[發明專利]一種基于特征融合多任務卷積網絡光性能檢測方法及系統

在審

• 申請號: 202011506401.6
• 申請日: 2020-12-18
• 公開（公告）號: CN112632855A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 王建萍;范瀟杰;任芳
• 申請（專利權）人: 北京科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G01M11/00
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 皋吉甫

1.一種基于特征融合多任務卷積網絡光性能檢測方法，其特征在于，所述檢測方法具體包括以下步驟：

S1)在仿真平臺上搭建光纖通信系統，在光信號傳輸過程中添加不同的光性能損傷參數；

S2)對S1)的光信號進行采樣并轉化為二維散點圖，并按照比例劃分訓練集和測試集；

S3)搭建基于特征融合的多任務卷積神經網絡模型，以二維散點圖作為輸入對特征融合的多任務卷積神經網絡模型進行訓練；

S4)將S2)得到訓練集作為特征融合的多任務卷積神經網絡模型的輸入數據，進行優化，得到優化后的特征融合的多任務卷積神經網絡模型；

S5)將S2)得到測試集作為優化后的特征融合的多任務卷積神經網絡模型的網絡輸入，即得到測試結果。

2.根據權利要求1所述的檢測方法，其特征在于，所述S1)中的仿真平臺為VPI仿真平臺；

光性能損傷參數為：

色散CD：其取值范圍為[0,450],步長為50；

偏振模色散DGD，其取值范圍為[0,10],步長為1；

光信噪比OSNR，其取值范圍為[10,28]，步長為2。

3.根據權利要求1所述的檢測方法，其特征在于，所述S1)中所述光信號的調制格式為QPSK、16QAM和64QAM；速率為60Gbps和100Gbps。

4.根據權利要求1所述的檢測方法，其特征在于，所述S2)的具體步驟為：S2.1)每種類型的按照信號在不同損傷參數的組合下各收集至少1100次，總共得到至少6600個樣本數據；

S2.2)利用異步單通道采樣方法，將S2.1)采集的至少6600個樣本數據轉換為二維散點圖；

S2.3)每張散點圖的標簽是三種光損傷參數以及速率和格式的類別，以5:1的比例劃分為訓練集和測試集。

5.根據權利要求1所述的檢測方法，其特征在于，所述S3)的具體步驟為：

S3.1)以由8個卷積赤化層作為整個網絡的骨架；

S3.2)選取第三層、第六層和第八層的輸出抽取出來，在特征融合層進行特征圖的拼接操作，得到拼接一體的特征；

S3.3)然后基于拼接的特征，構建多任務輸出網絡，即為基于特征融合的多任務卷積神經網絡模型；

S3.4)再將S2)得到的二維散點圖作為基于特征融合的多任務卷積神經網絡模型的輸入，對模型進行訓練，得到訓練后的基于特征融合的多任務卷積神經網絡模型。

6.根據權利要求1所述的檢測方法，其特征在于，所述S4)的具體步驟為：

S4.1)將S2)得到的訓練集作為訓練后的基于特征融合的多任務卷積神經網絡模型輸入，

S4.2)以對應的光性能損傷值和速率類別以及調制格式類別作為標簽值，使用梯度下降算法進行監督學習，完成基于特征融合的多任務卷積神經網絡模型的優化。

7.一種實現如權利要求1-6任一項所述的基于特征融合多任務卷積網絡光性能檢測方法的信息處理終端。

8.一種計算機可讀存儲介質，包括指令，當其在計算機上運行時，使得計算機執行如權利要求1-7任意一項所述的一種基于特征融合多任務卷積網絡光性能檢測方法。

9.一種基于特征融合多任務卷積網絡光性能檢測系統，其特征在于，該系統包括：仿真平臺、光性能監測模塊、速率/調制格式識別模塊、轉換模塊和數據分析處理模塊；

其中，所述仿真平臺，用于搭建系統，并在光信號傳輸過程中添加不同的光性能損傷參數；

所述光性能監測模塊，用于對光網絡的光信號的性能參數，光信噪比OSNR、偏振模色散DGD、以及色散CD進行數值監測；

所述速率/調制格式識別模塊，用于對光信號的速率屬性，以及調制格式屬性進行分類識別；

所述轉化模塊，用于將得到的攜帶特征的光信號數據轉換為二維散點圖；

所述數據分析處理模塊，用于對光信號傳輸過程中的光性能損傷參數進行分析處理，并輸出測試結果。