论文部分内容阅读
TD-SCDMA是我国自主研发具有自主知识产权的3G国际通信标准之一,它集CDMA、TDMA、FDMA和SDMA技术于一身,具有系统容量大、抗干扰能力强、频谱利用率高、自适应功率调整等诸多优良特性。对于3G移动通信系统而言,移动通信设备基站工作状况的好坏无疑会对网络的稳定性和可靠性造成最直接的影响。传统的基站故障的诊断通常采用人工作业的方式,但人工检测往往费时、费力、效率低下。因此如何迅速定位故障源,提高故障检测的效率和精度已经越来越受到人们的广泛关注。本文将神经网络中BP神经网络算法和专家系统中Rete模式匹配算法相结合应用于TD-SCDMA基站故障告警这一新的应用领域当中,实现了基站故障告警的智能化。基于神经网络的TD-SCDMA基站故障告警专家系统将基站故障数据分为两大类:一类是与专家系统知识库中的规则相匹配的事实,这部分事实交由专家系统推理机进行推理;一类是与专家系统知识库中的规则不匹配的事实,这部分事实交由神经网络系统推理机来进行推理,同时将产生的新规则添加到专家系统知识库当中。该系统利用神经网络的联想记忆和自学习功能,有效的克服了专家系统知识获取瓶颈的问题,从而不断扩大基站故障告警专家系统的告警范围。本文在Windows XP操作系统环境下,采用Java语言、MYSQL数据库、数值计算软件MATLAB和Jess专家系统外壳插件相互协作,共同开发实现基于神经网络的TD-SCDMA基站故障告警专家系统。整个系统采用Java语言进行B/S架构的开发,因此系统具有良好的跨平台特性,同时减轻了客户端的负载,将繁杂的系统升级和维护工作交由服务器端来完成,方便了用户的使用。经过在局域网中本机和其他机器上的测试,基于神经网络的TD-SCDMA基站故障告警专家系统取得了良好的运行效果,从而有力的验证了本文所提出算法的有效性。