[发明专利]光网络运行方法

说明书

本申请涉及光网络领域，更具体地涉及一种光网络运行方法。所述光网络运行方法考虑到在同一光纤上进行波分复用时，各个波长尤其是波长相近之间的信号可能在传递过程中受到传输条件的影响而发生相互干扰从而影响传输质量。相应地，所述光网络运行方法以深度学习技术综合地考虑各个波长的信号在波分复用时不同时间点之间的关联和同一波长的信号在不同的时间点之间的关联来进行特征识别和分类，以确保了光网络在波分复用情况下的传输信号质量。

技术领域

本发明涉及光网络领域，且更为具体地，涉及一种光网络运行方法、光网络运行系统和电子设备。

背景技术

光网络(Optical Network)一般指使用光纤作为主要传输介质的广域网、城域网或者新建的大范围的局域网，其具有传输速度高、传输距离长等特点。另外，由于光网络具有超大容量和丰富的接口，为电信业务发展奠定了基础，并且，进一步通过利用超大容量的DWDM(Dense Wavelength Division Multiplex and Multiplexer：密集型波分复用和复用器)技术，可以在一根光纤上传送96个以上的波长，以每一个波长承载19G信号计算，传输网的容量将达到960G。相应地，光分插节点采用大容量的光交换机，交换机的容量也可以达到640G以上。

但是，在光网络的实际运行过程当中，当在同一光纤上进行波分复用，即传送多个波长时，各个波长，尤其是相近波长之间的信号可能在传递过程当中受到传输条件的影响而发生相互干扰，从而影响信号传输质量，因此，期望提供一种用于监控波分复用情况下的传输信号质量的光网络运行方法。

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网络运行方法、光网络运行系统和电子设备，其采用基于深度网络模型的深度学习技术来解决隐含统计特征的挖掘和分类问题，也就是，各个波长，尤其是相近波长之间的信号可能在传递过程当中受到传输条件的影响而发生相互干扰，从而影响信号传输质量的问题。通过这样的方式，确保了波分复用情况下的传输信号质量。

根据本申请的一个方面，提供了一种光网络运行方法，其包括：

获取待检测光网络在基于波分复用传输多个波长的光信号的情况下的多个时间点的光信号的信号幅值数据，其中，每个时间点的光信号的所述信号幅值数据包括分别在多个波长下的信号幅值数据；

以波长和时间为两个维度，将所述多个时间点的信号幅值数据构造成幅值矩阵；

将所述幅值矩阵通过深度卷积神经网络以获得初始特征图；

对所述初始特征图进行基于连通域的掩码处理以获得分类特征图，其包括：

确定用于搜索连通域的阈值；

基于该阈值搜索所述初始特征图中的各个连通域，所述连通域为所述初始特征图中特征值大于该阈值的位置相连通而形成的区域；以及

基于所述连通域构造掩码并基于所述掩码对所述初始特征图进行处理，以获得所述分类特征图；以及

将所述分类特征图通过分类器以获得分类结果，所述分类结果用于表示在当前波分复用的情况下光网络所传输信号的质量是否满足预定标准。

在上述光网络运行方法中，所述多个时间点的光信号的信号幅值数据为以预设时间间隔采集的光信号的信号幅值数据。

在上述光网络运行方法中，基于该阈值搜索所述初始特征图中的各个连通域，包括：以该阈值搜索所述初始特征图中参考位置周围的相邻位置，其中，该参考位置的特征值大于该阈值；以及，响应于该相邻位置的特征值大于该阈值，确定该相邻位置为该参考位置的连通域。