用于对移动网络性能问题进行根本原因分析的系统和方法

技术领域

本发明总体上涉及管理例如无线网络中的网络资源，并且更具体来 说(而非排他性地)涉及分析所管理网络内的属性改变影响。

背景技术

智能电话的快速市场渗透给移动网络带来了巨大压力，从而导致用 户经历较差的应用性能。移动网络运营商需要理解较差网络性能的根 本原因，从而可以采取补救措施。

当前，网络运营商使用一项或更多项关键性能指标(KPI)和关键 质量指标(KQI)，其可以利用与网络设备、协议、订户、应用等等相 关联的事件计数器数据来构造。举例来说，通用移动电信系统(UMTS) 设想到使用数千个UMTS地面无线接入网(UTRAN)事件计数器。这 些计数器聚集对应于固定时间段的例如切换事件、寻呼事件、物理传 送功率等网络信息。但是对于事件计数器所表明的性能量度的具体影 响在很大程度上是未知的。

发明内容

本发明的用于把事件计数器数据与蜂窝层级传输控制协议(TCP) 性能数据相关的系统、方法和装置解决了现有技术的各种缺陷。

各个实施例设想到一种用于识别出网络中的性能量度改变的原因 的方法和系统，这是通过：从网络事件计数器的池当中选择与性能量 度相关的多个候选计数器；将候选计数器分组成相似计数器的群集； 从每一个群集中选择一个或多个代表性计数器；以及将所选的代表性 计数器拟合到所述性能量度的模型，以便从而确定与所述性能量度最 为相关的代表性计数器的集合。

附图说明

通过考虑后面结合附图做出的详细描述，可以更容易理解本发明的 教导，其中：

图1示出根据一个实施例的包括管理系统的示例性无线通信系统；

图2示出适于用作图1的管理系统的示例性管理系统；

图3示出根据一个实施例的方法的流程图；

图4示出根据一个实施例的方法的流程图；

图5A-5C通过图形方式示出对于理解各个实施例有用的几幅图示； 以及

图6示出适用于实施这里所描述的功能的计算机的高层级方框图。

为了便于理解，在可能的情况下使用完全相同的附图标记来标示各 图所共有的完全相同的元件。

具体实施方式

后面将主要在网络管理系统(NMS)的场境(context)内描述本 发明的实施例，所述网络管理系统被适配成管理与长期演进(LTE)网 络相关联的事件计数器数据，比如与LTE网络内的网络元件、通信链 路、子网、协议、服务、应用、层以及任何其他元件、对象或其部分 相关联的事件计数器数据。但是本领域技术人员通过这里的教导将意 识到，各个实施例同样适用于其他类型的无线网络(例如2G网络、3G 网络、WiMAX等等)、有线网络或者无线与有线网络的组合。因此， 所述网络元件、链路、连接器、站点以及代表移动服务的其他对象可 以标识与其他类型的无线和有线网络相关联的网络元件。

各个实施例被适配成通过把UTRAN事件计数器(EC)与例如由 网络监视器所监测的丢失、延迟和吞吐量之类的性能量度进行相关来 识别出反复发生的用户性能问题的一条或更多条根本原因。

一同采用的近似三千个(3000)UTRAN事件计数器提供关于网络 的操作状况的详细信息，尽管并非所有计数器都将与可识别的根本原 因相关联。举例来说，一些重要的量度(比如Nack.rate、Discard.rate、 AirIntTput等等)可能与网络性能具有很强相关性，但是与性能降低根 本原因并没有直接关联。

后面是可能的根本原因类别：功率预算、信令开销、码分多址 (CDMA)代码可用性、下行链路/上行链路信噪比(SNR)、回传拥塞、 切换/蜂窝选择、蜂窝超负荷等等。应当提到的是，一些计数器具有高 度相关性，因此每一个根本原因类别可能在许多计数器中得到反映， 但是其他计数器不具有很高相关性，因此在各个根本原因类别中没有 得到同样良好的反映。

图1示出根据一个实施例的包括管理和备份/保护功能的示例性无 线通信系统。具体来说，图1示出示例性无线通信系统100，其包括多 个用户设备(UE)102、长期演进(LTE)网络110、IP网络130以及 网络管理系统(NMS)140。LTE网络110支持UE 102与IP网络130 之间的通信。MS 140被配置来支持用于LTE网络110的各种管理功能。 本领域技术人员将会理解LTE网络的配置和操作。

示例性的UE 102是能够访问无线网络(比如LTE网络110)的无 线用户设备。UE 102能够支持用以支持载体会话的控制信令。UE 102 可以是移动电话、个人数字助理(PDA)、计算机、平板设备或者任 何其他无线用户设备。

作为说明，示例性的LTE网络110包括两个eNodeB 1111和1112 (统称作eNodeB 111)、两个服务网关(SGW)1121和1122(统称作 SGW 112)、分组数据网络(PDN)网关(PGW)113、移动性管理实 体(MME)114以及策略和收费规则功能(PCRF)115。eNodeB 111 提供用于UE 102的无线接入接口。SGW 112、PGW 113、MME 114和 PCRF 115以及为了清楚起见所省略的其他组件协作来提供支持利用互 联网协议(IP)的端到端服务递送的演进型分组核心(EPC)网络。

eNodeB 111支持用于UE 102的通信。如图1中所示，每一个 eNodeB 111支持对应的多个UE 102。利用与每一个UE 102相关联的 接口来支持eNodeB 111与UE 102之间的通信，比如LTE-Uu接口。

作为说明，SGW 112利用SGW 112与eNodeB 111之间的对应的 S1-u接口支持用于eNodeB 111的通信。S1-u接口支持按载体的用户平 面隧道化以及交接期间的eNodeB间路径切换。

如图1中所示，SGW 1121支持用于eNodeB 1111的通信，并且SGW  1122支持用于eNodeB 1112的通信。在各个保护/备份实施例中，SGW  1121还能够支持用于eNodeB 1112的通信，并且SGW 1122还能够支 持用于eNodeB 1111的通信。

作为说明，PGW 113利用PGW 113与SGW 112之间的对应的S5/S8 接口支持用于SGW 112的通信。S5接口提供例如用于PGW 113与SGW  112之间的通信的用户平面隧道化和隧道管理、由于UE移动性而导致 的SGW重新分配等功能。S8接口可以是S5接口的公共陆地移动网络 (PLMN)变型，其提供PLMN间接口，从而提供访客PLMN(VPLMN) 中的SGW与归属PLMN(HPLMN)中的PGW之间的用户和控制平面 连接性。PGW 113经由SGi接口促进LTE网络110与IP网络130之间 的通信。

MME 114提供了支持UE 102的移动性的移动性管理功能。作为说 明，MME 114利用提供用于MME 114与eNodeBs 111之间的通信的控 制平面协议的S1-MME接口来支持eNodeBs 111。

PCRF 115提供动态管理能力，从而服务提供商可以管理与经由 LTE网络110提供的服务有关的规则，以及与针对经由LTE网络110 提供的服务的收费有关的规则。

如在这里关于图1所描绘并描述的那样，LTE网络110的各个元 件经由所述元件之间的接口进行通信。关于LTE网络110描述的接口 也可以被称作会话。LTE网络110包括演进型分组系统/解决方案 (EPS)。在一个实施例中，EPS包括EPS节点(例如eNodeB 111、SGW  112、PGW 113、MME 114和PCRF 115)以及与EPS有关的互连性(例 如S*接口、G*接口等等)。与EPS有关的接口在这里可以被称作与 EPS有关的路径。

IP网络130包括一个或多个分组数据网络，UE 102可以经由所述 分组数据网络访问内容、服务等等。

MS 140提供用于管理LTE网络110的管理功能。MS 140可以通 过任何适当方式与LTE网络110通信。在一个实施例中，例如MS 140 可以经由不经过IP网络130的通信路径141与LTE网络110通信。在 一个实施例中，例如MS 140可以经由得到IP网络130支持的通信路 径142与LTE网络110通信。通信路径141和142可以利用任何适当 的通信能力来实施。MS 140可以被实施为通用计算设备或专用计算设 备，正如后面关于图6所描述的那样。

图2示出适合于用作图1的管理系统的示例性管理系统。如图2 中所示，MS 140包括一个或多个处理器210、存储器220、网络接口 230N以及用户接口230I。处理器210耦合到存储器220、网络接口230N 和用户接口230I当中的每一项。

处理器210被适配成与存储器220、网络接口230N和用户接口230I 协作来提供用于LTE网络110的各种管理功能。

通常来说，存储器220存储被适配成由处理器210和其他模块使用 来提供这里所描述的各种功能的程序、数据、工具等等。所述存储器 包括发现和管理引擎(DME)221、发现和管理数据库(DMD)222、 性能处理引擎(PPE)225、性能处理数据库(PPD)224和各种其他功 能228。

DMD 222和PPD 226存储可以由存储器220的各个引擎、功能和 工具和/或其组合生成和使用的数据、DMD 222和PPD 226可以被组合 成单一数据库，或者被实施为对应的数据库、存储器结构和/或其部分。 组合或对应数据库当中的任一项可以通过本领域技术人员所知的任何 设置被实施为单一数据库或多个数据库。

虽然关于其中每一个所述引擎和数据库被存储在存储器120内的 一个实施例进行了描绘和描述，但是本领域技术人员将认识到，所述 引擎和数据库可以被存储在处于MS 140内部和/或处于MS 140外部的 一个或多个其他存储设备中。所述引擎和数据库可以分布在处于MS 140内部和/或外部的任何适当数目和/或类型的存储设备上。后面将更 加详细地描述存储器220，包括存储器220的每一个引擎和/或数据库。

网络接口230N被适配成促进与LTE网络110通信。用户接口230I 被适配成促进与一个或多个用户工作站通信，作为说明是包括图形用 户接口(GUI)225的用户工作站250，以便允许一个或多个用户例如 在网络运营中心(NOC)处或者在远程位置处实施用于LTE网络110 的管理功能。

发现和管理引擎

发现和管理引擎(DME)221通常被适配成提供与LTE网络110 相关联的网络发现功能和管理功能。通常来说，DME实施发现处理， 其中收集、取回、推断和/或生成关于形成网络的各个元件和子元件的 配置信息、状态/操作信息和连接信息；DME还实施管理处理，其中根 据网络运营商和顾客的业务要求来管理形成网络110的各个节点、链 路等等。作为说明，在所述发现和管理功能的场境内使用的数据被存 储在发现和管理数据库222中。

性能处理引擎

性能处理引擎(PPE)225通常被适配成提供根据各个实施例的性 能管理功能。举例来说，PPE 225可以被适配成利用通过发现和管理引 擎221接收的各种类型的数据(其可能被存储在发现和管理数据库222 中)识别性能缺陷的根本原因。举例来说，在各个实施例中，通过发 现和管理引擎221来聚集和利用网络事件计数器、警报、警告、状态 更新等等。在各个实施例中，PPE 225与DME 221进行交互以便处理 该数据的一部分或全部，以期识别出网络110中的性能缺陷的根本原 因。

PPE 225可以响应于来自DME 221的请求或者按照独立或半自主 方式来操作。在各个实施例中，DME 221识别与特定性能缺陷相关联 的一条或更多条根本原因。在各个实施例中，DME 221识别与多项性 能缺陷相关联的一条或更多条根本原因。在各个实施例中，按照网络 影响对与一项或更多项性能缺陷相关联的根本原因进行优先级排序， 从而使得网络运营商可以按照经过优先化或排序的方式来校正所述根 本原因。

将TCP性能与蜂窝层级事件计数器相关

各个实施例操作来将丢失、吞吐量、延迟等方面的蜂窝层级传输控 制协议(TCP)性能数据与蜂窝层级事件计数器相关。与大量蜂窝层级 事件计数器相关联的较大问题空间得以减小，这是通过选择性地滤除 相关性较低的事件计数器，对相似的事件计数器进行群集，以及对于 每个群集选择一个或少数几个事件计数器以供利用分类分析和/或其他 技术进行进一步处理，从而识别出网络中的性能缺陷的根本原因。

图3示出根据一个实施例的方法的流程图。具体来说，图3示出用 于识别网络中的性能缺陷的原因的方法300。

在步骤310中，从网络事件计数器的池中选择与一项或更多项性能 量度相关的多个候选计数器。参照方框315，利用域知识、重要性分数、 最小阈值水平、秩相关、Komogorov-Smirnov(KS)测试或其他机制当 中的一项或更多项来选择候选计数器，正如后面更加详细地讨论的那 样。

通常来说，步骤310操作来减少将要处理的事件计数器的数目，这 是通过滤除与感兴趣的性能量度的相关性较低的那些事件计数器。通 过这种方式，避免了使用处理、存储器和其他资源来处理不相关或相 关性较低的事件计数器。可选的是，在处理之前对候选计数器进行归 一化或其他变换以简化该处理。

在步骤320处，例如对于一项或更多项感兴趣的性能量度，将相似 的候选计数器分组到各个计数器群集中。参照方框325，可以利用多种 技术识别出计数器之间的相似性，其中包括谱群集、成本树(cost tree) 分析、候选计数器的成对相关以及其他技术。举例来说，可以把对于 某一性能量度表现出高于第一阈值水平(例如0.95)的互相关性的候 选计数器认为是相似的。通常来说，利用统计群集技术来实施分组， 比如基于候选计数器的图形表示的群集(例如谱群集、连通分量)、 分层群集、利用候选计数器的成对相关作为相似性分数、成本树分析 等等。

在步骤330处，对于每一个群集选择一个或多个代表性计数器。参 照方框335，可以根据对于感兴趣的性能量度的最大相关性、高于第二 阈值水平的相关性或者某种其他选择标准来选择一个或多个代表性计 数器。

通常来说，步骤320-330操作来进一步减少将要处理的事件计数器 的数目，这是通过识别出各组相似的计数器并且从每一组中选择一个 或少数几个计数器，从而避免进一步处理重复的相似计数器。

在步骤340处，将所选择的代表性计数器拟合到一项或更多项性能 量度的一个或多个模型，以便从而确定与所述一项或更多项性能量度 最为相关的代表性计数器。通过这种方式，表明对于性能量度最为相 关的故障状况的事件计数器可以被用作对应于这样的性能量度的代 理，或者结合网络管理系统140或与网络相关联的其他实体对此类性 能量度的管理来使用。在各个实施例中，通过高效的方式将蜂窝层级 TCP性能数据，比如丢失、吞吐量、延迟或其他性能量度，与各种蜂 窝层级事件计数器进行相关，从而改进网络运营商快速且高效地解决 网络问题的根本原因的能力。

候选计数器的选择

举例来说，假设关心一项或更多项网络性能量度Y(例如分组丢失、 分组延迟、吞吐量等等)的网络运营商接收到与多个UTRAN计数器x 相关联的性能数据。在各个实施例中，计算每一个计数器x与每一项 性能量度Y之间的表明特定计数器x对于特定性能量度Y的重要程度 的分数。如果该分数高于预定的相关性阈值水平或满足其他选择标准， 则该特定计数器被选择用于至少关于所述特定性能量度Y的进一步分 析或处理。这一步骤的总体目标是减少将对其进行进一步处理的计数 器的数目。因此，被用来将计数器X与性能量度Y进行相关的具体方 法在允许候选计数器方面可以相对松散或慷慨，从而在此时避免去除 或过滤。

在一个实施例中，一种用于测量每一个事件计数器x关于每一项性 能量度Y的影响或重要性的方法使用秩相关(rank correlation)，比如事 件计数器x与(多项)性能量度Y的秩之间的Pearson相关。秩相关有 利地适配于x与Y之间的相依性中的可能的非线性。

在另一个实施例中，一种用于测量每一个事件计数器x关于每一项 性能量度Y的影响或重要性的方法使用Komogorov-Smirnov(KS)测 试。举例来说，对于性能量度Y，进行计算以确定其上、下四分位值。 如果所观测到的Y的数值高于上四分位值，则可以假定其具有高数值。 类似地，如果所观测到的Y的数值低于下四分位值，则可以假定其具 有低数值。在一个实施例中，随后找到两条累积概率条件分布曲线P(X| 高y数值)与P(X|低y数值)之间的KS差。如果x对于Y只有很小影响 或者没有影响，则这两个条件分布应当差别不大；如果x对Y有显著 影响，则这两个条件分布应当差别显著。

KS测试在分类树的场境内特别有用，正如后面将更加详细地讨论 的那样。具体来说，KS测试操作来消除其中性能量度Y的数值合理地 处于范围内的数据点，同时专注在对应于性能量度Y的高、低数值的 区别化计数器上(例如丢失)。

相似候选计数器的分组

作为说明，存在许多UTRAN计数器组，其可以被用来表示各种性 能量度的直方图，比如以下各项： VS.IrmcacDistributionRscp.N[val1]LeMeasLtN[val2]，其中[val1,val2]被 用来表示无重叠的数据范围。这样的计数器组中的事件计数器是有关 的，因为其代表所述分布的直方图的不同部分。

作为一个实例，设X是其直方图由矢量计数器组[x1,x2...xm]表示 的量度，其中xi表示区间Ii＝[bi-1,bi](b0≤b1≤...bk≤bk+1...≤bm)中的 频率计数，并且[b0,bm]是所述计数器的有效范围。这两种方法可以通 过类似于前面对于将计数器x与一项或更多项性能量度Y相关所描述 的方式被使用在各个实施例的场境内。

一个实施例(秩相关)设想到将P(X<＝bi)与Y相关，随后找到使 得所述相关性最大化的索引i，从而使得P(X<＝bi)是被选择用于进一步 分析的来自所述计数器组的代表性量度。在各个实施例中还可以选择 附加的代表性量度，比如使得所述相关性最大化的接下来的一个或多 个索引i数值。

一个实施例(利用KS分数)设想利用对应于Y的高/低数值的计 数器集合找到X的分布，并且随后运行KS测试以找到条件分布函数 (CDF)分布曲线之间的差，其作为说明分别对于高丢失和低丢失被归 一化。KS分数被计算为两条CDF曲线之间的最大差。在使用其相应 的P(X<＝bi)时，计算所述差在该处最大的位置bi。此外，还可以计算 总频率计数以用于进一步分析。其结果是，只有两个计数器保留用于 进一步的相关分析。

可以采用多种方法关于一项或更多项性能量度Y消除高度相似或 重复的事件计数器以用于进一步相关分析。可以实施谱分组从而形成 这些高度相关的计数器的群集，这是通过对于每一对计数器计算相关 性，并且在所述相关性的绝对值超出一定阈值(例如作为说明是0.95) 的情况下在该对之间形成边缘(可以选择更高或更低的阈值)。

群集代表性计数器的选择

对于每一个群集，与Y具有最大相关性的一个或多个计数器被选 择成代表该群集或计数器组。也就是说，各个实施例关于一项或更多 项性能量度对相似的事件计数器进行分组，并且随后选择代表每一个 计数器组的一个计数器或者数目相对较少的计数器。

模型拟合及分析

随后根据模型来处理各个群集或组的代表性计数器。在各个实施例 中，取决于感兴趣的性能量度Y，所述模型可以包括回归、分类树、 回归树等等。在将代表性数据拟合到模型之后，实施分析以识别出与 性能量度问题最紧密关联的事件计数器。

分类/回归树

作为一个实例，假设感兴趣的性能量度Y包括分组丢失率，并且 网络运营商希望识别出与分组丢失率最为有关的那些事件计数器。应 当提到的是，由于单独的丢失事件的离散性质，丢失率(例如每15分 钟之类的每个时间间隔的丢失)相关性建模优于单独丢失建模。

在各个实施例中，分类树及其各种修改被用来预测事件计数器x 在代表(多项)感兴趣的性能量度Y的定类因变量的一个或多个类别 中的成员关系。在所述实施例的场境内还可以采用多种其他统计处理 函数，比如判别分析、群集分析、非参数化统计量、非线性估计等等。

图4示出根据一个实施例的方法的流程图。具体来说，图4的方法 400提供适于由前面关于图1讨论的PPE 225以及前面关于图3讨论的 步骤340使用的示例性分类方法。应当提到的是，图4的方法400设 想到利用多个代表性事件计数器x来处理单一感兴趣性能量度Y，比 如根据图3的方法300所选择的那些代表性事件计数器。但是也可以 对于多项感兴趣的性能量度Y1到YN当中的每一项重复实施所述方 法。

在步骤410处，计算Y的上四分位值和Y的下四分位值，从而产 生Y的两个类别，利用所选择的事件计数器x对其实施分类分析。参 照方框415，与所计算出的Y的上四分位值相关联的观测被视为高丢 失类别，而与所计算出的Y的下四分位值相关联的观测则被视为低丢 失类别。可以利用其他高/低类别/分类。

步骤410被使用在分类分析实施例的场境内。在回归树实施例的情 况中，因为可以使用全部现有数据，因此划分到两个类别中不一定是 必要的。具体来说，步骤410操作来定义与适合使用在分类树的场境 内的数据相关联的分离。应当提到的是，这里定义的上四分位值/下四 分位值分离可以由了解本发明的实施例的教导的本领域技术人员进行 适配。举例来说，在一个实施例中，使用上三分位值/下三分位值分离。 在其他实施例中，使用上五分位值/下五分位值分离。发明人还设想到 其他数据分离。

在步骤420中，建立分类树。参照方框425，还可以在建立分类树 的场境内使用可选的提升规程。作为说明，这样的提升规程包括由 Freund和Schapire开发的已知的“AdaBoost”方法。作为所述提升方 法的副产品，对于每一个事件计数器X，可以关于性能量度Y计算重 要性分数，该分数可以被用来在分类树的场境内对各个事件计数器x 进行排列和排序。

在步骤430处，对分类树进行分析，以便识别出关于性能量度Y 的最重要或者最为相关的事件计数器x。

在步骤440处，可以实施可选的回归分析。

通常来说，对于分类分析，各个实施例对于两种情况的概率进行平 衡，这是通过对事件计数器数据进行采样、将所述数据分离成两个相 等的组(例如训练和测试)以及随后建立分类树/决策树。

实例

这里描述了由发明人使用并且根据各个实施例处理的与无线网络 中的一定数目的蜂窝相关联的事件计数器数据的样本集合。

图5A通过图形方式示出适于选择代表性计数器的候选计数器的示 例性谱群集。具体来说，作为说明，图5A示出三组互连的候选节点。 每一个候选节点(实心圆圈)包括与某一项性能量度相关的一个或许 多候选事件计数器(可能有数以百计的事件计数器)。一组中的每一 个候选节点表现出与性能量度Y的高于预定的阈值水平的互相关性， 所述预定的阈值水平比如是0.85、0.90、0.95等等。对于每组选择一个 候选节点(由围绕其的圆圈标识)以作为对应于该组的代表性节点。 所选择的代表性节点提供与所述性能量度的高相关性，并且将根据各 个实施例对其进行进一步处理。

图5B通过图形方式示出基于事件计数器数据的样本集合的高/低 丢失分类树。具体来说，图5B示出分类树，其中针对各个事件计数器 评估一个高/低数据分离序列以便提供真/假结果，并且从而建立分类 树。在图5B中示出并且在后面描述的具体事件计数器和数据分离仅仅 是示例性的。了解本发明的实施例的教导的本领域技术人员将能够基 于这些和/或其他事件计数器构造分类树。

通过计数器VS.CARRRPwrSignalling.NbEvt<5938评估叶子510数 据分离(例如959/959)，从而在为真的情况下提供叶子512，并且在 为假的情况下提供叶子514。

通过计数器lubZeroCapacityAlloc.RabPsIBHdspa.normalize<0.02788 评估叶子512数据分离(例如886/470)，从而在为假的情况下提供叶 子516，并且针对计数器 VS.HsdpalubZeroCapacityAlloc.RabPsIBHdspa.normalize>＝0.02788进行 评估，从而在为假的情况下提供叶子518。

针对计数器VS.IrmcacDistributionRscp.N.ratio<0.4812评估叶子518 数据分离(例如425/343)，从而在为真的情况下提供叶子522，并且 在为假的情况下提供叶子520。

图5C通过图形方式示出对应于特定性能量度的事件计数器数据的 可变重要性曲线图连同相应的已排序列表。具体来说，图5C通过图形 方式示出可变重要性曲线图，其中对于多个事件计数器当中的每一个 (y轴)绘制出重要性分数(x)轴。图5C的重要性曲线图可以被用来 对于所述事件计数器数据的样本集合以视觉方式排列或者检查例如与 性能量度“丢失率”相关联的30个最为相关的事件计数器x的群集结 果。实施前30个事件计数器的特殊分组，其中计算各对计数器之间的 秩相关，并且使用阈值0.8来定义计数器对之间的关联或统计显著相 关。虽然未在图5C中示出，但是具体的事件计数器如下(按照重要性 的顺序)：

VS.DedicatedDownlinkRetransmittedPdusRlcReferenceCell.DIRabSR B；

VS.IrmcacPowerDist.Rng.total；

VS.CARRPwrSignalling.NbEvt；

VS.DITtlPwrHsdpaNonGbrOnly..total；

VS.NbrCellUpdates.CellReselection；

VS.MeasEvent1JCell；

VS.IrmcacDistributionRscp.N.total；

VS.CommonMacDownlinkPcchSdu；

VS.HsdpalubZeroCapacityAlloc.RabPslBHsdpa.normalize；

VS.RadioLinkSetupSuccess.PsHsdpaDchUI

VS.RF.HsAvailPowerRatio.LE.ratio；

VS.EdchFpRetransHarq.NsubfrmNharqEq2

VS.RF.TxCodePwr.LEplus18；

VS.IrmcacDistributionRscp.N.ratio；

VS.PagingRecordsSentOnPcchCs.TerminationConversationalCall；

RRC.FailConnEstab.TimeoutRepeat；

VS.RadioLinkFailureIndication.SynchronisationFailure；

VS.DistRssi.DistRssi.ratio；

VS.IrmcacDistributionEcNO.PwrRngN.ratio；

VS.IrmcacPowerDist.Rng.ratio；

VS.AvgTxPower.Avg；

VS.DistDITtlPwrRatio.PwrRt.ratio；

VS.RadioBearerReconfigurationSuccess.RbCsSpeech；

VS.RF.HsCodes.11

VS.RF.TxPwr.AllCoders.LE.rato；

KP113；

VS.RRC.AttConnEstab.LastperProc.Registration；

VS.RadioBearerReconfigurationSuccess.RbPsHsdpaDIEdchUI；

VS.RF.TxCodePwr.LEplus36；and

VS.MAC.NumPdu.HS.Retrans.

参照图5C，最重要的以及最大的事件计数器组包括测量传送功率、 切换事件以及无线电链路设立事件的计数器。所有这些计数器的组合 贡献于高丢失率。这一组合表明大多数UE处于蜂窝边缘或者较差覆盖 区域内。第二重要的事件计数器组包括测量寻呼活动的计数器。较差 覆盖区域或高移动性可能导致重复的寻呼事件，从而又导致高丢失。 第三重要的事件计数器组包括测量蜂窝拥塞、信道质量、传送代码功 率的计数器。这一组表明中度高负荷导致对应于每一个UE的低传送代 码功率；从而又由于较差信道质量而导致高丢失。

通过对于各个事件计数器及其对一项或更多项性能量度的影响实 施可选的线性回归分析，可以提供与无线网络相关联的附加表征数据。 在所述事件计数器数据的样本集合的情况中，被标示为Nack.Rate的性 能量度中的方差的70％由被识别为对于该性能量度重要的事件计数器 解释。因此，这里采用的各种方法提供了事件计数器与感兴趣的性能 量度的有用的相关。

基于图5中示出的分类树和重要性曲线图，可以关于从中取回所述 事件计数器数据的样本集合的无线网络的性能做出观测。虽然这些观 测是基于与相应的样本无线网络中的蜂窝相关联的具体操作条件，但 是其结果以及用于获得这些结果的规程是有益的。下面给出了许多可 能的观测/分析当中的五项。

首先，高切换事件导致高丢失。被标示为 VS.CARRPwrSignalling.NbEvt的事件计数器测量链路添加和删除事件 的数目。当其在15min间隔期间大于5938个事件的阈值时，所有高丢 失间隔(959)当中的489个表现出高丢失，而959个低丢失间隔当中 只有73个跨过该阈值。这一事件计数器是图5C的可变重要性曲线图 当中的从上面数的第五个。

其次，低蜂窝拥塞通常意味着低丢失。被标示为 VS.HsdpalubZeroCapacityAlloc.RabPsIBHsdpa.normalize的事件计数器 测量蜂窝拥塞。一半的低丢失间隔所表现出的这一计数器的数值低于 0.02788。与此相对，仅有10％的高丢失间隔表现出低于该阈值的数值。 这一事件计数器是图5C的可变重要性曲线图当中的从上面数的第九 个。

第三，对于中等蜂窝拥塞，低寻呼活动意味着低丢失。

第四，高寻呼活动连同低无线电链路设立成功一起导致高丢失。这 可能是由于用户设备(UE)丢失网络连接性和低覆盖区域，从而导致 MME的UE寻呼活动增加。

第五，高蜂窝拥塞导致高损失。

这里所讨论的各种技术和方法可以被用来提供逐个蜂窝差错分析、 蜂窝分组差错分析等等。此外，利用AdaBoost树和其他提升(boost)技 术，可以在各个实施例的场境内实现改进的稳定性和准确性。

图6示出适用于实施这里描述的功能的计算机的高层级方框图。

如图6中所示，计算机600包括处理器元件603(例如中央处理单 元(CPU)和/或其他适当的处理器)、存储器604(例如随机存取存 储器(RAM)、只读存储器(ROM)等等)、协作模块/处理605以及 各种输入/输出设备606(例如用户输入设备(比如键盘、小键盘、鼠 标等等)、用户输出设备(比如显示器、扬声器等等)、输入端口、 输出端口、接收器、发传射送器以及存储设备(例如带驱动器、软盘 驱动器、硬盘驱动器、光盘驱动器等等))。

应当认识到，这里所描绘和描述的功能可以通过软件以及/或者软 件与硬件的组合来实施，例如利用通用计算机、一个或多个专用集成 电路(ASIC)以及/或者任何其他硬件等效方案来实施。在一个实施例 中，协作处理605可以被加载到存储器604中并且由处理器603执行， 以便实施这里所讨论的功能。因此，协作处理605(包括相关联的数据 结构)可以被存储在计算机可读存储介质上，例如RAM存储器、磁性 或光学驱动器或盘等等。

应当认识到，图6中描绘的计算机600提供了适合于实施这里所描 述的功能元件或者这里所描述的功能元件的各个部分的一般架构和功 能。

应当设想到，这里作为软件方法讨论的一些步骤可以被实施在硬件 内，例如被实施为与处理器协作来施行各个方法步骤的电路。这里所 描述的功能/元件的各个部分可以被实施为计算机程序产品，其中的计 算机指令在由计算机处理时适配所述计算机的操作，从而使得调用或 者以其他方式提供这里所描述的方法和/或技术。用于调用本发明的方 法的指令可以被存储在例如固定或可移除介质或存储器之类的有形的 非瞬时性计算机可读介质中，在广播或其他信号承载介质中经由有形 或无形数据流传送，以及/或者存储在根据所述指令操作的计算设备内 的存储器中。

虽然前述内容是针对本发明的各个实施例，但是在不背离其基本范 围的情况下可以设想到本发明的其他实施例。因此将根据所附权利要 求书来确定本发明的适当范围。