申请/专利权人：北京邮电大学;北京理工大学;江苏雅泰歌思通讯技术有限公司;雅泰歌思(上海)通讯科技有限公司

申请日：2022-08-30

公开（公告）日：2024-06-14

公开（公告）号：CN115549780B

主分类号：H04B10/079

分类号：H04B10/079;G06N3/0464;G06N3/0442;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2023.01.20#实质审查的生效;2022.12.30#公开

摘要：本申请提供一种光通信网络性能参数监测方法及装置，方法包括：获取光通信系统接收端接收的目标偏振相干光原始信号；将目标偏振相干光原始信号输入预设的时空特征网络，以使该时空特征网络输出目标偏振相干光原始信号对应的调制格式和光信噪比，以将该调制格式和光信噪比作为当前光通信网络性能参数监测结果。本申请能够有效缩短光通信网络性能参数监测所需的时间，提高光通信网络性能参数监测的效率及实时性；同时能够保证光通信网络性能参数监测结果的识别准确性，进而能够满足光通信系统进行光通信网络性能参数监测的实时性和高精度的要求。

主权项：1.一种光通信网络性能参数监测方法，其特征在于，包括：获取光通信系统接收端接收的目标偏振相干光原始信号；所述目标偏振相干光原始信号包括：XI、XQ、YI和YQ这四路电信号组成的[4xN]的矩阵序列，电信号包含不同时刻下信号的幅度和相位信息，其中，X和Y表示偏振方向，I和Q分别表示同向和正交分量，N表示采样点数；将所述目标偏振相干光原始信号输入预设的时空特征网络，以使该时空特征网络输出所述目标偏振相干光原始信号对应的调制格式和光信噪比，以将该调制格式和光信噪比作为当前光通信网络性能参数监测结果，所述时空特征网络为：包含有用于提取空间特征的卷积神经网络CNN和用于提取时间特征的双向长短时记忆网络Bi-LSTM的深度神经网络；其中，所述深度神经网络包括：依次连接的输入层、特征提取层、特征融合层和输出层；所述特征提取层包含有：所述卷积神经网络CNN和所述双向长短时记忆网络Bi-LSTM；所述输入层中的输入神经元的数量与偏振相干光原始信号的路数相同；所述卷积神经网络CNN用于根据输入所述输入层的偏振相干光原始信号，提取对应的空间特征；所述卷积神经网络CNN包括依次连接的包含有32个卷积核的卷积层、一个一维最大池化层、包含有64个卷积核的卷积层以及另一个一维最大池化层；所述双向长短时记忆网络Bi-LSTM用于根据输入所述输入层的偏振相干光原始信号，提取对应的时间特征；所述双向长短时记忆网络Bi-LSTM包括依次连接的包含有64个神经元的双向长短时记忆网络层、包含有32个神经元的双向长短时记忆网络层和一个最大池化层；所述特征融合层用于对所述空间特征和时间特征进行融合拼接得到新的特征向量；所述输出层包括：用于根据所述新的特征向量输出所述偏振相干光原始信号的调制格式的第一全连接层，以及，用于根据所述新的特征向量输出所述偏振相干光原始信号的光信噪比的第二全连接层。

全文数据：

权利要求：

百度查询： 北京邮电大学;北京理工大学;江苏雅泰歌思通讯技术有限公司;雅泰歌思(上海)通讯科技有限公司 光通信网络性能参数监测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD