（电路与系统专业论文）无线移动网络优化及无线传输链路中的若干关键理论与技术的研究[电路与系统专业优秀论文].pdf

七线移动嘲络优化鼓尤线传输链跺c ，的若十关键琏论1 技术的州，i 无线移动网络优化及无线传输链路中的 若干关键理论与技术的研究 摘要 近年来，随着我国移动通信运营业的发展，无线移动通信网络的 维护和优化r 作也越来越成为移动通信运营商提高其核心竞争力的 关键因素。而移动通信网络维护和优化水平的高低主要取决予网络优 化人员的实际经验和其所采用的优化工具。基于这种原因和现状，作 者在论文c f l 首先提出了移动通信网络优化今后的发展方向智能 化和集成化，并以此为基础，设计并实现了“移动通信网络优化智能 辅助系统”。 “移动通信网络优化智能辅助系统”采用专家系统的核心思想， 主要包含六个模块：知识库管理、告警关联分析、推理机、输入输出、 系统日志管理、系统帮助。系统中所采用的知识以事例为表示方式， 进行基于事例的推理( c a s eb a s e dr e a s o n i n g ) 。系统在设计l 旧l 入 j ，数据挖掘( k d d ) 技术：1 、在解决事例瓶颈问题的过程巾，针对新 的挖掘联标事例，进行了深入研究，并结合数据挖掘技术提出了 新的用于事例挖掘的算法；2 、在没计和实现告警关联分析模块的过 程th 针对系统中告警数据的特点，采用数据挖掘的原理设计了种 新的告警关联分析算法“基于项集矩阵的关联规则挖掘算法”， 并进行f 实际数据集的测试，结果表明，算法具有较高的应用价值。 论文中还介绍了作者在攻读博士期间所参与并完成的另外一一项 课题“新一代蜂窝移动通信系统无线传输链路技术研究( 国家8 6 3 课 题，编号：2 0 0 1 a a l 2 3 0 1 6 ) ”0 由于此项课题中所确定的新一代蜂窝移 动通信系统的传输技术体制为o f d m ，因此作者针对影响o f d m 实j 骑应 刚的几个主要问题之一峰均功率比较高的问题做了较为深入的 探讨和研究，并提出了几种新的控制系统峰均功率比的方法一累积 霍加、分段映射和移位算法。仿真结果表明，这j l 种方法与以往控制 系统峰均功率比的方法相比，在性能上有较明显的提高。 关键i 豆- l ：专家系统，数据挖掘，网络优化，关联规则，峰均功率比 尢线社。山刚络优化艟尤线传输键蹄t i f 勺7 ji 关 i i 胖沦lj 技求f f , j 0 f j t h es t u d yo fs o m ek e yt h e o r i e sa n d t e c h n o l o g l e sf o rm o b i l en e t w o r ka nd w i r e l e s st r a n s m i s s l 0 nl i n k a b s t r a c t i nr e c e n ty e a r sw i t ht h ed e v e l o p m e n to ft h em o b i l ec o m m u n i c a t i o no p e r a t i n g i n d u s t r y ，t h em a i n t e n a n c ea n do p t i m i z a t i o no fm o b i l ec o m m t t n i c a t i o nn e t w o r kh a s b e c o m eo n eo ft h ek e yc o m p e t i t i v e n e s sf o rt h em o b i l ec o m m u n i c a t i o no p e r a t o rst h e q u a l i t y o ft h em o b i l ec o m m u n i c a t i o nn e t w o r ko p t i m i z a t i o nm a i n l yd e p e n d so nt h e e x p e r i e n c eo ft h ee n g i n e e r sa n dt o o l st h e yu s e ( i n c l u d i n gs o f t w a r ea n dh a r d w a r c ) a c c o r d i n gt o t h i s s t a t u s ，an e wf r a m e w o r kw i t hi n t e l l i g e n c e a n d i n t e g r a t i o n i s p r o p o s e d a n dt h e na s y s t e mc a l l e d i n t e l l i g e n ta i d i n gs y s t e m f o rm o b i l e c o m m u n i c a t i o nn e t w o r k o p t i m i z a t i o n ”i sd e s i g n e da n di m p l e m e n t e d e x p e r ts y s t e m i si n t r o d u c e di n t o t h e “i n t e l l i g e n ta i d i n gs y s t e mf o r m o b i l e c o m m u n i c a t i o nn e t w o r ko p t i m i z a t i o n ”a st h ek n o w l e d g er e p r e s e n t a t i o nf o r n l ，c a s e i su s e di oc o n d u c tr e a s o n i n g d a t am i n i n gt e c h n o l o g yi s a d o p t e di n t h es y s t e mt o s o l v et h ep r o b l e m so c c u r r e di ns y s t e md e s i g n w h e ns o l v i n gt h ec a s eb o t t l e n e c k ，d a t a m i n i n gt e c h n o l o g y i su s e da n dan e wa l g o r i t h mi s p r o p o s e d w h e nd e s i g n i n ga n d i m p l e m e n t i n gf a u l ta l a r ma s s o c i a t i o na n a l y s i s ，d a t am i n i n gt e c h n o l o g yi su s e da l s o a n t io n en e wa l g o r i t h mi sp r o p o s e d 一“a l g o r i t h mf o rm i n i n ga s s o c i a t i o nr u l e sb a s e d o ni t e m sm a t r i x ”，t h et e s tr e s u l t sp r o v et h e a l g o r i t h m e f f e c t i v e a n o t h e rs u b j e c td i s c u s s e di nt h i s p a p e ri s t h e c o n t r o lo ft h ep a p r ”i n “t h e n e wg e n e r a t i o nc e l lm o b i l ec o m m u n i c a t i o nw i r e l , e s st r a n s m i s s i o nl i n k 7 f e c h n o l o g yr e s e a r c h ”( p r o j e c tf r o m8 6 3 ) s i n c ep a p r i sak e y p r o b l e mi nt h eo f d m s y s t e m ，t h ec o n t r o lo f p a p ri ss t u d i e dt h o r o u g h l y a sar e s u l t ，s o m en e w a l g o r i t h m s a r e p r o p o s e di n c l u d i n g c u n m l a t i o n 、s u b s e c t i o n m a p p i n ga n ds h i f t i n g t h e s i m u l a t i o ns h o w st h e s e a l g o r i t h m s c a nc o n t r o lt h ep a p rs y s t e mb e t t e rt h a nt h e f o rn l e ro n e s 。 k e y w o r d s ：e x p e r ts y s t e m ，d a t am i n i n g ，n e t w o r ko p t i m i z a t i o n ，a s s o c i a t i o nr u l e s i ) a p r 堕! 兰丝堡兰 生垡壁垫竖笪垡! 兰丝垄垡! ! 塑塑堕! 业堑! ：茎里型坐上堕生苎塑! ! 塑 前言 水论丈是作者对自己存攻读博士 l 】f i = i j 所完成的主要研究i ；t 4 f l 4 个野论与 实践的总结。主要完成的工作包括：1 、“移动通信网络优化智能辅助系统”棚 关理沦研究和设计、实现工作；2 、“新代蜂窝移动通信系统无线传输链蹄技 术研究”( 8 6 3 编号：2 0 0 1 a a l 2 3 0 1 6 ) ”。这两部分工作之问既有内存联系， 义有不同。 1 论文研究背景 移动通信网的优化是目前移动运营商i 面l 缶的一个非常迫切的问题。山1 ：无线 移动通信技术的发展，移动用户的数量增长非常迅速。这种高速增长在给移动运 恃商带来巨大利益的同时，也为运营商增加了根大的压力。 + 旦网- 剿i - ：运, 1 7 1 1 ) r n j 2 i 现了，问题，小但会给移动运营商带来重人经济损失，而且会檄火影响川1 剥运 营商的信任，降低其忠诚度，而移动网络优化则是目前解决这一问题的最i i 耍手 段。在这种背景下。结合实验室在这方面的已有基础，作者选择了无线移动嘲络 优化作为f - j j 期间的一个主要研究方向。这个选题不【又含有熏大的实际应用意 义，同时也需要较多的理论支撑。 目前针对移动通信网络优化领域的理论研究正处于一个起步的阶段。如为了 提高系统寻呼效率，研究人员引入了概率沦和随机游动理论；为解决优化过程中 f | j 地理定位问题，研究人员提山了多种适用于刁i 同情况的地理信息模型和传播模 型。但总的来蜕，针对移动网络优化领域的理论研究缺乏深度。当i i i i 善 际应用的 移z 山刚络优化产品种类繁多即便是针对同一个优化目标往往也会存在多个产 t 而这些产品的主要功能仍然停尉在对优化同标数掘的采集和髓测h 对所采 集数拼：的分析能力较弱，这种情况反映了当前整个移动嘲络优化产：铺的智能化程 度小商，无法满足优化工作中更深层次的要求，也影响了整个优化的最终效果。 同时当前绝火多数的网络优化工具功能单一，如路测系统只是完成对路测数据的 采集和分析，信令分析系统仅仅完成对无线及交换接口的信令采集和分析，频率 舰划和优化系统主要用于指导网络建设和优化人员完成网络资源的部署雨i 后期 的峒优等。从方法论的角度考虑，这些功能单一的网络优化系统是将不同数据源 采集到的大量数据孤立地进行处理，而移动网络优化要取得好的成效，就必须实 现全网协调、统一的优化调整，孤立地处理这些采集数据就意味着抛弃了这些不 同源数据的内在联系，自然就无法对数据进行充分的挖掘和分析，是列现宙例络 优化t i i 数挠；资源的浪费，同时也无法提高网络优化的效率。此多源数据的集成 光线移动阿络优化驶无线传输链路中的若十关键理论1j 投术的 j 究 化处理就非常必要了。在推进网优系统的智能化方面，目前一些科研机构$ 1 - f i 实 力的网络优化解决方案提供商已经作了一些探索和研究，也推出了一些具有一定 智能的优化系统。如将人工智能理论应用到移动网络优化领域，从而产生了诸如 “智能路测”、“智能频率规划”等产品。但总的来说，如何提高移动刚络优化 系统的智能化还有待于做进一步深入研究。这方面的研究方i 甸是应用人一j l 智能理 论、专家系统、模糊理论等新理论解决移动网络优化领域智能化程度不l 每r , j 原闲。 而hb i f t r l f , 更有效地完成对大量不同源数据的挖掘、分析还没有一个较好n 0 解决 办法，数据挖掘理沦和移动网络优化的结合就是在这种背景f 产 k f f j 。在无线移 动网络优化领域运用数据挖掘理论其根本目的就是要解决在实际优化过程阳_ j 大星不同源采集数据的分析问题。 论文巾对人量不同源采集数掘的分析问题进行了研究，提出了运用数掘挖掘 理论解决移动网络优化中两个主要的大量数据分析问题：事例挖掘和告警关联分 析。移动网络优化中“事例”挖掘的主要任务是发现网络中的问题或问题小区并 列其原因进行分析。由于将数据挖掘理论应用于移动网优领域的研究尚处于起步 阶段没有现成的方法可供参考，而以前对于类似的问题往往采用采用基f “规 则”的方式，即将专家的经验转换为规则表达方式。而在针对移动网络优化问题 目标模式的挖掘中，基予规则的推理方式遇到了一些困难：如当领域专家无法表 述某一判断分析结果时，就无法将知识总结为舰则的形式；解释s j l , t i 肢是重复 所川到的规则，往往比较杂乱 i l i 列不易理解等。而论文从方法论的角度发提 了将撼予“舰则”的推理变为基于“事例”的挖掘，并在此攀 i | 上给出了事例的 完牾表达形式，从呵克服了基于“舰则”的推理所带来的些问题，增加了“移 动通信网络优化智能辅助系统”处理问题的灵活性，为系统将柬的扩展奠定了基 础。在确定了挖掘的目标模式一“事例”后，提出了一个完控的“事例”挖掘算 法，弗针对算法中所要解决的几个主要问题如可信度离散化、问题小区及其原因 的发现、原因级别的计算等提出了详细的解决方法。告警关联分析的f ；_ 1 标则 是从大量网络告警数据中发现某些告警之间的关联关系。运用数据挖抓f 技术研究 告鬻关联分析问题是目前网络优化领域的一个研究方向。但总体来看，目前在这 一方面的研究进展还比较缓慢，大多停留在利用现有的关联舰则挖掘算法( 如 a p r i o r i ) 来解决告警关联的分析。但现有的这些告警关联挖掘算法存在着些问 题：如算法效率较低，在处理大量告警数捐时容易导致系统超负荷；没有考虑整 个网络及其网元之间的相关性，从而造成挖掘结果1 i 准确和系统负荷过重等问 题。吲此沦文中提出了一种新的关联规则挖掘算法一基于项集矩阵的关联规则挖 掘算法( a r b i m ) 。实际运行的结果表明：通过项集矩阵和网元实体棚笑度等 方法的应用，a r b i m 算法在效率和准确度方面有了较大的提高。 在“移动通信网络优化智能辅助系统”研究项目中作者作为项目负责人和 光线移功附络优化及尤线传输链j ! q ，的符十关键理论j 披术的 l j f 究 t 受完成者究成了系统的设汁和刀：发，并在其c i l 主要负责核心算法以及部分模块 的漱计年实现一卜作。目前此系统已基本完成弗进入了实用化阶段。整个系统采用 专家系统的基本结构，应用数据挖掘技术，可以发现网络巾的问题小区并对 i 5 现 的备干噜，问题和现象进行分析、判断，并给；： l 具有一定可信度的建议。同州系统巾 集成了告警关联模块，可以对网管网优中采集到的数掘进行挖掘、分析，并给 准确度较高的关联规则。目前集成有告警关联分析模块的移动网络优化系统还 未见有相关的论述。论文中第一篇会对此系统进行洋细、完拯地介绍，并对其核 心算法和部分实现进行较深入的说明。 人类对于未柬通信的需求将向宽带化、个人化、智能化、移动化的方向发展， 而移动通信将在未来通信系统中扮演举足轻重的角色。多媒体业务将成为未来移 动通信的主导q k 务而这些业务对于无线链路的传输能力和网络组成形式提出了 新的需求。现有无线移动通信系统无法满足这种高速率、大业务动态范围和多：f i i l q o s 需求。因此，我国在十一垃8 6 3 项目中提出b e y o n d3 g 系统关键技术的研究。 而“新一代蜂窝移动通信系统无线传输链路技术研究”就是在这种背景下产生的。 作者在此8 6 3 项目中作为分项目负责人和主要完成者承担了o f d m 系统中 峰均功率比( p a p r ) 控制算法的研究。峰均功率比较商一直是影响o f d m 技术 实际j 盈f - i 的一个主要问题。国内外针对这一问题展开了大量的研究： 作，也提出 了一些有效的峰均功率比控制方法。常见的主要有选择映射( s l m ) 、部分传输 序列( p t s ) 、信号编码、信号畸变等。折中考虑复杂度和效率，实际应_ ：| 较多 们卜要是s l m 和p t s 瓶种算法法。s l m 和p is 的基本原理都是对输入信引司 州进行多种扰码处理，选择p a p r 最小的输出信号发送。s l m 和p 1 1 s 列原始信 号进行扰码处训的本质实际 j 是通过改变原始信号的功率分研，从雨j 达到降低信 号p a p r 的目的。尽管s l m 和p t s 是在复杂度和效率j 二的折中结果，但恁实际 实现时仍比较复杂。因此论文中首先提出了- e l 新的p f k p r 控制方法一累 = 叠加 ( l j d j ) ，这种方法和s l m 、p t s 比较，最大的优点是实现较为简单，同时算 法性能也不错，缺点是需要引入的冗余位较多，对带宽占用较大。而从目前研究 的进展来看，降低带宽占用、提升算法性能和减小算法复杂度三者之问很难得到 一个令人满意的折中结采，因此论文尝试从另外一个方面进行研究，即针对s l m 萃f j p t s 对原始信号的扰码处理缺乏一个明确的准则这一问题，提出了一种新的 解决方法一分段映射( s m ) 。s m 最大的创新在于给出了扰码处理c p 的个有 效准则“子路方差最小”。理论证明和实际的仿真结果表明：s m 的性能优于 s l m 。分段映射需要额外付出的代价是映射表存储，在对原始信号进行扰码处理 州产生候选序列数量也4 i 够多。但从目前存储器技术的发展来看，映射表晌存储 并习：是个主要问题；对于候选序列不够多的问题，论文中提出了第三种方法一 博i ：学位论文无线移动嘲络优化及光线传输链路叶1 的蕉t 篓壁型堡! 丝尘塑盟塞 移位( s h i f t i n g ) 。移位算法可以产生较多的候选序列从而达到更好的降低p a p r 的 ；= i 的。但嗣p t s 比较而言，移位算法的汁算复杂度不占优势。1 1 前此】7 i l o i ：究 课题已经完成，发表论文一篇，已投论文一篇( 已录用) 。关于这儿种i 算法的基 本原理、具体实现和性能评估会在论文第二篇进行较为详细地介绍。 2 论文：1 ：要创新点 沦文主要的刨新点总结如下： 在“移动通信网络优化智能辅助系统”的设计和实现中，本论文第一一次 提出了以“事例”作为系统挖掘的目标，至今尚未见有同样工作的报导。根据经 验，基于“规则”的挖掘方式应该是解决移动网优问题的酋选。但经过研究发现： 撼于“规i j l 0 ”的挖掘方式存在些缺点：如当领域专家无法表述某一判断分析结 果时，就无法将知 ： 转变为规则的形式；解释机制一般是重复所用到的舰则，往 往比较杂乱而且不易理解等。而论文从方法论的角度出发提出了将基于“规则” 的推理变为基于“事例”的挖掘，从而克服了基于“规则”的处理方法所带来的 问题增加了“移动通信网络优化智能辅助系统”处理问题的灵活性，并为系统 将来的扩展奠定了基础。论文t j 还完整给出了事例的表达方式、事例匹配算法及 事例索引的定义及建立，这种事例表达方式对传统的事例结构进行了扩展，以特 征值的形式包含了其它可能用到的有用信息，更具有实用性。 2 ) 提出了针对“事例”的挖掘算法。由于通常在移动网络优化中是将“规 则”作为挖掘的目标，所以针对“规则”的挖掘算法较多。但由于本沦文提出了 将“事例”作为了移动网络优化的挖掘1 7 1 标，因此如何钏剐“事例”进行挖掘是 一个需要解决的新问题。论文针对新的挖掘目标一“事例”，给出了个完善的 核心挖掘算法，并对算法中涉及的具体问题如可信度离散化、问题小区及其原因 的发现、原因级别的计算、索引的挖掘等一一作了论述。系统实际运行的结果表 l ! 玎：该算法稳定、可靠，具有较强的实用性。 3 ) 提出了针对告警数据的关联度预处理方法实体相关度方法。网络叫： 时l i , l 刻刻部在产生告警数据，如果南接对大量的告警数据进行关联分析，会大火 j f t d l l ；i g 壬 , l 系统负荷，而网络告警数据具有一个明湿特点：即拓扑关联度低的告警 数掘其相关程度较低。因此论文中提出了在对告警数据进行关联分析之前，对其 进行实体相关度预处理，这样可以极大减少待挖掘的数掘量，提高其后数搦挖掘 的效率。经实际数据测试表明，这一方法是正确的。 4 ) 提出了“基于项集矩阵的告警关联规则挖掘算法( a r b i m ) ”。在实际 处理关联舰则挖掘问题的过程中，常用a p r i o r i 算法。但a p r i o r i 算法在实际执行 过程巾会产生大量候选集，因此在处理诸如网络告警这类海量数据时效率会非常 低下，算法的鲁棒性较低：同时由于算法没有针对移动网络优化领域进行号门n 勺 尤线移动州络优化搜无线传输链路巾们船十关键耻论lj 拙术的 l j f 究 优化算法的准确度不高。因此论文中提出了新的算法一a r b i m 算法。该算法 通过项集矩阵来记录候选、频繁项集，同时在扫描记录集时设置中间榆查点，从 而减少了候选项集的数量。经实际测试的结果表明：算法效率和准确度较a p r i o r i 算法有明显提高，实用性较强。 5 1 提出了三种新的峰均功率比控制算法：累积叠加( l j d j ) 、分段映射( s m ) 和移位( s h i f t i n g ) 算法。l j d j 算法通过改变原始信号的功率分稚达到降低信号 p a p r 的目的。该算法实现较为简单，缺点是需要引入的冗余位较多。s m 算法 最人的创新在于给出了扰码处理中的一个有效准则一“予路方差最小”。理沦推 导和实际的仿真结果表明：s m 的性能优于经典的s l m 。s m 需要额外付f 的代 价是映射表存储，同时在对原始信号进行扰码处理产生候选序列时数量仍不够 多，但从目前技术的发展柬看。存储并4 i 是一个主要问题。针对候选序列不够多 的问题，论文中提出了第三种方法一移位( s h i f t i n g ) 。仿真结果表明：s h i f t i n g 算法可以产生较多的候选序列从而达到更好的降低p a p r 的目的。但同p t s 比 较而言，s h i f t i n g 算法在计算复杂度方面不占优势。 3 论文结构 论文的主要结构安排如下： 前吉主要介绍作者在攻读博士期间所完成的两部分主要研究工作，并对这两 部分工作的研究背景、当前的进展以及研究的结果进行了简单的阐述。 第一篇主要介绍了作者在攻读博士期间所完成的项目之一基于数掘挖 掘的“移动通信网络优化智能辅助系统”。 第一章介绍了当前移动通信网络优化工作的主要意义，并对当前移动通信网 络优化工作中面l 豳的主要问题进行了阐述。在此基础上，提出了今后移动通信网 络优化的发展思路：智能化和集成化。 第二章着重介绍了“移动通信网络优化智能辅助系统”的理论基础之一一 数据挖掘，包括其概念和目标模式等方面。 第三章对“移动通信网络优化智能辅助系统”的设计及实现作了一个全面论 述。在介绍了“系统”的设计目标和主要模块结构的基础上，重点论述了“系统” 的具体设计、实现过程，包括数据挖掘目标的确定、系统数据源的预处理、系统 核心算法的实现、告警关联分析模块的核心挖掘算法一a r b i m 算法等。 第二篇主要论述了作者在攻读博士期间所完成的另一部分工作：“新代蜂 窝移动通信系统无线传输链路技术研究”中“0 f d m 系统峰均功率比控制问题 的研究”。在列o f d m 的原理和峰均功率比( p a p r ) 问题作了简单阐述后，提 山了三种新的p a p r 控制算法：累积叠加( l j d j ) 、分段( s m ) 和移位( s h i f t i n g ) 。 第四章对o f d m 理论的发展现状、基本原理、峰均功率比问题进行了介绍 ”l 学位论史无线移动州络优化及无线传输链路中的苷十关键理埝j 技术的 i j | 究 和论述。在介绍了o f d m 的发展情况和基本理论后，重点论述了o f d m 系统峰 均功率比的理论模型及其分布特性，同时对目前各种类型的降低峰均功率比的算 法做了介绍和比较。 第血章提h 了三种新的降低系统峰均功率比的算法：累积叠加( l j d j ) 、 分段映射( s m ) 和移位( s h i f t i n g ) 算法。重点对三种算法的研究思路和研究结 果作了阐述。 最后是整个沦文的总结。给出了在移动通信网络优化和降低峰均功率比两个 方而下一步的研究方向。 6 瞒f 学位论义无线移动删络优化及光线传输链路中n 若干关键理论，技术的州究 第一篇基于数据挖掘的无线移动网络优化 系统 无线移动网络优化是f f 前移动运营商最为关注的问题之一，而数撕挖掘则是 目i m 最活跃的理论领域之一。这两者的结合必然会列移动通信网络优化问题提供 新的解决思路。本篇就是对作者在这方面所做工作的一个总结。本篇首先介绍了 数掘挖掘的主要概念和研究内容，然后对无线移动通信网络优化的含义和内容做 了简单的论述。在此基础上，介绍了所实现的系统基于数据挖掘的“移动通 信网络优化智能辅助系统”。 第l 章无线移动通信网络优化 无线移动通信网络优化对今天的移动运营商来讲意义重大，是其实现从粗放 型经营到精细型经营的一个重要环节。本章主要介绍了移动通信网络优化对运营 i 萄的重要意义，并总结了当前移动通信网络优化1 ：作中i j ! 【i | i ；的主要问题，接着指 m 了移动通信网络优化下一步的发展方向：智能化和集成化，最后给出了个具 柯钳能化和集成化特性的无线移动网络优化系统的结构模型。 1 1 无线移动通信网络优化的意义 随着移动通信网络的迅猛发展，网络规模不断扩大，用户数量急剧一l y t ，国 内移动b 信业务的两大运营商中国移动和中国联通的网络已经具有相当的 舰模。人们对网络的平均服务质量要求越来越高，运营商剥+ 网络的管理也从刘信 号覆盖的定性要求转变为对网络性能指标的定量管理。在这种情况下，实现网络 资源的合理配置，提高网络的服务质量，增强企业的核心竞争力，越来越受到运 蒋商的关注。一方丽由于移动用户数量的激增网络规模不断扩大，频率资源逐 渐l 凝乏，网络出现的问题越来越多样化、复杂化，单纯的1 - ：l 常维护已无法切实地 为j 大移动_ _ l j 户提供高质量的通话服务：另一方面如何提高通信质量，提高网络 的5 f 均服务水平以及系统设备的利用率又是一个亟待解决的问题。因t t - l ) ! j n 强移动 通信网络的优化已刻不容缓。同时，网络质量是通信企业的生命线，是企业可持 续发展的源动力之一，也是保证用户忠诚度的关键因素。而无线移动网络优化是 网络资源得以有效利用的保障，更是通信企业核心竞争能力的充分体现。只有加 强网络优化工作的力度，不断提高网络质量才是企业生存与发展的基础。通过网 丸线移动l 叫络优化及尤线f e 输链踏。 f 们竹十关键耻沦o 拉术的 i j 究 络优化：r 作，运营商可以提高网络运行质量，充分发挥频谱资源效率。 网络优化工作是一个周而复始、循环往复的过程，贯穿于网络发展的耀个阶 段。只有不断地对网络进行改进，提高网络的质量，才能获得移动用户的满意， i 吸引和发展更多的用户，才能保证网络长期稳定地运行。 图1 i 所示是一个完整的网络优化流程。 1 2 无线移动通信网络优化主要面临的问题 当前无线移动网络优化工作中存在着以下些需要进一步深入研究的问题： l 、告警关联分析 目漪在无线移动网络优化中大家研究的比较多的是网络中告警数据的过滤 和告警之后由此产生的可能出现故障的关联分析和预测。钏对这个问题国内外已 经jr 展了一些研究，也提出了一部分具有实际应用价值的算法。由于此问题属关 联规则挖掘的范畴，所以常用的算法主要有“通过候选项集寻找频繁项集的 a p r i o r i 算法”、“频繁模式增长( f p 一增长) 算法”等。这类算法在实际应用中还 产生了一些改进型算法，用于提高原始算法的效率和准确度，本论文重点对此问 题进行了研究和探讨，并给出了创新算法( “基于项集矩阵的关联规则挖掘算法”) 及仿真计算和实际应用的结果。关于这部分的详细内容可以参考3 4 节。 2 、多源数掘的融合 从移动通信网络优化的主要流程和方法中可以发现，移动网络的优化人员必 须要面刘来自不同数据源的大量数据，如路测得到的数掘和o m c 采集到的数据 等。这些来自不同数据源的数据量非常大，粒度不一致，其可靠性也需要甄别。 所以这犟就涉及到了一个如何对来自不同数据源的数掘进行融合的问题。目前在 处理移动网络优化中不同数据源数据的融合问题时研究得比较多的方法是利用 数据仓库和数掘挖掘技术。 在实际解决移动网络优化过程中多数据源融合问题时，可以采用建立数据仓 库的方法即将来自不同数据源的数据进行数据预处理( 主要是对数据进行数据 清理、数据集成和变换、数据规约等工作) ，再按照预先定义的模型生成数据集 合即数据仓库。有了数据仓库后，网络优化技术人员就可以按照自己的经验设 定年日应的规则，从大量的、经过处理的数据中找到移动通信网络中的问题并进行 优化。 3 、网络性能瓶颈的发现 在对无线移动通信网进行优化：【：作中的个很重要的内容是从我们所得到 f i d 备种数据巾发现移动网络运行中的性能瓶颈( 即需要优化的对象) 。日f j “这j ：【作的完成主要是依靠经验。而完成这项工作光凭经验是不全面的，经验必须建 ! 塑! = 三堡堡兰垄垡壁垫塑塑垡些丝垄垡堡塑堡些! 塑堑篓壁些堡：! ! 皇娄塑型堑 是西符合 门限饕求 系统投入运行、扩容或瓯网改频 i i 进入网忧阶段 t 系统嘲卉 j 甘户投诉、呼叫麻踩、 t ， 、 if _ 2 。- - 一f ili 频率规划等ll 蹄攫i 结果，包括d t 、t 测试等i il ，是否解决、 网络优化小组制定优化方案 一i 一一一 i ：报省市公司优化领导小缃l ，蔓、 、 - - 是酉审批、 、 ， 厂一i = 毒一= _ 些姿垡璺壬竺望毫l 一一一一j 一一 i 进行网络分析、参数璇鬻j e 确 l 性、相邻小区合理性、通话厩 i量、电乎与门豫值比较 l + 图1 1 一个完整的网络优化流程 是否莉合、 门戳受求， t 立在对大量数据的分析之上刁可靠。实际上网络瓶颈的产生是有其外在表现的， 关键是我们能够将网络优化过程中产生的经验转换为数据挖掘技术中相应的挖 9 光线 多动削络优化搜光线传输链路r l f 】勺若i 天健耻论，技术i l ；j t , j l 宄 捌姚则，这晕涉及到网络优化经验的规则描述，网络拓扑结构的规则描述，网络 负载模型的建立以及网络性能门限的合理设定等重要问题。 以i - _ j l 点都是当前移动通信网络优化中需要更加深入研究、解决的问题。本 论文c ”介绍的基于数据挖掘的“移动通信网络优化智能辅助系统”可以部分解决 l i i i i 的儿个问题：告警关联分析模块可以对故障告警之问的关联性进行分析并给 m 棚应的结果；推理机模块可以对网络优化过程中发现的问题进行分析并给：i 网 络 ， ：能瓶颈和相应的优化建议。 1 3 无线移动通信网络优化的发展方向 1 3 1 智能化 智能化就意i 睐着在优化过程中尽量减少优化人员的工作量，主要工作山优化 工具柬完成，最后在优化人员的参与下完成系统调优工作( 完全不需要人的参与 是种不切合实际的想法) 。当前已经投入应用的网络优化软件和优化工具比较 多它们人多能够对某种专门柬源的数掘进行采集和部分分析。 但是对于优化人员来讲，促使其作出最后优化决定的数据来源并不仅限于啦 一的优化： 具。优化工程师可能要综合研究o m c 中的无线话务统计数掘以及 c q1 1 或【) r 的测试数据，然后对这些数据进行综台分析从而发现需要优化的参数 j 1 j 定优化措施。因此c q 以考虑采用相应的智能算法和数据挖掘技术，模拟优 化人员的思路，智能地完成这部分工作。这个思路将来可能会最终得到运营商和 优化厂商的认同。目前智能化的理论基础主要得益于专家系统和数掘挖掘理论的 发展。许多高效的算法可以帮助移动通信网络优化工具更有效、更准确地发现移 动通信网络内部的问题并在专家知识的基础上给出建议。 数据挖掘技术是近年来发展得比较快的一种技术，它的应用范围相当广泛。 数掘挖掘的主要目标是发现隐藏在大型数据库中的模式，同时研究模式发现披术 的i j 】行性、有用性、有效性和f i l 1 t l t 缩性等问题。将数据挖掘技术和网络优化技术 进行结合，可以解决i ：多以前我们想解决却缺乏办法的问题，如告警的过滤、预 测，网络资源瓶颈的分析等。 目i j i f 国内有很多单位都在进行网络规划优化软件工具的研发工作，如北 京邮电人学、北京航空航天火学、珠海万禾等单位。其q - i l s ( 1 l l l l 电大学p c n & c a d 中，心依靠雄厚的通信技术实力，已经在本领域进行了8 年多的研究和玎发：r f l ： 并与移动运营商密切合作，取得了丰富的实际经验。 l o 光线移动网络优化及无线传输链路中的荇f 关键理论4 j 披术们研究 1 3 2 集成化 目前的网络优化工具种类很多，而且钳列不同的领域。表1 1 是目前移动网 络优化：r 程中7 旨用的一些优化工具。 表j l 常用优化工具分类 优化i ：具功能 路测数据分析软仆新一代的路测仪器年软什不但能够记录测式手机 接收到的f 行电平、通话质茸和信令及对应的经 纬度信息，而且能够对上f 行全频进行高速扫描。 频率规划与优化软什除了具备一些路测数据处理功能，更多的还魁作 m 更加准确的无线规划及优化。 信令分析软1 ，l =信令分析软什主要分析无线口的信令流程，其中 加强了流程的臼定义、匹配搜索年i | 统计功能，计 将常j j 分析方法模块化，提高r 解决常见问题的 效率。 话务统计数据处理软什话务统计提供了人最的系统信息，是网络优化展 重要的数据源。好的话务统计数据处理软件能够 自动计算运营商和供应商定义的性能指标，自动 生成带有图表的短期平长期报告。 地理信息系统在地理信息系统平台上开发的麻川程序能够在真 实的地图上显示各种系统数据如网络性能指标、 系统负荷、频率的地理分布和路测数据，便丁使 川者直观地发现问题。 诵币分析 活单中存在着如土、被叫j j 户号码、呼叫发起小 区、j h 中继、叮叫释放原相内的嚣种信息， 通过提取这些信息话单分忻软仆能够对特定川 户和号码进行踩踪，提取重要的巾场信息。 话务平信令负荷流向预测网络结构的殴计应参考现有网络的话务分布剌信 令流向，根据设定的话务模型进行预测，从而位 总容鼠的分布更加台理，避免网元及接口上山现 负荷失衡平阻塞。 尽管这些工具给网络优化工程人员完成优化工作带来了很大的方便，但由于 它们往往只针对无线移动网络优化过程中的某些特定领域，而网络优化是个涉 及仝网或局部网络的综合过程( 有时需要协调多个网元的设霄参数，并目此过程 i - 断l ：足。个循环过程) ，因此大虽的工作是要由优化：l 程师剥这些优化j ：具所反 映来的问题或情况进行综合分析、判断，最后形成一个涉及不同地点、不同层 光线移动刚络优化及无线传输链路中的若十关锉理论_ 技术的 i 】f 究 次网元的优化调整方案。而在此过程中最重要的同时难度电最大的就是最后的分 析过程。这个过程需要网络优化工程师有丰富的经验，同时也需要非常熟悉网络 的规划、配置和性能。因此，“集成化”就成为了移动网络优化的一个发展方向。 实际i 二将以上所列出的网络优化工具的功能集中在一起并不是一件非常难 的事情。从前面的分析我们可以看出，表1 l 中所列出的这些工具都是目前在网 络优化中经常用到的，因此其功能相对电比较成熟，将这些相对成熟的功能集中 在一起从技术上来讲问题不大，但意义也同样4 i 是很大。我们这罩提到的“集成” 其宙义何在呢? 在网络优化中有很大的一部分工作量主要集中于对各种优化一l 具所采集到的数掘进行分析和整理的过程因此我们可以考虑利用专家系统的原 理，将优化工程师的经验以专家系统的形式体现出来，同时形成一个数据挖掘引 擎对前面提到的各种优化工具采集到的数据进行综合整理和挖掘分析，最后再 输入到专家系统中。这样爿是真正意义上的“集成化”。 1 3 。3 智能化、集成化优化工具的结构 图1 2 为具有智能化和集成化特性的网络优化工具的一个设计方案。綦- 二这 种架构的网络集成优化工具能够最大限度地利用现有资源、提高优化效率。 优化工具可以根据客户的要求，进行其所要求的定制分析和挖掘，网管网 优数据仓库的数据来源也不仅限于图中所标示的数据源，但不同数据源的数据必 须进行必要的清理和集成，便其具有相同的粒度和属性， 水文后面将要介绍的基于数据挖掘的“移动通信网络优化智能辅助系统”就 足以此结构为菔本进行设计的，有关此系统的具体结构和实现会在论文后面的部 分进行介绍。 2 尢线毛多r 办叫络优化 乏尢线忙输链蹄r f 一的符l 天锹删沦。拙术| j 圳，l 话务 计数 絮镭i 【：1 l 数据库j 图1 2 智能化、集成化的优化工具结构 系统的 析工具 q f l 产 无线移动删络优化及尢线传输链路中的若一t 二关键理论0 技术的i , j f r ，i ； 第2 章数据挖掘理论与技术概述 数挪：= f 窀掘是2 0 【旦= 纪9 0 年代发展起来的- - q , 新的数据分析处理技术，它包含 非常，“泛的内容：如数据库，人工智能等。论文第三章中将要介绍的“移动通信 网络优化智能辅助系统”的一个主要理论基础就是数据挖掘。本章是对数据挖掘 理论的一个基础介绍。2 】节酋先介绍了数据挖掘产生的背景：2 , 2 节主要介绍了 数据挖掘中的些基本概念；2 3 节则对数据挖掘所要达到的目标模式作了详尽 的介绍。“移动通信网络优化智能辅助系统”中涉及到的其它的一些理论基础， 如专家系统和人工智能等，由于属于较为基础的理论，在此就不再赘述，有兴趣 的读者可以参考相关的书籍和文献。 2 1 数据挖掘产生的背景 我们当i i i f f ) j 7 属的社会已经是信息社会，在信息社会中最重要的资源就是信 息，反映在我们的现实生活中就是大量的数据。如何在浩瀚如海的信息数据中找 到所需的内容，是衡量一个社会信息化程度高低的最重要的方面。在过去一t 一儿年 中，人们对数据的收集整理能力已经迅速提高。但和数掘的增长速度比较，人们 对数掘进行分析和处理的速度显然要略逊一筹。如何采用更加有效的方法收集、 分析和整理大量的信息数据成了摆在科学家面前的一个难题。数据挖掘技术就是 在这个背景下被提出来的1 1 1 1 2 。 数掘挖掘理论出现于2 0 世纪8 0 年代后期，在9 0 年代有了较为突飞猛进的 发展。它是数据库系统和新的数据库应用的一个有希望的学科前沿。按照通常的 习惯，数据挖掘也可以被称为数据库中的知识发现( k d d ) 。 近年来，数据挖掘技术同益引起了信息产业界的极大关注。因为许多j 7 - l l t 1 i i 有人量的数据资源，如银行、税务、电信、保险等，但目前这些资源只起到了历 史记录的作硐，无法转化为更加有用的信息和知识。而上面所提到的这些行业恰 恰需要从这些历史记录数据中得到一些有用的结论，以便于对用户或系统将来的 行为作 【；分析和预测，这才是他们非常关心的。以银行系统为例，银行内部保存 有大量的客户数据，以往这些数据仅仅作为历史记录供查询使用，但随着金融环 境的变化，银行往往需要对客户的信用度进行评估，同时预测其未来的些行为 模式，这样就需要对关于客户的大量历史数据进行挖掘和分析，而数据挖掘技术 主要就是为了解决类似这样的一些问题。 数掘挖掘技术是伴随着数据库技术的发展而发展起来的。从2 0i h ：i t , 6 0 年代 以米，数据库技术已经从原始的文件处理演化到复杂的、功能强大的数据库系统。 自7 0 年代以柬，数据库系统的研究和，1 ：发已经从层次和网状数据库系统发展到 无线移动喇络忧化驶尢线传输链路叶1 的若i ：关键理论j 技术的州究 丌发关系数据库系统、数据建模二【：具、索引和数掘组织技术。此外，用户通过查 咖讲高、用户界而、优化的查询处理和事务处理，可以方便、灵活地访问数据。 现在，数据可以放在不同类型的数据库中。近年来出现的一种新的数据细织 形式被称为“数据仓库”。这是一种多个异种数据源在r 弘个站点以统一模式所组 织的存储方式，这样做的目的是用于支持管理和决策。数据仓库技术实际上山几 个相关的技术组成：数据清理技术、数据集成技术、联机分析处理( o l a p ) 。 图2 1 为数据库系统演化的过程。 2 2 数据挖掘的定义 图2i 数据库技术的演化过程 我们可以把数据挖掘技术形象地理解为从大量的数掘中提墩或挖掘一些有 效r r