本申請(qǐng)涉及光通信領(lǐng)域，具體涉及一種光纖鏈路增益預(yù)測(cè)方法及裝置。

背景技術(shù)：

1、為應(yīng)對(duì)通信流量的快速增長(zhǎng)，使用擴(kuò)展波段已成為提升光纖容量的有效途徑。目前，光傳輸應(yīng)用已從c波段擴(kuò)展到c+l波段，甚至進(jìn)一步拓展至s+c+l波段，然而在多波段系統(tǒng)中，受激拉曼散射(isrs)效應(yīng)導(dǎo)致各通道光功率從短波長(zhǎng)向長(zhǎng)波長(zhǎng)轉(zhuǎn)移。尤其在擴(kuò)展波段和多跨段傳輸鏈路中，功率漂移不斷累積導(dǎo)致功率譜發(fā)生難以預(yù)計(jì)的翹曲和抖動(dòng)，增益平坦度顯著劣化，嚴(yán)重影響了系統(tǒng)的性能。因此必須在全波段范圍內(nèi)對(duì)所有信道的增益進(jìn)行動(dòng)態(tài)平衡，保證各信道傳輸?shù)男盘?hào)質(zhì)量。

2、相關(guān)技術(shù)中，機(jī)器學(xué)習(xí)因?yàn)槟芴幚韽?fù)雜數(shù)據(jù)關(guān)系，被廣泛應(yīng)用于光通信系統(tǒng)的建模與優(yōu)化。已有多種機(jī)器學(xué)習(xí)模型被應(yīng)用于多波段多跨段光纖鏈路中不同信道間的功率均衡問(wèn)題，并達(dá)到較好的預(yù)測(cè)精度。

3、但是，現(xiàn)有技術(shù)主要針對(duì)端到端的固定光傳輸鏈路進(jìn)行建模，鏈路中光纖長(zhǎng)度、放大器設(shè)置等因素的改變都會(huì)影響實(shí)際的輸出增益，當(dāng)鏈路中硬件發(fā)生改變時(shí)，基于過(guò)去數(shù)據(jù)訓(xùn)練得到的舊模型往往不再擬合新的情況。為了解決模型遷移問(wèn)題，需要針對(duì)新的鏈路大量采集新數(shù)據(jù)并進(jìn)行訓(xùn)練，采集及訓(xùn)練過(guò)程耗時(shí)費(fèi)力，大大降低了機(jī)器學(xué)習(xí)模型的可遷移性。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┮环N光纖鏈路增益預(yù)測(cè)方法及裝置，可以解決現(xiàn)有技術(shù)中預(yù)測(cè)光纖鏈路增益時(shí)，機(jī)器學(xué)習(xí)模型可遷移性弱的問(wèn)題。

2、第一方面，本申請(qǐng)實(shí)施例提供一種光纖鏈路增益預(yù)測(cè)方法，所述方法包括：

3、基于光纖鏈路變化前各信道的輸入光功率和輸出光功率，生成第一數(shù)據(jù)集；

4、基于光纖鏈路變化后各信道的輸入光功率和輸出光功率，生成第二數(shù)據(jù)集；

5、基于所述第一數(shù)據(jù)集訓(xùn)練主神經(jīng)網(wǎng)絡(luò)模型，并固定權(quán)重；

6、在所述主神經(jīng)網(wǎng)絡(luò)模型上附加輔助神經(jīng)網(wǎng)絡(luò)模型，得到第一神經(jīng)網(wǎng)絡(luò)模型；

7、基于所述第二數(shù)據(jù)集訓(xùn)練所述第一神經(jīng)網(wǎng)絡(luò)模型，直至所述第一神經(jīng)網(wǎng)絡(luò)模型穩(wěn)定收斂；

8、將待測(cè)信道的輸入光功率及目標(biāo)增益輸入所述第一神經(jīng)網(wǎng)絡(luò)模型，所述第一神經(jīng)網(wǎng)絡(luò)模型輸出預(yù)測(cè)值。

9、結(jié)合第一方面，在一種實(shí)施方式中，還包括：

10、采集光纖鏈路變化前后的全波段信號(hào)光；

11、將所述全波段信號(hào)光輸入光譜儀，得到光纖鏈路變化前后各信道對(duì)應(yīng)的輸入光功率和輸出光功率。

12、結(jié)合第一方面，在一種實(shí)施方式中，所述光纖鏈路變化為：

13、光纖鏈路中的硬件更換；

14、或光纖鏈路中的信道數(shù)目改變；

15、或光纖鏈路中任一信道的目標(biāo)增益改變。

16、結(jié)合第一方面，在一種實(shí)施方式中，所述光纖鏈路包括多個(gè)級(jí)聯(lián)的光纖、光放大器及濾波器。

17、結(jié)合第一方面，在一種實(shí)施方式中，所述主神經(jīng)網(wǎng)絡(luò)模型為全連接神經(jīng)網(wǎng)絡(luò)模型，其包含輸入層、隱藏層及輸出層，其輸入為各信道的輸入光功率及目標(biāo)增益，輸出為各信道的預(yù)測(cè)增益及預(yù)測(cè)的輸出光功率。

18、結(jié)合第一方面，在一種實(shí)施方式中，所述固定權(quán)重，包括：

19、計(jì)算所述主神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的輸出光功率與實(shí)際輸出光功率之間的第一差值；

20、當(dāng)所述第一差值小于預(yù)設(shè)差值時(shí)，固定所述主神經(jīng)網(wǎng)絡(luò)模型的權(quán)重。

21、結(jié)合第一方面，在一種實(shí)施方式中，所述輔助神經(jīng)網(wǎng)絡(luò)模型為全連接神經(jīng)網(wǎng)絡(luò)模型，且包含輸入層、輸出層及兩個(gè)隱藏層，其輸入為所述各信道的預(yù)測(cè)增益及目標(biāo)增益，輸出為各信道的修正值。

22、結(jié)合第一方面，在一種實(shí)施方式中，所述第一神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)為均方誤差。

23、結(jié)合第一方面，在一種實(shí)施方式中，所述第一神經(jīng)網(wǎng)絡(luò)模型的隱藏層層數(shù)，隱藏層參數(shù)個(gè)數(shù)均為預(yù)設(shè)最優(yōu)值。

24、第二方面，本申請(qǐng)實(shí)施例提供了一種光纖鏈路增益預(yù)測(cè)裝置，所述裝置包括：

25、數(shù)據(jù)集生成模塊，用于基于光纖鏈路變化前各信道的輸入光功率和輸出光功率，生成第一數(shù)據(jù)集；基于光纖鏈路變化后各信道的輸入光功率和輸出光功率，生成第二數(shù)據(jù)集；

26、訓(xùn)練模塊，用于基于所述第一數(shù)據(jù)集訓(xùn)練主神經(jīng)網(wǎng)絡(luò)模型，并固定權(quán)重；在所述主神經(jīng)網(wǎng)絡(luò)模型上附加輔助神經(jīng)網(wǎng)絡(luò)模型，得到第一神經(jīng)網(wǎng)絡(luò)模型；

27、基于所述第二數(shù)據(jù)集訓(xùn)練所述第一神經(jīng)網(wǎng)絡(luò)模型，直至所述第一神經(jīng)網(wǎng)絡(luò)模型穩(wěn)定收斂；

28、預(yù)測(cè)模塊，用于將待測(cè)信道的輸入光功率及目標(biāo)增益輸入所述第一神經(jīng)網(wǎng)絡(luò)模型，所述第一神經(jīng)網(wǎng)絡(luò)模型輸出預(yù)測(cè)值。

29、本申請(qǐng)實(shí)施例提供的技術(shù)方案帶來(lái)的有益效果包括：

30、本申請(qǐng)通過(guò)先使用變化前的光纖鏈路中各信道的輸入光功率和輸出光功率訓(xùn)練主神經(jīng)網(wǎng)絡(luò)模型，固定其權(quán)重，再在主神經(jīng)網(wǎng)絡(luò)模型上附加輔助神經(jīng)網(wǎng)絡(luò)模型，得到第一神經(jīng)網(wǎng)絡(luò)模型，使用變化后的光纖鏈路中各信道的輸入光功率和輸出光功率對(duì)第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，可以使第一神經(jīng)網(wǎng)絡(luò)模型快速適應(yīng)光纖鏈路變化，在預(yù)測(cè)光纖鏈路增益時(shí)，有效地提高了機(jī)器學(xué)習(xí)模型的可遷移性。

技術(shù)特征：

1.一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，還包括：

3.如權(quán)利要求2所述的一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，所述光纖鏈路變化為：

4.如權(quán)利要求3所述的一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，所述光纖鏈路包括多個(gè)級(jí)聯(lián)的光纖、光放大器及濾波器。

5.如權(quán)利要求1所述的一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，所述主神經(jīng)網(wǎng)絡(luò)模型為全連接神經(jīng)網(wǎng)絡(luò)模型，其包含輸入層、隱藏層及輸出層，其輸入為各信道的輸入光功率及目標(biāo)增益，輸出為各信道的預(yù)測(cè)增益及預(yù)測(cè)的輸出光功率。

6.如權(quán)利要求5所述的一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，所述固定權(quán)重，包括：

7.如權(quán)利要求5所述的一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，所述輔助神經(jīng)網(wǎng)絡(luò)模型為全連接神經(jīng)網(wǎng)絡(luò)模型，且包含輸入層、輸出層及兩個(gè)隱藏層，其輸入為所述各信道的預(yù)測(cè)增益及目標(biāo)增益，輸出為各信道的修正值。

8.如權(quán)利要求1所述的一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，所述第一神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)為均方誤差。

9.如權(quán)利要求1所述的一種光纖鏈路增益預(yù)測(cè)方法，其特征在于，所述第一神經(jīng)網(wǎng)絡(luò)模型的隱藏層層數(shù)，隱藏層參數(shù)個(gè)數(shù)均為預(yù)設(shè)最優(yōu)值。

10.一種基于權(quán)利要求1-9任一項(xiàng)所述方法的光纖鏈路增益預(yù)測(cè)裝置，其特征在于，所述裝置包括：

技術(shù)總結(jié)
一種光纖鏈路增益預(yù)測(cè)方法及裝置，涉及光通信領(lǐng)域，方法包括：基于光纖鏈路變化前后各信道的輸入光功率和輸出光功率，生成第一數(shù)據(jù)集和第二數(shù)據(jù)集；基于第一數(shù)據(jù)集訓(xùn)練主神經(jīng)網(wǎng)絡(luò)模型，并固定權(quán)重；在主神經(jīng)網(wǎng)絡(luò)模型上附加輔助神經(jīng)網(wǎng)絡(luò)模型，得到第一神經(jīng)網(wǎng)絡(luò)模型；基于第二數(shù)據(jù)集訓(xùn)練第一神經(jīng)網(wǎng)絡(luò)模型，直至第一神經(jīng)網(wǎng)絡(luò)模型穩(wěn)定收斂；將待測(cè)信道的輸入光功率及目標(biāo)增益輸入第一神經(jīng)網(wǎng)絡(luò)模型，第一神經(jīng)網(wǎng)絡(luò)模型輸出預(yù)測(cè)值。通過(guò)變化后的光纖鏈路中的光功率對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，可以使神經(jīng)網(wǎng)絡(luò)模型快速適應(yīng)光纖鏈路變化，在預(yù)測(cè)光纖鏈路增益時(shí)，有效地提高了機(jī)器學(xué)習(xí)模型的可遷移性。

技術(shù)研發(fā)人員：劉武,楊軼文,羅鳴
受保護(hù)的技術(shù)使用者：中國(guó)信息通信科技集團(tuán)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10