[发明专利]线路监测系统中的故障检测和报告

说明书

提供了一种系统和方法，该系统和方法使用机器学习故障分类器来提供自动化线路监测，以用于确定与高损耗环回(HLLB)数据相关联的特征是否匹配预定故障特征。故障分类器可应用于响应于两个不同波长的线路监测信号而生成的特征。仅在故障分类器响应于两个波长的特征而指示故障的情况下，才可报告故障。也可使用第二故障分类器，并且仅在第一故障分类器和第二故障分类器两者均响应于两个波长的特征而指示故障的情况下，才可报告故障。符合的系统还可被配置为报告泵劣化、跨段损耗或中继器失效故障的值，并且还可或另选地报告跨段损耗故障的方向性或光纤断裂故障的位置。

相关申请的交叉引用

本申请要求2018年2月22日提交的序列号为62/633,678的美国临时申请的申请日期的权益，该申请的教导内容据此以引用方式并入本文。

技术领域

本申请涉及通信系统，并且更具体地讲，涉及用于线路监测系统中的故障检测和报告的系统和方法。

背景技术

海底光学通信系统需要例行监测，以保证其性能并使服务的潜在损耗最小化。监测通常涉及尝试在早期检测湿式工厂故障和可能的攻击威胁。当前建立的监测技术包括使用线路监测系统(LMS)来检测通过与每个海底中继器和每个终端相关联的环回路径环回的环回信号峰。环回信号可以是高损耗环回(HLLB)信号或光学时域反射计(OTDR)信号。

当沿着光学路径的性能发生变化时，与围绕故障位置的中继器相关联的环回信号的振幅发生变化。这些变化呈现不同的模式，这些模式可用于识别故障条件。此类故障条件包括例如光纤跨段损耗变化、光学放大器泵激光输出功率变化、以及光纤断裂。

基于对应故障特征识别故障条件的一些方法包括利用实现有限状态机的自动特征分析(ASA)进行模式分析。遗憾的是，虽然这些现有的基于ASA的故障分析技术能够检测传输系统中相对大的变化，但是通常缺乏报告微小变化的准确性，而这些微小变化可指示特定元件随时间推移的性能劣化。这些技术也不能报告所检测到的故障(诸如泵输出功率损耗或光纤跨段损耗)的值，并且可需要多个数据集集合来平均化系统中的噪声。

附图说明

应当参考以下具体实施方式，其应当结合以下附图来阅读，其中类似的数字表示类似的部件：

图1为符合本公开的系统的一个示例性实施方案的简化框图。

图2为符合本公开的系统的另一个示例性实施方案的简化框图。

图3示意性地示出了在符合本公开的实施方案中的数据集和可用于分析该数据集的滑动窗口。

图4A至图4D包括用作符合本公开的实施方案的训练输入的差分回路增益(dDLG)数据的差分曲线图。

图5包括完全故障特征的dDLG数据的曲线图，其中将不同的白噪声值添加到符合本公开的实施方案的故障特征。

图6A至图6D包括用于示出确定符合本公开的实施方案的泵激光劣化的值的差分回路增益(dDLG)数据的差分曲线图。

图7包括与符合本公开的实施方案的中继器失效相关联的完全故障特征的dDLG数据的曲线图。

图8包括符合本公开的实施方案的出站跨段损耗故障的OTDR数据的曲线图。

图9包括符合本公开的实施方案的入站跨段损耗故障的OTDR数据的曲线图。

图10包括符合本公开的实施方案的光纤断裂故障的OTDR数据的曲线图。

具体实施方式