【技术实现步骤摘要】
光通信网络性能参数监测方法及装置
[0001]本申请涉及光纤通信技术和机器学习
,尤其涉及光通信网络性能参数监测方法及装置。
技术介绍
[0002]随着全球网络数据流量需求的不断增长,光网络正逐渐从传统的固定系统演变为灵活的体系结构,并同时满足超大容量、超高速率和动态特性的要求。未来光通信技术具有异构性和动态性,其调制格式和传输速率等参数可以根据不同的信道特性自适应改变。调制格式识别(Modulation Format Identification,MFI)技术可以根据接收信号特性自动识别调制类型,并为后续相干接收机中的DSP算法提供所需信息。下一代光网络中,光信噪比(OSNR)反映了信号在传输过程中被噪声干扰的程度,与误码率直接相关,该指标的监测是衡量光网络性能优劣的重要标志之一。因此,调制格式识别和OSNR估计对于监测光传输质量、发展更加智能化的光通信系统具有重要作用,如何实现高精度的实时的光网络性能监测已经成为当前的研究热点。
[0003]传统的基于信号时频域数据处理的调制格式识别和OSNR估计等光网络性 ...
【技术保护点】
【技术特征摘要】
1.一种光通信网络性能参数监测方法,其特征在于,包括:获取光通信系统接收端接收的目标偏振相干光原始信号;将所述目标偏振相干光原始信号输入预设的时空特征网络,以使该时空特征网络输出所述目标偏振相干光原始信号对应的调制格式和光信噪比,以将该调制格式和光信噪比作为当前光通信网络性能参数监测结果。2.根据权利要求1所述的光通信网络性能参数监测方法,其特征在于,在所述将所述目标偏振相干光原始信号输入预设的时空特征网络之前,还包括:基于预设的均值方差标准化方式,对所述目标偏振相干光原始信号进行标准化处理。3.根据权利要求1所述的光通信网络性能参数监测方法,其特征在于,所述时空特征网络为:包含有用于提取空间特征的卷积神经网络CNN和用于提取时间特征的双向长短时记忆网络Bi
‑
LSTM的深度神经网络。4.根据权利要求3所述的光通信网络性能参数监测方法,其特征在于,所述深度神经网络包括:依次连接的输入层、特征提取层、特征融合层和输出层;所述特征提取层包含有:所述卷积神经网络CNN和所述双向长短时记忆网络Bi
‑
LSTM;所述输入层中的输入神经元的数量与偏振相干光原始信号的路数相同;所述卷积神经网络CNN用于根据输入所述输入层的偏振相干光原始信号,提取对应的空间特征;所述双向长短时记忆网络Bi
‑
LSTM用于根据输入所述输入层的偏振相干光原始信号,提取对应的时间特征;所述特征融合层用于对所述空间特征和时间特征进行融合拼接得到新的特征向量;所述输出层包括:用于根据所述新的特征向量输出所述偏振相干光原始信号的调制格式的第一全连接层,以及,用于根据所述新的特征向量输出所述偏振相干光原始信号的光信噪比的第二全连接层。5.根据权利要求1所述的光通信网络性能参数监测方法,其特征在于,还包括:获取在多种光信噪比和多种调制格式下的多个历史偏振相干光原始信号,其中,所述历史偏振相干光原始信号包括:用于表示历史偏振相干光原始信号在不同时刻的幅值和相位信息的四路电信号;根据各个所述历史偏振相干光原始信号生成对应的矩阵序列,并在该矩阵序列...
【专利技术属性】
技术研发人员:李志沛,常星乐,忻向军,张琦,姚海鹏,张文全,武瑞德,黄鑫,高然,王拥军,田清华,田凤,杨雷静,
申请(专利权)人:北京理工大学江苏雅泰歌思通讯技术有限公司雅泰歌思上海通讯科技有限公司,
类型:发明
国别省市:
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。