USER-LEVEL KQI ANOMALY DETECTION
Techniques are provided for monitoring the performance of a user device in a communication network. The techniques include detecting an anomaly in a performance measurement such as a key quality indicator (KQI) of the user device. The techniques include obtaining historical measurements of the KQI f...
Gespeichert in:
Hauptverfasser: | , , , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | Techniques are provided for monitoring the performance of a user device in a communication network. The techniques include detecting an anomaly in a performance measurement such as a key quality indicator (KQI) of the user device. The techniques include obtaining historical measurements of the KQI for user devices. The historical measurements are assigned to states to reflect whether the performance is good or bad, or somewhere in between. The states can be defined differently for different hours in the day so that the states represent the relative performance for that time of day. For each user device, a Markov model is provided indicating probabilities of transitions between the states. Additional measurements are obtained of the KQI for a selected user device, and the Markov model of the selected user device is used to detect an anomaly in the additional measurements.
L'invention concerne des techniques destinées à surveiller les performances d'un dispositif d'utilisateur dans un réseau de communication. Les techniques comprennent la détection d'une anomalie dans une mesure de performances comme un indicateur-clé de qualité (KQI) du dispositif d'utilisateur. Les techniques comprennent l'obtention de mesures historiques du KQI pour des dispositifs d'utilisateurs. Les mesures historiques sont affectées à des états pour refléter le caractère bon ou mauvais des performances, ou une position intermédiaire entre celles-ci. Les états peuvent être définis différemment pour différentes heures de la journée, de sorte que les états représentent les performances relatives pour l'heure considérée de la journée. Pour chaque dispositif d'utilisateur, un modèle de Markov est mis en place, indiquant des probabilités de transitions entre les états. Des mesures supplémentaires du KQI sont obtenues pour un dispositif d'utilisateur choisi, et le modèle de Markov du dispositif d'utilisateur choisi est utilisé pour détecter une anomalie dans les mesures supplémentaires. |
---|