一种提升环境自适应性的光学性能监测系统及方法技术方案

本发明专利技术公开了一种提升环境自适应性的光学性能监测系统及方法，所述系统包括：数据生成模块，用于将光信号生成能够被神经网络模型处理的数据格式；数据变化感知模块，用于将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；迁移训练模块，用于当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；模型剪枝压缩模块，用于对新训练的神经网络模型进行剪枝操作；数据分析模块，用于根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。本发明专利技术能够及时感知光网络环境的变化，并自适应调整监测神经网络模型，确保在复杂多变的光网络环境下得到准确的监测结果。

【技术实现步骤摘要】
一种提升环境自适应性的光学性能监测系统及方法
本专利技术涉及光纤通信网络的光学性能监测
，特别涉及一种提升环境自适应性的光学性能监测系统及方法。
技术介绍
光纤通信网络是人类进行信息传递的骨干网络，因此借助光学性能监测设备对光纤通信网络的光学性能参数进行监控，对于维护并管理光网络的良好运行意义重大。然而，光纤通信网络不是一成不变的“死”系统，其是在不断发展与变化中的。比如：随着光网络运行时间的推移，光发射机会出现老化，光纤信道条件会出现改变，光性能监测设备的数据接收模块会出现变动，这些环境因素的改变都会造成监测所需的光信号的差异，使得光学性能监测的准确性出现恶化。目前的光学性能监测设备架构体系对于光网络环境的变动缺乏自适应能力，无法感知光网络环境的变动，且无法对变动做出及时的调整，这严重制约了光学性能监测的未来发展。
技术实现思路
本专利技术针对目前光学性能监测架构存在的缺乏环境自适应能力的缺陷，提供一种提升环境自适应性的光学性能监测系统及方法，通过新增设计包含数据变化感知模块、迁移训练模块以及模型剪枝压缩模块在内的新架构，使得光学性能监测系统具备环境自适应能力，确保在复杂多变的光网络环境下得到准确的监测结果。为解决上述技术问题，本专利技术的实施例提供如下方案：一方面，提供了一种提升环境自适应性的光学性能监测系统，包括数据生成模块和数据分析模块，所述系统还包括依次设置在所述数据生成模块和所述数据分析模块之间的数据变化感知模块、迁移训练模块和模型剪枝压缩模块；其中，所述数据生成模块用于将光信号生成能够被神经网络模型处理的数据格式；所述数据变化感知模块用于将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；所述迁移训练模块用于当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；所述模型剪枝压缩模块用于对新训练的神经网络模型进行剪枝操作；所述数据分析模块用于根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。优选地，所述数据变化感知模块具体用于：加载预先存储的原始数据集，获取原始数据集的数据分布；将新采集数据集的数据分布与原始数据集的数据分布进行比对，判断两者的数据分布差异是否超过预设阈值；若数据分布差异超过预设阈值，则认为光网络环境发生变化；若数据分布差异未超过预设阈值，则认为光网络环境未发生变化。优选地，所述迁移训练模块具体用于：当判断光网络环境发生变化后，加载原始的神经网络模型；使用新采集数据集对神经网络模型进行训练；判断训练轮数是否到达预设轮数；若达到预设轮数，则完成训练，得到新训练的神经网络模型；否则，继续训练直至达到预设轮数。优选地，所述模型剪枝压缩模块具体用于：加载新训练的神经网络模型，标记不重要的神经元连接；对不重要的神经元连接进行剔除；重新对保留下来的神经元连接进行训练；将重新训练后的神经网络模型部署到数据分析模块中。一方面，提供了一种基于上述的提升环境自适应性的光学性能监测系统的光学性能监测方法，包括以下步骤：数据生成模块将光信号生成能够被神经网络模型处理的数据格式；数据变化感知模块将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；迁移训练模块当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；模型剪枝压缩模块对新训练的神经网络模型进行剪枝操作；数据分析模块根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。优选地，所述数据变化感知模块将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化的步骤具体包括：加载预先存储的原始数据集，获取原始数据集的数据分布；将新采集数据集的数据分布与原始数据集的数据分布进行比对，判断两者的数据分布差异是否超过预设阈值；若数据分布差异超过预设阈值，则认为光网络环境发生变化；若数据分布差异未超过预设阈值，则认为光网络环境未发生变化。优选地，所述迁移训练模块当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型的步骤具体包括：当判断光网络环境发生变化后，加载原始的神经网络模型；使用新采集数据集对神经网络模型进行训练；判断训练轮数是否到达预设轮数；若达到预设轮数，则完成训练，得到新训练的神经网络模型；否则，继续训练直至达到预设轮数。优选地，所述模型剪枝压缩模块对新训练的神经网络模型进行剪枝操作的步骤具体包括：加载新训练的神经网络模型，标记不重要的神经元连接；对不重要的神经元连接进行剔除；重新对保留下来的神经元连接进行训练；将重新训练后的神经网络模型部署到数据分析模块中。本专利技术实施例提供的技术方案带来的有益效果至少包括：本专利技术在原有监测架构的基础上新增设计了数据变化感知模块、迁移训练模块以及模型剪枝压缩模块，构成了提升监测系统环境自适应能力的新架构，能够及时感知光网络环境的变化，并自适应的调整监测神经网络模型，确保在复杂多变的光网络环境下得到准确的监测结果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种提升环境自适应性的光学性能监测系统的结构示意图；图2是本专利技术实施例的具体流程示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。本专利技术的实施例首先提供了一种提升环境自适应性的光学性能监测系统，如图1所示，所述系统包括数据生成模块、数据分析模块，还包括依次设置在数据生成模块和数据分析模块之间的数据变化感知模块、迁移训练模块和模型剪枝压缩模块；其中，数据生成模块用于将光信号生成能够被神经网络模型处理的数据格式；数据变化感知模块用于将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；迁移训练模块用于当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；模型剪枝压缩模块用于对新训练的神经网络模型进行剪枝操作；数据分析模块用于根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。在图1所示的框架图中，数据生成模块和数据分析模块是目前传统的光学监测设备原有的结构。光信号进入监测系统之后，首先被数据生成模块处理，得到能够被神经网络模型处理的合适的数据格式，随后完成处理的数据被送到数据分析模块，被其中本文档来自技高网...

【技术保护点】
1.一种提升环境自适应性的光学性能监测系统，包括数据生成模块和数据分析模块，其特征在于，所述系统还包括依次设置在所述数据生成模块和所述数据分析模块之间的数据变化感知模块、迁移训练模块和模型剪枝压缩模块；/n其中，所述数据生成模块用于将光信号生成能够被神经网络模型处理的数据格式；/n所述数据变化感知模块用于将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；/n所述迁移训练模块用于当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；/n所述模型剪枝压缩模块用于对新训练的神经网络模型进行剪枝操作；/n所述数据分析模块用于根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。/n

【技术特征摘要】
1.一种提升环境自适应性的光学性能监测系统，包括数据生成模块和数据分析模块，其特征在于，所述系统还包括依次设置在所述数据生成模块和所述数据分析模块之间的数据变化感知模块、迁移训练模块和模型剪枝压缩模块；
其中，所述数据生成模块用于将光信号生成能够被神经网络模型处理的数据格式；
所述数据变化感知模块用于将最近预设时间段获取的数据分布与先前预设时间段获取的数据分布进行比对，判断光网络环境是否发生变化；
所述迁移训练模块用于当光网络环境发生变化时，从最新的光网络环境中采集数据重新训练神经网络模型；
所述模型剪枝压缩模块用于对新训练的神经网络模型进行剪枝操作；
所述数据分析模块用于根据新训练的神经网络模型对接收的数据进行处理，得到检测结果。


2.根据权利要求1所述的光学性能监测系统，其特征在于，所述数据变化感知模块具体用于：
加载预先存储的原始数据集，获取原始数据集的数据分布；
将新采集数据集的数据分布与原始数据集的数据分布进行比对，判断两者的数据分布差异是否超过预设阈值；
若数据分布差异超过预设阈值，则认为光网络环境发生变化；若数据分布差异未超过预设阈值，则认为光网络环境未发生变化。


3.根据权利要求1所述的光学性能监测系统，其特征在于，所述迁移训练模块具体用于：
当判断光网络环境发生变化后，加载原始的神经网络模型；
使用新采集数据集对神经网络模型进行训练；
判断训练轮数是否到达预设轮数；
若达到预设轮数，则完成训练，得到新训练的神经网络模型；否则，继续训练直至达到预设轮数。


4.根据权利要求1所述的光学性能监测系统，其特征在于，所述模型剪枝压缩模块具体用于：
加载新训练的神经网络模型，标记不重要的神经元连接；
对不重要的神经元连接进行剔除；
重新对保留下来的神经元连接进行训练；
将重新训练后的神经网络模型部署到数据分析模块中。


5.一种基于权利要求1-4中任一项...

【专利技术属性】
技术研发人员：王建萍，范潇杰，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11