[发明专利]基于机器学习的物理层损伤约束的光网络路由方法和系统

权利要求书

1.一种基于机器学习的物理层损伤约束的光网络路由方法，其特征在于，该方法包括以下步骤：

S1.获取光网络当前拓扑信息和可用带宽信息；

S2.根据获取到的光网络当前拓扑信息，确定光网络物理层参数多维历史数据和标签，将其作为训练数据集，所述标签为链路接收端的误码率与前向纠错误码率阈值的比较结果，所述误码率由物理层损伤决定；

S3.使用训练数据集，对基于机器学习的物理层传输质量估计模型进行训练，得到训练好的物理层传输质量估计模型；

S4.光网络接收到新业务请求信息后，根据新业务请求中的源节点和目的节点信息，使用K条最短路径算法找到K条最短路径；

S5.根据光网络当前拓扑信息和可用带宽信息，计算K条最短路径考虑路径距离和可用带宽的综合评价分数；

S6.将这K条路径对应的物理层参数输入至训练好的物理层传输质量估计模型进行预测，选择综合评价分数最高且接收端满足前向纠错误码率阈值要求的路径作为最终输出结果；

S7.根据最终的输出结果为新业务请求配置路由之后，更新步骤S1中相应的拓扑信息和可用带宽信息，等待接收下一次业务请求，接收到新的业务请求后，再次执行步骤S4到步骤S6；

步骤S2还包括：通过精确求解光信号在光纤中传输方程，得到的人工合成数据作为真实数据的补充数据，得到包含真实数据和人工合成数据的训练集；

所述通过精确求解光信号在光纤中传输方程，得到的人工合成数据，具体如下：

(1)模拟产生满足条件的光网络物理层参数多维历史数据x_i，在假定两个波长传输的情况下，光网络中光信号在光纤中的传输过程写成以下形式：

其中，v_gi表示群速度，β_2i表示群速度色散系数，α_i表示损耗系数，γ_i表示非线性系数，9＝1，2，分别对应上述的假定两个波长，A₁表示仿真信道的慢变振幅，A₂表示干扰信道的慢变振幅；

(2)在得到仿真信道的慢变振幅A₁之后，对A₁进行相关解调、采样和标准的电域DSP补偿处理，得到一系列基带信号；

(3)对基带信号进行判决解码处理，得到误码率；

(4)将误码率与前向纠错误码率阈值比较，得到x_i对应的标签y_i。

2.如权利要求1所述的方法，其特征在于，步骤S1中，光网络拓扑由无向有权图G(V，E)表示，其中，V是光网络的节点集，光网络中的节点指光交叉连接器、光分插复用器或者波长路由器；E是光网络的链路集，权值为链路的可用带宽和长度信息。

3.如权利要求1或2所述的方法，其特征在于，步骤S2中，光网络物理层参数多维历史数据包括：链路的波特率、比特率、信道入纤光功率和跨段数；每跨段所用的光放大器类型、所用的光放大器的噪声系数、色散系数、色散累积值、跨段长度和非线性系数。

4.如权利要求1所述的方法，其特征在于，所述机器学习为SVM、逻辑斯蒂回归或K最近邻算法。