基于数据挖掘和地理可视化的4G/5G语音质量优化研究

doi:10.11959/j.issn.1000-0801.2022243

电信科学 ›› 2022, Vol. 38 ›› Issue (10): 131-139.doi: 10.11959/j.issn.1000-0801.2022243

基于数据挖掘和地理可视化的4G/5G语音质量优化研究

胡坚¹, 孙磊¹, 尹以雁¹, 杨晓康¹, 白金贵², 张叶江¹

¹ 中国移动通信集团云南有限公司，云南昆明 650041
² 上海诺基亚贝尔股份有限公司，上海 201206

修回日期:2022-08-13 出版日期:2022-10-20 发布日期:2022-10-01
作者简介:胡坚（1977- ），男，中国移动通信集团云南有限公司高级工程师，主要研究方向为4G/5G无线网络优化、VoLTE语音优化等
孙磊（1982- ），男，现就职于中国移动通信集团云南有限公司，主要研究方向为4G/5G无线网络优化
尹以雁（1984- ），男，现就职于中国移动通信集团云南有限公司，主要研究方向为4G/5G无线网络优化
杨晓康（1976- ），男，现就职于中国移动通信集团云南有限公司，主要研究方向为4G/5G无线网络优化
白金贵（1978- ），男，现就职于上海诺基亚贝尔股份有限公司，主要研究方向为4G/5G无线网络优化
张叶江（1989- ），男，中国移动通信集团云南有限公司工程师，主要研究方向为4G/5G无线网络优化、网络规划建设等

Research on 4G/5G voice quality optimization based on data mining and geographic visualization

Jian HU¹, Lei SUN¹, Yiyan YIN¹, Xiaokang YANG¹, Jingui BAI², Yejiang ZHANG¹

¹ China Mobile Group Yunnan Co., Ltd., Kunming 650041, China
² Nokia Shanghai Bell Co., Ltd., Shanghai 201206, China

Revised:2022-08-13 Online:2022-10-20 Published:2022-10-01

摘要/Abstract

摘要：

传统语音质量优化依赖于现场测试、案例积累和专家经验，以人工试验的方式分析问题，成本高昂且效率低下。通过应用数据挖掘、决策树机器学习算法以及地理可视化等多种技术，开发了基于大数据分析的语音体验优化可视化平台，可有效识别语音大数据中的规律，实现用户语音体验指标与无线网络性能指标关联分析、劣化门限智能识别以及质差区域画像分析等功能，有利于降低网络工程师技能门槛、提升网络优化工作效率、节省网络运维成本，为行业提供精准有效的语音体验提升解决方案。

关键词: 数据挖掘, 地理可视化, 决策树, 语音体验, 皮尔森相关系数

Abstract:

Traditional voice quality optimization relies on field test, case accumulation and expert experience.It is costly and inefficient to analyze problems by manual test.Through the application of data mining, decision tree machine learning algorithm, geographic visualization and other technologies, a voice experience optimization visualization platform based on big data analysis was developed, which could effectively identify the laws in voice big data, and realize the functions of correlation analysis between user voice experience index and wireless network performance index, intelligent recognition of degradation threshold and image analysis of poor quality areas.It is conducive to reduce the skill threshold of network engineers, improve the work efficiency of network optimization, save network operation and maintenance costs, and provide accurate and effective voice experience improvement solutions for the industry.

Key words: data mining, geographic visualization, decision tree, voice experience, Pearson correlation coefficient

中图分类号:

TN929.5

胡坚, 孙磊, 尹以雁, 杨晓康, 白金贵, 张叶江. 基于数据挖掘和地理可视化的4G/5G语音质量优化研究[J]. 电信科学, 2022, 38(10): 131-139.

Jian HU, Lei SUN, Yiyan YIN, Xiaokang YANG, Jingui BAI, Yejiang ZHANG. Research on 4G/5G voice quality optimization based on data mining and geographic visualization[J]. Telecommunications Science, 2022, 38(10): 131-139.

图/表 9

图1

图2

图3

图4

图5

图6

图7

图8

表1

参考文献 18

[1]	李宏佳, 王利明, 徐震 ,等. 5G安全:通信与计算融合演进中的需求分析与架构设计[J]. 信息安全学报, 2018,3(5): 1-14.
	LI H J , WANG L M , XU Z ,et al. 5G security:requirements analysis and architecture design towards CT and IT convergent evolution[J]. Journal of Cyber Security, 2018,3(5): 1-14.
[2]	李贝, 刘光海, 肖天 ,等. VoNR 语音解决方案应用研究[J]. 电信科学, 2022,38(5): 149-157.
	LI B , LIU G H , XIAO T ,et al. Research on VoNR solution ap-plication[J]. Telecommunications Science, 2022,38(5): 149-157.
[3]	覃思旺, 雷梦丹, 赵志民 . 5G初期语音业务方案与优化策略[J]. 广西通信技术, 2019(3): 25-28.
	QIN S W , LEI M D , ZHAO Z M . Voice service scheme and op-timization strategy in 5G initialstage[J]. Guangxi Communica-tion Technology, 2019(3): 25-28.
[4]	黄冰柏, 程佳鸣, 林永兴 ,等. 提升 VoLTE 客户感知的优化分析方法浅析[J]. 移动通信, 2016,40(6): 25-29.
	HUANG B B , CHENG J M , LIN Y X ,et al. VoLTE customer perception improvement and optimization method analysis[J]. Mobile Communications, 2016,40(6): 25-29.
[5]	屈军锁, 唐晨雪, 蔡星 ,等. 人工智能与通信网络融合趋势[J]. 西安邮电大学学报, 2021,26(5): 15-26.
	QU J S , TANG C X , CAI X ,et al. Integration trend of AI and communication network[J]. Journal of Xi'an University of Posts and Telecommunications, 2021,26(5): 15-26.
[6]	刘通 . 移动互联网端到端客户感知评估与问题分析思路探讨[J]. 移动通信, 2016,40(11): 64-72.
	LIU T . Discussion on end to end customer perception evaluation and problem analysis methodsfor mobile Internet[J]. Mobile Communications, 2016,40(11): 64-72.
[7]	吕军 . 中国电信FDD 4G VoLTE语音感知MOS质量问题分析和优化提升的研究[J]. 数据通信, 2020(5): 1-9.
	LYU J . Analysis and optimization of MOS quality of FDD 4G VoLTE voice perception in China Telecom[J]. Data Communi-cations, 2020(5): 1-9.
[8]	伏玉笋 . 移动通信网络评价准则与解决方案[J]. 电信科学, 2020,36(11): 28-38.
	FU Y S . Evaluation criteria and solution of mobile communication network[J]. Telecommunications Science, 2020,36(11): 28-38.
[9]	黄毅华, 孙柳益, 卢洪涛 ,等. 用户感知体系优化的探讨及应用[J]. 移动通信, 2018,42(4): 90-96.
	HUANG Y H , SUN L Y , LU H T ,et al. Discussion and applica-tion of user experience system optimization[J]. Mobile Com-munications, 2018,42(4): 90-96.
[10]	陈森, 陈超, 张小勇 ,等. 基于大数据分析的移动互联网用户感知评估系统[J]. 电信科学, 2015,31(4): 154-161.
	CHEN S , CHEN C , ZHANG X Y ,et al. Evaluation system of mobile Internet user experience based on big data analysis[J]. Telecommunications Science, 2015,31(4): 154-161.
[11]	杨燕 . 浅析移动通信网络中的QoE[J]. 电信科学, 2007,23(8): 34-38.
	YANG Y . Simple analysis of QoE in mobile communication network[J]. Telecommunications Science, 2007,23(8): 34-38.
[12]	李强, 金陈潇帅, 许一骅 . 浅谈自动语音识别测评指标字错率和句错率的应用[J]. 现代传输, 2020(1): 61-64.
	LI Q , JIN C X S , XU Y H . Brief talk on the application of word error rate and sentence error rate of automatic speech recognition evaluation index[J]. Modern Transmission, 2020(1): 61-64.
[13]	李莉 . 统计学原理与应用[M]. 南京: 南京大学出版社, 2019.
	LI L . Principles and applications of statistics[M]. Nanjing: Nan-jing University Press, 2019.
[14]	刘宝锺 . 大数据分类模型和算法研究[M]. 昆明: 云南大学出版社, 2020.
	LIU B Z . Research on big data classification model and algo-rithm[M]. Kunming: Yunnan University Press, 2020.
[15]	孙韶辉, 戴翠琴, 徐晖 ,等. 面向6G的星地融合一体化组网研究[J]. 重庆邮电大学学报(自然科学版), 2021,33(6): 891-901.
	SUN S H , DAI C Q , XU H ,et al. Survey on satellite-terrestrial integration networking towards 6G[J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2021,33(6): 891-901.
[16]	刘璐, 陈睿杰, 李嘉 . 基于 MDT 重叠覆盖度数据的KNN-DBSCAN 参数自适应调优研究[J]. 电信科学, 2022,38(2): 119-129.
	LIU L , CHEN R J , LI J . Research on adaptive optimization of KNN-DBSCAN parameters based on MDT overlapping cover-age data[J]. Telecommunications Science, 2022,38(2): 119-129.
[17]	朱懿, 邵柱 . 部署 Greenplum 数据库[J]. 网络安全和信息化, 2019(10): 81-83.
	ZHU Y , SHAO Z . Deploy the Greenplum database[J]. Security＆ Informatization, 2019(10): 81-83.
[18]	余彪 . 基于数据挖掘的 Greenplum 分析[J]. 计算机与网络, 2017,43(16): 62-65.
	YU B . Analysis on Greenplum based on data mining[J]. Com-puter ＆ Network, 2017,43(16): 62-65.

对比项	问题发现/h	问题处理/天	高端优化/人	低端优化/人	工具数量/套	派单数量/（件·月^-1）
平台使用前	5	2	50	200	70	8 790
平台使用后	<0.1	1.3	30	150	20	4 713
提升幅度	98.00%	35.00%	40.00%	25.00%	71.43%	46.38%

基于数据挖掘和地理可视化的4G/5G语音质量优化研究

Research on 4G/5G voice quality optimization based on data mining and geographic visualization

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 18

相关文章 15

Metrics

推荐阅读 0

[1]	王雪荣, 唐政治, 李银川, 齐美玉, 朱建波, 张亮. 基于优化决策树的时延敏感流智能感知调度[J]. 电信科学, 2023, 39(4): 120-132.
[2]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[3]	周晶,孙喜民,于晓昆,边新宁. 知识图谱与数据应用——智能推荐[J]. 电信科学, 2019, 35(8): 165-172.
[4]	崔羽飞,魏进武,潘思宇,张溶芳,王笑,贾子翔. 一种基于决策树终端换机间隔的研究[J]. 电信科学, 2019, 35(7): 165-172.
[5]	陈小峰,赵雅迪,张利鹏,朱峰. 电力潜在敏感客户预测的大数据方法应用[J]. 电信科学, 2019, 35(11): 117-124.
[6]	陈雨泽,李磊,方学民,刘建,赵加奎,刘玉玺,左松林. 基于回归分析的迎峰度夏用电量分析[J]. 电信科学, 2019, 35(11): 125-131.
[7]	金鑫,闫龙川,刘军,张书林. 基于决策树的企业信息系统故障自动诊断分析方法[J]. 电信科学, 2017, 33(3): 163-167.
[8]	李卓航. 一种改进的CLTree算法[J]. 电信科学, 2016, 32(8): 124-127.
[9]	何振红. 基于广义高斯分布FDCT_Wrap和FSVM的虹膜识别[J]. 电信科学, 2016, 32(7): 126-131.
[10]	邢宇恒. 基于知识库的系统安全评估方法[J]. 电信科学, 2016, 32(4): 192-196.
[11]	王雪琼,熊珺洁,姚晓辉. 基于大数据挖掘的终端换机模型[J]. 电信科学, 2016, 32(12): 43-52.
[12]	王永峰,程新洲,高洁. 大数据架构在企业中的应用[J]. 电信科学, 2015, 31(9): 170-174.
[13]	廖建新. 大数据技术的应用现状与展望[J]. 电信科学, 2015, 31(7): 1-12.
[14]	庞松涛. 基于数据挖掘的电力云资源规划调度[J]. 电信科学, 2015, 31(3): 2015084-.
[15]	庞松涛. 基于数据挖掘的电力云资源规划调度[J]. 电信科学, 2015, 31(3): 142-147.