一种5G基站射频放大模块安全特征提取与表征方法
未命名
10-19
阅读:69
评论:0
一种5g基站射频放大模块安全特征提取与表征方法
技术领域
1.本发明属于基站安全评估领域,具体涉及一种5g基站射频放大模块安全特征提取与表征方法。
背景技术:
2.5g基站作为核心网设备,是5g网络平稳运行的重要保障。由于5g所使用的频段较高,单个基站的信号覆盖范围较前代基站大幅降低,因此5g基站的部署数量大幅度提升。庞大的部署规模造成传统的被动式运维策略难以满足当前需求,因此开展5g基站主动式智能运维技术研究是十分必要的。
3.5g基站主动式智能运维指根据基站工作状态下的监测数据,实现对基站安全状态的预测,从而提前避免故障的发生。在5g基站主动式智能运维的环节中,原始的监测数据集维数很高,无论从数据采集还是数据处理等方面都具有极大难度,因此需要通过特征提取对数据集实现维数约简,从而降低数据的采集难度和处理难度。
4.现有技术使用一种基于主成分分析特征提取方法,其中,基于主成分分析特征提取利用方差衡量不同特征的重要程度,从而实现特征约简。由于5g基站安全敏感参数数据构成了一个高维流形空间,然而现有技术采用主成分分析法将监测数据置于线性空间中进行分析处理,扭曲了数据的本质结构,造成表征的安全特征仍存在较大的耦合性且不适应复杂工况条件。
技术实现要素:
5.本发明提出一种5g基站射频放大模块安全特征提取与表征方法,包括下述步骤:
6.步骤1:构建5g基站射频放大模块安全敏感参数集;
7.步骤2:对5g基站射频放大模块历史监测数据进行预处理,形成5g基站射频放大模块安全敏感参数数据集;
8.步骤3:对5g基站射频放大模块安全敏感参数数据集中各参数的时间序列数据,根据其初始值计算该参数在不同时刻的变化率;
9.步骤4:利用稀疏保持投影获得将5g基站射频放大模块安全特征从流形空间映射至反映其退化特性的本质特征空间的显式特征映射矩阵;
10.步骤5:将所述显式特征映射关系运用到5g基站射频放大模块变化运行状态的数据样本中,提取5g基站射频放大模块对工况免疫的本质安全特征;
11.步骤6:利用自适应的熵权-阈值优选方法对所述本质安全特征数据集进行二次选择,获得优选的5g基站射频放大模块本质安全特征集和对应的熵权系数;
12.步骤7:根据所述优选的5g基站射频放大模块本质安全特征集和对应的熵权系数,计算5g基站射频放大模块安全退化路径因子,用于表征5g基站射频放大模块安全退化情况。
13.在上述方案的基础上,所述步骤1的具体做法是:
14.获取5g基站射频放大模块在不同时刻的各参数频率扫描曲线;
15.提取相应的曲线特征,如最值点,工作频率点,工作频率点处的曲线斜率、曲率等;
16.从中选择对5g基站射频放大模块安全退化敏感的参数,构建5g基站射频放大模块安全敏感参数集。
17.在上述方案的基础上,所述步骤2的具体做法是:
18.基于5g基站射频放大模块安全敏感参数集,收集5g基站射频放大模块历史监测数据;
19.对齐所述历史监测数据的时间戳;
20.利用插补方法补充缺失的时间点数据;
21.获得5g基站射频放大模块安全敏感参数数据样本。
22.在上述方案的基础上,所述步骤3的具体做法是:
23.对于5g基站射频放大模块安全敏感参数数据集中某参数xi的时间序列数据{x
i1
,x
i2
,......,x
im
},其中x
it
表示t时刻该参数xi的实际监测值,计算各时刻该参数的变化率
24.获得5g基站射频放大模块安全敏感参数变化率数据集δ={δ1,δ2,...,δn},其中δi表示参数xi变化率的时间序列数据向量。
25.在上述方案的基础上,所述步骤4的具体做法是:
26.构建5g基站射频放大模块安全敏感参数变化率数据样本的稀疏权重矩阵r;
27.求得稀疏权重矩阵r的投影特征向量α和对应的特征值λ;
28.选取关键的特征向量α构成显式特征映射矩阵a,a即为5g基站射频放大模块该功能模块安全敏感参数变化率与本质安全特征的显式映射关系。
29.在上述方案的基础上,所述显式映射关系求解的具体步骤是:
30.步骤4.1:利用范数最小化问题实现特征的稀疏表示,即对于数据集δ={δ1,δ2,...,δn},求得每个δi的稀疏重构权重向量r,从而获得稀疏权重矩阵r:
[0031][0032]
步骤4.2:定义函数求解最佳的投影矩阵:
[0033][0034]
转化为广义特征值求解问题:
[0035]
δ
·
(r+r
t-r
t
r)
·
δ
t
·
α=λ
·
δ
·
δ
t
·
α
[0036]
步骤4.3:选择最大的k个非零特征值所对应的特征向量,得到显式特征映射矩阵a。
[0037]
在上述方案的基础上,所述步骤5的具体做法是:
[0038]
将显式特征映射矩阵运用到5g基站射频放大模块变化运行状态的数据集中,得到提取到的5g基站射频放大模块对工况免疫的本质安全特征。
[0039]
在上述方案的基础上,所述步骤6的具体做法是:
[0040]
步骤6.1:对于5g基站射频放大模块本质安全特征数据集γ={τ1,τ2,...,τk},求
解各本质安全特征参数τi的信息熵,具体公式如下:
[0041][0042]
步骤6.2:计算各本质安全特征参数τi对应的熵权系数vi:
[0043][0044]
步骤6.3:对熵权系数vi进行筛选,若存在vi低于设定阈值η,则将所对应的本质安全特征参数τi剔除,随后重复步骤6.1以及6.2,直至所有的熵权系数均符合要求,最终获得优选的5g基站射频放大模块本质安全特征数据集
[0045]
在上述方案的基础上,所述步骤7的具体做法是:
[0046]
步骤7.1:根据步骤6得到的优选的5g基站射频放大模块本质安全特征数据集和对应的熵权系数{v1,v2,...,vs},计算5g基站射频放大模块各时刻的安全系数ρ
t
:
[0047][0048]
步骤7.2:对5g基站射频放大模块各时刻的安全系数进行归一化,获得从1到0的5g基站射频放大模块安全退化路径因子ξ,实现对5g基站射频放大模块的安全状态表征:
[0049][0050]
提供一种计算机可读存储介质,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方案的方法的步骤。
[0051]
本发明的创新及有益效果:
[0052]
1.选择5g基站射频放大模块s参数、噪声系数、稳定性系数的参数变化率用于5g基站射频放大模块安全特征提取,与传统方案中对参数本身进行特征提取相比,降低了不同基站间数据的差异性,使特征提取结果更具普适性和可迁移性。
[0053]
2.在5g基站射频放大模块安全状态评估领域引入基于稀疏保持投影的特征提取算法,相比于传统的线性特征提取方法,更好地保留了数据的流形结构,获得对工况免疫的安全特性抽象表征。
[0054]
3.利用自适应的熵权-阈值方法对稀疏保持投影特征提取结果进行二次选择,进一步降低了数据冗余度,减少了计算量和时间复杂度。
[0055]
4.提出5g基站射频放大模块安全退化路径因子的概念,随着时间的推移,安全退化路径因子逐渐从1退化至0,对5g基站射频放大模块的退化情况进行了有效表征。
[0056]
本发明所述方法与传统主成分分析法预期效果对比如下:
[0057]
附图说明
[0058]
本发明有如下附图:
[0059]
图1为本发明所述的方法流程图;
[0060]
图2为显式映射关系求解流程图;
[0061]
图3为自适应的熵权-阈值优选方法流程图;
[0062]
图4为频率扫描曲线示意图;
[0063]
图5为安全敏感参数原始时间序列数据示意图;
[0064]
图6为稀疏保持投影特征提取结果示意图;
[0065]
图7为安全退化路径因子计算结果示意图。
具体实施方式
[0066]
为使本发明的目的、优点和特征更加显而易见,下面结合附图1-6和具体实施方式对本发明进行进一步的详细说明。
[0067]
参照附图1,提出一种5g基站射频放大模块安全特征提取与表征方法。
[0068]
步骤1:构建5g基站射频放大模块安全敏感参数集。
[0069]
所述步骤1的具体做法是:获取5g基站射频放大模块在不同时刻的各参数频率扫描曲线;提取相应的曲线特征,如最值点,工作频率点,工作频率点处的曲线斜率、曲率等;从中选择对5g基站射频放大模块安全退化敏感的参数,构建5g基站射频放大模块安全敏感参数集。
[0070]
参照附图4,为5g基站射频放大模块s
11
频率扫描曲线图,其中能够反映曲线特征的参数包括工作频率点(2.4ghz)的s
11
取值、曲线斜率、曲线曲率、曲率半径,曲线最值点对应频率等。
[0071]
参照附图5,为5g基站射频放大模块s
11
退化曲线图。随着时间的推移,s
11
逐渐增大,证明其对5g基站射频放大模块安全状态是敏感的。
[0072]
步骤2:对5g基站射频放大模块的历史监测数据进行预处理,形成完整可用的5g基站射频放大模块安全敏感参数数据集,为后续安全特征提取提供数据支持。
[0073]
所述步骤2的具体做法是:基于确定的5g基站射频放大模块安全敏感参数集,收集5g基站射频放大模块历史监测数据。考虑到有关数据具有时间相关性,在使用数据时需要对齐时间戳,以保证监测数据来自同一物理时间。此外,由于部分传感器可能由于意外情况
导致无法采集到某一时刻数据或因误差过大导致实际值缺失,因此利用单一插补方法、多重插补方法或基于机器学习的插补方法补充缺失的时间点数据。通过时间戳对齐和缺失值填补,获得完整可用的5g基站射频放大模块安全敏感参数数据样本。
[0074]
步骤3:对于5g基站射频放大模块安全敏感参数数据集中各参数的时间序列数据,根据其初始值计算该参数在不同时刻的变化率。
[0075]
所述步骤3的具体做法是,对于5g基站射频放大模块安全敏感参数数据集中某参数xi的时间序列数据{x
i1
,x
i2
,......,x
im
},其中x
it
表示t时刻该参数xi的实际监测值,计算各时刻该参数的变化率获得5g基站射频放大模块安全敏感参数变化率数据集δ={δ1,δ2,...,δn},其中δi表示参数xi变化率的时间序列数据向量。
[0076]
步骤4:利用稀疏保持投影获得能够将5g基站射频放大模块安全特征从流形空间映射至反映其退化特性的本质特征空间的显式特征映射矩阵a。
[0077]
所述步骤4的具体做法是:构建5g基站射频放大模块安全敏感参数变化率数据样本的稀疏权重矩阵r,通过求得稀疏权重矩阵r的投影特征向量α和对应的特征值λ,保证数据特性在投影过程中得到保持。这些特征值和特征向量在不同程度上反映了原始特征和本质安全特征之间的关联。选取关键的特征向量α构成显式特征映射矩阵a,a即为5g基站射频放大模块该功能模块安全敏感参数变化率与本质安全特征的显式映射关系。
[0078]
参照附图2,所述显式映射关系求解的具体步骤是:
[0079]
步骤4.1:利用l1范数最小化问题实现特征的稀疏表示,即对于数据集δ={δ1,δ2,...,δn},通过求解以下问题,即可求得每个δi的稀疏重构权重向量r,从而获得稀疏权重矩阵r:
[0080][0081]
步骤4.2:定义如下函数求解最佳的投影矩阵:
[0082][0083]
最终,上述问题可转化为广义特征值求解问题:
[0084]
δ
·
(r+r
t-r
t
r)
·
δ
t
·
α=λ
·
δ
·
δ
t
·
α
[0085]
步骤4.3:选择最大的k个非零特征值所对应的特征向量,即得到显式特征映射矩阵a。
[0086]
参照附图6,为由稀疏保持投影法特征提取后得到的5g基站射频放大模块本质安全特征参数。参数1和参数2随时间变化情况存在差异,表示二者对5g基站射频放大模块安全状态的表征力度存在差异。因此需要利用自适应的熵权-阈值法确定不同本质安全特征参数的权重。
[0087]
步骤5:将该显式特征映射关系运用到5g基站射频放大模块变化运行状态的数据样本中,提取5g基站射频放大模块对工况免疫的本质安全特征。
[0088]
所述步骤5的具体做法是:将显式特征映射矩阵a运用到5g基站射频放大模块变化运行状态的数据集δ中,γ=a
t
·
δ即为提取到的5g基站射频放大模块对工况免疫的本质安全特征。
[0089]
参照附图3,步骤6:利用自适应的熵权-阈值优选方法对步骤五中得到的本质安全
特征数据集进行二次选择,获得优选的5g基站射频放大模块本质安全特征集和对应的熵权系数。
[0090]
所述步骤6的具体做法是:
[0091]
步骤6.1:对于5g基站射频放大模块本质安全特征数据集γ={τ1,τ2,...,τk},首先求解各本质安全特征参数τi的信息熵,具体公式如下:
[0092][0093]
步骤6.2:计算各本质安全特征参数τi对应的熵权系数vi:
[0094][0095]
步骤6.3:对熵权系数vi进行筛选,若存在vi低于设定阈值η,则将所对应的本质安全特征参数τi剔除,随后重复步骤6.1-6.2,直至所有的熵权系数均符合要求,最终获得优选的5g基站射频放大模块本质安全特征数据集
[0096]
步骤7:根据步骤6获得的优选的5g基站射频放大模块本质安全特征集和对应的熵权系数计算5g基站射频放大模块安全退化路径因子,用于表征5g基站射频放大模块安全退化情况。
[0097]
所述步骤7的具体做法是:
[0098]
步骤7.1:根据步骤6得到的优选的5g基站射频放大模块本质安全特征数据集和对应的熵权系数{v1,v2,...,vs},计算5g基站射频放大模块各时刻的安全系数ρ
t
:
[0099][0100]
步骤7.2:对5g基站射频放大模块各时刻的安全系数进行归一化,获得从1到0的5g基站射频放大模块安全退化路径因子ξ,实现对5g基站射频放大模块的安全状态表征:
[0101][0102]
上述公式确保了5g基站射频放大模块安全退化路径因子ξ在初始为1,最终为0。期间其随时间的变化即可反映5g基站射频放大模块的安全退化情况。
[0103]
参照附图7,为5g基站射频放大模块安全退化路径因子曲线。随着时间推移,5g基站射频放大模块安全退化路径因子从1降低至0,表示5g基站射频放大模块的安全状态随着时间逐渐退化。
[0104]
以上实施方式仅用于说明本发明专利,而并非对本发明专利的限制,有关技术领域的普通技术人员,在不脱离本发明专利的实质和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明专利的范畴,本发明专利的专利保护范围应由权利要求限定。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
技术特征:
1.一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,包括下述步骤:步骤1:构建5g基站射频放大模块安全敏感参数集;步骤2:对5g基站射频放大模块历史监测数据进行预处理,形成5g基站射频放大模块安全敏感参数数据集;步骤3:对5g基站射频放大模块安全敏感参数数据集中各参数的时间序列数据,根据其初始值计算该参数在不同时刻的变化率;步骤4:利用稀疏保持投影获得将5g基站射频放大模块安全特征从流形空间映射至反映其退化特性的本质特征空间的显式特征映射矩阵;步骤5:将所述显式特征映射关系运用到5g基站射频放大模块变化运行状态的数据样本中,提取5g基站射频放大模块对工况免疫的本质安全特征;步骤6:利用自适应的熵权-阈值优选方法对所述本质安全特征数据集进行二次选择,获得优选的5g基站射频放大模块本质安全特征集和对应的熵权系数;步骤7:根据所述优选的5g基站射频放大模块本质安全特征集和对应的熵权系数,计算5g基站射频放大模块安全退化路径因子,用于表征5g基站射频放大模块安全退化情况。2.根据权利要求1所述的一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,所述步骤1的具体做法是:获取5g基站射频放大模块在不同时刻的各参数频率扫描曲线;提取相应的曲线特征,如最值点,工作频率点,工作频率点处的曲线斜率、曲率等;从中选择对5g基站射频放大模块安全退化敏感的参数,构建5g基站射频放大模块安全敏感参数集。3.根据权利要求1所述的一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,所述步骤2的具体做法是:基于5g基站射频放大模块安全敏感参数集,收集5g基站射频放大模块历史监测数据;对齐所述历史监测数据的时间戳;利用插补方法补充缺失的时间点数据;获得5g基站射频放大模块安全敏感参数数据样本。4.根据权利要求1所述的一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,所述步骤3的具体做法是:对于5g基站射频放大模块安全敏感参数数据集中某参数x
i
的时间序列数据{x
i1
,x
i2
,......,x
im
},其中x
it
表示t时刻该参数x
i
的实际监测值,计算各时刻该参数的变化率获得5g基站射频放大模块安全敏感参数变化率数据集δ={δ1,δ2,...,δ
n
},其中δ
i
表示参数x
i
变化率的时间序列数据向量。5.根据权利要求1所述的一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,所述步骤4的具体做法是:构建5g基站射频放大模块安全敏感参数变化率数据样本的稀疏权重矩阵r;求得稀疏权重矩阵r的投影特征向量α和对应的特征值λ;选取关键的特征向量α构成显式特征映射矩阵a,a即为5g基站射频放大模块安全敏感
参数变化率与本质安全特征的显式映射关系。6.根据权利要求5所述的一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,所述显式映射关系求解的具体步骤是:步骤4.1:利用范数最小化问题实现特征的稀疏表示,即对于数据集δ={δ1,δ2,...,δ
n
},求得每个δ
i
的稀疏重构权重向量r,从而获得稀疏权重矩阵r:步骤4.2:定义函数求解最佳的投影矩阵:转化为广义特征值求解问题:δ
·
(r+r
t-r
t
r)
·
δ
t
·
α=λ
·
δ
·
δ
t
·
α步骤4.3:选择最大的k个非零特征值所对应的特征向量,得到显式特征映射矩阵a。7.根据权利要求1所述的一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,所述步骤5的具体做法是:将显式特征映射矩阵运用到5g基站射频放大模块变化运行状态的数据集中,得到提取到的5g基站射频放大模块对工况免疫的本质安全特征。8.根据权利要求1所述的一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,所述步骤6的具体做法是:步骤6.1:对于5g基站射频放大模块本质安全特征数据集γ={τ1,τ2,...,τ
k
},求解各本质安全特征参数τ
i
的信息熵,具体公式如下:步骤6.2:计算各本质安全特征参数τ
i
对应的熵权系数v
i
:步骤6.3:对熵权系数v
i
进行筛选,若存在v
i
低于设定阈值η,则将所对应的本质安全特征参数τ
i
剔除,随后重复步骤6.1以及6.2,直至所有的熵权系数均符合要求,最终获得优选的5g基站射频放大模块本质安全特征数据集9.根据权利要求1所述的一种5g基站射频放大模块安全特征提取与表征方法,其特征在于,所述步骤7的具体做法是:步骤7.1:根据步骤6得到的优选的5g基站射频放大模块本质安全特征数据集和对应的熵权系数{v1,v2,...,v
s
},计算5g基站射频放大模块各时刻的安全系数ρ
t
:
步骤7.2:对5g基站射频放大模块各时刻的安全系数进行归一化,获得从1到0的5g基站安全退化路径因子ξ,实现对5g基站的安全状态表征:10.一种计算机可读存储介质,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9中任一项所述的方法的步骤。
技术总结
本发明提出一种5G基站射频放大模块安全特征提取与表征方法。从安全敏感参数选取方面:引入参数变化率用于5G基站射频放大模块安全特征提取,降低了不同基站间数据的差异性,使特征提取结果更具普适性和可迁移性。在特征提取算法选择方面:稀疏保持投影法保留了数据的局部流形结构,恢复了5G基站射频放大模块退化数据的本质结构,获取了对工况免疫的安全特性抽象表征。此外,在特征提取后引入自适应的熵权-阈值优选方法进行二次选择,进一步降低数据维数,降低了后续计算量和时间复杂度。在安全状态表征方面:提出5G基站射频放大模块安全退化路径因子的概念,对5G基站射频放大模块的退化情况进行了有效表征。的退化情况进行了有效表征。的退化情况进行了有效表征。
技术研发人员:洪晟 肖宇琛 阴宏伟 余子贇 何姗钰
受保护的技术使用者:北京航空航天大学
技术研发日:2023.05.29
技术公布日:2023/10/15
版权声明
本文仅代表作者观点,不代表航家之家立场。
本文系作者授权航家号发表,未经原创作者书面授权,任何单位或个人不得引用、复制、转载、摘编、链接或以其他任何方式复制发表。任何单位或个人在获得书面授权使用航空之家内容时,须注明作者及来源 “航空之家”。如非法使用航空之家的部分或全部内容的,航空之家将依法追究其法律责任。(航空之家官方QQ:2926969996)
航空之家 https://www.aerohome.com.cn/
航空商城 https://mall.aerohome.com.cn/
航空资讯 https://news.aerohome.com.cn/
上一篇:基于改进YOLO模型的绿篱鲁棒检测方法 下一篇:隧道桥梁虹吸排水装置的制作方法