信息处理方法、装置、电子设备及存储介质

摘要

本申请公开了一种信息处理方法、装置、电子设备及存储介质。其中，方法包括：获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端。

权利要求

1.一种信息处理方法，其特征在于，包括：

获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；

针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络性能指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；

利用多个维度指标对应的第一参数和第二参数，定位所述相应网络性能指标对应的问题小区和/或问题终端；其中，所述利用多个维度指标对应的第一参数和第二参数，定位所述相应网络性能指标对应的问题小区和/或问题终端，包括：利用多个维度指标对应的第一参数和第二参数形成数据样本；

利用形成的数据样本，结合层次聚类算法，定位所述相应网络性能指标对应的问题小区和/或问题终端。

2.根据权利要求1所述的方法，其特征在于，所述利用形成的数据样本，结合层次聚类算法，定位所述相应网络性能指标对应的问题小区和/或问题终端，包括：从形成的数据样本中抽取部分数据样本，抽取的数据样本形成第一集合；形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合；

将第一集合中的数据样本进行聚类，得到至少一个聚类结果；

针对所述至少一个聚类结果中的每个聚类结果，确定对应的聚类质心向量；

针对所述第二集合中的每个数据样本，利用每个聚类结果的聚类质心向量，确定相应数据样本的聚类；

利用贡献度和离散度的聚类结果，定位所述相应网络性能指标对应的问题小区和/或问题终端。

3.根据权利要求1至2任一项所述的方法，其特征在于，所述方法还包括：获取多个终端上报的多个测量值；

针对多个终端中的每个终端，将相应终端的多个测量值进行统计，得到第一统计结果；

在定位问题终端时，所述方法还包括：

利用第一统计结果定位所述相应终端是否为问题终端。

4.根据权利要求3所述的方法，其特征在于，所述测量值包含信号与干扰加噪声比SINR和/或参考信号接收功率RSRP的测量值；所述将相应终端的多个测量值进行统计，包括：将SINR和/或RSRP的测量值对应的上报值，设置在SINR上报值的统计项和/或RSRP上报值的统计项中。

5.根据权利要求4所述的方法，其特征在于，所述将SINR和/或RSRP的测量值对应的上报值，设置在SINR上报值的统计项和/或RSRP上报值的统计项中，包括：将获取的至少一个SINR和/或RSRP测量值对应的上报值在SINR上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：利用每个终端的统计结果，以小区为粒度，将获取的多个终端的统计结果进行统计累加，得到统计累加结果；

在定位问题小区时，所述方法还包括：

利用统计累加结果，定位相应小区是否为问题小区。

7.根据权利要求6所述的方法，其特征在于，所述将获取的多个终端的统计结果进行统计累加，包括：将获取的多个终端的统计结果在以SINR上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

8.根据权利要求4所述的方法，其特征在于，SINR的统计项的个数为X；X的取值小于或等于SINR上报值所对应的测量值区间的个数。

9.根据权利要求4所述的方法，其特征在于，RSRP的统计项的个数为Y；Y的取值小于或等于RSRP上报值所对应的测量值区间的个数。

10.根据权利要求4所述的方法，其特征在于，在所述测量值包含SINR和RSRP的测量值的情况下，将SINR和RSRP的测量值对应的上报值，设置在以SINR和RSRP的上报值为二维的统计项中。

11.一种信息处理装置，其特征在于，包括：

获取单元，用于获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；

确定单元，用于针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络性能指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；

定位单元，用于利用多个维度指标对应的第一参数和第二参数，定位所述相应网络性能指标对应的问题小区和/或问题终端；其中，所述定位单元，具体用于：

利用多个维度指标对应的第一参数和第二参数形成数据样本；

利用形成的数据样本，结合层次聚类算法，定位所述相应网络性能指标对应的问题小区和/或问题终端。

12.一种电子设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行所述计算机程序时，执行权利要求1至10任一项所述方法的步骤。

13.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10任一项所述方法的步骤。

说明书

信息处理方法、装置、电子设备及存储介质

技术领域

[0001] 本申请涉及无线通信领域，尤其涉及一种信息处理方法、装置、电子设备及存储介质。

背景技术

[0002] 第五代移动通信技术(5G)网络小区数量多，业务种类多，无线波束覆盖的场景多，所以需要进行多维性能指标定位分析，对于网络故障定位和优化分析都非常有帮助。

[0003] 相关技术的多维性能指标定位分析技术，在多维汇总指标出现性能下降时，主要是从每个维度上选取前N(topN)个数据，然后进行人工对比，并结合专家经验给出最终结果，因此定位分析的效率低且准确度不高。

发明内容

[0004] 为解决相关技术问题，本申请实施例提供一种信息处理方法、装置、电子设备及存储介质。

[0005] 本申请实施例的技术方案是这样实现的：

[0006] 本申请实施例提供了一种信息处理方法，包括：

[0007] 获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；

[0008] 针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；

[0009] 利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端。

[0010] 上述方案中，所述利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端，包括：

[0011] 利用多个维度对应的第一参数和第二参数形成数据样本；

[0012] 利用形成的数据样本，结合层次聚类算法，定位所述相应网络指标对应的问题小区和/或问题终端。

[0013] 上述方案中，所述利用形成的数据样本，结合层次聚类算法，定位所述相应网络指标对应的问题小区和/或问题终端，包括：

[0014] 从形成的数据样本中抽取部分数据样本，抽取的数据样本形成第一集合；形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合；

[0015] 将第一集合中的数据样本进行聚类，得到至少一个聚类结果；

[0016] 针对所述至少一个聚类结果中的每个聚类结果，确定对应的聚类质心向量；

[0017] 针对所述第二集合中的每个数据样本，利用每个聚类结果的聚类质心向量，确定相应数据样本的聚类；

[0018] 利用贡献度和离散度的聚类结果，定位所述相应网络指标对应的问题小区和/或问题终端。

[0019] 上述方案中，所述方法还包括：

[0020] 获取多个终端上报的多个测量值；

[0021] 针对多个终端中的每个终端，将相应终端的多个测量值进行统计，得到第一统计结果；

[0022] 在定位问题终端时，所述方法还包括：

[0023] 利用第一统计结果定位所述相应终端是否为问题终端。

[0024] 上述方案中，所述测量值包含信号与干扰加噪声比(SINR)和/或参考信号接收功率(RSRP)的测量值；所述将相应终端的多个测量值进行统计，包括：

[0025] 将SINR和/或RSRP的测量值对应的上报值，设置在SINR上报值的统计项和/或RSRP上报值的统计项中。

[0026] 上述方案中，所述将SINR和/或RSRP的测量值对应的上报值，设置在SINR 上报值的统计项和/或RSRP上报值的统计项中，包括：

[0027] 将获取的至少一个SINR和/或RSRP测量值对应的上报值在SINR上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0028] 上述方案中，所述方法还包括：

[0029] 利用每个终端的统计结果，以小区为粒度，将获取的多个终端的统计结果进行统计累加，得到统计累加结果；

[0030] 在定位问题小区时，所述方法还包括：

[0031] 利用统计累加结果，定位相应小区是否为问题小区。

[0032] 上述方案中，所述将获取的多个终端的统计结果进行统计累加，包括：

[0033] 将获取的多个终端的统计结果在以SINR上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0034] 上述方案中，SINR的统计项的个数为X；X的取值小于或等于SINR上报值所对应的测量值区间的个数。

[0035] 上述方案中，RSRP的统计项的个数为Y；Y的取值小于或等于RSRP上报值所对应的测量值区间的个数。

[0036] 上述方案中，在所述测量值包含SINR和RSRP的测量值的情况下，将SINR 和RSRP的测量值对应的上报值，设置在以SINR和RSRP的上报值为二维的统计项中。

[0037] 本申请实施例还提供了一种信息处理装置，包括：

[0038] 获取单元，用于获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；

[0039] 确定单元，用于针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；

[0040] 定位单元，用于利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端。

[0041] 本申请实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，

[0042] 所述处理器，用于运行所述计算机程序时，执行上述任一方法的步骤。

[0043] 本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。

[0044] 本申请实施例提供的信息处理方法、装置、电子设备及存储介质，获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端，对于多维多层级汇总性能指标，对每个维度的贡献度和离散度先进行分析，然后利用贡献度和离散度确定问题小区和/或问题终端，如此，能够自动、准确、快速地定位问题小区和/或问题终端。

附图说明

[0045] 图1为本申请实施例信息处理的方法流程示意图；

[0046] 图2a为本申请实施例一种维度下多层级的汇总关系示意图；

[0047] 图2b为本申请实施例另一种维度下多层级的汇总关系示意图；

[0048] 图3为相关技术中的测量模型示意图；

[0049] 图4为本申请实施例信息处理装置结构示意图；

[0050] 图5为本申请实施例电子设备结构示意图。

具体实施方式

[0051] 下面结合附图及实施例对本申请再作进一步详细的描述。

[0052] 通过人工判断进行多维性能指标定位分析，效率低而且准确度不高。准确度不高是因为：在分析时，针对单维度排序然后再结合其他维度进行对比，因此在维度个数多、多层级汇总的情况下，难以给出多维度指标关联钻取分析的准确结果。例如某个具体的性能指标，一般包括时间维度(天、小时、分钟粒度)，区域(全国、省、市、区/县粒度)，网络资源(核心网网元、基站、小区粒度)、业务(切片、物联网、集团客户、家庭客户、个人等维度)，按照上述定义，维度总数为3×4×3×5＝180个；对于区域维度，需要再考虑31个省，每个省平均10个地市，每个地市平均10个区/县，则仅区域维度的取值就多达 31×10×10＝3100个，再加上时间和业务维度取值，则分析总数达到上万个。相关技术的人工进行多维性能指标定位分析的手段，难以准确快速地定位到小区和UE粒度。

[0053] 基于此，在本申请的各种实施例中，对多维多层级汇总性能指标，对每个维度的贡献度和离散度进行分析，并进行层次聚类分析，从而快速实现多维度深层次钻取，直至定位到问题小区和问题UE。

[0054] 本申请实施例提供一种信息处理方法，应用于电子设备，如图1所示，该方法包括：

[0055] 步骤101：获取多个网络性能指标对应的数据；

[0056] 这里，获取的多个网络性能指标能够形成网络性能汇总指标。

[0057] 步骤102：针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络指标的多个维度指标中每个维度指标对应的第一参数和第二参数；

[0058] 这里，所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度。

[0059] 步骤103：利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端。

[0060] 其中，实际应用时，所述电子设备可以是网管设备。

[0061] 实际应用时，多个网络性能指标对应的数据在网络管理系统中。

[0062] 获取的多个网络性能指标能够形成网络性能汇总指标，也就是说，获取某个网络性能汇总指标所包含的多个网络性能指标对应的数据。示例性地，假设某个网络性能汇总指标为5G网络无线接通率关键绩效指标(KPI)，5G网络无线接通率KPI的定义为：

[0063] 5G网络无线接通率＝(RRC连接建立成功次数/RRC连接建立请求次数)*(Flow建立成功数/Flow建立请求数)*(NG接口UE相关逻辑信令连接建立成功次数/NG接口UE相关逻辑信令连接建立请求次数)*100％；其中，各性能测量参数的定义如下：

[0064] RRC连接建立成功次数：gNB接收到UE发送的“无线资源控制(RRC) 连接建立完成”(RRCConnectionSetupComplete)消息，每个EstablishmentCause 对应一个子测量项；

[0065] RRC连接建立请求次数：gNB接收到UE发送的“RRC连接请求”(RRCConnectionRequest)消息，每个EstablishmentCause对应一个子测量项；

[0066] 流(Flow)建立成功数：gNB发送“初始上下文建立响应”(INITIAL CONTEXT SETUP RESPONSE)消息或“协议数据单元会话(PDUSESSION) 建立响应”(PDU SESSION RESOURCE SETUP RESPONSE)消息或“PDUSESSION修改响应”(PDU SESSION RESOURCE MODIFY RESPONSE) 消息中，成功建立的Flow个数；并包括不直接造成通话失败的流程冲突导致 Flow建立中断次数。每个业务类型对应一个子测量项；

[0067] Flow建立请求数：gNB接收到接入和移动性管理功能(AMF)发来的“初始上下文建立请求消息”(INITIAL CONTEXT SETUP REQUEST)或 "PDUSESSION建立请求”(PDU SESSION RESOURCE SETUP REQUEST)消息或"PDUSESSION修改请求”(PDU SESSION RESOURCE MODIFY REQUEST)消息，消息中包含的Flow个数。每个业务类型对应一个子测量项；

[0068] NG接口UE相关逻辑信令连接建立成功次数：gNB发送初始UE消息 (INITIAL UE MESSAGE)消息后，在同一个UE相关逻辑信令连接上收到AMF 返回第一个消息，统计连接建立成功次数时，只要收到AFM返回的第一个消息就表示建立成功，连接建立成功次数加1；

[0069] NG接口UE相关逻辑信令连接建立请求次数：gNB发送INITIAL UE MESSAGE消息给AMF，统计连接建立请求次数时，只要GNB发送一次 INITIAL UE MESSAGE消息给AMF，连接建立请求次数加1。

[0070] 因此，当确定5G网络无线接通率KPI时，获取的多个网络性能指标包括： RRC连接建立成功次数、RRC连接建立请求次数、Flow建立成功数、Flow建立请求数、NG接口UE相关逻辑信令连接建立成功次数、NG接口UE相关逻辑信令连接建立请求次数。

[0071] 实际应用时，通常情况下，某个具体的性能指标，一般包括时间维度(天、小时、分钟粒度)，区域(全国、省、市、区/县粒度)，网络资源(核心网网元、基站、小区)、业务(切片、物联网、集团客户、家庭客户、个人等维度)，按照上述定义，维度总数为3×4×3×5＝180个，数据格式示例如表1所示。

[0072]时间 区域 网络资源 业务 指标1 指标2 指标3 指标4 …

[0073] 表1

[0074] 如图2a和图2b所示，某个维度下，维度下又包括多层级的汇总关系。

[0075] 当某个汇总指标发生波动，特别是低于门限值(根据场景，用户自定义) 时，急需快速定位到引起指标波动的原因。在本申请实施例中，通过每个分数式的贡献度和离散度分析，从而确定最终哪些维度影响最大。

[0076] 步骤102中，以5G网络无线接通率为例，由三个分数式的乘积构成：(RRC 连接建立成功次数/RRC连接建立请求次数)*(Flow建立成功数/Flow建立请求数)*(NG接口UE相关逻辑信令连接建立成功次数/NG接口UE相关逻辑信令连接建立请求次数)*100％。其中，三个分数表达式分别是：

[0077] RRC连接建立成功次数/RRC连接建立请求次数；

[0078] Flow建立成功数/Flow建立请求数；

[0079] NG接口UE相关逻辑信令连接建立成功次数/NG接口UE相关逻辑信令连接建立请求次数。

[0080] 可以假设其中一个分数表达式为PI1/PI2，其中PI1是由若干维度指标求和得到，例如RRC连接建立成功次数，由全部维度汇总，得到全网本时间周期(天或小时)的统计值，同样PI2是由若干维度指标求和得到，例如RRC连接建立请求次数，由全部维度汇总，得到全网本时间周期(天或小时)的统计值。

[0081] 在计算贡献度时，假设每个网络性能指标都有I个维度(例如：时间、区域、网络、业务)，每个维度有J个值(例如区域选择省，则有31个省市自治区)，确定每个维度相对于均值变化的贡献度；具体地，

[0082] 对PI1/PI2计算偏导数，采用差分形式得到：

[0083] Gij＝(△PI1ij*PI2ij‑△PI2ij*PI1ij)/(PI2ij*(PI2ij+△PI2ij))   (1)[0084] 其中，差分采用实际值与预测值的差表示时，则可以得到：

[0085] Gij＝((PI1ij‑FPI1i)*PI2ij‑(PI2ij‑FPI2i)*PI1ij)/(PI2ij*(PI2ij+PI2ij‑FPI2i))  (2)

[0086] 其中，PI1ij表示PI1的第i个维度第j个值，FPI1i表示PI1第i个维度的预测值；PI2ij表示PI2的第i个维度第j个值，FPI2i表示PI2第i个维度的预测值。预测值为分析时间(一月，一周等)内采用线性回归得到当前时间粒度的值(例如天或小时)。

[0087] 实际应用时，由于差分结果有正负，为衡量有效衡量波动变化的贡献度，对公式(2)得到的结果取绝对值，将得到的绝对值结果作为确定的贡献度。

[0088] 实际应用时，可以采用Jensen‑Shannon(JS)divergence方法计算离散度；具体地，[0089] 首先，采用如下公式对PI1计算离散度：

[0090] S1ij＝0.5(p1ij*log(2*p1ij/(p1ij+q1ij))+q1ij*log(2*q1ij/(p1ij+q1ij)))   (3)[0091] 其中，p1ij＝PI1ij/PI1i，PI1i＝∑p1ij，PI1i表示第i维度对j个值的指标求和； q1ij＝FPI1ij/FPI1i，FPI1i＝∑FPI1ij，FPI1i表示第i维度对j个值的指标预测值求和。

[0092] 接着，采用同样方法对PI2计算离散度，即采用如下公式对P2计算离散度：

[0093] S2ij＝0.5(p2ij*log(2*p2ij/(p2ij+q2ij))+q2ij*log(2*q2ij/(p2ij+q2ij)))   (4)[0094] 其中，p2ij＝PI2ij/PI2i，PI2i＝∑p2ij，PI2i表示第i维度对j个值的指标时间序列求和；q2ij＝FPI2ij/FPI2i，FPI2i＝∑FPI2ij，FPI2i表示第i维度对j个值的指标预测值求和。

[0095] 这里，预测值为分析时间(一月，一周等)内采用线性回归得到当前时间粒度的值(例如天或小时)。

[0096] 最后，PI1/PI2的离散度为S1ij+S2ij。

[0097] 得到各维度的贡献度和离散度后，针对各维度的贡献度和离散度值分析采用层次聚类方法。将每个维度具体取值的贡献度和离散度作为样本数据，构成矩阵的一行，不同维度以及不同取值构成矩阵，然后采用层次聚类方法进行分析。

[0098] 基于此，步骤103中，在一实施例中，所述利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端，包括：

[0099] 利用多个维度对应的第一参数和第二参数形成数据样本；

[0100] 利用形成的数据样本，结合层次聚类算法，定位所述相应网络指标对应的问题小区和/或问题终端。

[0101] 其中，在一实施例中，所述利用形成的数据样本，结合层次聚类算法，定位所述相应网络指标对应的问题小区和/或问题终端，包括：

[0102] 从形成的数据样本中抽取部分数据样本，抽取的数据样本形成第一集合；形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合；

[0103] 将第一集合中的数据样本进行聚类，得到至少一个聚类结果；

[0104] 针对所述至少一个聚类结果中的每个聚类结果，确定对应的聚类质心向量；

[0105] 针对所述第二集合中的每个数据样本，利用每个聚类结果的聚类质心向量，确定相应数据样本的聚类；

[0106] 利用贡献度和离散度的聚类结果，定位所述相应网络指标对应的问题小区和/或问题终端。

[0107] 更具体地，聚类的过程包括：

[0108] 步骤1：输入样本组成的矩阵。按照比例p随机抽样得到集合D1，未抽到的样本作为集合D2，并设置聚类的距离门限β；

[0109] 这里，实际应用时，可以根据场景，自定义β的取值。

[0110] 步骤2：采用欧式距离对集合D1进行聚类，得到个数为K的聚类，对每个聚类的向量计算均值向量作为该聚类质心向量

[0111] 步骤3：对集合D2中的样本，依次计算每个样本到各聚类的质心向量之间的距离，当距离小于β时认为属于该聚类。如果有样本到已知聚类质心向量的距离都大于β，则认为该样本属于新的聚类，聚类个数变为K+1，依次循环直至D2中的样本全部计算完毕。

[0112] 所有样本处理完后，输出每个样本所属聚类，以进行后续的操作，即取贡献度和离散度大的聚类作为分析结果，进行小区和/或终端问题的定位分析。

[0113] 需要说明的是：对于5G网络无线接通率KPI，有三个分数表达式，所以对三个分数表达式分别采用上述方式进行处理，分别到对应的质量差的小区和/ 或用户，将得到的所有的质量差的小区和/或用户进行合并，最终得到5G网络无线接通率KPI发生异常时的多维钻取分析结果。

[0114] 从上面的描述可以看出，本申请实施例提供的方法，是一种对多维多层级汇总性能指标通过每个维度的贡献度和离散度分析和层次聚类分析，快速实现多维度深层次钻取，直至小区和UE的分析方法。

[0115] 实际应用时，可以采用统计汇总UE上报的测量报告的方法，进一步定位每个质量差的5G小区中的质量差的用户。

[0116] 基于此，在一实施例中，该方法还可以包括：

[0117] 获取多个终端上报的多个测量值；

[0118] 针对多个终端中的每个终端，将相应终端的多个测量值进行统计，得到第一统计结果；

[0119] 相应地，在定位问题终端时，所述方法还包括：

[0120] 利用第一统计结果定位所述相应终端是否为问题终端。

[0121] 其中，得到第一统计结果后，可以存储所述第一统计结果。

[0122] 实际应用时，所述电子设备可以从基站侧获取多个终端上报的多个测量值。且在统计周期内，所述终端上报多个测量值。

[0123] 实际应用时，如图3所示的测量模型，当终端处于无线资源控制(RRC) 连接状态时，终端根据RRC的配置参数，上报配置好的波束的测量报告。

[0124] 这里，在本申请实施例中，网络通过RRC配置参数，要求终端在RRC连接状态时周期性上报测量报告。测量报告的内容包括SINR和/或RSRP的测量值。基站侧在收到每个终端上报的测量报告后，进行全部终端长时间(按照需求定义时长存储。

[0125] 也就是说，在一实施例中，所述测量值包含SINR和/或RSRP的测量值；将SINR和/或RSRP的测量值对应的上报值，设置在SINR上报值的统计项和/ 或RSRP上报值的统计项中。

[0126] 具体地，将获取的至少一个SINR和/或RSRP测量值对应的上报值在SINR 上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0127] 这里，需要说明的是：当所述相应终端上报了多个SINR测量值时，即所述电子设备获取了多个SINR测量值中每个SINR测量值对应的上报值时，将相应SINR测量值对应的上报值在SINR上报值的统计项中的相应统计区间的数值进行统计累加；当所述相应终端上报了多个RSRP测量值时，即所述电子设备获取了多个RSRP测量值中每个RSRP测量值对应的上报值时，将相应RSRP 测量值对应的上报值在RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0128] 实际应用时，可以根据相关技术的定义进行SINR和RSRP测量值的上报；具体地，可以采用表2所示的SINR测量报告映射关系(测量值与上报值的映射关系)进行SINR测量值的上报；并可以采用表3所示的RSRP测量报告映射关系进行RSRP测量值的上报。

[0129]Reported value Measured quantity value Unit
SS‑SINR_0 SS‑SINR<‑23 dB
SS‑SINR_1 ‑23≤SS‑SINR<‑22.5 dB
SS‑SINR_2 ‑22.5≤SS‑SINR<‑22 dB
SS‑SINR_3 ‑22≤SS‑SINR<‑21.5 dB
SS‑SINR_4 ‑21.5≤SS‑SINR<‑21 dB
.. .. …
SS‑SINR_123 38≤SS‑SINR<38.5 dB
SS‑SINR_124 38.5≤SS‑SINR<39 dB
SS‑SINR_125 39≤SS‑SINR<39.5 dB
SS‑SINR_126 39.5≤SS‑SINR<40 dB
SS‑SINR_127 40≤SS‑SINR dB

[0130] 表2 其中，SINR包含同步信号的SINR(SS‑SINR)。

[0131]

[0132] 表3

[0133] 其中，RSRP包含同步信号的RSRP(SS‑RSRP)和信道状态信息的RSRP (CSI‑RSRP)。表3示出了SS‑RSRP、CSI‑RSRP的测量报告映射关系。

[0134] 实际应用时，可以以CSI‑RSRP为主进行统计；当然，也可以同时统计 SS‑RSRP。

[0135] 为方便分析，在本申请实施例中，定义SINR性能测量统计值，SINR的统计区间的数量为X个，即SINR的统计项的个数为X，X的取值将根据数据存储能力和处理能力定义取值，X最大取值为128，此时与测量上报值的区间的个数一致，也就是说，X的取值小于或等于SINR上报值所对应的测量值区间的个数。当然，在不影响应用效果的情况下可以降低存储空间和提高处理效率的情况下，X也可以取比128更小的值，例如可以将SINR定义的区间‑23≤ SS‑SINR<‑22.5和‑22.5≤SS‑SINR<‑22合并，得到区间‑23≤SS‑SINR<‑22，则SINR统计区间的总数(个数)X等于127，SINR测量统计值的具体计算过程包括，根据UE在相同时间粒度内上报的SINR值，统计在SINR对应的测量项的统计区间内的个数。这里，在本申请实施例中，由于上报的是具体的数值，所以统计区间也可以理解为是统计点。

[0136] 在一实施例中，将获取的至少一个SINR测量值对应的上报值在SINR上报值的统计项中的相应统计区间的数值进行统计累加。

[0137] 示例性地，假设Sinrx，x∈[0,X)计项为例，在某个UE测量报告上报周期 T0内，SS‑SINR的测量值为m，根据统计项定义，m在统计项中对应Sinrx区间，因此，将Sinrx的计数加1，即将Sinrx的数值加1，比如，m对应的上报值为0，则将Sinr0的计数加1，当在统计项的统计周期内，如果m总共上报了 t次，则将Sinr0的计数加t。其中，实际应用时，统计项的统计周期为T，一般来说，T≧T0。实际应用时，统计项可以采用表4所示的格式。

[0138]Sinrx 统计值(个)
Sinr0 t0
Sinr1 t1
… …
SinrX tX

[0139] 表4

[0140] 其中，在表3中，t0、t1和tX分别表示Sinr0、Sinr1和SinrX统计值的个数。

[0141] 类似地，为方便统计，在本申请实施例中，定义RSRP性能测量统计值， RSRP的统计区间的数量为Y个，即RSRP的统计项的个数为Y，Y的取值将根据数据存储能力和处理能力定义取值，Y最大取值为128，此时与测量上报值的区间的个数一致，也就是说，Y的取值小于或等于RSRP上报值所对应的测量值区间的个数。当然，在不影响应用效果的情况下可以降低存储空间和提高处理效率的情况下，Y也可以取比128更小的值，例如可以将RSRP定义的区间RSRP定义的区间‑38≤SS‑RSRP<‑37和‑37≤SS‑RSRP<‑36合并，得到区间‑38≤SS‑RSRP<‑36，则RSRP统计区间的总数(个数)X等于127，RSRP 测量统计值的具体计算过程包括，根据UE在相同时间粒度内上报的RSRP值，统计在RSRP对应的测量项的统计区间内的个数。这里，在本申请实施例中，由于上报的是具体的数值，所以统计区间也可以理解为是统计点。

[0142] 示例性地，假设Rsrpy，y∈[0,Y)统计项为例，在某个UE测量报告上报周期T0内，RSRP的测量值为n，根据统计项定义，n在统计项中对应Rsrpy区间，因此，将Rsrpy的计数加1，即将Rsrpy的数值加1，比如，n对应的上报值为0，则将Rsrp0的计数加1，当在统计项的统计周期内，如果n总共上报了 t次，则将Rsrp0的计数加t。其中，实际应用时，统计项的统计周期为T，一般来说，T≧T0。实际应用时，统计项可以采用表5所示的格式。

[0143]Rsrp 统计值(个)
Rsrp0 z0
Rsrp1 z1
… …
RsrpX zX

[0144] 表5

[0145] 实际应用时，在测量值包含SINR和RSRP的测量值的情况下，可以采用二维统计项的方式进行统计，具体地，将SINR和RSRP的测量值对应的上报值，设置在以SINR和RSRP的上报值为二维的统计项中。

[0146] 示例性地，假设某个UE的测量报告上报周期T0内，SINR的测量值m, RSRP的测量值为n，根据二维统计项定义，m在二维统计项中对应Sinrx区间， n在二维统计项中对应Rsrpy区间，因此，将SinrxRsrpy的计数加1，即将 SinrxRsrpy的数值加1，比如，m对应的上报值为0，n对应的上报值为1，则将Sinr0Rsrp1的计数加1，当在统计项的统计周期内，如果m、n总共上报了t 次，则将Sinr0Rsrp1的计数加t。其中，实际应用时，二维统计项的统计周期为 T，一般来说，T≧T0。实际应用时，二维统计项可以采用表6所示的格式。

[0147]SinrxRsrpy Rsrp0 Rsrp1 … RsrpY
Sinr0 Sinr0Rsrp0 Sinr0Rsrp1 … Sinr0 RsrpY
Sinr1 Sinr1Rsrp0 Sinr1Rsrp1 … Sinr1RsrpY
… … … … …
SinrX Sinr XRsrp0 SinrXRsrp1 … SinrXRsrpY

[0148] 表6

[0149] 根据上述统计方式得到每个终端的统计结果后，按照终端所在小区，以小区为粒度，将一个小区内的多个终端的统计结果再次进行汇总，即将各终端的统计项再进行累加，则得到小区粒度的测量值的统计值。

[0150] 基于此，在一实施例汇中，该方法还可以包括：

[0151] 利用每个终端的统计结果，以小区为粒度，将获取的多个终端的统计结果进行统计累加，得到统计累加结果；

[0152] 在定位问题小区时，所述方法还包括：

[0153] 利用统计累加结果，定位相应小区是否为问题小区。

[0154] 具体地，将获取的多个终端的统计结果在以SINR上报值的统计项和/或 RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0155] 通常情况下，当测量值小于某个值的占比越大，则小区性能指标也越差。在本申请实施例中，采用回归模型分析业务性能指标与SINR和RSPR的关系，即二者的相关性，具体采用如下公式分析二者的相关性：

[0156] PI＝a×exp(c1×SINR)+b×exp(c2×RSRP)+ε；

[0157] 其中，a、c1、b、c2、ε为系数，SINR表示SINR测量值对应的上报值； RSRP表示RSRP测量值对应的上报值。

[0158] 实际应用时，PI指标根据业务场景给出门限值时，通过上述公式，即通过相关性模型能够确定SINR和RSRP相应的门限值；利用确定的门限值可以统计小区内低于SINR和/或RSRP门限值的UE，最终给出业务质量差的具体用户。

[0159] 从上面的描述可以看出，整个分析过程包括：

[0160] 步骤1：输入：多维网络性能指标；

[0161] 步骤2：对多维多层级汇总性能指标，针对每个维度的贡献度和离散度分析和层次聚类分析；

[0162] 具体地，

[0163] For i＝1to N #N表示汇总的层级总数

[0164] 第i级维度指标贡献度和离散度分析

[0165] 第i级维度指标层次聚类

[0166] 输出第i级维度聚类结果

[0167] End

[0168] 步骤3：网络性能指标与UE测量报告相关性分析；

[0169] 步骤4：输出分析结果。

[0170] 具体地，输出最底层维度结果，例如质量差的小区和UE等。

[0171] 本申请实施例提供的信息处理方法，获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端，对于多维多层级汇总性能指标，对每个维度的贡献度和离散度先进行分析，然后利用贡献度和离散度确定问题小区和/或问题终端，如此，能够自动、准确、快速地定位问题小区和/ 或问题终端。

[0172] 另外，对每个维度的贡献度和离散度分析后，通过对贡献度和离散度进行层次聚类分析，如此，能够快速、准确地进行分析。

[0173] 对于，实现本申请实施例的方法，本申请实施例还提供了一种信息处理装置，设置在电子设备上，如图4所示，该装置包括：

[0174] 获取单元41，用于获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；

[0175] 确定单元42，用于针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；

[0176] 定位单元43，用于利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端。

[0177] 其中，在一实施例中，所述定位单元43，具体用于：

[0178] 利用多个维度对应的第一参数和第二参数形成数据样本；

[0179] 利用形成的数据样本，结合层次聚类算法，定位所述相应网络指标对应的问题小区和/或问题终端。

[0180] 在一实施例中，所述定位单元43，具体用于：

[0181] 从形成的数据样本中抽取部分数据样本，抽取的数据样本形成第一集合；形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合；

[0182] 将第一集合中的数据样本进行聚类，得到至少一个聚类结果；

[0183] 针对所述至少一个聚类结果中的每个聚类结果，确定对应的聚类质心向量；

[0184] 针对所述第二集合中的每个数据样本，利用每个聚类结果的聚类质心向量，确定相应数据样本的聚类；

[0185] 利用贡献度和离散度的聚类结果，定位所述相应网络指标对应的问题小区和/或问题终端。

[0186] 在一实施例中，所述获取单元41，还用于获取多个终端上报的多个测量值；

[0187] 该装置还可以包括：统计单元，用于针对多个终端中的每个终端，将相应终端的多个测量值进行统计，得到第一统计结果；

[0188] 所述定位单元43，还用于在定位问题终端时，利用第一统计结果定位所述相应终端是否为问题终端。

[0189] 其中，在一实施例中，所述测量值包含SINR和/或RSRP的测量值；所述统计单元，具体用于：

[0190] 将SINR和/或RSRP的测量值对应的上报值，设置在SINR上报值的统计项和/或RSRP上报值的统计项中。

[0191] 在一实施例中，所述统计单元，具体用于：

[0192] 将获取的至少一个SINR和/或RSRP测量值对应的上报值在SINR上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0193] 在一实施例中，所述统计单元，还用于：

[0194] 利用每个终端的统计结果，以小区为粒度，将获取的多个终端的统计结果进行统计累加，得到统计累加结果；

[0195] 相应地，所述定位单元43，还用于在定位问题小区时，利用统计累加结果，定位相应小区是否为问题小区。

[0196] 其中，在一实施例中，所述统计单元，具体用于：

[0197] 将获取的多个终端的统计结果在以SINR上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0198] 在一实施例中，在所述测量值包含SINR和RSRP的测量值的情况下，所述统计单元，用于将SINR和RSRP的测量值对应的上报值，设置在以SINR和 RSRP的上报值为二维的统计项中。

[0199] 实际应用时，所述获取单元41可由信息处理装置中的处理器结合通信接口实现；所述确定单元42、定位单元43及统计单元可由信息处理装置中的处理器实现。

[0200] 需要说明的是：上述实施例提供的信息处理装置在进行业务推荐时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的信息处理装置与信息处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

[0201] 基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供了一种电子设备，如图5所示，该电子设备50包括：

[0202] 通信接口51，用于与其他设备进行信息交互，以获取相关信息；

[0203] 处理器52，与通信接口51连接，以实现与其他设备进行信息交互，用于运行计算机程序时，执行上述电子设备侧一个或多个技术方案提供的方法。而所述计算机程序存储在存储器53上。

[0204] 具体地，所述处理器52，用于通过所述通信接口51获取多个网络性能指标对应的数据；获取的多个网络性能指标能够形成网络性能汇总指标；

[0205] 所述处理器52，还用于针对获取的多个网络性能指标中的每个网络性能指标，利用获取的数据确定相应网络指标的多个维度指标中每个维度指标对应的第一参数和第二参数；所述第一参数表征相应维度指标对所述网络性能汇总指标的贡献度；所述第二参数表征相应维度指标相对于多个维度指标的离散度；以及利用多个维度指标对应的第一参数和第二参数，定位所述相应网络指标对应的问题小区和/或问题终端。

[0206] 其中，在一实施例中，所述处理器52，具体用于：

[0207] 利用多个维度对应的第一参数和第二参数形成数据样本；

[0208] 利用形成的数据样本，结合层次聚类算法，定位所述相应网络指标对应的问题小区和/或问题终端。

[0209] 在一实施例中，所述处理器52，具体用于：

[0210] 从形成的数据样本中抽取部分数据样本，抽取的数据样本形成第一集合；形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合；

[0211] 将第一集合中的数据样本进行聚类，得到至少一个聚类结果；

[0212] 针对所述至少一个聚类结果中的每个聚类结果，确定对应的聚类质心向量；

[0213] 针对所述第二集合中的每个数据样本，利用每个聚类结果的聚类质心向量，确定相应数据样本的聚类；

[0214] 利用贡献度和离散度的聚类结果，定位所述相应网络指标对应的问题小区和/或问题终端。

[0215] 在一实施例中，所述处理器52，还用于通过所述通信接口51获取多个终端上报的多个测量值；

[0216] 所述处理器52，用于针对多个终端中的每个终端，将相应终端的多个测量值进行统计，得到第一统计结果；

[0217] 所述处理器52，还用于在定位问题终端时，利用第一统计结果定位所述相应终端是否为问题终端。

[0218] 其中，在一实施例中，所述测量值包含SINR和/或RSRP的测量值；所述处理器52，具体用于：

[0219] 将SINR和/或RSRP的测量值对应的上报值，设置在SINR上报值的统计项和/或RSRP上报值的统计项中。

[0220] 在一实施例中，所述处理器52，具体用于：

[0221] 将获取的至少一个SINR和/或RSRP测量值对应的上报值在SINR上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0222] 在一实施例中，所述处理器52，还用于：

[0223] 利用每个终端的统计结果，以小区为粒度，将获取的多个终端的统计结果进行统计累加，得到统计累加结果；

[0224] 相应地，所述处理器52，还用于在定位问题小区时，利用统计累加结果，定位相应小区是否为问题小区。

[0225] 其中，在一实施例中，所述处理器52，具体用于：

[0226] 将获取的多个终端的统计结果在以SINR上报值的统计项和/或RSRP上报值的统计项中的相应统计区间的数值进行统计累加。

[0227] 在一实施例中，在所述测量值包含SINR和RSRP的测量值的情况下，所述处理器52，用于将SINR和RSRP的测量值对应的上报值，设置在以SINR 和RSRP的上报值为二维的统计项中。

[0228] 需要说明的是：所述处理器52的的具体处理过程详见方法实施例，这里不再赘述。

[0229] 当然，实际应用时，电子设备50中的各个组件通过系统总线54耦合在一起。可理解，系统总线54用于实现这些组件之间的连接通信。系统总线54除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为系统总线54。

[0230] 本申请实施例中的存储器53用于存储各种类型的数据以支持电子设备50 的操作。这些数据的示例包括：用于在电子设备50上操作的任何计算机程序。

[0231] 上述本申请实施例揭示的方法可以应用于所述处理器52中，或者由所述处理器52实现。所述处理器52可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过所述处理器52中的硬件的集成逻辑电路或者软件形式的指令完成。上述的所述处理器52可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。所述处理器52可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器53，所述处理器52读取存储器53中的信息，结合其硬件完成前述方法的步骤。

[0232] 在示例性实施例中，电子设备50可以被一个或多个应用专用集成电路 (ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD， Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field‑Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。

[0233] 可以理解，本申请实施例的存储器53可以是易失性存储器或者非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM， Programmable Read‑Only Memory)、可擦除可编程只读存储器(EPROM， Erasable Programmable Read‑Only Memory)、电可擦除可编程只读存储器 (EEPROM，Electrically Erasable Programmable Read‑Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD‑ROM，Compact Disc Read‑Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器 (SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器 (DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器  (SDRAM，Synchronous Dynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM， Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

[0234] 在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的存储器53，上述计算机程序可由电子设备50的处理器52执行，以完成前述电子设备侧方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、 EEPROM、Flash Memory、磁表面存储器、光盘、或CD‑ROM等存储器。

[0235] 需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

[0236] 另外，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。

[0237] 以上所述，仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。