数据挖掘技术在gsm语音质量提升中的运用

数据挖掘技术在gsm语音质量提升中的运用

ID:27887731

大小:73.50 KB

页数:4页

时间:2018-12-06

数据挖掘技术在gsm语音质量提升中的运用_第1页
数据挖掘技术在gsm语音质量提升中的运用_第2页
数据挖掘技术在gsm语音质量提升中的运用_第3页
数据挖掘技术在gsm语音质量提升中的运用_第4页
资源描述:

《数据挖掘技术在gsm语音质量提升中的运用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、〔据挖掘技术在GSM语音质量提升中的运用袁曼丽福建师范大学数学与信息学院摘要:虽然目前各运营商已经大规模建设4G网络,但大部分用户语音通信仍承载在GSM网络上,如何提升GSM网络的通话质量,是提升网络用户感知的重要手段之一。文章通过采用目前流行的数据挖掘工具SPSS软件,运用数据挖掘的原理,查找影响语音通话质量提升的各个因素,为后续的网络优化提供明确方向。关键词:数据挖掘;GSM;语音质量;MOS;作者简介:袁曼丽(1980—),女,汉,湖南祁东人,硕士,讲师,研宂方向:网络安全、数据挖掘。收稿日期:2017-10-20基金:课题来源:基于计算智能的聚类

2、分析研究,福建省教育厅B类(JB09060)DataMiningTechnologyintheuseofGSMVoiceQualityImprovementYuanManliSchoolofMathematicsandInformation,FujianNormalUniversity;Abstract:Althoughtheoperatorshavealreadybuilt4Gnetworkonalargescale,mostusers’voicecommunicationisstillcarriedontheGSMnetwork.Howtoimpro

3、vethequalityofGSMnetworkcallsisoneoftheimportantmeanstoenhancetheperceptionofnetworkusers.ThispaperusesthecurrentdataminingtoolSPSSsoftware,usingtheprincipleofdataminingtofindthefactorsthataffectthequalityofvoicecallstoprovideacleardirectionforthefollow-upnetworkoptimization.Keyw

4、ord:datamining;GSM;voicequality;MOS;Received:2017-10-20:据挖掘技术数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、事先不知道的、但乂是潜在有用的信息和知识的过程。跨行业数据挖掘标准过程(CRISP-DM)适用于大型工业和商业实践的一般标准,在各种KDD过程模型中占据领先位置,采用量达到近60%。数据挖掘标准过程主要分为商业理解、数据理解、数据准备、建模、模型评估、结果发布等六个阶段。CK1SP—DM保证了可以将传统的数据挖掘技术(包括软件SPSS)应用在网络

5、优化这个行业上。2基于数据挖掘的GSM语音质量影响参数分析GSM语音质量M0S值与RXQual、C/I、编码方式、信道类型、Band与切换次数相关,但缺乏实际的数据支撑,在本文中,引入数据挖掘工具,采用实测数据,分析各个影响因素的关系。2.1原始数据处理从ATU软件导出的数据中包含大量的缺省值,其中属性Time、Longitude和latitude是连续上传,M0S每隔20秒左右上传一个值,C/I(dB).channelMode等是每隔0.5秒左右上传一个取值,且各个属性上传时间点不统一,数据包含噪声大。2.2不同编码方式转换对语音质量影响分析GSM网络

6、中,编码方式对M0S值影响较大,现网中存在四种编码方式有四种(EFR、AMRFR、AMRHR、HR)数据,利用SPSS工具,对测试的数据进行统计分析,可以明显得出各个编码方式对语音质量的影响情况。不同编码方式的转换时的M0S均值:如表1所示。从上述统计数据可以得出:控制不同编码之间转换对MOS值的影响,应重点减少从EFR到AMRHR和HR的转换,即尽量减少AMRHR与HR在全网的比重。EFR和八MRFR之间转换对MOS值影响不明显,为减少编码方式转换,可选择尽量增加EFR在全网的比重。2.3不同因素对语音质量影响权重分析为探宄GSM语音质量MOS值与RX

7、Qual、C/I、编码方式、信道类型、Band与切换次数之间的关系,在数据分析中,引入数据挖掘中的决策树,并釆用C5.0的决策树模型生产规则集,根据不同的字段再次分割由第一次分割定义的每个子样本,且此过程会重复下去直到无法继续分割子样本。最后,将重新检查最底层分割,并删除或修剪对模型值没有显著贡献的分割。SPSS软件中自带有决策树分析模型,导入数据,利用SPSS软件,得出各种不同因素对语音质量影响如图1所示。从上图可以看出,切换次数对MOS值的影响最大,RXQual次之,因此在MOS优化屮,要优先对影响大的的因子的重点优化。3结语本文针对测试的海量数据,

8、使用SPSS数据挖掘软件,运用数据挖掘基本原理,深入研宄网络MOS影响因素,并从

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。