基于单一维度干扰数据的无监督混合聚类研究  

作　　者：易佩迪 吴兴耀 陈燕雷 巩雪 赵文娟 

机构地区：[1]中国移动设计院网研中心

出　　处：《中国新通信》2022年第22期104-108,共5页China New Telecommunications

摘　　要：面向5G时代干扰小区的分类需求,提出了一种基于变分自编码器的无监督混合聚类模型。该方法考虑了2.6Ghz干扰数据的先验特征,利用残差算法将变分自编码器和传统聚类函数的损失函数结合;通过改变超参数大小,影响隐变量分布,从而模拟样本概率模型。在模型构建上,考虑了不同的传统聚类方法对样本聚类影响;在训练策略方面,为防止出现车轮效应,本文对干扰数据进行剪枝处理。实验结果表明,设计的聚类模型能有效地分辨出LTE同频干扰、干扰器干扰、MMDS干扰、视频监控干扰和伪基站干扰,其中前两种干扰数量最多,分别占到了5GPRB干扰小区的28.4%和23.7%。同时,与同类型传统的AE和VAE模型相比,该模型能够分析出的干扰数据量均高于其他两种方法。在未知新干扰分区中,当簇类数目为3时,CH指标和轮廓系数指标最大,分别达到了顶峰740和0.56,DB指数也取得了局部最优解。该模型在5G干扰识别分类中具有良好的应用前景。据作者所知,本文代表了无监督聚类学习在5G类别干扰识别中的首次实践。

关 键 词：5G VAE PRB 干扰识别 

分 类 号：TN975[电子电信—信号与信息处理] TP311.13[电子电信—信息与通信工程]