基于神經網絡探討TD—LTE網絡故障診斷技術要點

摘要：網絡優化之中，常用故障診斷。這類診斷途徑搭配著TD-LTE架構內的新式體系。這類診斷體系布設了神經網絡，建構了精準模型。經過診斷流程應能輸出擬定好的辨識結果，設定化解途徑，提升原有的智能化水準。按照運行成效來擬定可行的設計，縮減體系負擔，降低平日之中的修護耗費。

關鍵詞：神經網絡；TD-LTE；網絡故障診斷；技術要點

TD-LTE配有成套的網絡服務，應被側重保障。故障辨識及診斷，對于未來時段的長久進展凸顯了側重的價值。現場診斷之中，常會遇有多樣的疑難，它們關聯著復雜的成因，也緊密關聯著周邊范疇的無線環境。依托單一架構內的測試軟件，很難解析這樣的根本成因。對于此，還要配有最優的診斷體系，才能辨識故障。針對細分出來的測試類別，辨別網絡狀態，擬定最適宜的建模思路。

一、概要體系架構

網絡故障特有的辨識診斷，含有TD-LTE的配套體系，它能辨識測定記錄。在運行態勢下，還可監視多樣的故障情形，便利精準掌握。體系含有初始的登錄模塊、模型及數據特有的管理板塊、常規診斷及體系管理。在這之中，故障辨識又可分出網絡架構下的故障辨別、成套配件診斷。

診斷故障時，先要搜集必備的數值，經過模塊統計。故障診斷配件及配套的模塊，含有數值解析、配件狀態測定、網絡狀態辨別。抽出庫內數據、模塊內的數據，綜合解析某一疑問。這樣做，可對篩選出來的某一故障定位，設定最優方案。

二、登錄及管理

（一）初始登錄流程

初始時段的登錄模塊，維護著體系安全，規避非法情形下的模塊運用，它建構了體系之中的門戶。這類模塊整合了設定好的用戶名稱、用戶特有的密碼、身份辨識及核對。輸入名稱密碼、查驗身份信息，調取體系架構內的表單信息以備查驗。若錄入進來的信息精準，那么進到設定好的主頁面內，獲取某一層級的權限。若發覺了誤差信息，那么發出提醒。

（二）網絡數值管理

神經網絡存留的各類數據，都應有序管理。TD-LTE特有的體系內，它被設定成必備板塊，它銜接著內外數據以便彼此互通，搜集管理信息。數據管理板塊含有某一數值搜集端口、數值存儲端口、查驗及數值更改、后續數值刪除。數據搜集依托的板塊，含有配件測試的數值。數值存儲關聯的模塊，搜集并存留多重的數據，把它們整合在建構好的數據庫內。

測試必備數據、搜集得來的樣本數據，都被歸整至數據庫以內。依托管理模塊來慎重查驗及管理它們。管理模塊擬定好的總流程，含有如下步驟：運用采集端口來辨識并搜集某一范疇的數值，把它們存留在制備好的表單內。數據庫存留的某一數據表，可以管理這樣的數值。這類數值管理含有常規特性的新增數值、查驗及修正數值、刪掉冗余數值。

三、辨別故障形態

故障診斷板塊可分成網絡框架內的故障辨別、設備配件潛藏的故障辨別。辨別網絡故障，面對著無線網絡側表征出來的若干故障；配件故障診斷，面對體系框架以內的硬件配件。辨識網絡故障，針對查驗出來的故障類別，給出精準的辨識結果。這類模塊含有各時段的數值搜集、后續數值解析，它擬定了多層級的接口，負責診斷故障。

（一）子模塊作用

數據診斷、數據獲取都要依托某一類別的子模塊。按照用戶特有的要求來擬定適宜的過濾條件，以便獲得可用的測驗數據。另一種子模塊，負責平日之中的數值解析，它辨識了搜集得來的所有數值。后續數值處理，把解析出來的結果描畫成精準的柱狀圖、各類曲線圖，讓用戶直觀判別這一故障情形。接口子模塊查驗出了深層級的管理故障，它把歷經處理得來的精準數值用于接續的故障辨識，給出設定報告，導出結果數值。

（二）設定診斷步驟

主要流程為：故障診斷依托的模塊，先要按照擬定出來的各類用戶來設定完備的過濾條件；運用這類條件，以便獲取庫存內的可用數據。依托診斷結果，把數據調配至銜接著的診斷模塊，予以精準診斷，凸顯診斷結論。

（三）宏觀體系管理

神經網絡特有的管理分支，隨時查驗它的安全狀態，規避非法態勢下的用戶侵入。這類常規管理，也能規避偏低層級內的某一用戶來查驗高層級的體系性能。這類管理分支含有重新登錄、用戶狀態設置。

重新登錄必備的體系模塊，用在平日之中的重新登錄，便于用戶登錄。用戶擬定這一模塊，設置關聯的參照信息，這類特性帶有專用性。細化用戶設置，含有添加及更改、設定必備權限、刪掉附帶數據。體系管理及成套的登錄模塊，共同參照著擬定好的信息表單。子模塊帶有添加數值的特性，以及增刪數值這樣的特性，它們建構了交互架構下的信息表。采納權限模塊，交互運用這一信息表。

TD-LTE細分出來的管理分支，含有如下進程：先要辨別出信息表框架內的一切信息，把它們凸顯在信息表之中。按照真實需求來增刪原初的數據，設定某層級的權限。修正及增刪特有的流程，先要篩選設定好的用戶，然后才可修正。

四、篩選診斷實例

采納TD-LTE這樣的體系，建構了某一類別的診斷模型。這類模型拓展了固有的魯棒性，以及容錯特性，可以逼近某一復雜態勢下的非線性流程。它銜接著BP特有的神經網絡，以此辨別故障。管理模型的細化模塊，負責常見的數值增刪、數值更改存儲。按照專家知識來建構必備的輸入層級、對應著的輸出層級、體系內的隱藏層。

建構的這一網絡查驗出了非線性的多重故障，后續優化之中，它處理著偏復雜的若干關系。BP特有的這類網絡帶有反向傳播的總傾向，它設定出來的真實輸出、期望之中的數值常常帶有誤差，在這時，網絡即可采納逆向架構下的前饋步驟，以便調整偏差。模型設計必備的頁面，設計了本源的診斷結構；配套管理頁面查驗了現有的一切故障，予以訓練并保存。建構在KPI根基之上的這類新穎模型，含有如下層級的診斷及辨識步驟：

首先，KPI固有的某一偏離度應被預先設定。查驗根本的故障成因，生成復雜架構下的這種網絡模型。經過慎重運算得出樣本范疇內的精準偏離度，擬定了KPI特有的訓練樣本。

其次，訓練這種網絡，生成可用的各類權值、各類閾值等，同時存留建構好的這種模型。網絡監測范疇中的KPI，應能運算出它的偏離度。

再次，調用了建構好的BP網絡，診斷這一偏離度。輸出來的數值含有辨識結果、查找故障根源。為了查驗真實態勢下的運行情形，擬定了配套范疇中的診斷模型、配套保存模型、網絡訓練模型。偏離度特有的變量，含有輸出層級內的精準映射，它們帶有某一層級的對應關系。

結語

通過解析可得，TD-LTE特有的通信體系，適合辨識神經網絡范疇內的多樣故障。歷經仿真測試，配套模塊常規的運行很順暢，采納智能診斷。未來進展之中，應能著力來完善這一體系。例如：依照真實狀態來變更慣用的模型，提升診斷之中的精準概率。采納多路徑下的診斷流程，有序縮減故障。

參考文獻：

[1]唐建華，謝志軍.基于神經網絡的TD-LTE移動通信網絡故障診斷系統的設計與實現[J].移動通信，2014（10）：67-73.

[2]聞新，周露.神經網絡故障診斷技術的可實現性[J].導彈與航天運載技術，2010（02）：17-22.

[3]張榮沂.基于神經網絡的智能故障診斷技術[J].自動化技術與應用，2013（02）：16-18+38.

[4]楊忠，盛昭瀚，鮑明.基于神經網絡與符號推理綜合模型的故障診斷技術[J].振動.測試與診斷，2006（04）：40-46.

[5]吳蒙，貢璧，何振亞.人工神經網絡和機械故障診斷[J].振動工程學報，2013（02）：153-163.

[6]姚劍敏，林明秀，宋建中.基于神經網絡的模擬電路故障診斷技術探討[J].計算機仿真，2005（04）：187-189.