基于大数据技术的通信网络故障检测方法.pdf

信息通信基于大数据技术的通信网络故障检测方法马璐璐，黄亚蒙？，徐源音3（1.郑州职业技术学院信息工程与大数据学院，河南郑州45 0 10 0；2.黄河交通学院智能工程学院，河南焦作45 495 0；3.河南工程学院软件学院，河南郑州45 0 10 0）摘要：由于传统方法在通信网络故障检测应用中不仅查全率比较低，而且检测时间比较长，现实检测效果不佳，提出基于大数据技术的通信网络故障检测方法。利用大数据处理技术对通信网络数据降维，并提取故障信号，通过对故障信号拟合处理，拟合成一个结构性数据文件，提取通信网络拥塞、网络分割、网络故障风险、以及网络匹配度等故障特征，利用大数据技术建立故障识别检测模型，对故障特征与大数据库数据匹配，识别检测到故障类型，以此完成基于大数据技术的通信网络故障检测。经实验证明，设计方法查全率在95%以上，检测时间为0.35 s，在通信网络故障检测方面具有良好的应用前景。关键词：大数据技术；通信网络；故障检测；查全率；结构性数据中图分类号：TP3930引言通信网络故障不仅会影响到网络正常运行，降低通信速率，而且还会影响到网络信息安全，出现信息丢失，严重情况下还会出现通信网络瘫痪，因此对通信网络故障检测具有一定的现实意义。最初对网络故障检测是采用人工的方式，由技术人员对通信网络硬件进行定期检查，并借助测试系统对通信网络软件进行检测，工作人员根据网络软硬件情况对网络状态综合分析，以此检测出网络故障，这种方式检测结果具收稿日期：2 0 2 3-0 1-2 8作者简介：马璐璐（1996-），女，河南方城县人，硕士，助教，研究方向：智能信息处理。ii+.+.从图4可以看出，在本次实验中，应用计算机技术与虚拟J.鞋类工艺与设计,2 0 2 2,2(0 9):43-45.现实技术创作数字媒体艺术成本比较低，最高成本为建筑外3 唐丽丽,陈桂珍,许静.计算机数字媒体与虚拟现实技术的观创作的7 12 6 元，最低成本为城市绿化创作消耗45 6 1元，融合策略 J.电脑知识与技术,2 0 2 2,18(0 4):110-111.相比较两种传统方法，创作成本比较低，传统方法1最高创4张晓霞.基于虚拟现实技术与数字媒体技术融合创作初探作成本为2 38 9 6 元，传统方法2 最高创作成本为2 346 5 元，两J.吉林工程技术师范学院学报,2 0 2 1,37(12):45-47.种传统方法在本次实验中数字媒体艺术创作总成本为8 2 6 43元、5 高蕾.关于数字媒体技术与虚拟现实技术的结合分析 J.83648元，设计方法总成本仅为2 16 45 元，远远低于两种传统科技与创新,2 0 2 1(0 9):18 0-18 1.方法。因此本次实验结果证明了，无论是在数字媒体艺术图6宋歆睿.虚拟现实技术在数字媒体交互方式改善中的成功像清晰度方面，还是创作成本方面，设计方法均表现出明显应用 J.信息系统工程,2 0 2 1(0 4):19-2 1.的优势，相比较两种传统方法更适用于数字媒体技术创作，7马丹.基于虚拟现实技术的数字媒体艺术设计系统 .现同时也验证了计算机技术与虚拟现实技术在数字媒体领域代电子技术,2 0 2 1,44(0 5):117-12 0.具有良好的应用前景。8邢爱花.虚拟现实技术在数字媒体设计中的应用 J.传媒5结语论坛,2 0 2 0,3(2 4):45-46.9李晓宁,杨悦,李素芳,等.基于虚拟现实技术的数字媒体艺此次结合相关文献资料，以及计算机技术与虚拟现实技术创作研究 J.产业与科技论坛,2 0 2 0,19(2 4)5 2-5 3.术的技术优势，针对传统方法存在的不足和缺陷，将两种技术10施斌.虚拟现实技术的发展对数字媒体专业的影响分析 J.应用到数字媒体领域，提出了一种新的数字媒体艺术创作思计算机产品与流通,2 0 2 0(11):2 12.路，有效提高了数字媒体艺术图像清晰度和画质质量，以及降11徐凯.虚拟现实技术在数字媒体作品中的应用 .中国新技低了数字媒体艺术创作成本，实现了对传统方法的优化与创术新产品,2 0 2 0(12):41-42.新。此次研究对推广计算机技术与虚拟现实技术在数字媒体12何叶田田.中国数字媒体艺术作品与虚拟现实技术的交叉领域中广泛应用，提高数字媒体艺术创作水平，具有一定的现与融合运用研究 J.西部广播电视,2 0 2 0(0 8):13-14.实意义。13刘庆立.借助虚拟现实技术推动数字媒体发展一一评虚参考文献：拟现实技术 J.中国科技论文,2 0 2 0,15(0 4):49 4.1余文明。浅析虚拟现实技术下数字媒体交互方式的创新14马耀军.计算机技术在5 G通信网络中的有效应用 J.无线J.电子元器件与信息技术,2 0 2 2,6(0 7):12 6-12 9.互联科技,2 0 2 2,19(12):10-12.2黄璇。基于虚拟现实技术的数字媒体艺术设计创作研究2023年第0 5 期(总第 2 45 期)文献标识码：A文章编号：2 0 9 6-9 7 5 9(2 0 2 3)0 5-0 0 9 6-0 3有一定的主观性，逐渐被智能化检测方式取代，但是国内关于通信网络故障自动化检测研究起步比较晚，当前相关技术与理论还不够成熟，传统方法在实际应用中不仅查全率比较低，而且检测时间比较长，无法达到预期的自动化检测效果，为此提出基于大数据技术的通信网络故障检测方法。1基于大数据技术的故障信号降维处理及提取通常情况下通信网络为分布式网络结构，各个网络功能都有对应的功能层，主要分为三个功能层，具体架构如下图1所示。+96Changjiang Information&Communications业务应用层综合业务接入层信号传输层图1通信网络架构图Y如图1所示，三个功能层功能发挥是以支撑网为支撑，分布式的通信网络决定了通信网络具有高维度特性，导致网络故障信号也具有多维特征2。为了方便后续故障检出程序快速有效进行，采用大数据处理技术对故障数据进行降维处理，f其可表示为：(1)b式中，c表示降维出口后的通信网络故障信号；z表示故障信号在n维下的向量均值；Zkm表示故障信号在n维下的向量值；b表示故障信号向量方差3。利用协方差矩阵计算出降维后故障信号的特征值：(2)式中，A表示故障信号的特征值；，表示故障特征主成分；E表示故障信号协方差矩阵；W表示故障信号分布的边向量。利用上述公式确定故障信号特征值，如果A大于零，则表示该信号为可疑信号；如果A小于零，则表示该信号为正常信号。根据特征值A提取到通信网络故障信号。2故障信号拟合考虑到提取到的网络故障信号类别较多，故通过对提取的故障信号进行拟合处理，该过程为一个完全闭合的信号参量处理过程6。在网络故障信号降维处理的基础上，将已经提取的信号参量拟合成一个结构性数据文件，其可表示为：Y=min ZKamim式中，Y表示拟合后的故障信号；aminvamax分别表示最小故障信号分割系数和最大故障信号分割系数；0、O1分别表示信号列表中第一个和最后一个故障信号拟合权限项；K表示故障信号信息参量；8 表示最小参量数值。3通信网络故障特征提取不同的通信网络故障表现出来的特征是不同的，有可能故障表现的是一种特征，也有可能故障表现的是多种特征 7 。通信网络故障特征主要表现为网络拥塞、网络分割、网络故障风险及网络匹配度。利用网络拥塞系数表示出网络拥塞程度，其可表示为：(4)式中，R表示通信网络拥塞系数；d表示网络通信系数；p表示通信网络中故障信息的稳定传输系数；hi、h 分别表示为拥塞故障信号参量及基础定义项18 。利用网络分割粒度表示出故障状态下通信网络被分割程度，其可表示为：(5)AS式中，T表示通信网络分割粒度；AS表示通信网络分割参97马璐璐等：基于大数据技术的通信网络故障检测方法数。采用权重法对通信网络故障风险指数计算，其可表示为：(6)F支撑网式中，G表示通信网络故障风险指数；L表示通信时间；F表示网络异常权重系数。通常情况下，该系数取值为0.0 1。当通信网络出现故障时，也会导致通信网络资源分配不均，因此根据以上计算的故障分析系数，估算出通信网络资源匹配度：(7)式中，?表示通信网络资源匹配度；I表示网络故障匹配差值。将处理后的故障数据代入到上述公式中，提取到通信网络故障特征，为后续故障识别检测提供依据。4基于大数据技术的故障识别检测Z,2k在上述基础上，利用大数据技术建立故障检测模型，对提C=取到的故障特征进行综合分析，确定通信网络状态，检测出通信网络故障类型。基于大数据的故障检测模型由输入层、隐藏层和输出层三部分组成，每个功能层都是由不同数量的神经元r组成，输入层位于模型的最首层，其功能是对提取到的故障特征进行归一化处理，其可表示为：CVO=(Ak-E)Wf=-max(cv)式中，f表示归一化处理后的故障特征；CV表示提取的故障特征列表中第i个特征值;max(CV）表示提取的故障特征数据中第i个特征的最大值。利用上述公式将故障特征动态范围转换到0-1之间，将归一化后的故障特征发送到隐藏层，隐藏层对数据进行迭代计算，确定通信网络运行状态，其可表示为：(9)m=1式中，n表示通信网络故障概率；m表示提取到的故障特征向量数量；表示故障特征权重系数。如果故障概率n小于零，则表示当前通信网络运行正常，无故障；如果n值大于零，则表示当前通信网络存在故障，利用隐藏层的学习功能确定故障O(3)YaR=Zp(h+h)T=AS0=VT-Gn=Zafm类型。向模型输入通信网络历史故障信息，提取到各个故障对应的故障特征，建立大数据库，将当前网络故障特征与大数据库比对，计算出该故障特征与大数据库中故障特征相似度，输出相似度最高故障特征对应的故障类型，其用公式表示为：(10)=1式中，表示故障特征与大数据库故障特征相似度；民n表示知识库中通信网络故障类型数量；f,表示第n个故障类型特征的数值。将计算数值输入到输出层，由输出层对相似度进行排序，输出相似度最高的故障类型，并生成识别检测报告，以此完成基于大数据技术的通信网络故障检测。5实验论证5.1实验准备与设计选择某通信网络为实验对象，该通信网络用户数量较多，网络带宽比较小，在运行过程中经常发生干扰、覆盖、硬件以及传输等类型故障，其中硬件故障包括电源故障、端口故障等，干扰故障多数为路由故障、链路故障等，利用本次设计方法对该通信网络故障进行自动化检测，为使实验结果结果与实验数据具有一定说明性，选择文献 2 方法和文献 3 检测方法作为对比，以下用传统方法A与传统方法B表示，开展对比实(8)ZJmChangjiang Information&Communications验。实验中令通信网络正常运行，采用LTE10MHzFDD模式运行，将其阴影衰落标准差设定为15 dB，天线损耗模型为自由空间，通信信号接收灵敏度设定为-12 5.41dBm，网络用户采用随机分布形式分布。检测时间为10:0 0-2 0:0 0，实验共提取到10 0 0 0 Byte故障信息，按照上述流程对故障信号降维、拟合、故障提取、故障类型识别检测，检测结果如下表所示。表1通信网络故障检测结果时间故障概率/%10:3568.4512:5479.4513:1552.8613:4748.5214:5289.6215:3188.7417:2489.21从上表中数据信息可以看出，设计方法检测结果基本与实际情况一致，说明设计方法可以完成通信网络故障检测任务，以下对三种方法检测效果进行具体检验。5.2实验结果与讨论为了充分体现出设计方法的检测效果，本次实验选择故障查全率与检测时间作为三种方法精度与响应评价指标，其中查全率可以反映出故障检测精度，其计算公式为：(11)X+V式中，u表示通信网络故障检测查全率；x表示单位时间内正确检测到故障数量；v表示单位时间内未被检测出故障数量利用上述公式计算出不同故障信号数量下三种方法查全率，具体数据如下表所示。表2 三种方法查全率对比（%）信号数量/Byte设计方法100099.87200099.56300098.56400098.12500097.85600097.46700096.58800096.12900095.631000095.14从上表中数据可以看出，在本次实验中设计方法查全率相对比较高，最高查全率可达到99.8 7%，平均查全率为97.48%，查全率虽然会随着故障信号数量的增加而逐渐降低，但是减小比例比较小，当故障信号数量达到10 0 0 0 Byet时，查全率仍处于比较高的水平，正常情况下通信网络故障信号数量不会超过10 0 0 0 Byte，说明设计方法可将查全率控制在95%以上，具有较高的检测精度；而两种传统方法查全率相对比较低，最高查全率分别为6 7.48%、7 1.2 6%，平均查全率为5 8.47%、5 4.2 5%，马璐璐等：基于大数据技术的通信网络故障检测方法查全率会随着故障信号数量的增加而大幅度减小，当故障信号数量达到10 0 0 0 Byet时，两种方法查全率分别为44.2 5%、45.8 8%，远低于设计方法。为进一步验证设计方法的适用性，对三种方法故障检测时间进行测试，以故障节点数量为变量，分别记录在故障节点0-20个情况下，三种方法检测用时结果如下图2 所示。4.5检测结果实际故障链路故障链路故障端口故障端口故障路由故障路由故障硬盘故障硬盘故障数据库故障电源故障线程死锁故障线程死锁故障Xu=100%传统方法A传统方法B67.4871.2665.2665.8963.4163.4861.0560.2559.7857.1456.2554.2553.1752.9850.0351.0248.2644.253.52.51.50.5数据库故障0电源故障从上图2 可以看出，设计方法检测时间比较短，检测速率为0.35 s/个，比传统方法A快2.44s，比传统方法B快2.5 6 s，并且设计方法可将检测时间控制在2 s以内。虽然会随着故障节点数量的增加，检测时间会逐渐延长，但是延长比例比较小，相比于传统方法更快，因此本次实验证明，无论是在精度方面还是在响应方面，设计方法均表现出明显的优势，相比较两种传统方法更适用于通信网络故障检测。6结语此次结合相关文献资料，针对传统方法存在的不足与缺陷，将大数据技术应用到通信领域中，提出了一套新的通信网络故障检测方案，并通过实验验证了该检测方案的适用性与可靠性，实现对传统方法的优化与创新。此次研究具有一定理论意义，丰富了该方面的研究理论，为通信网络故障检测提供了理论依据。但是由于此次研究时间有限，设计方法尚未在实际工程中得到大量的实践与应用，在某些方面可能存在一些不足之处，今后会在该方法优化方面展开深层次探究，为通信网络故障检测提供有力的理论支撑。参考文献：1】饶强.基于贝叶斯网络的无线通信网络故障节点自动定位方法研究 J.自动化与仪器仪表,2 0 2 2(12):2 5 8-2 6 2.2】乔宇翔.基于贝叶斯网络的高速公路隧道机电通信网络故障检测方法 J.交通世界,2 0 2 2(31):17 1-17 3.3 彭波涛，戈伟.基于蚁群算法的电力通信网络节点故障检测系统 J.机电工程技术,2 0 2 2,5 1(0 9):2 7 3-2 7 5.4赵强,马志瑜,刘亚飞,等.基于SIR的列车通信网络故障传48.56播特性仿真分析研究 J.铁道车辆,2 0 2 2,6 0(0 3):8 1-8 6+119.45.885郭瑜,童丽娜,倪旭明.基于改进卷积神经网络的电力通信网故障诊断研究 J.计算机测量与控制,2 0 2 2,30(0 2):2 4-30.6 兰海翔,李卫群,张涛.基于大数据的通信网络阻塞故障检测系统设计 J.电子设计工程,2 0 2 2,30(0 4):7-10+16.7王珊珊.基于流程过程管控的通信网络故障管理方法与实践 J.网络安全和信息化,2 0 2 1(11):15 4-15 6.8 杨振宇.基于聚焦检测的轨道交通故障网络特征识别 J.信息通信,2 0 2 0,(0 5):7 7-7 8.98传统方法B传统方法A一设计方法48故障节点数量图2 三种方法故障检测时间对比12162024