自动故障排除中的统计学习：在LTE干扰缓解中的应用
机器学习
2016-11-15 v1
摘要
本文提出了一种作为离线自动故障排除一部分的自动修复方法。该方法结合了统计学习与约束优化。自动修复旨在以迭代方式局部优化性能较差小区的无线资源管理（RRM）或系统参数。统计学习使用逻辑回归（LR）处理数据，以提取关键性能指标（KPI）与无线资源管理（RRM）参数之间的封闭形式（函数）关系。然后，这些函数关系由优化引擎处理，该引擎提出新的参数值。所提出公式的优势在于自动修复方法收敛所需的迭代次数少，使其适用于离线实现。所提出的方法应用于修复基于软频率复用方案的3G长期演进（LTE）网络中的小区间干扰协调（ICIC）过程。数值仿真说明了所提出方法的优势。
引用
@article{arxiv.1005.0340,
title = {Statistical Learning in Automated Troubleshooting: Application to LTE Interference Mitigation},
author = {Moazzam Islam Tiwana and Berna Sayrac and Zwi Altman},
journal= {arXiv preprint arXiv:1005.0340},
year = {2016}
}
备注
IEEE Transactions On Vehicular Technology 2010 IEEE transactions on vehicular technology