回归预测在lte路测数据挖掘分析中的应用

《回归预测在lte路测数据挖掘分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、回归预测在LTE路测数据挖掘分析中的应用　　【摘要】为了解决LTE网络优化问题，有效反映移动网的用户感知体验，采用挖掘分析中的统计和数据建模方法，通过分析LTE路测中获取的信号质量及吞吐量等常见表征参数，研究了预测算法，从而构建LTE网络质量回归预测模型。经过实验验证了该预测模型的有效性，可有针对性地指导接下来的网优策略。　　【关键词】网络优化LTE路测网络质量参数回归预测　　1引言　　在LTE网络测试中，DT（DriveTest，路测）是无线网络优化的重要组成部分，其主要测试用户吞吐量、FER（Fra

2、meErrorRate，误帧率）、SCH（SynchronizationChannel，同步信道）速率分布、手机发射功率等。测试人员坐在行驶的汽车中，用专业的测试仪表对整个路段的无线信号进行测试，主要观察上网过程中拥塞、干扰、掉线等现象出现时网络参数的变化，判断网络是否能够满足正常上网需求，进而推测出无线基站分布及覆盖是否合理、天线高度是否合适等，为后续4G网络优化提供数据依据。　　本文在深入理解LTE路测相关参数的前提下，围绕关键参数进行统计分析和挖掘建模，从而有助于反映网络的用户感知体验情况，进而有

3、针对性地开展网络优化[1-3]工作。　　2LTE网络质量参数分析9　　LTE网络质量参数[4]是由多方面因素共同决定，经常统计和关注的参数包括网络信号质量参数、吞吐量性能参数，这些参数通常用来反映4G网络信号质量及网络覆盖情况。　　2.1网络信号质量参数　　LTE网络信号质量主要受发射信号、环境、接收机等方面的影响，路测中着重关注RSRP（ReferenceSignalReceivingPower，参考信号接收功率）、RSRQ（ReferenceSignalReceivingQuality，参考信号接收

4、质量）等参数。　　RSRP在LTE网络中是代表无线信号强度的关键参数，常用接收信号强度的绝对值来表示，受基站和移动台距离、LTE小区的发送功率等参数的影响。由于终端与基站的距离可以通过RSRP的传播损耗值计算获得，因此在一定程度上RSRP可以用来衡量系统无线网络覆盖小区的范围。　　RSRQ表征LTE网络中实际覆盖范围，是根据信号质量对不同LTE备选小区进行排序，主要受网络负荷和干扰等因素的影响，网络负荷和干扰越大，RSRQ值就越小。RSRQ参数可用作切换和小区重选决定的输入。　　2.2吞吐量性能参数　　

5、吞吐量是指在没有帧丢失的前提下系统能够接受的最大速率，由单位时间内通过网络、信道、接口等的数据比特数量来表示。吞吐量受网络的带宽或额定速率限制，是网络性能的一个重要参数。用户在使用网络过程中，可感知的吞吐量参数包括数据的下载、刷新、续传的速率等，吞吐量受带宽、调度、终端等多种因素的影响。　　SINR（SignaltoInterferenceplusNoise9Ratio，信干噪比）是指接收正常信号强度与接收干扰信号（包括噪声和干扰信号）的强度比。作为接收侧的一个重要的指标，其对设备的灵敏度和抗干扰能力有

6、很高的要求。SINR受信号和信道影响，SINR越高，信号调制解调能力就越强，信道环境会越好，传输也越快。　　CQI（ChannelQualityIndicator，信道质量指示）是表征LTE基站与终端间的信道质量，通过终端获取小区测量参考信号，形成下行通道质量信息并上行传给基站，同时通过基站测量终端获取测量参考信息，形成上行通道质量信息，两者结合后形成信道质量指标。当CQI好时，LTEeNB通过调度可以发送更多的数据；反之，则需要减少发送的数据。　　3LTE路测数据回归预测分析　　通过上述对LTE路测中

7、获取的信号质量及吞吐量的常见表征参数的分析和阐述，可以初步发现它们是相互影响和紧密联系的，通过关联分析才能客观真实地反映4G无线网络的质量和性能。下面采用挖掘分析中常用的统计和数据建模的方法，借助IBMSPSS分析挖掘工具对网络质量参数进行相关性分析，从而有助于准确理解路测常用参数的相互关系。　　3.1数据统计　　通过统计指标了解数据全貌，统计指标可以反映数据的特征，包括：集中趋势、离散趋势、分布特征以及其他趋势[5-6]。　　集中趋势描述数据的平均水平，从某省电信运营商LTE路测样本数据均值来看，RS

8、RP、SINR和DL（Download9speed，下载速率）总体处于优良的水平，符合正态分布特征。离散趋势反映数据的波动范围，它们会受到极端值的影响。峰态系数和偏态系数可以用来反映当前数据偏离整体分布的程度。在正态分布情况下，峰度系数为0，当分布左右对称时，偏度系数为0。RSRP、SINR和DL的统计分布表如表1所示。　　RSRP和SINR总体分布图如图1所示。　　3.2相关分析　　相关分析着眼于发现变量间某些数量性指标，以描述变量间关系