[發明專利]數據傳輸距離模式驅動的智能光波導系統

無效

• 申請號: 201310130301.1
• 申請日: 2013-04-16
• 公開（公告）號: CN103248430A
• 公開（公告）日: 2013-08-14
• 發明（設計）人: 陶大程;李學龍
• 申請（專利權）人: 揚州奧普森光傳感科技有限公司
• 主分類號: H04B10/293
• 分類號: H04B10/293;H04B10/075
• 代理公司: 蘇州廣正知識產權代理有限公司 32234
• 代理人: 劉述生

技術領域

本發明涉及光波導技術領域，特別是涉及一種數據傳輸距離模式驅動的智能光波導系統。?

背景技術

互聯網在人們的生活，工作和生產中扮演著非常重要的角色。特別是隨著云計算迅速發展，更多原先線下的服務越來越多的轉移到線上互聯網平臺，這對網絡基礎設施的產生了巨大的需求，而光通信網絡設備作為傳輸海量數據的骨干網絡設備，是未來互聯網基礎設施發展的關鍵。?

考慮到經濟、環保等因素，現有的光網絡通信設備并不完美。現有的光網絡通信設備信號發射端將不同傳輸目的地的信號按固定增益放大后送入光傳輸線路，然而不同的信號其傳輸距離差別巨大。為了滿足光信號最大距離接收強度的要求，需要設計大功率高增益的光放大器；另外為了避免近距離的信號接收端的信號太強，而對接收器件造成損害，必須接入光信號衰減器來對信號的強度進行衰減，這種設計所采用的大功率高增益放大器極大的增加了前期光通信網絡的建設成本，另外大量無效的功耗也會增加后期的運營成本。?

發明內容

本發明主要解決的技術問題是提供一種數據傳輸距離模式驅動的智能光波導系統，具有成本低、降低光波導功耗的優點，有效降低網絡后期運營成本。?

為解決上述技術問題，本發明采用的一個技術方案是：提供一種數據傳輸距離模式驅動的智能光波導系統，該智能光波導系統是通過對網絡傳輸數據的統計分析，獲得相應數據傳輸距離模式，并用來控制光波導發送端的工作狀態，具體實現步驟包括：?

a、采集網絡中傳送數據，每個數據用一個m維向量?表示，獲得geometry?preserving?projections?（GPP）算法所需要的訓練集合；

b、利用GPP，獲得數據低維表達以加速新數據的預測速度，GPP優化目標函數為?：

????，（1）

這里是一個系數矩陣中的元素，它可以通過最小化重構誤差（reconstruction?error）計算得到；則是一個布爾函數，當?和??屬于不同類別并且?是??的一個緊鄰元素的時候為1，否則為0?，是一尺度因子，取值范圍為，

最終，問題簡化為了：

????????????????????????????，（2）

通過GPP算法，獲得的變換矩陣，使得，從而實現數據低維表達；

c、通過對用最小距離分類器（Minimum?Euclidean?Distance?Classifier，?MEDC）分類，可以獲得智能光波導系統控制參數。

本發明的有益效果是：本發明是利用對用戶數據大量統計分析的前提下，建立以GPP優化算法為核心的智能控制參數估計過程，并對智能光波導系統中的放大器工作點有效設置，而傳統的光波導系統則是一直工作在大功率高增益的工作狀態，基于GPP優化算法為核心智能光波導系統能有效減小智能光波導中放大器的設計難度，以及降低系統成本和運營成本。?

具體實施方式

下面對本發明的較佳實施例進行詳細闡述，以使本發明的優點和特征能更易于被本領域技術人員理解，從而對本發明的保護范圍做出更為清楚明確的界定。?

本發明實施例包括：?

一種數據傳輸距離模式驅動的智能光波導系統，該智能光波導系統是通過對網絡傳輸數據的統計分析，獲得相應數據傳輸距離模式，并用來控制光波導發送端的工作狀態，具體實現步驟包括：

a、采集網絡中傳送數據，每個數據用一個m維向量表示，獲得geometry?preserving?projections?（GPP）算法所需要的訓練集合；

b、利用GPP，獲得數據低維表達以加速新數據的預測速度，GPP優化目標函數為?：

????，（1）

這里是一個系數矩陣中的元素，它可以通過最小化重構誤差（reconstruction?error）計算得到；則是一個布爾函數，當?和??屬于不同類別并且?是??的一個緊鄰元素的時候為1，否則為0?，是一尺度因子，取值范圍為，

最終，問題簡化為了：

????????????????????????????，（2）

通過GPP算法，獲得的變換矩陣，使得，從而實現數據低維表達；

c、通過對用最小距離分類器（Minimum?Euclidean?Distance?Classifier，?MEDC）分類，可以獲得智能光波導系統控制參數。