多播光树传输质量预测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术提供一种多播光树传输质量预测方法、装置、设备和存储介质。该方法包括：根据光树建路请求，确定待建光树；根据所述待建光树的路由信息，提取所述待建光树的特征；根据所述待建光树的特征，通过训练后的神经网络模型获取所述待建光树的传输质量；所述传输质量包括以下至少一项：光信噪比或误码率。本发明专利技术实施例预测较为准确，提高了多播业务建立成功率。

Multicast Optical Tree Transmission Quality Prediction Method, Device, Equipment and Storage Media

The invention provides a multicast optical tree transmission quality prediction method, device, device and storage medium. The method includes: determining the light tree to be built according to the request of light tree road building; extracting the characteristics of the light tree to be built according to the routing information of the light tree to be built; obtaining the transmission quality of the light tree to be built through the trained neural network model according to the characteristics of the light tree to be built; and the transmission quality includes at least one of the following items: optical signal-to-noise ratio (OSNR) or bit error rate (BER). The embodiment of the present invention predicts accurately and improves the success rate of multicast service establishment.

【技术实现步骤摘要】
多播光树传输质量预测方法、装置、设备和存储介质
本专利技术涉及光通信
，尤其涉及一种多播光树传输质量预测方法、装置、设备和存储介质。
技术介绍
由于光纤通信具有损耗低、传输频带宽、容量大、体积小、重量轻、抗电磁干扰等优点，当前，全球90％以上的信息通信都由光网络承载，光网络已被广泛应用于骨干传输、数据中心互联、卫星组网等领域，成为社会不可或缺的、重要的战略基础设施。随着互联网、大数据、云计算的蓬勃式发展，像IPTV、视频会议、多玩家游戏等这样的多播业务爆炸式增长，尤其在数据中心光网络中，多播业务已逐渐成为主流。点到多点传输是多播业务的典型特征，多播业务要求相同的数据从一个源节点传输到多个目的节点。多播业务可以通过光树或多个单独的光路传输。但与建立多条光路相比，通过构建光树来对多播业务的承载可以减少收发机的使用和频谱资源的消耗。传输质量(QualityofTransmission,QoT)的测量一直是光学性能检测的一项重要的工作。信号在传输过程中不可避免地会遭受到一定串扰和噪声的影响，传输质量受到损伤。对于结构越来越复杂且性能要求越来越高的光网络，一条光连接可能经过多个交叉连接节点和多段区域，受到损伤的可能性更大。在业务建立之前，准确地评估信道的传输质量，可以有效地提高业务建立的成功率，优化网络资源使用，所以在建立连接之前快速准确地估计QoT是很有必要的。光信噪比(OpticalSignaltoNoiseRatio,OSNR)、误码率是QoT测量非常重要的两个指标。传统的传输质量估计方法，一般是根据已知或预设的传输层特性预先估计将要建立光路的传输质量。然而，传统的传输质量估计方法中，考虑到的传输损伤有限，不能完全的符合光网络系统的真实情况。因此，对于本领域技术人员来说，亟需实现一种较为准确的预估光树的传输质量的方法。
技术实现思路
本专利技术提供一种多播光树传输质量预测方法、装置、设备和存储介质，以提高光树的传输质量的准确性，进而提高了光树建立的成功率，提升了多播业务服务质量。第一方面，本专利技术提供一种多播光树传输质量预测方法，包括：根据光树建路请求，确定待建光树；根据所述待建光树的路由信息，提取所述待建光树的特征；根据所述待建光树的特征，通过训练后的神经网络模型获取所述待建光树的传输质量；所述传输质量包括以下至少一项：光信噪比或误码率。第二方面，本专利技术提供一种多播光树传输质量预测装置，包括：路由模块，用于根据光树建路请求，确定待建光树；特征提取模块，用于根据所述待建光树的路由信息，提取所述待建光树的特征；处理模块，用于根据所述待建光树的特征，通过训练后的神经网络模型获取所述待建光树的传输质量；所述传输质量包括以下至少一项：光信噪比或误码率。第三方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法。第四方面，本专利技术实施例提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的方法。本专利技术实施例提供的多播光树传输质量预测方法、装置、设备和存储介质，根据光树建路请求，确定待建光树；根据所述待建光树的路由信息，提取所述待建光树的特征；根据所述待建光树的特征，通过训练后的神经网络模型获取所述待建光树的传输质量；所述传输质量包括以下至少一项：光信噪比或误码率，训练后的神经网络模型为通过已建立的光树的特征训练得到的，使得预测结果更为准确，即提高了光树的传输质量的准确性，进而提高了光树建立的成功率，提升了多播业务服务质量。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是本专利技术提供的多播光树传输质量预测方法一实施例的应用场景示意图；图2是本专利技术提供的多播光树传输质量预测方法一实施例的流程示意图；图3是本专利技术提供的多播光树传输质量预测方法一实施例的神经网络模型示意图；图4是本专利技术提供的方法一实施例的神经网络模型构建流程示意图；图5是本专利技术提供的方法一实施例的神经网络训练流程示意图；图6是本专利技术提供的方法一实施例的光树构建示意图；图7是本专利技术提供的多播光树传输质量预测装置一实施例的结构示意图；图8是本专利技术提供的电子设备实施例的结构示意图。通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。本专利技术的说明书和权利要求书及所述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。首先对本专利技术所涉及的应用场景进行介绍：本专利技术实施例提供的多播光树传输质量预测方法，应用于多播业务连接建立前对承载所述多播业务的光树进行传输质量评估，即在光树建立前，对光树传输质量进行预先评估，判断是否能保证多播业务准确传输或达到其特定要求，提高光树建立的成功率，提升多播业务服务质量。本专利技术实施例的方法，利用光网络中已建立光树的信息训练神经网络模型，训练完成后将神经网络模型持久化，利用持久化的神经网络模型进行待建光树的传输质量的预测。图1为基于深度神经网络的多播光树传输质量预测应用场景示意图。本专利技术实施例方法的执行主体为多播光树传输质量预测装置，该装置包括：路由模块、样本集模块、特征提取模块、神经网络训练模块、持久化神经网络模型模块、光树可用性判断模块、业务最优光树选择模块。所述装置的外接单元主要有网管系统、路由模块、传输质量检测模块。本专利技术实施例中所承载多播业务的光网络由传送平面、控制平面和管理平面三部分组成。该装置可以嵌入在SDN控制器中实现，SDN控制器通过北向接口与网管系统通信，SDN控制器通过南向接口与传送设备通信，多个SDN光网络域间的互联通过东西向接口连接。所述网管系统位于管理平面，主要用于按照使用者需求向控制平面下发业务请求(如光树建路请求)，并对控制平面返回的数据进行相应的处理和显示。由特征提取模块和传输质量检测模块获得样本集模块所需数据，从特征提取模块获得各已建光树的特征(通过特征向量表示)，从传输质量检测模块获得各已建光树目的节点处的信噪比或误码率，即标签。样本集模块用来存储训练神经网络的样本集的数据。由样本集模块和神经网络训练模块训练出满足需要的神经网络模型，然后由持久化神经网络模型模块进行模型持久化。由网管系统、路由模块和特征提取模块获得待传输的多播业务的待建光树的特征(通过特征向量表示)。由持久化神经网络模型模块对待建光树进行传输质量预测。光树可用性判断本文档来自技高网...

【技术保护点】
1.一种多播光树传输质量预测方法，其特征在于，包括：根据光树建路请求，确定待建光树；根据所述待建光树的路由信息，提取所述待建光树的特征；根据所述待建光树的特征，通过训练后的神经网络模型获取所述待建光树的传输质量；所述传输质量包括以下至少一项：光信噪比或误码率。

【技术特征摘要】
1.一种多播光树传输质量预测方法，其特征在于，包括：根据光树建路请求，确定待建光树；根据所述待建光树的路由信息，提取所述待建光树的特征；根据所述待建光树的特征，通过训练后的神经网络模型获取所述待建光树的传输质量；所述传输质量包括以下至少一项：光信噪比或误码率。2.根据权利要求1所述的方法，其特征在于，所述光树建路请求包括待传输的多播业务的信息，所述多播业务的信息包括以下至少一项传输速率、调制格式、承载波长、源节点信息和目的节点个数，以及承载所述多播业务的光树占用的链路个数、最长支路长度、所有链路总长度；所述待建光树的特征包括以下至少一项：所述待建光树占用的链路个数、所述待建光树的最长支路长度、所述待建光树的所有链路总长度，以及所述多播业务的传输速率、所述多播业务的承载波长、所述多播业务的调制格式、所述多播业务的源节点信息和所述多播业务的目的节点个数。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述待建光树的特征，通过训练后的神经网络模型获取所述待建光树的传输质量之后，还包括：若所述传输质量包括光信噪比，且所述待建光树的传输质量大于预设信噪比阈值，则确定所述待建光树可用；若所述传输质量包括误码率，若所述待建光树的传输质量小于预设误码率阈值，则确定所述待建光树可用；若存在至少两个可用的待建光树，则根据所述至少两个可用的待建光树的传输质量和频谱资源消耗信息，从所述至少两个可用的待建光树中确定一个目标待建光树用于传输所述多播业务；频谱资源消耗信息为根据所述多播业务的传输速率、所述多播业务的调制格式以及所述路由信息确定的。4.根据权利要求3所述的方法，其特征在于，所述从所述至少两个可用的待建光树中确定一个目标待建光树用于传输所述多播业务之后，还包括：根据所述目标待建光树的频谱资源消耗信息，对所述目标待建光树分配资源，并建立所述目标待建光树。5.根据权利要求...

【专利技术属性】
技术研发人员：连伟华，赵晗祺，吴斌，洪丹轲，徐键，黄善国，尹珊，杨乃欢，张路，
申请(专利权)人：中国南方电网有限责任公司，北京邮电大学，
类型：发明
国别省市：广东,44