基于集成学习的电信诈骗与营销呼叫行为识别方法研究

传统的诈骗识别方法难以区分诈骗电话和营销电话,导致大量营销电话被误判为诈骗电话,降低了打击诈骗精准性。本文提出了一种基于集成学习的电信诈骗与营销呼叫行为识别方法。该方法通过对大量异常呼叫样本数据进行处理,提取出商业性营销呼叫和诈骗呼叫在不同场景下的呼叫特征参数,并利用集成学习技术对这些样本数据和特征参数进行训练和建模。实验结果表明,该方法能够快速、准确地判断出诈骗电话,从而实现对诈骗电话的限制和有效打击。

5G信号快衰场景的异频切换算法优化

为节省投资,部分电梯车库等区域未规划5G覆盖,由于快衰产生用户感知问题。本文对5G用户进入电梯后业务过程发生掉线的问题进行分析,在4G/5G等多制式的网络中,对5G覆盖不完善区域,开展异频切换算法优化,保证用户5G驻留比,并提升用户感知。

5G大型通信保障流量建模与应用

为提高5G无线网络在高并发场景下的应急通信保障能力,对5G移动通信网络大型通信保障场景下业务流量进行分析,基于大数据分析、话务模型建立和模拟仿真大话务压力测试,提出了一套综合的业务预测和网络容量规划模型,试验后节省20%的网络规划资源。

基于神经网络全连接的5G重点区域流量预测

着重探讨了5G热点区域流量预测中时空因素如节假日、天气、事件等对预测结果的影响。基于深度学习技术,提出了一种全新的5G热点区域流量预测模型。该模型融合了长短期记忆网络(LSTM)与人工神经网络(ANN),使其能够自动学习并处理复杂的时空数据。实验验证表明,该模型在预测准确性和稳定性方面均表现出色,其区域R Squared准确率高达96%以上。这项研究为5G网络的规划和优化提供了有力支持。

融合700 MHz中继快速开通大功率皮飞站提升用户感知

在有线传输不可达的情况下,评估700 MHz无线覆盖电平,创新性的利用5G网络,结合4G深度覆盖的需求,使用大功率皮飞站,解决4G网络问题,缩短4G网络建设周期的同时保证用户感知,提出相应的优化流程和解决方案。

多小区OFDMA系统基于罚函数-SA的资源分配算法

在多小区OFDMA系统中,基于集中式资源管理,考虑本小区对其它小区的干扰情况,对各个小区的子载波和功率分配进行调整,从而达到最小化总功率的目的。基于离散功率取值,提出了一个资源分配组合优化问题模型。为了进一步降低模型复杂度,采用罚函数的方法简化问题模型,用改进的模拟退火算法进行求解。理论分析和仿真结果表明,与A.Abrardo提出的多分配算法相比,所提出的算法能够有效降低算法复杂度,且能够获得更好的吞吐量。

4G终端无法接入网络的问题分析和处理

随着第四代移动通信技术的发展,2G、3G、4G等多张网络并存,相比原有的2\3G网络而言,网络结构更加复杂,移动终端更新速度快,终端与网络之间如何兼容成为亟待解决的问题。本文通过端到端的信令分析34G单卡双待终端无法同时驻留在3G和4G这两个网络上导致无法进行语音业务的问题,定位问题所在,并提出相关解决方案。

4G终端语音无法回落问题的分析及处理

为解决4G语音终端无法回落的投诉问题,从具体案例出发,对移动通信网络的无线侧和核心侧进行分析,用排除法进行问题定位研究,得出问题是由RFSIM卡通道无法切换引起的结论,并对具体问题提出解决方案,形成相关方法论用于指导实际工作。

通信网络中的移动脆弱节点定位与实现

针对通信网络中的移动脆弱点要进行定位和分析,及时发现网络中出现的故障并采取有效措施加以解决,实现整个网络正常运作。本文主要阐述通信网络中移动脆弱点的定位以及网络结构的功能,并对节点分布模型进行深入研究,从而提高通信网络的质量。

基于罚函数的自适应全半切换算法

提出了一种全半速率自适应切换的算法,基于话务情况,自适应调整话务忙门限,实现全半速率占比动态分配。该算法通过网络选择路损、转换电平门限和质量保护门限来保证质量及容量,通过全半切换的统计、判决时间来避免乒乓切换和保证信道连续性,并最终归结为约束优化问题,且利用罚函数法进行求解。最后应用于现网高话务量场景进行功能验证。

深度学习模型可解释性研究综述

深度学习技术以数据驱动学习的特点,在自然语言处理、图像处理、语音识别等领域取得了巨大成就。但由于深度学习模型网络过深、参数多、复杂度高等特性,该模型做出的决策及中间过程让人类难以理解,因此探究深度学习的可解释性成为当前人工智能领域研究的新课题。以深度学习模型可解释性为研究对象,对其研究进展进行总结阐述。从自解释模型、特定模型解释、不可知模型解释、因果可解释性四个方面对主要可解释性方法进行总结分析。列举出可解释性相关技术的应用,讨论当前可解释性研究存在的问题并进行展望,以推动深度学习可解释性研究框架的进一步发展。

多小区OFDMA系统基于改进PSA的资源分配算法

针对载波、功率资源分配问题,考虑本小区对其它小区的干扰情况,提出了一种应用于多小区正交频分多址复用(OFDMA)系统中的改进罚函数模拟退火(PSA)算法。该问题模型是在传输速率和性能一定的条件下,最小化传输功率。该算法是一种随机寻优算法,是一种能将局部搜索扩展为全局搜索的启发式算法。仿真结果表明,改进算法简化了问题模型,可以在不影响系统性能的情况下减少运算时间。基于模拟退火算法的离散功率的取值具有随机性,但是整体规律性仍很明显,且能够获得较高的单位功率吞吐量。

基于大数据思维的MDT数据过滤与室内识别方法

现阶段运营商的室内网络评估方法不能有效支撑海量的室内网络评估与分析应用。从MDT数据特性出发,研究MDT数据结构与字段,采用基于大数据多维度分析的MDT异常GPS过滤方法和基于大数据匹配的MDT室内数据识别方法,该方法经过验证能够有效输出室内定位数据,解决MDT定位数据无法用于室内网络评估的问题,提供海量有效经纬度数据用于室内评估与分析。

5G用户下载速率低问题分析和处理

5G网络当前核心业务是面向个人消费市场的eMBB应用,超高的传输速率是根本。通过前台测试软件测试发现5G用户接入网络后下载速率低的问题,通过对卡、终端、服务器、基站侧、传输侧、核心侧等联合排查,定位问题,并提出相应的问题处理流程和解决方案。

MIMO-MC-CDMA系统中信道估计算法的比较

无线通信系统中最常用的就是使用导频来获得初始的信道响应,信道估计的目的就是通过导频序列来获得每个子信道上的信道状态信息(CSI)。但是对于何种场合要运用何种导频方式并没有具体的文章描述清楚,文中给出了MIMO-MC-CDMA系统中常用的3种信道估计算法,分别是基于分散导频(梳状导频)、正交导频、分组导频(块状导频)。通过分析这三种信道估计方法,得出结论。

基于FAS的基站频率测量干扰解决方案及应用

通过对移动网络高干扰问题原因进行分类分析,利用FAS的频谱特征,提出一种基于FAS的基站频率测量的干扰规避方法,该方法利用叠加的互调信号在不同频点有不同干扰信号强度的特点,使高干扰的比例下降11.45%,高干扰小区处理平均时长由6.33天减少到1.5天。经验证,该方法可有效解决GSM网络和窄带物联网的外部干扰问题。

MIMO-MC-CDMA中基于拉氏算子的资源分配算法

提出一种应用于多输入多输出MC-CDMA系统的功率、码道自适应分配算法。基于接收端的信道反馈信息,发送端在总发射功率受限的条件下通过多用户间功率和码道的分配最大化系统吞吐量。算法通过限制用户的最大和最小码道数来实现用户之间的带宽公平性。算法最终归结为一个约束优化问题并利用拉格朗日乘子法进行求解。提出一种用于加快拉格朗日乘子收敛速度的搜索算法,计算机仿真验证了算法的有效性。