DETECTING INTERFERENCE IN A WIRELESS NETWORK

A method 300 is disclosed for generating and training a model to detect interference conditions at a cell in a wireless cellular network and to classify the impact of detected interference conditions on performance of the wireless cellular network in the cell. The method comprises, for each of a plurality of cells in the wireless cellular network (360), obtaining data representing received signal power at a base station serving the cell over a period of time (310) and obtaining data representing a plurality of performance metrics for the cell over the time period (330). The method further comprises obtaining classifications of the received signal power data into one of a plurality of cell interference conditions (320) and the performance metric data into one of a plurality of cell impact classes (340). The method further comprises applying a Multi-Task Learning Machine Learning algorithm to a training data set comprising the classified received signal power and performance metric data to generate a model for classifying received signal power data into one of the plurality of cell interference conditions and for classifying performance metric data into one of the plurality of cell impact classes (350). La présente invention concerne un procédé (300) pour la génération et l'entraînement d'un modèle permettant de détecter des conditions d'interférence au niveau d'une cellule dans un réseau cellulaire sans fil et de classifier l'impact de conditions d'interférence détectées sur la performance du réseau cellulaire sans fil dans la cellule. Le procédé consiste, pour chaque cellule d'une pluralité de cellules dans le réseau cellulaire sans fil (360), à obtenir des données représentant une puissance de signal reçu au niveau d'une station de base desservant la cellule sur une période donnée (310) et à obtenir des données représentant une pluralité de mesures de performance pour la cellule sur la période donnée (330). Le procédé consiste en outre à obtenir des classifications des données de puissance de signal reçu dans l'une d'une pluralité de conditions d'interférence de cellule (320) et des données de mesure de performance dans l'une d'une pluralité de classes d'impact de cellule (340). Le procédé consiste en outre à appliquer un algorithme d'apprentissage machine multitâche à un ensemble de données d'entraînement comprenant la puissance de signal reçu classifié et des données de mesure de performance pour générer un modèle destiné à classifier des données de pui