公钥隐藏关联 为例，在整个关联过程中需要传输4480比特的数据，需要5次的帧交换。在本发明中需要传 输3112比特的数据，需要3次帧交换，与公钥隐藏关联相比节省数据传输达30%并减少了 2 帧数据的传输。
【附图说明】
[0124] 图1是本发明实施例提供的移动通信网无线网络语音优化方法的流程示意图；
[0125] 图2是本发明实施例提供的移动通信网无线网络语音优化方法的结构示意图；
[0126] 图3是本发明实施例提供的液晶显示装置的结构示意图。
[0127] 图中：1、信号判断模块;2、数据采集关联模块;2-1、数据采集关联模块一;2-2、数 据采集关联模块二；2-3、数据采集关联模块三;2-4、数据采集关联模块四；3、数据处理模 块;4、数据储存模块;5、数据计算模块;6、输出模块;6-1、打印机;6-2、液晶显示装置;6-2-1、液晶显不面板;6_2_2、单兀层;6_2_3、粘接层;7、功能应用模块;8、反馈模块。
【具体实施方式】
[0128] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明 进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于 限定本发明。
[0129] 下面结合附图及具体实施例对本发明的应用原理作进一步描述。
[0130] -种移动通信网无线网络语音优化方法，该移动通信网无线网络语音优化方法包 括以下步骤：
[0131] Sl、检测当前网络状态，并判断是否为移动通信网无线网络，否则自动退出运行； 是则进入步骤2。
[0132] s2、采集移动通信网无线网络的信令数据和语音数据，并进行信令和语音的关联。
[0133] 用户语音通话的语音和信令消息在移动通信网络中依次会经过空中接口、无线接 入网络、核心网络、IP网络;在通话过程中，语音消息和信令消息是相对独立传送的。随着 通信网络的快速发展，现在的大部分接口的数据都采用IP报文的方式，原有的A接口的2M已 经演变为AoIP，IuCS接口也演变为IP模式，信令和语音都在IP上传送，对于LTE网络，语音业 务采用VOLTE方式，信令通过SIP协议进行发送；对于数据的采集，建议在RNC、BSC或者 EnodeB侧同时进行语音和信令的采集，这样采集起来比较方便，可以同时采集到信令和语 音数据，也可以在对端设备或者中间经过的节点进行数据的采集，无线接入信令包括Iu、A、 SI等接口的协议，从无线接入信令消息可以得到应答时间、挂机时间、号码、位置、地址、切 换、掉话、切换、电路、失败原因（Cause)等信息，从而正确分析用户通话过程中的语音质量， 并对出现的问题进行位置、地址、号码、原因、经炜度的分析定位。
[0134] 语音通过RTP进行发送，在IP( Internet Protocol)网络中，用RTP(Real time Transport Protocol)进行承载来传送。IP承载RTP和RTCP协议，RTP包括RTP序号（Sequence Number)、时间戮（Timestamp)，RTCP(Real time Transport Control Protocol)包括每个 方向的丢包、抖动、噪音、MOS值、R系数值(R Factor); RTP上可以直接承载语音包，或者通过 IuUP和AMR再承载语音包;在最上层的语音包的编码包括G. 711、G. 722、G. 723、G. 729的传统 编码，对于移动无线接入部分还包括GSM FR、GSM HR、GSM EFR、FR_AMR、HR_AMR、UMTS AMR、 UMTS AMR2、TDMA EFR、PDC EFR、FR_AMR-WB、UMTS AMR-WB、OHR_AMR、OFR_AMR-WB、OHR_AMR-WB、CSData、MuMe2、MuMe 等编码方式。
[0135] 对于更靠近无线侧的接口，还有电路方式的A接口，Abis接口和Iub接口，这些接口 也传递含义相同的信令数据和内容相同的语音数据，可以进行相同方法的采集和分析来发 现无线的问题，来对出现的语音问题的网元进行更深入的定位;不过在采集的规模上要大 非常多。
[0136] 对采集的信令数据要进行用户通话行为的合成，生成用户的通话记录。包括用户 通话状态信息(4161"1：；[即、&311116(31：、0丨8(3011116(31：)、应答时间、挂机时间、号码、位置、地址、切 换、掉话、切换、电路、失败原因（Cause)等信息，从而正确分析用户通话过程中的语音质量， 并对出现的问题进行位置、地址、号码、原因、经炜度的分析定位，并且在信令数据中包括 SDP(Session Description Protocol)信息、AoIP Transport Info, Iucs 的 transportLayerAddress和bindingID信息；SDP带有RTP的源地址、目的地址、源端口、目的 端口；AoIP Transport Info中aoip_trans_ip指定RTP的源地址和目的地址，aoip_trans_ port指定RTP的源端口和目的端口； Iucs的transportLayerAddress里包含RTP的源地址和 目的地址，bindingID指定RTP的源端口和目的端口。
[0137] 对于采集到的RTP语音数据，要进行每个用户通话的语音流的合成，每个通话包括 上行流(Up Link)和下行流(Down Link)两个语音流;对于RTP承载方式，采用IP层的源地 址（Source Address)、目的地址（Destination Address)、源端口（Source Port)、目的端口 (Destination Port)，进行语音记录的合成。这样通过无线信令进行关联，能够得到RTP语 音记录的开始通话时间和结束通话时间，用户通话的号码、电路、LAC、CI、用户状态信息、呼 叫失败原因、无线故障原因等信息。
[0138] s3、分析采集到的数据，并根据语音质量的分析结果判断出无线网络的状况及问 题，优化无线网络的语音质量。
[0139] 对于采集并且关联好的数据，分析处理模块进行RTP层的丢包、抖动和时延的判断 分析；从信令数据中获得语音的编码信息，在AoIP中，语音的编解码信息在Assigment Complete消息的speech_codec参数中携带;对RTP要进行语音的解码还原，对于出现的丢帧 和静音帧，要进行语音的信息的填充，最后得到语音的波形信息，然后通过波形进行单通、 断续、噪音、回音等指标分析。
[0140] 由于无线接入部分的RTP语音，直接表示从手机侧直接发送过来的语音情况，里面 存着的丢帧、丢包、坏帧等情况直接是手机终发送RTP的情况，对于RTP的丢包，需要根据接 收到RTP的时间戳来进行判断，一般RTP包时间间隔是20ms，对于到时不出现的包，判断为丢 包;在包传递过程中，会有静音包的情况，一个静音包最多可以代表8个正常的无通话的RTP 包，在静音包后面超过指定的包数，没收到RTP包，也代表丢包，这些丢包都反应了无线网络 的传送丢包情况，这样分析语音的丢包比例，直接得到无线网络的数据丢失比例。在通话过 程中，对丢失包数的比例情况来定义断续的严重程度，定义轻微断续、中等断续、严重断续， 直接反应无线网络的情况。对于出现的丢包、丢帧、和坏帧，进行语音波形的补偿，这样对的 的语音波形也是未经过网络处理的用户上行语音波形，可以直接反应无线网络对语音的损 伤情况。如果采集经过MGW之后的语音，会对语音进行填充和优化，这样经过MGW的语音不能 真正的反应无线侧的情况;对于有问题的通话记录，可以排除终端、用户的原因，按照小区 进行分析，对有问题的小区进行有针对性的优化。
[0141] s4、对基于语音业务的最佳优化率进行分析计算，获得移动通信网无线网络语音 业务最佳优化率。
[0142] 进一步，所述的步骤2具体为采集2G网络的Aover IP信令和BSC的语音数据，并且 通过A接口的Transport AoIP IP地址、Transport AoIP Port和BSC的RTP语音数据进行数 据关耳关。
[0143] 进一步，其特征在于，所述的步骤2具体为采集3G网络的Iucs over IP信令和RNC 的语音数据，IuPS的transportLayerAddress、bindingID和RNC的语音数据进行关联。
[0144] 进一步，其特征在于，所述的步骤2具体为采集LTE网络的Sl接口的VoLTE的SIP信 令和语音数据，并且通过SDP信息和语音数据关联。
[0145] 进一步，其特征在于，所述的步骤2具体为采集非IP承载的A、Abis接口和Iub接口 的信令和语音数据。
[0146] 进一步，其特征在于，所述的步骤3具体为分析语音的丢包比例，直接得到无线网 络的数据丢失比例。
[0147] 进一步，其特征在于，所述的步骤3具体为分析语音数据的断续、单通、噪音、回音 指标，直接代表无线网络的语音指标。
[0148] 进一步，其特征在于，所述的步骤3具体为排除非无线原因后，进行无线网络网络 语音优化：
[0149] a、按照用户号码进行问题比例统计，如果集中度高于门限认为是单一终端原因；
[0150] b、按照终端类型进行问题比例统计，如果集中度高于门限认为是终端类型原因；
[0151] c、按照MGW地址进行问题比例统计，如果集中度高于门限认为是MGW原因；
[0152] d、以上情况不存在，归结为无线网络问题，按照LAC和CI进行优化分析。
[0153] 进一步，其特征在于，该移动通信网无线网络的语音优化方法包括信号判断模块 1、数据采集关联模块2、数据处理模块3、数据储存模块4、数据计算模块5、输出模块6、功能 应用模块7和反馈模块8。
[0154] 进一步，其特征在于，所述的数据采集关联模块2包括数据采集关联模块一 2-1、数 据采集关联模块二2-2、数据采集关联模块三2-3和数据采集关联模块四2-4。
[0155] 进一步，其特征在于，所述的数据采集关联模块一2-1采集2G网络的Aover IP信令 和BSC的语音数据并关联，所述的数据采集关联模块二2-2采集3G网络的Iucs over IP信令 和RNC的语音数据并关联，所述的数据采集关联模块三2-3采集LTE网络的S1接口的VoLTE的 SIP信令和语音数据并关联，所述的数据采集关联模块四2-4采集非IP承载的A、Abis接口和 Iub接口的信令和语音数据并关联。
[0156] 进一步，所述的输出模块6包括打印机6-1和液晶显示装置6-2。
[0157] 进一步，所述的液晶显示装置6-2包括液晶显示面板6-2-1、单元层6-2-2、粘接层 6-2-3,所述单元层6-2-2设置在所述液晶显示面板6-2-1的外侧，所述粘接层6-2-3设置在 所述液晶显示面板6-2-1和所述单元层6-2-2之间，其中，所述粘接层6-2-3的粘接于所述液 晶显示面板6-2-1的粘接面的第一边缘和所述粘接层的粘接于所述单元层6-2-2的粘接面 的第二边缘沿粘接面方向相互移位。
[0158] 信号判断模块1用于检测当前网络状态，并判断是否为移动通信网无线网络，否则 自动退出运行;是则进入步骤2。
[0159]数据采集关联模块2包括数据采集关联模块一 2-1、数据采集关联模块二2-2、数 据采集关联模块三2-3和数据采集关联模块四2-4;所述的数据采集关联模块一 2-1采集2G 网络的Aover IP信令和BSC的语音数据并关联，所述的数据采集关联模块二2-2采集3G网络 的Iucs over IP信令和RNC的语音数据并关联，所述的数据采集关联模块三2-3采集LTE网 络的Sl接口的VoLTE的SIP信令和语音数据并关联，所述的数据采集关联模块四2-4采集非 IP承载的A、Abis接口和Iub接口的信令和语音数据并关联。
[0160]数据处理模块3用于对所述的采集关联模块一 2-1、数据采集关联模块二2-2、数据 采集关联模块三2-3和数据采集关联模块四2-4和数据存储模块4存储的数据进行分析处 理;对于接收到的语音流，由于是通过无线接入侧进行采集的，直接表示从手机侧直接发送 过来的语音情况，里面存着的丢帧、丢包、坏帧等情况直接是手机终发送RTP的情况，分析的 语音波形也是未经过网络处理的用户上行语音波形，可以直接反应无线网络对语音的损伤 情况。在分析过程中，先对丢帧、静音帧进行语音波形的信息补充，形成完整的语音波形来 进行分析。对语音波形的能量、能量变化、频率进行判断同时在考虑性能的情况下，对疑似 的或者全部的语音进行傅里叶变换，来进行频域、相域的转换，当频域不集中并且能量比较 大时，说明噪音比较明显，当双向频域和频率相似度非常大时，说明存在回音的情况，当存 在能量突变和频域出现突然消失，说明出现了断续现象，断续的判断需要综合前面的无线 丢包的分析，形成最终的断续级别。可以通过设置各种门限来进行相应的判断，也可以配合 各种典型模型形成分析模板。在分析语音质量的过程中，可以对典型有特点的语音质疑进 行分析判断，如中文的"喂"，英文的"Hello"，来识别是语音分析出了问题，不过产生这种情 况时是代表另外一个方向上的语音出现问题。这样的综合分析可以准确的识别语音质量的 问题，并且带有LAC、CI、号码、地址、电路、无线故障原因等信息。对于语音分析，可以通过 RTP流的方向，来区分是本端的语音问题，还是对端的语音问题，当本端RTP流产生语音质量 问题就表示是本端的问题，是接收到的语音流产生了语音问题，就是对端问题。由于无线接 入部分的RTP语音，直接表示从手机侧直接发送过来的语音情况，这样可以分析语音数据的 断续、单通、噪音、回音指标，直接代表无线网络的语音指标。
[0161]数据存储模块4用于存储所述采集关联模块一 2-1、数据采集关联模块二2-2、数据 采集关联模块三2-3和数据采集关联模块四2-4采集到的语音通话的信令数据和语音数据。
[0162] 数据计算模块5用于对基于语音业务的最佳优化率进行分析计算，获得移动通信 网无线网络语音业务最佳优化率。
[0163] 输出模块6用于对数据计算模块5所分析计算的结果进行输出显示，可通过打印机 6-1进行纸质输出，也可以在液晶显示装置6-2上显示以便进行分析统计。
[0164] 功能应用模块7用于根据所述处理模块3得到的分析处理结果进行无线网络的优 化，由于出现语音问题的因素很多，包括BSC、MGW、核心网、基站、用户手机等因素，所以功能 应用模块通过每个维度，对单通的比例进行排除，最后准确定为无线原因的呼叫记录，对这 些记录按照LAC和CI进行比例排序，发现问题率高的小区，进行无线优化处理。
[0165] 反馈模块8可以通过数据处理模块3到用户信息关联模块中索要对应的用户信息， 实现对用户的信息反馈;在这个模块中，还可以包括頂EI的翻译表、MSI和号码的对应表， 这样得到呼叫的主被叫号码和手机的厂家、型号信息，可以在无线分析是排除由于手机厂 家、型号产生的语音质量问题。
[0166] 进一步，所述无线网络的资源优化分配方法包括：
[0167] 基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行聚类 处理；
[0168] 根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位置的 水平方位角和垂直仰角；
[0169] 基站天线波束实现对用户群的精确对准；
[0170]采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户 群设置一个特定的电子下倾角和垂直半功率带宽的波束，确定基站到用户的信道增益模 型；
[0171] 基于最大化吞吐量的目标，提出多播系统的载波资源分配模型;具体包括：
[0172] 以小区中的总的吞吐量作为系统的效益U:
[0173]
[0174] 其中D和F分别表示多播组和载波集合，i?=表示用户群k中用户在载波η上获得的总
数据传崎纟击安士Γ ·
[0175]
[0176] 计算，其中Bo为载波的带宽，pk为分配给用户群k的波束的传输功率，〇2为高斯白噪 声的功率，a n, k为载波使用指示因子，满足条件：
[0179] 条件（1)表示载波η分配给用户群k，则an,k=l，否则an, k = 0,条件(2)说明载波被全
[0177]
[0178] 部使用，且一个载波被多个用户群复用；
[0180]提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理：
[0181]基于最大化吞吐量的载波分配算法。
[0182] 进一步，所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对 用户进行聚类处理包括用户的位置信息用当前的位置坐标来描述：
[0183] Ii= (xi,yi)； 其中Xl，yi分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量： IH - (Hi,i，Hi,2，···，Hi,c); 其中m,。表示用户i请求内容c的次数，每个用户对应一个内容请求向量，该向量反映了 用户的内容请求偏好； 基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且 位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如 下公式计算：
其中β是一个0-1之间的权重系数；
[0184] 使用K-Means聚类方法，对小区内所有的用户D进行聚类，Ui= {li，m}表示用户i的 聚类信息，聚类的目的是将原始用户分成C类D= (D1，…，Dd，数学模型上是对下式求最小 值：
[0185]
[0186] 其中Yk为用户群的中心；
[0187] 所述基于用户的位置信息以及当前时间段内统计到的视频请求信息，对用户进行 聚类处理具体步骤如下：
[0188] 步骤一，从D中随机取C个用户，作为C个用户群的中心；
[0189] 步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中心的相似度，将 用户划分到相似度最高的用户群；
[0190] 步骤三，根据聚类结果，更新C个用户群的中心Yk= {lk，nk}，用如下公式：
[0191]
[0192]
[0193] 其中Hi1是一个0-1之间的权重系数，重复步骤二和步骤三，直到聚类中心不再发生 变化；
[0194] 所述根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中心位 置的水平方位角和垂直仰角具体包括：
[0195] 采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户 群设置一个特定的电子下倾角和垂直半功率带宽的波束，基站坐标为原点〇(〇,〇，H BS)，用户 群k的质心为γ k，位置坐标为(Xk，yk，Zk)，垂直仰角和水平方位角为吆^);
[0196] 基于聚类后的用户群位置信息，用户群质心的水平方向角和垂直仰角通过下面的 公式求出：
[0197；
[0198；
[0199] 显然，垂直仰角和水平方位角的取值范围为Q1G(C),π)，奶e[0,2;r];
[0200] 所述基站天线波束实现对用户群的精确对准具体包括：
[0201] 步骤一，将调整波束的电子下倾角、电子水平角和半功率带宽，使波束的辐射方向 对准用户群的中心位置，使半功率带宽范围覆盖用户群中的所有用户，基站到用户的下倾 角和水平角将调整为：
[0202]
[0203] 其中为基站基于用户聚类结果，利用用户群的中心位置计算出来的用户群 中心的水平方位角和垂直仰角；
[0204] 步骤二，确定波束宽度，用户群的覆盖区域为一个圆点在用户群中心的圆形，则该 圆形区域的半径为该用户群中离中心位置最远的用户与中心的距离，即：
[0205]
[0206] I由田户雜k的由;|\、V1.的幽标.OJ丨丨笛k个姑市的垂直半功率带宽为：
[0207]
[0208] 所述采用有源天线阵列的天线模型，并确定基站到用户的信道增益模型具体包 括：
[0209] 步骤一，根据每个用户的位置信息以及所属的用户群波束，计算出每个用户位置 的实际水平方位角和垂直仰角，计算出用户i相对于基站的水平方位角W和垂直仰角M 1，若 用户i属于多播组k，则用户i的实际水平方位角和垂直仰角等于：
[0210]
[0211] 步骤二，有源天线阵列的天线模型：
[0212] 3D天线增益模型采用3GPP标准中提出的有源天线阵列辐射模型，天线增益模型表 示如下：
[0213]
[0214] 其中，4,(供叫为下倾角为〇时的有源天线单阵元的天线增益模型，和Θ为用户实 际位置上的方位角和垂直仰角，P为阵列天线的相关系数，η分别为权值因子和用户 偏移相位，分别表示如下：
[0215]
[0216]
[0217] 其中，0etllt表示天线波束的下倾角爲_表示天线的水平转向角，针对不同的用户 群，天线的的配置不同；
[0218] 步骤三，基站到用户的信道增益模型，采用多播信道增益模型，在一个多播组中的 用户以相同的速率接受数据，基站的传输速率超过了该群中的某个用户的最大承受速率， 则这个用户将不能正常解码该数据，基站以用户群中最小的速率传输数据，因此用户群k中 基站到用户的等效信道增益等于该用户群中用户的最差信道增益，即：
[0219]
[0220] 其中兒成?3^)表示用户i(ieDk)在载波η上的信道增益，由3部分组成:快衰 落、基站到用户的路径损耗和用户的3D天线增益，如下表达式：
[0221]
[0222] 其中，F和PL分别表示快衰落和路径损耗，表示第k个波束到用户i的 3D天线增益；
[0223] 所述提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理具体 包括：
[0224] 基于图论的知识对用户群进行分簇，定义波束间的干扰图G=(V，E)，其中V表示波 束的集合，作为干扰图的顶点，E表示波束间的干扰系数，作为干扰图的边，定义指示函数e (Vk，vm) (k辛m)指示波束k和波束m间的干扰：
[0225]
[0226] 其中以和⑴分别表示用户群k和用户群m的半径，rth表示两个波束间干扰忽悠不计 的门限距离，另外，定义e( Vk，vk)=0,表示波束自身不存在干扰，根据指示函数，构建一个二 值干扰矩阵：
[0227]
[0228]
[0229]
[0230]当dG(vk)=0时，称Vk为零度节点；
[0231] 分簇的具体步骤如下：
[0232] 步骤一，用顶点集合V构建干扰矩阵Ag，初始化迭代因子h=l，孤立节点集合 5 = 0，分簇集合Φ = 0，节点集合5 = 0 ;
[0233 ]步骤二，找到所有的零度节点Vk，更新S = S U Vk;剩余节点集合记为ΦI = V-S;
[0234] 步骤三，分簇:a)4； #0，找节点k = arg max(dG(vk))，令干扰矩阵的第k行、第k列 为〇，更新节点集合Bh = Bh门Vk; b)循环执行a)直到Ag = 0; c)更新Φ h = Φ h_Bh，则Φ h为第h个 簇；
[0235]步骤四，用节点集合Bh重新构建Ag辛0，更新节点集合Φ h+i = Bh，更新迭代因子h = h +1，执行步骤⑶；如果Ag=O或者|Bh| =1，如果I Bh| =1 JjiVi = Bh;
[0236]步骤五，将孤立节点集合S分配到最少节点的一簇中； 经过用户群的分簇处理后，用户群D= (D1，…，Dk，…，Dd经过分簇算法被划分为Φ = {Φ:，…，Φη，…}，Φh表示第h个用户群簇，每个簇中的总的用户传输速率为：
系统总的吞吐量为所有用户群簇的传输速率之和：
其中为用户群簇Φη使用载波η的指示因子，相应的，α?.Φ"满足的条件为：
⑴ (2) 条件(2)表示一个载波只能分配给一个用户群簇，同一簇中的用户群共享一个载波资 源，不同簇中的用户群不可以复用； 所述基于最大化吞吐量的载波分配算法具体步骤如下： 步骤一，根据公式：
计算每个簇中的用户在载波η上的总传输速率； 步骤二，为了最大化系统的吞吐量，找到获得最大速率的载波和用户群簇，首先分配该 载波给该用户群簇，根据公式：
将载波η分配给用户群簇获得最大的传输速率，载波η分配给簇Φη的频谱利用率最 高，所以将载波η分配给用户群簇?h;
[0237] 步骤三，将载波η从载波集合F中移除，同时，将用户群簇Φ h从集合Φ中移除；
[0238] 步骤四，重复执行步骤二和步骤三，直到载波集合或者用户群簇集合成为空集。
[0239] 进一步，所述无线网络的快速唤醒关联的方法包括:在单播唤醒关联下首先构造 Wakeup帧头，帧体和帧尾;其次发起者Hub发送T-Poll帧，再次节点根据T-Poll帧分配的时 隙接收Wakeup帧并与Hub开始进行关联过程;在多播唤醒关联下首先构造 Wakeup帧头，帧体 和帧尾以及地址索引号对照表，其次发起者Hub向所有节点发送T-Po 11帧;再次节点根据T-Po 11帧分配的时隙接收Wakeup帧并与Hub依次开始进行关联过程；
[0240] 唤醒帧的帧头包括FC、HID/NID、BAN ID，其中FC为帧头控制，包括协议版本、Ack策 略、安全级别、帧类型帧控制信息，在帧控制中设置帧的类型为控制类型，子类型为Wakeup 帧;HID/NID为Hub和BN的地址缩短码，用于帧数据的接收;BAN ID为当前工作的体域网的缩 短地址，用于标记该帧数据所处的体域网；
[0241 ]唤醒帧体包括六(1(1_&、4(1(1_13、333、48 8〇_(31：1'1、340;其中4(1(1_&为!11113要求与之进行 认证的BN节点地址或者BN的地址检索码，在单播时M=6字节，多播时M的大小可变;Add_b为 当前发送唤醒关联信号的Hub地址;SSS为安全套接字选择域，用于确定当前安全关联协议、 安全级别、帧认证控制、密码函数一系列用于安全关联所需的信息;A SS〇_Ctrl为安全关联 控制，包括关联序列号和关联状态；SAD为安全关联数据，包含Hub的公钥以及当前Hub产生 的随机数Nonce_b，在0~(2 128-1)中随机选取，用于唤醒之后的认证工作；
[0242] 唤醒帧尾由FCS组成，采用循环冗余序列CRC校验。
[0243] 进一步，单播关联过程具体包括：
[0244] 步骤一，Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值，构造 Wakeup 帧;在发送Wakeup帧后，向节点发送T-Poll帧；
[0245] 步骤二，节点收到唤醒帧后，获得本次关联的配置信息以及Hub的公钥PKb，然后选 择自己的私钥SK a长为256比特，计算公钥PKa = SKa X G，计算出公钥后，节点再计算基于口令 的公钥，PKJ = PKa-Q(PW)，Q(PW) = (Qx，Qy)，Qx = 232 X PW+Mx;节点根据收到的Wakeup帧中的 Nonce_b&及自身选择的Nonce_a计算：
[0246] KMAC_lA = CMAC(Temp_l，Add_aPAdd_bPNonce_aPNonce_bPSSS，64)
[0247] KMAC_2A = CMAC(Temp_l,Add_b □ Add_a □ Nonce_b □ Nonce_a □ SSS,64)
[0248] 利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧，并向Hu'b发送；
[0249] 步骤三，Hub收到第一关联请求帧后，首先复原当前节点的公钥PKa = PKa^Q(PW), Q (PW) = (Qx，Qy)，Qx = 232 X PW+Mx;Mx为使Qx满足椭圆曲线上的点的最小非负整数;计算DHKey =X (SKb X PKa) = X (SKa X SKb X G)，这里X()函数是取椭圆曲线密钥的X坐标值，Temp_l = RMB_128 (DHKey )，根据收到的信息以及计算得到的信息计算：
[0250] KMAC_1B = CMAC(Temp_l,Add_a □ Add_b □ Nonce_a □ Nonce_b □ SSS,64)
[0251 ] KMAC_2B = CMAC(Temp_l,Add_b □ Add_a □ Nonce_b □ Nonce_a □ SSS,64)
[0252] 收到的KMAC_2A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求帧并进 入本次关联请求的步骤五，如果不同则取消本次关联请求；
[°253]步骤四，节点收到第二关联请求帧，对比在步骤二中计算的KMAC_1A与收到的 KMAC_1B，如果不同则取消本次关联请求，如果相同则进入本次关联的步骤五；
[0254] 步骤五，节点与 Hub 计算 MK = CMAC(Temp_2，Nonce_alZINonce_b，128)
[0255] Temp_2 = LMB(DHKey)，为DHKey的最左128位;双方完成唤醒关联； 多播关联过程具体包括：
[0256]步骤一，Hub根据当前通信的需要设置SSS、Ass〇_Ctrl域为相应的值，构造广播的 Wakeup帧，并广播T-Poll帧，直到收到所有需要通信的节点发送的第一关联请求帧；
[0257] 步骤二，某个节点i收到Wakeup帧后，根据地址选择私钥SKm，计算公钥PKm = SKm X G，计算基于 口令的公钥，PKm' = PKm-Q (PWi)，Q (PWi) = (Qx，Qy ); Qx = 232 X PWi+Mx;选择随 机数Nonce_ai，计算DHKey = X(SKai X PKb) = X(SKai X SKb X G)，Temp_l = RMB_128 (DHKey)，节 点根据收到的Wakeup帧信息以及自身选择的Nonce_ai计算：
[0258] KMAC_1 A = CMAC(Temp_l，Add_ai □ Add_b □ Nonce_ai □ Nonce_b □ SSS，64)
[0259] KMAC_2A = CMAC(Temp_l，Add_b □ Add_ai □ Nonce_b □ Nonce_ai □ SSS，64) 节点构造第一关联请求帧并发送；
[0260] 步骤三，Hub收到第i节点的第一关联请求帧后，首先复原第i节点的公钥:PKai = PKa/ +Q(PW)，Q(PWi) = (Qx，Qy)，Qx = 232 X PWi+Mx，Qy为正偶数；计算DHKey = X(SKb X PKai) = X (SKai X SKb XG)，Temp_l = RMB_128(DHKey)，根据收到的信息以及计算得到的信息计算：
[0261 ] KMAC_1 B = CMAC(Temp_l,Add_ai□ Add_b□ Nonce_ai□ Nonce_b□ SSS,64)
[0262] KMAC_2B = CMAC(Temp_l，Add_b□ Add_ai□ Nonce_b□ Nonce_ai□ SSS，64)
[0263] 对比收到的KMAC_2 A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求 帧，如果不同则取消本次关联请求，发送第二关联请求帧后Hub计算MK i = CMAC (Temp_2， Nonce_ailZINonce_b，128)
[0264] 为Hub与第i节点的主密钥；
[0265] 步骤四，第i节点收到第二关联请求帧，对比在步骤二中计算的KMAC_1A与收到的 KMAC_IB，如果不同则取消本次关联请求，如果相同计算MKi = CMAC (Temp_2，Nonce_ai 口 Nonce_b，128)
[0266] 为第i节点与Hub的主密钥。
[0267] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种移动通信网无线网络语音优化方法，其特征在于，该移动通信网无线网络语音 优化方法包括： 步骤一、检测当前网络状态，并判断是否为移动通信网无线网络，否则自动退出运行； 是则进入步骤二； 步骤二、采集移动通信网无线网络的信令数据和语音数据，并进行信令和语音的关联； 步骤=、分析采集到的数据，并根据语音质量的分析结果判断出无线网络的状况及问 题，优化无线网络的语音质量； 步骤四、对基于语音业务的最佳优化率进行分析计算，获得移动通信网无线网络语音 业务最佳优化率。2. 如权利要求1所述的移动通信网无线网络语音优化方法，其特征在于，所述步骤二具 体为采集2G网络的Aover IP信令和BSC的语音数据，并且通过A接口的化ansport AoIP IP 地址、Transpod AoIP化的和日5(：的RTP语音数据进行数据关联； 所述步骤二具体为采集3G网络的Iucs over IP信令和RNC的语音数据，IuPS的 transpo;rtLayerA(Mress、bindingID 和 RNC 的语音数据进行关联； 所述步骤二具体为采集LTE网络的Sl接口的VoLTE的SIP信令和语音数据，并且通过SDP 信息和语音数据关联； 所述步骤二具体为采集非IP承载的A、Abis接口和Iub接口的信令和语音数据。3. 如权利要求1所述的移动通信网无线网络语音优化方法，其特征在于，所述无线网络 的资源优化分配方法包括： 基于用户的位置信息W及当前时间段内统计到的视频请求信息，对用户进行聚类处 理； 根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中屯、位置的水平 方位角和垂直仰角； 基站天线波束实现对用户群的精确对准； 采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设 置一个特定的电子下倾角和垂直半功率带宽的波束，确定基站到用户的信道增益模型； 基于最大化吞吐量的目标，提出多播系统的载波资源分配模型;具体包括： W小区中的总的吞吐量作为系统的效益U:其中D和F分别表示多播组和载波集合，巧f表示用户群k中用户在载波n上获得的总数据 传输速率，由：计算，其中Bo为载波的带宽，pk为分配给用户群k的波束的传输功率，巧％高斯白噪声的 功率，an, k为载波使用指示因子，满足条件： 曰n, k二{0,1}, Dk E D, n G F (1) (2 ) 条件（I)表示载波n分配给用户群k，则an,k=l，否则an,k = 0,条件(2)说明载波被全部使 用，且一个载波被多个用户群复用； 提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理； 基于最大化吞吐量的载波分配算法。4.如权利要求3所述的移动通信网无线网络语音优化方法，其特征在于，所述基于用户 的位置信息W及当前时间段内统计到的视频请求信息，对用户进行聚类处理包括用户的位 置信息用当前的位置坐标来描述： li=(xi,yi)； 其中Xi，yi分别表示用户i的横纵坐标值，对于用户i，构建一个内容请求频率向量： ni=(ni'i，ni'2，...，m'c); 其中m,。表示用户i请求内容C的次数，每个用户对应一个内容请求向量，该向量反映 了用户的内容请求偏好； 基于用户的位置信息和内容请求偏好信息对用户进行聚类，具有相似内容请求偏好且 位置相近的用户分到一个多播组，使用余弦相似度准则来计算两个用户间的相似度，用如 下公式计算：其中e是一个0-1之间的权重系数； 使用K-Means聚类方法，对小区内所有的用户D进行聚类，Ui= Ui，m}表示用户i的聚类 信息，聚类的目的是将原始用户分成C类D={Di，…，化}，数学模型上是对下式求最小值：其中Tk为用户群的中屯、； 所述基于用户的位置信息W及当前时间段内统计到的视频请求信息，对用户进行聚类 处理具体步骤如下： 步骤一，从D中随机取C个用户，作为C个用户群的中屯、； 步骤二，根据相似度的计算公式，计算剩下的用户到C个用户群中屯、的相似度，将用户 划分到相似度最高的用户群； 步骤S，根据聚类结果，更新C个用户群的中屯、丫 k=Uk，nk}，用如下公式：其中HH是一个0-1之间的权重系数，重复步骤二和步骤S，直到聚类中屯、不再发生变化； 所述根据用户聚类结果，根据每个用户群的位置信息，计算出每个用户群中屯、位置的 水平方位角和垂直仰角具体包括： 采用有源天线波束赋形模型，基站对每个用户群有一个特定波束，即对每个用户群设 置一个特定的电子下倾角和垂直半功率带宽的波束，基站坐标为原点〇(〇,〇,化S)，用户群k 的质屯、为丫 k，位置坐标为(Xk，yk，Zk)，垂直仰角和水平方位角为(％，A); 基于聚类后的用户群位置信息，用户群质屯、的水平方向角和垂直仰角通过下面的公式 求出：显然，垂直仰角和水平方位角的取值范围为91￡(〇，^)，0￡[〇.2对； 所述基站天线波束实现对用户群的精确对准具体包括： 步骤一，将调整波束的电子下倾角、电子水平角和半功率带宽，使波束的福射方向对准 用户群的中屯、位置，使半功率带宽范围覆盖用户群中的所有用户，基站到用户的下倾角和 水平角将调整为：其中，％和0k为基站基于用户聚类结果，利用用户群的中屯、位置计算出来的用户群中屯、 的水平方位角和垂直仰角； 步骤二，确定波束宽度，用户群的覆盖区域为一个圆点在用户群中屯、的圆形，则该圆形 区域的半径为该用户群中离中屯、位置最远的用户与中屯、的距离，即：其中(xk，yk)为用户群k的中屯、丫 k的坐标，则第k个波束的垂直半功率带宽为：所述采用有源天线阵列的天线模型，并确定基站到用户的信道增益模型具体包括： 步骤一，根据每个用户的位置信息W及所属的用户群波束，计算出每个用户位置的实 际水平方位角和垂直仰角，计算出用户i相对于基站的水平方位角巧和垂直仰角0^1，若用 户i属于多播组k，则用户i的实际水平方位角和垂直仰角等于：步骤二，有源天线阵列的天线模型： 3D天线增益模型采用3GPP标准中提出的有源天线阵列福射模型，天线增益模型表示如 下：其中，4 (巧，0)为下倾角为O时的有源天线单阵元的天线增益模型，资和0为用户实际位 置上的方位角和垂直仰角，P为阵列天线的相关系数，Wm,n和Vm,n分别为权值因子和用户偏移 相位，分别表示如下：其中，0etilt表示天线波束的下倾角，於。。:表示天线的水平转向角，针对不同的用户群， 天线的0etilt和從<。。《的配置不同； 步骤=，基站到用户的信道增益模型，采用多播信道增益模型，在一 k中基站到用户的等效信道蜡益等于该用户描中用户的最差信道增益，即： : J 其中瑞锭，知娩,)表示用户i(iGD〇在载波n上的信道增益，由3部分组成:快衰落、基 站到用户的路径损耗和用户的3D天线增益，如下表达式：其中，F和化分别表示快衰落和路径损耗，各八《，接，斯S)表示第k个波束到用户i的3D天 线增益； 所述提出用户群分簇算法，根据用户群的位置信息，对用户群进行分簇处理具体包括： 基于图论的知识对用户群进行分簇，定义波束间的干扰图G=(V，E)，其中V表示波束的 集合，作为干扰图的顶点，E表示波束间的干扰系数，作为干扰图的边，定义指示函数e(vk， VmKk声m)指示波束k和波束m间的干扰：其中Ok和Om分别表示用户群k和用户群m的半径，r化表示两个波束间干扰忽悠不计的口 限距离，另外，定义e(vk，vk) = 0,表示波束自身不存在干扰，根据指示函数，构建一个二值干 扰矩阵：当dG( Vk) = O时，称Vk为零度节点； 分簇的具体步骤如下： 步骤一，用顶点集合V构建干扰矩阵Ag，初始化迭代因子h= 1，孤立节点集合S = 0，分 簇集合沛=0，节点集合公=0 ; 步骤二，找到所有的零度节点Vk,更新S = SU Vk;剩余节点集合记为Oi = V-S; 步骤S，分簇:，.找节点k = arg max(dG(Vk))，令干扰矩阵的第k行、第k列为0， 更新节点集合Bh=Bh n Vk; b)循环执行a)直至Ij Ag=0; C)更新O h =巫h-Bh，则巫功第h个簇； 步骤四，用节点集合Bh重新构建Ag声0，更新节点集合巫h+i = Bh，更新迭代因子h = h+1， 执行步骤(3);如果Ag=0或者I Bh I = 1，如果I Bh I = 1，则巫h+i = Bh; 步骤五，将孤立节点集合S分配到最少节点的一簇中； 经过用户群的分簇处理后，用户群D= {Di，…，Dk,…，Dd经过分簇算法（〇1，…， Oh，…}，Oh表示第h个用户群簇，每个簇中的总的用户传输速率为：系统总的吞吐量为所有用户群簇的传输速率之和：其中Amk,,为用户群簇用载波n的指示因子，相应的，满足的条件为：(1) (2) 条件(2)表示一个载波只能分配给一个用户群簇，同一簇中的用户群共享一个载波资 源，不同簇中的用户群不可W复用； 所述基于最大化吞吐量的载波分配算法具体步骤如下： 步骤一，根据公式：， 计算每个簇中的用户在载波n上的总传输速率； 步骤二，为了最大化系统的吞吐量，找到获得最大速率的载波和用户群簇，首先分配该 载波给该用户群簇，根据公式：将载波n分配给用户群簇〇4获得最大的传输速率，载波n分配给簇〇4的频谱利用率最 高，所W将载波n分配给用户群簇〇4; 步骤=，将载波n从载波集合F中移除，同时，将用户群簇Oh从集合〇中移除； 步骤四，重复执行步骤二和步骤=，直到载波集合或者用户群簇集合成为空集。5. 如权利要求1所述的移动通信网无线网络语音优化方法，其特征在于，所述无线网络 的快速唤醒关联的方法包括:在单播唤醒关联下首先构造Wakeup帖头，帖体和帖尾;其次发 起者化b发送T-Poll帖，再次节点根据T-化11帖分配的时隙接收Wakeup帖并与化b开始进行 关联过程;在多播唤醒关联下首先构造Wakeup帖头，帖体和帖尾W及地址索引号对照表，其 次发起者化b向所有节点发送T-Po 11帖；再次节点根据T-Po 11帖分配的时隙接收Wakeup帖 并与化b依次开始进行关联过程； 唤醒帖的帖头包括FC、HID/NID、BAN ID，其中FC为帖头控制，包括协议版本、Ack策略、 安全级别、帖类型帖控制信息，在帖控制中设置帖的类型为控制类型，子类型为Wakeup帖； HID/NID为化b和BN的地址缩短码，用于帖数据的接收;BAN ID为当前工作的体域网的缩短 地址，用于标记该帖数据所处的体域网； 唤醒帖体包括4(1(1_日、4(1(1_13、555、43 3〇_(3化1、540;其中4(1(1_日为化13要求与之进行认证 的BN节点地址或者BN的地址检索码，在单播时M = 6字节，多播时M的大小可变;AdcLb为当前 发送唤醒关联信号的化b地址;SSS为安全套接字选择域，用于确定当前安全关联协议、安全 级别、帖认证控制、密码函数一系列用于安全关联所需的信息;Asso_ctrl为安全关联控制， 包括关联序列号和关联状态;SAD为安全关联数据，包含化b的公钥W及当前化b产生的随机 数Nonce_b，在0~)中随机选取，用于唤醒之后的认证工作； 唤醒帖尾由FCS组成，采用循环冗余序列CRC校验。6. 如权利要求5所述的无线网络的快速唤醒关联的方法，其特征在于，单播关联过程具 体包括： 步骤一，化b根据当前通信的需要设置SSS、Asso_ct;rl域为相应的值，构造Wakeup帖;在 发送Wakeup帖后，向节点发送T-Poll帖； 步骤二，节点收到唤醒帖后，获得本次关联的配置信息W及Hub的公钥PKb,然后选择自 己的私钥SKa长为256比特，计算公钥PKa = SKa X G，计算出公钥后，节点再计算基于口令的公 钥，PKa' = PKa-Q (PW)，Q (PW) = (Qx，化），化=232 X PW+Mx;节点根据收到的 Wake叫帖中的 Nonce_bW及自身选择的Nonce_a计算： KMAC_lA = CMAC(Temp_l，Add_aPAdd_bPNonce_aPNonce_bPSSS，64) KMAC-2A = CMAC(Temp-1，Add_b □ Add_a □ Nonce_b □ Nonce_a □ SSS，64) 利用上述计算的信息PKa、KMAC_2A构造第一关联请求帖，并向Hlib发送； 步骤S，化b收到第一关联请求帖后，首先复原当前节点的公钥PKa = PKa^ +Q(PW) ,Q(PW) =(Qx，化），化=232 X PW+Mx;M为使QX满足楠圆曲线上的点的最小非负整数;计算DHKey = X (SKb XPKa) =X(SKaXSKbXG)，运里XO函数是取楠圆曲线密钥的X坐标值，Temp_l = RMB_ 128(DHKey)，根据收到的信息W及计算得到的信息计算： KMAC-IB = CMAC(Temp_l，Add_a □ Add_b □ Nonce_a □ Nonce_b □ SSS，64) KMAC-2B = CMAC(Temp_l，Add_b □ Add_a □ Nonce_b □ Nonce_a □ SSS，64) 收到的KMAC_2A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求帖并进入本 次关联请求的步骤五，如果不同则取消本次关联请求； 步骤四，节点收到第二关联请求帖，对比在步骤二中计算的KMAC_1A与收到的KMAC_1B， 如果不同则取消本次关联请求，如果相同则进入本次关联的步骤五； 步骤五，节点与化 b 计算MK = CMAC (Temp_2，Nonce_a □ Nonce_b，128) Temp_2 = LMB化服巧），为DHIfey的最左128位;双方完成唤醒关联； 多播关联过程具体包括： 步骤一，Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值，构造广播的 Wakeup帖，并广播T-Poll帖，直到收到所有需要通信的节点发送的第一关联请求帖； 步骤二，某个节点i收到Wakeup帖后，根据地址选择私钥SKAi，计算公钥PKm = SKAi X G， 计算基于 口令的公钥，PKm' = PKm-Q(PWi)，Q(PWi) = (Qx，Qy);化=232 X PWi+Mx;选择随机数 Nonce_ai，计算DHIfey = X(SKaiXPKb) =X(SKai X SKb XG)，Temp_l = RMB_l28(DHK巧），节点根 据收到的Wakeup帖信息W及自身选择的Nonce_ai计算： KMAC-IA = CMAC(Temp_l，Add_ai □ Add_b□ Nonce_ai □ Nonce_b □ SSS，64) KMAC-2A = CMAC (Temp_l，Add_b □ Add_ai □ Nonce_b □ Nonce_ai □ SSS，64) 节点构造第一关联请求帖并发送； 步骤S，化b收到第i节点的第一关联请求帖后，首先复原第i节点的公钥:PKai = PKa/+Q (PW)，Q (PWi) = (Qx，化），化=232 X PWi+Mx，化为 正偶数；计算DHK巧= X(SKbXPKai)=X(SKaiXSKbXG)，Temp_l=RMB_128(DHK巧），根据 收到的信息W及计算得到的信息计算： KMAC-IB = CMAC(Temp_l，Add_ai □ Add_b□ Nonce_ai □ Nonce_b □ SSS，64) KMAC-2B = CMAC (Temp_l，Add_b □ Add_ai □ Nonce_b □ Nonce_ai □ SSS，64) 对比收到的KMAC_2A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求帖，如 果不同则取消本次关联请求，发送第二关联请求帖后化b计算MKi = CMAC(Temp_2，Nonce_ai □ Nonce_b，128) 为化b与第i节点的主密钥； 步骤四，第i节点收到第二关联请求帖，对比在步骤二中计算的KMAC_1 A与收到的KMAC_ IB，如果不同则取消本次关联请求，如果相同计算MKi = CMAC(Temp_2，Nonce_ai IZINoncejD, 128) 为第i节点与化b的主密钥。
【文档编号】H04W72/04GK106034306SQ201610031424
【公开日】2016年10月19日
【申请日】2016年1月18日
【发明人】张天宇
【申请人】张天宇