Rohde & Schwarz använder maskininlärning för att bedöma nätverksstabilitet

München – Det tyska elektronikföretaget Rohde & Schwarz har implementerat en ny maskininlärningsbaserad metod för utvärdering av kvaliteten i mobilnät. Den nya funktionen "Call Stability Score" (CSS) syftar till att lösa utmaningar som finns i traditionella metoder för mätning av samtalsavbrottsgrad (CDR).

Traditionellt kräver mätning av CDR tusentals samtal för att uppnå statistisk signifikans, vilket gör det opraktiskt för mindre områden som köpcentrum. Rohde & Schwarz maskininlärningsmodell analyserar en mängd olika nätverksparametrar och ger varje samtal en poäng baserad på dess stabilitet, oavsett om det avslutades eller inte.

"Call Stability Score" utnyttjar djupinlärning och rekursiva neurala nätverk, som LSTM-celler, för att hantera tidsseriedata. Modellen skiljer mellan stabila och avbrutna samtal genom att lära sig en gränsyta i ett högdimensionellt datautrymme. Detta ger en mer tillförlitlig bedömning av samtalskvaliteten och nätverkets övergripande stabilitet.

Enligt företaget hjälper den nya tekniken operatörer att få mer exakt information om nätverkets prestanda och förbättrar tillförlitligheten av mätkampanjer. Det möjliggör också en mer detaljerad analys av nätverkskvalitet under olika förhållanden.