基于GAN的异构无线网络故障检测与诊断算法

针对异构无线网络故障检测与诊断过程中,如何基于小数据量样本进行准确的故障检测与诊断模型的训练的问题,提出了基于生成对抗网络的异构无线网络故障检测与诊断算法。首先,分析了异构无线网络环境下的常见网络故障来源,通过 GAN 算法,在小数据量的网络故障样本的基础上,得到大量可靠数据集。然后,基于这些数据,利用极端梯度提升算法选择故障检测阶段输入参数的最优特征组合,并完成故障检测与诊断。仿真结果表明,所提算法可以实现对异构无线网络更加准确而高效的故障检测与诊断,准确率可达98.18%。