刘洋
- 作品数：11 被引量：4H指数：2
- 供职机构：中国移动通信集团广东有限公司更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 5G无线网络弱场感知优化方法研究被引量：2
- 2022年
- 随着5G网络规模越来越大,5G网络质量和用户使用感知已经是网络满意度的重要决定性因素。相对于成熟的4G网络,现有网络5G无线弱信号(即大路损与高干扰)场景下的体验欠佳,故针对5G无线网络弱信号场景展开感知提升研究,先根据主流手机APP的感知速率边界制定目标保障速率,再从路损和干扰两个维度进行差异化的优化策略配置,提升弱场用户的网络感知。
- 刘洋蓝万顺陆庆杭
- 关键词：链路预算
- 基于业务画像的5G小区流量激发分析方法
- 2024年
- 近年来,随着5G 用户不断增多,5G 流量日益增长,话务呈现不均衡的发展趋势, 小区间负荷差异明显。部分高负荷小区已经出现资源不足,用户需求速率无法被满足, 感知下降等情况。当前各运营商扩容思路是针对不同场景建立固定的5G 高负荷扩容门限,但目前5G 承载类型多样,采用小区自忙时统计颗粒度,无法真实体现瞬时网络负荷和用户需求,当小区流量无法随着用户的增加而自然增长时,流量对应的增长量则受到压抑。本方法主要基于业务画像,研究一种5G 小区流量激发分析的新方法, 作为高负荷小区判定的补充,能更加精确的描述出各个小区的现状与实际需求的差距, 通过找出网络中用户使用意愿被压抑的小区,及时开展优化,使小区用户及流量的自然增长压力得到释放,从而激发网络潜在流量。
- 刘洋麦锦恩林彬
- 小区聚类方法、装置和电子设备
- 本申请涉及人工智能技术领域，具体涉及一种小区聚类方法、装置和电子设备。所述方法包括：获取多个小区在第一预设时间内的MDT数据覆盖边界图，以及多个小区在第二预设时间内的网络指标变化数据；将所述MDT数据覆盖边界图的覆盖形态...
- 刘洋吴威蓝万顺杨文俊陆庆杭陆南昌
- 华为设备RAC分裂对寻呼成功率的提升
- 2011年
- 对于现网日益严重的PS分组业务寻呼导致寻呼成功率低的问题,文章采用理论分析与实际问题相结合的分析方法,针对华为设备首次提出通过路由区(RAC)分裂提升寻呼成功率的新方法,并成功在现网华为BSC进行实际应用,取得了良好的效果。
- 尹小华黄沛江陈耀文余冬喜陆南昌刘洋
- 基于模糊知识库的网络优化方法、装置、电子设备及介质
- 本申请涉及无线通信业务技术领域，提供一种基于模糊知识库的网络优化方法、装置、电子设备及介质，该方法包括：确定无线网络的关键指标特性数据，并通过模糊关系矩阵聚类算法对关键指标特性数据进行模糊聚类，得到无线网络的性能指标结果...
- 刘洋吴威蓝万顺杨文俊陆庆杭
- 基于数据流快速调度的GPRS承载效率提升研究与实践
- 高志兴钟锦庆吴宝庭吴荣广麦晓念林纲罗东吴朝健吴宝栋刘晓鸣胡志东陈光明张悦刘洋
- 该项目应用领域为中国移动GPRS网络的数据业务。各种数据业务因为吸纳的用户群体多样性和业务本身的应用特征而形成各自的流量模型，熟悉这些模型的特征将能更好地把握业务推广、指导网络资源配置，对资源投资收益具有积极的指导意义。...
- 关键词：
- 关键词：数据传输
- 信号质量评估方法、装置和电子设备
- 本申请涉及通信技术领域，具体涉及一种信号质量评估方法、装置和电子设备。所述方法包括：从接收的无线网络信号中获取目标导频信号，基于所述目标导频信号和预设导频信号通过最小二乘法进行信道估计，得到初步网络信号；基于所述初步网络...
- 刘洋蓝万顺吴威王松余裔庭
- 异常小区检测方法、装置、存储介质及电子设备
- 本公开提供一种异常小区检测方法、异常小区检测装置、存储介质及电子设备，涉及通信技术领域。所述方法包括：获取待检测小区的目标指标序列，并确定所述目标指标序列的类别；基于所述目标指标序列的类别确定所述待检测小区的目标检测模型...
- 刘洋 陆庆杭 陆南昌
- 基于PCMCI算法与Tsfresh工具的网管指标异常检测方法
- 2024年
- 网络异常会降低用户体验,而有效的异常识别和故障的根因定位,对于快速恢复服务并减轻损失来说至关重要,因此在智能运维领域,对网络异常识别方法的研究和应用将持续成为智能运维领域的热点和重点方向。本文针对无线网络网管指标量大、关联繁杂以及监控资源消耗高等问题,结合PCMCI算法和Tsfresh工具,找出网管指标之间的因果关联关系,并通过对网管指标时序数据的特征检测,识别出网络的异常,实现了无线网络优化平台的网管指标检测自动化、智能化,提升了异常识别的准确率和无线网络优化的响应效率,在识别网络异常情况和智能运维领域有着积极的影响。
- 黄继宁刘洋麦锦恩林彬
- 关键词：时序数据无线网络优化
- 基于综合特征和联动学习的异常无线小区检测方法
- 2024年
- 近年来,随着无线通信技术的快速发展,异常无线小区的检测和识别成为了网络优化和故障排除的重要任务。传统的检测识别算法在准确率和效率方面存在一定的局限性。为了解决此类问题,提出一种基于综合特征和联动学习的异常无线小区检测方法。该方法通过引入遥感图像对区域内的像素点进行聚类,获取小区的地貌类别作为覆盖性能异常识别的依据,并引入小区KPI指标在时域上变化等综合特征构建基于孤立森林的异常小区检测模型,利用大小模型联动实现轻量化运算,从而有效提升异常小区检测的准确性与效率。
- 刘洋吴威林彬麦锦恩
