| Abstract | 第4页 |
| 论文摘要 | 第5-8页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外相关研究 | 第10-15页 |
| 1.2.1 神经网络相关研究 | 第10-11页 |
| 1.2.2 故障诊断相关研究 | 第11-14页 |
| 1.2.3 LTE 网络优化相关研究 | 第14-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 2 TD-LTE网络及故障诊断技术概述 | 第17-33页 |
| 2.1 TD-LTE网络简介 | 第17-23页 |
| 2.1.1 TD-LTE 网络的标准化工作及进展 | 第17-18页 |
| 2.1.2 TD-LTE 网络架构 | 第18-19页 |
| 2.1.3 TD-LTE 网络关键技术 | 第19-23页 |
| 2.2 TD-LTE网络优化简析 | 第23-27页 |
| 2.2.1 网络优化内容和流程 | 第23-25页 |
| 2.2.2 TD-LTE 网络路测简介 | 第25-27页 |
| 2.3 故障诊断技术概述 | 第27-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于神经网络的 TD-LTE网络故障诊断技术 | 第33-55页 |
| 3.1 人工神经网络理论知识 | 第33-39页 |
| 3.1.1 人工神经网络概述 | 第33-35页 |
| 3.1.2 BP 神经网络模型 | 第35-39页 |
| 3.2 神经网络在 2G/3G 网络故障诊断中的应用 | 第39-40页 |
| 3.3 基于 KPI 统计分布偏离度的 BP 神经网络故障诊断方法 | 第40-48页 |
| 3.3.1 网络 KPI 分析 | 第40-42页 |
| 3.3.2 基于 KPI 统计分布偏离度的 BP 神经网络故障诊断方法建模 | 第42-43页 |
| 3.3.3 基于 KPI 统计分布偏离度的 BP 神经网络故障诊断方法实现 | 第43-48页 |
| 3.4 实验结果与分析 | 第48-54页 |
| 3.4.1 属性学习实验 | 第48-51页 |
| 3.4.2 异常检测实验 | 第51-52页 |
| 3.4.3 BP 神经网络诊断实验 | 第52-54页 |
| 3.5 本章小结 | 第54-55页 |
| 4 基于神经网络的 TD-LTE网络故障诊断系统的设计与实现 | 第55-71页 |
| 4.1 系统需求分析 | 第55-56页 |
| 4.1.1 功能需求 | 第55页 |
| 4.1.2 性能需求 | 第55页 |
| 4.1.3 工作需求 | 第55-56页 |
| 4.2 故障诊断系统概要设计 | 第56-59页 |
| 4.3 故障诊断系统的详细设计 | 第59-66页 |
| 4.3.1 用户登录模块 | 第59页 |
| 4.3.2 数据管理模块 | 第59-61页 |
| 4.3.3 故障诊断模块 | 第61-63页 |
| 4.3.4 模型管理模块 | 第63-65页 |
| 4.3.5 系统管理模块 | 第65-66页 |
| 4.4 系统运行分析 | 第66-70页 |
| 4.4.1 系统运行主界面 | 第66-67页 |
| 4.4.2 系统功能测试 | 第67-70页 |
| 4.5 本章小结 | 第70-71页 |
| 5 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 在学研究成果 | 第77-78页 |
| 致谢 | 第78页 |
