[发明专利]光线路终端系统

说明书

公开了一种光线路终端系统，其采用基于深度学习的特征提取及融合的分类方式，通过卷积神经网络在OLT系统的拓扑结构中挖掘出各个ONU之间的状态在各时间点之间的关联信息，以及各个ONU所连接的不同用户侧终端设备之间的状态关联信息，通过应用自由净空中的信号传播法则，进一步融合各边缘长度的信息。这样，进一步结合当前监控的OLT的当前状态数据和历史状态数据，以从OLT一侧对整个光系统的状态进行有效监控。

技术领域

本发明涉及通信领域，且更为具体地，涉及一种光线路终端系统。

背景技术

随着千兆接入时代的来临，OLT(Optical Line Terminal：光线路终端)作为接入网络的核心节点，其一方面连接光线干线，另一方面通过ODN(Optical DistributionNetwork：光分配网络)连接多个ONU(Optical network unit：光网络单元)，并由ONU连接用户侧的终端设备，从而为终端设备提供网络接入功能。

另外，在OLT系统中，OLT管理来自ONU的信令和监控信息，从而为ONU和自身提供维护和指配功能。因为OLT需要连接多个ONU，且每个ONU都要连接多个用户侧的终端设备，因此整个系统涉及相当复杂的拓扑结构，对其日常运行管理和维护上造成了一定的困难。例如，当其中某个光网络单元或者光线路终端发生故障时，很难及时发现并排查出具体的故障源。

因此，期望提供一种能够在OLT一侧监控整个系统状态的方案

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种光线路终端系统，其采用基于深度学习的特征提取及融合的分类方式，通过卷积神经网络在OLT系统的拓扑结构中挖掘出各个ONU之间的状态在各时间点之间的关联信息，以及各个ONU所连接的不同用户侧终端设备之间的状态关联信息，通过应用自由净空中的信号传播法则，进一步融合各边缘长度的信息。这样，进一步结合当前监控的OLT的当前状态数据和历史状态数据，以从OLT一侧对整个光系统的状态进行有效监控。

根据本申请的一个方面，提供了一种光线路终端系统，其包括：

第一状态传递矩阵构造单元，用于构造光线路终端到光网络单元的第一状态传递矩阵，其中，所述第一状态传递矩阵的尺度为n*m，m表示所述光线路终端连接到m个所述光网络单元，n表示取预定时间段内的n个时间点为采样点；

第二状态传递矩阵构造单元，用于构造光网络单元到用户侧的终端设备的第二状态传递矩阵，其中，所述第二状态传递矩阵的尺度为m*k，m表示所述光线路终端连接到m个所述光网络单元，k表示每个所述光网络单元连接到k个所述终端设备；

特征图生成单元，用于将所述第一状态传递矩阵和所述第二状态传递矩阵分别输入深度卷积神经网络以获得对应于所述第一状态传递矩阵的第一特征图和对应于所述第二状态传递矩阵的第二特征图，其中，所述第一特征图的尺度为n*m*C，所述第二特征图的尺度为m*k*C；

第一特征图异构单元，用于对于所述第一特征图，将所述第一特征图在其光网络单元对应维度上的特征矩阵分别乘以与用于表示每个所述光网络单元和所述光线路终端之间的距离的平方成反比的第一加权系数，以获得第三特征图；

第二特征图异构单元，对于所述第二特征图，将所述第二特征图在其用户侧终端设备对应的维度上的特征矩阵分别乘以与用于表达每个用户侧的所述终端设备与其相应的所述光网络单元之间的距离的平方成反比的第二加权系数，以获得第四特征图；

待监控对象数据单元，用于获取当前监控的所述光线路终端的当前状态数据和历史状态数据，并将所述当前状态数据和所述历史状态数据构造为输入向量；

向量查询单元，用于将所述输入向量转化为尺度为1*n的状态向量之后乘以所述第三特征图再乘以所述第四特征图，以获得分类特征矩阵；以及