【技术实现步骤摘要】
无侵入式的光带通滤波器频率偏移监测与定位方法及装置
[0001]本专利技术涉及光纤通信
,特别是指一种无侵入式的光带通滤波器频率偏移监测与定位方法及装置。
技术介绍
[0002]光纤通信因其具有信息容量大、传输距离远、抗干扰能力强等优势,成为现代通信网络的重要桥梁,承载着世界信息的互联互通,为人们的生活、出行和工作提供越来越多的便利。但是,随着网络变得繁杂与庞大,一旦发生链路异常,将会造成通信质量的降低甚至中断,其后果将难以承受,因此对复杂多变的大容量光网络进行实时有效的监测是保障网络高效稳定运行的必要技术手段。光网络性能监控是实现网络高效安全运行的重要手段,可帮助网络运维管理人员及时发现异常现象,缩短光网络的修复时间和运营成本。为提高光网络的智能化管理能力,基于机器学习赋能的网络故障管理应用技术不断被提出与实现。在大多数故障识别方案中,主要从接收到的大量通信数据中学习相关特征,完成网络故障预测、故障诊断与故障识别,以保障高速光纤通信系统的可靠运行。
[0003]在光传输系统中,光滤波器通常被应用于信号波长的选择与带外噪声的滤除,是光网络中必不可少的光学器件。但是,滤波器若在工作中发生频率偏移等问题会造成信号传输质量的下降,此类故障甚至会中断已建立的通信连接,为了确保通信质量,一旦出现滤波器频率偏移等异常问题,必须快速定位与检修。
[0004]现有光网络中的滤波器频率偏移监测方案包括:
①
基于传统的监测方案,使用体积庞大、价格昂贵的硬件测量设备,如在光网络中部署光谱仪进行信号的 ...
【技术保护点】
【技术特征摘要】
1.一种无侵入式的光带通滤波器频率偏移监测与定位方法,其特征在于,所述方法包括:S1、获取光通信系统的接收信号;S2、对所述接收信号进行离线信号处理,得到第一支路信号以及第二支路信号;S3、将所述第一支路信号以及第二支路信号输入到基于光纤数字反向传播DBP的深度神经网络模型,得到深度神经网络模型中自适应滤波器的抽头系数;S4、基于所述深度神经网络模型中自适应滤波器的抽头系数,得到光通信系统中滤波器的损伤辨别结果与损伤定位溯源结果。2.根据权利要求1所述的方法,其特征在于,所述S2中的对接收信号进行离线信号处理,得到第一支路信号以及第二支路信号包括:S21、对所述接收信号进行I/Q正交化;S22、对正交化后的接收信号进行色散补偿;S23、对色散补偿后的接收信号进行自适应均衡与偏振解复用;S24、对自适应均衡与偏振解复用后的接收信号进行频率偏移估计;S25、将频率偏移估计后的接收信号分成两路,得到第一支路信号以及第二支路信号。3.根据权利要求1所述的方法,其特征在于,所述S3中的将所述第一支路信号以及第二支路信号输入到基于光纤数字反向传播DBP的深度神经网络模型,得到深度神经网络模型中自适应滤波器的抽头系数包括:S31、对所述第一支路信号加入色散损伤,重构包含色散损伤、非线性损伤以及滤波器偏移损伤的信号,得到预处理后的第一支路信号;S32、对所述第二支路信号进行载波相位恢复、判决,得到消除色散损伤、非线性损伤以及滤波器频率偏移损伤的信号,并基于第一支路信号进行相位对齐,得到预处理后的第二支路信号;S33、将所述预处理后的第一支路信号作为基于DBP的深度神经网络模型的输入信号,将所述预处理后的第二支路信号作为基于DBP的深度神经网络模型的参考信号,对基于DBP的深度神经网络模型进行训练,得到深度神经网络模型中自适应滤波器的抽头系数。4.根据权利要求3所述的方法,其特征在于,所述S33中将所述预处理后的第一支路信号作为基于DBP的深度神经网络模型的输入信号,将所述预处理后的第二支路信号作为基于DBP的深度神经网络模型的参考信号,对基于DBP的深度神经网络模型进行训练,得到深度神经网络模型中自适应滤波器的抽头系数包括:S331、设置基于DBP的深度神经网络模型;S332、将所述预处理后的第一支路信号作为基于DBP的深度神经网络模型的输入信号,输入到设置好的基于DBP的深度神经网络模型,得到深度神经网络模型的前向计算输出信号;S333、将所述预处理后的第二支路信号作为基于DBP的深度神经网络模型的参考信号,基于所述前向计算输出信号,对基于DBP的深度神经网络模型进行训练,得到深度神经网络模型中自适应滤波器的抽头系数。5.根据权利要求4所述的方法,其特征在于,所述S331中的设置基于DBP的深度神经网络模型包括:
S3311、设置基于DBP的深度神经网络模型的层数;S3312、获取光通信系统的跨段数,根据光通信系统的每个跨段位置在基于DBP的深度神经网络模型中对应设置自适应滤波器。...
【专利技术属性】
技术研发人员:周娴,李飞宇,高宇元,王诗尧,方倩文,隆克平,
申请(专利权)人:北京科技大学,
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。