【技术实现步骤摘要】
SDN控制器以及光通信设备的光信噪比预测方法
本专利技术涉及光通信
，特别是指一种SDN控制器以及光通信设备的光信噪比预测方法。
技术介绍
随着互联网技术的蓬勃发展，光网络向着超高速大容量方向发展，网络规模日益庞大，光网络结构越来越复杂，网络中光路径不断延长，这必然导致网络中光信号传输受到各种物理层损伤的影响。光信号损伤造成端到端的误码率较高，不仅影响了传输质量，甚至导致阻塞率偏高。因此保障通信可靠性就非常重要。优化对光传输网络资源的配置及业务的部署，提升光传输网络的稳定性及可靠性。由于长距离传输导致的光域中功率损耗、光信号和色散等传输损伤的积累，光信号的传输质量将劣化，也许无法满足接收机对传输信号质量的要求，进而不能在光信号中解析出正确的相关信息。在光通信设备中，物理层最重要的参数就是光信噪比，其值的大小直接决定了业务能否正常运行，在接收机中光信噪比(OSNR)一旦不能满足要求，将会造成传输错误或失败、服务质量降低、传送消耗增加等问题。综上所述，准确高效的OSNR预测是十分必要的，因此需要设计...
【技术保护点】
1.一种光通信设备的光信噪比预测方法，其特征在于，包括：/n采集被测光通信设备的OSNR预测相关的当前网络状态信息；/n针对采集的当前网络状态信息，基于先验知识的算法进行OSNR运算；/n将采集的当前网络状态信息，以及运算得到的OSNR先验预测结果输入到神经网络模型中，得到所述被测光通信设备的最终OSNR预测结果；/n其中，所述神经网络模型是通过训练集预先训练得到的；其中，所述训练集是根据所述被测光通信设备的OSNR预测相关的历史网络状态信息，以及针对所述被测光通信设备的OSNR预测相关的历史网络状态信息，基于先验知识的算法进行OSNR运算得到的预测结果生成的。/n
【技术特征摘要】
1.一种光通信设备的光信噪比预测方法，其特征在于，包括：
采集被测光通信设备的OSNR预测相关的当前网络状态信息；
针对采集的当前网络状态信息，基于先验知识的算法进行OSNR运算；
将采集的当前网络状态信息，以及运算得到的OSNR先验预测结果输入到神经网络模型中，得到所述被测光通信设备的最终OSNR预测结果；
其中，所述神经网络模型是通过训练集预先训练得到的；其中，所述训练集是根据所述被测光通信设备的OSNR预测相关的历史网络状态信息，以及针对所述被测光通信设备的OSNR预测相关的历史网络状态信息，基于先验知识的算法进行OSNR运算得到的预测结果生成的。
2.根据权利要求1所述的方法，其特征在于，所述神经网络模型具体根据如下方法预先训练得到：
采集所述被测光通信设备的OSNR预测相关的历史网络状态信息；
针对采集的每组历史网络状态信息，基于先验知识的算法进行OSNR运算，得到相应的OSNR先验预测结果；
对于每组历史网络状态信息，将该组历史网络状态信息，以及对应的OSNR先验预测结果，组成一组输入数据；将对应于该组历史网络状态信息的实际OSNR检测结果，作为该组输入数据对应的标签数据；
根据多组输入数据及其对应的标签数据生成所述训练集；
将训练集中的各组输入数据依次输入神经网络模型，对神经网络模型进行训练：对于训练集中的每组输入数据，将该组输入数据输入到神经网络模型后，根据神经网络模型的输出与该组输入数据所对应的标签数据之间的差异，对神经网络模型的参数进行调整。
3.根据权利要求2所述的方法，其特征在于，所述采集所述被测光通信设备的OSNR预测相关的历史网络状态信息，具体为：
所述被测光通信设备将采集的OSNR预测相关的历史网络状态信息发送给SDN控制器。
4.根据权利要求3所述的方法，其特征在于，所述针对采集的每组历史网络状态信息，基于先验知识的算法进行OSNR运算，得到相应的OSNR先验预测结果，具体为：
所述SDN控制器针对所述被测光通信设备发送的每组历史网络状态信息，基于先验知识的算法进行OSNR运算，得到相应的OSNR先验预测结果。
5.根据权利要求4所述的方法，其特征在于，所述对神经网络模型进行训练，具体为：
所述SDN控制器对神经网络模型进行训练。
6.根据权利要求1-5任一所述的方法，其特征在于，所述采集被测光通信设备的OSNR预测相关的当前网络状态信息，具体为：
所...
【专利技术属性】
技术研发人员：王峰，李兴华，夏绪卫，闫振华，马梦轩，闫舒怡，邢祥栋，赵永利，
申请(专利权)人：国网宁夏电力有限公司电力科学研究院，北京邮电大学，
类型：发明
国别省市：宁夏;64
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。