Rohde & Schwarz nutzt maschinelles Lernen zur Bewertung der Netzwerkanrufstabilität
Rohde & Schwarz hat einen neuen Ansatz des maschinellen Lernens zur Messung der Anrufstabilitätsqualität in Mobilfunknetzen entwickelt. Die Technologie "Call Stability Score" weist jedem Anruf eine Stabilitätsbewertung zu.
München – Der deutsche Elektronikhersteller Rohde & Schwarz hat eine neue Methode auf Basis von maschinellem Lernen zur Bewertung der Qualität von Mobilfunknetzen eingeführt. Die neue Funktion "Call Stability Score" (CSS) zielt darauf ab, Herausforderungen bei traditionellen Messmethoden für die Anrufabbruchrate (CDR) zu lösen.
Traditionell erfordert die Messung der CDR Tausende von Anrufen, um statistische Signifikanz zu erreichen, was sie für eingegrenzte Bereiche wie Einkaufszentren unpraktikabel macht. Das maschinelle Lernmodell von Rohde & Schwarz analysiert zahlreiche Netzwerkparameter und bewertet jeden Anruf anhand seiner Stabilität, unabhängig davon, ob er abgebrochen wurde oder nicht.
Der "Call Stability Score" nutzt Deep Learning und rekurrente neuronale Netze wie LSTM-Zellen zur Verarbeitung von Zeitreihendaten. Das Modell unterscheidet zwischen stabilen und abgebrochenen Anrufen, indem es eine Grenze in einem hochdimensionalen Merkmalsraum lernt. Dies liefert eine zuverlässigere Einschätzung der Anrufqualität und der allgemeinen Netzwerkauslastung.
Das Unternehmen gibt an, dass die neue Technologie Betreibern hilft, präzisere Einblicke in die Netzwerkleistung zu gewinnen und die Zuverlässigkeit von Messkampagnen verbessert. Sie ermöglicht auch eine detailliertere Analyse der Netzqualität unter verschiedenen Bedingungen.