吴金科，张 月，王 斌

（东莞移动公司，广东 东莞 523129）

基于色谱识别的室分问题快速定位算法研究

吴金科，张 月，王 斌

（东莞移动公司，广东 东莞 523129）

现有室分问题发现主要是通过客户投诉“被动响应”，具有较大的滞后性；而且在定位室分问题时，是通过串行判断的方法进行，工作效率较低，主观值强，准确率较低。文章将室分问题归类汇总，挖掘同类室分问题的共同特征。引入关联系数分析法，锁定每类室分问题的强相关指标集，并通过盒须图划分5级色标门限值，建立科学合理的色谱分析法。应用色谱分析法，定位室分问题准确率达到80%以上，同时实现室分问题的并行分析和快速定位。

室分覆盖；色谱识别；快速定位

室内分布系统是针对室内用户群、用于改善建筑物内移动通信环境的一种成功的方案，是利用室内天线分布系统将移动基站的信号均匀分布在室内每个角落，从而保证室内区域拥有理想的信号覆盖。

随着移动通信网络的发展和室内话音、数据业务流量的高速增长，室内分布系统已成为吸收话务量、解决深度覆盖并提升用户感受的主要手段，是移动网络的重要组成部分[1]。由于室分系统涉及规划、建设、验收、优化、维护等多个环节，基站信源、有源设备、无源器件、天馈系统以及优化参数的设置都会对室分网络的质量造成影响。

1 常规室分问题定位方法

目前室分问题的发现，主要是采用“被动响应”的处理方法。用户投诉是最直接的问题反馈，用户主要对手机无信号、无法接通、通话质量差，掉话等不同原因进行投诉，正因为投诉的种类多而全，可以较为准确地反映实际问题，因此用户投诉信息的分析处理也是网络质量完善的重要借助手段[2]。

接收到室内用户投诉后，无线网络优化工程师至现场测试排查，在确认覆盖区域、排除终端故障等问题后，按“覆盖—呼叫—话音质量—通话保持”的顺序模拟用户通话行为依次进行测试排查，并通过丰田电子控制悬架（Toyota Electronic Modulated Suspension，TEMS）、扫频等专业设备，争取重现故障现象，采集故障点信令以辅助定位分析，直至查找到问题根源并实施对应的优化措施[3]。

常规的室分问题定位方法通过串行判断的方法进行，存在工作效率低、主观性强、定位准确率较低等问题。为此，需研究和制定一套科学、可行、快速的室分问题定位算法。

2 色谱识别的快速定位法

2.1 室分问题分类

根据日常无线网络优化的处理经验，将室分问题归类为高干扰问题、弱覆盖问题、过覆盖问题、参数设置不合理问题、设备故障问题五大类型，共45种常见的室分问题。其中以高干扰为例，列出常见的6种室分问题，如表1所示。

表1 常见室分问题分类

2.2 选取室分问题的强关联指标集

表征室分小区的无线网络指标有很多，但室分小区出现问题时，并不是所有的指标都会出现恶化，如何挑选合理的指标来衡量室分小区是否出现问题显得尤为重要。为了解决上述问题，引入相关系数来衡量两个随机变量之间线性相关程度的指标。相关系数r的定义如下公式所示：

取值范围为[-1,1]，r〉0表示正相关，r〈0表示负相关，|r|表示变量之间相关程度的高低。特殊地，r=1称为完全正相关，r=-1称为完全负相关，r=0称为不相关。设时间列序为T =（t1,t2,t3,…,tn）；室分小区CELLA对应时间列序无线网络指标为X=（x1,x2,x3,…,xn）；从告警清单列表中提取小区CELLA室分问题的发生时间和故障类型，构建同一种室分问题的故障出现序列为Y=（y1,y2,y3,…,yn），其中yi=0 or 1，yi=0时表示没有发生故障，yi=1时表示发生故障。

计算同一时间列序下Y与X的相关系数，当|r|大于0.5时，认为两个变量有较强的相关性。挑选出同一室分问题|r|大于0.5的全部无线指标，即可形成该室分问题的强关联指标集。

2.3 确定指标门限

室分问题的出现，一般伴随着强关联系数指标的异常波动。重视异常值的出现，分析其产生的原因，常常成为发现问题进而改进决策的契机。为了合理确定指标的门限值，文章引入盒须图的分析方法。盒须图的绘制依靠实际数据，不需要事先假定数据服从特定的分布形式，没有对数据作任何限制性要求，它只是真实直观地表现数据形状的本来面貌；另一方面，盒须图判断异常值的标准以四分位数和四分位距为基础，四分位数具有一定的耐抗性，多达25%的数据可以变得任意远而不会很大地扰动四分位数，所以异常值不能对这个标准施加影响，盒须图识别异常值的结果比较客观。由此可见，盒须图在识别异常值方面有一定的优越性。

从现网中收集强关联指标的采样点，分别将样本数据从大到小排列，计算出上边缘，上四分位数，中位数，下四分位数，下边缘，还有一个最小异常值。通过盒须图，最终可确定指标门限区间:（1）很好：绿色，上四分位数＜X≤上边缘；（2）较好：蓝色，中位数＜X≤上四分位数；（3）一般：黄色，下四分位数＜X≤中位数；（4）较差：橙色，下边缘＜X≤下四分位数；（5）很差：红色，（最小）异常值≤X≤下边缘。

2.4 制定室分问题色谱

以“室分信号外泄问题”为例说明各类常见故障对应的指标图谱建立过程，首先利用关联系数指标挑选原则，锁定该问题的强相关指标集为：下行6～7级质差占比、无线接入性、下行低于-94 DBm信号比例、冗余覆盖系数、室外关联邻小区数。然后，根据盒须图指标门限确定法，划分五级色标的门限值。最后制定出“信号外泄问题”对应指标图谱如表2所示。

表2 室分信号外泄指标色谱

2.5 室分问题色谱应用

根据上述第二至第三步的方法，制定45种常见的室分问题色谱，按PDCA工作模式，应用于实际的无线网络优化日常工作中。通过丰富的优化案例，不断修正室分问题色谱，提高问题定位的准确性。

3 结语

基于色谱识别的室分问题快速定位算法，通过数据建模挖掘同类室分问题的强相关指标集，本设计可实现室分问题的“并行”快速定位。经现网实践应用验证，问题定位准确率达到80%以上，并有效缩短室分问题的故障处理时长。同时应用该方法可以定位室分隐患故障，提前实施整改方案，从而保证室内区域拥有理想的信号覆盖。

[1]吴佳青，胡宗福，沈达，等.分布式天线系统下行功率分配算法的研究[J].通信技术，2013（8）：15-18.

[2]李洋.高层室分系统网络优化初探[J].中国新通信，2012（9）：11-13.

[3]马向前.GSM室分系统干扰分析处理[J].中国新通信，2013（17）：108-109.

[4]李宇中.统计方法在移动通信网络优化管理的应用[J].电脑知识与技术，2012（5）：1026-1028.

Study on fast location algorithm of compartment problem based on chromatographic identification

Wu Jinke, Zhang Yue, Wang Bin
（Dongguan Mobile Corporation, Dongguan 523129, China）

The existing compartment problems,mainly found through the “passive response”：customer complaints, have much more hysteresis.When positioning the compartment problems, people take the method of serial judgment with low working efficiency, subjective value and lower accuracy. The paper classifies and concludes the compartment problems so as to mine common features of the same compartment problem.It Introduces correlation coefficient analysis, focuses on strong correlation index of each room problem set, divides five levels of color threshold through the box whisker plots,and establish scientific and reasonable chromatographic analysis method. It has Applied the chromatographic analysis method whose positioning compartment problem accuracy should reach above 80%, and at the same time achieves the quick analysis in parallel and the rapid location of compartment problems.

compartment coverage; chromatographic identification; rapid location

吴金科（1983— ），男，广东江门。