亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于機(jī)器學(xué)習(xí)算法的5G重點業(yè)務(wù)KQI和KPI關(guān)系研究

        2022-12-06 09:51:58任小強(qiáng)羅志文陳苗苗王春佳西南交通大學(xué)希望學(xué)院四川成都60400中國移動通信集團(tuán)甘肅有限公司甘肅蘭州730000
        郵電設(shè)計技術(shù) 2022年10期
        關(guān)鍵詞:分析模型

        任小強(qiáng),羅志文,陳苗苗,王春佳(.西南交通大學(xué)希望學(xué)院,四川成都 60400;.中國移動通信集團(tuán)甘肅有限公司,甘肅 蘭州 730000)

        0 引言

        服務(wù)質(zhì)量(QoS)根據(jù)關(guān)鍵性能指標(biāo)(KPI)來定義,可反映網(wǎng)絡(luò)質(zhì)量,如丟包、延遲和抖動的情況。體驗質(zhì)量(QoE)則表示用戶主觀感知的質(zhì)量,用關(guān)鍵質(zhì)量指標(biāo)(KQI)表示,例如“非常好”“好”“差”。KPI不是面向應(yīng)用服務(wù)的,沒有考慮用戶業(yè)務(wù)感知,只能反映部分網(wǎng)絡(luò)性能。即使KPI 正常時,也存在用戶業(yè)務(wù)感知差的情況。5G 網(wǎng)絡(luò)采用網(wǎng)絡(luò)切片技術(shù),旨在提供具有不同業(yè)務(wù)需求的端到端應(yīng)用。預(yù)計未來幾年,5G 網(wǎng)絡(luò)業(yè)務(wù)感知問題主要依靠KQI 指標(biāo)優(yōu)化定界。由于KQI指標(biāo)涉及網(wǎng)元多,數(shù)據(jù)流程長,端到端影響因素眾多等問題,運維人員主要靠專家經(jīng)驗數(shù)據(jù)判斷,準(zhǔn)確定位問題原因較難。隨著計算機(jī)處理性能的不斷提升,機(jī)器學(xué)習(xí)算法得到了較好發(fā)展,例如線性回歸(LR)、逐步線性回歸(SWLR)、支持向量回歸(SVR)、隨機(jī)森林回歸(RFR)和決策樹回歸(DTR)等機(jī)器學(xué)習(xí)算法在行業(yè)都得到了較好應(yīng)用[1-2]。為了改善用戶業(yè)務(wù)感知,提升網(wǎng)絡(luò)運行性能,本文提出基于機(jī)器學(xué)習(xí)算法的KQI 與KPI 指標(biāo)關(guān)系分析模型,重點評估5G 網(wǎng)絡(luò)中端到端視頻業(yè)務(wù)和文件下載業(yè)務(wù)的業(yè)務(wù)感知質(zhì)量模型,探索關(guān)鍵質(zhì)量指標(biāo)(KQI)與底層KPI指標(biāo)的關(guān)系。

        1 算法總體框架

        QoS 通過KPI 表示,QoE 通過KQI 表示,最終用戶所體驗的KQI 可以由KPI 通過復(fù)雜的映射關(guān)系來確定[3]。本文選擇機(jī)器學(xué)習(xí)算法完成KPI 到KQI 指標(biāo)的映射分析。總體建??蚣苋鐖D1 所示,包含3 個階段:數(shù)據(jù)收集階段、訓(xùn)練階段和應(yīng)用階段。這種模型框架允許使用直接測量的KPI指標(biāo)(如DT測試、UE信令跟蹤)或基于OTT 收集的數(shù)據(jù)集來訓(xùn)練模型,運營商可以通過調(diào)整配置參數(shù)來優(yōu)化網(wǎng)絡(luò),該模型甚至可以預(yù)測出未知的業(yè)務(wù)感知指標(biāo)。

        圖1 算法總體框架

        測量數(shù)據(jù)集作為模型的輸入,來源于無線側(cè)KPI參數(shù)、無線基站配置參數(shù)、DT 測試數(shù)據(jù)和采集的KQI指標(biāo)數(shù)據(jù)。此外,網(wǎng)絡(luò)和配置參數(shù)以及其他數(shù)據(jù)集,也包括用戶設(shè)備(UE)和應(yīng)用程序?qū)臃?wù)所在的服務(wù)器之間路徑上的中間網(wǎng)絡(luò)的信息,如核心網(wǎng)、傳輸網(wǎng)、Internet骨干網(wǎng)和應(yīng)用程序提供者的網(wǎng)絡(luò)。

        訓(xùn)練階段將前面收集的數(shù)據(jù)集合作為模型的輸入,將KQI 與其他指標(biāo)關(guān)聯(lián)起來。這里選擇監(jiān)督回歸技術(shù)對KQI與KPI的關(guān)系進(jìn)行建模分析。為了防止過擬合問題,這里使用經(jīng)典的K-Fold 交叉驗證算法,它將原始數(shù)據(jù)分成K組(K-Fold),將每個子集數(shù)據(jù)分別做一次驗證集,其余的K-1組子集數(shù)據(jù)作為訓(xùn)練集,這樣會得到K個模型。這K個模型分別在驗證集中評估結(jié)果,最后對誤差MSE(Mean Squared Error)加權(quán)平均就得到交叉驗證誤差。為了評價模型質(zhì)量,引入決定系數(shù)R2來判斷回歸方程擬合的程度,該系數(shù)表示目標(biāo)變量的預(yù)測值和實際值之間的相關(guān)程度平方的百分比,是評價模型質(zhì)量的常用系數(shù)之一。R2為1 表示該模型可以完美的預(yù)測數(shù)據(jù),R2為0 表示完全無法預(yù)測數(shù)據(jù)。同時采用RMSE(均方根誤差)衡量預(yù)測值與真實值之間的偏差,RMSE 對數(shù)據(jù)中的異常值較為敏感,如果得到的RMSE 較小,則可以用它建立預(yù)測模型,否則重新建模。

        在應(yīng)用階段,模型將網(wǎng)絡(luò)的數(shù)據(jù)配置和性能作為輸入,并獲得這些條件下預(yù)測的業(yè)務(wù)感知KQI 指標(biāo)。在此階段,該模型還考慮了額外獲取數(shù)據(jù)集的可能性,以重新訓(xùn)練模型,處理之前無法獲得的數(shù)據(jù)。

        2 算法模型設(shè)計

        2.1 測試網(wǎng)絡(luò)環(huán)境

        為了收集測試數(shù)據(jù),利用中國移動某省的5G實驗網(wǎng)絡(luò),包括10 個5G 宏站,5 個5G 室分站點,1 套包含AMF、SMF、UPF 和計費網(wǎng)元的網(wǎng)元結(jié)構(gòu)。所有參數(shù)設(shè)置可以通過iManager U2000客戶端進(jìn)行自助配置。數(shù)據(jù)收集部分包括1 個測試終端UE、pioneer 測試軟件、GPS和1個應(yīng)用服務(wù)器組成。

        在數(shù)據(jù)收集階段,pioneer 測試軟件收集UE 在不同參數(shù)配置下的訓(xùn)練數(shù)據(jù)集,測試開始時,UE 收集網(wǎng)絡(luò)無線KPI指標(biāo),啟動業(yè)務(wù)服務(wù)時,pioneer測試軟件收集業(yè)務(wù)感知指標(biāo)KQI。這里主要分析了文件下載業(yè)務(wù)和視頻業(yè)務(wù)。文件下載業(yè)務(wù)的KQI 為文件傳輸延遲(IFTD)、文件傳輸平均吞吐量(FATH)、總文件傳輸延遲(TFTD)[4]。視頻業(yè)務(wù)的KQI 指標(biāo)包括視頻流啟動延遲(VSSD),即終端對視頻流的初始請求到視頻可以開始播放的瞬間的延遲;視頻流吞吐量(VSTH),即視頻流數(shù)據(jù)在完整播放期間的平均下載速度;視頻流失幀頻率、失幀次數(shù)和失幀時間(VSS)。

        在培訓(xùn)階段,使用Matlab 編寫ML 建模模塊,對結(jié)果進(jìn)行處理并建立模型。該模塊在遠(yuǎn)程客戶端執(zhí)行,通過SSH(Secure Shell)接口從終端接收特定無線網(wǎng)絡(luò)配置參數(shù)和該網(wǎng)絡(luò)配置下的KQI指標(biāo)。

        2.2 KQI指標(biāo)建模

        為了實現(xiàn)KQI 指標(biāo)評估,初始值參數(shù)為參考信號接收功率(RSRP),參考信號接收質(zhì)量(RSRQ),接收信號強(qiáng)度指示器(RSSI),可用BW 和網(wǎng)絡(luò)負(fù)載這些指標(biāo)當(dāng)做自變量。測試UE 捕獲的KQI 數(shù)據(jù)被認(rèn)為是要構(gòu)建模型的因變量。為了評估測試終端UE 在文件傳輸業(yè)務(wù)下的KQI,把每個文件的大小也作為自變量。使用9 000 個測試數(shù)據(jù)集,包含9 種文件大?。? KB、10 KB、100 KB、500 KB、1 MB、5 MB、10 MB、20 MB、100 MB)、4 種可用帶寬(5、10、15、20 MHz)、3 種網(wǎng)絡(luò)負(fù)載(空負(fù)載、低負(fù)載和滿負(fù)載),為這些參數(shù)的所有可能組合收集了KPI 和KQI。另外,在不同網(wǎng)絡(luò)條件下收集了2 400 個視頻業(yè)務(wù)樣本數(shù)據(jù),每個視頻長度為60 min,形成360P、720P和1080P 3種不同分辨率的視頻。

        評估FTP 業(yè)務(wù)的KQI與前面描述的KQI相同。而對于視頻業(yè)務(wù),評估的KQI 為VSSD 和VSTH。由于在實驗過程中產(chǎn)生的失幀數(shù)量并不顯著,VSSD 指標(biāo)沒有被考慮。這里選擇緩存視頻流達(dá)到規(guī)定分辨率所需的最大時間(VTMaxQ)作為一個KQI指標(biāo)[5-6]。

        在訓(xùn)練階段評估了5 種主要的機(jī)器學(xué)習(xí)算法:線性回歸(LR)、逐步線性回歸(SW-LR)、支持向量回歸(SVR)、隨機(jī)森林回歸(RFR)和決策樹回歸(DTR)。LR是最經(jīng)典的回歸技術(shù),它定義了一個因變量和幾個自變量之間的線性關(guān)系。SW-LR 是LR 的改進(jìn)形式,它利用逐步回歸算法篩選并剔除引起多重共線性的變量,得到最優(yōu)變量集合。支持向量機(jī)是一種用于回歸的自適應(yīng)向量機(jī)。DTR 通過跟蹤決策樹結(jié)構(gòu)中從初始節(jié)點到包含預(yù)測的最終節(jié)點的分支來預(yù)測輸入數(shù)據(jù)。RFR是由多棵回歸樹加權(quán)組合成的預(yù)測模型。

        3 算法結(jié)果分析

        圖2是5種回歸技術(shù)按照K-Fold交叉驗證算法進(jìn)行分析的結(jié)果,對于文件傳輸業(yè)務(wù),RFR 和DTR 回歸算法的相關(guān)性最好,TFTD和FATH的R2值接近1,可以根據(jù)TFTD 和FATH 指標(biāo)優(yōu)化客戶感知。對于IFTD,所有回歸技術(shù)的R2值都接近于零,這個指標(biāo)不能用于衡量用戶的業(yè)務(wù)感知,對于視頻業(yè)務(wù),RFR、DTR、SVR分析的VSTH 和VTMaxQ 指標(biāo)相關(guān)性較高,相關(guān)性系數(shù)總體大于0.8,但是VSSD 的相關(guān)性系數(shù)小于0.6,不能作為無線網(wǎng)絡(luò)優(yōu)化重點參數(shù)。

        圖2 算法分析結(jié)果

        為了評估每種算法的處理時間,表1 比較了每個機(jī)器學(xué)習(xí)算法和經(jīng)過訓(xùn)練得到KQI指標(biāo)所需的執(zhí)行時間。

        表1 訓(xùn)練得到KQI指標(biāo)所需的執(zhí)行時間

        對于FTP服務(wù),在回歸過程中,變量的重要性是決定哪個預(yù)測因子對結(jié)果有更大意義的關(guān)鍵因素。決策樹模型給出了量化每個變量重要性的簡單方法,圖3顯示了使用決策樹模型分析得到的KPI指標(biāo)權(quán)重。權(quán)重值越低,表示它的重要性就越低。結(jié)果表明,可用的BW、負(fù)載是決定TFTD 的關(guān)鍵指標(biāo),而RSRP 和RSSI 對FATH 有顯著影響。對于IFTD,所有的KQI 指標(biāo)基本沒有相關(guān)性。

        圖3 KQI與對應(yīng)KPI指標(biāo)權(quán)重

        在視頻流業(yè)務(wù)中,SINR 反映了UE 和5G 基站之間信道內(nèi)的干擾和噪聲。SINR、RSRP參數(shù)與VSTH之間應(yīng)該有一個映射模型,可以通過重點優(yōu)化SINR、RSRP指標(biāo)來提升視頻業(yè)務(wù)的KQI 指標(biāo)。根據(jù)仿真數(shù)據(jù),預(yù)測了FATH和SINR之間的映射模型如下:

        其中PSNR 為視頻流FATH 指標(biāo)的峰值信噪比。令I(lǐng)(i,j)表示原始視頻流圖像幀的強(qiáng)度值,K(i,j)表示失真視頻流圖像幀的強(qiáng)度,然后均方誤差(MSE)定義如式(2)所示,其中m,n表示視頻圖像的行數(shù)和列數(shù)。

        視頻幀的PSNR 指標(biāo)定義如式(3)所示,Max[(Ii,j)]為視頻幀的最大強(qiáng)度值;對于8 位圖像,通常Max[I(i,j)]=255。

        采用曲線擬合的方法,得到FATHPSNR與SINR 的關(guān)系如圖4所示,在這種情況下,參數(shù)a和b分別為-15.39和79.52,可以看到擬合程度接近96%,說明此模型是可行的,預(yù)測和模擬結(jié)果之間的匹配驗證了本文的映射模型。

        圖4 FATHPSNR與SINR關(guān)系

        R2決定系數(shù)表示回歸方程的擬合程度,用于度量回歸算法模型的性能。結(jié)果表明,使用完整數(shù)據(jù)集訓(xùn)練的模型性能優(yōu)于使用部分?jǐn)?shù)據(jù)集訓(xùn)練的模型。對于完整的數(shù)據(jù)集,R2的值與圖4 中分析結(jié)果類似,差異不大,如圖5 所示。然而,對于DTR 和RFR 回歸算法來說,TFTD 中使用部分?jǐn)?shù)據(jù)集與完整數(shù)據(jù)集分析的差異較大,如圖6 所示,這是因為文件數(shù)量增加時,DTR 和RFR 算法的性能大大降低,從而對TFTD 指標(biāo)具有明顯的影響。

        圖5 數(shù)據(jù)集對VSTH的影響分析

        圖6 數(shù)據(jù)集對TFTD的影響分析

        4 應(yīng)用效果分析

        4.1 低速率基站優(yōu)化

        真實場景的測試表明,造成文件下載業(yè)務(wù)感知差的主要因素有MR 覆蓋率(32%)、RRC 連接平均數(shù)高(25%)和MR 重疊覆蓋度高(21%)等。該模型關(guān)聯(lián)分析的定位準(zhǔn)確性為83.3%,能有效分析現(xiàn)網(wǎng)小區(qū)KQI劣化的主要原因,按本算法給出的優(yōu)化建議實施后,5日平均下載速率環(huán)比提升13%~20%。

        4.2 視頻業(yè)務(wù)優(yōu)化

        選取視頻業(yè)務(wù)質(zhì)差強(qiáng)相關(guān)的VSTH 指標(biāo)作為KQI,分析其與無線KPI 的關(guān)聯(lián)關(guān)系。應(yīng)用本模型對498 個基站進(jìn)行了關(guān)聯(lián)性分析。造成VSTH 指標(biāo)差的幾個主要因素有SINR>20 dB 的采樣點占比(29%)、UE 高發(fā)射功率占比(24%)和平均TA 值(9%)等。算法自動定位VSTH 指標(biāo)差的主要原因是SINR<-3 dB的采樣點占比過高,優(yōu)化后,5 日平均下行丟包率從優(yōu)化前3.39%下降到3.06%。

        5 結(jié)束語

        本文針對5G的視頻流業(yè)務(wù)和文件下載,通過機(jī)器學(xué)習(xí)算法構(gòu)建2 種業(yè)務(wù)的KQI 指標(biāo)評估模型,分析KQI 指標(biāo)評估模型與KPI 指標(biāo)的關(guān)系。網(wǎng)絡(luò)運營商可以使用該模型來預(yù)測最終用戶的QoE 水平,提高運維效率。

        猜你喜歡
        分析模型
        一半模型
        隱蔽失效適航要求符合性驗證分析
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
        電力系統(tǒng)不平衡分析
        電子制作(2018年18期)2018-11-14 01:48:24
        電力系統(tǒng)及其自動化發(fā)展趨勢分析
        3D打印中的模型分割與打包
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        中西醫(yī)結(jié)合治療抑郁癥100例分析
        在線教育與MOOC的比較分析
        制服丝袜人妻中出第一页| 免费1级做爰片1000部视频| 日韩欧美在线综合网| 337p日本欧洲亚洲大胆精品| 久久久久亚洲av无码专区桃色| 99久久精品一区二区三区蜜臀| 中文乱码字幕人妻熟女人妻| 亚洲精品中字在线观看| 日韩日韩日韩日韩日韩日韩| 亚洲av无码专区国产乱码不卡 | 国产成人久久精品激情| 亚洲级αv无码毛片久久精品| 久久亚洲国产精品五月天| 国产精品毛片一区二区三区| 日韩乱码中文字幕在线| 性色做爰片在线观看ww| 澳门毛片精品一区二区三区| 日韩在线精品视频免费| 丝袜美腿丝袜美腿丝袜美腿丝袜| 玩弄白嫩少妇xxxxx性| 中文字幕一区在线观看视频| 国产精品原创巨作AV女教师 | 亚洲av手机在线一区| 无套熟女av呻吟在线观看| 97久久超碰国产精品旧版| 97久久天天综合色天天综合色hd| 99久久综合国产精品免费| 中文文精品字幕一区二区| 亚洲中国精品精华液| a级毛片在线观看| 久久一区二区三区不卡| 一区二区三区成人av| 亚洲最大成人网站| 99久久婷婷国产综合精品电影| 粉嫩少妇内射浓精videos| 四虎国产精品免费久久麻豆| 蜜臀av一区二区三区| 青青草国产精品一区二区| 日韩人妻无码一区二区三区久久99| 亚洲无码中文字幕日韩无码| 亚洲精品98中文字幕|