張琰 盛敏 李建東

摘要：提出了以用戶特征獲取與分析、工作參數(shù)配置與調(diào)整、智慧資源管控與優(yōu)化、承載能力提升與進(jìn)化為支撐的智能無線網(wǎng)絡(luò)功能架構(gòu)。以網(wǎng)絡(luò)資源與用戶需求的精準(zhǔn)匹配為目標(biāo)，研究了大數(shù)據(jù)分析與無線網(wǎng)絡(luò)人工智能特性間的耦合關(guān)系。給出了大數(shù)據(jù)分析以及人工智能在無線網(wǎng)絡(luò)中的典型用例，并初步驗(yàn)證了其有效性，同時展望了智能無線網(wǎng)絡(luò)的發(fā)展前景和方向。

關(guān)鍵詞： 大數(shù)據(jù)分析；人工智能；無線資源管理；服務(wù)質(zhì)量（QoS）

Abstract： In this paper， a smart wireless network architecture based on acquisition and analysis of user characteristics， configuration and adjustment of work parameters， intelligent resource management and optimization， and capacity improvement and evolution is proposed. With the accurate matching of network resources and user requirements， the coupling between big data analysis and artificial intelligence of wireless network is studied. The typical use cases of big data analysis and artificial intelligence in wireless networks are given. The validity of this model is verified， and the development prospect and direction of smart wireless networks are also forecasted.

Key words： big data analysis； artificial intelligence； wireless resource management； quality of service （QoS）

無線網(wǎng)絡(luò)是大數(shù)據(jù)應(yīng)用的重要載體之一；另一方面，無線網(wǎng)絡(luò)的規(guī)?；⒚芗l(fā)展也將產(chǎn)生海量的運(yùn)維數(shù)據(jù)。以某區(qū)域運(yùn)營商現(xiàn)網(wǎng)情況為例，無線基站每日操作維護(hù)中心（OMC）產(chǎn)生的各類數(shù)據(jù)將近數(shù)百吉比特，但目前運(yùn)營商對于該類數(shù)據(jù)的應(yīng)用率僅約30%左右。因此，如何充分挖掘和利用網(wǎng)絡(luò)運(yùn)維大數(shù)據(jù)來支撐無線網(wǎng)絡(luò)的智能化已經(jīng)成為未來無線網(wǎng)絡(luò)發(fā)展的關(guān)鍵技術(shù)問題。

本文從“人”（用戶特征獲取與分析）、“工”（工作參數(shù)配置與調(diào)整）、“智”（智慧資源管控與優(yōu)化）、“能”（承載能力提升與進(jìn)化）4個方面闡述了支撐無線網(wǎng)絡(luò)智能化發(fā)展的功能架構(gòu)，如圖1所示。同時，結(jié)合不同功能和應(yīng)用場景的特點(diǎn)，提出了大數(shù)據(jù)分析以及人工智能在無線網(wǎng)絡(luò)中的典型用例，從而實(shí)現(xiàn)網(wǎng)絡(luò)資源與用戶需求的精準(zhǔn)匹配。本文旨在給大家提供一種啟示性研究思路，使得大數(shù)據(jù)分析以及人工智能在未來無線通信網(wǎng)絡(luò)中得到廣泛關(guān)注，支撐未來人與人、人與物、物與物的全面互聯(lián)需求。

1 “人”：用戶特征獲取 與分析

用戶是無線網(wǎng)絡(luò)服務(wù)的核心對象，實(shí)時、準(zhǔn)確地獲取用戶的業(yè)務(wù)信息同時對用戶的體驗(yàn)信息進(jìn)行有效建模、評估是保證無線網(wǎng)絡(luò)智能運(yùn)行的基礎(chǔ)，與此同時掌握用戶的行為特征、業(yè)務(wù)特征也有助于網(wǎng)絡(luò)的資源分配與管理。

1.1 業(yè)務(wù)特征分析

無線網(wǎng)絡(luò)的性能與業(yè)務(wù)模型緊密相關(guān)，而移動互聯(lián)網(wǎng)新興業(yè)務(wù)的不斷涌現(xiàn)給無線網(wǎng)絡(luò)的運(yùn)維提出了挑戰(zhàn)，傳統(tǒng)無線網(wǎng)絡(luò)是通過采集核心網(wǎng)信令進(jìn)行業(yè)務(wù)深度解析并檢測出業(yè)務(wù)類別。然而其業(yè)務(wù)識別種類及實(shí)時感知控制能力尚不能滿足未來智能化無線網(wǎng)絡(luò)的應(yīng)用需求。通過大數(shù)據(jù)分析手段建立終端、接入網(wǎng)、核心網(wǎng)、業(yè)務(wù)提供商的全鏈條業(yè)務(wù)識別與分析體系，可有效改善整網(wǎng)的業(yè)務(wù)保障能力，例如：可改善時延敏感類業(yè)務(wù)的用戶體驗(yàn)，提升高價值業(yè)務(wù)感知，限制低價值業(yè)務(wù)的資源占用等。

另一方面，隨著數(shù)據(jù)分析手段和計(jì)算能力的提升，使得利用業(yè)務(wù)特征數(shù)據(jù)建立大量用戶及業(yè)務(wù)的時空關(guān)聯(lián)特征成為可能。例如：在文獻(xiàn)[1]中作者建立了貝耶斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)框架，利用觀測樣本數(shù)據(jù)來確定業(yè)務(wù)的空間統(tǒng)計(jì)分布及依賴關(guān)系，進(jìn)而可以進(jìn)行小區(qū)間業(yè)務(wù)的合理推理與趨勢預(yù)測?；跇I(yè)務(wù)數(shù)據(jù)的時空關(guān)聯(lián)關(guān)系可為網(wǎng)絡(luò)資源分配與預(yù)留提供重要依據(jù)。

1.2 用戶體驗(yàn)分析

用戶體驗(yàn)是判斷智能無線網(wǎng)絡(luò)優(yōu)劣的基本準(zhǔn)則。現(xiàn)如今，各類移動數(shù)字設(shè)備層出不窮，社會各個領(lǐng)域的信息化不斷加深，因此，存在大量與人類領(lǐng)域、技術(shù)領(lǐng)域、經(jīng)濟(jì)領(lǐng)域、環(huán)境領(lǐng)域相關(guān)的復(fù)雜因素影響著移動用戶的業(yè)務(wù)體驗(yàn)，分析的維度以及關(guān)聯(lián)關(guān)系復(fù)雜度不斷提升。此外，研究表明：85%以上的用戶并不愿意反饋?zhàn)约旱臉I(yè)務(wù)體驗(yàn)，導(dǎo)致用戶的實(shí)時準(zhǔn)確信息難以獲取，使得用戶體驗(yàn)的分析變得更加困難。因此，通過用戶的客觀行為建立用戶的真實(shí)體驗(yàn)?zāi)Ｐ统蔀榱藰O具吸引力的新方向。

以移動視頻業(yè)務(wù)為例，用戶的客觀行為表征參數(shù)，如放棄率、觀看時長、快進(jìn)頻率等具有較好的可測性，可在用戶無感知的條件下為用戶體驗(yàn)的建模提供基礎(chǔ)行為數(shù)據(jù)。在此基礎(chǔ)上，可以結(jié)合移動視頻應(yīng)用環(huán)境來進(jìn)一步優(yōu)化用戶體驗(yàn)建模的準(zhǔn)確性。例如：根據(jù)全球定位系統(tǒng)（GPS）信息和基站信息確定用戶所處位置；利用終端的麥克采集環(huán)境噪音強(qiáng)度；利用終端感光器采集環(huán)境的光強(qiáng)；根據(jù)時鐘信息確定時間等來判斷用戶體驗(yàn)業(yè)務(wù)時的周邊環(huán)境，將此類數(shù)據(jù)與用戶客觀行為數(shù)據(jù)進(jìn)行聯(lián)合處理可以有效地獲得用戶的一些真實(shí)業(yè)務(wù)體驗(yàn)。

傳統(tǒng)的無線網(wǎng)絡(luò)中的數(shù)據(jù)報表往往是單維的、無關(guān)聯(lián)的，無法描述網(wǎng)絡(luò)的運(yùn)行細(xì)節(jié)，更無法體現(xiàn)用戶的真實(shí)感知，因此通過用戶體驗(yàn)與業(yè)務(wù)特征的智能分析為網(wǎng)絡(luò)的智慧運(yùn)營打下了良好的基礎(chǔ)。

2 “工”：工作參數(shù)配置 與調(diào)整

為了應(yīng)對數(shù)千倍容量需求，無線網(wǎng)絡(luò)的基本形態(tài)將是超高密度布設(shè)的小基站（熱點(diǎn)/家庭基站/微微小區(qū)）+微小區(qū)+宏小區(qū)，并與無線局域網(wǎng)絡(luò)互補(bǔ)共贏、異構(gòu)融合。因此，站址位置的選取以及基站工作參數(shù)的配置復(fù)雜度將成指數(shù)增長，通過引入大數(shù)據(jù)與人工智能的處理手段，可有效減輕網(wǎng)規(guī)網(wǎng)優(yōu)人員的負(fù)擔(dān)。

2.1 站址位置優(yōu)化

傳統(tǒng)無線網(wǎng)絡(luò)規(guī)劃通常需要考慮網(wǎng)絡(luò)結(jié)構(gòu)、業(yè)務(wù)分布、網(wǎng)絡(luò)覆蓋、無線傳播環(huán)境、干擾規(guī)避、邊界協(xié)調(diào)等方面的要求，目前已有針對2G、3G和長期演進(jìn)（LTE）系統(tǒng)所量身打造的網(wǎng)規(guī)網(wǎng)優(yōu)系統(tǒng)，比如中興通訊的ZTE UniPOS無線網(wǎng)絡(luò)規(guī)劃系統(tǒng)和ZTE UniPOS無線網(wǎng)絡(luò)優(yōu)化系統(tǒng)，但傳統(tǒng)網(wǎng)絡(luò)規(guī)劃問題站址個數(shù)和備選位置往往相對較少，隨著微站和微微站的大規(guī)模商用使得網(wǎng)絡(luò)站址選取與優(yōu)化復(fù)雜度不斷提升，與此同時家庭基站的引入使得蜂窩基站的布設(shè)位置不再受運(yùn)營商精準(zhǔn)控制，這也無形中增加了無線網(wǎng)絡(luò)規(guī)劃的難度。因此，面向5G超密集基站部署問題傳統(tǒng)的測量與優(yōu)化方法將不能很好地滿足應(yīng)用需求。通過粒子群優(yōu)化、量子粒子群優(yōu)化等智能算法的引入，可有效解決站址個數(shù)、站址位置的雙重優(yōu)化問題，同時提升網(wǎng)絡(luò)規(guī)劃的自主性、最優(yōu)性以及魯棒性。

2.2 設(shè)備工參配置

網(wǎng)絡(luò)的密集布設(shè)使網(wǎng)絡(luò)需管理和配置的參數(shù)大幅增長，例如：在2G網(wǎng)絡(luò)中，單節(jié)點(diǎn)需要配置和優(yōu)化的參數(shù)大約為500個；3G網(wǎng)絡(luò)需要配置和優(yōu)化的參數(shù)達(dá)1 000個；4G則有1 500個參數(shù)，而在下一代網(wǎng)絡(luò)中，單節(jié)點(diǎn)[2]可能需要配置和優(yōu)化達(dá)2 000個參數(shù)，與此同時，各個工作參數(shù)間的關(guān)聯(lián)關(guān)系更為復(fù)雜。

針對無線網(wǎng)絡(luò)巨量工作參數(shù)配置復(fù)雜度指數(shù)增長的挑戰(zhàn)，我們需要構(gòu)建多維工作參數(shù)的網(wǎng)絡(luò)化自配置架構(gòu)，設(shè)計(jì)分層分區(qū)的低開銷分配與配置方案。例如：可根據(jù)網(wǎng)絡(luò)規(guī)模與密度，將覆蓋區(qū)域劃分為緊密相接的彈性虛擬小區(qū)，根據(jù)最大化空間復(fù)用原則為每個彈性虛擬小區(qū)分配局部最優(yōu)的工參配置表?；究筛鶕?jù)自身地理位置與密集小區(qū)工參配置表進(jìn)行映射，快速配置多維工作參數(shù)，從而減少多個密集區(qū)域配置參數(shù)及配置開銷，且僅需低頻次網(wǎng)絡(luò)化的聯(lián)動交互，就可實(shí)現(xiàn)網(wǎng)絡(luò)工作參數(shù)的無沖突分配和配置，使得網(wǎng)絡(luò)資源分配和配置開銷不隨網(wǎng)絡(luò)規(guī)模和密度增大而顯著增長。此外，網(wǎng)絡(luò)化的自配置架構(gòu)同時可以支撐網(wǎng)絡(luò)參數(shù)的在線調(diào)整，為網(wǎng)絡(luò)資源的按需流動提供了基礎(chǔ)。

3 “智”：智慧資源管控 與優(yōu)化

智慧的資源管控是智能化無線網(wǎng)絡(luò)的核心，其目標(biāo)是通過無線資源的優(yōu)化分配與動態(tài)流轉(zhuǎn)來匹配用戶的需求。

3.1 資源結(jié)構(gòu)優(yōu)化

網(wǎng)絡(luò)資源結(jié)構(gòu)的優(yōu)化是在相對較大的時間尺度上為網(wǎng)絡(luò)提供優(yōu)化的資源結(jié)構(gòu)，主要包含小區(qū)結(jié)構(gòu)優(yōu)化、頻率結(jié)構(gòu)優(yōu)化、時間結(jié)構(gòu)優(yōu)化。

（1）小區(qū)結(jié)構(gòu)優(yōu)化

由于基站布設(shè)密度、用戶密度以及業(yè)務(wù)密度的不斷提升，網(wǎng)絡(luò)干擾成為了制約網(wǎng)絡(luò)服務(wù)質(zhì)量提升的關(guān)鍵因素，尤其是小區(qū)邊緣用戶服務(wù)質(zhì)量更是無法很好地得到滿足，通過統(tǒng)一網(wǎng)絡(luò)化資源管控架構(gòu)可以實(shí)現(xiàn)物理小區(qū)的合并與拆分，也就是在網(wǎng)絡(luò)部署后可以實(shí)現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)調(diào)整來適應(yīng)不同的業(yè)務(wù)分布。因此，可以通過將小區(qū)結(jié)構(gòu)優(yōu)化與業(yè)務(wù)特征分析相結(jié)合，構(gòu)建最佳的小區(qū)結(jié)構(gòu)。

（2）頻率結(jié)構(gòu)優(yōu)化

當(dāng)前的無線網(wǎng)絡(luò)有D、E、F等多個頻段可以使用，未來5G在3.5 GHz以及更高頻率將會有更多可供使用的頻段，大量接入點(diǎn)的頻點(diǎn)配置及其形成的網(wǎng)絡(luò)頻率結(jié)構(gòu)自優(yōu)化將成為關(guān)鍵。文獻(xiàn)[3]中將該問題建模為一個非合作速率最大化博弈模型，并設(shè)計(jì)了一種完全分布式的頻點(diǎn)分配算法，在不需要大量信息交互的條件下實(shí)現(xiàn)了即插即用的自主頻率優(yōu)化。

（3）時間結(jié)構(gòu)優(yōu)化

由于業(yè)務(wù)的多樣性和時變性導(dǎo)致上下行業(yè)務(wù)存在不均衡的現(xiàn)象，而在時分雙工（TDD）系統(tǒng)中可通過動態(tài)調(diào)整上下行子幀的配比來動態(tài)適應(yīng)網(wǎng)絡(luò)中業(yè)務(wù)的變化。然而，不同接入點(diǎn)使用不同的子幀配比也將引入交叉子幀干擾，從而降低了網(wǎng)絡(luò)的整體性能，因此需要整網(wǎng)的數(shù)據(jù)統(tǒng)計(jì)和分析來實(shí)現(xiàn)最優(yōu)的子幀配比。文獻(xiàn)[4]、[5]中作者提出了一種基于動態(tài)TDD的匹配網(wǎng)絡(luò)業(yè)務(wù)分布的最優(yōu)資源分配方法，該方法首先根據(jù)網(wǎng)絡(luò)中小區(qū)的業(yè)務(wù)需求將小區(qū)進(jìn)行聚類，推導(dǎo)了不同業(yè)務(wù)負(fù)載對蜂窩鏈路成功傳輸概率的影響。以最小化每類小區(qū)的服務(wù)時間為目標(biāo)，求解出了與每類小區(qū)上下行業(yè)務(wù)需求最優(yōu)匹配的上下行子幀配置因子，實(shí)現(xiàn)了網(wǎng)絡(luò)業(yè)務(wù)與資源的最優(yōu)匹配。

3.2 資源動態(tài)流動

資源動態(tài)流動是在小時間尺度上智能地為用戶提供最佳資源，主要包含動態(tài)資源轉(zhuǎn)移、動態(tài)資源關(guān)斷、異質(zhì)資源轉(zhuǎn)化。

（1）動態(tài)資源轉(zhuǎn)移

根據(jù)無線資源細(xì)粒度調(diào)度和自適應(yīng)調(diào)整的需求，可在優(yōu)化的資源結(jié)構(gòu)基礎(chǔ)上，通過資源狀態(tài)交互，發(fā)現(xiàn)并利用空間隔離區(qū)域小區(qū)間的隱藏關(guān)聯(lián)關(guān)系，將多個相互獨(dú)立小區(qū)的接入資源進(jìn)行聚合，形成網(wǎng)絡(luò)化的群聚資源。根據(jù)用戶業(yè)務(wù)時空變化特性，綜合考慮密集區(qū)域內(nèi)站址的空間分布與頻率資源的耦合度，以密集區(qū)域內(nèi)接入用戶數(shù)最大化為目標(biāo)，動態(tài)構(gòu)建最佳小區(qū)形狀及動態(tài)區(qū)域結(jié)構(gòu)，進(jìn)行資源的分配和網(wǎng)絡(luò)化加載，使用戶在新構(gòu)建的區(qū)域小區(qū)間平滑流轉(zhuǎn)，實(shí)現(xiàn)了資源加載過程的快速收斂和區(qū)域間的負(fù)載均衡，有效地降低系統(tǒng)的阻塞率，提升了系統(tǒng)容量。

（2）動態(tài)資源關(guān)斷

在優(yōu)化網(wǎng)絡(luò)運(yùn)行狀態(tài)的過程中，除了系統(tǒng)吞吐量，網(wǎng)絡(luò)傳輸過程中的能量效率同樣是一個值得關(guān)注的問題。在5G密集組網(wǎng)場景中除了較大時間尺度上對密集接入點(diǎn)進(jìn)行關(guān)斷/開啟外，載波關(guān)斷技術(shù)也作為一個節(jié)能策略被廣泛研究，例如：在分時長期演進(jìn)（TD-LTE）網(wǎng)絡(luò)中，當(dāng)業(yè)務(wù)負(fù)載較輕時，將一幀中的下行子幀配置成一個或多個多播/組播單頻網(wǎng)絡(luò)（MBSFN）子幀，可以實(shí)現(xiàn)更多的符號關(guān)斷。通過動態(tài)配置MBSFN區(qū)域內(nèi)的小區(qū)，并分配MBSFN區(qū)域間的多播幀配置，可以實(shí)現(xiàn)多小區(qū)資源的聯(lián)動和干擾的有機(jī)規(guī)避，從而在節(jié)省基站功率消耗的同時提升了網(wǎng)絡(luò)吞吐量，進(jìn)而可以支持更多用戶。

（3）異質(zhì)資源轉(zhuǎn)化

在密集接入場景下無線局域網(wǎng)與蜂窩網(wǎng)絡(luò)的深度融合已成為必然趨勢。兩種網(wǎng)絡(luò)資源在時、空、頻多個維度均存在差異。因此需要對異質(zhì)資源配置進(jìn)行實(shí)時優(yōu)化，以適應(yīng)無線信道狀態(tài)的隨機(jī)變化，匹配不同類型用戶的業(yè)務(wù)特征，文獻(xiàn)[6]中作者提出了一種兩種異質(zhì)網(wǎng)絡(luò)的聯(lián)合資源轉(zhuǎn)化方法，充分利用不同網(wǎng)絡(luò)的業(yè)務(wù)負(fù)載與傳輸能力的異質(zhì)化特性，細(xì)粒度地緩解網(wǎng)絡(luò)間干擾，保障用戶服務(wù)需求。此外，計(jì)算資源與存儲資源的優(yōu)化分配及其與通信資源間的有機(jī)轉(zhuǎn)化也是目前研究的熱點(diǎn)。

4 “能”：承載能力提升 與進(jìn)化

支持增強(qiáng)移動寬帶業(yè)務(wù)，如無線虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)（VR/AR）；超高可靠低時延業(yè)務(wù)，如車聯(lián)網(wǎng)控制信息；海量機(jī)器類通信（mMTC），如物聯(lián)網(wǎng)業(yè)務(wù)，是5G無線網(wǎng)絡(luò)承載能力提升的重要目標(biāo)。以數(shù)據(jù)為驅(qū)動力，我們突破了網(wǎng)絡(luò)化智能資源管控技術(shù)，并在第3屆全國互聯(lián)網(wǎng)+大賽主會場——西電遠(yuǎn)望谷體育館構(gòu)建了“繁星”密集無線通信試驗(yàn)系統(tǒng)，系統(tǒng)通過認(rèn)知資源彈性配置、區(qū)域資源鏈?zhǔn)铰?lián)動、跨域資源聚合協(xié)同，實(shí)現(xiàn)網(wǎng)絡(luò)連接密度提升與無線全息業(yè)務(wù)承載的新突破，保障了互聯(lián)網(wǎng)+大賽的順利圓滿進(jìn)行，為用戶提供了“身臨其境”的極速無線業(yè)務(wù)體驗(yàn)，如圖2所示。

無線網(wǎng)絡(luò)是數(shù)據(jù)傳輸?shù)妮d體，同時數(shù)據(jù)的不斷積累也成為無線網(wǎng)絡(luò)智能化水平不斷的先決條件，未來無線網(wǎng)絡(luò)將成為不斷具備自配置、自優(yōu)化、自愈合的智能化系統(tǒng)[7-9]，甚至將具備自進(jìn)化的能力，如圖3所示。

5 結(jié)束語

大數(shù)據(jù)與人工智能已經(jīng)在一些規(guī)則的、有邊界的問題處理中取得了比較好的應(yīng)用效果，如圍棋、醫(yī)療等領(lǐng)域，然而針對支持萬物互聯(lián)的無線網(wǎng)絡(luò)是否有驚人的優(yōu)勢還在不斷探索中；但海量數(shù)據(jù)與智能算法一定會成為無線網(wǎng)絡(luò)進(jìn)一步發(fā)展的重要基礎(chǔ)。通過在用戶特征分析、工參優(yōu)化配置、智能資源管控、承載能力提升等方面引入人工智能可以幫助人們在系統(tǒng)布設(shè)、自動化運(yùn)營和優(yōu)化等各個核心環(huán)節(jié)做出更明智的決策，能進(jìn)一步滿足并催生新興業(yè)務(wù)。

參考文獻(xiàn)

[1] HAN W J， SANG H Y， SHENG M， LI J D. Efficient Learning of Statistical Primary Patterns via Bayesian Network[C]// IEEE International Conference on Communications.USA：IEEE， 2015 ：4871-4876. DOI： 10.1109/ICC.2015.7249094

[2] IMRAN A， ZOHA A， A ABU-DAYYA A. Challenges in 5G： How to Empower SON with Big Data for Enabling 5G [J]. IEEE Network， 2014， 28（6）： 27-33. DOI： 10.1109/MNET.2014.6963801

[3] XU C， SHENG M， WANG X J. Distributed Subchannel Allocation for Interference Mitigation in OFDMA Femtocells： A Utility-based Learning Approach[J]. IEEE Transactions on Vehicular Technology， 2015， 64（6）： 2463-2475.DOI： 10.1109/TVT.2014.2344434

[4] SUN H G，SHENG M， MATTHIAS W， et al. Traffic Adaptation for Small Cell Networks with Dynamic TDD[C]//Proceedings of 2016 IEEE Global Communications Conference. USA：IEEE，2016

[5] SUN H G，SHENG M， MATTHIAS W， et al. Traffic Adaptation and Energy Efficiency for Small Cell Networks With Dynamic TDD[J].IEEE Journal on Selected Areas in Communications， 2016， 34： 3234-3251. DOI： 10.1109/JSAC.2016.2600442

[6] WANG L， SHENG M， ZHANG Y， et al.IM-Torch： Interference Mitigation via Traffic Offloading in Macro/Femtocell+WiFi HetNets[C]//2013 IEEE 24th Annual International Symposium on Personal， Indoor， and Mobile Radio Communications. USA：IEEE， 2013：1705-1709. DOI： 10.1109/PIMRC.2013.6666417

[7] KHATIB E J， BARCO R， MUNOZ P， et al. Self-Healing in Mobile Networks with Big Data [J]. IEEE Communications Magazine， 2016， 54（1）： 114-120.DOI： 10.1109/MCOM.2016.7378435

[8] GOMEZ-ANDRADES A， MUNOZ P， SERRANO I. Automatic Root Cause Analysis for LTE Networks Based on Unsupervised Techniques[J].IEEE Transactions on Vehicular Technology， 2016， 65（4）： 2369-2386

[9] BARCO R， LAZARO P， MUNOZ P. A Unified Framework for Self-Healing in Wireless Networks[J]. IEEE Communications Magazine， 2012， 50（12）： 134-142. DOI： 10.1109/MCOM.2012.6384463