模拟人体指纹的小区监控技术研究

　0 引言

MRR（测量报告记录）通过收集来自客户所使用的普通手机测量报告，对小区上下行的信号质量、信号强度、TA、路径损耗、功率控制等级等信息进行分类统计，实际反映了服务小区无线信号测量质量。

　　在进行网络监控和分析时具有统计全面、效率高等特点，同时也能反映客户对网络的真实感受。

　　传统的MRR 主要应用于两种场景： 一是当小区质量出现故障时，用其辅助定位故障原因；另一就是在统计无线网络质量时，使用其中的统计数据（如上、下行信号强度，上、下行信号质量）的均值来衡量全网或局部小区覆盖以及质量。这方面说明了MRR 具有定位网络故障和反映小区无线网络质量的作用。

　　笔者注意到，MRR 在网络优化上的作用还可以深入挖掘。本文拟通过研究挖掘MRR 本身的特性，提出一种基于这些特性建立类似人体指纹的独特性和稳定性的小区“指纹”监控模型，一旦小区“指纹”

　　发生变动，即发出变动或异常告警，帮助网络优化人员及时发现、分析和定位网络异常。

　1 MRR 功能和特性简介

　　MRR 是爱立信OSS（运营支撑系统）中的一个重要功能模块，用于记录特定时间和范围内的BSC（基站控制器） 所接收的所有无线通话测量报告，测量报告包括上行和下行，具体的数据有：

　　a）上行信号强度（RXLEVUL）：基站测量到的接收信号强度。

　　b）下行信号强度（RXLEVDL）：移动台测量到的接收信号强度。

　　c）上行信号质量（RXQUALUL）：基站测量到的接收信号质量。

　　d）下行信号质量（RXQUALDL）：移动台测量到的接收信号质量。

　　e）上行路径损耗：反映从移动台到基站的路径损耗。

　　f）下行路径损耗：反映从基站到移动台的路径损耗。

　　g）移动台的功率等级（MSPOWER）：反映移动台发射的功率。

　　h）基站收发信台的功率等级（BSPOWER）：反映基站的发射功率。

　　i） 时间提前量（TA）： 反映移动台到基站的距离。

　　在无线环境和网络硬件设备稳定的情况下，小区MRR 各参数值虽在一定范围内变化， 但从统计上是相对稳定的， 而且各个小区由于本身的性能差异和所处无线环境的不同， 这些参数值也是非常独立各异的，这就类似人体指纹的独特性和稳定性。

　　2 技术方案

　　为了能够实现利用MRR 达到对小区异常监控的目的，本文将分三个部分进行阐述：数据采集、建立小区“指纹”模型、异常告警呈现方式及处理。

　　2.1 建立小区“指纹”模型

　　建立基于MRR 的小区数据模型， 要先分析MRR 的数据结构。MRR 数据结构特征可以归纳为：

　　a）小区名：顾名思义，就是指定制了MRR 的小区识别名称。

　　b）参数名称：是指类似上/ 下行信号强度、TA等参数名称。

　　c）时间段：MRR 采集的时间，可观察到数据采集时长。

　　d）采样总报告数：指在规定的时间内，采集到的用户数据数目。

　　e）各个采样点分布情况：针对不同的参数，系统依据对该参数事先设置的等级把MRR 上报的采样点放入符合条件的等级中。

　　f）均值：取加权平均。

　2.1.1 相关算法

　　MRR 数据本身已经直接或间接地提供了各参数在某一时间段内的均值，为了建立小区“指纹”的需要，本文提出了两种算法。

　　1）均值算法：

　　该算法是直接取连续N 天内（根据话务模型N通常可以设置为7）MRR 参数平均值（ 这里用Ave_X （n） 代表每天MRR 参数平均值，n=1,2……N）。

　　然后再次进行算术平均，得出平均值为：

　2）区间分布算法

　　该算法是针对MRR 中小区参数采样点分布的变化情况而设计， 可计算出某个小区MRR 参数某两个值之间的采样点分布情况，如图1 所示。

　　图1 阴影部分表示小于或等于某个参数值y 所占全部采样点的比例p，所对应具体算法是：

　　式（2） 中，T 表示总采样点数，Ti表示某个采样点。

　　进一步，根据式（2），可以得到数天内（假设为N天）p 的均值，所对应的具体算法是：

　　式（3）中，pn代表第n 天某时段p 值。

　　2.1.2 建立小区“指纹”模型

　　有了前面的基础理论，本节将探讨小区“指纹”

　　模型的组成元素以及针对各元素可设置的阈值。