基于深度学习的光学性能监测研究
发布时间：2021-02-19 23:39
随着如今人工智能（Artificial Intelligence,AI）的蓬勃发展,AI已经在各行各业承担起了十分重要的任务。而作为以机器学习为代表的新一代强大的智能分析工具,更是成为了现在各个研究领域必不可少的课题之一。随着现在互联网的大规模普及,大数据已经成为这个时代的标签之一,但是其中大部分的数据都是冗余无用的,因此需要将核心的数据特征高效地提取出来才是关键。如果用传统机器学习方法,比如K最近邻、或者支持向量机等,是难以驾驭如此庞大的数据分析任务的,因此深度学习登上了历史舞台。深度学习是一种实现机器学习的优秀技术,它使机器学习能够应用于更广泛的场景中,主要表现在神经网络本身的突破创新。而在光纤通信中,系统参数的监测是一个十分重大且急迫需要解决的问题之一,这一类任务统称为光学性能监测（Optical Performance Monitoring,OPM）。但是目前为止,在该领域利用深度学习方法来试图解决这个问题方面的研究相还是相对较少。由于传统的OPM方法它们的监测精度和监测效率都十分有限,并且所需的设备复杂度和人工成本都较高,因此传统的基于通信本身的监测方案已逐渐被取代。与此同时...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
人工智能与机器学习的关系图
概述7第二章深度学习与光学性能监测相关技术概述在实际的光纤通信中，由于目前企业以及家庭等网络对高质量链路信号传输的要求越来越严格，并且随着时代的不断进步以及新兴产业的不断发展，实际系统中对通信的传输距离也在不断地提升，这使得一个健康的链路质量变得越来越重要。而对于长距离传输的通信方式，一旦在中途发生故障或是信号的功率由于外界干扰而衰减严重，如果不能够知晓或者探测到这些问题，那么对终端网络将可能造成许多不必要的损失，因此OPM技术已经成为了光纤通信中必不可少的保证链路质量的技术之一。图2-1展现了OPM模块应用于信号传输中的大致流程图。通信系统可以大致分为发射端、信道以及接收端三部分，而在本文中采取的通信信道均为光纤信道。当发射信号从发射端发出进入光纤后，信号便不断地在光纤中进行传输，但是与此同时，信号也会不断地在经受来自外界的干扰，这会使得信号中不断夹杂着各种噪声，而在光纤中独有的非线性以及CD等都会使得信号的质量越来越差。因此，为了保证信号的功率，会在一段较长的传输过程中间隔性地加入光放大器（OpticalAmplifier，OA）模块，这样就会在一定程度上避免由于信号功率的降低而被噪声所淹没的情况。在传输过程中需要通过一定的技术手段来帮助人们进行信号的性能监测任务，这就是上面所提到的OPM技术。通过在链路中适当间隔地加入一定数量的OPM模块后，如果其中任意一段链路发生故障或信号本身出现问题，那么就可以在第一时间获取信息并作出应对措施。由此可见，光学性能监测对于整个光纤通信领域来说都有着不可替代的作用，它不仅能够实时监测链路信号状况，更是保证健康通信网络的基石。在本章节中，将分别简要介绍光学性能监测技术中大致的原理思路以及与研究内容所相关的几种机
电子科技大学硕士学位论文82.1光学性能监测原理光学性能监测，顾名思义就是利用光或光纤作为信道进行通信时，对信号的性能进行监测从而获取所需的链路信息。而要完成性能监测，首先需要将信号从链路中截取部分下来送入OPM模块，再在模块中经过多步的DSP处理后最终得到所要监测的目标参数值。因此，如何理解和设计好OPM模块这个“黑盒子”便是关键。在图2-2中展示了目前常见的OPM模块中的原理思路，大致可以共分为数据预处理、信号特征提取和模型监测三个基本步骤。图2-2常见的光学性能模块在图中假设该OPM模块是基于相干通信系统下的应用模块。当从链路中准备进行监测任务时，首先模拟信号的两路同向和正交信号会经过模电转换器后变为数字信号进行存储。接下来就进入了数字信号处理部分，这部分也是OPM模块中的核心部分。第一步是会经过数据预处理模块，这个模块一般包括有色散补偿、时延恢复、下采样或者CMA均衡等等。通过这些预处理操作，可以去掉信号中的部分多余噪声，尽可能还原出信号原本的样子，这会有利于提高后续对信号性能的监测精度，并且方便后续对信号进行特征提龋例如CMA均衡几乎可以将接收信号中的线形损伤全部补偿，接下来的信号中几乎所有的噪声影响都只来源于放大自发幅度噪声（AmplifiedSpontaneousEmission，ASE），这样将会十分有利于监测模型对OSNR这一参数的监测。在进行完数据预处理后，信号开始经过特征提取部分，这个模块主要是用于对接收信号的各个特征进行采集，具体的特征类型一般会根据所监测的目标参数不同而不同。对于传统的监测模型来说，这一步基本是在进行数学的推理，通过目标参数与接收信号的数学关系从而完成在公式上的对等，最终经过复杂的计算和演
本文编号：3041871
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
人工智能与机器学习的关系图
概述7第二章深度学习与光学性能监测相关技术概述在实际的光纤通信中，由于目前企业以及家庭等网络对高质量链路信号传输的要求越来越严格，并且随着时代的不断进步以及新兴产业的不断发展，实际系统中对通信的传输距离也在不断地提升，这使得一个健康的链路质量变得越来越重要。而对于长距离传输的通信方式，一旦在中途发生故障或是信号的功率由于外界干扰而衰减严重，如果不能够知晓或者探测到这些问题，那么对终端网络将可能造成许多不必要的损失，因此OPM技术已经成为了光纤通信中必不可少的保证链路质量的技术之一。图2-1展现了OPM模块应用于信号传输中的大致流程图。通信系统可以大致分为发射端、信道以及接收端三部分，而在本文中采取的通信信道均为光纤信道。当发射信号从发射端发出进入光纤后，信号便不断地在光纤中进行传输，但是与此同时，信号也会不断地在经受来自外界的干扰，这会使得信号中不断夹杂着各种噪声，而在光纤中独有的非线性以及CD等都会使得信号的质量越来越差。因此，为了保证信号的功率，会在一段较长的传输过程中间隔性地加入光放大器（OpticalAmplifier，OA）模块，这样就会在一定程度上避免由于信号功率的降低而被噪声所淹没的情况。在传输过程中需要通过一定的技术手段来帮助人们进行信号的性能监测任务，这就是上面所提到的OPM技术。通过在链路中适当间隔地加入一定数量的OPM模块后，如果其中任意一段链路发生故障或信号本身出现问题，那么就可以在第一时间获取信息并作出应对措施。由此可见，光学性能监测对于整个光纤通信领域来说都有着不可替代的作用，它不仅能够实时监测链路信号状况，更是保证健康通信网络的基石。在本章节中，将分别简要介绍光学性能监测技术中大致的原理思路以及与研究内容所相关的几种机
电子科技大学硕士学位论文82.1光学性能监测原理光学性能监测，顾名思义就是利用光或光纤作为信道进行通信时，对信号的性能进行监测从而获取所需的链路信息。而要完成性能监测，首先需要将信号从链路中截取部分下来送入OPM模块，再在模块中经过多步的DSP处理后最终得到所要监测的目标参数值。因此，如何理解和设计好OPM模块这个“黑盒子”便是关键。在图2-2中展示了目前常见的OPM模块中的原理思路，大致可以共分为数据预处理、信号特征提取和模型监测三个基本步骤。图2-2常见的光学性能模块在图中假设该OPM模块是基于相干通信系统下的应用模块。当从链路中准备进行监测任务时，首先模拟信号的两路同向和正交信号会经过模电转换器后变为数字信号进行存储。接下来就进入了数字信号处理部分，这部分也是OPM模块中的核心部分。第一步是会经过数据预处理模块，这个模块一般包括有色散补偿、时延恢复、下采样或者CMA均衡等等。通过这些预处理操作，可以去掉信号中的部分多余噪声，尽可能还原出信号原本的样子，这会有利于提高后续对信号性能的监测精度，并且方便后续对信号进行特征提龋例如CMA均衡几乎可以将接收信号中的线形损伤全部补偿，接下来的信号中几乎所有的噪声影响都只来源于放大自发幅度噪声（AmplifiedSpontaneousEmission，ASE），这样将会十分有利于监测模型对OSNR这一参数的监测。在进行完数据预处理后，信号开始经过特征提取部分，这个模块主要是用于对接收信号的各个特征进行采集，具体的特征类型一般会根据所监测的目标参数不同而不同。对于传统的监测模型来说，这一步基本是在进行数学的推理，通过目标参数与接收信号的数学关系从而完成在公式上的对等，最终经过复杂的计算和演
本文编号：3041871
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3041871.html
