關聯規則挖掘在CMMB網絡分析中的實現*

王 燕 ，譚澤富 ，，廖明霞 ，謝小維 ，金學廣 ，戴閩魯 ，

（1.重慶郵電大學 移動通信重點實驗室，重慶 400065；2.重慶三峽學院 物理與電子工程學院，重慶 404000；3.日本芝測株式會社 北京代表處，北京 100052）

1 引言

移動多媒體廣播（CMMB）[1]已經開始商用，許多城市都在進行網絡建設、擴大覆蓋范圍。應用實際路測的數據基于關聯規則挖掘來分析網絡，可以向正在建網的城市提供參考，也可以給網絡優化提供基礎數據。

目前CMMB網絡主要進行下行無線覆蓋，網絡測量的主要參數包括：信號強度指示RSSI，信噪比SNR，LDPC/RS的誤塊率LDPC/RS_BLER，LDPC的迭代次數，頻率偏移，調制誤差率MER和調制精度—誤差矢量幅度EVM以及星座圖等[2]。CMMB網絡覆蓋的質量與RSSI，SNR以及LDPC/RS_BLER密切相關，確定它們的門限值可以給CMMB網絡優化提供依據。

針對實驗室測試儀器和高端網絡測試儀器昂貴的缺點，可以利用VC++6.0和SQL2000編程，給出實現方法，采用關聯規則數據挖掘技術分析路測數據。

2 關聯規則挖掘與CMMB路測系統

數據挖掘（data mining）就是從大量不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程[3]。關聯規則挖掘（association rules mining）本質是從大量的數據中或對象間抽取關聯性，它可以揭示數據間的依賴關系，根據這種關聯性可以從某一數據對象的信息來推斷另一對象的信息[4]。關聯規則可以直觀地發現數據庫中任意項集之間的聯系和數據中隱含的信息。這種聯系不依賴于某種特定的分布，僅依靠數據在特定模型中經過多次迭代擬合，且根據項集在數據資料中出現的概率而構建的。因而，它有別于傳統的統計學方法，其優勢在于結果明確且容易解釋[5]。

關聯規則挖掘的CMMB網絡分析系統主要實現對數據采集及預處理、關聯規則挖掘、獲取規則后處理這3個部分。數據預處理主要工作是數據轉換，關聯規則挖掘主要采用改進的Aprior算法。

利用日本芝測公司的CMMB信號分析儀Tx701A對北京的CMMB網絡進行測試獲取數據。路測系統包括測試用車、GPS、接收天線和Tx701A，以及路測前臺和后臺采集軟件。測試地點的地理信息內容包括：時間、經緯度、高度、速度、信號電平、信噪比、RS誤塊率。

通過測試得到的數據是連續的數據，首先必須將連續的數據離散化。這一步是整個數據挖掘來說至關重要。

3 數據庫程序詳細設計

3.1 初始化

初始化程序主要完成數據庫的初始化，包括數據的物理存放位置，邏輯存放，數據庫的創建，所有表的創建，主鍵、外鍵、索引、約束的建立。通過預先寫好的腳本文件，通過ADO接口函數實現。

3.2 入庫模塊功能

將測試文件（test data）導入到數據庫，測量文件對應的類是CInputData。對應的入庫處理在類中實現。同時將部分中間結果分析處理，并且寫入數據庫中。

讀取SCA測試文件，獲得基站測試數據，同時統計測試的記錄數，測試的時間，并且將基站測試數據寫入TEST_DATA表中，當處理完成測試文件的所有記錄時，將統計信息寫入PROJECT表中。同時分析測試中每個點，即根據SCAN的測量值，結合缺省的Threshold判斷某個基站是否滿足條件，如滿足，則將數據寫入CMMBThreshold表中。然后根據CMMBThreshold進行缺省事件的分析，并寫入CMMBThreshold表中。

3.3 數據實體描述

數據實體描述見表1。

表1 數據庫表及數據實體描述

3.4 主框架設計

程序的主體框架采用MFC的MDI架構，程序框架由應用程序類CM999AApp、主窗口類CMainFrame及子窗口類、文檔類、視圖類組成。

子窗口類從CMDIChildWnd繼承過來，每個子窗口類都保存有相應視圖類的指針，窗口類通過該指針操作視圖。如果子窗口類從CChildFrame繼承，可以把子類的相同屬性和操作放在父類，設計會更加簡潔，也更符合面向對象的原則。

初始化COM庫以后接著連接數據庫，連接數據庫失敗退出程序初始化。連接數據庫成功調用QueryProject函數獲取最新一個工程的起始和結束時間并存放在Project，這個時間是給Mapx視圖使用的。

登錄數據庫成功則創建和顯示主窗口CMainFrame，在創建主框架窗口的OnCreate函數里創建工具條、回放控制條，狀態條和用于顯示工程樹的控制條。回放控制條的的控制（顯示時間、滾動位置、控制拖動時的數據顯示等）在CReplayScrollBar里實現。主框架窗口創建后在顯示主窗口的OnShowWindow函數里，函數通過保存在CM999AApp的文檔模版指針，調用CreateChildWnd函數創建子窗口和視圖。

主要數據包括CMMB系統信息表和測試數據表。使用SQL Server 2000建立測試數據庫[7]，使用腳本語言建立數據庫，數據庫表格包括：測試數據表、GPS位置表、測試系統信息表及其他輔助表等。

3.5 參數門限設定

在存儲過程中使用門限值來分析數據并生成分析數據表。參數門限設定對話框如圖1所示。

圖1 參數門限設定對話框

導入數據時，首先將原始數據分解到測試數據表，GPS位置表，測試系統信息表等數據表中，根據設定的參數表對已測數據信號電平RSSI和信噪比SNR進行分析得到相應的視音頻質量參數，并存入數據表中，為其他分析顯示提供數據。

4 關聯規則的數據挖掘算法模塊

4.1 算法描述

從數據庫模塊中可以看出，CMMB網絡的測試數據是多維多層的，由于Apriori算法只是在單維單層的數據模型上進行挖掘[8]，不適合對多維多層的數據模型進行挖掘，要想對上述的路測的數據（信號電平、信噪比、誤塊率）進行分析，Apriori算法必須進行一定的改進。將數據模型的每個維看成是一個項目，就可以挖掘多維關聯規則。

計算過程如下：

4.2 算法實現

首先產生頻繁1-項集L1，本項目中頻繁集為L1={信號電平，信噪比，誤塊率}。

測試數據操作界面如圖2所示。

圖2 數據操作界面

對CMMB網絡分析系統進行數據挖掘，首先需要清除無關的數據，挑選出有用的數據，再將這些數據轉換成關聯數據挖掘需要的形式。采用基于求拐點對數量屬性進行劃分的方法來將連續數據轉換成離散數據，用抽取時間間隔的方法，將絕對時間數據轉換成相對時間數據。其中，需要將連續數據轉換成離散數據，將絕對時間數據轉換成相對時間數據。

根據文獻[9]中對北京CMMB單頻網絡的測試數據（SNR單位為dB，PWR單位為dBm，本文僅采用測試數值），對信噪比、信號電平、誤塊率進行分級，設置門限值，表2～4分別為信噪比分級表、信號電平分級表和誤塊率分級表。

表2 信噪比分級表

表3 信號電平分級表

表4 誤塊率分級表

根據設置的門限值，PWR=-90，SNR=5，改進的Apriori算法的項目集合是I=｛｛信噪比1，信噪比2，…，信噪比 7｝，｛信號電平 1，信號電平 2，…，信號電平 7｝，｛優秀，良好，一般，差｝｝。 111 表示 PWR＞-75，SNR＞20，BLER＜0.005。 當 A=｛信噪比 1， 信號電平 1｝，B=｛優秀｝時，A=＞B的蘊涵式表示的規則是信號電平數值大于-75，信噪比數值大于15時信號質量為優秀。這樣僅僅通過信號電平和信噪比數值就能確定信號的覆蓋情況。

通過實驗結果和分析可見，各個挖掘參數的設置對系統的效率和產生規則都有影響。用戶可以根據自己的具體需求設置各個參數，從而得到想要的挖掘結果。

5 小結

筆者研究了關聯規則數據挖掘技術在CMMB無線網絡分析中的實現，并結合實際數據給出了分析結果。通過對關聯規則挖掘的理論研究，針對挖掘門限值提出了具體步驟，并用VC實現了算法。實驗結果表明，該算法對CMMB網絡優化有一定參考價值，該分析結果可以應用到實際的網絡分析中去，為CMMB網絡的進一步優化提供依據。

[1]解偉.移動多媒體廣播（CMMB）技術與發展[J].電視技術，2008，32（4）：4-7.

[2]戴閩魯.CMMB無線網絡測試與分析[M].北京：電子工業出版社，2009.

[3]顧澤元.關聯規則數據挖掘頻繁項目集發現算法的研究[D].哈爾濱：哈爾濱工程大學計算機工程學院，2005.

[4]陳安，陳寧，周龍驟.數據挖掘技術及應用[M].北京：科學出版社，2006.

[5]宋魏，高萌，曾春秋，等.數據挖掘中關聯規則在睡眠對軀體疼痛影響評價中的應用[J].現代預防醫學，2008，35（5）：831-835.

[6]史曉蕾，李明東，劉宏博.關聯規則挖掘在檢驗信息系統中的應用研究[J].電腦開發與應用，2008，21（1）：40-42.

[7]王欣，徐騰飛，唐連章，等.SQL Server 2005數據挖掘實例分析[M].北京：中國水利水電出版社，2008.

[8]王云，蘇勇.關聯規則挖掘在道路交通事故分析中的應用[J].科學技術與工程，2008，8（7）：1824-1827.

[9]王燕，譚澤富，戴閩魯，等.CMMB單頻網絡的分析[J].電視技術，2009，33（10）：98-100.