买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海蓝洋网络科技有限公司申请的专利一种用于无线通信网络的故障检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119485420B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510067669.0，技术领域涉及：H04W24/04；该发明授权一种用于无线通信网络的故障检测方法是由郁靖国设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种用于无线通信网络的故障检测方法在说明书摘要公布了：本发明涉及用于无线通信网络的故障检测技术领域，且公开了一种用于无线通信网络的故障检测方法。通过采集基站信号强度、网络延迟、数据丢包率和用户设备信号质量的数据，解决了单一指标导致的故障检测不足问题。多维度数据采集使系统能全面评估网络性能，提升故障检测准确性，尤其在复杂故障模式下能够有效识别不同故障类型。通过按时间顺序存储数据，避免了时序混乱问题，确保了时变故障的准确检测。每次采样生成的综合数据向量包含多个网络性能指标，提高了故障检测与定位的能力。数据预处理剔除异常值，保证了数据质量，为后续分析提供了准确基础，确保检测结果的可靠性。

本发明授权一种用于无线通信网络的故障检测方法在权利要求书中公布了：1.一种用于无线通信网络的故障检测方法，其特征在于，包括：从无线通信网络中采集数据；所述采集数据包括：基站信号强度，记为St，表示时间t时刻，基站到用户设备的信号强度，单位为dBm；网络延迟，记为Dt，表示时间t时用户设备与基站通信的延迟，单位为ms；数据丢包率，记为Pt，表示时间t时，数据传输的丢包比例，以百分比表示；用户设备信号质量，记为Qt，表示时间t时用户终端设备接收信号的质量指标，单位为dBm；设置采样周期为T1，总观测时间为T2，计算采样点数量： 其中，N为总采样点数量；每次采样生成一个数据向量，记为：Xt＝St,Dt,Pt,Qt,t＝1,2,...,N；其中，Xt为时间t时刻的综合数据向量，包括信号强度、网络延迟、数据丢包率和信号质量；将采样数据按照时间先后顺序存储到数据库中；对采集到的数据进行预处理；所述对采集到的数据进行预处理，具体包括：将数据库中的数据按照基站信号强度、网络延迟、数据丢包率和用户设备信号质量进行分类提取，将相同种类的数据组成数据集，并将分类提取出来的数据按照存储时间的先后顺序排序；对于任意一个种类的数据集执行以下步骤：S1、使用三倍标准差法检测异常值，具体为：计算数据集中所有数据的平均值： 其中，μX是数据集的均值；M是数据集中所有元素的总个数；Xi是数据集中第i个数据点的数值；计算标准差： 其中，σX为数据集的标准差；当数据点Xi满足条件：|Xi-μX|3·σX时，则将数据点Xi标记为异常值；其中，|Xi-μX|为数据点Xi与均值μX的差的绝对值；S2、使用线性插值法填补丢失值：当数据点Xi数据丢失时，使用线性插值法填补丢失值，具体为： 其中，X’i为填补后的数据值；Xi-1为缺失值前一个数据点；Xi+1为缺失值后一个数据点；在预处理后的数据集中进行特征提取；所述在预处理后的数据集中进行特征提取，具体包括：设置滑动窗口大小为k，每个时间点提取以下特征：S3、提取滑动均值： 其中，μt,k为时间t时刻的滑动均值；k为滑动窗口大小；Xr为窗口内第r个数据点；S4、提取滑动标准差： 其中，σt,k为时间t时刻的滑动标准差；S5、提取变化速率： 其中，Δt,k为时间t时刻的变化速率；Xt为时间t时刻的数据点；Xt-k为窗口起点时刻的数据点；将原始数据和特征组合形成扩展特征向量：Ft＝St,Dt,Pt,Qt,μt,k,σt,k,Δt,k；其中，Ft为时间t时刻的扩展特征向量；基于扩展特征向量，执行故障检测策略；所述基于扩展特征向量，执行故障检测策略，具体包括：设置每个数据类型指标的正常运行范围：S6、St∈-90,-40dBm；S7、Dt100ms；S8、Pt5％；S9、Qt-70dBm；设置故障标签： 其中，Lt为时间t时刻的故障状态标签；当Lt＝1时，表示故障；当Lt＝0时，表示正常；计算扩展特征向量的相似性： 其中，SimFi,Fj为扩展特征向量Fi与Fj的相似性；Fi、Fj分别为第i个和第j个扩展特征向量；σ为高斯核宽度参数；初始化聚类中心为随机选取的样本点，迭代更新： 其中，为第t+1次迭代后的第k类中心；为第k类包含的样本集合；为第k类样本数量；将所有扩展特征向量随机分配到K个初始簇中，簇中心为随机选择的样本点： 其中，为初始簇k的中心；p为随机索引；计算每个样本与所有簇中心的相似性，分配样本到最近的簇： 其中，为第k个簇包含的样本集合；SimFt,Ck为样本Ft到簇中心Ck的相似性；根据每个簇的样本集合更新簇中心： 其中，为第t+1次迭代后的第k类中心；为第k类样本集合；为第k类样本数量；设置聚类收敛阈值为∈；检查簇中心变化是否低于阈值∈： 如果所有簇中心的变化均低于阈值，聚类过程终止；对故障分类，具体包括：聚类完成后，将每个簇对应到故障模式或正常状态，具体为：预定义M种故障模式使用多数投票法对每个簇分配故障标签： 其中，Lk为簇k的标签；ⅡLt＝m为指示函数，若Lt＝m则取值为1，否则取值为0；当存在未能匹配到已有故障模式的簇，标记为未知故障Fu，并记录其特征；对检测到的故障进行故障定位；所述对检测到的故障进行故障定位，具体包括：设置已经识别出来的故障模式集合，记为集合Y；获取所有已经识别出来的故障模式，并添加到集合Y中；对每个故障模式Yi，计算与采集到的数据Xt之间的相似度： 其中，Yij和Xtj分别表示故障模式Yi和数据Xt中第j个特征的值；和分别是故障模式Yi和数据Xt的均值；ωj是第j个特征的权重；通过计算各故障模式的相似度，计算每个故障模式的优先级： 其中，Pi表示故障模式Yi的优先级；d是故障模式的总数；Sim'Yj,Xt是故障模式Yj与当前数据Xt的相似度；将所有的故障模式按照优先级Pi从高到低排序；输出优先级最高的故障模式和与优先级最高的故障模式相似度最高的数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海蓝洋网络科技有限公司，其通讯地址为：201104 上海市闵行区集心路168号2号楼207室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。