[發(fā)明專利]一種提升環(huán)境自適應(yīng)性的光學(xué)性能監(jiān)測系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202110359510.8
• 申請日: 2021-04-02
• 公開（公告）號: CN113177074B
• 公開（公告）日: 2023-09-29
• 發(fā)明（設(shè)計）人: 王建萍;范瀟杰
• 申請（專利權(quán)）人: 北京科技大學(xué)
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/25;G06N3/04;G06N3/096
• 代理公司: 北京市廣友專利事務(wù)所有限責(zé)任公司 11237
• 代理人: 張仲波;鄧琳

本發(fā)明公開了一種提升環(huán)境自適應(yīng)性的光學(xué)性能監(jiān)測系統(tǒng)及方法，所述系統(tǒng)包括：數(shù)據(jù)生成模塊，用于將光信號生成能夠被神經(jīng)網(wǎng)絡(luò)模型處理的數(shù)據(jù)格式；數(shù)據(jù)變化感知模塊，用于將最近預(yù)設(shè)時間段獲取的數(shù)據(jù)分布與先前預(yù)設(shè)時間段獲取的數(shù)據(jù)分布進行比對，判斷光網(wǎng)絡(luò)環(huán)境是否發(fā)生變化；遷移訓(xùn)練模塊，用于當(dāng)光網(wǎng)絡(luò)環(huán)境發(fā)生變化時，從最新的光網(wǎng)絡(luò)環(huán)境中采集數(shù)據(jù)重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；模型剪枝壓縮模塊，用于對新訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型進行剪枝操作；數(shù)據(jù)分析模塊，用于根據(jù)新訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對接收的數(shù)據(jù)進行處理，得到檢測結(jié)果。本發(fā)明能夠及時感知光網(wǎng)絡(luò)環(huán)境的變化，并自適應(yīng)調(diào)整監(jiān)測神經(jīng)網(wǎng)絡(luò)模型，確保在復(fù)雜多變的光網(wǎng)絡(luò)環(huán)境下得到準(zhǔn)確的監(jiān)測結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及光纖通信網(wǎng)絡(luò)的光學(xué)性能監(jiān)測技術(shù)領(lǐng)域，特別涉及一種提升環(huán)境自適應(yīng)性的光學(xué)性能監(jiān)測系統(tǒng)及方法。

背景技術(shù)

光纖通信網(wǎng)絡(luò)是人類進行信息傳遞的骨干網(wǎng)絡(luò)，因此借助光學(xué)性能監(jiān)測設(shè)備對光纖通信網(wǎng)絡(luò)的光學(xué)性能參數(shù)進行監(jiān)控，對于維護并管理光網(wǎng)絡(luò)的良好運行意義重大。然而，光纖通信網(wǎng)絡(luò)不是一成不變的“死”系統(tǒng)，其是在不斷發(fā)展與變化中的。比如：隨著光網(wǎng)絡(luò)運行時間的推移，光發(fā)射機會出現(xiàn)老化，光纖信道條件會出現(xiàn)改變，光性能監(jiān)測設(shè)備的數(shù)據(jù)接收模塊會出現(xiàn)變動，這些環(huán)境因素的改變都會造成監(jiān)測所需的光信號的差異，使得光學(xué)性能監(jiān)測的準(zhǔn)確性出現(xiàn)惡化。目前的光學(xué)性能監(jiān)測設(shè)備架構(gòu)體系對于光網(wǎng)絡(luò)環(huán)境的變動缺乏自適應(yīng)能力，無法感知光網(wǎng)絡(luò)環(huán)境的變動，且無法對變動做出及時的調(diào)整，這嚴(yán)重制約了光學(xué)性能監(jiān)測的未來發(fā)展。

發(fā)明內(nèi)容

本發(fā)明針對目前光學(xué)性能監(jiān)測架構(gòu)存在的缺乏環(huán)境自適應(yīng)能力的缺陷，提供一種提升環(huán)境自適應(yīng)性的光學(xué)性能監(jiān)測系統(tǒng)及方法，通過新增設(shè)計包含數(shù)據(jù)變化感知模塊、遷移訓(xùn)練模塊以及模型剪枝壓縮模塊在內(nèi)的新架構(gòu)，使得光學(xué)性能監(jiān)測系統(tǒng)具備環(huán)境自適應(yīng)能力，確保在復(fù)雜多變的光網(wǎng)絡(luò)環(huán)境下得到準(zhǔn)確的監(jiān)測結(jié)果。

為解決上述技術(shù)問題，本發(fā)明的實施例提供如下方案：

一方面，提供了一種提升環(huán)境自適應(yīng)性的光學(xué)性能監(jiān)測系統(tǒng)，包括數(shù)據(jù)生成模塊和數(shù)據(jù)分析模塊，所述系統(tǒng)還包括依次設(shè)置在所述數(shù)據(jù)生成模塊和所述數(shù)據(jù)分析模塊之間的數(shù)據(jù)變化感知模塊、遷移訓(xùn)練模塊和模型剪枝壓縮模塊；

其中，所述數(shù)據(jù)生成模塊用于將光信號生成能夠被神經(jīng)網(wǎng)絡(luò)模型處理的數(shù)據(jù)格式；

所述數(shù)據(jù)變化感知模塊用于將最近預(yù)設(shè)時間段獲取的數(shù)據(jù)分布與先前預(yù)設(shè)時間段獲取的數(shù)據(jù)分布進行比對，判斷光網(wǎng)絡(luò)環(huán)境是否發(fā)生變化；

所述遷移訓(xùn)練模塊用于當(dāng)光網(wǎng)絡(luò)環(huán)境發(fā)生變化時，從最新的光網(wǎng)絡(luò)環(huán)境中采集數(shù)據(jù)重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；

所述模型剪枝壓縮模塊用于對新訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型進行剪枝操作；

所述數(shù)據(jù)分析模塊用于根據(jù)新訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對接收的數(shù)據(jù)進行處理，得到檢測結(jié)果。

優(yōu)選地，所述數(shù)據(jù)變化感知模塊具體用于：

加載預(yù)先存儲的原始數(shù)據(jù)集，獲取原始數(shù)據(jù)集的數(shù)據(jù)分布；

將新采集數(shù)據(jù)集的數(shù)據(jù)分布與原始數(shù)據(jù)集的數(shù)據(jù)分布進行比對，判斷兩者的數(shù)據(jù)分布差異是否超過預(yù)設(shè)閾值；

若數(shù)據(jù)分布差異超過預(yù)設(shè)閾值，則認為光網(wǎng)絡(luò)環(huán)境發(fā)生變化；若數(shù)據(jù)分布差異未超過預(yù)設(shè)閾值，則認為光網(wǎng)絡(luò)環(huán)境未發(fā)生變化。

優(yōu)選地，所述遷移訓(xùn)練模塊具體用于：

當(dāng)判斷光網(wǎng)絡(luò)環(huán)境發(fā)生變化后，加載原始的神經(jīng)網(wǎng)絡(luò)模型；

使用新采集數(shù)據(jù)集對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練；

判斷訓(xùn)練輪數(shù)是否到達預(yù)設(shè)輪數(shù)；

若達到預(yù)設(shè)輪數(shù)，則完成訓(xùn)練，得到新訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型；否則，繼續(xù)訓(xùn)練直至達到預(yù)設(shè)輪數(shù)。

優(yōu)選地，所述模型剪枝壓縮模塊具體用于：