尧图网页设计 
简介这份PDF文档面向通信网络优化工程师、机器学习初学者及VoLTE语音质量研究者聚焦如何用人工神经网络替代传统路测实现全网VoLTE MOS值的预测。文档系统梳理了MOS评估算法现状提出以MCMC中的Gibbs抽样对路测缺失数据进行模拟增强再以人工神经网络拟合建模并通过理论推导与仪表实测对比验证方法可行性。资源包内仅含1个PDF文件约1.4MB内容涵盖神经网络结构、样本生成、建模预测及影响因素分析等完整章节适合作为数据建模与深度学习在通信领域落地的参考读物。目前已有107人学习下载读者可从中获取从数据增强到模型训练、泛化验证的完整技术路线理解时延、丢包、编码器性能等特征如何纳入输入并了解SVM、随机森林、LSTM等后续优化方向为VoLTE网络优化与机器学习实践提供可复用的思路。1. 从一通掉话说起VoLTE MOS预测到底在预测什么VoLTE 通话质量差的时候用户感知非常直接声音断断续续、像在水里说话、甚至直接掉话。但运营商侧看到的 KPI 往往是“接入成功率 99.5%”“掉话率 0.3%”指标好看投诉却不断。问题出在——传统 KPI 衡量的是“网络通不通”而 MOSMean Opinion Score衡量的是“人耳听着舒不舒服”。MOS 分值通常在 1 到 5 之间4.0 以上算良好3.5 以下用户就会明显烦躁。VoLTE 走的是 IP 通道语音包在无线侧要经过调度、 HARQ 重传、抖动缓冲任何一个环节劣化都会把 MOS 拉下来。人工神经网络在这里的价值是用现网的无线参数、丢包、时延、抖动等可采集指标去拟合一个逼近真实主观评分的预测模型从而在不做大量路测的前提下批量识别“KPI 正常但 MOS 已经烂了”的小区或用户。这套方案适合无线优化工程师、核心网侧做语音质量分析的从业者以及想用神经网络做回归预测的算法入门者。它不要求你懂 3GPP 全部协议栈但要求你能拿到至少 8 到 12 个与语音质量强相关的特征字段。2. 特征工程从 VoLTE 信令里挑出真正影响 MOS 的字段2.1 为什么不能直接把所有 KPI 丢进神经网络我见过不少同行一上来就把几十个计数器全塞进模型结果训练 loss 降得很快验证集一塌糊涂。原因有两个一是很多 KPI 之间高度共线比如“上行丢包率”和“上行 BLER”几乎在讲同一件事网络会学到冗余权重二是有些字段和 MOS 的关系是非单调的比如“平均 MCS”太高反而可能意味着用户处于小区中心但调度器没给足 RBMOS 不一定好。常见做法是先按“无线侧、核心网侧、终端侧”三类做初筛每类保留 3 到 5 个候选再用皮尔逊或互信息做一次相关性排序。我一般会保留这些字段上行/下行丢包率、上行/下行平均时延、抖动、SINR、RSRP、CQI、BLER、PDCP 层吞吐、以及语音编码速率。注意RSRP 和 SINR 虽然相关但一个反映覆盖一个反映干扰同时保留能让模型区分“弱覆盖但干扰小”和“覆盖好但干扰大”两种劣化模式。2.2 用 Python 做特征筛选与归一化的最小脚本下面这段代码假设你已经把现网采集数据整理成 CSV每行是一条语音样本列名按实际字段替换。核心动作是去掉方差过低的列、计算与 MOS 的互信息、再做 Min-Max 归一化。import pandas as pd import numpy as np from sklearn.feature_selection import mutual_info_regression from sklearn.preprocessing import MinMaxScaler # 读取数据mos 列是真实主观评分或路测 MOS df pd.read_csv(volte_samples.csv) feature_cols [c for c in df.columns if c ! mos] # 去掉方差接近 0 的列这类字段对模型没有区分度 var_series df[feature_cols].var() low_var_cols var_series[var_series 1e-6].index.tolist() df df.drop(columnslow_var_cols) feature_cols [c for c in feature_cols if c not in low_var_cols] # 互信息筛选保留与 MOS 相关性最高的前 10 个特征 mi mutual_info_regression(df[feature_cols], df[mos], random_state42) mi_series pd.Series(mi, indexfeature_cols).sort_values(ascendingFalse) top_features mi_series.head(10).index.tolist() print(Top features by MI:, top_features) # Min-Max 归一化神经网络对输入尺度敏感 scaler MinMaxScaler() df[top_features] scaler.fit_transform(df[top_features]) df[[mos] top_features].to_csv(volte_norm.csv, indexFalse)逻辑说明互信息比皮尔逊更适合捕捉非线性关系VoLTE 里时延和 MOS 就不是简单线性。参数说明random_state42保证每次筛选结果可复现head(10)是经验值特征太少欠拟合太多容易过拟合10 个左右在几百到几千条样本量下比较稳。归一化必须用训练集拟合 scaler再 transform 验证集和测试集否则会引入数据泄露。这一步做完你手里应该有一张干净、尺度统一的表下一步才能喂给网络。2.3 样本不平衡与 MOS 标签的“天花板效应”真实路测数据里MOS 在 4.2 到 4.5 之间的样本往往占 70% 以上低于 3.0 的劣化样本很少。如果直接训练模型会倾向于全部预测 4.3看起来 MAE 很低但实际抓不到差小区。我的处理方式是对 MOS 低于 3.5 的样本做 SMOTE 过采样或者简单复制到与正常样本 1:2 的比例。另外主观 MOS 本身有“天花板”用户很难打出 5.0所以标签里 4.8 以上的样本可以合并到 4.5 区间减少模型在顶部区域的无效拟合。这一步不做后面调网络结构都是白费。3. 人工神经网络结构选型BP 网络、LSTM 还是 Transformer3.1 为什么大多数 VoLTE MOS 预测用 BP 网络就够了VoLTE MOS 预测的输入通常是一条语音样本的统计特征不是原始波形也不是完整时序序列。这种情况下一个 3 到 5 层的全连接 BP 网络就能拿到不错的精度。我实测过在 2000 条样本、10 个特征的数据集上3 层 BP输入-64-32-1的验证集 MAE 可以做到 0.18 左右换成 LSTM 反而因为序列长度短、特征维度低而更容易过拟合。LSTM 适合的场景是你拿到的是按时间排列的连续采样点比如每 20ms 一个 RTCP 包想捕捉抖动的时间累积效应。Transformer 更吃数据量没有几万条以上样本不建议上。所以选型顺序是先跑通 BP 基线再考虑要不要加时序结构。3.2 用 PyTorch 搭一个可训练的 MOS 预测网络下面代码定义了一个带 BatchNorm 和 Dropout 的 BP 网络输出层不加激活函数因为 MOS 是连续回归值。训练循环里用了早停和学习率衰减。import torch import torch.nn as nn from torch.utils.data import DataLoader, TensorDataset class MOSNet(nn.Module): def __init__(self, input_dim): super().__init__() self.net nn.Sequential( nn.Linear(input_dim, 64), nn.BatchNorm1d(64), nn.ReLU(), nn.Dropout(0.2), nn.Linear(64, 32), nn.BatchNorm1d(32), nn.ReLU(), nn.Dropout(0.2), nn.Linear(32, 1) # 回归输出不加激活 ) def forward(self, x): return self.net(x).squeeze(-1) # 假设 X_train, y_train 已归一化X_val, y_val 同理 train_ds TensorDataset(torch.tensor(X_train, dtypetorch.float32), torch.tensor(y_train, dtypetorch.float32)) val_ds TensorDataset(torch.tensor(X_val, dtypetorch.float32), torch.tensor(y_val, dtypetorch.float32)) train_loader DataLoader(train_ds, batch_size64, shuffleTrue) val_loader DataLoader(val_ds, batch_size64) model MOSNet(input_dimX_train.shape[1]) optimizer torch.optim.Adam(model.parameters(), lr1e-3) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, patience5) criterion nn.MSELoss() best_val float(inf) patience_counter 0 for epoch in range(200): model.train() for xb, yb in train_loader: optimizer.zero_grad() loss criterion(model(xb), yb) loss.backward() optimizer.step() model.eval() val_loss 0.0 with torch.no_grad(): for xb, yb in val_loader: val_loss criterion(model(xb), yb).item() * len(xb) val_loss / len(val_ds) scheduler.step(val_loss) if val_loss best_val: best_val val_loss torch.save(model.state_dict(), best_mos.pt) patience_counter 0 else: patience_counter 1 if patience_counter 15: print(fEarly stop at epoch {epoch}) break逻辑说明BatchNorm 放在线性层之后、激活之前能稳定训练Dropout 设 0.2 是防止小样本过拟合。参数说明batch_size64在千级样本下比较稳太小梯度噪声大太大收敛慢patience5是学习率衰减的耐心值patience_counter15是早停阈值这两个别设太小否则模型还没学到位就停了。损失函数用 MSE因为 MOS 是连续值MAE 也可以但 MSE 对大误差惩罚更重能逼模型关注劣化样本。3.3 训练集/验证集/测试集怎么切才不骗自己我习惯按“小区”或“用户”切而不是随机切样本。随机切会导致同一个用户的不同语音样本同时出现在训练和验证集里模型记住了这个用户的特征验证 MAE 虚低。按小区切能模拟“模型没见过的新小区”场景更接近实际部署。比例上训练 70%、验证 15%、测试 15%。如果样本量少于 1000用 5 折交叉验证代替固定验证集报告平均 MAE 和标准差。4. 训练完怎么验证MAE、散点图和“差小区召回率”4.1 只看 MAE 会漏掉最该抓的劣化样本MAE 0.15 听起来不错但如果模型把所有 MOS 都预测在 4.2 附近劣化样本的误差可能高达 1.0 以上。我一般同时看三个指标整体 MAE、MOS3.5 样本的召回率预测值也3.5 的比例、以及预测值 vs 真实值的散点图。散点图如果呈一条水平线说明模型没学到东西如果低 MOS 区域点很散说明劣化样本特征不够或过采样没做好。下面代码画出散点并计算分组 MAE。import matplotlib.pyplot as plt from sklearn.metrics import mean_absolute_error model.eval() with torch.no_grad(): pred model(torch.tensor(X_test, dtypetorch.float32)).numpy() true y_test mae_all mean_absolute_error(true, pred) mask_bad true 3.5 mae_bad mean_absolute_error(true[mask_bad], pred[mask_bad]) if mask_bad.sum() 0 else None recall_bad ((pred[mask_bad] 3.5).sum() / mask_bad.sum()) if mask_bad.sum() 0 else None print(fMAE all: {mae_all:.3f}, MAE bad: {mae_bad}, Recall bad: {recall_bad}) plt.scatter(true, pred, alpha0.3) plt.plot([1, 5], [1, 5], r--) plt.xlabel(True MOS) plt.ylabel(Predicted MOS) plt.savefig(mos_scatter.png)逻辑说明mask_bad挑出真实 MOS 低于 3.5 的样本单独算 MAE 和召回。参数说明召回率低于 0.6 就说明模型对劣化不敏感需要回去检查特征里有没有丢包、时延这类强相关字段或者过采样比例不够。散点图里如果预测值普遍比真实值高 0.2 以上说明模型有系统性高估可以在损失函数里给低 MOS 样本加权。4.2 用 SHAP 看模型到底在依赖哪些特征神经网络常被叫“黑匣子”但 SHAP 能给出每个特征对单条预测的贡献。对 VoLTE MOS 预测来说如果 SHAP 显示“上行丢包率”贡献最大那优化方向就是查上行干扰和调度如果“抖动”贡献大就去查基站时钟和传输网。下面代码用 SHAP 的 KernelExplainer 对少量测试样本做解释。import shap # 取 100 条测试样本做背景避免计算量过大 background X_test[:100] explainer shap.KernelExplainer(model.predict, background) shap_values explainer.shap_values(X_test[:50]) shap.summary_plot(shap_values, X_test[:50], feature_namestop_features)逻辑说明KernelExplainer 不依赖模型内部结构适合任意 PyTorch 模型。参数说明背景样本 100 条是精度和速度的折中太少解释不稳定太多跑得慢。X_test[:50]是解释的样本数实际分析可以取 200 到 500 条。SHAP 图里如果某个特征的高值对应低 MOS 预测说明这个特征越大越差比如丢包率如果高值对应高 MOS说明越大越好比如 SINR。5. 避坑与排查VoLTE MOS 预测里最容易翻车的 5 个点5.1 现象验证集 MAE 很低上线后预测全偏高原因训练集和验证集按样本随机切同一个用户或同一段路测的样本同时出现在两边模型记住了用户特征。解决按小区 ID 或用户 ID 做分组切分确保验证集里的小区在训练集里没出现过。如果数据里没有小区 ID至少按时间切用前 70% 时间训练后 30% 验证。5.2 现象模型对 MOS3.0 的样本预测误差超过 1.0原因劣化样本太少过采样后仍然不足以让网络学到边界。解决除了 SMOTE还可以在损失函数里给低 MOS 样本加权比如权重设为 3 到 5 倍。另外检查特征里有没有“上行丢包率”和“抖动”这两个强相关字段缺了它们模型很难区分劣化。5.3 现象训练 loss 一直降验证 loss 从第 10 轮开始涨原因网络容量过大或训练轮数太多过拟合。解决先减层把 64-32 改成 32-16再加大 Dropout 到 0.3 到 0.4最后加 L2 正则在 optimizer 里设weight_decay1e-4。早停 patience 设 15 到 20别设 5否则还没收敛就停了。5.4 现象SHAP 显示 RSRP 贡献最大但优化 RSRP 后 MOS 没提升原因RSRP 和 MOS 的相关性可能来自“弱覆盖小区恰好也是高丢包小区”模型把 RSRP 当成了丢包的代理变量。解决做特征交叉比如构造“RSRP 低于 -110 且上行丢包大于 2%”的组合特征让模型区分“弱覆盖但质量好”和“弱覆盖且质量差”。或者直接去掉 RSRP只用 SINR、丢包、时延训练看 MAE 变化。5.5 现象换一批新数据预测MAE 从 0.18 跳到 0.45原因新数据的采集设备、时间、区域和训练集分布不同归一化 scaler 不适用。解决每次上线新数据前先用新数据的一小部分做无监督的分布检测比如比较特征均值和方差。如果偏移大用新数据重新拟合 scaler或者做在线学习用新样本微调模型最后两层。别直接拿旧 scaler 硬套。6. 把模型塞进日常优化流程一个可复用的打分脚本训练完的模型如果只躺在 notebook 里价值有限。我一般会把它封装成一个打分脚本输入是每天从网管导出的 VoLTE 样本 CSV输出是每条样本的预测 MOS 和“劣化标记”。这样优化工程师每天早上跑一次就能拿到 Top 100 最差小区列表直接去查干扰、查传输、查参数。下面是一个最小可用的批量打分脚本加载之前保存的模型和 scaler对新数据做预测。import joblib import pandas as pd import torch # 加载训练时保存的 scaler 和特征列表 scaler joblib.load(mos_scaler.pkl) top_features joblib.load(mos_features.pkl) def score_new_data(csv_path, model_pathbest_mos.pt): df pd.read_csv(csv_path) # 只保留训练时用到的特征缺失的填 0 并记录 missing [c for c in top_features if c not in df.columns] if missing: print(Missing features, filled with 0:, missing) for c in missing: df[c] 0.0 X scaler.transform(df[top_features]) model MOSNet(input_dimlen(top_features)) model.load_state_dict(torch.load(model_path)) model.eval() with torch.no_grad(): pred model(torch.tensor(X, dtypetorch.float32)).numpy() df[pred_mos] pred df[bad_flag] (pred 3.5).astype(int) # 按预测 MOS 升序最差的排前面 df.sort_values(pred_mos, ascendingTrue).to_csv(scored_output.csv, indexFalse) print(fScored {len(df)} samples, bad count: {df[bad_flag].sum()}) score_new_data(daily_volte.csv)逻辑说明joblib加载训练时保存的 scaler 和特征列表保证新数据用同样的归一化参数。参数说明missing处理是防止新数据缺字段导致报错但填 0 只是兜底实际应该补采这些字段。bad_flag阈值 3.5 可以按需调整比如想抓更严重的劣化就设 3.0。输出按预测 MOS 升序优化工程师直接看前几行就行。这个脚本我一般挂在每天凌晨跑跑完把scored_output.csv推到优化组的共享目录。用了半年多最大的体会是模型精度不是最重要的特征字段的稳定采集和分布监控才是。有一次传输网割接抖动特征整体偏移了 30ms模型没来得及更新预测 MOS 集体偏低差点误判一批小区。后来我加了一个简单的监控每天算一次预测 MOS 的均值和标准差如果和上周比偏移超过 0.3就触发告警先查数据再信模型。希望帮到你。本文还有配套的精品资源点击获取 基于人工神经网络的VoLTE MOS预测：特征工程与模型实战
简介这份PDF文档面向通信网络优化工程师、机器学习初学者及VoLTE语音质量研究者聚焦如何用人工神经网络替代传统路测实现全网VoLTE MOS值的预测。文档系统梳理了MOS评估算法现状提出以MCMC中的Gibbs抽样对路测缺失数据进行模拟增强再以人工神经网络拟合建模并通过理论推导与仪表实测对比验证方法可行性。资源包内仅含1个PDF文件约1.4MB内容涵盖神经网络结构、样本生成、建模预测及影响因素分析等完整章节适合作为数据建模与深度学习在通信领域落地的参考读物。目前已有107人学习下载读者可从中获取从数据增强到模型训练、泛化验证的完整技术路线理解时延、丢包、编码器性能等特征如何纳入输入并了解SVM、随机森林、LSTM等后续优化方向为VoLTE网络优化与机器学习实践提供可复用的思路。1. 从一通掉话说起VoLTE MOS预测到底在预测什么VoLTE 通话质量差的时候用户感知非常直接声音断断续续、像在水里说话、甚至直接掉话。但运营商侧看到的 KPI 往往是“接入成功率 99.5%”“掉话率 0.3%”指标好看投诉却不断。问题出在——传统 KPI 衡量的是“网络通不通”而 MOSMean Opinion Score衡量的是“人耳听着舒不舒服”。MOS 分值通常在 1 到 5 之间4.0 以上算良好3.5 以下用户就会明显烦躁。VoLTE 走的是 IP 通道语音包在无线侧要经过调度、 HARQ 重传、抖动缓冲任何一个环节劣化都会把 MOS 拉下来。人工神经网络在这里的价值是用现网的无线参数、丢包、时延、抖动等可采集指标去拟合一个逼近真实主观评分的预测模型从而在不做大量路测的前提下批量识别“KPI 正常但 MOS 已经烂了”的小区或用户。这套方案适合无线优化工程师、核心网侧做语音质量分析的从业者以及想用神经网络做回归预测的算法入门者。它不要求你懂 3GPP 全部协议栈但要求你能拿到至少 8 到 12 个与语音质量强相关的特征字段。2. 特征工程从 VoLTE 信令里挑出真正影响 MOS 的字段2.1 为什么不能直接把所有 KPI 丢进神经网络我见过不少同行一上来就把几十个计数器全塞进模型结果训练 loss 降得很快验证集一塌糊涂。原因有两个一是很多 KPI 之间高度共线比如“上行丢包率”和“上行 BLER”几乎在讲同一件事网络会学到冗余权重二是有些字段和 MOS 的关系是非单调的比如“平均 MCS”太高反而可能意味着用户处于小区中心但调度器没给足 RBMOS 不一定好。常见做法是先按“无线侧、核心网侧、终端侧”三类做初筛每类保留 3 到 5 个候选再用皮尔逊或互信息做一次相关性排序。我一般会保留这些字段上行/下行丢包率、上行/下行平均时延、抖动、SINR、RSRP、CQI、BLER、PDCP 层吞吐、以及语音编码速率。注意RSRP 和 SINR 虽然相关但一个反映覆盖一个反映干扰同时保留能让模型区分“弱覆盖但干扰小”和“覆盖好但干扰大”两种劣化模式。2.2 用 Python 做特征筛选与归一化的最小脚本下面这段代码假设你已经把现网采集数据整理成 CSV每行是一条语音样本列名按实际字段替换。核心动作是去掉方差过低的列、计算与 MOS 的互信息、再做 Min-Max 归一化。import pandas as pd import numpy as np from sklearn.feature_selection import mutual_info_regression from sklearn.preprocessing import MinMaxScaler # 读取数据mos 列是真实主观评分或路测 MOS df pd.read_csv(volte_samples.csv) feature_cols [c for c in df.columns if c ! mos] # 去掉方差接近 0 的列这类字段对模型没有区分度 var_series df[feature_cols].var() low_var_cols var_series[var_series 1e-6].index.tolist() df df.drop(columnslow_var_cols) feature_cols [c for c in feature_cols if c not in low_var_cols] # 互信息筛选保留与 MOS 相关性最高的前 10 个特征 mi mutual_info_regression(df[feature_cols], df[mos], random_state42) mi_series pd.Series(mi, indexfeature_cols).sort_values(ascendingFalse) top_features mi_series.head(10).index.tolist() print(Top features by MI:, top_features) # Min-Max 归一化神经网络对输入尺度敏感 scaler MinMaxScaler() df[top_features] scaler.fit_transform(df[top_features]) df[[mos] top_features].to_csv(volte_norm.csv, indexFalse)逻辑说明互信息比皮尔逊更适合捕捉非线性关系VoLTE 里时延和 MOS 就不是简单线性。参数说明random_state42保证每次筛选结果可复现head(10)是经验值特征太少欠拟合太多容易过拟合10 个左右在几百到几千条样本量下比较稳。归一化必须用训练集拟合 scaler再 transform 验证集和测试集否则会引入数据泄露。这一步做完你手里应该有一张干净、尺度统一的表下一步才能喂给网络。2.3 样本不平衡与 MOS 标签的“天花板效应”真实路测数据里MOS 在 4.2 到 4.5 之间的样本往往占 70% 以上低于 3.0 的劣化样本很少。如果直接训练模型会倾向于全部预测 4.3看起来 MAE 很低但实际抓不到差小区。我的处理方式是对 MOS 低于 3.5 的样本做 SMOTE 过采样或者简单复制到与正常样本 1:2 的比例。另外主观 MOS 本身有“天花板”用户很难打出 5.0所以标签里 4.8 以上的样本可以合并到 4.5 区间减少模型在顶部区域的无效拟合。这一步不做后面调网络结构都是白费。3. 人工神经网络结构选型BP 网络、LSTM 还是 Transformer3.1 为什么大多数 VoLTE MOS 预测用 BP 网络就够了VoLTE MOS 预测的输入通常是一条语音样本的统计特征不是原始波形也不是完整时序序列。这种情况下一个 3 到 5 层的全连接 BP 网络就能拿到不错的精度。我实测过在 2000 条样本、10 个特征的数据集上3 层 BP输入-64-32-1的验证集 MAE 可以做到 0.18 左右换成 LSTM 反而因为序列长度短、特征维度低而更容易过拟合。LSTM 适合的场景是你拿到的是按时间排列的连续采样点比如每 20ms 一个 RTCP 包想捕捉抖动的时间累积效应。Transformer 更吃数据量没有几万条以上样本不建议上。所以选型顺序是先跑通 BP 基线再考虑要不要加时序结构。3.2 用 PyTorch 搭一个可训练的 MOS 预测网络下面代码定义了一个带 BatchNorm 和 Dropout 的 BP 网络输出层不加激活函数因为 MOS 是连续回归值。训练循环里用了早停和学习率衰减。import torch import torch.nn as nn from torch.utils.data import DataLoader, TensorDataset class MOSNet(nn.Module): def __init__(self, input_dim): super().__init__() self.net nn.Sequential( nn.Linear(input_dim, 64), nn.BatchNorm1d(64), nn.ReLU(), nn.Dropout(0.2), nn.Linear(64, 32), nn.BatchNorm1d(32), nn.ReLU(), nn.Dropout(0.2), nn.Linear(32, 1) # 回归输出不加激活 ) def forward(self, x): return self.net(x).squeeze(-1) # 假设 X_train, y_train 已归一化X_val, y_val 同理 train_ds TensorDataset(torch.tensor(X_train, dtypetorch.float32), torch.tensor(y_train, dtypetorch.float32)) val_ds TensorDataset(torch.tensor(X_val, dtypetorch.float32), torch.tensor(y_val, dtypetorch.float32)) train_loader DataLoader(train_ds, batch_size64, shuffleTrue) val_loader DataLoader(val_ds, batch_size64) model MOSNet(input_dimX_train.shape[1]) optimizer torch.optim.Adam(model.parameters(), lr1e-3) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, patience5) criterion nn.MSELoss() best_val float(inf) patience_counter 0 for epoch in range(200): model.train() for xb, yb in train_loader: optimizer.zero_grad() loss criterion(model(xb), yb) loss.backward() optimizer.step() model.eval() val_loss 0.0 with torch.no_grad(): for xb, yb in val_loader: val_loss criterion(model(xb), yb).item() * len(xb) val_loss / len(val_ds) scheduler.step(val_loss) if val_loss best_val: best_val val_loss torch.save(model.state_dict(), best_mos.pt) patience_counter 0 else: patience_counter 1 if patience_counter 15: print(fEarly stop at epoch {epoch}) break逻辑说明BatchNorm 放在线性层之后、激活之前能稳定训练Dropout 设 0.2 是防止小样本过拟合。参数说明batch_size64在千级样本下比较稳太小梯度噪声大太大收敛慢patience5是学习率衰减的耐心值patience_counter15是早停阈值这两个别设太小否则模型还没学到位就停了。损失函数用 MSE因为 MOS 是连续值MAE 也可以但 MSE 对大误差惩罚更重能逼模型关注劣化样本。3.3 训练集/验证集/测试集怎么切才不骗自己我习惯按“小区”或“用户”切而不是随机切样本。随机切会导致同一个用户的不同语音样本同时出现在训练和验证集里模型记住了这个用户的特征验证 MAE 虚低。按小区切能模拟“模型没见过的新小区”场景更接近实际部署。比例上训练 70%、验证 15%、测试 15%。如果样本量少于 1000用 5 折交叉验证代替固定验证集报告平均 MAE 和标准差。4. 训练完怎么验证MAE、散点图和“差小区召回率”4.1 只看 MAE 会漏掉最该抓的劣化样本MAE 0.15 听起来不错但如果模型把所有 MOS 都预测在 4.2 附近劣化样本的误差可能高达 1.0 以上。我一般同时看三个指标整体 MAE、MOS3.5 样本的召回率预测值也3.5 的比例、以及预测值 vs 真实值的散点图。散点图如果呈一条水平线说明模型没学到东西如果低 MOS 区域点很散说明劣化样本特征不够或过采样没做好。下面代码画出散点并计算分组 MAE。import matplotlib.pyplot as plt from sklearn.metrics import mean_absolute_error model.eval() with torch.no_grad(): pred model(torch.tensor(X_test, dtypetorch.float32)).numpy() true y_test mae_all mean_absolute_error(true, pred) mask_bad true 3.5 mae_bad mean_absolute_error(true[mask_bad], pred[mask_bad]) if mask_bad.sum() 0 else None recall_bad ((pred[mask_bad] 3.5).sum() / mask_bad.sum()) if mask_bad.sum() 0 else None print(fMAE all: {mae_all:.3f}, MAE bad: {mae_bad}, Recall bad: {recall_bad}) plt.scatter(true, pred, alpha0.3) plt.plot([1, 5], [1, 5], r--) plt.xlabel(True MOS) plt.ylabel(Predicted MOS) plt.savefig(mos_scatter.png)逻辑说明mask_bad挑出真实 MOS 低于 3.5 的样本单独算 MAE 和召回。参数说明召回率低于 0.6 就说明模型对劣化不敏感需要回去检查特征里有没有丢包、时延这类强相关字段或者过采样比例不够。散点图里如果预测值普遍比真实值高 0.2 以上说明模型有系统性高估可以在损失函数里给低 MOS 样本加权。4.2 用 SHAP 看模型到底在依赖哪些特征神经网络常被叫“黑匣子”但 SHAP 能给出每个特征对单条预测的贡献。对 VoLTE MOS 预测来说如果 SHAP 显示“上行丢包率”贡献最大那优化方向就是查上行干扰和调度如果“抖动”贡献大就去查基站时钟和传输网。下面代码用 SHAP 的 KernelExplainer 对少量测试样本做解释。import shap # 取 100 条测试样本做背景避免计算量过大 background X_test[:100] explainer shap.KernelExplainer(model.predict, background) shap_values explainer.shap_values(X_test[:50]) shap.summary_plot(shap_values, X_test[:50], feature_namestop_features)逻辑说明KernelExplainer 不依赖模型内部结构适合任意 PyTorch 模型。参数说明背景样本 100 条是精度和速度的折中太少解释不稳定太多跑得慢。X_test[:50]是解释的样本数实际分析可以取 200 到 500 条。SHAP 图里如果某个特征的高值对应低 MOS 预测说明这个特征越大越差比如丢包率如果高值对应高 MOS说明越大越好比如 SINR。5. 避坑与排查VoLTE MOS 预测里最容易翻车的 5 个点5.1 现象验证集 MAE 很低上线后预测全偏高原因训练集和验证集按样本随机切同一个用户或同一段路测的样本同时出现在两边模型记住了用户特征。解决按小区 ID 或用户 ID 做分组切分确保验证集里的小区在训练集里没出现过。如果数据里没有小区 ID至少按时间切用前 70% 时间训练后 30% 验证。5.2 现象模型对 MOS3.0 的样本预测误差超过 1.0原因劣化样本太少过采样后仍然不足以让网络学到边界。解决除了 SMOTE还可以在损失函数里给低 MOS 样本加权比如权重设为 3 到 5 倍。另外检查特征里有没有“上行丢包率”和“抖动”这两个强相关字段缺了它们模型很难区分劣化。5.3 现象训练 loss 一直降验证 loss 从第 10 轮开始涨原因网络容量过大或训练轮数太多过拟合。解决先减层把 64-32 改成 32-16再加大 Dropout 到 0.3 到 0.4最后加 L2 正则在 optimizer 里设weight_decay1e-4。早停 patience 设 15 到 20别设 5否则还没收敛就停了。5.4 现象SHAP 显示 RSRP 贡献最大但优化 RSRP 后 MOS 没提升原因RSRP 和 MOS 的相关性可能来自“弱覆盖小区恰好也是高丢包小区”模型把 RSRP 当成了丢包的代理变量。解决做特征交叉比如构造“RSRP 低于 -110 且上行丢包大于 2%”的组合特征让模型区分“弱覆盖但质量好”和“弱覆盖且质量差”。或者直接去掉 RSRP只用 SINR、丢包、时延训练看 MAE 变化。5.5 现象换一批新数据预测MAE 从 0.18 跳到 0.45原因新数据的采集设备、时间、区域和训练集分布不同归一化 scaler 不适用。解决每次上线新数据前先用新数据的一小部分做无监督的分布检测比如比较特征均值和方差。如果偏移大用新数据重新拟合 scaler或者做在线学习用新样本微调模型最后两层。别直接拿旧 scaler 硬套。6. 把模型塞进日常优化流程一个可复用的打分脚本训练完的模型如果只躺在 notebook 里价值有限。我一般会把它封装成一个打分脚本输入是每天从网管导出的 VoLTE 样本 CSV输出是每条样本的预测 MOS 和“劣化标记”。这样优化工程师每天早上跑一次就能拿到 Top 100 最差小区列表直接去查干扰、查传输、查参数。下面是一个最小可用的批量打分脚本加载之前保存的模型和 scaler对新数据做预测。import joblib import pandas as pd import torch # 加载训练时保存的 scaler 和特征列表 scaler joblib.load(mos_scaler.pkl) top_features joblib.load(mos_features.pkl) def score_new_data(csv_path, model_pathbest_mos.pt): df pd.read_csv(csv_path) # 只保留训练时用到的特征缺失的填 0 并记录 missing [c for c in top_features if c not in df.columns] if missing: print(Missing features, filled with 0:, missing) for c in missing: df[c] 0.0 X scaler.transform(df[top_features]) model MOSNet(input_dimlen(top_features)) model.load_state_dict(torch.load(model_path)) model.eval() with torch.no_grad(): pred model(torch.tensor(X, dtypetorch.float32)).numpy() df[pred_mos] pred df[bad_flag] (pred 3.5).astype(int) # 按预测 MOS 升序最差的排前面 df.sort_values(pred_mos, ascendingTrue).to_csv(scored_output.csv, indexFalse) print(fScored {len(df)} samples, bad count: {df[bad_flag].sum()}) score_new_data(daily_volte.csv)逻辑说明joblib加载训练时保存的 scaler 和特征列表保证新数据用同样的归一化参数。参数说明missing处理是防止新数据缺字段导致报错但填 0 只是兜底实际应该补采这些字段。bad_flag阈值 3.5 可以按需调整比如想抓更严重的劣化就设 3.0。输出按预测 MOS 升序优化工程师直接看前几行就行。这个脚本我一般挂在每天凌晨跑跑完把scored_output.csv推到优化组的共享目录。用了半年多最大的体会是模型精度不是最重要的特征字段的稳定采集和分布监控才是。有一次传输网割接抖动特征整体偏移了 30ms模型没来得及更新预测 MOS 集体偏低差点误判一批小区。后来我加了一个简单的监控每天算一次预测 MOS 的均值和标准差如果和上周比偏移超过 0.3就触发告警先查数据再信模型。希望帮到你。本文还有配套的精品资源点击获取