[发明专利]基于网页浏览的用户感知测评无线网络性能方法

权利要求书

1.一种基于网页浏览的用户感知测评无线网络性能方法，其特征在于，包括：

通过机器学习算法将无线性能指标与网页浏览业务进行关联，得出LTE无线的性能质量对业务的性能质量的影响；

将客观的网页浏览业务与性能指标量化后关联成用户的觉察力产生感知结果；

所述网页浏览业务映射到可量化用户觉察力映射，具体为：

令网页浏览用户觉察力的感知结果为MOS_web，业务性能指标i为SPI_i，则对于LTE网络中的网页浏览业务，两者之间的映射方程为

MOS_web＝f(SPI_i) (1)

设计网页，在后台设置多个不同的参数，即不同质量指标，不同的质量指标势必会导致不同的网页浏览体验质量，将不同的参数设置的网页在同一终端逐一打开的过程中，收集不同参数下的后台指标数据，并且对每两个不同参数设置的网页，用户只需进行二选一投票，得到用户投票矩阵；

通过用户投票投票矩阵以及终端后台指标，按以下公式建立用户打分矩阵按以下公式作连续性映射关联：

其中，S_ij代表用户投票矩阵i行j列的值，∏ij代表跟i,j相关的函数，S_ji代表用户投票矩阵j行i列的值，Logit代表对函数取对数函数log，β_i代表取对数函数后跟i相关的函数形式，β_j代表取对数函数后跟j相关的函数形式，取值为0到1之间，Norm_[0,5]表示对前者做一个线性规划，使得其取值范围为0到5之间；webQualityScore含义同MOS_web，即网页浏览用户觉察力的感知结果。

2.如权利要求1所述的基于网页浏览的用户感知测评无线网络性能方法，其特征在于：将用户的觉察力感知结果反向映射回LTE无线性能，得到导致觉察力感知结果低下的网络性能短板，对用户感知较差的地方进行概率预测。

3.如权利要求1所述的基于网页浏览的用户感知测评无线网络性能方法，其特征在于，业务性能指标包括：RRC时延、业务请求时延、ERAB时延、DNS找寻时延、TCP12次握手时延、TCP23次握手时延、页面显示时延、页面响应时延、页面下载速率。

4.如权利要求1-3任一项所述的基于网页浏览的用户感知测评无线网络性能方法，其特征在于：LTE微区域RF性能到业务性能映射，具体为：将无线性能指标对网页浏览业务进行关联，令RFI为RF Indicators无线性能指标，时延为Delay，定义如下方程：

Latency＝f(RFI_i)，i＝1，2，3，...(5)

其中，Lantency表示上述时延的总和，f表示函数的表达形式，RFI_i表示第i个无线性能指标；

由于用户感知指标存在于信令数据中，而无线RF指标数据存在于MR数据中，因此，将上述两个数据集按照小区、用户、时间维度上进行整合，接着将用户感知指标作为因变量，无线RF指标作为自变量进行回归；针对若干种回归模型在训练集上进行计算，对每个回归模型分配权重从而将这些回归组合为一个集成回归模型。

5.如权利要求4所述的基于网页浏览的用户感知测评无线网络性能方法，其特征在于：无线性能指标包括TD-LTE服务小区的参考信号接收功率RSRP、TD-LTE服务小区的参考信号接收质量RSRQ、TD-LTE服务小区的信噪比SINR、信道质量指示CQI、LTE中速率的配置通过MCS索引值实现MCS、UE上PDSCH信道占用PRB数即PDSCH PRB、UE上PUSCH信道占用PRB数即PUSCH PRB。

6.如权利要求1-3任一项所述的基于网页浏览的用户感知测评无线网络性能方法，其特征在于：组合为一个集成回归模型，具体为：对于每种回归模型j，在训练集中的每个样本i上进行留一法交叉验证，产生一个预测值接着，在除了i以外的样本使用回归算法j，得到预测值计算出误差平方因此，每种回归模型j，通过ε_j：＝(ε_ij)′_i来定义列向量，其中，ε_j表示由第i个样本在回归算法j上的误差平方形成的列向量，′表示转置；

通过误差来推导出权重，具体为：按最小加权二乘法和权重之和为一的限制来计算权重w₁,w₂,…,w₈的真实值；这些权重是按照如下方程6所定义的最优化问题得到的，加上方程7所定义的约束条件，‖.‖₂表示欧几里得范数；

其中，w_j表示回归算法j的权重，ε_j表示由第i个样本在回归算法j上的误差平方形成的列向量；

得到权重值后确定预测的回归函数，针对每种回归方法，找出权重并确认哪种回归函数用于预测；为了实现该目的，在训练集中所有元素上进行j回归，从而得到每种回归方法的预测函数P_j，最后，集成回归被定义为P_j的线性加权组合。