本發(fā)明實(shí)施例涉及通信技術(shù)領(lǐng)域，尤其涉及一種室內(nèi)分布系統(tǒng)的故障推理方法及裝置。

背景技術(shù)：

隨著科學(xué)技術(shù)的快速發(fā)展，通信網(wǎng)絡(luò)的應(yīng)用越來越普及，智能終端已逐漸成為人民群眾日常生活中廣泛使用的一種現(xiàn)代化通信工具，同時(shí)廣大移動(dòng)用戶對(duì)移動(dòng)通信服務(wù)質(zhì)量的要求也越來越高，他們已不再單單滿足于良好的室外移動(dòng)通信服務(wù)，而且也要求在室內(nèi)(特別是星級(jí)酒店、大型商場(chǎng)、高級(jí)寫字樓等)能享受優(yōu)質(zhì)的移動(dòng)通信服務(wù)，進(jìn)而對(duì)室內(nèi)分布系統(tǒng)的應(yīng)用提出了較高要求。

現(xiàn)有技術(shù)中，在室內(nèi)分布系統(tǒng)出現(xiàn)故障時(shí)，檢測(cè)室內(nèi)分布系統(tǒng)故障的主要方式為人為現(xiàn)場(chǎng)檢測(cè)，這樣使得對(duì)室內(nèi)分布系統(tǒng)的故障推理完全憑借工程師個(gè)人經(jīng)驗(yàn)。

然而，現(xiàn)有技術(shù)中，通過人為現(xiàn)場(chǎng)檢測(cè)并分析室內(nèi)分布系統(tǒng)所出現(xiàn)的故障，檢測(cè)效率低，工作量大，耗費(fèi)大量人力物力，并且，對(duì)室內(nèi)分布系統(tǒng)隱性故障原因分析困難，即使借助儀器儀表仍不能有效判別，使得故障原因經(jīng)常被淹沒，降低了故障檢測(cè)的準(zhǔn)確可靠性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種室內(nèi)分布系統(tǒng)的故障推理方法及裝置，可以有效對(duì)室內(nèi)分布系統(tǒng)所出現(xiàn)的故障進(jìn)行快速檢測(cè)并分析，有效地提高了對(duì)室內(nèi)分析系統(tǒng)的故障進(jìn)行檢測(cè)的效率和準(zhǔn)確率，并且降低了人力物力。

本發(fā)明實(shí)施例的一方面提供了一種室內(nèi)分布系統(tǒng)的故障推理方法，包括：

在確定室內(nèi)分布系統(tǒng)出現(xiàn)故障后，在預(yù)設(shè)的采集周期內(nèi)獲取所述室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征參數(shù)向量；

利用多個(gè)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)分類器對(duì)多個(gè)所述特征參數(shù)向量進(jìn)行分析處理，獲得多個(gè)分析結(jié)果；

在所述多個(gè)分析結(jié)果中確定分析結(jié)果數(shù)值最大的神經(jīng)網(wǎng)絡(luò)分類器，并根據(jù)所述神經(jīng)網(wǎng)絡(luò)分類器確定所述室內(nèi)分布系統(tǒng)的故障原因信息。

如上所述的方法，所述在預(yù)設(shè)的采集周期內(nèi)獲取所述室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征參數(shù)向量，具體包括：

在預(yù)設(shè)的采集周期內(nèi)獲取所述室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征數(shù)據(jù)；

根據(jù)所述多個(gè)特征數(shù)據(jù)確定在所述多個(gè)特征數(shù)據(jù)中的最大特征數(shù)據(jù)和最小特征數(shù)據(jù)；

根據(jù)所述特征數(shù)據(jù)、最大特征數(shù)據(jù)和最小特征數(shù)據(jù)確定與所述特征數(shù)據(jù)相對(duì)應(yīng)的特征參數(shù)向量。

如上所述的方法，根據(jù)所述特征數(shù)據(jù)、最大特征數(shù)據(jù)和最小特征數(shù)據(jù)確定與所述特征數(shù)據(jù)相對(duì)應(yīng)的特征參數(shù)向量，具體包括：

根據(jù)公式對(duì)所述特征數(shù)據(jù)進(jìn)行歸一化處理，獲得與所述特征數(shù)據(jù)相對(duì)應(yīng)的處理后特征數(shù)據(jù)，其中，Min為最小特征數(shù)據(jù)，Max為最大特征數(shù)據(jù)，x為特征數(shù)據(jù),y為處理后特征數(shù)據(jù)；

根據(jù)特征數(shù)據(jù)x和處理后特征數(shù)據(jù)y確定與所述特征數(shù)據(jù)x相對(duì)應(yīng)的所述特征參數(shù)向量。

如上所述的方法，所述神經(jīng)網(wǎng)絡(luò)分類器個(gè)數(shù)與所述特征參數(shù)向量個(gè)數(shù)相同且一一對(duì)應(yīng)；利用多個(gè)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)分類器對(duì)多個(gè)所述特征參數(shù)向量進(jìn)行分析處理，獲得多個(gè)分析結(jié)果，具體包括：

所述神經(jīng)網(wǎng)絡(luò)分類器利用預(yù)設(shè)的標(biāo)準(zhǔn)向量機(jī)函數(shù)對(duì)所述特征參數(shù)向量進(jìn)行訓(xùn)練，獲得多個(gè)訓(xùn)練結(jié)果。

如上所述的方法，所述根據(jù)所述神經(jīng)網(wǎng)絡(luò)分類器確定所述室內(nèi)分布系統(tǒng)的故障原因信息，具體包括：

若所述神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果大于預(yù)設(shè)的閾值時(shí)，則確定所述室內(nèi)分布系統(tǒng)的故障原因信息為預(yù)先設(shè)置的與該神經(jīng)網(wǎng)絡(luò)分類器所對(duì)應(yīng)的故障原因集合；或者，

若所述神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果小于或等于預(yù)設(shè)的閾值時(shí)，則根據(jù)用戶經(jīng)驗(yàn)確定所述室內(nèi)分布系統(tǒng)的故障原因信息。

如上所述的方法，在獲得多個(gè)訓(xùn)練結(jié)果之后，所述方法還包括：

對(duì)所述訓(xùn)練結(jié)果進(jìn)行分析處理，獲得向量機(jī)判別函數(shù)；

根據(jù)所述向量機(jī)判別函數(shù)判斷是否對(duì)與所述向量機(jī)判別函數(shù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)。

如上所述的方法，根據(jù)所述向量機(jī)判別函數(shù)判斷是否對(duì)與所述向量機(jī)判別函數(shù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)，具體包括：

若基于所述特征數(shù)據(jù)下的所述向量機(jī)判別函數(shù)大于0，則確認(rèn)對(duì)該所述特征數(shù)據(jù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)，和/或，根據(jù)所述特征數(shù)據(jù)所對(duì)應(yīng)的故障信息更新所述神經(jīng)網(wǎng)絡(luò)分類器；或者，

若基于所述特征數(shù)據(jù)下的所述向量機(jī)判別函數(shù)小于或等于0，則直接獲取預(yù)先存儲(chǔ)的與該所述特征數(shù)據(jù)相對(duì)應(yīng)的故障信息。

本發(fā)明實(shí)施例的另一方面提供了一種室內(nèi)分布系統(tǒng)的故障推理裝置，包括：

獲取模塊，用于在確定室內(nèi)分布系統(tǒng)出現(xiàn)故障后，在預(yù)設(shè)的采集周期內(nèi)獲取所述室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征參數(shù)向量；

分析模塊，用于利用多個(gè)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)分類器對(duì)多個(gè)所述特征參數(shù)向量進(jìn)行分析處理，獲得多個(gè)分析結(jié)果；

故障確定模塊，用于在所述多個(gè)分析結(jié)果中確定分析結(jié)果數(shù)值最大的神經(jīng)網(wǎng)絡(luò)分類器，并根據(jù)所述神經(jīng)網(wǎng)絡(luò)分類器確定所述室內(nèi)分布系統(tǒng)的故障原因信息。

如上所述的裝置，所述獲取模塊，具體用于：

在預(yù)設(shè)的采集周期內(nèi)獲取所述室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征數(shù)據(jù)；

根據(jù)所述多個(gè)特征數(shù)據(jù)確定在所述多個(gè)特征數(shù)據(jù)中的最大特征數(shù)據(jù)和最小特征數(shù)據(jù)；

根據(jù)所述特征數(shù)據(jù)、最大特征數(shù)據(jù)和最小特征數(shù)據(jù)確定與所述特征數(shù)據(jù)相對(duì)應(yīng)的特征參數(shù)向量。

如上所述的裝置，所述獲取模塊，具體用于：

根據(jù)公式對(duì)所述特征數(shù)據(jù)進(jìn)行歸一化處理，獲得與所述特征數(shù)據(jù)相對(duì)應(yīng)的處理后特征數(shù)據(jù)，其中，Min為最小特征數(shù)據(jù)，Max為最大特征數(shù)據(jù)，x為特征數(shù)據(jù),y為處理后特征數(shù)據(jù)；

根據(jù)特征數(shù)據(jù)x和處理后特征數(shù)據(jù)y確定與所述特征數(shù)據(jù)x相對(duì)應(yīng)的所述特征參數(shù)向量。

如上所述的裝置，所述神經(jīng)網(wǎng)絡(luò)分類器個(gè)數(shù)與所述特征參數(shù)向量個(gè)數(shù)相同且一一對(duì)應(yīng)；所述分析模塊，具體用于：

所述神經(jīng)網(wǎng)絡(luò)分類器利用預(yù)設(shè)的標(biāo)準(zhǔn)向量機(jī)函數(shù)對(duì)所述特征參數(shù)向量進(jìn)行訓(xùn)練，獲得多個(gè)訓(xùn)練結(jié)果。

如上所述的裝置，所述故障確定模塊，具體用于：

若所述神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果大于預(yù)設(shè)的閾值時(shí)，則確定所述室內(nèi)分布系統(tǒng)的故障原因信息為預(yù)先設(shè)置的與該神經(jīng)網(wǎng)絡(luò)分類器所對(duì)應(yīng)的故障原因集合；或者，

若所述神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果小于或等于預(yù)設(shè)的閾值時(shí)，則根據(jù)用戶經(jīng)驗(yàn)確定所述室內(nèi)分布系統(tǒng)的故障原因信息。

如上所述的裝置，所述獲取模塊，還用于在獲得多個(gè)訓(xùn)練結(jié)果之后，對(duì)所述訓(xùn)練結(jié)果進(jìn)行分析處理，獲得向量機(jī)判別函數(shù)；

所述裝置還包括：

學(xué)習(xí)模塊，用于根據(jù)所述向量機(jī)判別函數(shù)判斷是否對(duì)與所述向量機(jī)判別函數(shù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)。

如上所述的裝置，所述學(xué)習(xí)模塊，具體用于：

若基于所述特征數(shù)據(jù)下的所述向量機(jī)判別函數(shù)大于0，則確認(rèn)對(duì)該所述特征數(shù)據(jù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)，和/或，根據(jù)所述特征數(shù)據(jù)所對(duì)應(yīng)的故障信息更新所述神經(jīng)網(wǎng)絡(luò)分類器；或者，

若基于所述特征數(shù)據(jù)下的所述向量機(jī)判別函數(shù)小于或等于0，則直接獲取預(yù)先存儲(chǔ)的與該所述特征數(shù)據(jù)相對(duì)應(yīng)的故障信息。

本發(fā)明提供的室內(nèi)分布系統(tǒng)的故障推理方法及裝置，通過獲得特征參數(shù)向量，通過該神經(jīng)網(wǎng)絡(luò)分類器對(duì)特征參數(shù)向量進(jìn)行分析，確定分析結(jié)果數(shù)值最大的神經(jīng)網(wǎng)絡(luò)分類器，從而根據(jù)該神經(jīng)網(wǎng)絡(luò)分類器即可確定室內(nèi)分布系統(tǒng)的故障原因信息，可以有效對(duì)室內(nèi)分布系統(tǒng)所出現(xiàn)的故障進(jìn)行快速檢測(cè)并分析，有效地提高了對(duì)室內(nèi)分析系統(tǒng)的故障進(jìn)行檢測(cè)的效率和準(zhǔn)確率，并且降低了人力物力，提高了該故障推理方法的實(shí)用性，有利于市場(chǎng)的推廣與應(yīng)用。

附圖說明

圖1為本發(fā)明一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理方法的流程示意圖；

圖2為本發(fā)明另一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理方法的流程示意圖；

圖3為本發(fā)明又一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理方法的流程示意圖；

圖4為本發(fā)明再一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理方法的流程示意圖；

圖5為本發(fā)明一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理裝置的結(jié)構(gòu)示意圖。

圖中，

1、獲取模塊； 2、分析模塊；

3、故障確定模塊； 4、學(xué)習(xí)模塊。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

圖1為本發(fā)明一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理方法的流程示意圖；圖2為本發(fā)明另一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理方法的流程示意圖；圖4為本發(fā)明再一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理方法的流程示意圖；參考附圖1-2、4可知，本實(shí)施例提供了一種室內(nèi)分布系統(tǒng)的故障推理方法，用于快速查找并檢測(cè)室內(nèi)分布系統(tǒng)的故障信息，具體的，該故障推理方法包括：

S101：在確定室內(nèi)分布系統(tǒng)出現(xiàn)故障后，在預(yù)設(shè)的采集周期內(nèi)獲取室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征參數(shù)向量；

室內(nèi)分析系統(tǒng)的工作狀態(tài)與多個(gè)參數(shù)有關(guān)，例如：室內(nèi)分布系統(tǒng)的覆蓋性能、干擾水平、硬件性能以及工程設(shè)計(jì)等因素，以上任意一個(gè)因素工作超出預(yù)設(shè)的標(biāo)準(zhǔn)預(yù)設(shè)范圍，均會(huì)造成室內(nèi)分布系統(tǒng)出現(xiàn)故障，而在確定室內(nèi)分布系統(tǒng)出現(xiàn)故障后，為了能夠快速查找到具體使得室內(nèi)分布系統(tǒng)出現(xiàn)故障的故障信息，按照預(yù)設(shè)的采集周期獲取室內(nèi)分布系統(tǒng)的所在區(qū)域的多個(gè)特征參數(shù)向量，其中，采集周期可以為出現(xiàn)故障前的半個(gè)小時(shí)或者出現(xiàn)故障前的半個(gè)小時(shí)和出現(xiàn)故障后的半個(gè)小時(shí)等等，具體的，本領(lǐng)域技術(shù)人員可以根據(jù)具體的設(shè)計(jì)需求設(shè)置，另外，室內(nèi)分布系統(tǒng)所在區(qū)域一般情況下是指室內(nèi)分布系統(tǒng)所在小區(qū)或者所在工作樓等等；進(jìn)一步的，將在預(yù)設(shè)的采集周期內(nèi)獲取室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征參數(shù)向量設(shè)置為具體包括：

S1011：在預(yù)設(shè)的采集周期內(nèi)獲取室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征數(shù)據(jù)；

特征數(shù)據(jù)為與室內(nèi)分布系統(tǒng)工作狀態(tài)有關(guān)的數(shù)據(jù)，其中包括與故障信息有關(guān)的特征數(shù)據(jù)和與故障信息無關(guān)的特征數(shù)據(jù)，例如：特征數(shù)據(jù)可以包括：重疊覆蓋信息、覆蓋外泄信息、上下行不平衡比例信息、覆蓋空洞比例、下行信噪比信息、上行干擾信息等；當(dāng)室內(nèi)分布系統(tǒng)出現(xiàn)故障的原因?yàn)楦蓴_水平，則可以確認(rèn)上行干擾信息和下行信噪比信息為與故障信息有關(guān)的特征數(shù)據(jù)，其他數(shù)據(jù)為與故障信息無關(guān)的特征數(shù)據(jù)。

另外，需要說明的是，由于在采集周期按照一定的采集頻率獲取到的特征數(shù)據(jù)會(huì)比較多，因此，較為優(yōu)選的，為了提高計(jì)算和分析的效率，將本實(shí)施例中所指的特征數(shù)據(jù)為平均特征數(shù)據(jù)；例如：采集周期為5個(gè)小時(shí)，采集頻率為1小時(shí)/次，假設(shè)所獲取的5個(gè)數(shù)據(jù)分別為10Mbytes、11Mbytes、10.5Mbytes、10.8Mbytes和11.3Mbytes，此時(shí)的上述5個(gè)數(shù)據(jù)均為平均數(shù)據(jù)，即為在第一個(gè)小時(shí)內(nèi)進(jìn)行平均業(yè)務(wù)流量為10Mbytes，依次類推。

S1012：根據(jù)多個(gè)特征數(shù)據(jù)確定在多個(gè)特征數(shù)據(jù)中的最大特征數(shù)據(jù)和最小特征數(shù)據(jù)；

由于上述數(shù)據(jù)為在采集周期內(nèi)獲取的數(shù)據(jù)信息，那么針對(duì)同一參數(shù)數(shù)據(jù)會(huì)包括多個(gè)特征數(shù)據(jù)，將上述多個(gè)特征數(shù)據(jù)進(jìn)行分析比較，即可獲取多個(gè)特征數(shù)據(jù)中的最大特征數(shù)據(jù)和最小特征數(shù)據(jù)。

S1013：根據(jù)特征數(shù)據(jù)、最大特征數(shù)據(jù)和最小特征數(shù)據(jù)確定與特征數(shù)據(jù)相對(duì)應(yīng)的特征參數(shù)向量。

進(jìn)一步的，將根據(jù)特征數(shù)據(jù)、最大特征數(shù)據(jù)和最小特征數(shù)據(jù)確定與特征數(shù)據(jù)相對(duì)應(yīng)的特征參數(shù)向量設(shè)置為具體包括：

S10131：根據(jù)公式對(duì)特征數(shù)據(jù)進(jìn)行歸一化處理，獲得與特征數(shù)據(jù)相對(duì)應(yīng)的處理后特征數(shù)據(jù)，其中，Min為最小特征數(shù)據(jù)，Max為最大特征數(shù)據(jù)，x為特征數(shù)據(jù),y為處理后特征數(shù)據(jù)；其中，0≤y≤1。

S10132：根據(jù)特征數(shù)據(jù)x和處理后特征數(shù)據(jù)y確定與特征數(shù)據(jù)x相對(duì)應(yīng)的特征參數(shù)向量。

其中，特征參數(shù)向量由(x,y)構(gòu)成，當(dāng)獲取到特征參數(shù)向量之后，可以對(duì)該特征參數(shù)向量進(jìn)行學(xué)習(xí)訓(xùn)練，以便于確定室內(nèi)分布系統(tǒng)的故障信息。

S102：利用多個(gè)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)分類器對(duì)多個(gè)特征參數(shù)向量進(jìn)行分析處理，獲得多個(gè)分析結(jié)果；

具體的，由于特征參數(shù)向量數(shù)量為多個(gè)，因此，為了便于對(duì)多個(gè)特征參數(shù)向量進(jìn)行訓(xùn)練學(xué)習(xí)，將對(duì)特征參數(shù)向量進(jìn)行訓(xùn)練學(xué)習(xí)，將神經(jīng)網(wǎng)絡(luò)分類器的個(gè)數(shù)設(shè)置為與特征參數(shù)向量個(gè)數(shù)相同，使得一個(gè)特征參數(shù)向量對(duì)應(yīng)一個(gè)神經(jīng)網(wǎng)絡(luò)分類器；其中，需要說明的是，神經(jīng)網(wǎng)絡(luò)分類器為根據(jù)對(duì)歷史數(shù)據(jù)進(jìn)行分析學(xué)習(xí)而建立的，在神經(jīng)網(wǎng)絡(luò)分類器內(nèi)存儲(chǔ)中預(yù)先確定的故障信息，其中，故障信息包括：故障類型以及所對(duì)應(yīng)的故障原因等；因此，在利用多個(gè)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)分類器對(duì)多個(gè)特征參數(shù)向量進(jìn)行分析處理，獲得多個(gè)分析結(jié)果，具體包括：

S1021：神經(jīng)網(wǎng)絡(luò)分類器利用多個(gè)預(yù)設(shè)的標(biāo)準(zhǔn)向量機(jī)函數(shù)對(duì)多個(gè)特征參數(shù)向量進(jìn)行訓(xùn)練，獲得多個(gè)訓(xùn)練結(jié)果。

本實(shí)施例中的標(biāo)準(zhǔn)向量機(jī)函數(shù)可以為其中，α_i、y_i和K(d_j·d_i)為標(biāo)準(zhǔn)向量機(jī)因數(shù)，設(shè)特征參數(shù)向量為而通過公式即可確認(rèn)特征參數(shù)向量其中，x為特征數(shù)據(jù),y為處理后特征數(shù)據(jù)；當(dāng)利用標(biāo)準(zhǔn)向量機(jī)函數(shù)對(duì)沙特正參數(shù)向量進(jìn)行訓(xùn)練時(shí)，即可獲得多個(gè)訓(xùn)練結(jié)果。

S103：在多個(gè)分析結(jié)果中確定分析結(jié)果數(shù)值最大的神經(jīng)網(wǎng)絡(luò)分類器，并根據(jù)神經(jīng)網(wǎng)絡(luò)分類器確定室內(nèi)分布系統(tǒng)的故障原因信息。

在獲取多個(gè)到多個(gè)分析結(jié)果時(shí)，激活區(qū)多個(gè)訓(xùn)練結(jié)果時(shí)，對(duì)多個(gè)訓(xùn)練結(jié)果進(jìn)行分析對(duì)比，即可獲取多個(gè)訓(xùn)練結(jié)果中數(shù)值最大的訓(xùn)練結(jié)果，此時(shí)，即確定了分析結(jié)果數(shù)值最大的神經(jīng)網(wǎng)絡(luò)分類器，此時(shí)，則說明該神經(jīng)網(wǎng)絡(luò)分類器所對(duì)應(yīng)的故障信息時(shí)室內(nèi)分布系統(tǒng)的故障原因信息的概率最大，為了提高對(duì)室內(nèi)分布系統(tǒng)的故障原因信息確定的準(zhǔn)確可靠性，較為優(yōu)選的，將根據(jù)神經(jīng)網(wǎng)絡(luò)分類器確定室內(nèi)分布系統(tǒng)的故障原因信息設(shè)置為具體包括：

S1031：若神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果大于預(yù)設(shè)的閾值時(shí)，則確定室內(nèi)分布系統(tǒng)的故障原因信息為預(yù)先設(shè)置的與該神經(jīng)網(wǎng)絡(luò)分類器所對(duì)應(yīng)的故障原因集合；或者，

其中，閾值時(shí)用于判斷分析結(jié)果數(shù)值最大所對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)分類器的故障原因是否為室內(nèi)分布系統(tǒng)故障所對(duì)應(yīng)的故障原因信息，當(dāng)該神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果大于該閾值時(shí)，則可以基本確定該神經(jīng)網(wǎng)絡(luò)分類器所對(duì)應(yīng)的故障原因集合即為室內(nèi)分布系統(tǒng)的故障原因信息，當(dāng)然的，為了提高對(duì)室內(nèi)分布系統(tǒng)的故障原因確定的準(zhǔn)確可靠性，該方法還可以設(shè)置為包括：維護(hù)人員根據(jù)上述神經(jīng)網(wǎng)絡(luò)分類器所對(duì)應(yīng)的故障原因即可確定相應(yīng)的故障點(diǎn)以及故障原因，維護(hù)人員可以到達(dá)故障點(diǎn)位置對(duì)相應(yīng)設(shè)備進(jìn)行檢測(cè)，判斷上述確認(rèn)室內(nèi)分布系統(tǒng)的故障原因信息是否準(zhǔn)確。

S1032：若神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果小于或等于預(yù)設(shè)的閾值時(shí)，則根據(jù)用戶經(jīng)驗(yàn)確定室內(nèi)分布系統(tǒng)的故障原因信息。

當(dāng)該神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果小于或等于該閾值時(shí)，則說明此時(shí)神經(jīng)網(wǎng)絡(luò)分類器所對(duì)應(yīng)的故障原因集合不是室內(nèi)分布系統(tǒng)的故障原因信息，而此時(shí)通過該方法也無法準(zhǔn)確判斷室內(nèi)分布系統(tǒng)的故障原因信息，因此，維護(hù)或者檢測(cè)人員可以根據(jù)用戶經(jīng)驗(yàn)確定室內(nèi)分布系統(tǒng)的故障原因信息，以保證室內(nèi)分布系統(tǒng)的故障原因信息確定的準(zhǔn)確可靠性。

本實(shí)施例提供的室內(nèi)分布系統(tǒng)的故障推理方法，通過獲得特征參數(shù)向量，通過該神經(jīng)網(wǎng)絡(luò)分類器對(duì)特征參數(shù)向量進(jìn)行分析，確定分析結(jié)果數(shù)值最大的神經(jīng)網(wǎng)絡(luò)分類器，從而根據(jù)該神經(jīng)網(wǎng)絡(luò)分類器即可確定室內(nèi)分布系統(tǒng)的故障原因信息，可以有效對(duì)室內(nèi)分布系統(tǒng)所出現(xiàn)的故障進(jìn)行快速檢測(cè)并分析，有效地提高了對(duì)室內(nèi)分析系統(tǒng)的故障進(jìn)行檢測(cè)的效率和準(zhǔn)確率，并且降低了人力物力，提高了該故障推理方法的實(shí)用性，有利于市場(chǎng)的推廣與應(yīng)用。

圖3為本發(fā)明又一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理方法的流程示意圖；在上述實(shí)施例的基礎(chǔ)上，繼續(xù)參考附圖1-4可知，本實(shí)施例在獲得多個(gè)訓(xùn)練結(jié)果之后，將方法還包括：

S201：對(duì)訓(xùn)練結(jié)果進(jìn)行分析處理，獲得向量機(jī)判別函數(shù)；

其中，可以將判別函數(shù)設(shè)置為X為判別函數(shù)的輸入指，e和a為預(yù)設(shè)參數(shù)；在神經(jīng)網(wǎng)絡(luò)分類器利用預(yù)設(shè)的標(biāo)準(zhǔn)向量機(jī)函數(shù)對(duì)特征參數(shù)向量進(jìn)行訓(xùn)練，獲得多個(gè)訓(xùn)練結(jié)果之后，為了提高神經(jīng)網(wǎng)絡(luò)分類器的適用能力，根據(jù)訓(xùn)練結(jié)果，可以獲得向量機(jī)判別函數(shù)，以實(shí)現(xiàn)對(duì)神經(jīng)網(wǎng)絡(luò)分類器中不存在的故障信息(故障點(diǎn)和/或故障原因)進(jìn)行補(bǔ)充學(xué)習(xí)。

S202：根據(jù)向量機(jī)判別函數(shù)判斷是否對(duì)與向量機(jī)判別函數(shù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)。

具體的，將根據(jù)向量機(jī)判別函數(shù)判斷是否對(duì)與向量機(jī)判別函數(shù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)設(shè)置為具體包括：

S2021：若基于特征數(shù)據(jù)下的向量機(jī)判別函數(shù)大于0，則確認(rèn)對(duì)該特征數(shù)據(jù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)，和/或，根據(jù)所述特征數(shù)據(jù)所對(duì)應(yīng)的故障信息更新所述神經(jīng)網(wǎng)絡(luò)分類器；或者，

在獲取到向量機(jī)判別函數(shù)之后，可以將每個(gè)特征數(shù)據(jù)帶入到向量機(jī)判斷函數(shù)中，進(jìn)而可以獲得基于特征數(shù)據(jù)下的向量機(jī)判斷函數(shù)值，然后將該向量機(jī)判斷函數(shù)值與0進(jìn)行比較，若基于特征數(shù)據(jù)下的向量機(jī)判斷函數(shù)大于0，即此時(shí)的向量機(jī)判斷函數(shù)值大于0，此時(shí)則說明對(duì)于該特征數(shù)據(jù)所對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)分類器中的故障信息還不完備，進(jìn)而確定對(duì)該特征數(shù)據(jù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)，此時(shí)，可以看作是對(duì)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行了更新操作，使得神經(jīng)網(wǎng)絡(luò)分類器中所對(duì)應(yīng)的故障信息更加完備，以提高該神經(jīng)網(wǎng)絡(luò)分類器對(duì)室內(nèi)分布系統(tǒng)故障判別的準(zhǔn)確可靠性。

S2022：若基于特征數(shù)據(jù)下的向量機(jī)判別函數(shù)小于或等于0，則直接獲取預(yù)先存儲(chǔ)的與該特征數(shù)據(jù)相對(duì)應(yīng)的故障信息。

若基于特征數(shù)據(jù)下的向量機(jī)判斷函數(shù)小于或等于0，即此時(shí)的向量機(jī)判斷函數(shù)值小于或等于0，此時(shí)則說明對(duì)于該特征數(shù)據(jù)所對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)分類器中的故障信息已經(jīng)很完備，進(jìn)而則直接獲取預(yù)先存儲(chǔ)的與該特征數(shù)據(jù)相對(duì)應(yīng)的故障信息，進(jìn)而可以確定室內(nèi)分布系統(tǒng)故障所對(duì)應(yīng)的故障信息。

通過對(duì)訓(xùn)練結(jié)果進(jìn)行分析處理，獲得向量機(jī)判別函數(shù)，并根據(jù)向量機(jī)判別函數(shù)判斷是否對(duì)與向量機(jī)判別函數(shù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)，有效地提高了神經(jīng)網(wǎng)絡(luò)分類器的故障信息的完備性，使得利用神經(jīng)網(wǎng)絡(luò)分類器對(duì)特征參數(shù)向量進(jìn)行分析訓(xùn)練更加準(zhǔn)確可靠，進(jìn)一步提高了該故障推理方法使用的準(zhǔn)確可靠性。

需要注意的是，本技術(shù)方案中的神經(jīng)網(wǎng)絡(luò)分類器還可以直接根據(jù)室內(nèi)分布系統(tǒng)的故障信息進(jìn)行學(xué)習(xí)訓(xùn)練，即為上述的根據(jù)所述特征數(shù)據(jù)所對(duì)應(yīng)的故障信息更新所述神經(jīng)網(wǎng)絡(luò)分類器的過程，具體的，該學(xué)習(xí)訓(xùn)練的過程包括對(duì)已存在故障信息的網(wǎng)絡(luò)分類器進(jìn)行更新操作和對(duì)未存在故障信息的網(wǎng)絡(luò)分類器進(jìn)行自主學(xué)習(xí)操作。

具體的，若在確認(rèn)室內(nèi)分布系統(tǒng)出現(xiàn)故障后，經(jīng)過分析判斷，該故障類型和故障原因信息存在相應(yīng)的神經(jīng)網(wǎng)絡(luò)分類器，則可以直接利用該神經(jīng)網(wǎng)絡(luò)分類器確定室內(nèi)分布系統(tǒng)的故障原因信息，而對(duì)于該神經(jīng)網(wǎng)絡(luò)分類器可以按照預(yù)設(shè)的更新周期進(jìn)行更新操作，以保證故障分析的準(zhǔn)確可靠性。

若在確認(rèn)室內(nèi)分布系統(tǒng)出現(xiàn)故障后，經(jīng)過分析判斷可知，該故障類型和故障原因信息不存在相應(yīng)的神經(jīng)網(wǎng)絡(luò)分類器，為了增加該室內(nèi)分布系統(tǒng)的故障推理方法使用的精確度，并提高神經(jīng)網(wǎng)絡(luò)分類器的置信度，則可以根據(jù)故障信息和所確定的相應(yīng)的故障原因建立與該故障類型和故障原因信息相對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)分類器，進(jìn)而可以實(shí)現(xiàn)為其他故障情況的判斷提供依據(jù)，進(jìn)一步提高了該故障推理方法的實(shí)用性，有利于市場(chǎng)的推廣與應(yīng)用。

為了更加清楚的了解本技術(shù)方案的實(shí)現(xiàn)過程，例如以下具體實(shí)施例：

經(jīng)過檢查可以確定該系統(tǒng)已經(jīng)出現(xiàn)故障，并且不存在相關(guān)告警且不存在駐波比異常，進(jìn)而可以排除告警原因?qū)е翿TWP抬升。

在確認(rèn)系統(tǒng)出現(xiàn)故障后，獲取該系統(tǒng)的特征數(shù)據(jù)，根據(jù)特征數(shù)據(jù)確定該小區(qū)特征參數(shù)向量初始值，(RSCP,nRSCP1,nRSCP2,nRSCP3,nRSCP4,nRSCP5,nRSCP6,Ec/No,txpow,mRTWP,sRTWP,isRepeator)。

然后根據(jù)特征參數(shù)向量初始值獲取該小區(qū)在統(tǒng)計(jì)周期類的特征參數(shù)向量平均值，即為上述過程中的特征參數(shù)向量，例如，可以將特征參數(shù)向量設(shè)置自為：(-70,-74,-80,-85,-88,-99,-101,-6,5,-92,0,1)，其中，最后一個(gè)字段代表是否下掛直放站。

隨后，將所獲取的特征參數(shù)向量輸入到預(yù)設(shè)的M個(gè)個(gè)人神經(jīng)網(wǎng)絡(luò)分類器中，實(shí)現(xiàn)對(duì)特征參數(shù)向量進(jìn)行分析訓(xùn)練；

之后，得到輸出值最大的分類器，將該分類器對(duì)應(yīng)的故障原因集合判斷為該小區(qū)故障原因，例如，可以確定該小區(qū)的故障原因集合按概率排序?yàn)閧無源器件(耦合器功分器等)故障、直放站故障、饋線進(jìn)水、高駐波比、RRU故障}。

在確認(rèn)系統(tǒng)的故障后，維護(hù)人員可以到現(xiàn)場(chǎng)進(jìn)行查驗(yàn)和維護(hù)，以恢復(fù)系統(tǒng)的正常運(yùn)行與使用。

圖5為本發(fā)明一實(shí)施例提供的一種室內(nèi)分布系統(tǒng)的故障推理裝置的結(jié)構(gòu)示意圖，參考附圖5可知，本實(shí)施例還提供了一種室內(nèi)分布系統(tǒng)的故障推理裝置，該故障推理裝置用于對(duì)室內(nèi)分布系統(tǒng)的故障進(jìn)行快速、有效分析，具體包括：

獲取模塊1，用于在確定室內(nèi)分布系統(tǒng)出現(xiàn)故障后，在預(yù)設(shè)的采集周期內(nèi)獲取室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征參數(shù)向量；

該獲取模塊1具體用于：

在預(yù)設(shè)的采集周期內(nèi)獲取室內(nèi)分布系統(tǒng)所在區(qū)域的多個(gè)特征數(shù)據(jù)；

根據(jù)多個(gè)特征數(shù)據(jù)確定在多個(gè)特征數(shù)據(jù)中的最大特征數(shù)據(jù)和最小特征數(shù)據(jù)；

根據(jù)特征數(shù)據(jù)、最大特征數(shù)據(jù)和最小特征數(shù)據(jù)確定與特征數(shù)據(jù)相對(duì)應(yīng)的特征參數(shù)向量。

進(jìn)一步的，該獲取模塊1具體用于：

根據(jù)公式對(duì)特征數(shù)據(jù)進(jìn)行歸一化處理，獲得與特征數(shù)據(jù)相對(duì)應(yīng)的處理后特征數(shù)據(jù)，其中，Min為最小特征數(shù)據(jù)，Max為最大特征數(shù)據(jù)，x為特征數(shù)據(jù),y為處理后特征數(shù)據(jù)；

分析模塊2，用于利用多個(gè)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)分類器對(duì)多個(gè)特征參數(shù)向量進(jìn)行分析處理，獲得多個(gè)分析結(jié)果；

其中，神經(jīng)網(wǎng)絡(luò)分類器個(gè)數(shù)與特征參數(shù)向量個(gè)數(shù)相同且一一對(duì)應(yīng)；此時(shí)，將分析模塊2設(shè)置為具體用于：

神經(jīng)網(wǎng)絡(luò)分類器利用預(yù)設(shè)的標(biāo)準(zhǔn)向量機(jī)函數(shù)對(duì)特征參數(shù)向量進(jìn)行訓(xùn)練，獲得多個(gè)訓(xùn)練結(jié)果。

故障確定模塊3，用于在多個(gè)分析結(jié)果中確定分析結(jié)果數(shù)值最大的神經(jīng)網(wǎng)絡(luò)分類器，并根據(jù)神經(jīng)網(wǎng)絡(luò)分類器確定室內(nèi)分布系統(tǒng)的故障原因信息。

根據(jù)特征數(shù)據(jù)x和處理后特征數(shù)據(jù)y確定與特征數(shù)據(jù)x相對(duì)應(yīng)的特征參數(shù)向量。

進(jìn)一步的，將故障確定模塊3設(shè)置為具體用于：

若神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果大于預(yù)設(shè)的閾值時(shí)，則確定室內(nèi)分布系統(tǒng)的故障原因信息為預(yù)先設(shè)置的與該神經(jīng)網(wǎng)絡(luò)分類器所對(duì)應(yīng)的故障原因集合；或者，

若神經(jīng)網(wǎng)絡(luò)分類器的分析結(jié)果小于或等于預(yù)設(shè)的閾值時(shí)，則根據(jù)用戶經(jīng)驗(yàn)確定室內(nèi)分布系統(tǒng)的故障原因信息。

本實(shí)施例對(duì)于獲取模塊1、分析模塊2和故障確定模塊3的具體形狀結(jié)構(gòu)不做限定，本領(lǐng)域技術(shù)人員可以根據(jù)其實(shí)現(xiàn)的操作過程對(duì)其進(jìn)行任意設(shè)置，只要能夠?qū)崿F(xiàn)上述操作步驟即可，在此不再贅述；此外，本實(shí)施例中獲取模塊1、分析模塊2和故障確定模塊3所能實(shí)現(xiàn)操作步驟的具體實(shí)現(xiàn)過程和所達(dá)到的技術(shù)效果與上述實(shí)施例中步驟S101-S103、S1011-S1013、S10131-S10132、S1021、S1031-S1032的具體實(shí)現(xiàn)過程和所達(dá)到的技術(shù)效果相同，具體可參考上述陳述內(nèi)容，在此不再贅述。

本實(shí)施例提供的室內(nèi)分布系統(tǒng)的故障推理裝置，通過獲取模塊1獲得特征參數(shù)向量，分析模塊2通過該神經(jīng)網(wǎng)絡(luò)分類器對(duì)特征參數(shù)向量進(jìn)行分析，確定分析結(jié)果數(shù)值最大的神經(jīng)網(wǎng)絡(luò)分類器，從而故障確定模塊3根據(jù)該神經(jīng)網(wǎng)絡(luò)分類器即可確定室內(nèi)分布系統(tǒng)的故障原因信息，可以有效對(duì)室內(nèi)分布系統(tǒng)所出現(xiàn)的故障進(jìn)行快速檢測(cè)并分析，有效地提高了對(duì)室內(nèi)分析系統(tǒng)的故障進(jìn)行檢測(cè)的效率和準(zhǔn)確率，并且降低了人力物力，提高了該故障推理裝置的實(shí)用性，有利于市場(chǎng)的推廣與應(yīng)用。

在上述實(shí)施例的基礎(chǔ)上，繼續(xù)參考附圖5可知，本實(shí)施例將獲取模塊1設(shè)置為還用于：還用于在獲得多個(gè)訓(xùn)練結(jié)果之后，對(duì)訓(xùn)練結(jié)果進(jìn)行分析處理，獲得向量機(jī)判別函數(shù)；

裝置還包括：

學(xué)習(xí)模塊4，用于根據(jù)向量機(jī)判別函數(shù)判斷是否對(duì)與向量機(jī)判別函數(shù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)。

進(jìn)一步的，將學(xué)習(xí)模塊4設(shè)置為具體用于：

若基于特征數(shù)據(jù)下的向量機(jī)判別函數(shù)大于0，則確認(rèn)對(duì)該特征數(shù)據(jù)所對(duì)應(yīng)的故障信息進(jìn)行學(xué)習(xí)，和/或，根據(jù)所述特征數(shù)據(jù)所對(duì)應(yīng)的故障信息更新所述神經(jīng)網(wǎng)絡(luò)分類器；或者，

若基于特征數(shù)據(jù)下的向量機(jī)判別函數(shù)小于或等于0，則直接獲取預(yù)先存儲(chǔ)的與該特征數(shù)據(jù)相對(duì)應(yīng)的故障信息。

本實(shí)施例對(duì)于學(xué)習(xí)模塊4的具體形狀結(jié)構(gòu)不做限定，本領(lǐng)域技術(shù)人員可以根據(jù)其實(shí)現(xiàn)的操作過程對(duì)其進(jìn)行任意設(shè)置，只要能夠?qū)崿F(xiàn)上述操作步驟即可，在此不再贅述；此外，本實(shí)施例中獲取模塊1和學(xué)習(xí)模塊4所能實(shí)現(xiàn)操作步驟的具體實(shí)現(xiàn)過程和所達(dá)到的技術(shù)效果與上述實(shí)施例中步驟S201-S202、S2021-S2022的具體實(shí)現(xiàn)過程和所達(dá)到的技術(shù)效果相同，具體可參考上述陳述內(nèi)容，在此不再贅述。

本技術(shù)方案提供的室內(nèi)分布系統(tǒng)的故障推理裝置，可以準(zhǔn)確有效地確定室內(nèi)分布系統(tǒng)的故障原因等信息，并且操作簡單，判斷準(zhǔn)確，克服了現(xiàn)有技術(shù)中存在的效率低、工作量大、耗費(fèi)大量人力物力以及故障原因經(jīng)常被淹沒的問題，進(jìn)而有效地提高了該故障推理裝置的實(shí)用性，有利于市場(chǎng)的推廣與應(yīng)用。

在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。

上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能單元存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)或處理器(processor)執(zhí)行本發(fā)明各個(gè)實(shí)施例方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(Read-Only Memory，ROM)、隨機(jī)存取存儲(chǔ)器(Random Access Memory，RAM)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

本領(lǐng)域技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，僅以上述各功能模塊的劃分進(jìn)行舉例說明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。上述描述的裝置的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。

最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。