[发明专利]一种基于优化控制方案的光信号多参数监控的方法在审

专利信息
申请号: 201510963160.0 申请日: 2015-12-17
公开(公告)号: CN105790829A 公开(公告)日: 2016-07-20
发明(设计)人: 李朝晖 申请(专利权)人: 暨南大学
主分类号: H04B10/071 分类号: H04B10/071;H04B10/077
代理公司: 北京天奇智新知识产权代理有限公司 11340 代理人: 刘黎明
地址: 510632 广东省广州市天*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 优化 控制 方案 信号 参数 监控 方法
【说明书】:

技术领域

发明属于光通信领域,具体属于光通信网络中的光性能监控技术领域,尤其涉及一种 基于优化控制方案的光信号多参数监控的方法。

背景技术

目前光通信技术的发展以及新型光电器件的出现,使得点到点之间的传输能力已经接近 了极限,如何进一步提升系统的传输能力?必须发挥现有系统的动态传输、交换特性,也就 是需要实现一种动态的光网络。

因此给光信号的性能监测和管理技术带来机遇与挑战,为了实现下一代动态可重构的光 网络,必须对其中重要的参数进行监测,光性能监控模块(OPM)在下一代光网络管理、调 控、优化中起到必不可少的作用。

目前,实现多参数光信号监控已经成为OPM技术未来的发展趋势。如何在实际工程应 用中实现多参数监控的OPM技术,是需要解决的关键技术之一。

目前采用较多的技术就是基于人工神经元网络的监测技术,但是存在硬件复杂度高、灵 活性差、不能应用于不同信道传输情况等问题,在实际工程应用中受到很大限制。此外,现 有技术在网络训练中对人工干预的依赖很大,仅仅提出了多种调制格式的识别,但是如果CD、 PMD、OSNR等多种参数需要共同识别时,由于其引起的光信号畸变特征不同,有效性会大 大降低。为了提高识别精度,就需要增加采样精度,这样就会使得神经元网络的矩阵非常庞 大,信号处理会变得非常复杂。已有的方案都没有考虑光网络变化的情况,当光网络重新配 置时,会出现无法识别或误判决的情况。

发明内容

为解决上述技术问题,本发明人经过长期研究,提出一种基于优化控制方案的光信号多 参数监控的方法,其能够降低网络训练中对人工干预的依赖,提高神经元网络训练过程的自 适应能力。

依据本发明的技术方案,提供一种基于优化控制方案的光信号多参数监控的方法,其1) 通过具有“在线识别”和“网络训练”两部分的OPM监测模块实现了对全光网络的多参数监 控;2)引入“快速收敛模块”对参数识别的神经元网络不断优化,能够在精度满足要求的前 提下最大可能的降低实现成本,也可以在复杂度不变的条件下提高识别精度,提高了OPM监 测模块的灵活性;3)“快速收敛模块”具有可移植性,不仅可以用来优化识别单一OPM参数 的各种神经元网络,还可以用于优化识别多参数的神经网络群。

优选地,在基于优化控制方案的光信号多参数监控的方法中,在全光网络中设置识别多 参数的OPM监测模块的构架,其中a.OPM监测模块包括“在线识别”和“网络训练”两部分; b.根据实际信道条件和工程要求调整OPM监测模块中的设置,在不同信道条件下实现多参数 的监测。

进一步地,基于优化控制方案的光信号多参数监控的方法在OPM监测模块的网络训练过程 中引入快速收敛模块的技术;

a.快速收敛模块的引入使得OPM参数识别的神经元网络在有指导的训练过程中不断调整, 不断优化;

b.快速收敛模块中的优化模块采用改进的遗传算法或Adaboost算法实现,而且可作用于 不同的参数识别网络形式,具有可移植性。

使用本发明的基于优化控制方案的光信号多参数监控的方法,在动态光纤通信网络中, 需要共同识别CD、PMD、OSNR、MODULATIONFORMAT等多种参数,由于其引起的光 信号畸变特征不同,需要建立不同的神经元网络,实现分类识别。本发明能够在采样精度要 求不高的情况下,用简化的神经元网络结构实现高的识别精度,使信号处理过程简单迅速。 当光网络重新配置时,本发明能自适应地识别或者判决。

附图说明

图1是OPM监测模块的示意图;

图2是依据本发明的基于优化控制方案的光信号多参数监控的方法中添加快速收敛模块 的多参数识别神经元网络的OPM监测模块原理图。

图3是依据本发明的基于优化控制方案的光信号多参数监控的方法中基于改进的神经元 网络实现光网络多参数识别与监测原理图。

图4是依据本发明的基于优化控制方案的光信号多参数监控的方法中基于改进的神经元 网络实现光网络多参数识别与监测的原理图。

具体实施方式

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于暨南大学,未经暨南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201510963160.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top