网络异常管理是无线网络应用方面的主要研究方向之一,受到了学术界和产业界的广泛关注。异常管理可分为三个步骤:异常发现,就是找到网络异常出现的具体位置;异常诊断是对于故障的识别;异常恢复也被称为问题解决,是对故障提出解决方法,并对故障问题进行修复和处理。论文主要研究针对LTE空口 Uu接口传输的大量数据中信令信息进行提取、分类及处理,利用统计数据和专家经验值构建系统故障模型,形成LTE故障分析专家系统,实现LTE无线网络的故障诊断和优化。本课题首先对LTE系统网络下无线空口 Uu接口数据进行收集。数据中包含大量的信令,这些大数据包含多个小区的多个基站的大量的不同的用户信令,通过对信令数据的整理、统计和计算得到产生网络异常现象的变量,基于信令传递标准创新的提出了获取对网络异常产生影响的关键性能指标的方法,给出了关键性能指标的数值,并形成朴素贝叶斯算法需要的初始数据。接着,通过对专家知识和经验进行整理得到网络中经常出现的异常原因和对应的关键性能指标。将给定的网络异常原因和对应的关键性能指标列表统计,并存入数据库。在对Uu接口信令流程研究、对已知数据进行获取、统计、处理和分析的基础上,将统计数据和专家给出的经验数值应用于朴素贝叶斯模型中,并不断训练模型,从而得到精准的分类器。在出现新的网络异常的情况下,统计得到相应的关键性能指标。将这些关键性能指标输入到朴素贝叶斯分类器中,即可以得到出现网络异常的原因和具体位置,利用算法给出的异常的诊断方法,实现异常问题解决。本文重点研究针对RRC连接成功率等关键性能指标的异常变化,通过K均值聚类算法得到不同原因下的每个关键性能指标的门限值。利用朴素贝叶斯分类器找到对应的异常原因,如:覆盖、干扰、硬件、参数异常。并通过对异常的修复,使小区的网络得到优化,提高用户的网络体验。将朴素贝叶斯模型应用于网络故障诊断是一个全新的思路。由于之前的问题解决主要是通过人工操作,需要很多专注于这方面的工程人员,而且在解决的过程中涉及很多重复操作,使得成本花销加大,问题解决不及时,效率很低。本文针对这些现实问题,提出了自动优化的思想,通过具体问题的研究,得到相应的优化方法,使得故障可以及时被发现和解决,提高了用户的服务体验,节省了操作性费用。